FR3078185A1 - METHOD FOR LOGISTIC CHAIN MANAGEMENT - Google Patents
METHOD FOR LOGISTIC CHAIN MANAGEMENT Download PDFInfo
- Publication number
- FR3078185A1 FR3078185A1 FR1851477A FR1851477A FR3078185A1 FR 3078185 A1 FR3078185 A1 FR 3078185A1 FR 1851477 A FR1851477 A FR 1851477A FR 1851477 A FR1851477 A FR 1851477A FR 3078185 A1 FR3078185 A1 FR 3078185A1
- Authority
- FR
- France
- Prior art keywords
- preparation
- model
- orders
- order
- application
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000002360 preparation method Methods 0.000 claims abstract description 40
- 238000002347 injection Methods 0.000 claims abstract description 5
- 239000007924 injection Substances 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 16
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 238000011282 treatment Methods 0.000 abstract description 4
- 230000008520 organization Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 5
- 239000000243 solution Substances 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000013068 supply chain management Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 235000005956 Cosmos caudatus Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- LPLLVINFLBSFRP-UHFFFAOYSA-N 2-methylamino-1-phenylpropan-1-one Chemical compound CNC(C)C(=O)C1=CC=CC=C1 LPLLVINFLBSFRP-UHFFFAOYSA-N 0.000 description 1
- 241000132539 Cosmos Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000004645 scanning capacitance microscopy Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
L'invention concerne un procédé de détermination d'un modèle numérique prédictif de l'évolution d'un processus de préparation de commandes, consistant - à calculer, pour chacune des commandes futures (Ci (Pj,t)), le moment t de passage de chacune des commandes Ci à chacun des postes Pj de préparation de commandes d'un entrepôt de logistique - puis à calculer, pour chacun des créneaux temporels ?tx et pour chacun des postes Pj, le nombre Nx de commandes Ci - à appliquer un modèle GSPN (Stochastic Petri nets) [modèle de Petri] à l'ensemble des postes Pj, chacune des commandes Ci étant représentée par un jeton numérique JNi, en fonction des hypothèses d'injection desdits jetons et du modèle représentatif des traitements réalisés pour la préparation des commandes - puis à mettre en œuvre un système de type « linear hybrid automaton (LHA) » pour déterminer les paramètres dudit modèle numérique prédictif représentatif de l'état futur de la chaine de traitement de commandes.The invention relates to a method for determining a numerical model predictive of the evolution of an order preparation process, consisting in calculating, for each of the future orders (Ci (Pj, t)), the time t of switching from each of the commands Ci to each of the order picking stations Pj of a logistics warehouse - then calculating, for each of the time slots tx and for each of the items Pj, the number Nx of commands Ci - to apply a model GSPN (Stochastic Petri nets) [Petri model] to all the positions Pj, each of the commands Ci being represented by a digital token JNi, according to the injection assumptions of said tokens and the representative model of the treatments performed for the preparation of commands - then to implement a system of type "linear hybrid automaton (LHA)" to determine the parameters of said predictive digital model representative of the future state of the chain of tr orders.
Description
PROCEDE DE GESTION DE CHAINE LOGISTIQUELOGISTICS CHAIN MANAGEMENT METHOD
Domaine de 1'inventionField of the invention
La présente invention concerne le domaine de la gestion de la chaîne logistique (en anglais supply chain management, SCM) visant à améliorer la gestion des flux physiques au sein de l'entreprise, et plus particulièrement le domaine du traitement automatique de données pour l'organisation de processus de préparation de commandes.The present invention relates to the field of supply chain management (in English supply chain management, SCM) aimed at improving the management of physical flows within the company, and more particularly the field of automatic data processing for organization of order preparation processes.
Afin d'améliorer l'organisation des centres de préparation de commandes, on a développé des solutions informatiques permettant d'analyser les flux des produits entre les stocks et les commandes prêtes à la livraison, et de fournir des informations propres à optimiser l'organisation et l'allocation des ressources techniques, matérielles et humaines.In order to improve the organization of order preparation centers, IT solutions have been developed to analyze the flow of products between stocks and orders ready for delivery, and to provide information suitable for optimizing the organization and the allocation of technical, material and human resources.
