Programmation mathématique pour l'allocation des commandes et des étagères de stockage dans un entrepôt semi-automatisé de type RMFS

Le secteur de la vente au détail connaît une profonde transformation en lien avec une connectivité toujours plus accrue. Les magasins physiques font à présent de plus en plus place aux commerces en ligne qui sont populaires et nombreux. Si les consommateurs sont férus de ce type de commerces pratiques et faciles d’accès, ils n’en sont pas moins exigeants. Ce secteur étant très concurrentiel, la fidélité des clients pour une firme de e-commerce n’est jamais garantie et repose en majeure partie sur des promesses d’efficacité en termes de délais de livraison. S’approcher de l’idéal du same-day delivery d’une manière qui puisse rester suffisamment économique pour une entreprise nécessite des moyens logistiques fins et optimaux. C’est dans ce contexte qu’ont été développés les entrepôts semi-automatisés dont la robotisation permet justement une gestion adaptable et efficace des ressources. Les entrepôts semi-automatisés les plus communément utilisés dans le domaine du commerce en ligne sont les Robot Mobile Fulfillment Systems (RMFS). Il s’agit de systèmes d’entrepo-sage dont la robotisation consiste en la présence d’une flotte de robots capables de se glisser sous les étagères de stockage, les soulever et les déplacer. Ces robots ont pour fonction d’exécuter des tâches consistant par exemple à ranger les étagères au sein de la zone de stockage ou encore à les apporter aux stations de remplissage ou aux stations de travail au sein desquelles un humain dépose ou récupère certains items dans les étagères. Le fonctionnement de ce système repose ainsi sur de multiples décisions opérationnelles le rendant très complexe. Cette complexité est d’autant plus accrue par le contexte très compétitif décrit précédemment. Les firmes sont contraintes de considérer les commandes passées par les consommateurs presque instantanément. Ceci aboutit à la gestion des problèmes de décisions évoqués en temps réel. Ce mémoire de maîtrise a pour objectif d’optimiser le nombre de commandes traitées au sein d’un tel entrepôt semi-automatisé, par l’intermédiaire de la résolution simultanée des problèmes de décision pour l’allocation des commandes et des étagères aux stations de travail, à l’aide de la programmation mathématique en nombres entiers. Deux modèles aux formula-tions différentes y sont comparés à la fois à un système prenant ces décisions séquentiellement et également entre eux. L’un est formulé de façon flexible, ne reliant pas les commandes et étagères entre elles, et a été développé dans le cadre de cette maîtrise de recherche. L’autre est plus rigide, reliant items, étagères, commandes et stations entre elles, et a été tiré d’un article de la littérature. Cette comparaison a pour objectif de détecter les forces et les faiblesses de l’un et l’autre de ces modèles afin de proposer une conclusion sur la formulation la plus adaptée au problème, qui pourra ensuite être utilisée en tant que baseline pour de futures recherches sur ce sujet. Dans l’optique de respecter au mieux le caractère dynamique et incertain de l’environnement constitué par un entrepôt de type RMFS, les deux modèles sont implémentés au sein d’une simulation très réaliste. C’est un point de ce travail qui est important à la fois méthodologiquement et techniquement, puisque cette simulation est un projet open source très dense dans lequel l’implémentation d’un quelconque modèle peut s’avérer complexe. Les expériences menées dans cette étude ont montré, d’une part, que la modélisation de la prise de décision de façon simultanée des problèmes d’allocation considérés permet un regroupement plus efficace des commandes et un meilleur choix des étagères les plus intéressantes, comparé à une prise de décision séquentielle. D’autre part, la modélisation la plus flexible, celle développée à l’occasion de ce projet, a montré un réel avantage par rapport à la seconde qui était plus rigide. Elle s’est en effet démarquée par une meilleure utilisation des ressources de cet environnement dynamique. Nous avons pu observer une meilleure gestion des commandes lorsqu’elles sont nombreuses et une meilleure utilisation des robots lorsque leur nombre est faible. Ces observations sont à mettre en lien avec une meilleure adaptabilité du modèle flexible à l’arrivée continue de commandes vers l’entrepôt, en remettant constamment en jeu les étagères choisies lors de prises de décision antérieures. Ceci est rendu possible par l’indisponibilité récurrente des robots au sein de l’entrepôt aux moments où les décisions sont prises. Le modèle flexible profite de ces instants pour réviser les solutions données en lien avec l’arrivée de nouvelles commandes, tandis que le second modèle garde les solutions figées dans le temps, malgré le caractère dynamique de l’environnement.