Projet IFU : Optimisation des tournées de livraison – GoodCoffee Inc.

Auteurs : BAUDOIN Anaëlle, CHALUMEAU Marius, JESTIN Léna Département : Génie Industriel – INSA Lyon
Année universitaire : 2025-2026
Cours : Industrie du Futur – Optimisation de la chaîne logistique (L. MONCLA & F. TOUZOUT)

---

Présentation du projet

Ce projet consiste à concevoir un système intelligent de planification de tournées pour la société GoodCoffee Inc., basée à Brooklyn. L'objectif est de livrer quotidiennement des magasins Starbucks à travers New York en respectant les montées en charge progressives du contrat (de 20 à plus de 225 points de vente).

Le projet repose sur deux piliers technologiques :

1. Data Science : inférence des coûts de transport (temps de trajet) via l'analyse d'un dataset de 1,5 million de courses de taxis (Yellow Taxi Trips)
2. Recherche Opérationnelle : optimisation des tournées de véhicules (VRP) sous contrainte de capacité (300 kg par van)

---

Structure du projet

• Projet_IFU_Main.ipynb : Notebook principal contenant le pipeline complet (Nettoyage, ML, Clustering, TSP)
• gbr.pkl : Modèle de Gradient Boosting pré-entraîné, chargé via pickle pour garantir une exécution rapide du TSP
• Fichiers .csv récupérés sur Moodle

---

Instructions d'exécution (Google Colab)

Le code a été conçu pour être exécuté sur Google Colab.

1. Ouverture : Importer le notebook dans l'environnement Colab.
2. Installation des dépendances : La cellule initiale installe automatiquement les outils nécessaires :

   !pip install pulp

3. Récupération des données : le notebook inclut une cellule de récupération automatique des fichiers (via un dépôt GitHub) pour le modèle .pkl et les datasets
4. Lancement : exécuter toutes les cellules
   • Note : Les étapes de prédiction pour le Stage 4 peuvent prendre 2 à 3 minutes en raison du volume de calcul de la matrice de coûts.