Aéroport international de Montréal: Simulation pour la mise en œuvre du système de stockage précoce des bagages

Aéroport international de Montréal: Simulation pour la mise en œuvre du système de stockage précoce des bagages

Aperçu

GSS Inc. est une société d'ingénierie canadienne qui offre des services de consultation stratégique et technique en mettant l'accent sur la simulation et l'optimisation dans le contexte d'importants projets d'infrastructure et de transformation. GSS aide ses clients dans différents secteurs, y compris les soins de santé, les aéroports, le transport, la logistique et la fabrication. Notre liste de clients à travers le monde comprend Johnson et Johnson, Bombardier, ABB, Nikon ainsi que des organismes gouvernementaux canadiens.

L'aéroport international de Montréal est le troisième aéroport le plus achalandé au Canada et l'un des aéroports les plus importants en Amérique du Nord en termes de correspondances. Là, 34 compagnies aériennes volent vers 148 destinations directes, dont la plupart sont internationales. Client GSS depuis plus de douze ans, l'Aéroport international de Montréal a fait appel à l'aide de GSS pour concevoir un stockage précoce des bagages (EBS) en raison de l'importante croissance récente du trafic passagers.

Problème

Au cours des cinq dernières années, le trafic passagers de l'Aéroport de Montréal a augmenté de 32 % et devrait encore croître à un taux annuel moyen de plus de 4 %. L'aéroport a ainsi lancé de nombreux projets d'infrastructure afin d'accroître et d'accroître sa capacité dans tous les services de soutien. Elle s'applique également au système de manutention des bagages (BHS).

Le BHS comprend plusieurs étapes de flux de bagages à partir du passager jusqu’à l’avion. Dans un premier temps, les passagers laissent leurs bagages aux points d'enregistrement ou de dépôt de bagages. Ensuite, les bagages transitent via les convoyeurs vers le système de détection d’explosifs (EDS), puis ils sont envoyés à la redistribution qui est essentiellement une série de perrons et de carrousels où les sacs sont stockés jusqu'au départ du vol. Sur la dernière étape, des petites voitures spéciales (ULD) transfèrent les bagages à l'avion.

La capacité de ce système à l'aéroport de Montréal était limitée en raison du nombre fixe de perrons et de carrousels. Dans le même temps, la demande a eu certaines fluctuations et, dans certaines périodes, il était plus élevé que l'aéroport BHS pouvait gérer. Pendant ces périodes, il y a eu trop d’avions pour le départ et l'horaire n'a pas pu être modifié car il y avait beaucoup de facteurs, y compris certains ne dépendent pas de l'aéroport.

Le problème pourrait être résolu en augmentant la capacité de BHS avec plus de convoyeurs, de perrons et de carrousels à construire. Mais il n'était pas possible de le faire à court terme, alors que le problème nécessitait une solution efficace sur le moment. Pendant ce temps, la direction de l'aéroport a décidé de mettre en œuvre un stockage de bagages précoce (EBS) et a planifié d'importants investissements dedans. L'EBS est le stockage automatisé centralisé où les bagages des passagers, qui viennent tôt à l'aéroport, peuvent être localisés jusqu'au moment où un embarcadère est ouvert pour un certain vol. Par conséquent, les gestionnaires en collaboration avec les conseillers de GSS sont venus à l'idée que l'EBS pourrait également aider à raser le pic et réduire la fenêtre d'allocation des embarcadères afin d'accueillir plus de vols pendant les heures de pointe.

L'objectif de la simulation était d'identifier la configuration EBS optimale et la liste de vol pour répondre à la demande opérationnelle avec les principes opérationnels suivants:

Solution

Dans le cadre de ce projet, le modèle a aidé les dirigeant de planification de l’aéroport à élaborer un cshéma de l'ensemble de la manutention des bagages : quel embarcadère et combien de temps doit être alloué pour chaque vol, quels bagages doivent être stockés dans l'EBS en fonction de l'horaire de départ , la quantité de bagages et les contraintes opérationnelles du système de manutention des bagages. Comme il s'agissait d'un problème d'optimisation multi-critères avec des milliers d'agents et de facteurs, les ingénieurs ont décidé de créer un jumeau numérique.

