Algorithme d'optimisation pour minimiser la consommation d'énergie dans un entrepôt automatisé

 Savoye est une entreprise qui propose des solutions matérielles et logicielles pour équiper les entrepôts et, de manière générale, les processus logistiques. Grâce à son élargissement aux marchés américain et asiatique, elle est aujourd'hui en forte croissance.
Le projet FLOWER, coordonné par Savoye, implique les laboratoires LISPEN (ENSAM Lille) et DISP (INSA Lyon) dans l’objectif d’intégrer les critères de coût énergétique dans la conception et la gestion algorithmique des plateformes logistiques pour parvenir à une réduction significative des émissions de CO2. Les plateformes logistiques modernes sont organisées autour du concept « GTP »(Goods-To-Person). Dans cette organisation, la préparation des commandes au détail est réalisée par un opérateur dans un poste dédié, alimenté en permanence par des bacs de stock pour prélever les références, et des cartons de commandes à constituer. L’organisation des rendez-vous entre les casiers et les cartons de commande, au bon moment, dans le bon ordre, et sans jamais débrayer la station GTP, est assurée par des systèmes de stockage/déstockage (ASRS, Automated Storage and Retrieval Systems) à haut débit et supportée par des algorithmes de gestion propriétaires brevetés. La conception actuelle des ASRS et le test de leurs algorithmes de gestion s’appuient sur des simulateurs commerciaux, utilisés pour optimiser les règles de gestion afin de maximiser la productivité. Ansi, les ASRS sont dimensionnés pour supporter un flux de commandes en périodes de pointe, mais ne peuvent ni s’adapter à la variation à la baisse d’un carnet de commandes ni prendre en compte l’impact environnemental des opérations. La crise climatique rend impératif de prendre en compte le coût de l’énergie, pour parvenir à une gestion durable en temps réel de l’ASRS. Cet avis est partagé par un nombre croissant de clients de Savoye, qui commencent à intégrer le coût énergétique des systèmes ASRS dans leurs critères de décision lors des appels à projets. L’objectif de la thèse est donc de formuler des algorithmes capables d’assurer la préparation des commandes tout en réduisant la consommation énergétique des ASRS. Dans ce contexte, le doctorant travaillera avec le service R&D, rattaché à la direction générale du groupe et spécialisé dans l’IA, la recherche opérationnelle et l’optimisation mathématique. Deux approches sont envisagés pour répondre à l'objectif. La première consiste à réduire la vitesse des équipements en mouvement, la seconde consiste à réduire la distance qu’ils parcourent. Nous étudierons d’abord les algorithmes qui influent sur la vitesse afin de réaliser des réductions d’énergie significatives tout en gardant inchangés la plupart des algorithmes de décision. Nous étudierons ensuite des algorithmes agissant sur les distances, pour répondre aux problèmes décisionnels suivants :
Si un article requis par une station de prélèvement est présent à plusieurs endroits dans l’ASRS, à partir de quel emplacement doit-on appeler son bac pour minimiser la consommation d’énergie globale du système ?
Un problème d’attribution d’emplacement de stockage (SLAP, Storage Location Assignement Problem) : dans quel emplacement physique le bac doit-il être restocké après l’opération de prélèvement ?
Cette dernière question consiste non seulement à chercher la meilleure façon d’organiser le stock ASRS pour plus de 100 000 références afin de réduire la consommation d’énergie, mais également à examiner l’impact de cette mission de stockage lorsque les systèmes reviennent à des performances maximales. Une attention particulière sera portée à l’applicabilité des algorithmes développés sur des instances de taille réelle.