Etat de la techniqueState of the art
On connaît dans l'état de la technique le brevet américain US8015043 décrivant un procédé de prévision de la demande de main-d'œuvre mis en œuvre par ordinateur, comprenant: la prévision, l'utilisation d'un processeur informatique d'une demande d'engagements continus, lesdits engagements continus comprenant des engagements ayant un engagement de revenus et une date de fin; la prévision d'une demande d'opportunités, lesdites opportunités comprenant des engagements qui sont à différentes étapes d'un processus de vente et peuvent devenir des engagements signés au cours d'une période de prévision et entraîner une demande sur le personnel; la prévision d'une demande d'engagement de coin, lesdits engagements de coin comprenant des engagements dans la période de prévision qui ne sont ni des engagements en cours ni des opportunités à un moment de prévision; représentant un résultat de ladite prévision desdites demandes de missions en cours en tant que premier relevé de demande de main-d'œuvre, résultat de ladite prévision desdites demandes en tant que deuxième relevé de demande de main-d'œuvre, et résultat de ladite prévision Le premier énoncé de la demande de maind'œuvre décrit la demande de main-d'œuvre au niveau de 1'engagement et reflète les incertitudes contenues dans chacune des demandes d'engagement en cours, selon les demandes d'opportunités et les demandes de relevé de la demande de main-d'œuvre, le deuxième relevé de la demande de main-d'œuvre et le troisième relevé de la demande de main-d'œuvre comprennent: les statistiques sur les dates de début et de fin, comprenant la date de début et la date de fin de la mission; et les plans de dotation, les plans de dotation comprenant des renseignements sur les heures de travail requises pour chaque catégorie de compétences tout au long de la mission; et la troisième demande de main-d'œuvre pour générer une prévision globale de la demande de main-d'œuvre, ladite intégration comprenant la saisie directe de ladite première déclaration de la demande de main-d'œuvre, dudit second relevé de la demande de main-d'œuvre et dudit troisième relevé de la demande de main-d'œuvre dans un moteur de planification de capacité, ladite prévision consistant extraire des informations concernant lesdites missions en cours, y compris les niveaux réels de dotation pour différentes catégories de compétences, les recettes estimées pour la période de prévision, la date de fin estimée et la catégorie de mission; et combinant lesdites statistiques de date de début et de fin, et dans lequel ladite demande d'opportunités comprend: l'extraction d'informations concernant les opportunités de vente, y compris la probabilité estimée de gain, le revenu attendu, la date prévue de début d'engagement et la durée prévue du projet; et combinant lesdites statistiques de date de début et de fin, et dans lequel ladite prévision de ladite demande d'engagements de coin comprend: calculer une taille de revenu des engagements de coin en utilisant le revenu total prévu pour la période de prévision et les revenus attendus desdits engagements en cours et desdites opportunités ; estimer les besoins en main-d'œuvre pour les engagements de coin; estimer le nombre total d'heures de travail requises pour générer le revenu pour les engagements de coin; et combiner lesdites statistiques de date de début et de fin, et lesdits plans de recrutement.Known in the prior art American patent US8015043 describing a process for forecasting the demand for labor implemented by computer, comprising: the forecast, the use of a computer processor of a request continuous commitments, said continuous commitments comprising commitments having a revenue commitment and an end date; forecasting a demand for opportunities, said opportunities comprising commitments that are at different stages of a sales process and can become commitments signed during a forecast period and result in a demand on staff; forecasting a corner commitment request, said corner commitments comprising commitments in the forecast period which are neither current commitments nor opportunities at a forecast time; representing a result of said forecasting of said mission requests in progress as the first labor demand statement, result of said forecasting of said requests as a second labor demand statement, and result of said forecast The first statement of the labor demand describes the labor demand at the engagement level and reflects the uncertainties contained in each of the current engagement requests, according to the requests for opportunities and the requests labor demand statement, the second labor demand statement and the third labor demand statement include: start and end date statistics, including the start date and the end date of the mission; and staffing plans, staffing plans that include information on the hours of work required for each skill category throughout the assignment; and the third labor demand to generate a global forecast of the labor demand, said integration comprising the direct entry of said first declaration of the labor demand, of said second statement of the labor demand and said third labor demand statement in a capacity planning engine, said forecast consisting of extracting information regarding said missions in progress, including actual staffing levels for different categories skills, estimated revenue for the forecast period, estimated end date and mission category; and combining said start and end date statistics, and wherein said opportunity request includes: extracting information regarding sales opportunities, including estimated probability of gain, expected income, expected date of start of engagement and expected duration of the project; and combining said start and end date statistics, and wherein said forecasting of said corner commitment request comprises: calculating an income size of corner commitments using the total income forecast for the forecast period and the incomes expected from said current commitments and said opportunities; estimate the labor requirements for corner engagements; estimate the total number of hours of work required to generate income for corner jobs; and combining said start and end date statistics, and said recruitment plans.
