com suivi 10 janvier 2012

E. Ballot, B. Montreuil & R. GlardonParis 10 janvier 2012

RÉUNION DE SUIVISIMULATION DE

L’INTERNET PHYSIQUE

jeudi 19 janvier 12

1. Contexte du projet

2. Rappel des objectifs du projet

3. Avancement

4. Méthodologie

5. Résultats

6. Poursuite des travaux2

AGENDA

Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012

E. Ballot - Mines PT, B. Montreuil - U. Laval & R. Glardon - EPFL

jeudi 19 janvier 12

1. CONTEXTE

Evolution transport terrestre de marchandise en France3 Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

1. CONTEXTE

« Internet Physique est un système logistique global tirant profit de l'interconnexion des réseaux d'approvisionnement par un ensemble standardisé de protocoles de collaboration,

de conteneurs modulaires et d'interfaces intelligentes pour une efficience et une durabilité accrues. »

Traduit de la définition de l'Internet Physique : Benoit Montreuil, Eric Ballot, and Russel D. Meller 2011

4 Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

4

INITIATIVE DE L’INTERNET PHYSIQUE


jeudi 19 janvier 12

• Objectifs du modèle

• Concevoir, expérimenter et analyser des éléments clés de ∏: conteneurs, algo. routage, information nécessaire, fonctionnement des hubs…

• Démontrer et expliciter les gains de l’Internet Physique sur des flux réels (Eco, Env. & Soc.)

• Plateforme expérimentale : tailles conteneurs, stream planning, etc.

6

2. RAPPEL DES OBJECTIFS



jeudi 19 janvier 12

• Objectifs du modèle

• Combien de ruptures de charge par conteneur ?

• Quelle réduction des émissions ?

• Quel impact sur les délais et leur respect ?

• Quel taux d’utilisation pour les moyens de transport ?

• Quel impact sur les stocks ?

• Y a-t-il des tailles de conteneurs préférentielles ?

• Nombre de pauses de nuit ?

• … 7

EXEMPLES DE QUESTIONS



jeudi 19 janvier 12

8

3. AVANCEMENTSimulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012

Jan.2011

Fév. Mar. Avr. Mai Juin Jui. Aou. Sep. Oct. Nov. Déc. Jan.2012

2.1 Spécification modèle National

1. Conception, validation du concept et organisation du projet

3.1 Conception, optimisation réseau niveau national

3.2 Conception réseauniveau régional

4.1 Algorithme de routage

5.1 Simulation modèle National

5.2 Validation

5.3Extrapolation

2.2 Spécification modèle régional

6.1 Simulation modèle régional

6.2 Validation

6.3 Extrapolation

6.4 Bilan (éco,env…)

4.2 Robustesse du routage

7. Rapport final et valorisation

5.4 Bilan (éco, env…)

Fév. Mar. Avr. Mai Juin


jeudi 19 janvier 12

Flux et loc. G. distribution Access/Mathematica MPT/UL ✓

Base infrastructure IGN MPT ✓

Réseau ∏ Java EPFL ✓

Modèle de simulation AnyLogic MPT/UL EC

Scénarios et variables Excel Tous EC

Visualisation Mathematica MPT ✓ AF = à faire, EC = en cours, Val = à valider

9

MOYENS MIS EN ŒUVREDONNÉES ET OUTILS



jeudi 19 janvier 12

• Simulation du transport d’une base de flux réels (référence)

• Validation modèle

• Simulation de scénarios d'implantation de l’Internet Physique

• Comparaison / modèle de référence

10

4. MÉTHODOLOGIE



jeudi 19 janvier 12

1. Architecture des modèles

2. Données: • de flux : issues de bases de données de la grande

distribution• géographiques : bases IGN (route et voie ferroviaire)

3. Algorithmes • Conception du réseau• Simulation du routage et des chargements

11

4. MÉTHODOLOGIE



jeudi 19 janvier 12

• Pas de gestion d’une flotte de camion (pas de positionnement à vide ou de # limité)

