PROJET DE FIN D’ÉTUDES
Présenté en vue d’obtenir le
DIPLÔME D’INGÉNIEUR D’ÉTAT
En GÉNIE INDUSTRIEL
Logistique Internationa...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel
Logistique Internationale
Optimisation de la distrib...
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,...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Projet de fin d’Etudes-Diplôme d’Ingénieur d’Etat En Génie Industriel : Logistique Internationale
Optimisation du Planning...
Rapport pfe ilyas bajda total
Rapport pfe ilyas bajda total
Prochain SlideShare
Chargement dans…5
×

Rapport pfe ilyas bajda total

125 vues

Publié le

Optimisation de la distribution à travers deux approches une interactif pratique et autre automatique a base d'une méta heuristique appelé algorithme génétique

Publié dans : Ingénierie
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
125
Sur SlideShare
0
Issues des intégrations
0
Intégrations
0
Actions
Partages
0
Téléchargements
8
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Rapport pfe ilyas bajda total

  1. 1. 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
  2. 2. 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.
  3. 3. 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
  4. 4. 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
  5. 5. 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.
  6. 6. 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
  7. 7. 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
  8. 8. 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.
  9. 9. 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
  10. 10. 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
  11. 11. 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
  12. 12. 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.
  13. 13. 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
  14. 14. 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.
  15. 15. 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
  16. 16. 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]
  17. 17. 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
  18. 18. 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]
  19. 19. 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
  20. 20. 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
  21. 21. 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).
  22. 22. 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 NombredeTransactions Evolution des transactions des Restaurants Mcdonald's
  23. 23. 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
  24. 24. 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
  25. 25. 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%
  26. 26. 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
  27. 27. 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.
  28. 28. 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 Volumeenm^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
  29. 29. 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
  30. 30. 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.
  31. 31. 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
  32. 32. 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.
  33. 33. 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
  34. 34. 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.
  35. 35. 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
  36. 36. 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
  37. 37. 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
  38. 38. 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
  39. 39. 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 11Tournée 1 1 3 6 Tournée 2 8 9 Figure 22:Construction de tournée
  40. 40. 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
  41. 41. 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
  42. 42. 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 : MERSSULTAN CALIFORNIE MRKDRIVE MEKNES FES NADOR OUJDA KENITRA RABATVILLE 2MARS AINDIAB MOHAMMEDIA SALEBOUREGRAG ZIRAOUI ANFAPLACE MOROCCOMALL MAARIF CORNICHE CASAPORT 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 AGADIRPLAGE AGADIRDRIVE AGADIRMARJANE HAYRIAD RABATAGDAL TANGERPLAGE TANGERMARJANE TANGERVILLE TETOUAN DERBSULTAN L'HERMITAGE MOHAMED5 ELJADIDA KHOURIBGA MRKGARE MRKCENTRE MRKMARJANE AinSebaa 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
  43. 43. 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
  44. 44. 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
  45. 45. 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
  46. 46. 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
  47. 47. 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
  48. 48. 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
  49. 49. 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.
  50. 50. 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
  51. 51. 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
  52. 52. 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. 53. 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
  54. 54. 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
  55. 55. 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
  56. 56. 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
  57. 57. 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
  58. 58. 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
  59. 59. 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
  60. 60. 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
  61. 61. 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
  62. 62. 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
  63. 63. 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

×