La demande de brevet internationale WO 2010050956 décrit un autre exemple de procédé de planification de ressources d'employés qui comprend la consolidation et la définition d'une demande de ressources d'employés nécessaires pour réaliser un projet potentiel en termes d'une pluralité de tâches et d'une offre de ressources d'employés en termes d'une pluralité d'employés, chaque tâche et chaque employé ayant une pluralité d'attributs de tâches classés uniformément dans des index. Les employés faisant partie de l'offre sont mis en correspondance avec les tâches correspondantes dans la demande conformément aux attributs de tâches.International patent application WO 2010050956 describes another example of an employee resource planning method which includes consolidating and defining a demand for employee resources necessary to carry out a potential project in terms of a plurality of tasks and a supply of employee resources in terms of a plurality of employees, each task and each employee having a plurality of task attributes uniformly classified in indexes. The employees in the offer are matched to the corresponding tasks in the request according to the task attributes.
Inconvénient de l'art antérieurDisadvantage of the prior art
Les solutions de l'art antérieur sont mal adaptées au traitement de données provenant d'un système de préparation de commande comportant une pluralité de postes intermédiaires, avec des cheminements parfois complexes des articles entre le stock et le poste d'expédition des commandes.The solutions of the prior art are ill-suited to the processing of data coming from an order preparation system comprising a plurality of intermediate stations, with sometimes complex routes of the articles between the stock and the order dispatch post.
En particulier, les solutions de l'art antérieur admettent le postulat selon lequel les étapes intermédiaires sont constantes, avec des lois d'évolution linéaires, ce qui ne correspond pas à la réalité.In particular, the solutions of the prior art admit the postulate according to which the intermediate stages are constant, with linear laws of evolution, which does not correspond to reality.
Solution apportée par l'inventionSolution provided by the invention
Afin de remédier à ces inconvénients, la présente invention concerne selon son acception la plus générale un procédé de détermination d'un modèle numérique prédictif de l'évolution d'un processus de préparation de commandes, consistantIn order to remedy these drawbacks, the present invention relates in its most general sense to a method of determining a numerical model predictive of the evolution of an order preparation process, consisting of
- à calculer, pour chacune des commandes futures (CJP-^t) ), le moment t de passage de chacune des commandes C± à chacun des postes Pj de préparation de commandes d'un entrepôt de logistique puis à calculer, pour chacun des créneaux temporels Atx et pour chacun des postes Pj, le nombre Nx de commandes C± à appliquer un modèle GSPN (Stochastic Pétri nets) [modèle de Pétri] à l'ensemble des postes Pj, chacune des commandes C± étant représentée par un jeton numérique JNT, en fonction des hypothèses d'injection desdits jetons et du modèle représentatif des traitements réalisés pour la préparation des commandes puis à mettre en œuvre un système de type « hybrid automaton stochastic logic » (HASL) » pour déterminer les paramètres dudit modèle numérique prédictif représentatif de l'état futur de la chaîne de traitement de commandes.- to calculate, for each of the future orders (CJP- ^ t)), the time t of passage of each of the orders C ± to each of the stations Pj for order preparation of a logistics warehouse and then to calculate, for each of the time slots At x and for each of the stations Pj, the number N x of commands C ± to apply a GSPN (Stochastic Petri net) model [Petri model] to the set of stations Pj, each of the commands C ± being represented by a JN T digital token, according to the injection hypotheses of said tokens and the model representative of the processing carried out for the preparation of orders and then to implement a “hybrid automaton stochastic logic” (HASL) type system to determine the parameters of said predictive digital model representative of the future state of the order processing chain.
L'invention concerne également l'application du procédé susvisé caractérisé en ce qu'il commande la visualisation dynamique de l'évolution desdits jetons en fonction dudit modèle numérique prédictif.The invention also relates to the application of the abovementioned method characterized in that it controls the dynamic visualization of the evolution of said tokens as a function of said predictive digital model.