• Pas d’impact du trafic sur les temps de parcours

• Pas d’impact du modèle π sur la demande (le service ne change pas la consommation)

• Pas de re routage entre deux nœuds

12

HYPOTHÈSES



jeudi 19 janvier 12

Base de donnéesflux

Base de donnéesinfra

Détermination du réseau

Principe de conception

Calcul des besoins RoutageDemande

conteneurs

Réseau

Résultats

Trajets

Gestionnaire de scénarios

13

ARCHITECTURE DES MODÈLESSimulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

• Flux industriels depuis usinesvers entrepôts indus. ou centres de distribution (régional ou national)

• 3 familles de produits : Ep. DPH & Liq.

• 2 enseignes, top 100 fournisseurs

• 303 usines, 57 WH, 58 DC et +1000 pts de vente (IdF et Rhône-Alpe)

• 12 semaines (84 jours)

• +2 500 000 palettes

14

4.1 LES FLUX SIMULÉS

Flow characteristic

Plant to DC

Plant to warehouse

Warehouse to DC

Links 2 738 251 1 461

Mean dist. (km) 511 444 441

Orders 56 710 22 730 37 604

Mean order size (Pallet) 19,77 32,30 19,20

ton

991 323 443 540 435 149

t.km

474 459 658 165 930 963 163 419 052



jeudi 19 janvier 12

PlantEntryWHDCCity

15

LES SITES DE LA BASE DES FLUXSimulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

PlantEntryWHDCCity

16

EXEMPLE DE FLUX Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

PlantEntryWHDCCity

17

LES FLUX RETENUS16193 (o,d,f,sf) * 12 sem



jeudi 19 janvier 12

• Conversion et transfert des données• Access, Mathematica, WebMapper

• Choix et achat du logiciel AnyLogic

• Licence base de données : IGN

18

4.2 MODÈLE GÉOGRAPHIQUE



jeudi 19 janvier 12

19

BASE DE DONNÉES IGN® 120Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

20



jeudi 19 janvier 12

21



jeudi 19 janvier 12

4.3.1 OPTIMISATION RÉSEAU ∏

• Problématique : trouver le «meilleur» réseau

• a. Définir un réseau entre les usines et les centres de distribution

• b. Définir un réseau entre des centres de distribution et des points de vente



jeudi 19 janvier 12

CONCEPTION DE RÉSEAUX

• Réseau optimal si coût directement proportionnel

• Réseau optimal si fonction de coût concave !

T.km

€U1

U2

d1

T.km

€U1

U2

d1



jeudi 19 janvier 12

CONCEPTION DE RÉSEAUX

load physical flows

load map

initialize the starting hubs’set

!do{

!!create and launch simulation

!!try to improve hubs’set

!} while hubs’set changed

display report

init simulation log

!do{

!!init or update routing

!!update log with flows mapped on optimal paths

!!evaluate objective function

!}while routing isn’t stable

for each hub

!!if it isn’t satisfied the required condition

!!!remove/merge hub

!!else

!!!optimize the hub position

!!!if it isn’t satisfied the required condition

!!!!create/split hub



jeudi 19 janvier 12

CONCEPTION DE RÉSEAUXExemples de résultats

Vue transport Vue flux25 Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

4.3.2 ROUTAGE DANS ∏

• Problématique : effectuer le «meilleur» trajet dans le réseau π

• a. Définir le meilleur chemin

• Algo: + court chemin

• b. Définir le meilleur chargement pour chaque départ

• Algo: sacs à dos.26 Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

«MEILLEUR» CHEMIN

• Principe du routage:• Etat de lien (idem OSPF) : + de mémoire mais + critères

• Objectif: meilleur chemin- saturation des moyens de transport- (non saturation des hubs)

• Trois critères à composer (individuel) • Valorisation des segments : coût, CO2 et délai

