Soutenance de thèse de Nicolas Lenoble le 23 octobre 2017 à 14 H en amphi Gosse - Site Viallet Grenoble INP
Intitulée : "Optimisation de la préparation de commandes dans les entrepôts de distribution"
Les membres du jury :
Résumé :
- Mme. Atidel HADJ-ALOUANE, Professeur à l’Ecole Nationale d’Ingénieur de Tunis, Président
- Mme. Olga BATTAIA, Professeur à l’Institut Supérieur de l'Aéronautique et de l'Espace de Toulouse, Rapporteur
- Mr. Uche OKONGWU, Professeur à Toulouse business school, Rapporteur
- Mme. Gülgün ALPAN-GAUJAL,Maître de conférences, HDR, Grenoble INP, Examinatrice
- Mr. Yannick FREIN, Professeur à Grenoble INP, Directeur de thèse
- Mr. Ramzi HAMMAMI, Professeur à Rennes School of Business, Co-directeur de thèse
Résumé :
La préparation de commandes est une activité primordiale dans les entrepôts de distribution (près de 60% des coûts opérationnels dans les entrepôts traditionnels). Un des moyens de réduire ces coûts est de collecter plusieurs commandes simultanément, plutôt qu’une par une ; cela permet d’éviter des déplacements inutiles des opérateurs dans le cas de collecte manuelle des produits, et de moins solliciter les machines, dans le cas de collecte automatisée. Nous considérons dans cette thèse des entrepôts de distribution où les produits sont stockés dans des machines appelées stockeurs automatisés composés de plateaux sur lesquels les produits sont stockés ; nous prenons en compte deux types de stockeurs : les VLMs et Carousels. Ces deux types de machines, en plein développement, se différencient par le temps nécessaire pour passer d’un plateau au plateau suivant à visiter (constant dans le cas d’un VLM, dépendant du nombre d’étages entre les 2 plateaux visités dans le cadre des carousels). L’objectif de la thèse est donc de développer des méthodes pour faire des regroupements de commandes en lots dans des entrepôts automatisés afin de collecter un ensemble donné de commandes le plus efficacement possible selon des critères que nous allons définir.
Nous étudions tout d’abord un premier type de regroupement de commandes en lots, pour lequel chaque lot sera collecté entièrement (toutes les commandes composant le lot seront traitées) avant de passer au suivant. Nous parlerons simplement de batching. Nous évaluons le temps de préparation de commandes, dans le cas où l’opérateur effectue la collecte sur une ou sur plusieurs machines. L’intérêt d’utiliser plusieurs machines est de permettre la recherche de plateaux en temps masqué (le stockeur effectue un changement de plateaux pendant que l’opérateur est occupé à effectuer la collecte sur d’autres stockeurs). Cette évaluation du temps de préparation de commandes nous permet d’extraire un critère d’optimisation et d’établir des modèles d’optimisation exacts pour les VLMs puis les carousels. Ces modèles sont ensuite testés avec des données réelles d’entreprise, grâce au partenariat avec l’entreprise KLS Logistic, éditeur du WMS Gildas. Enfin, nous étendons la résolution aux méthodes approchées de type métaheuristiques, afin de garantir de bonnes solutions sous un temps de calcul raisonnable. Des résultats significatifs en termes de réduction du temps de préparation de commandes permettent de justifier l’intérêt de nos travaux.
Nous étudions ensuite un deuxième type de regroupement, où un ensemble de commandes est collecté simultanément mais, contrairement au cas précédent, à chaque fois qu’une commande est terminée, elle est immédiatement remplacée. Nous parlerons ici de « Rolling batching ». Cette approche est classiquement utilisée dans les « Drive ». Nous nous focalisons sur le cas de collecte effectuée sur des carousels, système le plus utilisé dans les « Drive ». Nous développons un algorithme permettant le calcul du temps d’attente de l’opérateur. Une résolution approchée couplant l’utilisation d’heuristiques et d’une métaheuristique est proposée afin de résoudre efficacement le séquencement des commandes. Nous notons que des gains significatifs sont obtenus par l’utilisation de la méthode proposée.
Nous étudions tout d’abord un premier type de regroupement de commandes en lots, pour lequel chaque lot sera collecté entièrement (toutes les commandes composant le lot seront traitées) avant de passer au suivant. Nous parlerons simplement de batching. Nous évaluons le temps de préparation de commandes, dans le cas où l’opérateur effectue la collecte sur une ou sur plusieurs machines. L’intérêt d’utiliser plusieurs machines est de permettre la recherche de plateaux en temps masqué (le stockeur effectue un changement de plateaux pendant que l’opérateur est occupé à effectuer la collecte sur d’autres stockeurs). Cette évaluation du temps de préparation de commandes nous permet d’extraire un critère d’optimisation et d’établir des modèles d’optimisation exacts pour les VLMs puis les carousels. Ces modèles sont ensuite testés avec des données réelles d’entreprise, grâce au partenariat avec l’entreprise KLS Logistic, éditeur du WMS Gildas. Enfin, nous étendons la résolution aux méthodes approchées de type métaheuristiques, afin de garantir de bonnes solutions sous un temps de calcul raisonnable. Des résultats significatifs en termes de réduction du temps de préparation de commandes permettent de justifier l’intérêt de nos travaux.
Nous étudions ensuite un deuxième type de regroupement, où un ensemble de commandes est collecté simultanément mais, contrairement au cas précédent, à chaque fois qu’une commande est terminée, elle est immédiatement remplacée. Nous parlerons ici de « Rolling batching ». Cette approche est classiquement utilisée dans les « Drive ». Nous nous focalisons sur le cas de collecte effectuée sur des carousels, système le plus utilisé dans les « Drive ». Nous développons un algorithme permettant le calcul du temps d’attente de l’opérateur. Une résolution approchée couplant l’utilisation d’heuristiques et d’une métaheuristique est proposée afin de résoudre efficacement le séquencement des commandes. Nous notons que des gains significatifs sont obtenus par l’utilisation de la méthode proposée.