Optimisation de la planification logistique aval et modélisation prédictive des réparations dans un contexte industriel émergent : application stellantis Algérie

Abstract

Ce mémoire vise à améliorer la performance logistique aval de Stellantis Algérie en répondant à deux problématiques opérationnelles : l’optimisation des tournées de distribution des véhicules et la prédiction des temps de réparation des dommages avant livraison. Une approche hybride combinant le problème de tournées de véhicules (VRP) et le problème de bin packing (BPP) a été développée, permettant une allocation quasi-optimale du transport et une amélioration notable de l’utilisation des camions. Par ailleurs, un modèle de réseau de neurones basé sur la régression quantile a été conçu pour estimer de manière prédictive les durées de réparation à partir de données historiques hétérogènes. L’intégration de ces deux méthodes permet une planification logistique plus efficiente, réactive et transparente en termes de coûts.