• Algorithme A* avec fonction estimation nulle <=> Dijkstra



jeudi 19 janvier 12

MEILLEUR DÉPART

€

max xij pi

j

i=1

n

∑j=1

k

∑

xij loading of container i in means j with priority pi

j

wi container i weight and W means weight capacity li container i lenght and L means lenght capacity

xijwi ≤W , ∀j∈ 1,…,k{ }

i=1

n

∑

xij li ≤ L, ∀j∈ 1,…,k{ }

i=1

n

∑

xij ≤1, ∀i∈ 1,…,n{ }

j=1

k

∑

Fonctionnement hub Départ = multi sacs à dos



jeudi 19 janvier 12

1. Scénarios

2. Indicateurs de performance

3. Exemples de résultats

4. Conclusion

29

5. RÉSULTATS



jeudi 19 janvier 12

Item/Scénario Ref Sc1 Sc2 Sc3 Sc4 Sc5 Sc6Réseau de transport Dédié π π π π π πRéseau d'approvisionnementP = usine, W= warehouse, D=Distrib. Center

PWD& PD

PWD& PD

PWD& PD

P π DPWD& PD

PWD& PD

P π D

Camion (offre illimitée mais capa. finie) ✓ ✓ ✓ ✓ ✓ ✓ ✓Conteneurs 2.4x2.4x{1.2,2.4,3.6,4.8,6,12} ✓ ✓ ✓ ✓ ✓ ✓Train (offre limitée, fonct. cadencé) ✓ ✓ ✓ ✓ ✓Routage S = static, D= Dyn. Path/Load Ø S/D S/D S/D D/D D/D D/D

Capacité des routeurs ✓ ✓ ✓Sous-conteneurs {0.4x0.6x1.2} ✓ ✓Besoins des DC changés (demand stream) ✓

