un problème de transport dans un environnement hospitalier modélisé par un pdp-tw à contraintes...
TRANSCRIPT
Un problème de transport dans un environnement hospitalier modélisé par un
PDP-TW à contraintes de ressources
Virginie André1,2, Nathalie Grangeon1, Sylvie Norre1, Frédéric Philippe2
1 LIMOS - Clermont Ferrand / 2 CHU Clermont-Ferrand
GISEH 10 – 2/4 Septembre 2010 – Clermont-Ferrand
Présentation
1. Présentation du problème
2. Analogie avec les problèmes de la littérature
3. Approche proposée
4. Résultats obtenus
5. Conclusions et perspectives
2
Centre Hospitalier Régional Universitaire de Clermont-Ferrand
3 Sites de production : Blanchisserie Pharmacie Restauration
10 Sites de consommation : Hôpitaux internes Hôpitaux externes
1. Présentation du problème
3
Transport de contenants pleins
Centre Hospitalier Régional Universitaire de Clermont-Ferrand
3 Sites de production : Blanchisserie Pharmacie Restauration
10 Sites de consommation : Hôpitaux internes Hôpitaux externes
1. Présentation du problème
4
Transport de contenants vides
ATTEN
TE
ATTEN
TE
ATTEN
TE
Site de consommation
1. Présentation du problèmeActivité 1 : transport de contenant plein
5
Site de production Réseau routier
Remplissage
Contenant
Chargement
Transport Consom-mation
Décharge-ment
Ligne de production
Camion
Chauffeur
Quai de chargemen
tQuai de
dé-chargeme
nt
Etapes
Ress
ou
rces
ATTEN
TE
ATTEN
TE
Décharge-ment
Site de production
1. Présentation du problèmeActivité 2 : transport de contenant vide
6
Site de consommation Réseau routier
Contenant
Transport Nettoyag
e
Aire de nettoyage
Camion
Chauffeur
Quai de chargeme
ntQuai de
dé-chargeme
nt
Etapes
ATTEN
TE
Ress
ou
rces
Ramassage
Chargement
1. Présentation du problème
7
11h00
07h00
10h00
09h00
11h00
24
15
3
Hôpital B
Hôpital C
Hôpital A
Sites de consommation
Pharmacie
Restauration
Blanchisserie
Sites de production
Dépôt
13h00
Demandes de transport de contenants pleins
Demandes de transport de contenants vides
1. Présentation du problème
8
11h00
07h00
10h00
09h0011h00
07h00
07h25
07h55 08h15
10h20 11h55
10h10
11h45
11h10
07h15
08h05
08h25
09h30
08h45
13h10
12h20
13h30
13h20
Hôpital B
Hôpital C
Hôpital A
Sites de consommation
Pharmacie
Restauration
Blanchisserie
Sites de production
Dépôt
13h00
Tournée avec camion « normal »Tournée avec camion frigorifique
09h40
13h40
1. Présentation du problème
9
Les hypothèses de travail (1/2):
Le nombre de ressources est en quantité limitée.
Les demandes de transport en contenants pleins ou vides sont connues.
Les durées de chargement au site origine et de déchargement au site destination sont connues et constantes.
Les durées de transport entre les sites de production et les sites de consommation sont connues et constantes.
La matrice des durées de transport n’est pas symétrique.
1. Présentation du problème
10
Les hypothèses de travail (2/2):
Un chauffeur peut conduire n’importe quel véhicule et peut être amené à changer plusieurs fois de véhicule lors d’une journée de travail.
Un véhicule transporte des contenants pleins ou vides mais peut aussi circuler à vide.
Lors d’une requête, un véhicule transporte un chargement depuis une origine jusqu’à une destination.
La capacité du véhicule est de un lot de contenants.
1. Présentation du problème
11
L’ensemble des contraintes à prendre en compte : La date de disponibilité au plus tôt des activités de
transport de contenants pleins ou de transport de contenants vides doit être respectée,
Les contraintes de précédence entre certaines activités de transport de contenants pleins et de transport de contenants vides doivent être respectées,
Les chauffeurs, les lignes de production sont soumis à des plannings.
Le nombre de ressources utilisées à une date donnée doit être inférieur ou égal au nombre de ressources disponibles,
L’amplitude du retard autorisé pour certaines activités dépend du type de produit et est au maximum de 15 minutes.
1. Présentation du problème
12
Objectif :L’objectif est la détermination du nombre de
ressources (postes de travail, véhicules) nécessaires à la réalisation de toutes les activités dans une semaine et l’ordonnancement de ces activités de manière à respecter des contraintes de précédence, de dates de disponibilité au plus tôt et de dates de fin au plus tard.