L'invention concerne également l'application du procédé susvisé caractérisé en ce qu'il détermine au moins un paramètre du processus de préparation de commande (temps de préparation total, temps de préparation moyen, intervalle de confiance du temps de préparation moyen,...)The invention also relates to the application of the abovementioned method, characterized in that it determines at least one parameter of the order preparation process (total preparation time, average preparation time, confidence interval of the average preparation time, etc. .)
L'invention concerne également l'application du procédé susvisé caractérisé en ce qu'il comporte une étape initiale d'apprentissage à partir de l'analyse de l'historique des préparations de commandes passées.The invention also relates to the application of the abovementioned method, characterized in that it comprises an initial learning step from the analysis of the history of preparations for orders placed.
L'invention concerne également l'application du procédé susvisé caractérisé en ce qu'il comporte une étape initiale de paramétrages des étapes de préparation de commandes passées.The invention also relates to the application of the abovementioned method, characterized in that it comprises an initial step of configuration of the steps of preparation of orders placed.
De préférence, cette première application comporte des étapes itératives de modification des hypothèses d'injection desdits jetons et de recalcul dudit modèle prévisionnel.Preferably, this first application includes iterative steps for modifying the injection hypotheses of said tokens and for recalculating said forecast model.
Selon une autre variante, cette première application comporte des étapes itératives de modification des paramètres des étapes de préparation de commandes et de recalcul dudit modèle prévisionnel.According to another variant, this first application includes iterative steps for modifying the parameters of the steps of preparing orders and recalculating said forecast model.
Description détaillée d'un exemple non limitatif deDetailed description of a nonlimiting example of
1'invention1'invention
La présente invention sera mieux comprise à la lecture de la description détaillée d'un exemple non limitatif de l'invention qui suit, se référant aux dessins annexés où :The present invention will be better understood on reading the detailed description of a nonlimiting example of the invention which follows, referring to the accompanying drawings in which:
- la figure 1 représente une vue schématique d'un entrepôt de préparation de commandes pour la mise en œuvre de 1'invention- Figure 1 shows a schematic view of an order preparation warehouse for the implementation of the invention
- la figure 2 représente l'architecture matérielle d'un système informatique pour la mise en œuvre de l'invention- Figure 2 shows the hardware architecture of a computer system for the implementation of the invention
- les figures 3 et 4 représentent des exemples de courbes de visualisation des données prévisionnelles.- Figures 3 and 4 show examples of visualization curves for forecast data.
Présentation schématique d'un entrepôt de préparationSchematic presentation of a preparation warehouse
La figure 1 représente un exemple d'organisation d'un entrepôt pour la préparation de commandes d'articles, à partir d'un nombre limité de références (quelques dizaines à quelques centaines, pour un nombre élevé de commandes (quelques dizaines de milliers), chaque commande regroupant quelques articles ou quelques dizaines d'articles, correspondant à quelques références, et à quelques articles par références. Les ordres de commandes (« pursue order » en anglais) arrivent au fil de l'eau avec une distribution présentant un ou plusieurs maximum et une variabilité importante.FIG. 1 represents an example of a warehouse organization for the preparation of orders for articles, from a limited number of references (a few tens to a few hundreds, for a high number of orders (a few tens of thousands) , each order bringing together a few articles or a few dozen articles, corresponding to a few references, and a few articles per reference. Order orders ("pursue order" in English) arrive on the fly with a distribution presenting one or more several maximum and significant variability.
L'expédition des commandes préparées est réalisée par lots, par exemple pour permettre le regroupement de commandes en fonction du volume utile du transporteur. Ces regroupements sont organisés en parallèle, par exemple pour le chargement de plusieurs zones ou dizaines de zones, correspondant chacune à un secteur de livraison.The prepared orders are dispatched in batches, for example to allow the grouping of orders according to the useful volume of the transporter. These groupings are organized in parallel, for example for the loading of several zones or tens of zones, each corresponding to a delivery sector.
Le problème général est l'optimisation de l'organisation de l'entrepôt et des ressources affectées pour réduire le délai entre l'arrivée des ordres de commandes et le chargement pour l'expédition des commandes préparées et regroupées, et réduire les points d'accumulation, alors même que les données prévisionnelles sont imparfaites.The general problem is the optimization of the warehouse organization and the resources allocated to reduce the time between the arrival of order orders and the loading for the shipment of prepared and grouped orders, and reduce the points of accumulation, even though the forecast data are imperfect.
