rapport pfe ilyas bajda total
TRANSCRIPT
PROJET DE FIN D’ÉTUDES
Présenté en vue d’obtenir le
DIPLÔME D’INGÉNIEUR D’ÉTAT
En GÉNIE INDUSTRIEL Logistique Internationale
Par
Ilyas BAJDA
Optimisation de la distribution chez FOODIPEX
Les travaux relatifs au présent PFE ont été réalisés auprès de FOODIPEX,
Nouasseur Zone Technopole de L’Aéroport Mohammed V, Casablanca
Sous la direction de
(M. Anasse OURICH, M. Hossein TAZI et M. Mustapha AHLAQQACH.).
2015 -2016
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
2
Mots clés : Capacité de stockage, Capacité de camion, Distribution, Optimisation, Planning de livraison,
Date limite de consommation, Modèle, contraintes
Résumé : C’est en planifiant parfaitement la distribution aval que seront réduits les gaspillages
d’utilisation des moyens de transport, ainsi que son coût d’exploitation. Une livraison doit donc
être organisée avec un modèle efficace et pratique, afin de permettre :
Une réduction des frais logistiques de la distribution
Une maximisation du taux d’occupation des camions
Une minimisation de la fréquence de livraison
Le respect des contraintes et des bonnes pratiques
L’augmentation de la satisfaction des restaurants McDonald’s
C’est dans cette optique que j’ai travaillée pendant ma période de stage au sein de FOODIPEX
sur l’optimisation de la distribution.
Ce projet s’est déroulé selon l’acheminement suivant, premièrement un état des lieux a permis
de fiabiliser les données : volume, tonnage, capacité de stockage, transaction…Ensuite, une
conception et une programmation du modèle adapté à FOODIPEX et à leurs contraintes pour
finir avec un planning optimal et une estimation des gains.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
3
Key Words: Storage, truck capacity, distribution, Optimization, Supply Planning, Date for consumption,
Model, constraints
Abstract:
An effective organization of the delivery will reduce wastage in use of means of
transport as well as its operating costs. The distribution must be well planned with an
efficient and convenient Model to:
Reduce the cost of distribution
Maximize the trucks occupancy rate
Minimize delivery frequency
Respect Constraints and best practice
Increase restaurant satisfaction
It is in this light that I worked during my probationary period within FOODIPEX on
optimizing the distribution.
The targets have been achieved, starting with making data reliable: volume, tonnage,
storage capacity, transaction…then designing and programming a suitable model to
get an optimal planning with gains
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
4
Dédicace
À
À
À
À
À
À
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
5
Remerciements Je présente mes remerciements les plus sincères, ma gratitude et tout mon respect à M. Anasse
OURICH le Key Account-Manager, mon tuteur de stage pour m’avoir accordé toute sa
confiance pour le temps qu’il m’a consacré tout au long de cette période, sachant répondre à
toutes mes interrogations ; sans oublier sa participation au cheminement de ce rapport.
Je ne manque pas de remercier M. Mustapha AHLAQQACH mon encadrant ESITH, et le
responsable de la filière logistique à l’ESITH, pour sa disponibilité et son accompagnement.
Je tiens à présenter mes sincères remerciements à M. Hossein TAZI directeur général de
FOODIPEX qui m’a offert l’opportunité d’effectuer mon stage de fin d’études au sein de son
site, pour son encadrement, sa disponibilité, ses suivis et surtout ses conseils avisés et
bénéfiques.
Je tiens à remercier et à présenter ma profonde gratitude et immense respect aux personnes
suivantes, pour l’expérience enrichissante et pleine d’intérêt qu’elles m’ont fait vivre durant ma
période de stage au sein de l’entreprise. M. Hamza TAZI pour son aide et ses encouragements
quotidiens. Madame Nouzha BOUGHALEB responsable Qualité pour son soutien et
bienveillance. Madame Hanane FARISS qui a su m’aider et m’accompagner lors de la collecte
des données, ainsi que M. Rachid DAHIB, le responsable magasin et l’ensemble du personnel
de l’entrepôt (équipe de réception, équipe de préparations, caristes et manutentionnaires) pour
leur accueil sympathique et leur coopération professionnelle tout au long de cette période.
Mes remerciements vont aussi à toute personne avec lesquelles j’ai partagé mon quotidien à
FOODIPEX pour leur accueil chaleureux et leur soutien tout au long de ce stage.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
6
Table des matières Mots clés : .................................................................................................................. 2
Résumé : .................................................................................................................... 2
Key Words: ................................................................................................................. 3
Abstract: ..................................................................................................................... 3
Dédicace ..................................................................................................................... 4
Remerciements .......................................................................................................... 5
I. Introduction Générale .......................................................................................... 8
II. Présentation de l’organisme d’accueil ................................................................. 9
1. Présentation du groupe MABYA ....................................................................... 9
2. Présentation de FOODIPEX ........................................................................ 10
a. Descriptif de l’entreprise ........................................................................... 10
b. Fiche signalétique .................................................................................... 11
c. Organigramme ......................................................................................... 11
III. Présentation du projet ....................................................................................... 12
1. Problématique ............................................................................................. 12
2. Déroulement du Projet ................................................................................. 13
IV. Revue de la littérature ....................................................................................... 14
1. Introduction .................................................................................................. 14
2. Système de planification Interactive ............................................................ 14
3. VRP et méthodes de résolution automatique .............................................. 15
4. Le Problème de tournées de véhicules périodique ...................................... 18
5. Langage VBA et fonction interactif .............................................................. 21
6. CATIAV5 ..................................................................................................... 21
V. Chapitre 1 : Collecte et fiabilisation des données d’entrée ................................ 22
1. Introduction .................................................................................................. 22
2. Transaction prévisionnel .............................................................................. 22
3. Capacité de stockage des Restaurants ....................................................... 23
a. Volume brut .............................................................................................. 23
b. Volume Net : ............................................................................................ 23
4. Capacité des moyens de transports ............................................................ 27
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
7
5. Relation volume-tonnage ............................................................................. 27
6. Système de gestion de stock de McDonald’s Maroc ................................... 29
VI. Chapitre 2 : Modèle d’optimisation Interactif ...................................................... 30
1. Introduction .................................................................................................. 30
2. Eléments d’entrée ........................................................................................ 30
3. Modèle d’optimisation .................................................................................. 31
4. Calcul de la quantité à livrer ........................................................................ 32
5. Calcul de la charge du camion .................................................................... 33
6. Calcul de la date limite de consommation ................................................... 34
VII. Chapitre 3 : Résolution du Problème de tournées de véhicules Périodique en
utilisant l’algorithme Génétique. ................................................................................ 36
1. Problème de tournées de véhicules Périodique .......................................... 36
2. Affectation de combinaisons de jours aux clients ........................................ 37
3. Extraction des clients à livrer pour chaque jour ........................................... 37
4. Application de la VRP aux clients choisis .................................................... 38
a. Population Initial : ..................................................................................... 38
b. Croisement ............................................................................................... 40
c. Mutation ................................................................................................... 41
5. Résultat ....................................................................................................... 42
VIII. Chapitre 4 : Optimisation et Gains ..................................................................... 43
1. Optimisation ................................................................................................ 43
2. Nivellement de la charge : ........................................................................... 46
3. Estimation des Gains .................................................................................. 48
Conclusion ................................................................................................................ 49
Liste de figures ......................................................................................................... 50
Liste des tableaux ..................................................................................................... 51
Liste des abréviations ............................................................................................... 52
Annexes .................................................................................................................... 53
Bibliographie ............................................................................................................. 64
Webographie ............................................................................................................ 65
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
8
I. Introduction Générale
Les enjeux économiques conduisent les transporteurs et industriels à calculer au plus juste leurs
coûts de transport avec un but clairement affiché : accroître la satisfaction des clients tout en
menant une stratégie de réduction des coûts logistiques.
Afin de piloter et optimiser le budget du transport aval qui représente une partie significative
du coût logistique total, il est important de planifier la livraison en prenant en considération les
différentes contraintes, et en concertation avec les parties prenantes.
La centrale de distribution FOUDIPEX a pour objectif principal la satisfaction des besoins et
des exigences des restaurants McDonald's au niveau national en matière de disponibilité et de
qualité tout en maitrisant les frais logistiques. Cela suppose une gestion optimale des ressources
humaines et matérielles.
C’est dans ce cadre que le présent travail qui s’inscrit dans une démarche d’amélioration intitulé
«Optimisation de la distribution chez FOODIPEX » est défini. Un modèle flexible est
développé pour mener ce projet vers un planning idéal.
Ce projet de fin d’études vient donc pour programmer la distribution aval en passant en premier
lieu par la collecte, et la fiabilisation des données requises, à savoir la relation qui existe entre
les transactions clients chez les restaurants McDonald’s et les différentes unités de mesure
FOODIPEX « tonnage et volume ». En second lieu, on proposera un modèle d’optimisation
adapté pour sortir avec un planning rentable qui respecte la quasi-totalité des contraintes.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
9
II. Présentation de l’organisme d’accueil
1. Présentation du groupe MABYA
La holding MABYA compte parmi ses filiales un certain nombre de sociétés
commerciales, industrielles et de services Marocains. Le large éventail des domaines couverts
et la complémentarité des services offerts par les sociétés filiales de la holding MABYA
permettent à celle-ci de proposer à ses clients de véritables « packages » de service.
Le groupe MABYA se compose de six entreprises de logistique et de service : LOGISMAR,
MAROTRANS, BEDEL, Atlas Van Line, TRANSRIF et FOODIPEX et deux sociétés de
production alimentaire MBI et RFI. MAROCEAN s’occupe du ravitaillement des navires.
Figure 1:MABYA Holding
MABYA
Holding
Logistique
LOGISMAR
Plateforme
MAROTRANS
Transport
BEDEL
Transit
AVL
Transport National
Transrif
Transporteur
FOODIPEX
Logistique & Distribution McDonald's
Production Alimentaire
MBI
RFI
Commerce
MAROCEAN
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
10
2. Présentation de FOODIPEX
a. Descriptif de l’entreprise
La plateforme de distribution de Nouaceur FOODIPEX s’occupe de la gestion des achats, de
transport et de conservation des produits McDonald’s dans le respect de la chaine de froid et de
la qualité nutritionnelle et organoleptique des produits.
La préparation de la livraison commence par la réception de la commande du restaurant reçu
électroniquement. Cette dernière est intégrée au niveau du système d’information de la
plateforme de distribution. Les commandes sont ensuite transmises aux différents opérateurs
qui se chargent d’assembler les produits qui existent dans la zone ‘picking’ dans les différentes
zones de stockage, positive, négative ou sec.la centrale est auditée annuellement pour assurer
les bonnes pratiques qualités et le respect des exigences sociales conformément aux dispositions
de la loi marocaine et du code d’éthique de McDonald’s
Figure 2:Processus Général de FOODIPEX
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
11
b. Fiche signalétique
Forme juridique S.A.R.L
Date de création 1992
Activité Prestataire logistique
chiffre d'affaire Entre 100 et 500 MDH
Dirigeant M. Mohamed Ali Lamrani Karim Gérant
M. Hossein Tazi Directeur
Siège Social technopole de Nouasseur - aéroport - b.p.134 Nouasseur – 20240
Nouasseur
Effectif Entre 20 et 50
Principaux actionnaire MABYA GROUP
Téléphone 212-5 22 53 88 16/19
Fax 212-5 22 53 92 06 Tableau 1:Fiche signalétique de FOODIPEX
c. Organigramme
Figure 3:Organigramme de FOODIPEX
Hossein TAZI
Directeur
Driss LAMRANI
Responsable Opération
Rachid DAHIB
Responsable Entrepot
Equipe Magasin
Hanane FARISS
Responsable ADV
Equipe ADV
Hanane OUAZZANI
Direction Achat
Equipe Approvisionnement
Nouzha BOUGHALEB
Responsable Qualité
Youssef LAMRANI
Chargé de Mission
Karim AMHARECH
Responsable Informatique
Anasse OURICH
Key Account Manager
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
12
III. Présentation du projet
1. Problématique FOODIPEX gère sa distribution avec un planning normal hebdomadaire fixe dans la basse
saison et un autre planning été pour la haute saison. Vu que la demande est variable, il est fort
probable que ses camions seront soit en sous capacité quand les consommations sont faibles,
soit en surcapacité si c’est le contraire, dès lors il s’avère indispensable d’adapter le planning à
la demande, et spécifiquement aux transactions journalières chez les restaurants McDonald’s.
