Logo
Memoires et Projets de fin d'Etudes

Espace Membres

Identifiant :

Mot de passe :

Mot de passe oublié ?

Optimisation de la préparation des commandes dans les entrepôts de distribution
accéder au document
Type de document : Thèse de doctorat
Nombre de pages : 158
Format : .Pdf
Taille du fichier : 342.1 KB
Nombre de consultations : 21
Note : note (0 votes)
Extraits et sommaire de ce document
Les dernières décades ont été le théâtre de tensions économiques sans précédent pour les entreprises, mais ont aussi permis des avancées technologiques très importantes. Dans cet environnement évolutif, les entreprises ont dû adapter leur Supply Chain pour assurer leur place dans un contexte fortement concurrentiel. Cette évolution a particulièrement été ressentie dans les entrepôts de distribution, levier important de performance pour les entreprises, de toutes tailles et de tous secteurs. La gestion de ces entrepôts induit des enjeux de productivité et de traçabilité, conditionnant la satisfaction du client final.
De ce fait, cette gestion doit être à la fois orientée niveau de service, profit ainsi que pilotée de manière efficiente. Le niveau de service est la principale priorité des entrepôts et la préparation de commandes étant l’interface entrepôt client, cette activité doit être privilégiée. L’orientation profit se fait par une poursuite de productivité dans toutes les activités présentes au sein de l’entrepôt et enfin le pilotage efficient se fait grâce au contrôle des divers indicateurs jugés adéquats.
Le Warehouse Management System (WMS) est un des leviers essentiels permettant l’aboutissement de cette gestion effectuée de manière efficiente et automatisée dans le cadre des activités d’entreposage. Cette catégorie de logiciel vise à gérer les opérations d’un entrepôt dans le but de les optimiser. L’usage du WMS est d’autant plus nécessaire lorsque les entreprises choisissent de passer le cap de l’automatisation.
La hausse du foncier dans l’Europe fut une des causes de nombreux changements dans la façon de stocker les produits. A l’heure actuelle, au sein d’un entrepôt moderne, le produit est de plus en plus souvent stocké dans des machines automatisées. Ainsi l’opérateur ne se déplace plus dans les allées comme c’est le cas lorsque l’entrepôt est composé d’allées de racks, mais le produit est désormais amené jusqu’à lui. Ces machines automatisées sont appelées des stockeurs automatisés de par leur vocation à stocker les produits. L’automatisation des zones de stockage dans les entrepôts, mis à part un gain de place non négligeable, permet un accroissement de la productivité ainsi que sécuriser les produits stockés à l’intérieur. Ce gain en productivité se calcule en observant le nombre de commandes collectées par unité de temps.
Dans un contexte où les entreprises recherchent une productivité accrue, due aux tensions économiques, et se tournent vers de nouvelles technologies, l’optimisation de la préparation de commandes devient cruciale dans les entrepôts de distribution. La préparation de commandes consiste à prélever et rassembler les articles dans la quantité spécifiée par la commande. La préparation de commande (ou order picking) est l’activité représentant la plus grande charge de travail ainsi que la plus grande part des coûts opérationnels pour un entrepôt (Tompkins et al, 2010). De plus, elle est l’activité absorbant le plus de main d’oeuvre au sein d’un entrepôt ainsi que celle consommant le plus de ressource financière.
En effet Tompkins et al. (2010), Drury (1988) et Henn (2013) quantifient entre 55% à 60% des coûts opérationnels le seul coût lié à la préparation de commandes dans un entrepôt manuel tandis que De Koster et al (2007) évoquent aussi le fait que dans le cas des entrepôts automatisés, le coût de cette activité est important.
Préparer le plus efficacement les commandes permet d’assurer un taux de service plus élevé, ainsi qu’une augmentation du nombre de commandes pouvant être préparées par jour. Le traitement de commandes dans les entreprises a déjà subi d’énormes changements.
Là ou auparavant les commandes étaient collectées une à une, actuellement certaines entreprises choisissent de collecter plusieurs commandes simultanément. La pratique s’est répandue par l’utilisation de stockeurs automatisés et de convoyeurs. Plusieurs commandes sont disposées sur une table de préparation et la collecte de l’ensemble de ces commandes est faite sur un ou plusieurs stockeurs automatisés. Les bacs qui doivent contenir les commandes sont mis à disposition en face du stockeur automatisé. Dans un entrepôt manuel (avec présence de rack) on se rend compte que si deux commandes sont composées des mêmes produits, il est bénéfique de les collecter ensemble si cela est possible. Il en est de même dans les entrepôts automatisés comme nous en discutons dans ce document. Une commande est composée de lignes de commandes, chacune d’entre elles correspond à une quantité donnée d’une référence donnée.
Récolter efficacement un portefeuille de commandes vise à récolter l’ensemble des lignes de commandes dans un temps minimal. Nous nous intéressons donc dans cette thèse à la problématique du regroupement de commandes. Plus précisément, nous considérons deux contextes industriels importants. Dans les deux cas, les commandes sont regroupées en lots, un lot étant composé d’un ensemble de commandes, et une commande ne pouvant appartenir qu’à un seul lot.