A titre d'exemple, la figure 1 présente une zone de traitement des ordres de commandes et de préparation des commandes.By way of example, FIG. 1 shows an area for processing order orders and preparing orders.
Cette zone comprend un local technique constituant un poste de commande ( 1 ) avec un opérateur et un ordinateur (2) connecté au système d'information du fournisseur des articles.This zone includes a technical room constituting a control station (1) with an operator and a computer (2) connected to the information system of the supplier of the articles.
Les ordres de commandes sont reçus sur l'ordinateur (2) relié à une imprimante (3) pour l'impression, à la réception de chaque ordre de commande, d'une fiche (4) comprenant :The order orders are received on the computer (2) connected to a printer (3) for the printing, upon receipt of each order order, of a sheet (4) comprising:
Le type d'article et le nombreItem type and number
Le destinataire et l'adresse d'expédition de la commande.The recipient and the shipping address of the order.
Ces fiches (4) sont déposées dans une bannette (5) par séries de X, par exemple par séries de 100 fiches (4).These sheets (4) are placed in a banner (5) by series of X, for example by series of 100 sheets (4).
L'installation comporte par ailleurs une pluralité de postes de préparation (6 à 8) .The installation also includes a plurality of preparation stations (6 to 8).
Chaque poste de préparation (6 à 8) comporte N armoires (61 à 62 ; 71 à 73 ; 81 à 82) chargée avec un stock d'une partie des références disponibles. Ainsi, la totalité des références est répartie sur les N postes de préparation, sous forme de sous-ensembles de références, chaque poste de préparation (6 à 8 ) comportant Lp armoires de stockage intermédiaire d'une référence donnée d'article.Each preparation station (6 to 8) has N cabinets (61 to 62; 71 to 73; 81 to 82) loaded with a stock of part of the available references. Thus, all of the references are distributed over the N preparation stations, in the form of reference subsets, each preparation station (6 to 8) comprising L p intermediate storage cabinets of a given article reference.
A chaque poste de préparation de préparation ( 6 à 8) est associé un ou plusieurs postes de rechargement (16 à 18) des armoires. Optionnellement, un poste de rechargement peut être associé à plusieurs postes de préparation.Each preparation preparation station (6 to 8) is associated with one or more reloading stations (16 to 18) for the cabinets. Optionally, a recharging station can be associated with several preparation stations.
L'opérateur du poste de préparation (6 à 8) prend une fiche (4), identifie les articles le concernant, et extrait des armoires correspondants les articles visés, pour les quantités mentionnées sur la fiche (4) et les déposent dans un carton (20) associé à une fiche (4) donnée. Ce carton (20) est ensuite déplacé sur tapis convoyeur (21) jusqu'au poste de préparation suivant, puis envoyé vers un ou plusieurs poste de palettisation (30) où sont regroupées plusieurs cartons destinées à la même zone de livraison et au même transporteur.The operator of the preparation station (6 to 8) takes a sheet (4), identifies the articles concerning him, and extracts the articles concerned from the corresponding cabinets, for the quantities mentioned on the sheet (4) and places them in a carton. (20) associated with a given file (4). This carton (20) is then moved on a conveyor belt (21) to the next preparation station, then sent to one or more palletizing stations (30) where several cartons are grouped together for the same delivery area and the same transporter. .
Alternativement, chacun des cartons reçoit les références d'un seul poste de préparation (6 à 8).Alternatively, each of the boxes receives the references from a single preparation station (6 to 8).
Les palettes sont ensuite transportées par des chariots mobiles (31, 32) jusqu'à la zone de chargement dans des camions (33).The pallets are then transported by mobile carriages (31, 32) to the loading area in trucks (33).
Modélisation numérique de l'organisation de l'entrepôt et du flux de commande.Numerical modeling of warehouse organization and order flow.
Le cheminement des commandes, depuis l'ordre de commande jusqu'à la zone de chargement, est modélisé sous forme d'un graphe.The order flow, from the order to the loading area, is modeled in the form of a graph.