2. Analogie avec les problèmes de la littérature Pickup and Delivery Problem with Time Windows (PDPTW)
13
Caractéristiques PDPTW Notre problème
Activités n clients/requêtes n requêtes
Fenêtre de temps à l’origine Soit (hard time
windows),Ou (soft time
windows)
(date de début de la 1ère étape)
Fenêtre de temps à la destination (date de fin de la 4ème
étape)
Ressources m véhicules m chauffeurs
Flotte Homogène ou hétérogène Hétérogène
Dépôt Unique Unique
Disponibilité des ressources
Fenêtre de temps et --------- Planning des chauffeurs
Capacité des véhicules
Requêtes Statique Statique
14
Caractéristiques PDPTW Notre problème
Taille des Requêtes
Matrice Asymétrique
Transport à vide entre le dépôt et l’origine de la première requête Oui Oui
Transport à vide entre la destination de la dernière requête et le dépôt Oui Oui
Transport à vide entre la destination et l’origine de la requête suivante Oui Oui
Transport à vide entre la destination et le dépôt et entre le dépôt et l’origine de la requête suivante (changement de véhicule)
Non Oui
2. Analogie avec les problèmes de la littérature Pickup and Delivery Problem with Time Windows (PDPTW)
15
Caractéristiques PDPTW Notre problème
Contraintes de précédence entre la collecte et la livraison Oui Oui
Contraintes de précédence entre les requêtes Oui Oui
Concernant les ressources mobiles :- Véhicules,- Chauffeurs,- Contenants.
OuiNonNon
OuiOuiOui
Concernant les ressources fixes :- quais,- lignes de production,- aires de nettoyage.
NonNonNon
OuiOuiOui
2. Analogie avec les problèmes de la littérature Pickup and Delivery Problem with Time Windows (PDPTW)
3. Approche proposéeModèle de simulation
16
Données en entrée (1/2)
Numéro Activités Origine DestinationDate au plus tôt
Type de camion
Date souhait
éePrédécesseur
…. …. …. …. …. …. …. ….
49 Livraison Blanch NHE 6:30 Ca_Norm 14:30
50 Collecte NHE UCP 13:00 Ca_Frigo 25
51 Collecte GM UCP 13:00 Ca_Iso_gd 26
52 Collecte GM UCP 13:00 Ca_Iso_gd 27
53 Collecte NHE UCP 13:00 Ca_Frigo 28
54 Collecte GM UCP 13:00 Ca_Iso_gd 29
55 Collecte Clém Blanch 13:30 Ca_Norm
…. …. …. …. …. …. …. ….
3. Approche proposéeModèle de simulation
17
Données en entrée (2/2)Planning des chauffeurs
Affectation des activités
1 2
6:00 10:00
14:00 18:00
1 2
14 87
79 50
80 41
81 35
84 9
82
3. Approche proposéeModèle de simulation
Données en sortiePour chaque activité, les données déterminées sont
les suivantes : La date de début et de fin de chaque étape, Les numéros du contenant et du camion, Les numéros du quai de chargement et de
déchargement, Le numéro de la ligne de production ou de l’aire de
nettoyage, Le taux d’occupation de chaque chauffeur, Le nombre d’heures supplémentaires pour chaque
chauffeur, Le nombre d’activités non réalisées, Le retard de chaque activité.
18
3. Approche proposéeCouplage métaheuristique-simulation
19
Recherche locale itérée
Modèle de simulation
Solution à évaluer
Fonction objectif évaluée
Solution initiale
Solution obtenue
3. Approche proposéeCodage d’une solution
20
Une solution est représentée par un ensemble de vecteurs = {1, 2,…m} où i est la séquence des activités affectées au chauffeur i
Exemple :N =10 activités M = 2 chauffeurs
1 1 4 5 7 2
2 8 9 3 6 10
3. Approche proposéeSystème de voisinage
21
1. Choisir aléatoirement et uniformément un chauffeur j1, j1 {1,M}
2. Choisir aléatoirement et uniformément un chauffeur j2, j2 {1,M} (j1 peut être égal à j2)
3. Choisir aléatoirement et uniformément une position i1, i1 {1, NbJ1
}
4. Soit a = j1i1, l’activité à la position i1 dans la liste des activités j1
du chauffeur 5. Effacer l’activité a de j1
6. Choisir aléatoirement et uniformément une position i1, i2 {1,Nbj2
} (si j1=j2 alors i2i1)
7. Insérer à la position dans la liste des activités du chauffeur
Choix des chauffeurs j1 et j2, de l’activité a
Choix d’une position pour a et insertion de l’activité a
3. Approche proposéeSystème de voisinage
22
1 1 4 5 7 2
2 8 9 3 6 10
1 1 4 5 7 2
2 8 9 3 6 104
1 1 5 7 2
’
3. Approche proposéeEvaluation d’une solution
23
Trois critères de performances sont évalués : H1 : Le nombre d’activités non réalisées, H2 : La somme des carrés des retards,
H3 : La somme des carrés du nombre d’heures supplémentaires (exprimé en minutes).
