Contexte

RPM eco offre des services de recyclage allant de la collecte des matières recyclables à la transformation des matériaux et au traitement de l'eau lié à cette transformation. Elle emploie des chefs de district qui supervisent les opérations dans leur région et fait appel à des transporteurs tiers. Par conséquent, l'apport de l'ensemble du processus peut être menacé car l'entreprise n'a pas de contrôle direct sur les chauffeurs qui sont payés en fonction du volume qu'ils ramassent. L'entreprise doit relever les défis suivants pour collecter les produits recyclables:

• Difficile de prévoir quel client aura des produits à collecter
• Les itinéraires statiques créent beaucoup de temps de conduite
• Le client n'est pas toujours proche du centre de collecte.
• Il peut être difficile de maximiser l'efficacité des camions disponibles.
• Augmenter le niveau de service offert à leurs clients.
• Certains de leurs clients ont un facteur de saisonnalité élevé, ce qui entraîne des variations importantes d'un mois à l'autre.

L'entreprise a essayé plusieurs solutions avant de se tourner vers la simulation. Il n'existe pas de solution complète prête à l'emploi qui permettrait de relever tous les défis auxquels elle est confrontée. SimWell a créé une solution qui répond à tous les problèmes et augmente la rentabilité en étant plus efficace dans ses opérations.

La Solution

La solution développée par SimWell pour l'entreprise est complexe mais répond à ses besoins. Le point central de la solution est la base de données Azure où toutes les données passées et présentes sont stockées. Chaque partie de la solution lit et, dans certains cas, peut écrire dans cette base de données afin de conserver des données vivantes et mises à jour. Dans ce service en nuage, des pipelines ont été créés pour faciliter la manipulation des données ainsi que la vérification et la validation afin que l'entreprise conserve des données propres.

Des algorithmes d'intelligence artificielle ont été créés pour prédire le volume de matières recyclables chez chaque client chaque jour. Ces algorithmes sont optimisés de manière dynamique chaque fois qu'un client est visité afin de garantir une prédiction précise.

Le modèle de simulation a une logique complexe qui est utilisée pour créer des itinéraires pour une province donnée. Le modèle prend en compte de nombreuses données spécifiques à la province et utilise une carte GIS pour construire des itinéraires précis basés sur la localisation des clients. Ce modèle de simulation est lancé via une version autonome d'un modèle Anylogic stocké dans une machine virtuelle Azure, ce qui permet à l'entreprise de l'exécuter efficacement, à partir de n'importe quel endroit dans le monde, quelles que soient les capacités informatiques locales.

Les données spécifiques à la province peuvent être modifiées grâce à des outils de visualisation et de transformation des données construits dans PowerApps. Ces outils sont à la disposition de l'entreprise et comportent de nombreux indicateurs qui l'aident à prendre des décisions stratégiques concernant les paramètres du modèle de simulation. Ils peuvent également visualiser le résultat final du modèle, à savoir les différents itinéraires créés, et les modifier si nécessaire. Ils ont également accès aux données en direct pendant la journée pour les différents itinéraires en cours.

SimWell a développé une application mobile en Django et React JS pour permettre aux chauffeurs d'accéder à leurs itinéraires, d'obtenir la localisation des prochains clients et d'envoyer des données à la base de données cloud au fur et à mesure de leur progression. SimWell a développé une application mobile pour capturer les données opérationnelles des chauffeurs. Chaque fois que des itinéraires sont générés, les chauffeurs peuvent accéder à leurs itinéraires de la semaine et planifier à l'avance. Les chauffeurs disposent de cette application pour saisir tout ce qu'ils ramassent chez les clients afin d'alimenter l'algorithme et à des fins comptables.

Cette solution permet à l'entreprise d'exploiter un jumeau numérique hautement automatisé qui non seulement réduit l'empreinte carbone des camions en étant plus efficace sur la route, mais qui permet également d'économiser beaucoup d'argent dans les tâches à valeur non ajoutée pour l'administration.

Les Résultats

RPM eco surveille trois indicateurs clés pour évaluer les performances du système : le nombre de ramassages à vide, le nombre d'appels de service et le poids moyen par ramassage.

La solution développée par SimWell a permis au client d'avoir une meilleure vision de ses opérations, d'augmenter son niveau de service et la satisfaction de ses clients ainsi que celle de ses chauffeurs. La solution minimise le risque d'avoir un faible volume sur les routes et réduit considérablement le temps nécessaire aux chauffeurs pour ramasser le même poids que celui qu'ils avaient l'habitude de ramasser.

Le poids moyen par enlèvement dans toutes les provinces a augmenté de 30 %. Le nombre d'appels de service a considérablement diminué et le nombre d'enlèvements vides a baissé de 90 % dans certaines provinces.

Cela permet à RPM eco non seulement d'augmenter sa capacité de production, mais aussi d'avoir un certain poids lorsqu'il s'agit de négocier avec ses transporteurs tiers et donc de réduire ses coûts opérationnels.

L'étude de cas a été présentée par Shirwa Mahdi, Maxime Leclerc, Joseph Moyer, David Larivee, de SimWell, à la conférence AnyLogic 2022, les diapositives sont disponibles ici.

L'étude de cas RPM eco est également disponible sur le site web d'AnyLogic.

Grâce aux solutions de simulation et d'optimisation développées par SimWell, vous gagnerez du temps et de l'argent en évitant des erreurs coûteuses. Appelez-nous dès maintenant pour savoir comment nous pouvons vous aider à tirer le meilleur parti de vos entrepôts.