Ce graphe se traduit par :This graph is translated by:
des sommets correspondants aux étapes de traitement, correspondant dans l'exemple au traitement :vertices corresponding to the processing steps, corresponding in the example to the processing:
de réception au niveau du local technique constituant un poste de commande (1) de préparation (6 àof reception at the level of the technical room constituting a command station (1) of preparation (6 to
- de préparation de commande sur les postes de- order preparation on workstations
8) rechargement des postes de préparation (16 à8) reloading the preparation stations (16 to
18) l'étape de palettisation (30) de chargement chariots (31, 32).18) the palletizing step (30) for loading the carriages (31, 32).
de des camions (33) à l'aide detrucks (33) using
Les arcs reliant deux sommets transitions réelles entre deux sommets, correspondent conformément aux au formalisme usuel des réseaux de Pétri stochastiques généralisés.The arcs connecting two real transition vertices between two vertices, correspond in accordance with the usual formalism of generalized stochastic Petri nets.
Ces arcs sont équipés permettant de modéliser les lois deThese arcs are equipped to model the laws of
Ces lois de probabilités peuvent être déterminées soit à partir des données historiques, soit fixées par un d'hypothèses de de lois de probabilités transition.These probability laws can be determined either from historical data, or fixed by one of hypotheses of transition probability laws.
opérateur, simulation.operator, simulation.
données historiques, en fonction de données d'expert ouhistorical data, based on expert data or
Par ailleurs, la modélisation comprend une de commandes au estimation de la répartition (40) des ordres cours de la journée, en fonction des données historiques ou en fonction de données d'expert ou d'hypothèses de simulation.In addition, the modeling includes one of orders to estimate the distribution (40) of orders during the day, according to historical data or according to expert data or simulation hypotheses.
Traitement selon l'inventionTreatment according to the invention
On procède ensuite à une simulation par un calcul probabilistique de la propagation des ordres de commandes arrivant au fil de l'eau au poste de commande (1), pour représenter l'évolution des différents nœuds au cours de la journée, le taux d'occupation de chacun des nœuds et la durée de parcours de chacun des ordres de commande.We then proceed to a simulation by a probabilistic calculation of the propagation of order orders arriving over the water at the control station (1), to represent the evolution of the different nodes during the day, the rate of occupation of each of the nodes and the travel time for each of the control orders.
Cette simulation peut être réalisée par un outil tel que le logiciel Cosmos (nom commercial) qui est un « model checker statistique » édité par l'Ecole Normale supérieure de Cachan. Il a pour formalisme d'entrée les réseaux de Pétri stochastiques et évalue des formules de la logique quantitative HASL. Cette logique, basée sur les automates hybrides linéaires, permet de décrire des indices de performance complexes relatifs aux chemins d'exécution acceptés par l'automate. Cet outil fournit ainsi un moyen d'unifier l'évaluation de performance et la vérification dans un cadre très général.This simulation can be carried out by a tool such as the Cosmos software (trade name) which is a “statistical model checker” published by the Ecole Normale Supérieure de Cachan. Its input formalism is stochastic Petri nets and evaluates formulas of quantitative HASL logic. This logic, based on linear hybrid automata, makes it possible to describe complex performance indices relating to the execution paths accepted by the automaton. This tool thus provides a means of unifying performance evaluation and verification within a very general framework.
On procède ensuite à des itérations de cette simulation plusieurs dizaines de milliers de fois pour obtenir une convergence de l'estimation de chacun de ces résultats, et en particulier :One then proceeds to iterations of this simulation several tens of thousands of times to obtain a convergence of the estimation of each of these results, and in particular:
- le nombre moyen d'ordres de commande dans la file d'attente locale de chacun des postes de traitement, et de son évolution dans le temps- the average number of order orders in the local queue of each of the processing stations, and its evolution over time
- le temps cumulé de traitement de la totalité des ordres de commandes.- the cumulative processing time of all order orders.
Ce temps cumulé est calculé en utilisant la logique stochastique à automate hybride (HASL) appliquée au système de modélisation précité.This cumulative time is calculated using stochastic logic with a hybrid automaton (HASL) applied to the aforementioned modeling system.
Le résultat fournit par l'outil Cosmos (nom commercial) est un fichier de données décrivant l'évolution dans le temps du graphe, et notamment l'évolution temporelle du nombres d'ordres dans la file d'attente de chacun des postes. Ce calcul peut être visualisé par une courbe représentée en figure 3.The result provided by the Cosmos tool (trade name) is a data file describing the evolution over time of the graph, and in particular the temporal evolution of the number of orders in the queue for each of the stations. This calculation can be viewed by a curve shown in Figure 3.