Scénarios de simulation



jeudi 19 janvier 12

INDICATEURS DE PERFORMANCE



jeudi 19 janvier 12

No. Indicateur Unité Somme Moy Maxi Mini1.1 Coût'transport € 93'100'502'€

1.1.1 Coût'transport'route € 93'100'502'€

1.1.2 Coût'transport'rail € 0'€

1.2 Coût'de'Stockage'(à'redéfinir) € 0'€

2.a.1 Jours'de'stock'(réservaCon'place) Pal Jour' E

1,2 Jour' E

2,4 Jour' E

3,6 Jour' E

4,8 Jour' E

6 Jour' E

12 Jour' E

T7 Jour' E

T8 Jour' E

T9 Jour' E

T10 Jour' E

T11 Jour' E

T12 Jour' E

2.a.2 Nombre'd'entrées'pour'stock'par'type'conteneur Pal # 734'141

1,2 # 479

2,4 # 552

3,6 # 487

4,8 # 615

6 # 853

12 # 20'867

T7 # 0

T8 # 0

T9 # 0

T10 # 0

T11 # 0

T12 # 0

2.a.3 Nombre'de'sorCes'pour'stock'par'type'conteneur Pal # 726'713

1,2 # 3'008

2,4 # 2'207

3,6 # 2'456

4,8 # 2'012

6 # 2'144

12 # 19'247

T7 # 0

T8 # 0

T9 # 0

T10 # 0

T11 # 0

T12 # 0

2.b Nombre'de'manutenCon'par'type'conteneur Pal # 0

1,2 # 25'855

2,4 # 22'628

3,6 # 18'890

4,8 # 14'421

6 # 14'390

12 # 164'028

T7 # 0

T8 # 0

T9 # 0

T10 # 0

T11 # 0

T12 # 0

2.c Numbre'de'composiCon'/'décomposiCon''par'type'conteneur Pal # 0

1,2 # 0

2,4 # 0

3,6 # 0

4,8 # 0

6 # 0

12 # 0

T7 # 0

T8 # 0

T9 # 0

T10 # 0

T11 # 0

T12 # 0

2.d Nombre'de'camion'en'transit # 2'363

3 Energie'consommée'(1'liTre'de'diesel=10,89'kWh) kWh 191'029'720

3.1 Energie'consommée'en'route L 17'541'756

3.2 Energie'consommée'en'rail kWh 0

4 Emissions'CO2 kg'CO2 45'599'602

4.1 Emissions'CO2'en'route kg'CO2 45'599'602

4.2 Emissions'CO2'en'rail kg'CO2 0

5 Nombre'de'hubs'acCfs # 47

6 Nombre'de'segment'(moy'par'conteneur) # 383'316 3,25 8 2

7.1 Kilomètres'parcourus'en'route km 44'814'528

7.2 Kilomètres'parcourus'en'rail km 0

8.1 Nombre'de'pause'(45mins) # 642

8.2 Nombre'de'nuité'(si'temps'de'conduit'>9h,'donc'1'nuit=14h15min) # 0

9 Transport t.km 846'368'201

9.1 Tranport'en'route t.km 846'368'201

9.2 Transport'en'rail t.km 0

10 Part'de'report'modal % 0,00%

11 Lead'Cme'(moy'par'orderline'de'PlantEWH'ou'PlantEDC'ou'WHEDC) H E 8,90 45,75 0,75

12.1 Taux'de'chargement'de'camion'global Poids % E 76% 100% <1%

Volum % E 58% 100% <1%

12.1.a Taux'de'remplissage'de'conteneur'en'camion Poids % E E E E

Volum % E 72% 100% <1%

12.1.b Taux'de'remplissage'de'camion'(par'contenur) Poids % E 76% 100% <1%

Volum % E 79% 100% 9%

12.2 Taux'de'chargement'de'train'global Poids % E E E E

Volum % E E E E

12.2.a Taux'de'remplissage'de'conteneur'en'train Poids % E E E E

Volum % E E E E

12.2.b Taux'de'remplissage'de'train'(par'contenur) Poids % E E E E

Volum % E E E E

13 Temps'd'aTent'dans'les'hubs H 435'212 1,70 4,48 0

14 Coût'de'pénalisaCon'de'retard € à'calculer

15 Taux'de'conteneurs'sans'retard'(arrivés'en'48H) % 100,00%

16.1 Nombre'de'trajets'en'camion # 319'579

16.2 Nombre'de'trajets'en'train # 0

17 Somme'de'poids'transporté t 6'011'889

17.1 Somme'de'poids'transporté'par'route t 6'011'889

17.2 Somme'de'poids'transporté'par'rail t 0

18 Somme'de'volume'transporté m3 14'332'537

18.1 Somme'de'volume'transporté'par'route m3 14'332'537

18.2 Somme'de'volume'transporté'par'rail m3 0

19 Link'(OrigineEDesCnaCon) # 1'656

19.1 Link'de'route # 1'656

19.2 Link'de'rail # 0

20 Conteneur'par'Type Pal # 0

1,2 # 11'572

2,4 # 9'569

3,6 # 8'215

4,8 # 6'333

6 # 6'337

12 # 75'786

T7 # 0

T8 # 0

T9 # 0

T10 # 0

T11 # 0

T12 # 0

RÉSULTATS

SIMULATION↓

ÉVÈNEMENTS (DB)↓

INDICATEURS→↓

VISUALISATION32 Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


jeudi 19 janvier 12

TABLEAU DE BORD

Out[49]=

Benchmark

Scenario 0.

GasOil PriceêliterTrain costêkm

Container Handling

Trailer Swap Cost

€ Simulation:FMCG France case study

Mines ParisTechUniversité LavalEPFL

Dec. 8, 2011

81.976m'

0.

