|
CHABOUD PARISI GAUTHERON Amandine Anne Laure Nicolas |
|
| Logo Ensait | Logo MGF |
PLAN
Présentation de l’entreprise
Description du problème
Fonctionnement actuel
Cycle de travail
Paramètres perturbateurs
Détermination des paramètres les plus préoccupants
Résolutions de ces paramètres
Résolution générale
Confidentialité
1- Présentation de l’entreprise
L'entreprise MGF est un entrepôt logistique sous la direction de Monsieur Christian Kos. Cet entrepôt situé à Sainghin II dans l’agglomération lilloise fournit les 29 magasins Auchan présents dans les régions Nord - Pas de Calais, Normandie, Picardie. Il dispose d’une superficie de 13 000 m² et a une capacité de stockage de 15 000 palettes. Le flux est évalué en moyenne à 1000 palettes réceptionnées par jour. Le taux de remplissage annuel moyen s'élève à 75%. Une soixantaine de personnes travaillent au total sur l'entrepôt.
2- Description du problème
Optimisation de l'ordonnancement des plannings de réception afin de gagner du temps sur le déchargement des camions.
Nous avons mis en évidence le réel problème de l’entreprise face à une mauvaise planification des réceptions. MGF aurait sûrement à gagner sur cette optimisation. Notre projet sera donc principalement basé sur la mise en évidence des disfonctionnements et des méthodes à mettre en place afin de mesurer les différents paramètres intervenant sur le process de déchargement.
3- Fonctionnement actuel
Actuellement, la réception fonctionne avec un planning mis à jour 10 heures avant le début de l’activité. Il n’y a pas de plages horaires bien déterminées. Le flux de réception est irrégulier sur la journée comme sur la semaine. Ainsi sur une même journée on peut avoir une saturation des quais de déchargement suivi d’une période sans activité. Ce qui pose problème au niveau de la qualité de travail et de la sécurité.
4- Cycle de travail
5- Paramètres perturbateurs
Nous avons recensé différents paramètres qui pourraient être les causes de ce problème.
Paramètres internes :
Paramètres externes :
6- Détermination des paramètres les plus préoccupants
Afin de bien régler ce problème il faut que l’on soit capable de connaître les paramètres les plus importants. En effet, d’après la loi de Pareto, 20% des causes expliquent 80% des conséquences. De cette façon en appliquant cette loi, on sera à même de choisir et de mener les actions prioritaires à effectuer.
Dans notre cas, il faut donc déterminer les paramètres perturbateurs constituant les 20% des facteurs responsables de 80% des problèmes rencontrés lors de la réception.
Une fois que ces paramètres sont connus, il s’agit de les résoudre.
7- Résolutions
Paramètres internes :
- Le positionnement des palettes :
Le plus simple et le plus rapide est de positionner les palettes en long lors du chargement du camion. Mais il peut y avoir des problèmes dans le cas où il ne s’agit pas de palettes européennes. (Les dimensions d’une palette européenne sont 80*120.) Il n’est pas possible d’imposer ce type de palettes car elles ne correspondent pas toujours au produit livré. Il en est de même pour la nature de la palette (palette en bois, en cartons…)
Il faudrait alors mettre en place une charte de qualité entre les fournisseurs et l’entrepôt.
- L’homogénéité des palettes
Il faut dissocier tous les cas possibles en fonction du nombre de références différentes sur la palette. Ainsi il est possible d’évaluer le temps de travail et la charge de travail pour chaque cas. Ceci permettra alors d’intégrer ce paramètre lors de la planification des réceptions.
- Le nombre d’appareils de manutention
Il faut être capable d’estimer le coût causé par la perte de temps afin de déterminer si l’achat de nouveaux appareils ne pourrait pas être un investissement négligeable par rapport au gain que ça pourrait induire.
Paramètres externes :
- Les files d’attente et l’influence des problèmes sur la route
Il faut vérifier que les files d’attente suivent la loi de Poisson.
Cette loi dit que sur une période T, un événement arrive en moyenne λ fois (λ inférieur à 5). On appelle X la variable aléatoire déterminant le nombre de fois où l'événement se produit dans la période T. X prend des valeurs entières : 0, 1, 2, ...
Cette variable aléatoire suit une loi de probabilité définie par
p(k) = e^(-lambda)*lambda^k/k!
où e est la base de l'exponentielle (2,718...)
On utilise alors un test statistique pour le vérifier en calculant les fréquence théoriques de cette loi grâce à la formule suivante :
Pn(t) = (l.t).e-l.t/n !
Puis on applique le test du χ2 de Pearson.
Il faut alors vérifier la variable que l’on va utiliser. Ca pourrait être le nombre de camions qui arrivent sur le quai mais ce n’est pas une variable aléatoire. La solution serait de faire l’étude en prenant comme variable les camions qui arrivent en retard.
Ainsi on pourra voir si ces camions « à problème » suivent une certaine probabilité. Il sera alors possible d‘estimer un temps de réserve pour être capable de gérer cela sans que ça cause de gros retard.
- La charge de travail par salarié
Il faut faire une moyenne de la charge de travail par salarié sur une période T, une semaine par exemple, le but étant d’évaluer si il y a d’importantes variations et voir aussi quelle charge de travail maximum on peut estimer.
8- Résolutions générales
Tout d’abord il faut que les fournisseurs indiquent à l’entrepôt ce qui va être réceptionné.
Ensuite l’entrepôt distingue deux types de produits :
Grâce aux produits connus il est possible de calculer la charge de travail réelle et le temps pour les traiter. Avec ces bases de données, on peut aussi estimer le temps nécessaire aux produits inconnus en y rajoutant une marge de sécurité. Après la réception on connaîtra alors les renseignements concernant les produits inconnus et donc on pourra les rentrer dans les bases de données.
Ces prévisions permettront d’établir un diagramme de GANTT sur lequel seront mis en évidence les temps nécessaires au contrôle, au dépotage et au stockage
Ensuite on pourra effectuer un ordre de passage des camions aux quais, le premier étant celui qui a la durée de traitement la plus courte.
Ceci nous permettra d’optimiser le temps de réception et le nombre d’engins de manutention nécessaire à ces traitements.
9- Confidentialité
On a établi un accord de diffusion d’informations entre M. Christian Kos et nous (voir document signé).
10- Conclusion
Nous avons établi que l’ordonnancement de l’organisation des plannings réception dans un entrepôt, peut être optimisé. Notre recherche d’optimisation n’a pu être concrètement évaluée. En effet, il faudrait créer des bases de données pour pouvoir appliquer les lois citées. Il serait donc intéressant de réaliser un projet (PII, stage) dans cet entrepôt pour mettre en place les solutions établies.