En procédant à des itérations de ce traitement, on obtient une information sur la distribution des paramètres du réseau, et notamment du nombre d'ordre de commande en attente, du temps de traitement cumulé de l'ensemble des ordres de commandes et le temps de parcours de chaque ordre de commande.By carrying out iterations of this processing, one obtains information on the distribution of the network parameters, and in particular of the number of pending order orders, the cumulative processing time of all the order orders and the time of route of each order.
La figure 4 représente un exemple de représentation de la valeur moyenne du temps de traitement cumulé (courbe 50) et intervalles de confiance à 99% (courbe 51, 52).FIG. 4 represents an example of representation of the average value of the cumulative treatment time (curve 50) and confidence intervals at 99% (curve 51, 52).
Exploitation de ces informationsUse of this information
Ces résultats permettent de déterminer d'éventuels dépassements d'une valeur seuil de temps cumulé sur une période prédéterminée (une journée par exemple ou tranche de N heures). Dans le cas d'identification de risques de dépassement, l'exploitant peut soit modifier ses contraintes et/ou engagement vis-à-vis du donneur d'ordre, soit modifier les ressources allouées à un ou plusieurs postes, et procéder à une nouvelle simulation pour vérifier si cette modification conduit à une suppression du dépassement de la valeur seuil.These results make it possible to determine possible exceedances of a threshold value of cumulative time over a predetermined period (a day for example or a block of N hours). In the case of identification of risks of overrun, the operator can either modify its constraints and / or commitment vis-à-vis the client, or modify the resources allocated to one or more stations, and proceed to a new simulation to check whether this modification leads to the elimination of exceeding the threshold value.
Ils permettent également de redéfinir l'organisation et de procéder à une nouvelle simulation pour déterminer l'impact sur des paramètres clés.They also allow the organization to be redefined and a new simulation carried out to determine the impact on key parameters.
Ils permettent également d'organiser les débordements sur une période temporelle suivante, par exemple plus le traitement d'une partie des ordres de commande le lendemain.They also make it possible to organize overflows over a following time period, for example plus the processing of part of the order orders the next day.
L'objectif global de l'invention est d'optimiser l'organisation physique d'un entrepôt de traitement de commande afin d'anticiper des situations empêchant le respect de contraintes relatives au temps de traitement des ordres de commande dont on ne connaît que de manière approximative le flux futur et notamment de faire évoluer l'affectation des ressources futures de manière optimale, en temps quasi-réel.The overall objective of the invention is to optimize the physical organization of an order processing warehouse in order to anticipate situations preventing compliance with constraints relating to the processing time of order orders of which we only know of approximate future flow and in particular to change the allocation of future resources optimally, in near real time.
Les données historiques sont enregistrées sous forme de fichiers de logs horodatés, à partir des données fournies par chacun des postes de travail. Ces informations peuvent optionnellement comprendre les identifiants des opérateurs afin de permettre une amélioration de la pertinence des simulations par la prise en compte des opérateurs présents sur chaque poste de travail et optimiser la composition des équipes en fonction des objectifs visés.Historical data is recorded in the form of time-stamped log files, from the data provided by each of the workstations. This information can optionally include the operators' identifiers in order to improve the relevance of the simulations by taking into account the operators present on each workstation and optimize the composition of the teams according to the objectives set.
En particulier l'invention permet de réaliser des traitements sans nécessiter de moyens de collecte de données sur chacun des postes de travail. Ainsi, l'invention est applicable sur des organisations basées sur des opérateurs manuels utilisant des fiches papier, sur des postes dépourvus d'équipements de saisies d'informations et/ou de traçabilité en temps réel.In particular, the invention makes it possible to carry out treatments without requiring data collection means on each of the work stations. Thus, the invention is applicable to organizations based on manual operators using paper files, on workstations lacking equipment for entering information and / or real-time traceability.
