Optimisation du temps moyen de déstockage dans un AS/RS profond en se basant sur des techniques de l'Intelligence Artificielle

Abstract

Dans ce travail de thèse de doctorat, nous considérons les systèmes automatisés de stockage/ déstockage (AS/RS) multi-profondeurs, c'est-à-dire les AS/RS où chaque casier est conçu pour contenir plusieurs charges. Plus particulièrement, nous étudions ici le cas des AS/RS à convoyeurs gravitationnels. Cette configuration d'AS/RS utilise deux machines, la première s'occupant des opérations de stockage et l'autre des opérations de déstockage. Dans ce type d’AS/RS, les opérations de déstockage sont assez complexes, puisque le déstockage d'une charge nécessite le retrait et le replacement de toutes les charges qui la précèdent dans le casier. Pour cette raison, il est préférable de considérer le retrait de lots de charges plutôt que de considérer le retrait de charges une par une. Le problème qui nous intéresse ici consiste à considérer une disposition de charges dans un rack profond et un lot de types de charges à déstocker (une commande). Nous allons d'abord, localiser dans le rack les charges à récupérer (pour satisfaire la commande), puis définir la bonne séquence d'opérations de déstockage ; dans le but de minimiser le temps global de déstockage du lot. Le problème que nous nous proposons d'étudier ici est assez particulier et ne ressemble à aucun des problèmes classiques que l'on trouve dans le domaine du génie industriel. La première contribution de ce travail de thèse est la modélisation mathématique du problème décrit. La seconde contribution est une heuristique permettant de résoudre le modèle mathématique proposé ? Nous baptisons cette heuristique : heuristique de minimisation du temps de déstockage par lot (BRTM-heuristique). Nous adaptons également les deux métaheuristiques : le recuit simulé et la recherche tabou à la résolution du problème. Les résultats de l'heuristique BRTM seront comparés aux résultats donnés par les deux métaheuristiques afin de valider la précision de l'heuristique BRTM.