Barenji, A. V., Wang, W. M., Li, Z., & Guerra-Zubiaga, D. A. (2019). Intelligent E-commerce logistics platform using hybrid agent based approach. Transportation Research Part E: Logistics and Transportation Review, 126, 15-31.

Mots-clés : E-commerce, Online to offline, E-commerce logistic park, Multi-agent system, Scheduling And control

Le commerce électronique permet de favoriser les échanges commerciaux, cependant il dépend d’un soutien logistique pour que son utilisation soit optimale (Geerts et McCarthy, 2002). Les avantages du commerce électronique sans une chaîne logistique efficiente seraient perdus (Ngai et Wat, 2002). En effet, l’exécution des commandes durant tout le londe de la chaîne d’approvisionnement constitue l’un des principaux obstacle qui affecte le développement de l’industrie mondiale du commerce électronique ainsi que de l’expérience d’achat en ligne (Bask et al., 2014 ; Ardjmand et al., 2018).

La logistique a un rôle primordial à tel point qu’elle pourrait représenter 40% du prix d’un produit (Kong et al., 2017). Le commerce électronique se décline en 3 parties : les produits de remplacement sont retirés des fabricants et expédiés aux entrepôts, les processus d’exécution de l’entrepôt trient, les produits sont livrés aux clients par le centre de distribution.

Récemment, des EcLP ont été introduits afin de favoriser le processus de commerce électronique. Celui-ci prévoit une zone économique spéciale multi fournisseurs sous la forme d’accords commerciaux (Šulgan, 2006). Cette pratique est notamment utilisée en Chine dans les régions les plus importantes. Il s’agit de zone stratégique permettant de développer de nouveaux marchés. L’objectif principal d’un parc est d’accélérer le processus d’éxécution pour un grand nombre d’EcLP. Ces entreprises partagent des biens communs (infrastructures, services communs, transports, etc.) (Mangiaracina et al., 2015 ; Turban et al., 2018).

Avec les demandes croissantes dues au e-commerce, les EcLP ont dus s’adapter en intégrant les nouvelles technologies (IoT, GPS, Cloud computing) pour répondre à ces demandes élevées. Malgré ces dispositions, il y a toujours un problème lié à l’ordonnancement dynamique à travers un manque d’échange d’information (Joong-Kun Cho et al., 2008 ; Liu et al., 2018 ; Yu et al., 2016 ; Zhang et al., 2018).

Plusieurs études ont fait l’objet de diverses solutions optimales pour résoudre ce problème et ainsi améliorer le processus d’exécution des commandes en ligne.

Une littérature complète sur la logistique du commerce électronique dans l’industrie du meuble a été présentée par Yu et al. (2017) qui ont montré l’importance de l’IoT, le big data et le cloud computing dans l’amélioration de la logistique du commerce électronique ainsi qu’à tous les niveaux opérationnels et décisionnels.

Les problèmes liés à la centralisation dans les EcLP via la logistique et le transport ont été caractérisés en plusieurs points :

-Manque de distribution et autonomie (ils sont contrôlés par un ordinateur hôte).

-Manque de reconfiguration : les EcLP ne peuvent pas gérés plusieurs problèmes à la fois.

-Machine : manque d’optimisation en temps réel face aux perturbations.

Les objectifs de l’article sont définis à travers deux questions :

Comment concevoir et développer un système intelligent de contrôle et d’ordonnancement pour un parc logistique de commerce électronique ?

L’intégration des informations en temps réel améliorera-t-elle le processus d’exécution des commandes ?

Dans cette étude, une plateforme hybride basée sur des agents a été réalisée pour l’EcLP.

Les avantages de cette plateforme ont été recentrés en 3 parties. Le premier concerne une plateforme décentralisée pour résoudre les problèmes liés à l’autonomie e la centralisation de l’EcLP. Le second permet une communication entre les agents mobiles (matériels & logiciels) afin d’assurer un échange d’information en temps réel. Pour finir, l’implémentation d’un agent d’optimisation a permis de réduire le temps de transport et d’améliorer le processus d’exécution via la responsabilité de l’ordonnance dynamique.