L’objectif est de minimiser le coût de la distribution, tout en maximisant l’occupation des
camions, en respectant les différentes contraintes à savoir :
La capacité de stockage des restaurants
Les fenêtres de livraisons
La capacité des camions
Le délai de consommation des produits
La classification des produits en Négatif/Positif/Sec
La disponibilité des camions
Ce qui nécessite un outil performant et pratique pour concevoir le planning prévisionnel
optimal.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
13
2. Déroulement du Projet Le projet s’est effectué suivant un planning organisant de bout en bout son déroulement
donnant à chaque tache le juste temps qui faut grâce au professionnalisme de FOODIPEX et
aux efforts considérables de ses membres. Le projet est présenté avec le logiciel MS PROJECT
de la manière suivante :
Figure 4:Planning du Projet
Figure 5:Diagramme de Gantt
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
14
IV. Revue de la littérature
1. Introduction Le présent chapitre examinera la littérature pertinente au problème de la planification des
livraisons. Pour ce faire, il sera divisé en trois sections, la première sera consacrée à la résolution
interactive du problème de tournées de véhicules, par la suite, la deuxième section s'attardera
sur la description du problème de tournées de véhicules, ainsi que le problème de tournées de
véhicule périodique durant une période la troisième section s'attardera sur l’outil de
développement utilisé à savoir le langage VBA et CATIAV5
2. Système de planification Interactive
Plusieurs auteurs ont suggérés de rassembler les approches techniques et humaines dans la
planification pour améliorer l'ordonnancement dans la pratique. [1]
Wilson [2] confirme que la présence d'un moniteur humain est fondamentale à la performance
d’un outil d’optimisation hybride et interactive pour trois raisons :
Aucun System automatisé ne peut gérer toutes les anomalies du problème de
transport ou le changement de conditions de distribution
l'humain pourrait ne pas avoir une image mentale mise à jour de l'état actuel
du processus et même de perdre son modèle mental à long terme
Les systèmes Humain-ordinateur surpassent souvent l’humain et
l’intelligence artificielle d’un algorithme.
Wezel et al [1] proposent une terminologie plus rigoureuse et plus détaillée incluant les
applications interactives et détaillant les niveaux d'implications de l'humain et d'un algorithme
dans la réalisation d'une tâche d'optimisation.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
15
Figure 6:Niveaux d'implication d'un humain dans Wezel et al [2011]
Le mode manuel où l'humain effectue toutes les activités de la tâche,
Le mode de contrôle mutuel où l'humain et l'algorithme coopèrent tous les deux à la
réalisation de la tâche. Deux sous-modes sont distingués :
Le mode consultatif (advisory) où l'humain suggère des solutions
complètes ou partielles et l'algorithme les examine et les évalue,
Le mode de supervision (supervisory) où l'algorithme propose des
solutions complètes ou partielles et l'humain les contrôle et les évalue.
Le mode interactif où l'humain et l'algorithme peuvent suggérer des solutions, et chaque
solution proposée est vérifié et évaluée par chacun d'entre eux,
Le mode automatique où l'algorithme réalise toutes les activités de la tâche.
3. VRP et méthodes de résolution automatique Le problème de routage de véhicules (Vehicule Routing Problem) VRP est un problème
d’optimisation combinatoire et de recherche opérationnelle. Il fait partie de la catégorie des
problèmes de transport, tout comme le problème du voyageur de commerce (Traveling
Salesman Problem,TSP). IL a été introduit pour la première fois par Dantzig et al [3] en 1954
Sous le nom de « Truck Dispatching Problem »
Dans sa version la plus basique dite Capacitated VRP ou VRP avec contrainte de capacité, des
clients sont desservis par une flotte de véhicules homogène opérant à partir d’un centre de
distribution unique. Chaque client doit être visité exactement une fois par un véhicule, et chaque
tournée doit débuter et se terminer au centre de distribution. Le problème consiste à attribuer à
chaque véhicule une séquence de clients à visiter de manière à minimiser la distance totale
parcourue tout en respectant les contraintes relatives à la durée des tournées et au chargement
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
16
des véhicules. On peut par exemple associer à chaque client une demande non négative et
imposer la contrainte que la demande totale des clients visités à l’intérieur d’une même tournée
soit inférieure ou égale à la capacité d’un véhicule. On peut également associer aux clients des
durées de visite et imposer la contrainte que la durée d’une tournée, définie comme la somme
des temps de visite et des temps de déplacement, soit inférieure ou égale à la durée d’une
journée de travail.
L’objectif du CVRP et de minimiser le coût total, c.-à-d. la somme des distances ou des temps
de parcours des tournées, tout en respectant la contrainte de capacité de véhicules
Il existe 3 variantes principales du VRP basique :
VRP avec contrainte de capacité
VRP avec fenêtre temporelles
VRP avec livraison/ramassage
VRP avec contrainte de distance maximal
Figure 7:Variantes de base du VRP avec contraintes de capacité
Dans le VRPTW, chaque client i dispose d’une fenêtre temporelle durant laquelle il peut être
livré. Tandis que dans le VRPPD, les véhicules effectuent un double service : la livraison des
clients ainsi que le ramassage de marchandises de ces derniers.
Plusieurs autres extensions sont possibles au problème de VRP. Nous pouvons citer notamment
: PVRP, PVRPTW, IRP, MDVRP et MDVRPTW [4]
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
17
Comme les autres problèmes d'optimisation combinatoire, le problème de routage de véhicules
a été étudié et résolu par des méthodes exactes, des heuristiques Spécifiques ainsi que par des
métaheuristiques. Ces trois familles correspondent à la classification générale des méthodes de
résolution Hao et al en 1999 [5]. Gendreau et Potvin en 2005 [6]
Figure 8:Classification des méthodes de résolution du VRP.
Les métaheuristiques peuvent être vues comme des heuristiques puissantes et évoluées dans
la mesure où elles sont généralisables à plusieurs problèmes d'optimisation. Les
métaheuristiques sont habituellement classées en fonction du nombre de solutions qu'elles
manipulent : les métaheuristiques à solution unique telles que la recherche Tabou et le recuit
simulé et les métaheuristiques à population de solutions telles que les algorithmes génétiques
et les colonies de fourmis, [7]
L'heuristique constructive la plus connue est la méthode des économies (savings) de Clarke and
Wright en 1964 [8] dont voici le principe : elle part d'une solution initiale où chaque client est
servi par un véhicule, et tente de remplir progressivement les tournées. Pratiquement, la
méthode calcule pour chaque paire de sommets (vi;vj) l'économie eij réalisée en allant
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
18
directement de vi à vj plutôt que de passer par le dépôt. Tans dis que les tournées sont améliorées
individuellement en utilisant des méthodes d'amélioration conçues pour le TSP. Les
algorithmes d'échange de type r-opt, proposés initialement par Lin en 1965 [9], sont très
employés à tout problème dont une solution consiste en une permutation des éléments de celui-
ci. Le principe de ces algorithmes est de considérer r éléments (les clients dans le cas du TSP)
et de les échanger entre eux en vue d'améliorer la solution.
Les algorithmes génétiques ont été employés avec succès à la résolution du Problème du
voyageur de commerce, et ont donc aisément été adaptés aussi à la résolution du problème de
tournées de véhicules dans ses variantes courantes. Ces algorithmes sont tout particulièrement
performants sur le VRPTW, et ont Produit certaines des meilleures solutions connues sur les
problèmes tests de Solomon [10] .Les adaptations de Prins en 2004[11] et de Baker and
Ayechew en 2003 [12] sont parmi les meilleurs algorithmes génétiques appliqué à la VRP et la
VRPTW en utilisant l’heuristique OX ou le LOX pour le croisement et le 2-opt pour la mutation
4. Le Problème de tournées de véhicules périodique Le problème de tournées de véhicules périodique nécessite la génération d'un nombre limité de
routes pour chaque jour d'un horizon de planification donné, afin de minimiser le coût de
Voyage totale tout en satisfaisant les contraintes. Une des premières applications connues du
problème de tournées de véhicules périodique est rapportée par Beltrami et Bodin [13] qui
traitent de l’utilisation d’une flotte de compacteurs à déchets dans la ville de New York. Ces
véhicules sont employés pour desservir des clients sur une période de six jours allant du lundi
au samedi. Certains clients doivent être visités trois fois par semaine alors que d’autres doivent
être visités à chaque jour. Afin de minimiser le temps total de déplacement ainsi que le nombre
de véhicules nécessaires, les auteurs proposent deux méthodes heuristiques basées sur la
procédure de Clarke et Wright [8] pour le PTV. Dans la première méthode, des tournées sont
d’abord construites de façon à ce que chaque client soit visité selon la fréquence désirée, puis
ces tournées sont réparties entre les jours de la semaine par la solution d’un problème
d’affectation. Dans la seconde méthode, des combinaisons de visites sont d’abord assignées aux
clients de manière aléatoire, puis des tournées sont élaborées en fonction de cette assignation.
Dans chaque cas, les parcours résultants sont soumis aux heuristiques 2-opt et 3-opt de Lin [9]
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
19
Christofides et Beasley [14] présentent et comparent deux heuristiques pour le PTVP. Ces
heuristiques utilisent une phase d’initialisation qui consiste à assigner à chaque client une
combinaison de visites admissible puis à effectuer une optimisation locale pour chaque jour.
Dans la seconde phase, des échanges sont effectués de façon à réduire la distance totale
parcourue sur l’ensemble de la période. Afin d’évaluer le coût des solutions et des échanges,
les auteurs considèrent différentes relaxations du problème. Dans la première heuristique, un
problème de médiane permet d’assigner à chaque client une combinaison qui minimise la
somme des distances le séparant de centres choisis pour chaque jour de visite prévu. La distance
totale est ensuite réduite en échangeant les combinaisons et en relocalisant les centres. Dans la
seconde heuristique, le problème quotidien est remplacé par un problème du voyageur de
commerce. En utilisant l’affectation de combinaisons produite par la première heuristique, les
clients sont insérés dans les tournées correspondantes en utilisant le critère du moindre coût.
Chaque tournée est ensuite soumise à des échanges de type 2-opt et la distance totale est réduite
en modifiant les jours de visite. Dans chaque méthode, les PTV quotidiens qui résultent de
l’affectation finale des combinaisons sont résolus de manière approximative. Chaque
heuristique est testée sur un ensemble de 11 instances et les auteurs concluent que la méthode
basée sur la solution du problème du voyageur de commerce périodique produit de meilleurs
résultats.
Russell et Gribbin [15] proposent une méthode en quatre phases pour résoudre le PTVP.
La première phase permet d’obtenir une solution initiale en assignant des combinaisons de
visites aux clients à l’aide d’un réseau généralisé. Un point d’initialisation est calculé pour
chaque jour de la période en utilisant la méthode de génération décrite par Fisher et Jaikumar
[16]. Le coût de visite d’un client durant un jour donné est égal à l’accroissement de la distance
totale résultant de l’insertion du client dans une tournée faisant un aller-retour entre le dépôt et
le point d’initialisation pour ce jour. La seconde phase consiste en une modification de
l’heuristique d’échange de Christofides et Beasley [14] pour le PVCP qui est obtenue en
substituant l’algorithme de Lin et Kernighan [17] aux échanges de type 2-opt. L’heuristique
tente d’améliorer les tournées en échangeant les combinaisons assignées aux clients. La
troisième phase effectue des échanges réduisant la distance des tournées du PTVP. La dernière
phase consiste à résoudre un programme linéaire en variables binaires qui permet de réassigner
les clients à de nouvelles combinaisons afin de réduire la distance totale parcourue. Ce
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
20
programme considère un voisinage plus large que celui considéré par l’heuristique de la
troisième phase. L’algorithme est testé sur un ensemble de dix instances et de bons résultats
sont obtenus.
Carter, Farvolden, Laporte et Xn [18] traitent un problème périodique complexe d’allocation
de demande et de construction de tournées se posant dans la distribution des produits
alimentaires. Dans ce modèle, les clients doivent être visités à l’intérieur de fenêtres de temps
à l’aide d’une flotte de véhicules homogène stationnée à un entrepôt unique. Le problème est
résolu à l’aide d’une méthode heuristique qui itère entre les sous-problèmes d’allocation de
demande et de construction de tournées.
Cordeau et al. (2001) [19] ont présentés le problème en proposant un algorithme de recherche
de tabou qui permet de trouver des solutions avec des termes de pénalité associés à la fonction
objective pour les violations de temps de Windows, la durée du trajet, et les contraintes de
capacité du véhicule.
Pirkwieser et Raidi (2008) [20] ont proposé un Variable Neighborhood Search (VNS)
heuristiques pour le PVRPTW, avec la particularité qu'il accepte l'aggravation des solutions
basées sur un critère métropole. Pirkwieser et Raidi plus tard, introduit un système hybride entre
cette heuristique VNS et une procédure colonne génération à base d'ILP
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
21
5. Langage VBA et fonction interactif VBA est un langage de programmation informatique développé par Microsoft qui permet le
développement des fonctions définies par l'utilisateur, et l'automatisation de certains processus
et calculs. Le code issu de procédures ou de fonctions peut être exécuté directement ou à partir
de la feuille de calcul ciblée .On peut agir avec une multitude de facilité sur le contenu des
feuilles de calcul (données et graphiques) et ce, de façon immédiate. Chaque feuille de calcul
peut devenir une interface en parfaite concordance avec le code qui la contrôle, ou qui gère ses
calculs. [1]
La macro est un groupe d'instructions programmées sous environnement VBA. Il sert à :
Automatiser les tâches répétitives, réalisation des rapports automatiques, connexion
avec des bases de données et d'autres programmes.