Claims (7)
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1851477A FR3078185A1 (en) | 2018-02-21 | 2018-02-21 | METHOD FOR LOGISTIC CHAIN MANAGEMENT |
| PCT/FR2018/052014 WO2019025744A1 (en) | 2017-08-04 | 2018-08-03 | Computer system for displaying the logistical path of entities over time |
| CA3071892A CA3071892A1 (en) | 2017-08-04 | 2018-08-03 | Computer system for displaying the logistical path of entities over time |
| EP18762370.7A EP3662392A1 (en) | 2017-08-04 | 2018-08-03 | Computer system for displaying the logistical path of entities over time |
| US16/636,157 US20200204954A1 (en) | 2017-08-04 | 2018-08-03 | Computer system for displaying the logistical path of entities over time |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1851477A FR3078185A1 (en) | 2018-02-21 | 2018-02-21 | METHOD FOR LOGISTIC CHAIN MANAGEMENT |
| FR1851477 | 2018-02-21 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3078185A1 true FR3078185A1 (en) | 2019-08-23 |
Family
ID=62948193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1851477A Pending FR3078185A1 (en) | 2017-08-04 | 2018-02-21 | METHOD FOR LOGISTIC CHAIN MANAGEMENT |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3078185A1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030225563A1 (en) * | 2002-05-30 | 2003-12-04 | Gonos Dan G. | Capacity planning |
| WO2010050956A1 (en) * | 2008-10-30 | 2010-05-06 | Hewlett-Packard Development Company, L.P. | Supply and demand consolidation in employee resouces planning |
| US8015043B2 (en) * | 2007-01-31 | 2011-09-06 | International Business Machines Corporation | Method and apparatus for workforce demand forecasting |
| EP2549417A1 (en) * | 2011-07-22 | 2013-01-23 | Accenture Global Services Limited | Business outcome tradeoff simulator |
-
2018
- 2018-02-21 FR FR1851477A patent/FR3078185A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030225563A1 (en) * | 2002-05-30 | 2003-12-04 | Gonos Dan G. | Capacity planning |
| US8015043B2 (en) * | 2007-01-31 | 2011-09-06 | International Business Machines Corporation | Method and apparatus for workforce demand forecasting |
| WO2010050956A1 (en) * | 2008-10-30 | 2010-05-06 | Hewlett-Packard Development Company, L.P. | Supply and demand consolidation in employee resouces planning |
| EP2549417A1 (en) * | 2011-07-22 | 2013-01-23 | Accenture Global Services Limited | Business outcome tradeoff simulator |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mehmann et al. | Crowd logistics− a literature review and maturity model | |
| US11488081B2 (en) | Systems and methods for optimizing automated modelling of resource allocation | |
| US9798775B2 (en) | Database statistical histogram forecasting | |
| WO2021041061A1 (en) | System and method for recruitment candidate equity modeling | |
| Gautam et al. | Agility capabilities in wood procurement systems: a literature synthesis | |
| Safari | An effective practical approach for business process modeling and simulation in service industries | |
| Bruzzone et al. | An application methodology for logistics and transportation scenarios analysis and comparison within the retail supply chain | |
| Niedermann et al. | Deep business optimization: A platform for automated process optimization | |
| Aláč | Decision making and its importance in production planning within the woodprocessing company, respectively in the whole supply chain | |
| FR3078185A1 (en) | METHOD FOR LOGISTIC CHAIN MANAGEMENT | |
| US20050015294A1 (en) | Method and system for modeling and simulating an automobile service facility | |
| CN115169658A (en) | Inventory consumption prediction method, system and storage medium based on NPL and knowledge graph | |
| CN108399212A (en) | The time series data processing of internet-of-things terminal and neural network trend forecasting method | |
| Kang et al. | Discrete event simulation to reduce the effect of uncertainties on project planning | |
| Schoech et al. | Optimising plant layout decisions based on emulation models–technical framework and practical insights | |
| Aguilar et al. | Cost management in the digital era | |
| Ezeonwumelu et al. | Development of swim lane workflow process map for sales and inventory workflow management information system: A case study of petrospan integrated services, Eket, Akwa Ibom State, Nigeria | |
| Gillain et al. | Planning optimal agile releases via requirements optimization | |
| Mohammadnazari et al. | Redesigning business processes: a method based on simulation and process mining techniques | |
| Lahmidani et al. | Improving supply chain management information systems in public administration using a new theory | |
| Goodwin et al. | Improving a production flow using Value Stream Mapping and Discrete Event Simulation | |
| Chaudhary | to a Telecom Model | |
| Aguilar-Cevallos et al. | Reducing Customer Complaints in Air Conditioning Installation Services through Lean and MRP Tools: A Case Study | |
| Bouganim et al. | Using Deep Learning to Predict Back Orders: A study in the Volvo Group Aftermarket Supply Chain | |
| Bradul et al. | Budgeting development under conditions of digital economy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20190823 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |
|
| PLFP | Fee payment |
Year of fee payment: 7 |