Résultats de la simulation

Pour mesurer le succès du nouveau système logistique simulé, nous présentons les données de sorties de la simulation sous la forme d’informations critiques appelées communément : les

IV.6 Modèle de simulation du port du Havre

Figure IV.8– Optimisation des paramètres de pondération

indicateurs de performance. La simulation produit une bonne approximation pour ces indica-teurs de performance surtout dans les cas d’études prospectives comme dans notre cas. On peut classer ces indicateurs en : indicateurs organisationnels, financiers, et écologiques.

6.5.1 Indicateurs organisationnels

Ces indicateurs organisationnels donnent une idée sur la réalisabilité du modèle d’une part et la performance du nouveau système logistique d’une part. Ainsi, la figure IV.11 montre la moyenne de nombre de manutentions qu’a subit un conteneur (nombre de coups de pince). Nous savons que pour chaque conteneur transféré en import par exemple, il subit une première manutention sur le terminal maritime, une deuxième lors de transbordement vers un train de grandes lignes ou vers une barge, et éventuellement une troisième si ce conteneur est stocké dans le buffer (temporairement) puis rechargé sur une barge ou sur un train de grande ligne. Cet indicateur nous renseigne sur le degré de bufférisation utilisée (stockage temporaire). On peut remarquer par exemple que dans la cour fluviale en sens import, tous les conteneurs sont déposés à terre. Ceci est dû au fait que les bargistes préfèrent choisir les positions des conteneurs sur leurs barges pour différentes raisons (succession des futurs points de livraison des conteneurs

Figure IV.9– Progression de la recherche de la solution

IV.6 Modèle de simulation du port du Havre

pour éviter les remaniements et contraintes de la stabilité de la barge en répartissant les poids des conteneurs).

Figure IV.11– Nombre de manutention par conteneur au TMM

La figure IV.12 donne l’évolution des taux de remplissage des navettes et la répartition fluvial/ferroviaire des conteneurs sur les différentes navettes de la journée. Nous pouvons en faire des conclusions sur les mouvements des navettes et l’arrivée/départ des trains grandes lignes et barges.

6.5.2 Indicateurs financiers

Une interface graphique de la simulation présente les différentes données de sorties finan-cières résultant du modèle de simulation. On y trouve, entre autres, le coût total des opérations au multimodal, le coût des ressources humaines, les coûts des infrastructures, les quantités des émissions de dioxyde de carbone émises, etc. Puisque quelques données d’entrée utilisées contiennent certains éléments incertains (comme la position des conteneurs sur les trains grandes lignes qui sont générés aléatoirement lors du lancement de modèle de simulation et les délais de livraison de chaque conteneur) et pour avoir des résultats robustes, nous avons utilisé la méthode Monte Carlo. Cette méthode exécute la simulation plusieurs fois pour avoir la distri-bution des données de sortie.

La figure IV.14 montre la distribution des coûts de transfert des conteneurs selon les règles de manutention définies précédemment pour le transfert des conteneurs à la cour ferroviaire, la barre en gras représente la moyenne de cette distribution. Notons que pour des raisons de

Figure IV.12 – Èvolution des taux de remplissage des navettes

confidentialité des données, nous ne donnons pas les valeurs sur l’axe des abscisses et ces ré-sultats sont fournis donc à titre formel. Nous pouvons remarquer de cette figure que les coûts ne sont pas dispersés ce qui montre que le modèle construit est robuste et moins sensible aux perturbations.

6.5.3 Comparaison système actuel/système avec TMM

Une des possibilités que permet le modèle de simulation développé est la comparaison des deux schémas logistiques avec et sans terminal multimodal en termes de coût et de qualité de service. Cette comparaison concerne les coûts unitaires d’une UTI de même caractéristiques (taille, origine/destination) acheminée par les deux schémas. Toutefois, pour des raisons de confidentialité des données, nous n’allons pas donner une comparaison quantitative entre les deux systèmes logistiques. Nous donnerons néanmoins quelques caractéristiques qualitatives de chacun des schémas. D’ores et déjà, nous pouvons tirer les conclusions suivantes :

– Un seuil de pertinence de terminal multimodal est identifié : en effet, à partir d’un certain volume de trafic, le nouveau terminal devient compétitif. C’est une conséquence directe de la massification des flux : Les avantages apportés par la concentration des marchandises aux transporteurs fluviaux et ferroviaires sont contrebalancés par les surcoûts induits

IV.6 Modèle de simulation du port du Havre

Figure IV.13 – Interface graphique des données de sortie de la simulation

Figure IV.14 – Distribution des prix selon règles de manutention à la cour ferroviaire

par les ruptures de charge supplémentaires. Ètant donné que ce surcoût intègre des frais financiers issus d’investissements très importants, plus, le volume de conteneurs sera élevé, plus le surcoût par conteneur sera réduit.

– En outre, la compétitivité du nouveau schéma logistique dépend de l’organisation des opérations au sein du terminal multimodal. En effet, l’optimisation de l’organisation

lo-gistique du TMM permet un gain non négligeable en termes de productivité des navettes ferroviaires, des engins de manutention et donc une baisse des coûts liés aux transferts et aux ruptures de charge.

Une des caractéristiques qui fait baisser la productivité des portiques sur la cour ferroviaire est le temps d’attente des deux portiques. En effet, pour que le portique de droite dépose un conteneur dans la zone de gauche, il doit attendre que le portique de gauche finisse ses tâches à cet endroit. Une autre caractéristique est le recours excessif aux déposes à terre. Cette pratique, due à plusieurs causes comme la non-présence des navettes de correspondance, entraîne des manutentions supplémentaires et coûte en termes de productivité. C’est pour ces raisons que nous proposons, dans les sections suivantes, des méthodes d’optimisation et des stratégies de collaboration des systèmes multi agents pour la résolution des problématiques de gestion des attentes.

6.5.4 Comparaison système DCAS/TMM

Sur le plan théorique, dans le contexte portuaire havrais, les wagons de type DCAS per-mettent de réduire les coûts de transfert des conteneurs entre les terminaux maritimes et le terminal multimodal. Ainsi, le coupon DCAS évitera d’abord aux locomotives de faire les ma-nœuvres de placement, du tri et de la découpe des wagons sur les voies propres des terminaux maritimes et sur le terminal multimodal. Il permettra aux locomotives de se concentrer sur la traction et le transfert des wagons et donc apportera un gain au niveau de la fréquence de rotation. Ensuite, il permettra au personnel de chaque site d’améliorer son efficience par une meilleure connaissance de l’exploitation de son installation. Sur le plan expérimental, d’après

IV.6 Modèle de simulation du port du Havre

les résultats de la simulation et d’après la comparaison système classique/système DCAS, ce dernier s’avère le moins coûteux sur tous les jeux de données d’entrée testés. Néanmoins, la pertinence économique de modèle DCAS dépendra du prix de fabrication/acquisition des cou-pons et l’horizon temporel nécessaire pour l’amortissement du surcoût dû à l’introduction de ce nouvel équipement technologique. La différence entre le système classique et le DCAS sur la zone portuaire havraise devrait permettre de financer les surcoûts de l’achat des coupons télé-opérés. Elle ne permet pas de générer un gain financier mais le système DCAS est suscep-tible d’améliorer la qualité de service sur la zone portuaire et de générer des économies très importantes à l’autre bout de la chaîne de transport en zone urbaine dense.

7 Algorithme génétique basé sur la simulation pour