Tél. 05 64 27 04 59 | Du Lun. au Ven. 9h-17h

Team Mapotempo : portrait de Gwénaël, Operations Research PhD student chez Mapotempo

Team Mapotempo : portrait de Gwénaël, Operations Research PhD student chez Mapotempo

Gwénaël-rault-mapotempo

Le portrait de Gwénaël, Operations Research PhD student chez Mapotempo à Bordeaux (pôle R&D)  :

« Les expériences et la variété des profils apportent une grande richesse aux échanges. Cela permet de confronter nos idées en tant que développeur, à la réalité terrain ainsi qu’au process métier. À mon sens la véritable plus-value de Mapotempo est d’utiliser la connaissance terrain comme moteur d’innovation. »

Peux-tu te présenter en quelques mots ?

« Je suis arrivé à Mapotempo en novembre 2015 à la sortie de mon Master Informatique obtenu à Nantes, parcours Optimisation en Recherche Opérationnelle. Cette spécialité vise à formaliser des problèmes et à définir des méthodes d’aide à la décision pour en tirer le meilleur résultat. Une annonce avait été diffusée au mois d’avril sur la mailing list du master. Souhaitant aller sur Bordeaux pour des raisons personnelles, j’avais soigneusement conservé cette annonce. En effet, à ce moment là, j’effectuais mon stage de fin d’étude à Cologne auprès de la société Transalliance, principalement dans la gestion des flux d’entrée et de sortie pour le compte de Smurfit Kappa, sur une plateforme de stockage ; avant redistribution aux sites de productions sur le secteur Benelux-Rhénanie du Nord Westphalie. Cette expérience m’a permis de confronter la théorie universitaire à l’exploitation terrain. Mon stage se terminant fin juin, j’ai tout logiquement contacté Frédéric et Mehdi pour savoir si le poste était toujours à pourvoir. »

Pourquoi as-tu décidé de rejoindre l’aventure Mapotempo  ?

« Outre la localisation sur Bordeaux, les domaines de la logistique et du transport m’intéressent. Faire parvenir un produit à un client n’est pas impressionnant en tant que tel, cela offre même peu d’alternative et se résume au déplacement d’un point A à un point B. Néanmoins, en ajoutant des milliers de clients, de produits et de plateformes, les choses deviennent plus ardues, et c’est là que l’on peut s’interroger sur la mutualisation et l’efficacité des déplacements.
D’autre part, rejoindre une structure à taille humaine est stimulant et ce à bien des égards. Tout est à construire, à mon arrivée j’étais le seul représentant de ma spécialité, bien que quelques outils aient été mis en place, nous avons pu monter en compétence ces trois dernières années et attaquer des marchés qui n’étaient pas dans le spectre initial des cibles de l’entreprise. »

Peux-tu nous parler de l’équipe Recherche Opérationnelle ?

« Nous sommes actuellement 3 dans l’équipe Recherche Opérationnelle, Adeline Fonseca, Mickaël Gaury et moi-même. Notre mission est de fournir une réponse algorithmique aux problèmes de transport rencontrés par nos clients. « Comment visiter 100 clients avec ma flotte de véhicules ? », est le type de questions auxquelles nous répondons avec des contraintes variées : horaires de travail, horaires de visite, quantités à transporter, compétences des chauffeurs, matériel spécifique des véhicules… Pour cela, nous avons quelques outils à notre disposition pour traiter les problèmes soumis à notre API d’optimisation, en premier lieu, les matrices de temps et de distance sont obtenues au travers de nos instances OSRM basées sur les données OpenStreetMap. Les données sont enrichies notamment avec ces informations que sont les temps et distances entre chacun des points. Par la suite nous appelons, selon les cas, différents solveurs qui nous permettent de modéliser les problèmes et de les « optimiser ».
Nous avons actuellement plusieurs projets en cours. Mickaël met à niveau notre architecture de test et paramètre nos algorithmes en particulier pour répondre aux besoins spécifiques des tournées urbaines. Adeline fait monter en compétence notre API sur les problématiques de plannings liées aux tournées de véhicules, pour répondre par exemple aux attentes des commerciaux qui doivent réaliser des visites régulières auprès de leurs clients.
Pour ma part, j’ai débuté au mois d’avril un doctorat sur la combinaison des méthodes de clustering et de partitionnement avec les méthodes de résolution pour les problèmes de tournées de véhicules. »

Peux-tu nous parler de ta thèse dans le cadre de ton expérience chez Mapotempo?

