LOGISTIQUE, DISTRIBUTION
& supply chain

Simplifiez votre logistique grâce à la Data Science et la Recherche Opérationnelle !

Forte de son expertise en Data Science, Probayes présente la particularité de pouvoir intégrer une analyse prédictive des systèmes aux processus d’optimisation des chaînes logistiques.

Il est en effet possible de coupler la Recherche Opérationnelle à la prévision afin de mettre en œuvre des stratégies de gestion robustes.

Les domaines d’application sont nombreux et très variés et présentent un éventail large de problématiques. 

Cette approche répond aux principaux enjeux métiers de la logistique et de la distribution :

Des outils algorithmiques adaptés à la prévision

Probayes vous propose une approche basée sur la prévision afin de pouvoir déterminer l’allocation de ressources disponibles et éventuellement l’utilisation de ressources externes.

Le but des algorithmes de prévision est de fournir une estimation fiable en intégrant les informations disponibles au moment de la prise de décision et en extrayant du passé les motifs régulièrement observés.

Les séries temporelles

Probayes poursuit un travail de recherche et développement sur des sujets tels que la prévision de comptages (nombre de containers à fournir, nombre de colis à distribuer, etc.) afin de développer des algorithmes mieux adaptés à ce type de problèmes.

Des outils algorithmiques adaptés à la Recherche Opérationnelle

L’objectif de la Recherche Opérationnelle est de prendre la meilleure décision possible parmi un nombre potentiellement important d’alternatives.

L’équipe de Recherche Opérationnelle de Probayes dispose des expertises indispensables pour vous accompagner tout au long du processus de construction d’un outil d’aide à la décision, de l’expression de la problématique jusqu’à la mise en œuvre opérationnelle d’une solution optimisée :

Les techniques de mathématiques appliquées

Permettant de modéliser les systèmes logistiques et de résoudre des problèmes de combinatoire et d’optimisation (Théorie des graphes, Programmation Linéaire, Programmation Par Contraintes, Programmation dynamique, Math/Méta/Heuristiques…).

La programmation informatique

Permettant de résoudre les problèmes de taille réelle en un temps raisonnable et avec une utilisation des ressources machine limitée (C++, Python) et d’intégrer le programme de résolution dans l’environnement informatique existant en mettant en place les passerelles nécessaires.

Une collaboration étroite

avec  les équipes métiers du client

Pour embarquer la forte complexité du secteur de la logistique et distribution et la multitude de sources de données, les équipes Probayes mettent en place une collaboration étroite avec les équipes métiers du client. La transparence est le maître-mot de cette collaboration, permettant ainsi aux équipes de progresser ensemble lors des développements du projet. 

L’équipe métier client va pouvoir mieux comprendre la méthodologie de mise en place de l’I.A. dans le contexte logistique et distribution, tandis que l’équipe Probayes va affiner sa compréhension des enjeux et contraintes spécifiques au domaine du client. Cette collaboration permet de nouer des partenariats sur le long terme.

Quelques exemples de réalisations :

Optimnet

Optimnet est un outil d’aide à la décision sur mesure, qui s’adapte à vos besoins pour optimiser votre réseau logistique.

Chaine logistique

Optimisation d'une chaîne logistique

Création d’un outil permettant de modifier les données d’entrés et d’obtenir très rapidement, la résolution et la visualisation des résultats.

Optimisation de la consommation d'un moteur

Définition des stratégies optimales de gestion du moteur hybride en fonction d’un parcours routier

Projet Optimnet

Exemple de réalisation

Pour répondre à la forte croissance de son activité de distribution de colis, La Poste a besoin de faire évoluer son réseau d’acheminement, qui est un éco-système complexe, de grande taille et constitué de nombreuses lignes de transport nationales et régionales. Probayes accompagne cette transformation en développant un outil d’aide à la décision permettant de tester des scénarii et d’explorer de nouvelles pistes d’amélioration du réseau.

Problématique

La problématique peut être scindée en 3 étapes clés : 

  • modéliser le futur réseau d’acheminement des colis
  • optimiser la solution de transport en définissant, pour chaque colis transitant dans le réseau, son chemin d’acheminement (sites visités, routes empruntées), les opérations logistiques effectuées (tri, cabotage…), les types de véhicules utilisés et le délai de livraison
  • permettre le lancement de simulations régulières pour le test de nouveaux scénarii, basés sur des prédictions de volume, des caractéristiques logistiques (sites, liaisons…) et des hypothèses économiques

Mise en oeuvre / Expertises mobilisées

L’équipe de Recherche Opérationnelle de Probayes est intervenue sur les 3 étapes définies dans la problématique :

  • modélisation du réseau de distribution de colis par un modèle mathématique linéaire adapté aux spécificités de La Poste et intégrant les différentes pistes d’amélioration du réseau définies avec les équipes impliquées. En fonction du nombre de sites et des stratégies d’acheminement considérés, les modèles peuvent être composés de plus d’1 million de variables et de plus de 20 000 contraintes
  • implémentation d’un programme en C++ pour la construction de Programmes Linéaires Mixtes, résolus à l’aide d’un solveur commercial et la reconstruction des solutions
  • développement d’un simulateur permettant de paramétrer et lancer des simulations, de visualiser les solutions optimisées et de comparer les résultats sur la base de différents indicateurs. L’IHM a été développée en Python et est mise à disposition via un site web

Résultats

Des solutions optimisées, à moins de 5% de l’optimal, sont obtenues en moins de 10 minutes et sont associées à des gains moyens de 5 à 20% par jour sur le transport au niveau national. Les premiers tests de scénarii ont de plus fait ressortir plusieurs axes d’amélioration du réseau prometteurs. Le simulateur est actuellement mis à la disposition des équipes transport Colissimo de La Poste pour tests. 

Un projet de recherche est de plus mené en parallèle avec le laboratoire G-SCOP, dans le cadre d’une thèse CIFRE, pour améliorer les méthodes de résolution et fournir des solutions de plus en plus performantes en un temps limité et intégrant un plus grand nombre de possibilités.

« Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce eu lacus diam. Cras congue, neque ac mattis efficitur, nibh ipsum fringilla nunc, sed iaculis neque odio non orci. Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia Curae; Praesent lacinia, urna quis rhoncus lobortis, urna neque tempus tellus, quis auctor justo lectus vitae libero. Nulla non porta odio. Donec diam est, varius id ullamcorper a, efficitur nec libero »

Prénom Nom

Fonction – Entreprise

Découvrez nos webinaires :

Entreprot logistique

Intelligence Artificielle, un atout pour la logistique

La logistique et la livraison de marchandises se font de plus en plus exigeantes. 

Les acteurs de la logistique dépendent des réseaux physiques, mais également des réseaux numériques. Ils doivent à présent, fonctionner dans un contexte liant des volumes élevés, des marges faibles et des délais rigoureux.

La nature en réseau du secteur de la logistique permet la mise en place naturelle, de l’Intelligence Artificielle. Aujourd’hui de nombreuses entreprises ont déjà franchi le pas.

Ils nous font confiance*

* Pour des raisons de confidentialité, les noms de certains de nos clients ne sont pas cités