Le premier contexte sera appelé « batching » ou « regroupement de commandes en lots complets ». Pour cette première situation, lorsqu’un lot de commandes est mis en préparation, celui-ci ne quitte la zone de ramassage qu’une fois l’ensemble des commandes du lot collectées.
Ainsi les bacs quittent la zone de préparation lorsque toutes les lignes de commandes associées aux commandes incluses dans le lot sont collectées. Dans ce cas, l’attribution de chaque commande à un lot donné devient l’enjeu permettant une préparation optimisée. Nous abordons ce problème de batching, au cours de notre étude, de manière « statique » : l’ensemble des lots
de commandes est constitué avant que la préparation ne démarre, par exemple le matin pour l’ensemble des commandes à préparer dans la journée. Une autre façon aurait été de créer dynamiquement les lots de commandes : par exemple créer un nouveau lot dès qu’un lot est entièrement collecté. Cependant, ce contexte n’apparaissant pas chez les clients de notre partenaire industriel, nous avons écarté cette piste d’étude.
Le second contexte industriel étudié est le « Rolling batching », inspiré du « Rolling picking » décrit dans William and Fosso (1995). Tout comme pour le batching, l’opérateur collecte les commandes simultanément. Cependant à chaque fois que l’ensemble des lignes d’une commande donnée sont collectées, le bac correspondant est enlevé de la zone de préparation et un nouveau bac désignant une nouvelle commande est rajouté. Cette pratique est fortement utilisée dans le secteur du ecommerce.
A chaque fois qu’une commande se termine, il faut donc choisir quelle commande rajouter parmi celles en attente. Ainsi une commande venant d’être reçue peut-être directement mise en préparation. Dans ce cas la définition d’un séquencement des commandes sur la table de préparation devient l’enjeu critique. Nous pouvons aborder la problématique du choix de la commande à rajouter de plusieurs façons. Tout d’abord en « statique » lorsque à l’instant initial, nous connaissons l’ensemble des commandes à séquencer pour une période donnée (par exemple une journée) et nous décidons de l’ensemble du séquencement.
Une manière plus dynamique d’aborder le problème est, même lorsque nous connaissons l’ensemble des commandes à séquencer à l’état initial, de décider au fil de l’eau de la commande à rajouter, c’est-à-dire en décidant, à chaque fois qu’une commande est collectée, celle à rajouter. Enfin la manière totalement dynamique d’aborder le problème est de considérer la réception des commandes au fil de l’eau et de décider de la commande à rajouter lorsqu’une commande est collectée en fonction de l’ensemble des commandes présentes. Nos travaux se focalisent essentiellement sur le Rolling Batching statique.
Cette thèse s’intéresse donc à l’optimisation de la préparation de commandes dans les entrepôts, et à la définition d’une méthode de résolution adaptée au fonctionnement du WMS dans un environnement automatisé. Les types stockeurs automatisés, ayant chacun leurs spécificités, se multiplient au fil du temps. Nous portons notre attention sur deux types de stockeurs automatisés : les VLMs et les Carousels. Ces deux types de machine, en plein développement dans la pratique, se différencient par le temps pour passer d’un plateau donné, sur lequel sont rangés les produits, au plateau suivant à visiter. Ces stockeurs automatisés sont de plus en plus présents dans les entrepôts modernes choisissant de passer le cap de l’automatisation. Ainsi nous rechercherons une méthodologie pour définir les temps de préparation de commandes, nous permettant d’identifier un critère d’optimisation pertinent pour une minimisation du temps de préparation de commandes. Ce critère sera ensuite utilisé dans les modèles d’optimisation que nous élaborons et résolvons au cours de notre thèse.
Notre thèse est ancrée dans la pratique grâce à une synergie avec le secteur industriel, en cohérence avec le contexte d’un contrat CIFRE réalisé en partenariat avec l’entreprise KLS Logistic, éditeur du WMS Gildas. Ainsi cette thèse a été effectuée en gardant à l’esprit le point de vue pratique et notamment l’impérieuse nécessité d’avoir des temps de calcul adaptés.
Le reste de ce manuscrit est divisé comme suit :
- Le chapitre 2 de ce manuscrit est consacré à l’étude de la littérature concernant la préparation de commandes ainsi que les différents stockeurs automatisés présents dans les entrepôts.
- Le chapitre 3 se focalise sur la méthodologie afin d’optimiser le regroupement de commandes en lots avec l’utilisation de stockeurs automatisés de type VLMs.
- Le chapitre 4 est dédié à la méthodologie permettant l’optimisation du regroupement de commandes en lots avec l’utilisation de stockeurs automatisés de type Carousels.
- Le chapitre 5 de ce manuscrit se consacre au séquencement des commandes dans un système de préparation de commandes automatisé de type « drive », pour lequel on considère un contexte industriel de type « rolling batching ».
Enfin ce manuscrit est conclu par une synthèse de l’apport de nos travaux et la proposition de perspectives de recherche.