« Les méthodes d’optimisation permettent de répondre à des problématiques complexes avec beaucoup de contraintes mais un volume de données restreint. Les méthodes de clustering, elles, permettent d’adresser de grands volumes de données et de les partitionner, en revanche le contrôle que l’on peut en avoir est limité. La logistique urbaine s’organise par découpage en secteurs distincts qui sont attribués à un ou plusieurs agents de terrain. Il est donc envisageable d’utiliser cette même méthode de manière automatique. L’idée est d’effectuer un premier découpage de haut niveau puis ensuite d’effectuer une optimisation sur chacun des secteurs obtenus. Une seconde étape est d’assembler ces différentes sous-tournées afin d’obtenir des tournées à la fois cohérentes géographiquement, tous les points d’une même zones seront effectués par le même agent, et correctes en terme de respect des contraintes. Une fois cette première base établie, une évolution des clusters en fonction des résultats obtenus est envisageable ainsi que des améliorations dans l’affectation des points aux véhicules. L’état actuel, me permet d’effectuer une résolution complète, de la lecture du problème, au découpage jusqu’à l’optimisation des sous-tournées et l’optimisation globale qui en découle; Avec ensuite toute la mécanique d’échange de clusters entre les tournées ainsi construites. D’ailleurs, l’utilisation du clustering permet d’éviter de calculer l’intégralité de la matrice de temps ou de distance du réseau routier et d’utiliser la distance à vol d’oiseau, ce qui a pour avantage de réduire les temps de calcul. Cependant, certaines contraintes topographiques empêchent l’association de points (autoroutes, rivières…etc), obstacles que la distance à vol d’oiseau ne peut identifier. J’ai donc pour le moment mis en place une procédure qui permet d’extraire ces obstacles des données OpenStreetMap et de définir des secteurs où il est cohérent et intéressant d’effectuer du clustering. Ceci permet d’obtenir un premier découpage topologique, puis un second par des méthodes de clustering et de partitionnement.
L’objectif à terme est de faire passer la limite de points gérés par l’optimisation d’environ 1000 points à 30 000, ce qui était la demande de l’un de nos clients lors de la fondation de ce projet de thèse. De plus, l’idée est de porter ce projet afin de gérer des tournées multi-modales en milieu urbain, effectuer une tournée principale avec un véhicule léger, puis de livrer les clients finaux à partir d’un point d’arrêt intermédiaire soit à pied ou à vélo par exemple. »

As-tu vécu une expérience marquante au cours de ton aventure chez Mapotempo ?

« L’aventure Mapotempo dans son ensemble est tout à fait précieuse à mes yeux. Déjà par l’histoire que porte chacun des profils qui composent l’entreprise, en particulier Mehdi, le logisticien, et Frédéric, le passionné de cartographie libre. Les expériences et la variété des profils apportent une grande richesse aux échanges. Cela permet de confronter nos idées en tant que développeur, à la réalité terrain ainsi qu’au process métier. À mon sens la véritable plus-value de Mapotempo est d’utiliser la connaissance terrain comme moteur d’innovation. »

Après trois années passées au sein de Mapotempo, quel regard portes-tu aujourd’hui sur les technologies et le chemin parcouru ?

« En 3 ans, nous avons pu passer d’un module unique, Mapotempo Web, à plusieurs projets indépendants au service de Mapotempo Web, la brique d’optimisation en était initialement partie prenante. Nous avons donc extrait ce qui nous permettait d’appeler les solveurs et en avons fait une API à part entière. Initialement nous ne gérions que l’optimisation d’une tournée à la fois, sans contrainte horaire. Aujourd’hui nous gérons des optimisations avec de multiples véhicules, des contraintes horaires multiples strictes ou non, des capacités (poids, volume, nombre de visites…etc) ainsi que des restrictions sur les usages de certains véhicules pour certaines livraisons. Nous pouvons également gérer les liens entre les visites, un ordre particulier, l’obligation d’avoir deux équipages en simultané au même point, un écart de plusieurs jours entre deux visites. Nous élargissons les spectres des possibilités que nous pouvons gérer en accord avec les besoins de nos clients, tout en continuant à améliorer progressivement ceux que nous gérons déjà. L’utilisation de Ruby dans l’API nous donne une souplesse et une réactivité qui sont très agréables avant de passer les problèmes à des langages plus spécifiques comme le C++ pour l’appel aux solveurs. L’architecture modulaire du modèle définit pour les problèmes de tournées de véhicules nous permet de l’étendre simplement pour couvrir un panel de contraintes très large. »

Vous souhaitez rejoindre l’aventure Mapotempo ? Nous recherchons en permanence de nouveaux collaborateurs !
Recrutement
Mapotempo est une startup qui édite des solutions de planification et d'optimisation de tournées, intuitives, innovantes et made in France.

0 Avis

Laisser une réponse

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*

shares