Résolution des calculs compliqués et itératifs.
Création de programmes, comme les gestionnaires de documentaires, des logiciels de
planification.
6. CATIAV5
CATIAV5 Computer Aided tridimensionnelle Interactive Application est un logiciel de
conception assistée par ordinateur multiplate-formes développé par la société française
Dassault Systèmes. La première version était de retour en 1977 pour une utilisation de la
conception de l’avion de combat Dassault Mirage. [2][3]
Au fil des ans, CATIA est devenue beaucoup plus qu’un CAD (Computer Aided Design) de
progiciel. Il est maintenant une suite logicielle qui intègre les fonctionnalités suivantes ; CAD,
CAM (Computer Aided Manufacture) et CAE (Computer Aided Engineering).
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
22
V. Chapitre 1 : Collecte et fiabilisation des données d’entrée
1. Introduction
Quel que soit le projet, que ce soit un projet d’amélioration ou de mise en place d’un système
d’information, l’étape de la fiabilisation des données est primordiale pour le bon
fonctionnement de la solution. C’est pour cette raison que l’on a calculé les transactions
prévisionnelles de 2016 et le volume de tous les colis qui existent dans le formulaire de
commande dans les différentes températures, ainsi que le contrôle de crédibilité du tonnage et
la palettisation par des échantillons.
2. Transaction prévisionnel
Une transaction est une commande client chez un restaurant McDonald’s, la somme des
transactions annuelles est égale à la somme des kilogrammes livrés par FOODIPEX. Dès lors,
on peut commencer par le principe suivant 1TCs=1Kg pour convertir la demande client
prévisionnel en poids d’autant que le kilogramme est l’unité logistique la plus fiable.
Figure 9:Transaction prévisionnelle de 2016
On constate que les transactions explosent dans les mois de juillet et d’août, car cette période
et la haute saison qui correspond à l’été, tandis qu’en juin la demande chute vu que c’est le
ramadan, et diminue dans les mois de janvier, février, novembre et décembre qui coïncident
avec la basse saison.
0
500000
1000000
1500000
2000000
2500000
3000000
No
mb
re d
e T
ran
sact
ion
s
Evolution des transactions des Restaurants Mcdonald's
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
23
3. Capacité de stockage des Restaurants
a. Volume brut
Actuellement, McDonald’s dispose de 37 restaurants répartis dans toutes les grandes villes du
royaume et chacun de ces points de consommation contient ces propres trois chambres de
stockage Négatif, Positif et Sec. Le négatif est sous une température de – 18 °C tandis que le
positif est sous +4°C ainsi que L’architecture de ces chambres diffère d’un restaurant à un autre
Le calcul du volume brut des chambres de stockage pour le négatif et le positif est réalisé de la
manière suivante : volume brut= (Longueur*largeur*Hauteur) en prenant comme hauteur deux
mètres alors que pour le sec le volume brut = la somme des volumes bruts de tous les rayonnages
qui se calculent par la largeur*la profondeur*2m afin de respecter la logistique de demain et les
bonnes pratiques, et la circulation de l’air dans la chambre. L’Annexe 1:Capacité de
stockage de 37 Restaurants McDonald’s contient les dimensions en mètres de toutes les
chambres des restaurants, ainsi que le volume brut calculé avec la méthode expliquée.
b. Volume net :
Le volume net considéré par ECOSIMA, qui est une démarche d’organisation et d’optimisation
des chambres de stockage, en respectant la logistique de demain est 60% pour le négatif,50%
pour le positif et 100% pour le sec. Cependant, il importe de vérifier la crédibilité de ses chiffres.
Pour ce faire, il faut prendre un échantillon de chambre de stockage et la remplir jusqu’au
maximum avec les produits de la température proportionnellement au pourcentage dans la
commande, le remplissage doit être optimal, assurant l’accès à tous les produits. J’ai commencé
par fiabiliser les volumes, les tonnages et la palettisation « nombre de colis/palette » de tous les
produits qui existent dans l’Annexe 2:Formulaire de Commande et pour Modéliser ceci, j’ai
utilisé l’outil CatiaV5 qui est un logiciel de conception mécanique
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
24
Chambre Négatif
Le négatif ou le surgelé est une chambre isotherme ou frigorifique capable de maintenir ses
produits dans une température inférieur à – 18 °C. Il contient des produits stockés en masse
comme les frites et les pains comme le Pain BIG TASTY et autres entreposés dans un
rayonnage.
Figure 10:Conception de la chambre Négatif par CATIAV5
La conception démontre que le pourcentage du volume net par rapport au volume brut en
respectant les bonnes pratiques est de 53%
volume brut volume net colis pourcentage
25,11 m^3 13,25 m^3 52,782% Tableau 2:Pourcentage volume net de la chambre Négatif
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
25
Chambre Positif
Le Positif stock les produits frais qui sont indispensables à notre alimentation. Il contient en
majorité les salades, l’eau, et le lait. La conception est la suivante :
Figure 11 : Conception de la chambre Positif par CatiaV5
La conception démontre que le pourcentage du volume net par rapport au volume brut en
respectant les bonnes pratiques est de 40% en considérant le cas échéant : la chambre dispose
de deux portes.
Tableau 3:Pourcentage volume net chambre Positif
Volume brut Volume net pourcentage
15,43 m^3 6,076 m^3 39,36%
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
26
Chambre Sec
La chambre Sec contient les gobelets, l’huile, la limonade et les papiers. En fait, il
contient une diversité de produit OPS. Le volume reçu par les directeurs des restaurants
est égal aux volumes des rayonnages ce qui justifie les conceptions de ses dernières :
Figure 12:Conception de la chambre Sec par CATIAV5
L’étude montre que le pourcentage du volume net par rapport au volume brut des rayonnages
en respectant les normes est de 70%
Volume brut Volume net pourcentage
5,76 m^3 4,07 m^3 70,661% Figure 13:Pourcentage Volume Net chambre Sec
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
27
4. Capacité des moyens de transports La flotte utilisée par FOODIPEX est constituée par les frigos de MAROTRANS et les tracteurs
d’Atlas Van Line, une flotte de 7 semi-remorques et 5 petits camions pour la basse saison de
capacité en tonne 14t et 5.5t pour McDonald’s. Cependant, en pratique si l’on livre trois ou
quatre restaurants, on ne peut pas dépasser 12500 kg.
En haute saison, FOODIPEX utilise jusqu’à 12 semi-remorques et 5 petits camions.
Figure 14 : Entrepôt LOGISMAR-Frigo MAROTRANS
5. Relation volume-tonnage
L’unité la plus fiable chez FOODIPEX est la tonne mais, les capacités reçues par les
directeurs des restaurants se traduisent en volume. La question s’affiche clairement :
Quelle est la relation qui existe entre le tonnage et la volumétrie ?
Un échantillon de préparation est réalisé par température, on note le volume de la
préparation et son tonnage correspondant.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
28
Négatif Positif SEC
tonnage total volume total tonnage total volume total tonnage total volume total
1104,37 7,8624 475,4 0,7328 559,62 2,4
505,31 2,3616 564,31 1,0944 1397,85 5,376
3410,64 8,064 505,09 0,7786 1093,82 4,32
2347,8 4,32 204,24 0,5038 521,91 2,16
1364,82 6,3108 674,4 1,0076 977,46 4,128
381,38 1,2096 517,4 0,74196 1249,53 4,4928
4278,45 10,896 517,58 0,96 1429,39 4,992
1727,37 5,208 538,279 1,248 987,76 3,744
722,7 3,576 467,05 0,96 836,2 2,784
701,78 3,912 575,378 1,2672 1417,32 4,992
2459,57 6,324 548,358 1,344 1089,94 3,5424
1210,94 5,0268 767,05 2,016
352,51 1,296
815,22 2,6688
1165,72 3,5904
316,01 1,0272
1198,12 4,3392 Tableau 4:Echantillon préparation de commande
Figure 15:Evolution de la volumétrie en fonction du tonnage dans une préparation
Il existe donc une corrélation et une relation linéaire entre le tonnage et la volumétrie. Dès
lors on peut partir du principe que :
Figure 16:Relation Volume Tonnage
0
2
4
6
8
10
12
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Vo
lum
e e
n m
^3
Poids en kg
Evolution de la volumétrie en fonction du tonnage dans une préparation
Négatif Sec Positif Linéaire (Négatif) Linéaire (Sec) Linéaire (Positif )
Négatif Positif Sec
kg/m^3 263 573 248
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
29
6. Système de gestion de stock de McDonald’s Maroc Afin de rationaliser la gestion de stock des restaurants McDonald’s au Maroc. L’entreprise
utilise une méthode de calcul de la commande similaire à la révision périodique : A période
fixe, le réapprovisionneur analyse son stock et passe la commande.
Figure 17:Système de révision périodique
Le cycle est le nombre de jours qui s’écoule entre le jour de commande, et le jour de la première
livraison de la commande suivante, alors que la consommation pour 10000 est la quantité de
produit brut consommé pour 10000 DH de CA réalisé.
Et donc La quantité pour 10000 = (La quantité consommée dans la période de l’article /CA
réalisé)*10000
La NCP est la quantité nécessaire pour la période du cycle de commande pour un produit brut
donné dès lors :
NCP = (la quantité pour 10000*CA/10000)/Conditionnement
Enfin, la quantité commandée = NCP – stock de l’inventaire
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
30
VI. Chapitre 2 : Modèle d’optimisation Interactif
1. Introduction Les méthodes interactives font parties des outils d’optimisation où l’humain est impliqué
fortement dans la recherche de la solution optimale.
L’idée est de traduire la variation des transactions en un planning dynamique flexible, capable
de se varier, mais il doit être adapté, et il doit prendre en considération toutes les contraintes
pour être pratique et efficace.
Actuellement, FOODIPEX utilise pour la planification de sa livraison deux plannings fixes et
hebdomadaires : un planning normal pour la basse saison appliqué, du 1er septembre jusqu’au
1er juillet, et un planning été pour la haute saison, qui coïncide avec les mois de juillet et d’août.
2. Éléments d’entrée Le modèle interactif est un processus de support et de pilotage, qui transforme des éléments
d’entrée en éléments de sortie avec une valeur ajoutée.
Les éléments d’entrée sont :
Les transactions prévisionnelles des restaurants McDonald’s
La capacité de stockage des restaurants en volume qui sera transformé en tonnage
La capacité des camions (semi-remorque et petit camion)
Le pourcentage de chaque température
La DLC de chaque température
Les fenêtres de livraisons
Les tournées possibles avec leurs ordres de priorités
Le temps de trajet entre les restaurants et entre FOODIPEX et ses clients
Le coefficient de passation du volume au tonnage pour chaque température.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
31
Tous ses éléments sont inévitables pour appréhender toute la problématique. Ils sont tous
paramétrables pour s’adapter aux changements de stratégie de l’entreprise, et de ses exigences
qualités dans la préparation de commande, le chargement, sans oublier le déchargement et le
stockage chez les restaurants McDonald’s.
3. Modèle d’optimisation
Le modèle a pour objectif de planifier la distribution, cela veut dire de préciser le jour de la
livraison de chaque restaurant, ainsi que la nature de la livraison : Normal « toutes les
températures », Positif, Sec, N+P, P+S ou N+S chacun son pourcentage dans la commande.
Ainsi, l’utilisateur a le droit de choisir sa propre tournée et le camion associé
De plus, le modèle permet d’ajouter de nouveaux restaurants cachés dans des lignes masquées.
Il suffit d’entrer le nom du nouveau restaurant, les transactions, ainsi que les autres données de
paramétrage.
Tableau 5:Modèle D'optimisation Interactif
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
32
4. Calcul de la quantité à livrer
Le calcul de la quantité qui sera livrée se fait en additionnant les transactions des jours qui
suivent le jour de la livraison jusqu’au jour de la deuxième livraison dans le cas où les deux
livraisons seraient normales. Dans le cas contraire, on additionne ce qui doit être livré en
multipliant la transaction par le pourcentage de la température livrée jusqu’à la prochaine
livraison de cette température. Le pourcentage du négatif, du positif et du sec dans une livraison
normal est 50% ,20% et 30% respectivement.