Temps
Arrivée
du véhicule
Retard
Date souhaitée
Temps
Arrivée
du véhicule
AiAi
Attente
Di = ei li
Date au plus tôt
Ai : Date d’arrivée du véhicule
Di : Date de départ du véhicule
ei : Date au plus tôt
li : Date souhaitée
3. Approche proposéeEvaluation d’une solution
Fonction objectif :
, et sont des coefficients qui permettent de prioriser les critères les uns par rapport aux autres.
Tels que > 0, > 0, >0 >> et >>
24
H = H1 + H2 + H3
1. Soit une solution initiale2. *←3. Tant que nécessaire Faire4. Choisir uniformément et aléatoirement ’ dans le système de
voisinage de 5. Si H(’) ≤ H() Alors6. ←’7. Si H() <H(*) Alors8. *←9. Fin si10. Fin si11. Si la solution n’est pas améliorée pendant un certain nombre
d’itérations Alors12. Appliquer plusieurs fois le système de voisinage sur et accepter
la solution voisine à chaque fois13. Fin si14. Fin tant que
3. Approche proposéeMéthode de recherche locale itérée
25
Amélioration de la solution proposée par le responsable avec l’approche proposée pour les transports médicaments et de linge
4,5 chauffeurs correspondent à la disponibilité de 4 chauffeurs à plein temps et d’un chauffeur à mi-temps.
4. Résultats
26
Scenarii # Req. Chauff.
# Req. non
réalisées
Retard cumulé (min)
# retard
Heure Supp. (min)
# Chauff.
a/ Heure Supp
Manager 39 5 1 135 5 0 0
1 39 5 1 45 2 0 0
2 39 5 0 5 1 25 3
3 39 4.5 1 5 1 20 2
4 39 4.5 0 35 1 25 2
Comparaison entre la descente stochastique et notre approche
Avec = 1000, = 100 et = 10
4. Résultats
27
Scenarii # Req.
#Chauff #Cam
Recherche localeH1 H2’ H3’
Recherche locale itéréeH1 H2’ H3’
1 61 9 9 0 30 0 0 0 25
2 61 8.5 9 0 40 10 0 0 25
3 61 8 9 0 25 15 0 0 25
4 61 7 9 1 5 30 0 10 35
5 61 6 9 1 10 470 0 10 335
H2’: retards cumulés (min)
H3’: heures supplémentaires (min)
Comparaison entre la descente stochastique et notre approche
Avec = 1000, = 10 et = 100
4. Résultats
28
Scenarii # Req. #Chau
ff #CamRecherche locale
H1 H2’ H3’Recherche locale itérée
H1 H2’ H3’
1 61 9 9 0 10 0 0 0 0
2 61 8.5 9 0 10 0 0 0 0
3 61 8 9 0 30 0 0 15 0
4 61 7 9 0 40 25 0 10 40
5 61 6 9 0 135 245 0 95 185
H2’: retards cumulés (min)
H3’: heures supplémentaires (min)
5. Conclusions
29
Pour l’hôpital : Les résultats satisfont les responsables grâce
au respect des plannings des chauffeurs et des dates au plus tard.
Les responsables de la production et de consommation ont validé les résultats.
Les organisations validées ont nécessité des ajustements au niveau des unités de production.
Les organisations proposées ont été mises en œuvre depuis mars 2010.
5. Conclusions
30
Novembre 2009
Janvier 2010 Mars 2010 Avri 2010 Mai 2010 Novembre 2010
Janvier 2011 20130
10
20
30
40
50
60
70
80
90
Evolution du nombre de transports
Linge Repas Médicaments CAMSP Divers DMS
5. Conclusions
31
Pour le problème : Notre proposition de couplage de méta
heuristique et de modèle de simulation donne de bonnes solutions : Avec de petites instances, la méthode donne des
solutions qui sont aussi bonnes que celles du modèle mathématique,
Avec des instances plus importantes, la méthode permet d’améliorer la solution proposée par le responsable,
La méthode de recherche locale itérée est meilleure.
5. Perspectives
32
Achever les tests avec toutes les instances identifiées
Prendre en compte des durées de transport dépendantes de l’heure de la journée
Faire le lien avec la distribution et la collecte des lots de contenants dans les hôpitaux
Merci pour votre attention
33