Chapitre 1 : Introduction
Chapitre 2 : Revue de littérature

2.1 Positionnement de notre problème
2.1.1 Les entrepôts
2.1.2 Le degré d’automatisation
2.2 Les activités impactant la préparation de commandes
2.2.1 L’agencement et le zonage des entrepôts
2.2.2 L’affectation de produits aux emplacements
2.2.3 Le routing
2.2.4 Le regroupement de commandes en lots complets (Batching) et séquencement des commandes
2.3 Préparation de commandes et stockeurs automatisés
2.3.1 Automated Storage and Retrieval Systems (AS/RS)
2.3.2 Autonomous Vehicle Storage and Retrieval System (AVS/RS)
2.3.3 Shuttle Based Storage and Retrieval Systems (SBS/RS)
2.3.4 Le Vertical Lift Module (VLM)
2.3.5 Le Carousel
2.4 Résumé de la littérature et intérêt de notre travail
Chapitre 3: Regroupement de commandes en lots dans une zone de préparation équipée de VLMs
3.1 Procédé de préparation de commandes sur des stockeurs automatisés de type VLM avec regroupement en lots
3.1.1 Spécificité du Vertical Lift Module
3.1.2 Procédé de picking considérant un regroupement de commandes sur un ou plusieurs VLMs
3.2 Regroupement de commandes en lots dans un système de préparation de commandes utilisant 1 VLM
3.2.1 Notation et hypothèses
3.2.2 Evaluation du temps de préparation de commandes sur 1 VLM
3.2.3 Modèle d’optimisation et étude de cas
3.3 Regroupement de commandes dans un système de préparation de commandes utilisant plusieurs VLMs
3.3.1 Notations et hypothèses utilisées
3.3.2 Evaluation du temps de préparation de commandes sur plusieurs VLMs
3.3.3 Modèle d’optimisation et étude de cas
3.4 Résolution par métaheuristique
3.4.1 Structure de la solution et paramétrage des métaheuristiques testées
3.4.2 Test et comparaison des performances des métaheuristiques testées
Chapitre 4 : Regroupement de commandes en lots dans une zone de préparation équipée de Carousels
4.1 Préparation de commandes avec des carousels
4.1.1 Spécificité du Carousel
4.1.2 Procédé de picking considérant un regroupement de commandes sur un ou plusieurs Carousels
4.2 Regroupement de commandes dans un système de préparation de commandes utilisant 1 Carousel
4.2.1 Notations et hypothèses
4.2.2 Evaluation du temps de préparation de commandes sur 1 Carousel
4.2.3 Modèle d’optimisation et étude de cas
4.3 Regroupement de commandes dans un système de préparation de commandes utilisant plusieurs Carousels
4.3.1 Notations et hypothèses utilisées
4.3.2 Evaluation du temps de préparation de commandes sur plusieurs Carousels
4.3.3 Modèle d’optimisation et étude de cas
4.4 Résolution métaheuristique
5.1 Caractéristiques du système « Drive »
5.2 Définition de l’algorithme permettant le calcul du temps d’attente dans un système « Drive »
5.2.1 Hypothèses prises en comptes pour le calcul du temps d’attente d’un système « Drive »
5.2.2 Présentation de l’algorithme utilisé
5.3 Résolution approchée
5.3.1 Définitions d’heuristiques constructives
5.3.2 Définition de la Métaheuristique
5.4 Etudes de cas
Conclusion et perspectives de recherche
Ces documents peuvent également vous intéresser !
# L’analyse de la performance logistique par traçabilité-agilité chez UCM Dolidol
# Amélioration de la performance logistique des entrepôts chez Marjane
# La logistique des conteneurs endommagés et l’optimisation des délais de réparation chez CMA CGM
# Gestion des risques dans les chaînes logistiques
# Organisation des approvisionnements et systèmes de paiement dans les filières agro-alimentaires : Cas de la filière canne à sucre
# Optimisation du processus logistique de la messagerie chez Barid Al Maghrib
# Organisation et suivi des opérations de transport chez la société Best Milk
# Choix stratégique entre l’externalisation et le maintien de l’activité logistique chez la Cosumar
# L’externalisation logistique et les enjeux de la relation entre industriels et prestataires de services
# L’amélioration de la chaîne logistique des fruits et légumes de la société Suncrops
# Optimisation des risques logistiques dans l’exportation des fruits et légumes chez la GPA
# La gestion logistique de l’escale des navires chez l’ANP
# Optimisation de la gestion des stocks et des approvisionnents chez la SBGS
# Evalutation de la performance logistique de la société Silver Food
# L'application de la démarche Lean pour l'amélioration de la performance d'un entrepôt logistique chez la société Asti
# Optimisation de la chaîne logistique de la société Fresh Fruit
# Optimisation des flux physiques des conteneurs chez la compagnie CMA CGM
# Optimisation de la performance logistique chez la société SNTL Damco Logistics
# Amélioration de la gestion des flux logistiques chez Marsa Maroc
# Audit des performances logistiques chez les laboratoires Afric-Phar

contact
Grocery Category