Exemple de calcul :
Cas normal :
Tableau 6:Calcul de la quantité a livré dans le cas normal
Cas multi-produit :
Tableau 7:Calcul de la quantité a livré dans le cas multi-produit
Si la quantité prévisionnelle à livrer par restaurant et par température dépasse la capacité de
stockage des chambres négatif, positif ou sec de ce restaurant le fond de la cellule s’affichera
en rouge.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
33
5. Calcul de la charge du camion
Pour chaque jour, le modèle additionne les quantités a livrer dans un camion et affiche la
quantité prévisionnelle chargée dans le camion.
Restaurant vendredi samedi dimanche lundi mardi mercredi jeudi
Marrakech Drive Normal 1 Normal 1 Normal 2
Marrakech Gare Normal 1 Normal 1 Normal 2
Marrakech Gueliz Normal 1 Normal 1 Normal 2
Marrakech Marjane Normal 3 Normal 2
Agadir Drive Normal 2 Normal 1 Normal 1
Agadir Plage Normal 2 Normal 2 Normal 1
Agadir Marjane Normal 2 Normal 2 Normal 1 Tableau 8:Exemple de Planning de livraison
Restaurant Vendredi Samedi Dimanche Lundi Mardi Mercredi Jeudi
Marrakech Drive 2500 2300 -
Marrakech Gare 2700 2100 -
Marrakech Gueliz 3800 3600 -
Marrakech Marjane 1000
Agadir Drive 2900 2000 -
Agadir Plage 2040 1900 -
Agadir Marjane 3050 2500 -
Tableau 9:Calcul de la quantité a livré par Restaurant
Si la quantité qui va être chargée dans le camion dépasse la capacité du camion la mise en forme
conditionnel s’active et affiche toutes les livraisons de cette tournée dans le jour j en couleur
orange comme alarme de surcapacité de camion.
Camion Vendredi Samedi Dimanche Lundi Mardi Mercredi Jeudi
1 2500+2700+3800 2300+2100+3600+2000 -
2 2900+2040+3050 1900+2500 -
3 1000
Tableau 10:Calcul de la quantité chargé dans le camion
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
34
6. Calcul de la date limite de consommation
La DLC ou Date Limite de Consommation est la date de péremption qui figure sur les denrées
alimentaires périssables susceptibles de présenter un péril pour la santé. Elle est déterminée
par le fournisseur, et il n’est valable que si le produit a été conservé à une température
inférieure ou égale à celle indiquée sur l’emballage.
Étant donné que l’on raisonne par température, chaque type dispose de sa propre DLC
Afin de savoir est ce que l’on a dépassé cette contrainte, il faut calculer le nombre de jours
entre la première et la deuxième livraison pour chaque température, par exemple :
Tableau 11: Calcul de la durée de consommation
Pour FOODIPEX le produit le plus critique est la salade de DLC de 6 jours depuis le producteur
RFI, il prend 2 jours entre ces deux entreprises, ce qu’il veut dire une DLC de 4 jours depuis la
réception chez le restaurant.
Si la durée du positif excède 4 jours, la cellule du planning du jour j s’affichera avec des rayures
mentionnant un débordement de DLC.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
35
7. Disponibilité des Camions
Chaque tournée choisie est suivie d’un choix de camion numéroté de 1 jusqu’à 40 et
paramétrable en matière de sa capacité, la disponibilité des camions est gérée dans la feuille
« Camion ».
L’utilisateur doit sélectionner le mois et les jours à afficher, ensuite il lance le dessin du
planning des camions. Automatiquement, le dessin prend les tournées des jours sélectionnés
depuis le planning de la feuille « planning » et dessine ses tournées en respectant les fenêtres
de livraisons et les temps des trajets.
La couleur Rouge représente le transport, alors que la couleur verte indique le déchargement
chez un client, enfin la couleur jaune montre la durée du nettoyage et du lavage.
Chaque tournée suit un ordre déterminé à l’avance. Le programme est alimenté par toutes les
possibilités de tournées possibles avec un accès à modifier et à ajouter une tournée.
Figure 18:Planning Camion Automatisé
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
36
VII. Chapitre 3 : Résolution du Problème de tournées de véhicules Périodique en utilisant l’algorithme Génétique.
1. Problème de tournées de véhicules Périodique Le problème de tournées de véhicules classiques permet de construire une composition des
tournées avec un horizon d’une seule journée. Or, dans de nombreux cas pratiques
spécifiquement le cas de FOODIPEX, tous les clients de la société ne sont pas visités
quotidiennement. Afin de planifier et d’optimiser les opérations de distribution sur une période
plus longue. Il est rarement satisfaisant de répéter à chaque jour la solution d’un unique PTV,
ou de décomposer le problème périodique en un ensemble de problèmes quotidiens
indépendants. Dès lors il importe de généraliser la PTV en PTVP le problème de tournées de
véhicules périodique considérant un horizon de plusieurs jours durant lequel chaque client doit
être livré un certain nombre de visites selon une combinaison choisie.
Le problème consiste à établir une planification des tournées de véhicules de façon que chaque
client soit livré selon une combinaison tolérable et que la distance parcourue par la flotte de
véhicules sur l’ensemble de la période soit minimisée.
Dans ce projet, nous proposons une métaheuristique qui s’appelle l’algorithme génétique fondé
sur l’opérateur de croisement de Prins, en 2004, nommé Order Crossover (OX) et une procédure
d’amélioration fondée sur une recherche locale de type 2-opt pour la mutation.
Méthodologie de Résolution :
Figure 19:Méthodologie de Résolution de la PVRP en Utilisant l'algorithme génétique
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
37
2. Affectation de combinaisons de jours aux clients Affecter à chaque client une combinaison de journée de livraisons Aléatoires dans la période
paramétrée à l’avance en respectant les capacités de stockage des clients par exemple :
Prenant une période de 9 jours. La demande du client 1 est
En additionnant les demandes journalières de la combinaison des jours de livraison, on obtient :
3. Extraction des clients à livrer pour chaque jour Déterminer les clients qui doivent être livrés dans le jour j
jours 1 2 3 4 5 6 7 8 9
Demande 800 1000 600 300 900 600 700 500 600
Tableau 12:Demande de l'exemple d'affectation de combinaisons de jours aux clients
Combinaison du client 1 2 5 7 9
Quantité livré =600+300+900 =600+700 =500+600 =800
Tableau 13:Quantité livré de l'exemple d'affectation de combinaisons de jours aux clients
jours
Combinaison du client 1 2 5 7 9
Combinaison du client 2 1 3 8
Combinaison du client 3 2 4 8
Combinaison du client 4 1 3 5 8
Combinaison du client 5 1 4 6 9
Combinaison du client 6 2 4 8
Combinaison du client 7 3 6 9
Combinaison du client 8 2 5 7 9
Clients a livré
jour 1 2 4 5
jour 2 1 3 6 8
jour 3 2 4
jour 4 3 5 6
jour 5 1 4 7 8
jour 6 5 7
jour 7 1 8
jour 8 2 3 4 6
jour 9 1 5 7 8
Figure 20:Extraction des clients à livrer pour chaque jour
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
38
4. Application de la VRP aux clients choisis Résoudre la PTV en utilisant l’algorithme génétique en utilisant la méthode Order Crossover
pour le croisement et le 2-opt pour la mutation :
a. Population Initial : Construction de chromosome :
Pour chaque jour, on dispose d’un ensemble de client à livrer, on sortira de ses clients une
population initiale de chromosome qui représentera une combinaison de tourner avec un
nombre de particules qui est le nombre de chromosomes dans la population par exemple:
Clients a livré
1 3 6 8 9 10 11
Clients à livré
Particule 1 1 3 6 8 9 10 11
Particule 2 3 6 9 8 1 11 10
Particule 3 1 6 11 8 10 9 3
Particule 4 11 3 8 10 1 6 9
Particule 5 8 6 1 11 10 3 9
Particule 6 9 8 6 11 1 10 3 Figure 21:Construction de chromosome
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
39
Construction de tournées :
Pour chaque particule, il faut construire les tournées en respectant la capacité des camions. La
méthode utilisée pour la construction des tournées est l’heuristique constructive la plus connue
qui est la méthode des économies de. Clarke and Wright, en 1964, dont voici le principe : la
méthode calcule pour chaque paire de chromosomes l’économie e(i,j) réalisés en allant
directement du sommet i à j plutôt que de passer par le dépôt. Prenant c(i,j) le coût ou le
kilométrage facturé allant d'i à j et à 1 représente FOODIPEX, on ajoutera à la tournée qui livre
le point i le j que si :c(0,i)+c(i,0)+c(0,j)+c(j,0)>c(0,i)+c(i,j)+c(j,0) et bien sûr la quantité livrée
ne doit pas dépasser la capacité de stockage du camion affecté.
Clients à livré
Chromosome 1 1 3 6 8 9 10 11
Il faut calculer le coût ou le kilométrage de chaque tournée par exemple :
Coût (tournée1)=D(0,1) +D(1,3) +D(3,6) +D(6,0)
Ensuite, il faut calculer le score du chromosome 1
Score (chromosome 1)=coût (Tournée 1) +coût (Tournée 2) + coût (Tournée 3)
Avec : 0=FOODIPEX et D (a, b) est la distance qui existe entre le sommet a et b
Tournée 3 10 11 Tournée 1 1 3 6 Tournée 2 8 9
Figure 22:Construction de tournée
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
40
b. Croisement Pour effectuer l’opération de croisement, il est inévitable de sélectionner deux parents P1 et P2
qui ont le meilleur score, cela veut dire dans notre cas le coût ou le kilométrage minimal. Par
exemple :
Le codage de Prins est l’opérateur de croisement Order Crossover dont le principe est le
suivant :
Pour l’enfant E1 respectivement E2. Les éléments situés entre les points de croisement
sont hérités du parent P1 respectivement P2
Les éléments restants de E1 respectivement E2 sont hérités aussi du parent P1
respectivement P2, mais ils ne sont pas recopiés tels quels. Ils sont calqués selon leur
ordre d’apparition dans l’autre parent P2 (resp P1), à travers la position située juste
après le deuxième point de croisement.
Clients à livré score
Particule 1
1 3 6 8 9 10 11 130 DH
Particule 2
3 6 9 8 1 11 10 100 DH
Particule 3
1 6 11 8 10 9 3 140 DH
Particule 4
11 3 8 10 1 6 9 150 DH
Particule 5
8 6 1 11 10 3 9 160 DH
Particule 6
9 8 6 11 1 10 3 110 DH
Clients à livré score
P1 3 6 9 8 1 11 10 100 DH
P2 9 8 6 11 1 10 3 110 DH
Figure 23: La sélection des parents P1 et P2
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
41
Figure 24: Le croisement de P1 et P2
Faisant de même pour E2, on obtiendra une nouvelle population qui contient P1, P2, E1 et E2.
c. Mutation La Mutation s’effectue par la procédure d’amélioration fondée sur une recherche locale de type
2-opt. Cette dernière a été proposée par Croes en 1958 pour résoudre le problème du TSP.
L’idée principale est de prendre un chromosome et réorganiser ses éléments afin d’obtenir une
solution optimisée représentant une évolution de l’enfant.
La méthode nécessite deux points déterminants la plage qui va être permutée, pour cet exemple,
on prendra début=3 et fin =5
Faisant de même pour E2, on calculera le score de E’1 et E’2 et on sortira avec une population
de P1 ,P2 , E1,E2 ,E’1 et E’2 ou plus si l’on réalise plusieurs itérations de mutations.
On sélectionnera par la suite les deux meilleurs parents P1 et P2 de la nouvelle Génération pour
démarrer le cycle de croisement et mutation qui finira par une combinaison de tournées
optimisée du jour j. Enfin, on calculera la somme des scores journaliers pour savoir le score de
toute la solution qui est une planification d’une période. Faisant tout cela N fois, on obtiendra
une solution optimisée qui respectera les contraintes
E1 2 5 8 9 4 6 7
E’1 2 5 6 7
E’1 2 5 4 9 8 6 7 Figure 25:La Mutation d’E1
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
42
5. Résultat L’expérimentation du programme a été réalisée pour les 37 restaurants de FOODIPEX dans
une période de 5 jours du 1er février au 5 février avec 1000 itérations globales, 90 itérations
dans l’algorithme génétique et 10 itérations de mutations en utilisant le langage VBA Sous
Excel. La fonction objective est la somme des distances parcourues par l’ensemble de la
flotte durant la période.
