Contraintes opérationnelles

Fenêtres de livraison : comment les intégrer dans l’optimisation de tournées

Mis à jour le

En bref : Chaque fenêtre de livraison est une contrainte pour l’algorithme. Plus elles sont serrées, plus la tournée s’allonge. Des fenêtres mal paramétrées, souvent plus strictes que nécessaire, coûtent cher : il faut les vérifier et suivre le taux de respect réel.

Les fenêtres de livraison sont la contrainte la plus courante dans l’optimisation de tournées, et l’une des plus mal paramétrées. Un outil peut gérer les fenêtres horaires techniquement tout en produisant des tournées qui les violent régulièrement, simplement parce que les fenêtres saisies dans le système ne correspondent pas aux fenêtres réelles sur le terrain. Comprendre comment l’algorithme traite cette contrainte, et comment la paramétrer correctement, est un prérequis pour obtenir des tournées exploitables.

Ce qu’une fenêtre de livraison signifie pour l’algorithme

Une fenêtre de livraison définit la plage horaire pendant laquelle un client accepte d’être livré. Pour l’algorithme, c’est une contrainte qui impose que le véhicule arrive à ce client après l’heure d’ouverture de la fenêtre et avant l’heure de fermeture, en tenant compte de la durée de service sur place.

Deux cas de violation peuvent se produire. L’arrivée trop tôt, quand le véhicule est disponible avant l’ouverture de la fenêtre : l’algorithme doit alors soit introduire un temps d’attente, soit réordonner les arrêts pour arriver au bon moment. L’arrivée trop tard, quand le respect de la fenêtre est impossible compte tenu des autres contraintes de la tournée : l’algorithme doit signaler cette impossibilité, pas silencieusement violer la contrainte pour produire une tournée complète.

La façon dont les outils gèrent ces deux cas varie significativement. Certains traitent la fenêtre comme une contrainte dure : si elle ne peut pas être respectée, la tournée est déclarée infaisable et l’utilisateur doit ajuster. D’autres la traitent comme une contrainte souple avec une pénalité : la violation est permise mais pénalisée dans le calcul de la solution optimale. Les deux approches ont leur légitimité selon le contexte, mais l’utilisateur doit savoir laquelle son outil applique.

Les types de fenêtres et leurs implications pratiques

La fenêtre unique est le cas standard : le client est disponible entre 8h et 12h, point. L’algorithme doit placer la visite dans cette plage, période d’attente incluse si le véhicule arrive avant 8h.

La double fenêtre offre deux plages alternatives : le matin entre 8h et 11h, ou l’après-midi entre 14h et 17h. L’algorithme choisit la plage la plus favorable pour l’optimisation globale. Ce type de fenêtre donne plus de flexibilité à l’algorithme et produit généralement des tournées plus efficaces qu’une fenêtre unique.

La fenêtre avec tolérance distingue une plage préférentielle et une plage acceptable : idéalement entre 9h et 11h, mais le client accepte jusqu’à 12h. L’algorithme cherche à livrer dans la plage préférentielle, mais peut déborder dans la plage de tolérance si nécessaire, avec une pénalité moindre qu’une violation complète de la fenêtre.

La fenêtre de rendez-vous précis est le cas le plus contraint : passage à 10h précises, plus ou moins quinze minutes. C’est typique de la livraison sur rendez-vous ou de certains clients grand compte. L’algorithme a très peu de flexibilité et doit construire la tournée autour de ces ancres temporelles.

Un point de vigilance lors du paramétrage : les fenêtres saisies dans l’outil sont-elles les fenêtres contractuelles ou les fenêtres réelles ? Un client dont le contrat dit 8h-12h mais dont le responsable de réception part à 11h30 a une fenêtre effective de 8h à 11h30. Si les conducteurs le savent et l’outil ne le sait pas, les tournées produites seront régulièrement en retard sur ce client.

L’impact des fenêtres serrées sur la qualité de l’optimisation

Plus les fenêtres sont serrées, plus l’espace de solutions exploitable par l’algorithme est réduit. Deux clients voisins géographiquement avec des fenêtres incompatibles ne peuvent pas être regroupés dans la même tournée, même si la géographie le permettrait. Un client isolé géographiquement avec une fenêtre unique le matin impose un détour coûteux que l’algorithme ne peut pas éviter.

Ce constat a une implication managériale importante : la qualité de l’optimisation dépend en partie des fenêtres horaires négociées avec les clients. Un responsable exploitation qui négocie des fenêtres plus larges ou des doubles fenêtres avec ses clients donne à l’algorithme plus de liberté pour produire des tournées efficaces. Il ne s’agit pas de dégrader le service client, mais de chercher des flexibilités là où elles existent réellement.

En pratique, certains clients acceptent des fenêtres plus larges que celles qu’ils ont initialement demandées si on leur explique l’enjeu. Un client qui dit « je veux être livré le matin » accepte souvent « entre 7h et 12h » quand on lui explique que cela permet de mieux organiser les tournées. D’autres ont des contraintes réelles et incompressibles. L’enjeu est de distinguer les deux.

Comment identifier les fenêtres mal paramétrées

Un indicateur simple : si vos conducteurs ajustent régulièrement les tournées proposées par l’outil en expliquant que « tel client ne peut pas être livré à cette heure-là », c’est que les fenêtres dans le système ne reflètent pas la réalité terrain. Ce décalage est la première cause de tournées calculées correctement sur le papier mais inutilisables en pratique.

La mise à jour périodique des fenêtres horaires dans le système est une tâche de maintenance opérationnelle que beaucoup d’organisations négligent. Les horaires des clients changent selon les saisons, selon leur activité, selon les changements de personnel. Une base de données de fenêtres horaires qui n’a pas été mise à jour depuis deux ans est probablement partiellement obsolète.

La meilleure façon de valider la qualité des fenêtres horaires est de comparer les heures de passage effectivement réalisées avec les fenêtres paramétrées. Un outil qui remonte les données réelles de passage permet cette analyse. Un outil qui remonte seulement « livraison effectuée » sans heure précise ne le permet pas.

Fenêtres horaires et taux de service : le bon indicateur à suivre

Le taux de service sur les fenêtres horaires est l’un des indicateurs les plus importants pour évaluer la qualité réelle d’un projet d’optimisation. Un taux de 95% signifie que 5% des livraisons arrivent hors de la fenêtre prévue. Sur cent livraisons par jour, c’est cinq clients insatisfaits quotidiennement.

Mesurer ce taux avant et après le déploiement de l’optimiseur est le moyen le plus direct d’objectiver la valeur apportée. Si le taux de service progresse significativement tout en maintenant ou en réduisant le kilométrage, le projet est un succès démontrable. Si le taux de service se dégrade malgré une réduction du kilométrage, le paramétrage des fenêtres ou les durées de service sont probablement incorrects.

Ce taux doit être mesuré sur les données réelles de passage, pas sur les données de planification. Une tournée planifiée dans les fenêtres horaires mais exécutée avec des retards n’est pas un succès : c’est un problème de réalisme du planning que le taux de service réel révèle, et que le taux de service planifié masque.

Vous cherchez un optimiseur qui gère correctement vos fenêtres horaires et produit des tournées réalistes sur le terrain ? Le questionnaire QuelleTournee.fr analyse vos contraintes et vous propose les solutions adaptées à votre profil.

Trouver mon optimiseur de tournées →