80.223m'

1.1.T

79.294m'

1.1.C

89.279m'

1.2.C

72.104m'

2.1.E

70.356m'

2.1.C

72.739m'

2.1.T

61.527m'

3.1.E

61.482m'

3.1.C

20

40

60

80

m. 'Scenario costs

GasOil Truck others Train Cont. handlingTrailer swap Pal. InêOut stock Cont. InêOut stock Cont. rental

Container Trips

0.

1.2 2.4 3.6 4.8 6 12 1.1.T1.1.C

1.2.C2.1.E2.1.C

2.1.T3.1.E3.1.C 0

50000

100000

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

200

400

600

800

t.km

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

10000

20000

30000

40000

50000

CO2 emmissions

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

10

20

30

40

50

60

70

%Weight Load

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

2

4

6

8

10

12Mean LeadTime

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

0.5

1.0

1.5

2.0

2.5

3.0Mean Hub Number used

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

10

20

30

40

50

% Volume Used



jeudi 19 janvier 12

CONTENEURS&

SCÉNARIO# = Sc.Cont_Set.Critère

Sc = scénario

Cont_set 1=2.4x2.4x{1.2,2.4,3.6,4.8,6,12}2=2.4x2.4x{1.2}

Critères•E=Env. = CO2

•C=Coût•T=Temps



jeudi 19 janvier 12

CO2

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

10000

20000

30000

40000

50000

CO2 emmissions



jeudi 19 janvier 12

# HUB / CONTENEUR

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

0.5

1.0

1.5

2.0

2.5




jeudi 19 janvier 12

T.KM

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

200

400

600

800

t.km



jeudi 19 janvier 12

DÉLAI38 Simulation Internet PhysiqueRéunion Predit GO4 du 10 janv. 2012


0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

10

20

30

40

50

60

70

%Weight Load

jeudi 19 janvier 12

DÉLAI

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

2

4

6

8

10

12Mean LeadTime



jeudi 19 janvier 12

COÛT

Benchmark

Scenario 0.

GasOil PriceêliterTrain costêkm

Container Handling

Trailer Swap Cost

€ Simulation:

FMCG France case study

Mines ParisTech

Université Laval

EPFL

Dec. 8, 2011

81.976m'

0.

69.871m'

1.1.T

68.673m'

1.1.C

78.943m'

1.2.C

67.096m'

2.1.E

63.732m'

2.1.C

65.343m'

2.1.T

56.724m'

3.1.E

55.248m'

3.1.C

20

40

60

80

m. 'Scenario costs

GasOil Truck others Train Cont. handlingTrailer swap Pal. InêOut stock Cont. InêOut stock Cont. rental

Container Trips

0.

1.2 2.4 3.6 4.8 6 12 1.1.T1.1.C

1.2.C2.1.E2.1.C

2.1.T3.1.E3.1.C 0

50000

100000

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

200

400

600

800

t.km

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

10000

20000

30000

40000

50000

CO2 emmissions

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

10

20

30

40

50

60

70

%Weight Load

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

2

4

6

8

10

12Mean LeadTime

0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

0.5

1.0

1.5

2.0

2.5


0. 1.1.T 1.1.C 1.2.C 2.1.E 2.1.C 2.1.T 3.1.E 3.1.C

10

20

30

40

50

% Volume Used



jeudi 19 janvier 12

• Déploiement des algorithmes au niveau régional

• Développement des 3 scénarios restants

• Plateforme de test des choix de conception ∏

41

POURSUITE DU PROJET



jeudi 19 janvier 12

LES PERSPECTIVES

• Des expérimentations concrètes• Projet FUI de suivi et routage de palettes cartons : OTC KayPal MR• …

• Des projets internationaux• Livre 2012 (English) • Projets aux USA et EC

• Plan de développement• Intégration « Roadmap » EU

• Validation des enjeux et expérimentations• Définition des conteneurs, des TIC, des modèles économiques,…



jeudi 19 janvier 12

com suivi 10 janvier 2012

Documents