Pour l’instant, et pour ce stade d’optimisation automatique, il paraît que la solution interactive
le remporte sur l’automatique d’autant qu’il existe dans la solution ci-dessus des tournées
optimisées comme le 4 et le 36 MRK DRIVE et MRK CENTRE et autres moins optimisés
avec de longs trajets comme 5 6 et 29 Meknès Fès et Tétouan. Le premier tableau concerne les
chromosomes des clients à livrer chaque journée tandis que le deuxième contient les tournées
de livraisons séparées par une case vide. Chaque chiffre représente un restaurant selon l’ordre
suivant :
MER
S SULTA
N
CA
LIFOR
NIE
MR
K D
RIV
E
MEK
NES
FES
NA
DO
R
OU
JDA
KEN
ITRA
RA
BA
T VILLE
2 M
AR
S
AIN
DIA
B
MO
HA
MM
EDIA
SALE B
OU
REG
RA
G
ZIRA
OU
I
AN
FA P
LAC
E
MO
RO
CC
O M
ALL
MA
AR
IF
CO
RN
ICH
E
CA
SAP
OR
T
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
AG
AD
IR P
LAG
E
AG
AD
IR D
RIV
E
AG
AD
IR M
AR
JAN
E
HA
Y RIA
D
RA
BA
T AG
DA
L
TAN
GER
PLA
GE
TAN
GER
MA
RJA
NE
TAN
GER
VILLE
TETOU
AN
DER
B SU
LTAN
L'HER
MITA
GE
MO
HA
MED
5
EL JAD
IDA
KH
OU
RIB
GA
MR
K G
AR
E
MR
K C
ENTR
E
MR
K M
AR
JAN
E
Ain
Sebaa
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
Figure 27:Codification des restaurants
Figure 26:Résultat de l'expérimentation du programme
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
43
VIII. Chapitre 4 : Optimisation et Gains
1. Optimisation
L’optimisation de la distribution pour FOODIPEX, réside dans la réduction de la fréquence
de livraison, d’un ou plusieurs restaurants d’une tournée dans une période, cela se réalisera
par l’augmentation de la durée entre deux tournées successives et la livraison d’une ou deux
températures seulement en respectant les diverses contraintes. Évidemment, tout dépend
des prévisions et l’économie se concentre surtout dans la basse saison. La figure suivante
montre, comment j’ai passé de 4 tournées vers Marrakech dans la deuxième semaine de
janvier à 3 mais cela n’est pas valable pour toutes les semaines vu qu’il y a des saisonnalités.
08-janv 09-janv 10-janv 11-janv 12-janv 13-janv 14-janv
Restaurant vendredi samedi dimanche lundi mardi mercredi jeudi
Marrakech Drive Normal 1 Normal 1 Négatif 1
Marrakech Gare Normal 1 Normal 1
Marrakech Gueliz Normal 1 Normal 1 Normal 1
Marrakech Marjane Normal 1 Normal 1 Tableau 14:Planning hebdomadaire de la basse saison de Marrakech
08-janv 09-janv 10-janv 11-janv 12-janv 13-janv 14-janv
Restaurant vendredi samedi dimanche lundi mardi mercredi jeudi
Marrakech Drive Normal 1 Normal 1 Normal 1
Marrakech Gare Normal 1 N+P 1 Normal 1
Marrakech Gueliz N+P 1 Normal 1 Normal 1
Marrakech Marjane Normal 1 Positif 1 Normal 1
Tableau 15:Planning optimisé de Marrakech
Réduction de nombre de tournées de 4 à 3
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
44
En matière d’occupation des camions l’optimisation est la suivante :
08-janv 09-janv 10-janv 11-janv 12-janv 13-janv 14-janv
camion vendredi samedi dimanche lundi mardi mercredi jeudi
1 7382,22979 7341,89694 8060,47778 11302,6364
Tableau 16: Occupation du camion planning hebdomadaire Fixe
08-janv 09-janv 10-janv 11-janv 12-janv 13-janv 14-janv
camion vendredi samedi dimanche lundi mardi mercredi jeudi
1 11709,6509 10468,3148 9100,27727
Tableau 17:Occupation du camion planning optimisé
Un autre exemple d’optimisation concernant Marrakech en basse saison, appliqué pour octobre,
novembre et décembre, est effectué par un décalage de journée de livraison comme suit :
Vous pouvez remarquer qu’au bout de la troisième semaine en fini avec 3 livraisons dans cette semaine et donc dans 3 semaines on gagne une livraison. On remarque qu’au bout de la troisième semaine, on finit avec seulement trois livraisons. En
répétant ceci on gagnera 1 livraison/3 semaines.
Réduction de nombre de tournées de 4 à 3
Seulement 3 livraisons
Tableau 18:Planning Optimisé en mois de décembre
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
45
FOODIPEX livre Agadir deux fois par semaine dans le planning normal. Cela implique
qu’entre deux livraisons successives, on compte 4 jours suivis de 3 jours. L’économie existe
dans 2 livraisons/8 jours, ce qui veut dire 4 jours entre deux livraisons successives si c’est
possible.
Avec cette stratégie, on gagnera 1 livraison/4 semaines pour la tournée d’Agadir, et de même
pour la tournée de Tanger avec Tétouan, et cela nécessitera la livraison dimanche si elle est
programmée. Le tableau suivant est la preuve que la capacité du camion n’a pas été dépassée :
On Constate que la charge est lissée entre les livraisons de moyenne de 10888 kg/livraison et
en même temps, la charge ne dépasse pas la capacité du camion.
1 seule livraison
Tableau 19:Planning Optimisé Agadir en Basse saison
Tableau 20:Charge Camion du planning optimisé
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
46
De même, un décalage d’une journée permet de gagner 1 journée/semaine pour la tournée de
Fès, Meknès, Nador et Oujda. Cette astuce permet d’économiser 1 livraison /4 semaine si c’est
faisable.
2. Nivellement de la charge :
La variation du planning des restaurants ci-dessus, génère un déséquilibre en matière de charge.
En conséquence, le lissage de la charge subit par l’entrepôt dans la préparation et le chargement
est une étape cruciale pour la mise en place du planning optimal.
Le planning suivant est un exemple de nivellement de la première semaine du mois de janvier,
optimisé et lissé avec le respect de la disponibilité des camions.
Pour la notation, on prend les chiffres de 1 jusqu’à 7 des semi-remorques et de 11 jusqu’à 14
des petits camions
01-févr 02-févr 03-févr 04-févr 05-févr 06-févr 07-févr
lundi mardi mercredi jeudi vendredi samedi dimanche
Marrakech Drive Normal 1 N+S 1 Normal 1 Normal 7
Marrakech Gare N+S 1 Normal 1 Normal 1 Normal 7
Marrakech Gueliz N+S 1 Normal 1 Normal 1 Sec 7
Marrakech Marjane N+P Normal 1 Normal 1
Agadir Drive Normal 3 Normal 3
Agadir Plage Normal 3 Normal 3
Agadir Marjane Normal 3 Normal 3
TANGER PLAGE Normal 6 Normal 6
TANGER MARJANE Normal 6 Normal 6
TANGER VILLE Normal 6 Normal 6
TETOUAN Normal 6 Normal 6
FES Normal 4 Normal 5
1 seule livraison
Tableau 21:Planning Optimisé de la tournée de Fès, Meknès, Nador et Oujda en décembre
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
47
Le planning ci-dessus est nivelé par rapport au nombre de préparations et par rapport au tonnage
par jour dans cette période de basse saison
MEKNES Normal 4 Normal 5
NADOR Positif 4 Normal 2
OUJDA Positif 4 Normal 2
Casa Ain Sebaâ Normal 6 Normal 6
Casa Anfa Place Mall Normal 6 Normal 6
Casa 2Mars Normal 12 Normal 6 Normal 2
Casa Ain Diab Normal 12 Normal 6 Normal 2
Casa Californie Normal 4 Normal 3 Normal 2
Casa Corniche Normal 6 Normal 3 Normal 11
Casa Derb Sultan Normal Normal 3
Casa Hermitage Normal 4 Normal 6
Casa Maarif Normal 4 Normal 3 Normal
Casa Mers Sultan Négatif 6 Normal 4 Normal 6
Casa Mohamed 5 Normal 2 Normal 7
Casa Morocco Mall Normal 4 Normal 3 Normal 7
Casa Port Normal 3 Normal 12
Casa Ziraoui Normal 4 Normal 3 Normal 12
El Jadida Drive Normal 2 Normal 5
Kenitra Normal 13 Normal 12
Khouribga Normal 2 Normal 5
Mohammedia Normal 11 Normal 5 Normal 13
Rabat Agdal Normal 5 Normal 11 Normal 4
Rabat Hay Riad Normal 5 Normal 2 Normal 4
Rabat Ville Normal 11 Normal 5 Normal 14
Sale El Bahr Normal 12 Normal 2
Tableau 22: Planning optimisé complet de la première semaine de Février
Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche
Nombre de préparation 19 14 13 11 14 18 4
charge journalière 58320,8716 45855,3865 41387,3644 38243,2389 54287,3256 67321,8959 19401,2461 Tableau 23: Nivellement du nombre de préparation et de la charge journalière
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
48
3. Estimation des Gains La facturation de la prestation de MAROTRANS et d’ATLAS VAN LINE est en fonction de
la destination. Pour la région de Casablanca, FOODIPEX est facturé par journée, tandis que
hormis cette région où réside l’optimisation, le règlement est en fonction du kilométrage. En
raison de confidentialité du prix réel/km en prendra 10dh/km pour un semi-remorque
frigorifique et 8dh/km pour un petit camion.
Le résultat de toute cette optimisation et de ce changement d’un planning fixe à un planning
dynamique en fonction des transactions prévisionnelles est le suivant :
L’optimisation permet d’économiser 243500,00MAD/an = 20291MAD/mois si le planning
optimisé est respecté par les restaurants McDonald’s et si l’on se permet de livrer le
dimanche si cela est programmé.
Figure 28:Evolution des Gains en DH
On constate que les Gains évoluent en opposition avec les transactions et c’est justifié, du fait
que l’optimisation réside surtout dans la basse saison : le mois de février, de juin, car c’est le
ramadan, de novembre et de décembre.
0,00 MAD
10 000,00 MAD
20 000,00 MAD
30 000,00 MAD
40 000,00 MAD
50 000,00 MAD
60 000,00 MAD
Evolution des Gains
Tableau 24:Dénombrement des Gains en DH
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
49
Conclusion Le travail présenté concerne l’optimisation de la distribution. Notre problème consiste à
planifier la livraison en précisant chaque jour les tournées, la nature de la livraison et le
camion associé.
À travers ce travail, j’ai pu fiabiliser les données logistiques et le formulaire de commande
ensuite j’ai pu concevoir et programmer en utilisant le langage VBA un modèle interactif d’aide
à la planification de la livraison qui permet :
La réduction des coûts logistiques de la distribution
Le respect des différentes contraintes
la satisfaction du client en respectant les bonnes pratiques
Le nivellement de la charge par rapport à la préparation et le chargement.
En plus de cela, j’ai programmé un logiciel de résolution du problème de tournées de
véhicules périodique avec l’algorithme génétique en suivant la méthode de Prins.
