// étude de cas · centre de distribution · analyse de capacité de quai

Quand le camion moyen n'existe pas — valider le plan de portes de quai d'un nouveau CD

La situation

Une entreprise de meubles montréalaise était sur le point de débuter la construction d'un nouveau centre de distribution. L'architecte avait recommandé un nombre précis de portes de quai, et l'équipe des opérations était sceptique. Les portes ont des implications de capacité permanentes — une fois le béton coulé, elles sont coûteuses à reprendre — et l'équipe voulait un deuxième avis fondé sur le comportement réel de sa flotte de camions, pas sur des règles empiriques.

La demande semblait simple en surface : est-ce le bon nombre de portes ? Y répondre exigeait de décomposer ce qu'est réellement un « camion » à cette installation, et ce qu'allait donner la croissance du trafic sur la durée de vie de l'installation.

Ce que nous avons construit

Avant de dimensionner un quai, il faut comprendre ce qui y passe. Les moyennes ne fonctionnent pas — un quai sert des camions individuels, et ces camions se comportent très différemment selon ce qu'ils transportent. Nous avons construit l'analyse à partir de la distribution au niveau du camion.

• ✓Test de dip de Hartigan pour la bimodalité— un test formel permettant de vérifier si la distribution des tailles de camions forme une seule courbe en cloche ou en réalité deux. Le test a signalé la distribution comme significativement non-unimodale, ce qui nous a donné une justification statistique pour séparer les données en modes plutôt que les modéliser comme une seule population.
• ✓Modèle de mélange gaussien (k=2)— ajustement de deux distributions composantes sur les données de chargement. Résultat : environ 55 %des camions étaient de classe LTL avec des chargements typiques bien plus petits ; environ 45 %étaient des chargements complets. La moyenne pondérée se situait près d'un « environ 500 unités » net — sauf que presque aucun camion de la flotte ne transportait quoi que ce soit près de ce chiffre. La moyenne était une fiction.
• ✓Décomposition du temps de service— chaque camion consomme une composante fixe à peu près constante de temps de quai, indépendamment du chargement (navigation dans la cour, contrôle d'entrée, paperasse, sortie du quai), plus une composante variable qui évolue avec les unités au rythme des chariots élévateurs de l'entreprise. Appliqué à chaque mode, le calcul était sans appel : les camions LTL consomment 2,3×plus de temps de quai par unité que les camions FTL. Leur coût fixe s'amortit sur beaucoup moins d'unités, ce qui rend chaque arrivée LTL disproportionnément coûteuse en capacité de quai par rapport aux marchandises livrées.
• ✓Modèle de file d'attente ajusté à la croissance— projection des arrivées de camions vers l'avant en utilisant les propres courbes de croissance des CD de l'entreprise, avec un test de stress sur une part LTL croissante (la tendance historique dans leurs autres installations à mesure que le volume augmentait, et les camions coûteux sur une base par unité).
• ✓Théorie des valeurs extrêmes (EVT) sur la queue LTL— le taux d'utilisation moyen n'était pas la question la plus difficile ; la queue l'était. Appliquée à la distribution des arrivées LTL sous la croissance projetée du volume, l'EVT signalait un pic récurrent : la longue queue droite des camions à long séjour se regrouperait en un événement dépassant la capacité environ une fois par mois— suffisant pour déclencher systématiquement des frais de détention de transporteur ou des retards de répartition. Pas un cas limite rare. Un coût mensuel récurrent.

Le résultat

Le nombre de portes de l'architecte était juste — mais pour une raison différente de ce que suggérerait un calcul de coin de table. Travailler à partir de la moyenne pondérée aurait mené à un nombre plus faible, parce que ce « camion moyen » est pratique et complètement fictif. La flotte réelle est un mélange de camions FTL rapides et de camions LTL coûteux par unité, et la marge de capacité que cette flotte exige est plus grande que ce que la moyenne laisse entendre.

Plus important encore, une fois que nous avions une distribution réelle des temps de service, nous pouvions comparer le coût d'ajouter des portes au coût de la congestion. Le coût marginal d'une porte lors de la construction est faible. Le coût d'opportunité des camions attendant dans la cour ne l'est pas — surtout après que l'analyse EVT de la queue a montré que, sous la croissance projetée, la longue queue LTL se regrouperait en un pic dépassant la capacité environ une fois par mois, assez récurrent pour faire des frais de détention de transporteur et des retards de répartition un coût d'exploitation prévisible. Nous avons recommandé d'ajouter des portes au-delà de la base de l'architecte pour absorber à la fois la croissance et cette queue.

L'imagerie satellite de l'installation aujourd'hui montre que l'agrandissement était la bonne décision. La capacité supplémentaire est utilisée, l'installation n'est pas en congestion en période de pointe, et les portes « en trop » sur le papier font du vrai travail.

Lié

• • Modélisation mathématique et prévision
• • Analyse stratégique et concurrentielle
• • Blogue : Modélisation prédictive pour l'entreprise — ce qui est réellement possible
• • Étude de cas : ROAS > 10× caché dans les données