Where PhDs and companies meet
Menu
Login

Already registered?

New user?

Conception d’un algorithme d’optimisation performant de placements de produits dans un entrepôt de stockage

ABG-100688 Master internship 4 months environ 570€
2021-10-19
Logo de
Laboratoire Angevin de Recherche en Ingénierie des Systèmes
Angers Pays de la Loire France
  • Computer science
  • Mathematics
  • Digital
Recherche opérationnelle, Optimisation, Théorie des files d'attente
2021-12-15

Employer organisation

Le Laboratoire Angevin de Recherche en Ingénierie des Systèmes est une équipe d'accueil EA7315 de l'Université d'Angers, composée de 3 équipes interconnectées :

  • Systèmes Dynamiques et Optimisation (SDO)
  • Information, Signal, Image et Sciences du Vivant (ISISV)
  • Sûreté de Fonctionnement et aide à la Décision (SFD)

Description

Objectif du stage

L’objectif du stage est de concevoir un algorithme d’optimisation performant pour le placement de produits dans un entrepôt de stockage automatisé. Cet algorithme sera intégré dans un prototype plus global intégrant des modèles de prévisions de demandes afin de proposer une preuve de concept.

 

Problématique

À l’heure de l’industrie 4.0, les gestionnaires d’entrepôts ont accès, en quasi temps réel, à des données détaillées issues de leurs centres logistiques. Ces données permettent de suivre automatiquement pour chaque produit :

  • l’état des stocks;
  • l’emplacement exact des produits dans l’entrepôt;
  • l’état des emplacements de stockage.

Les gestionnaires d’entrepôts peuvent aussi extraire des commandes les modèles de demande des clients. Parallèlement, la mondialisation et la complexité croissante des chaînes d’approvisionnement, l’accélération des délais d’exécution et la réduction du cycle de vie des produits entraînent une modification constante des niveaux de stock des entrepôts et des modèles des demandes des clients.

L’un des principaux facteurs de coût pour les gestionnaires d’entrepôts est le processus de préparation des commandes, qui peut représenter plus de la moitié des dépenses d’exploitation d’un centre de distribution.

La performance de la préparation des commandes est à son tour influencée par la politique d’affectation des produits dans les stocks, qui détermine souvent le temps de préparation d’une commande. En effet, si un produit très souvent commandé est placé trop loin des postes de préparation, le temps pour aller chercher ce produit aura une grande répercussion sur le temps de préparation de la commande.

 

Principales missions du stage

L'optimisation des performances des préparations de commande dans les entrepôts automatisés passe par une affection judicieuse des produits aux emplacements de stockage. Ce problème d'affectation des positions de stockage pour les produits (nommé Storage Location Assignment Problem dans la littérature), est généralement abordé par les méthodes relevant de la recherche opérationnelle [2].  En considérant les problématiques métiers de l’entreprise, les missions du stage seront les suivantes :

  • faire un état de l’art des méthodes de résolution de la littérature des problèmes de SLAP;
  • développer une méthode approchée pour résoudre le problème (heuristique, méta-heuristique);
  • étudier la performance de l’algorithme en se basant sur les méthodes analytiques de la théorie des files d’attente [3].

Références


    [1] Paul Courtin, Axel Grimault, Mehdi Lhommeau, Jean-Baptiste Fasquel. "Problème d'affectation dynamique des emplacements de stockage chez Knapp : vers de l'apprentissage automatique ?". *Plate-Forme Intelligence Artificielle*, Jun 2020, Angers, France
    [2] J. Reyes, E. Solano-Charris, and J. Montoya-Torres. "The storage location assignment problem:A literature review".*International  Journal  of  Industrial  Engineering  Computations*, 10:199–224,2019
    [3] Michael Eder (2019) An analytical approach for a performance calculation of shuttle-based storage and retrieval systems, Production & Manufacturing Research, 7:1, 255-270

Profile

Compétences et qualités requises :

  • esprit d’équipe, d’ouverture et d’initiative
  • curiosité scientifique, rigueur
  • maîtrise des techniques de la recherche opérationnelle : modélisation, programmation mathématique, algorithmes de résolution
  • théorie des files d’attente (bases)
  • programmation en langage Python
  • maîtrise des librairies de traitement de données (Numpy, SkLearn, OpenCV, Pandas, …)

Starting date

2022-03-01
Partager via
Apply
Close

Vous avez déjà un compte ?

Nouvel utilisateur ?