Le 18/12/2019 par Marwane Bouznif :
Lyon: Stage M2 Savoye / INSA en vue d’une thèse Cifre
Dans les plate-formes logistiques, la préparation de commande est aujourd’hui l’opération la plus coûteuse car elle
demande beaucoup de temps et de main d’œuvre. C’est aussi une des opérations les plus stratégiques, car les clients sont
de plus en plus exigeants sur les délais de livraison et la qualité de service.
Savoye est une entreprise de 630 collaborateurs, conceptrice de solutions mécanisées et éditrice de logiciels pour le
monde de la logistique – ASRS, convoyeurs automatiques, ... ou encore logiciels de gestion d’entrepôts (WMS, WCS, OMS,
TMS, . . .) – leader français et 7ème européen dans son domaine. Son siège social se situe à Dijon et son équipe R&D, dont
l’activité est transverse à plusieurs domaines, de l’électronique à l’algorithmique mathématique, est basée à la fois à Dijon,
St-Étienne et à Lyon. Les travaux menés au sein de cette unité portent sur l’ensemble de ces domaines : l’implantation des
produits dans un entrepôt logistique (slotting), routage de colis dans un convoyeur, répartition des commandes dans un
contexte multi-sites, élaboration d’un framework de développement basé sur un moteur de workflow, outil de planification
automatique de tâches, robotisations des process, conception de navettes automatisées, ...
Deux laboratoires de l’INSA Lyon sont impliqués dans l’encadrement de ce travail de master. Le laboratoire DISP
développe des modèles d’aide à la décision, exploitant notamment la programmation mathématique, pour les systèmes de
production. Le LIRIS, plus particulièrement l’équipe « Data Mining & Machine Learning », développe des méthodes de
fouille de données et d’apprentissage supervisé et les met en œuvre dans différents contextes applicatifs.
Descriptif du stage
Le sujet de stage proposé a pour ambition de tirer partie des techniques de machine learning, de data mining
et de recherche opérationnelle pour résoudre un problème de planification et d’organisation des opérations
de l’entrepôt.
L’objectif est d’expliquer des phénomènes observés dans les données pour pouvoir intégrer cette connaissance dans les
opérations logistiques qui en dépendent. Cette information peut alors être intégrée en entrée des modèles de recherche
opérationnelle pour avoir une estimation très fine des contraintes à prendre en compte dans la planification.
On se focalisera sur l’organisation des tournées de réapprovisionnement des emplacements de picking.
Aujourd’hui, dans les solutions soft Savoye, les vagues de réapprovisionnement sont lancées de manière réactive lorsque
des seuils minimum sont atteints. Les tournées à effectuer par les caristes pour réapprovisionner les emplacements de
picking sont organisées à la volée. On cherchera à proposer une organisation plus anticipée dans laquelle les missions de
réapprovisionnement à effectuer seraient préalablement prévues par machine learning et organisées en missions pour la
journée de manière optimisée [1].
Profil recherché et candidatures
Niveau demandé : Master recherche/diplôme ingénieur
Durée : 6 mois
Le candidat doit présenter :
Une poursuite en thèse Cifre est souhaitée.
Le dossier de candidature doit être envoyé par email en un seul fichier PDF à celine.robardet@insa-lyon.fr, anne-
laure.ladier@insa-lyon.fr, ludovic.moncla@insa-lyon.fr et marwane.bouznif@a-sis.com. Le dossier doit inclure : un CV dé-
taillé, une lettre de motivation et le relevé de notes de M1 et du premier semestre de M2 (ou équivalent).