Ce projet permettra à l’entreprise d’économiser 243500 MAD/ans si les deux parties
Concernées FOODIPEX et McDonald’s respecteront le planning variable optimisé. Comme
il permettra de prévoir les surcapacités dues à la fluctuation de la demande.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
50
Liste de figures Figure 1:MABYA Holding ........................................................................................................ 9
Figure 2:Processus Général de FOODIPEX ........................................................................... 10
Figure 3:Organigramme de FOODIPEX .................................................................................. 11
Figure 4:Planning du Projet ...................................................................................................... 13
Figure 5:Diagramme de Gantt .................................................................................................. 13
Figure 6:Niveaux d'implication d'un humain dans Wezel et al [2011] .................................... 15
Figure 7:Variantes de base du VRP avec contraintes de capacité ............................................ 16
Figure 8:Classification des méthodes de résolution du VRP. .................................................. 17
Figure 9:Transaction prévisionnelle de 2016 ........................................................................... 22
Figure 10:Conception de la chambre Négatif par CATIAV5 .................................................. 24
Figure 11 : Conception de la chambre Positif par CatiaV5 ...................................................... 25
Figure 12:Conception de la chambre Sec par CATIAV5......................................................... 26
Figure 13:Pourcentage Volume Net chambre Sec ................................................................... 26
Figure 14 : Entrepôt LOGISMAR-Frigo MAROTRANS ........................................................ 27
Figure 15:Evolution de la volumétrie en fonction du tonnage dans une préparation .............. 28
Figure 16:Relation Volume Tonnage ....................................................................................... 28
Figure 17:Système de révision périodique ............................................................................... 29
Figure 18:Planning Camion Automatisé .................................................................................. 35
Figure 19:Méthodologie de Résolution de la PVRP en Utilisant l'algorithme génétique ........ 36
Figure 20:Extraction des clients à livrer pour chaque jour ...................................................... 37
Figure 21:Construction de chromosome .................................................................................. 38
Figure 22:Construction de tournées ......................................................................................... 39
Figure 23: La sélection des parents P1 et P2 ............................................................................ 40
Figure 24: Le croisement de P1 et P2 ...................................................................................... 41
Figure 25:La Mutation d’E1 ..................................................................................................... 41
Figure 26:Résultat de l'expérimentation du programme .......................................................... 42
Figure 27:Codification des restaurants ..................................................................................... 42
Figure 28:Evolution des Gains en DH ..................................................................................... 48
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
51
Liste des tableaux Tableau 1:Fiche signalétique de FOODIPEX .......................................................................... 11
Tableau 2:Pourcentage volume net de la chambre Négatif ...................................................... 24
Tableau 3:Pourcentage volume net chambre Positif ................................................................ 25
Tableau 4:Echantillon préparation de commande .................................................................... 28
Tableau 5:Modèle D'optimisation Interactif ............................................................................ 31
Tableau 6:Calcul de la quantité a livré dans le cas normal ...................................................... 32
Tableau 7:Calcul de la quantité a livré dans le cas multi-produit ............................................ 32
Tableau 8:Exemple de Planning de livraison ........................................................................... 33
Tableau 9:Calcul de la quantité a livré par Restaurant ............................................................. 33
Tableau 10:Calcul de la quantité chargé dans le camion ......................................................... 33
Tableau 11: Calcul de la durée de consommation .................................................................... 34
Tableau 12:Demande de l'exemple d'affectation de combinaisons de jours aux clients .......... 37
Tableau 13:Quantité livré de l'exemple d'affectation de combinaisons de jours aux clients ... 37
Tableau 14:Planning hebdomadaire de la basse saison de Marrakech ..................................... 43
Tableau 15:Planning optimisé de Marrakech ........................................................................... 43
Tableau 16: Occupation du camion planning hebdomadaire Fixe ........................................... 44
Tableau 17:Occupation du camion planning optimisé ............................................................. 44
Tableau 18:Planning Optimisé en mois de décembre .............................................................. 44
Tableau 19:Planning Optimisé Agadir en Basse saison ........................................................... 45
Tableau 20:Charge Camion du planning optimisé ................................................................... 45
Tableau 21:Planning Optimisé de la tournée de Fès, Meknès, Nador et Oujda en décembre . 46
Tableau 22: Planning optimisé complet de la première semaine de Février ............................ 47
Tableau 23: Nivellement du nombre de préparation et de la charge journalière ..................... 47
Tableau 24:Éstimation des Gains en DH ................................................................................ 48
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distribution chez FOODIPEX
52
Liste des abréviations
CVRP: Capacitated Vehicule Routing Problem
ILP: Integer linear programming
PTV: Problème de tournées de Véhicules
PTVP: Problème de tournées de vehicules périodique
TSP: Traveling Salesman Problem
VNS: Variable neighborhood search
VRP: Vehicule Routing Problem
VRPTW: Vehicule Routing Problem with Time Windows
VRPPD: Vehicule Routing Problem with Pick-up and Deliveries
DCVRP: Distance-Constrained Vehicule Routing Problem
PVRP: Periodic Vehicle Routing Problem
PVRPTW: Periodic Vehicle Routing Problem with Time Windows
IRP: Inventory Routing Problem
MDVRP: multiple depots Vehicule Routing Problem
MDVRPTW : multiple depots Vehicule Routing Problem with Time Windows
DLC: Date Limite de consommation
MBI: Maroc Buns Industries
RFI: Real Food Industries
AVL: Atlas Van Line
ADV:Administration des Ventes
VBA: Visual Basic for Applications
TCs: Transactions
OPS: Outils d'opérations et de Nettoyages
Opt: Optimal
53
Annexes
Longueur Largeur Hauteur Volume brut Volume brut Sec
Hermitage Positif 3,9 2,6 2,2 22,30
11,28 Négatif 4 2,8 2,2 24,64
Californie Positif 2,95 2,8 2,1 17,34
8,736 Négatif 2,9 2,4 2,1 14,61
Ziraoui Positif 3,6 2,8 2,4 24,19
7,56 Négatif 3 2,8 2,4 20,16
Ain Sebaa Positif 4,2 2,35 2,4 23,68
12,84 Négatif 5,2 2,9 2,4 36,19
Marrakech Marjane Positif 2,6 1,4 2,34 8,51
8,64 Négatif 2,6 2 2,34 12,16
Salé Positif 2,35 3,8 2,6 23,21
11,6016 Négatif 4 4,75 2,6 49,4
Avenue 2 Mars Positif 3,81 1,43 2,02 11,00
8,865 Négatif 3,81 2,02 2,02 15,54
Rabat Hay Riad Positif 3,7 3,3 2 24,42
13,188 Négatif 5,7 2,9 1,7 28,10
Kenitra Positif 3,2 2,8 2,2 19,71
8,64 Négatif 4 3,5 2,2 30,8
Tanger Ville Positif 3,1 2,7 2,4 20,08
4,32 Négatif 3,6 3,1 2,4 26,78
corniche Positif 3,65 2,1 2,3 17,62
18,216 Négatif 3,65 3,1 2,3 26,02
Mohammedia Positif 3,615 2,81 2,43 24,72
12,85636 Négatif 4,42 3,21 2,42 34,40
Morocco Mall Positif 4,04 3,01 2,04 24,87
11 Négatif 4,04 3,09 2,04 25,52
Derb Sultan Positif 2,4 2,4 2,4 13,82
7,07982 Négatif 3,6 2,4 2,8 24,19
Nador Positif 2,8 4,3 2,5 30,1
14,64 Négatif 4,3 4,4 2,5 47,3
Agadir Marjane Positif 3,9 2,2 2,4 20,5
14,46 Négatif 4,4 3,6 2,4 38,01
Tanger PLAGE Positif 3,6 2,8 2,8 28,22
13,6512 Négatif 5,2 3,2 2,8 46,59
Maarif Positif 3,62 2,2 2,25 17,91
6,98488 Négatif 2,8 2,4 2,25 15,12
Tanger Marjane Positif 3,4 3,6 2,45 29,98
10,8 Négatif 4,5 3,5 2,4 37,8
Agadir Plage Positif 2,8 2,4 2,8 18,816
11 Négatif 3,9 3,24 2,8 35,38
Mers Sultan Positif 2,86 2 2,47 14,12
18,096 Négatif 3,26 2,86 2,47 23,02
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
54
Anfa Place Positif 3,2 2,8 2,4 21,50
5.76 Négatif 3,2 3,2 2,4 24,57
MEKNES Positif 4,4 2,4 2,2 23,23
8,88 Négatif 4,83 3,63 2,2 38,57
Agadir Drive Positif 4,43 2,82 2,26 28,23
11 Négatif 4,43 3,62 2,26 36,24
mohammed 5 Positif 4 2 2,43 19,44
12,08 Négatif 6 2 2,37 28,44
El Jadida Positif 2 4 2,25 18
10,83 Négatif 4,35 3,45 2,24 33,61
Khouribga Positif 4 2 1,9 15,2
9,70 Négatif 4,3 3,5 1,9 28,59
Ain Diab Positif 5 2,35 2,7 31,72
13,17 Négatif 5,1 4,2 2,7 57,83
Marrakech Gare Positif 4,3 2,3 2,2 21,75
13,60 Négatif 4,6 2,3 2,2 23,27
Rabat Ville Positif 3,2 2,84 2,4 21,81
7,2 Négatif 4,42 2,84 2,43 30,50
Rabat Agdal Positif 3,48 2,58 2,17 19,48
8,64 Négatif 4,28 2,28 2,24 21,85
Fès Positif 3,28 2,2 2,6 18,76
4,8 Négatif 3,89 3,05 2,9 34,40
Marrakech Drive Positif 5,8 2,4 2,4 33,40
10,08 Négatif 5,8 3,2 2,4 44,54
Casa Port Positif 2,9 2,7 2,4 18,79
11,08 Négatif 3,6 2,9 2,4 25,05
Tétouan Positif 4 2,4 2,3 22,08
