Home
en fr

Optimisation de flotte

Déterminer une taille de flotte optimale

Context

Notre client est une startup spécialisée dans la location de voiture de courte durée (0,5 à 30 jours) pour les particuliers. Pour faire sa place dans un marché déjà établi, notre client propose des modèles haut de gamme et surtout une expérience utilisateur totalement digitalisée pour éviter les files d’attente au comptoir de retrait. D’abord focalisé sur sa croissance, notre client cherche désormais à établir un rythme de croisière pour les stations déjà ouvertes (une douzaine en France), en y allouant un nombre de voitures optimales. Un trop grand nombre de voitures pèse lourdement sur les coûts fixes tandis qu’un nombre trop faible ne permet pas de répondre à la demande et crée de l'insatisfaction. Le nombre de voiture total dans le parc est décidé contractuellement avec le constructeur automobile une fois par an, laissant peu de marge d’erreur et peu d’agilité pour absorber les pics d’activité sur certaines périodes dans certaines stations très saisonnières. MFG Labs a donc été consulté pour mener des analyses et trouver un modèle pour chaque station permettant de déterminer le nombre de voitures optimales pour maximiser la rentabilité d’une station.

Fleet Optimization

Solution

Après avoir rencontré les différents responsables opérationnels pour comprendre le fonctionnement des opérations, du pricing, des achats, et comprendre les paramètres influençant leurs décisions, nous avons aidé notre client à spécifier le problème à résoudre, en nous orientant vers un problème d’optimisation sous contrainte.

Nous avons donc modélisé l’activité de notre client, et établi une fonction de coût pour chaque station avec comme variable d’entrée le nombre de voitures à allouer sur l’année, et la répartition de cette allocation sur l’année (une voiture peut en effet être détenue entre 6 et 18 mois dans notre cas).

Grâce à une approche mathématique itérative mêlant simulations et optimisations, l’application de certaines heuristiques, nous avons pu déterminer pour chaque station un nombre de véhicules et une répartition de ces véhicules au cours de l’année qui maximise les bénéfices pour chaque station. distribution Exemple de simulation / optimisation

Résultats

Notre modélisation, bien que présentant certaines limites, a permis de fournir des insights profonds pour l’équipe dirigeante.

Au-delà de l’optimisation, qui a pour objet de fournir une répartition idéale des véhicules à détenir sous certaines conditions, notre approche par simulation a permis à notre client de mieux comprendre les caractéristiques non-linéaires de son métier, et la dynamique de détention de véhicules, notamment dans les stations à forte variabilité de demande pour lesquelles les prévisions sont les plus difficiles, mais aussi pour comprendre l’impact d’un sur-stock dans les stations où la demande est régulière.

Les résultats parfois contre-intuitifs ont permis de mettre en lumière certains aspects du business permettant de mieux préparer le futur.