Flexibilité du blending dynamique avec gammes alternatives et stock de sécurité : mise en oeuvre sur une chaîne logistique minière

Résumé En Fr

Nous présentons un modèle détermination dynamique optimale définissant simultanément : i) les blends de minerais de phosphate extraits (Qualité Source – QS) permettant d’obtenir des qualités marchandes (QM) en quantités demandées, sous contrainte de respect de composition : ii) l’alimentation de ces QS en provenance de la mine. Ce modèle de «blending dynamique» prend en compte : la variabilité de la composition chimique des minerais, les quantités de QS en stock ou prêtes à être acheminées de la mine, les contraintes de stockage, la disponibilité des processeurs de blending, l’ordonnancement des OF à satisfaire et l’existence de gammes alternatives permettant d’opérer une concentration de la teneur de certains composants de ces QM, et maîtriser leurs granulométrie. Le blend optimal d’une même QM varie alors au cours du temps, en fonction du contexte de production des OF concernés. Pour répondre aux demandes non prévisibles mais relevant de scénarios plausibles, la flexibilité offerte par le blending dynamique ne suffit pas et doit être complétée par des stocks de sécurité de certaines QS, dont la définition ne peut relever des approches classiques de définition de ces stocks en univers aléatoire. Cette modélisation, en cours d’adoption, est illustrée par des exemples numériques.

Nous présentons un modèle détermination dynamique optimale définissant simultanément : i) les blends de minerais de phosphate extraits (Qualité Source – QS) permettant d’obtenir des qualités marchandes (QM) en quantités demandées, sous contrainte de respect de composition : ii) l’alimentation de ces QS en provenance de la mine. Ce modèle de «blending dynamique» prend en compte : la variabilité de la composition chimique des minerais, les quantités de QS en stock ou prêtes à être acheminées de la mine, les contraintes de stockage, la disponibilité des processeurs de blending, l’ordonnancement des OF à satisfaire et l’existence de gammes alternatives permettant d’opérer une concentration de la teneur de certains composants de ces QM, et maîtriser leurs granulométrie. Le blend optimal d’une même QM varie alors au cours du temps, en fonction du contexte de production des OF concernés. Pour répondre aux demandes non prévisibles mais relevant de scénarios plausibles, la flexibilité offerte par le blending dynamique ne suffit pas et doit être complétée par des stocks de sécurité de certaines QS, dont la définition ne peut relever des approches classiques de définition de ces stocks en univers aléatoire. Cette modélisation, en cours d’adoption, est illustrée par des exemples numériques.