Au début, les spécialistes de l'ESG ont organisé le travail de collaboration avec les services aéroportuaires, les compagnies aériennes et les autres parties concernées afin de comprendre leurs besoins et de proposer une solution applicable basée sur la conception de Lean. Il a été décidé de mettre en œuvre un EBS manuel (où les employés manipulent les bagages) pendant les deux premières années pendant que l'infrastructure automatisée est construite, et un stockage entièrement automatisé après cela.

Il y a eu trois phases de développement de modèles:

  1. Sur la base de l'analyse du profil d'arrivée historique des bagages par vol, un modèle de simulation a été élaboré pour estimer le flux prévu de sacs du BHS. Le modèle est également utilisé pour trouver la meilleure combinaison d'allocation de vol et a choisir les vols candidats pour le rasage de pointe. Différents scénarios de listes de vol sont générés et testés avec l'EBS pour choisir la meilleure configuration compte tenu de la capacité et des contraintes techniques.
  2. Étant donné que la solution automatisée prendra environ 2 ans à être construite, une solution temporaire est mise en œuvre qui est un EBS manuel (le personnel de l'aéroport gère les bagages et les met dans les chariots). La deuxième phase de modélisation est une simulation de cette opération manuelle comprenant les contraintes logistiques et opérationnelles, où les bagages sont stockés dans des chariots temporaires au lieu d'une infrastructure automatisée. Ce modèle utilise comme entrée la même liste de vol et permet aux gestionnaires de l'aéroport de définir la meilleure allocation de personnel et d'ajouter certains niveaux de restrictions à la liste de vol si nécessaire.
  3. Maintenant, la simulation d'EBS est entièrement automatisé et son intégration BHS est en cours de développement. De cette façon, les ingénieurs vont construire un jumeau numérique du système complet de manutention des bagages.

GSS a choisi AnyLogic comme plate-forme pour la simulation de l'optimisation multi critères car ce logiciel simplifie la modélisation complexe. AnyLogic a permis aux ingénieurs d'utiliser à la fois la modélisation des processus et la bibliothèque de manutention des matériaux qui a rendu considérablement plus facile de modéliser tous les convoyeurs, perrons et carrousels. La flexibilité de AnyLogic a permis de combiner des décisions de haut et de bas niveau dans un seul modèle. Le logiciel a permis aux ingénieurs d'intégrer des bases de données, des fichiers Excel et des bibliothèques externes, et plus particulièrement certains scripts écrits en R pour intégrer facilement le profil d'arrivée des bagages dans le modèle. AnyLogic a également fourni la possibilité d'automatisation des processus et la vitesse d'exécuter de nombreux scénarios « What-If » dans un contexte d'optimisation avec de multiples facteurs d'influence et des indicateurs KPI.

Résultat

Par conséquent, l'Aéroport international de Montréal s'est doté d'un outil de simulation d'aide à la décision qui permet à l'aéroport de prendre de meilleures décisions et de trouver des solutions confortables pour ses principaux intervenants, ce qui est crucial pour un tel projet d’infrastructure. Grâce à cette approche en plusieurs phases, l'aéroport a réussi à maintenir le niveau de service et à répondre à la demande accrue.

Parlant des économies de coûts, il serait plus coûteux de construire un trieur supplémentaire avec 10 piliers. Les économies liées aux projets peuvent maintenant être investies dans d'autres projets d'infrastructure importants que l'Aéroport de Montréal a lancés en raison de la demande accrue.

En outre, la décision EBS développée avec l'aide du modèle a permis à l'aéroport d'éviter de nombreux dépenses du à la mauvaise qualité. Plus précisément, il est devenu possible de:


Regardez la vidéo d'Alvaro Gil, présentant cette étude de cas à la conférence AnyLogic, ou téléchargez la présentation.

Études de cas similaires

Plus d’études de cas