11.52 Négatif 5,2 3,2 2,8 46,59
Oujda Positif 2,8 4,3 2,5 30,1
14 Négatif 4,3 4,4 2,5 47,3
Annexe 1:Capacité de stockage de 37 Restaurants McDonald’s
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
55
Désignation Code volume tonnage palettisation
SURGELE VIANDE 10 1 ESP 5-330 0,034568 14 56
SURGELE VIANDE 3 1 ESP 1146-077 0,03555 14 48
SURGELE VIANDE 10 1 BELDI 5-333 0,0112 14 56
SURGELE VIANDE 4 1 ESP 6-282 0,0377895 14 48
SURGELE CHICKEN VALUE SIXTY 1637-080 0,042768 15,986 40
SURGELE POULET CHICKEN 1ERE 1395-020 0,04212 15,619 40
SURGELE CHICKEN MCNUGGETS 407-714 0,0148915 17,166 40
SURGELE CHICKEN DELIGHT 4430-032 0,056277 15,687 40
SURGELE CHICKEN DOUBLE SIXTY 1637-089 0,042768 15,985 40
SURGELE FILET POISSON 3 8-008 0,01638 11,04 84
SURGELE GATEAU ANNIVERSAIRE FRAISE 6164-069 0,0008184 1,26 180
SURGELE GATEAU ANNIVERSAIRE CHOCOLAT 575-026 0 1,26 225
SURGELE CHOCOGLACE 4954-052 0,01215 1,09 144
SURGELE BROWNIES 8322-033 0,01215 3,68 144
SURGELE DONUTS FRAISE 8233-015 0,0228 3,942 64
SURGELE DONUTS ETOILE CHOCOLAT 11720-
000 0,0234688 4,182 64
SURGELE MINUTE MAID OJ 132-061 0,0159375 17,22 72
SURGELE PAIN ROYAL 2-034 0,037719 5,26 40
SURGELE PAIN BIG MAC 3-040 0,02860675 4 36
SURGELE PAIN REG 1-046 0,037719 4,9 40
SURGELE PAIN BIG TASTY x16 3916-174 0,037719 2,91 64
SURGELE PAIN PTIT BELDI SPICY 11209-
000 0,037719 5,18 64
SURGELE TORTILLA OIGNON WRAP 3114-061 0,01718145 5,06 84
SURGELE PAIN RHOMBUS FONDU 8672-027 0,02860675 4,97 56
SURGELE PAIN COMPLET 3153-069 0,02860675 3,3 84
SURGELE SPICY XL FRITES 3674-018 0,024174 13 63
SURGELE FRITES 2 4-909 0,03192 13,25 54
SURGELE FROMAGE CHEVRE PANE 757-012 0,04095 6,325 88
SURGELE BILLES DE MOZZARELLA 10218-
012 0,01635126 8,7 64
SURGELE CHEESE AND CHILI NUGGETS 6307-015 0,02484 6,338 96
SURGELE SWISS CHEESE 7018-091 0,0182816 6,1 80
FOOD HUILE MC212 NH 3237-023 0,012012 9,2 60
FOOD SAUCE TARTARE X 12 9-120 0,0150282 9,4 90
FOOD SAUCE MC CHICKEN X 12 10-070 0,01475496 9,9 90
FOOD SAUCE BIG MAC 750ML X12 55-065 0,0153252 10 90
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
56
FOOD SAUCE BIG TASTY 7919-078 0,01476 9,6 90
FOOD SAUCE MIEL MOUTARDE 3649-078 0,00812175 4,98 168
FOOD SAUCE RANCH INTENSIVE 5297-051 0,00574574 4,3 96
FOOD SAUCE COMTE FONDU INTENSIVE 5432-023 0 4,99 168
FOOD SAUCE CEASAR 708-051 0,01281511 5,5 84
FOOD SAUCE BALSAMIQUE 1330-012 0,0104747 3,6 96
FOOD CROUTONS SALADE AIL ET FINES HERBES 670-087 0,0387495 3,49 40
FOOD SAUCE MC DELUXE 552-048 0,0146853 9,3 80
FOOD CREME FRAICHE 7101-042 0,0106455 5,159 125
FOOD FROMAGE CHEDDAR 6x176 13-073 0,014634625 15,7 54
FOOD EMMENTAL TRANCHE 2303-019 0,022724 15,7 54
FOOD GRUYERE RAPE 80000-
173 0,028825875 2,5 120
FOOD FROMAGE CAESAR 1503-048 0,00095 2,74 108
FOOD SCE SALADE YAOURT 50 ml 7327-003 0,0122322 6,6 84
FOOD OLIVES NOIRES DENOYAUTEES 4/4 4435-028 0,0072 5,64 144
FOOD SAUCE SPICY OLIVE BASE MAYO 2057-024 0 4,86 168
FOOD SAUCE MEXICO 6370-039 0,0134946 5,28 168
FOOD BASE MANGUE ANANAS 4393-006 0,0197925 17,67 56
FOOD BASE FRAISE BANANE 2896-087 0 17,33 56
FOOD MAIS SUPERSWEET 44 3107-050 0,0124 6,24 144
FOOD TOMATE EN DES 6160-021 0,015 1,8 0
FOOD CONCOMBRE EN DES 437-079 0,015 1,8 33
FOOD TOMATE GD CALIBRE 253-100 0,01776 6,8 90
FOOD TOMATE CERISE 9X250G 5767-092 0,00948 2,75 189
FOOD OIGNON FRAIS EMINCE 28-049 0,015 1,65 33
FOOD OIGNONS RONDELLES 4209-078 0 2 48
FOOD OIGNONS FRITS 1870-030 0,02222025 5,438 72
FOOD MELANGE SALADE PLUS 134-561 0,03888 6,5 35
FOOD SALADE SANDWISH 2783-090 0,03888 6,5 35
FOOD MC SALADE 18-279 0,03888 8,5 35
FOOD SALADE ROQUETTE X500gr 8817-082 0,015 0,9 10
FOOD POMMES EN TRANCHES 8549-097 0,003146 1,05 30
FOOD SHAKE LIQUIDE MIX 11-037 0,0256 11 48
FOOD SUNDAE LIQUIDE MIX 12-025 0,045359825 11 48
FOOD LAIT UHT 3940-051 0,0068058 6,51 155
FOOD BERLINGO FRUITS POMME 6207-039 0,0134946 5,4 90
FOOD DAN UP YAOUMI FRAISE 791-045 0,0045441 1,44 192
FOOD M&M MCFLURRY 1466-027 0,013960485 4,86 96
FOOD EAU MINERLE SI ALI NATUR 33CL 3769-036 0,007679424 4,62 224
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
57
FOOD EAU MINERALE 0,5L SIDI ALI 3309-019 0,0090797 7 168
FOOD EAU MINERALE SI ALI FRAISE BOUCHON SPORT 4655-002 0,0064575 4,62 224
FOOD EAU MINERALE SI ALI PECHE BOUCHON SPORT 8178-032 0,006579 4,62 224
FOOD COCA BIB 19-062 0,02424 27 30
FOOD FANTA ORANGE BIB 21-095 0,02424 27 30
FOOD SPRITE BIB 168-044 0,02424 27 30
FOOD COCA LIGHT BIB 42-029 0,015906625 13,5 54
FOOD SAUCE BARBECUE X125 408-083 0,00754243 4 150
FOOD SAUCE CURRY X50 3040-050 0,003337875 1,6 100
FOOD SAUCE MOUTARDE X50 410-050 0,00346725 1,5 100
FOOD SAUCE CHINOISE X50 409-050 0,003493125 1,6 100
FOOD LAVAZZA CAFFE EN GRAIN 1007-029 0,022446 6 55
FOOD LAVAZZA EXPRESSO DECAFEINE MOULU 7947-015 0,0094248 1,5 294
FOOD KETCHUP BIB Portugal 2679-297 0,0119475 11,9 84
FOOD KETCHUP SACHET 45-285 0,02808 17 40
FOOD BANANIA STICK 20g 3758-034 0,02767212 9,85 36
FOOD MOUTARDE VRAC20X750G 26-054 0,021336 15,6 54
FOOD CACAHUETTES 17-034 0,014255945 3,5 72
FOOD SCE POTATOES 8158-018 0,0151191 7,23 84
FOOD SAUCE FRITES 3613-024 0,01852416 9,2 60
FOOD SAUCE WESTERN 3676-057 0,00403 1,2 252
FOOD CORNICHONS X 6,8 Kg 63-047 0,0147441 11,2 84
FOOD MOUTARDE STICK X1000 46-090 0,012096 3 90
FOOD SUCRE LAVAZZA 47-083 0,0152439 4,5 50
FOOD OIGNON DESHYDRATE 56-072 0,0422334 11,5 45
FOOD CORNET SUNDAE 23-040 0,04921995 5,85 24
FOOD MINI CORNET 123-090 0,052418235 2,1 36
FOOD MINI CORNET 90MM 3504-019 0,049019904 6,59 32
FOOD SIROP FRAISE 62-068 0,01028 12,5 60
FOOD SIROP VANILLE 60-068 0,0134596 12,5 60
FOOD TOPPING KIT KAT 6928-051 0,0183414 6,82 48
FOOD FONDANT CARAMEL 69-011 0,01318125 12,5 60
FOOD FONDANT AROME CACAO 65-064 0,0138684 12,5 60
FOOD SIROP CHOCOLAT BLANC UNITE 8020-021U 0,0050592 1,3233 0
FOOD THE LIPTON EARLGREY 1344-003 0,01092975 0,708 162
FOOD MELANGE SEL/POIVRE 3496-062 0,0059475 12,5 70
FOOD SEL 5x500gr 29-177 0,00341712 2,595 120
PAPER BTE BIG TASTY QG 8201-324 0,074693565 13,5 24
PAPER BOITE ROYAL CHEESE 297-648 0,059925825 10,81 24
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
58
PAPER PLATEAUX A EMPORTER 4 TROUS 397-047 0,08255625 6,56 40
PAPER PLATEAUX A EMPORTER 2 TROUS 247-016 0,05859392 7,8 40
PAPER CROISILLON 3651-018 0,029304 4,65 48
PAPER PORTE CORNET 674-039 0,0226525 9,73 48
PAPER GOBELET A EAU EURO 2012 101-141 0,09675 11,593 18
PAPER GOB 025L 155-931 0,08282859 10,906 24
PAPER GOB 04 7334-180 0,1107 13,348 18
PAPER GOB 05 768-372 0,1216776 14,363 18
PAPER MKF PAILLES CUILLERES 5313-075 0,080530625 4,83 20
PAPER GOBELET JUS D’ORANGE 124-054 0,0637007 9,87 24
PAPER GOB SUNDAE 261-102 0,082866784 15,432 24
PAPER GOB MCFLURRY 6373-840 0,0783756 8,414 24
PAPER GOB SHAKE 2 59-090 0,097802 9,13 18
PAPER GOB PARFAIT 300ML 59-017 0,09474075 16,5 18
PAPER COUV PARFAIT 2113-042 0,09662644 7,2 18
PAPER SAC LARGE BA NI 14 EU NOL 5565-180 0,035763 9,9 36
PAPER SAC SALADE 11580-
006 0,0328865 7,8 36
PAPER SAC A BA EUFA NOL 10958-
138 0,015392 6,5 96
PAPER SAC B BA UEFA NOL 6472-248 0,027047 11,3 50
PAPER SAC C BRAND AMBITION NI 14 NOL 131-254 0,03504375 13,2 35
PAPER BOITE FRITES LARGE QG 1139-898 0,041902 16 36
PAPER BTE FRITES MEDIUM QG 163-640 0,0321489 12,6 48
PAPER SACHETS PT FRITES 127-630 0,006016 3,3 162
PAPER BTE NUGGETS X 4 QG 3594-330 0,02806 4,553 56
PAPER BOITE NUGGETS X 6 268-148 0,067032 10,8 30
PAPER BOITE NUGGETS X 9 288-636 0,057834 9,13 24
PAPER BOITE MC NUGGETS 15 7231-000 0,04838625 11,04 18
PAPER BOITE FAMILAx50 3206-029 0,01311 5,225 30
PAPER BTE MCCHICKEN QG 3067-201 0,058166405 10,81 24
PAPER BTE FILET O FISH 311-618 0,0581457 10,81 24
PAPER BTE GRAND ROYAL CHICKEN 6614-078 0,076936 11,9 24
PAPER BTE MCFONDUE 7661-006 0,07788 11,52 24
PAPER BTE SWISS CHEESE 1125-075 0,027459 4,553 56
PAPER PAPIER GNRQ KAKI 6498-144 0,00296205 4 352
PAPER PAPIER GENERIQUE BLEU 6498-165 0,0028458 2,562 352
PAPER PAPIER HAMBURGER 284-642 0,002764825 2,4 384
PAPER PAPIER CHEESEBURGER 285-585 0,00281015 2,4 384
PAPER PAPIER DB CHEESEBURGER 1179-222 0,00282472 2,6 352
PAPER PAPIER GENERIQUE ROUGE 6498-147 0,00269049 2 352
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
59
PAPER BTE BIG MAC QG 295-232 0,05698752 10 24
PAPER BTE CHILI AND CHEESE 1125-036 0,02841075 5 56
PAPER SET A PLATEAU SOS VILLAGES 398-217 0,0039858 4,29 200
PAPER COUV. GOB MCFLURRY 5481-090 0,04758141 3,511 48
PAPER COUV. GOB JO 116-058 0,0634032 4,5 24
PAPER COUV. GOB 0.4L / 0.5L HUH 117-297 0,077749 4,033 24
PAPER COUV. GOB.SUNDAE 335-068 0,0499359 10,141 36
PAPER COUV GOB CAFE 0,2L DOME 164-021 0,04369367 4 36
PAPER COUV GOB CAFE 0,1L 3822-072 0,0087234 0,7 144
PAPER SACHET PATISSERIE 6958-001 0,006831 2,497 260
PAPER SERVIETTES 193-330 0,120392 13,87 12
PAPER GOBELET CAFE 0,2L 232-292 0,107436375 11,248 18
PAPER GOB CAFE 0.1 3821-303 0,029568 3,905 27
PAPER BAGUES DE PROTECTION CAFE 7438-073U 0,02135 0 0
PAPER GOB CAFE DELUXE 2539-006U 0,0976 0,603 18
PAPER CUILLERE A SUNDAE 2 269-008 0,0477594 5,5 42
PAPER CUILLERE MC FLURRY 5478-072 0,053516575 4,4 36
PAPER TOUILETTE A CAFE 2x2000 170-086 0,00403788 1,45 408
PAPER BOL SALADE 7531-006 0,073232 8,5 24
PAPER
COUVERCLE MINI SALADE &
CHOCOGLACE 3313-063 0,10902 4,641 28
PAPER COUVERCLE SALADE 102-040 0,09877 5 20
PAPER KIT COUTEAU FOURCHETTE 3406-042 0,0480168 5,3 36
PAPER PAILLE EMBALLEE PAPIER 223-135 0,094146 6,3 20
OPS MB-ACTIVE CLEANER 845-000 0,010395 3,5 0
OPS SIFON MB-ACTIVE TRAP 624-024 0,01023 6,2 72
OPS POINCONNEUSE 9122-200 84 1 999
OPS SEAU CHIFFON PROPRE 9122-460 0,04016016 1,11 999
OPS SEAU CHIFFON SALE 9122-461 0,034816 1,11 999
OPS COUVERCLE SEAU 9122-462 0,00011189 0,22 999
OPS POUBELLE PEDALE 87L 9122-356 0 8 0
OPS POUBELLE PEDALE 30L 9122-357 0 3,5 0
OPS DISTRIBUTEUR GANTS 9000-073 0,00222 1,55 400
OPS GANTS GRILL 1672-000 0,00588 1,55 160
OPS PT SET A PLATEAU SYLVANA3 195-098 0,004575 3,26 232
OPS SET TIRROIR GRILL MADE FOR YOU 195-165 0,025944 14,44 42
OPS AQUAFRESH 6692-007 0,00952 6 0
OPS DETERGENT MACHINE A LAVER 305-138 0,020736 20,2 36
OPS PINCE RAMASSE DECHETS 95099-
010 0,000086 0,354 500
OPS MIGOU DEBOUCHE EGOUTS 305-056 0,037912125 26 40
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
60
OPS BLOUSES OPEN DOORS BLOUSES 0,0004 2 0
OPS SCELLE CAMION LIVRAISON SCELLE 0,003648 1,5 0
OPS MCD DR UNITE 304-228U 0,0036408 1,106 0
OPS MCD FR UNITE 302-093U 0,002842 1,1166 0
OPS MCD KL UNITE 2722-034U 0,022997 1,208 0
OPS MCD HA UNITE 2437-053U 0,0036408 1,11 0
OPS MCD SK 4 X 1,5 L 225-032 0,01036 6,36 75
OPS SAVON MIHAND 355-080 0,04990904 5,5 39
OPS PAPIER HYGNQ 3123-003 0,005776 7,8 40
OPS NETTOYANT VITRES MIGLASS 225-070 0,00189 1,3 0
OPS DISTRIBUTEUR SAVON MAIN 326-028 0,00352672 0,5 261
OPS CHAMPION AND STARTER KIT 6972-003 0 8,2 0
OPS RECHARGE NEUTRALISANT ODEUR CHAMPION PLUS 6973-003 0 4 396
OPS KAY VEGI WASH 100 X 28GR 1467-000 0,0141236 3,51 40
OPS FRANGE FAUBERT 450G 152-006 0,03564 1 0
OPS PINCE AVEC MANCHE POUR MOP 300-001 0,00015 1,8 0
OPS MCD DOSEUR EVIER 368-003 0 1 40
OPS CAPITAL MULTI PURPOSE CONCENTRATE X10L 303-243 0,01141875 10,88 60
OPS AMH ASEPTISANT 355-315 0,0246605 17,35 39
OPS MCD FRITEUSE 308-009 0,006258875 4,4 225
OPS DISTRIBUTEUR TABLIER BLANC JETABLE
80000-256 0,00602 1 42
OPS BROSSE EVIER 219-001 0,00126 1 99
OPS NAPPERONS VITRINE PATISSERIE 1893-003 0,004375 1 180
OPS MOPS BLEU ET ROUGE 9000-023 0,0032895 0,5 100
OPS MOPS ABSORBANTES 80000-
699 0,0092 1 100
OPS PRESS CHARIOT 1 SEAU 3980-006 0,032032 4,5 999
OPS CHARIOT 2 SEAUX 4085-000 0,08352 5 999
OPS SUPPORT MOP PLIABLE 4094-009 0,004644 1 100
OPS BALAI BROSSE CUISINE 331-039 0,003276 0,5 99
OPS BALAI SOL LOBBY 4129-027 0,0025675 1 10
OPS MANCHE ALU BLUE LAV,PLAT 4150-000 1,39E-08 1 100
OPS RACLETTE SOL PIVOTANTE 80000-
043 0,019875 0,44 999
OPS MANCHE BROSSERIE VIKAN 80000-
084 0,000000015 1 99
OPS BALAI EXTERIEUR VERT 5098-003 0,0109782 1 999
OPS BALAYETTE DURE EXT 6206-000 9,6E-09 1 188
OPS PELLE RAMASSE MEGOTS 336-030 0,04845 1 999
OPS CHARIOT UN SEAU 796-003 0,1095003 2 999
OPS MCD NICKEL TOASTER 4084-003 0,00528 2,2 192
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
61
OPS BOBINES ESSUYAGE / 6 4081-003 0,00528 13 40
OPS SEAU BLANC 4072-003 0,025088 1 150
OPS SERVIETTES GRILL X 40 340-051 0,015841 3 90
OPS SERVIETTES COMPTOIR X 72 334-132 0,013986945 3,5 60
OPS SALIERE POIVRIERE PLASTIQUE UNITE 718-385 0 1 50
OPS LAVETTE SANITAIRE BLEUE 81000-
161 0,05328 7,1 36
OPS MCD PORT TAMPON GRIL N°3 3575-033 0,007373255 1 160
OPS MCD TAMPON GRILL N°3 3574-030 0,0046575 0,23 324
OPS TABLIER FILTRAGE 2 80000-
650 0 1 50
OPS SERRE TETE FILTRAGE 9000-043 0,011638 0,212 99
OPS ECRAN FILTRAGE 9000-046 0,000164 0,114 99
OPS GANTS FILTRAGE 9000-106 0,0151976 1 36
OPS GUIDE QUALITE 2014 9200-685 0,0235872 0,3 1280
OPS POMPE SIROP 6189-010U 0,000011 0 0
OPS FILETS A CHEVEUX 1714-009 0,007056 1 144
OPS KAY ASEPTISANT PLONG 2595-081 0,02126355 3,3 72
OPS KAY LIQUID CLEANSER PLUS 3200-051 0,010695 6,36 100
OPS KAY 5 ASEPTISANT 304-249 0,0202007 3,3 71
OPS KEY NETTOYANT GRILL 301-114 0,020488 13,23 72
OPS CHARGE HEAVY DUTY DEGREASER 215-165 0,0278775 19,51 48
OPS MCD SOL N°2 1244-007 0,0190404 20 72
OPS KAY DETARTRANT 2722-039 0,0105264 3,2 135
OPS ROBINET KETCHUP 2024-021 0,000152 1 0
OPS VAPO SURF MULTISURFACES ET VITRES 643-147 0,00664092 0,415 160
OPS VAPO ASEPTISANT 643-144 0,00740096 0,415 160
OPS VAPO DEGRAISSANT 643-150 0,0066555 0,415 160
OPS FILTRE FRITEUSE MAGNESOL 3190-054 0,0399 6,43 64
OPS ENVELOPPE TAPIS TOASTER 1630-009 0 0,5 0
OPS FILTRE PAP AUTOFILTRT 3400-021 0,0191625 1 50
OPS SAC POUBELLE 2927-015 0,0094248 10,14 78
OPS SAC POUBELLE 240L 356-249 0,0132 14,5 48
OPS PLATEAU ECRU GUPP 169-063 0,05741775 11,4 15
OPS GANTS SALADE 838-030 0,0243 1 999
OPS TESTEUR CHLORE 4999-003 0,00528 0,042 990
OPS PLATEAU VITRINE X 3 80000-
287 0,006660225 2 0
OPS BAGUETTES JOURNAUX 80000-
014 0 1 0
OPS VITRINE A PATISSERIE 80000-
281 0 5,5 0
OPS PORTE CRT CAISSE PANAS PLASTQ 9266-000 0 2 0
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
62
OPS TABLIER JETABLE BLANC X 100 80000-
117 0,028825875 2 300
OPS FILM PLASTIQUE 4125-012 0 2,5 48
OPS TEFLON 3 RABATS 2701-003 0,002722734 1,024 750
OPS PETIT TEFLON 2184-003 0,002321865 1 750
OPS TEFLON INTELL 2188-003 0,0020988 0,78 0
OPS TEFLON TOASTER 1247-003 0,00085 0,5 0
OPS BUN TOASTER WRAP BELT 795 1630-021 0,002879412 0,2 0
OPS BUN TOASTER WRAP BELT 796 1630-024 0,02268 0,232 0
OPS BUN TOASTER WRAP BELT 797 1630-027 0,0247 0,152 0
FOURNITURES BUREAU CLASSEUR GESTION RESTAU PLR 9200-586 0,0235872 1,65 0
FOURNITURES BUREAU CLASSEUR GESTION QUART
86700-430 0,007128 1,7 0
FOURNITURES BUREAU KITCHEN MANUAL BLUE EXTEND HRS 2619-013 0 2 0
FOURNITURES BUREAU KITCHEN MANUAL RED 2619-016 0,05859392 2 0 FOURNITURES BUREAU BLOC LIST CONTROL PRE QUART X 5
86500-040 0 1 0
FOURNITURES BUREAU CLASSEUR SECURITE ALIMENTAIRE 9200-614 0,0242 4,5 0 FOURNITURES BUREAU CLASSEUR SUP
86200-100 0,007128 2,2 50
FOURNITURES BUREAU CLASSEUR PEP
86700-436 0,007128 0,9 0
FOURNITURES BUREAU ATELIER GESTION DE QUART
86700-290 0 2 0
FOURNITURES BUREAU BADGE MCDO STAFF
80000-360 0,0036 0,6 150
FOURNITURES BUREAU
PORTE ETIQ PLASTIQUE ECOSIMA DBR 26
200004-102 0,082866784 0,006 0
FOURNITURES BUREAU
PORTE ETIQ ADHESIVE ECOSIMA GLS 26 201179-3 0 0,006 0
FOURNITURES BUREAU JEU ETIQ ECOSIMA 2000-000 0 1 0
FOURNITURES BUREAU ETIQUETTES BLANCHES
81000-127 0,0070464 2,5 408
FOURNITURES BUREAU TAMPON ENCREUR POUR PINCE 1
80000-222 0 1 0
FOURNITURES BUREAU PINCE A ETIQUETER K22 2978-003 0,00256 4,5 20 FOURNITURES BUREAU ETIQUETTES K22
81000-127 0,0070464 2,5 408
FOURNITURES BUREAU TAMPON ENCREUR K22 2136-027 0 0,2 0 FOURNITURES BUREAU ROULEAU IMPRIMANTE SATO 2087-043 0,0066429 19,2 168
FOURNITURES BUREAU RLX IMPRIMANTE CAISSE SANS FIL 9122-302 0,03672 19,2 40 FOURNITURES BUREAU RLX IMPRIMANTE THERMIQUE 2121-486 0,02464 11,32 36
FOURNITURES BUREAU ROULEAU IMPRIMANTE HP PANASONIC 9122-301 0,0237984 9,6 60
CADEAU /PLV GONFLEUR BALLON 9122-232 0,0113652 2 40
CADEAU /PLV TIGE BALLON X500 4640-048 0,041108125 2,98 42
CADEAU /PLV DRAPEAU VERTICAL VERT 212-034 0,00513 1 120
CADEAU /PLV DRAPEAU MCDRIVE VERT 212-037 0,00432 1 99
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
63
CADEAU /PLV BALLONS IMPRIMES 80000-
735 0,022386 2,8 108
CADEAU /PLV BAVOIR ENFANT 80000-
595 0,026752 9,4 48
CADEAU /PLV ARBRE A BALLON 9122-235 0,04465 5,3 40
CADEAU /PLV SET DE TABLE ANIV 2005 7883-609 0,004144 10 0
CADEAU /PLV KIT CONSOMMABLE ANNIV 08 88000-
930 0,0513 16,5 28
CADEAU /PLV KIT CONSOMMABLE ANNIV 09 7883-548 0 9 0
CADEAU /PLV ANNIV 10 MEMO MME 88100-035U 0 0,4 0
CADEAU /PLV ANIV 07 KIT PERMANENT DOM TOM 2 88000-
890 0 5,5 0
CADEAU /PLV CADEAU ANNIV 2012 FIGURINE MUSIC 88100-
138 0 3,9 36
CADEAU /PLV MALETTE MAQUILLAGE 88100-
046 0 1,2 40
CADEAU /PLV HAPPY CADEAUX 9700-015 0 6 30
CADEAU /PLV PDP 07 CALENDER 188-171 0 10 0
CADEAU /PLV PDP HAPPY MEMOEYGAME 2011 188-215 0 10 0
CADEAU /PLV PDP HAPPY POST CARD 3070-807 0,008415 10 40
CADEAU /PLV PDP PENCILS Q2 3753-006 0 10 0
Annexe 2:Formulaire de Commande
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
64
Bibliographie
1. C, Jan, et al. Behavioral Operations in Planning and Scheduling. s.l. : Springer Berlin
Heidelberg.
2. B.L.MacCarthy and J.R.Wilson. 2003. Human Performance in Planning and
Scheduling. New york : CRC Press, 2003.
3. Dantzig, George Bernard; Ramser et John Hubert (October 1959). Management
Science 6 (1): 80–91. doi:10.1287/mnsc.6.1.80
4. L. Bodin et B. Golden. Classification in vehicle routing and scheduling. Networks,
5. J.K. Hao, P. Galinier, and M. Habib. Métaheuristiques pour l'optimisation Combinatoire
et l'affectation sous contraintes. Revue d'Intelligence Artificielle
6. M. Gendreau et J.Y. Potvin. Metaheuristics in combinatorial optimization. Annals of
Operations Research
7. El-Ghazali Talbi. Metaheuristics : From Design to Implementation. John Wiley and
Sons, Hoboken, NJ, 2009.
8. Clarke et JW Wright. Scheduling of vehicles from a central depot to a Number of
delivery points. Operations research
9. S. Lin. Computer solutions of the traveling salesman problem. Bell System Technical
Journal
10. Marius M. Solomon. Algorithms for the vehicle routing and scheduling problems with
time window constraints. Operations Research, 35 :254_265, 1987
11. Prins.A simple and effective evolutionary algorithm for the vehicle routing
problem.Computer&Operation Research, 31(12) :1985_2002, 2004.
12. M.B. Baker and M.A. Ayechew. A genetic algorithm for the vehicle routing problem.
Computers & Operations Research, 30(5) :787 _ 800, 2003
13. E. J. Beltrami et L. D. Bodin. Networks and vehicle routing for municipal waste
collection. Networks, 4: 65-94, 1974
14. N. Christofides et J. E. Beasley. The period routing problem. Networks, 14: 237-256,
1984
15. R. A. Russell et D. Gribbin. A multiphase approach to the period routing problem.
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning de livraison de FOODIPEX
65
Networks, 21: 747-765, 1991.
16. M. L. Fisher et R. Jaikumar. A generalized assignment heuristic for vehicle routing.
Networks, 11: 109-124, 1981.
17. S. Lin et B. W. Kernighan. An effective heuristic algorithm for the traveling-salesman
problem. Operations Research, 21: 498-516, 1973
18. M. W. Carter, J. M. Farvolden, G. Laporte et J. Xu. Solving an integrated logistics
problem arising in grocery distribution. Rapport technique 95-26, Centre de recherche
sur les transports, 1995
19. J. F. Cordeau, G. Laporte, et A. Mercier. A unified tabu search heuristic for Vehicle
Routing Problems with time Windows. Journal of the Operational Research Society,
52:928-936, 2001.
20. Pirkwieser et G. R. Raidi. Boosting a variable neighborhood search for the periodic
vehicle routing problem with time Windows by ILP techniques. In Proceedings of the
8th Metaheuristic International Conference (MIC 2009), Hamburg, Germany, 2009a
Webographie
1. PREMIERS PAS en VBA : https://www.openclassrooms.com consulté le 03 avril 2016
2. Part Design : www.catia.com consulté le 10 avril 2016
3. Assembly Design : www.catia.com consulté le 15 avril 2016