Pour conclure, les avantages liés à cette plateforme couvrent : la réduction du temps de traitement, amélioration du débit en réduisant la planification des chemins, amélioration de l’utilisation des machines.

Dans la chaîne d’approvisionnement classique, les produits sont traités sur différents niveaux allant du transport des produits des fabricants aux différents magasins physiques puis le client final (Gunasekaran et al., 2017). L’essor d’internet et du commerce électronique selon la définition du gouvernement britannique « (Stanford-Smith et Kidd, 2000) : “Le commerce électronique est l’échange d’informations (valeur) à travers des réseaux électroniques, à n’importe quel stade de la chaîne d’approvisionnement, c’est-à-dire qu’il soit payé ou non. Et, il peut avoir lieu au sein d’une organisation, entre les entreprises et les utilisateurs finaux.”

L’EcLP a apporté énormément au commerce électronique en résolvant le problème dû à la demandes clients au moment opportun (Yu et al., 2017). Ce fut l’objet de nombreux projets de ce nouveau système d’approvisionnement dans un parc logistique pour le commerce électronique. La Chine est l’un des précurseurs de ce modèle à la vue de ses demandes clients élevées. Les parcs logistiques ont joué un rôle important dans l’efficacité de la chaîne d’approvisionnement (Rimienė et Grundey, 2007). Ces mêmes parcs logistiques ont évolué en EcLP pour bénéficier des avantages liés à l’autonomie et des approches efficientes. Ces EcLP se définissent comme un fournisseur public d’un centre de distribution qui offre des services d’entrepôts et de transport. Ils réduisent ainsi les problèmes de logistique des entreprises et des fournisseurs. Il s’agit d’un système de ressources mutualisées ou partagées qui permet de réduire les frais liés à la logistique en ne payant que pour les services dont les entreprises ou les fournisseurs ont besoin (Leung et al., 2018).

L’architecture proposée est chargée de développer un calendrier dynamique (PCL). Le PCL contient 4 agents : Travail, optimisation, ressources, mobiles. L’architecture des flux de données permet d’obtenir un déroulement du processus en 6 étapes.

Le CLA est responsable du développement de la comunication entre les agents (PCL, fournisseurs, clients. Il est composé d’agents clients et fournisseurs.

Cet article a permis de montrer une nouvelle architecture d’ordonnancement dynamique avec en contrôle en temps réel basé sur une technologie multi-agents ce qui permet de combler les problèmes existants liés aux parcs logistiques dans le commerce électronique. Les avantages prédominants de ce système sont : la réduction du temps de traitement, amélioration du débit en réduisant la distance totale sur le système et amélioration de l’utilisation des machines, c’est-à-dire une amélioration du processus de maintenance des machines.

 

References

Alawneh, F., Zhang, G., 2018. Dual-channel warehouse and inventory management with stochastic demand. Transp. Res. Part E: Log. Transp. Rev. 112, 84–106. Angal, B., 2008. Developing logistics real estate in ports worldwide. Prologis 1–41.
Ardjmand, E., Bajgiran, O.S., Rahman, S., Weckman, G.R., Young, W.A., 2018. A multi-objective model for order cartonization and fulfillment center assignment in the

e-tail/retail industry. Transp. Res. Part E: Log. Transp. Rev. 115, 16–34.
Azadian, F., Murat, A.E., Chinnam, R.B., 2012. Dynamic routing of time-sensitive air cargo using real-time information. Transp. Res. Part E: Log. Transp. Rev. 48,

355–372.
Barenji, A.V., Barenji, R.V., Hashemipour, M., 2016. Flexible testing platform for employment of RFID-enabled multi-agent system on flexible assembly line. Adv. Eng.

Softw. 91, 1–11.
Barenji, A.V., Barenji, R.V., Roudi, D., Hashemipour, M., 2017. A dynamic multi-agent-based scheduling approach for SMEs. Int. J. Adv. Manuf. Technol. 89,

3123–3137.
Bask, A., Merisalo-Rantanen, H., Tuunanen, T., 2014. Developing a modular service architecture for E-store supply chains: the small-and medium-sized enterprise

perspective. Serv. Sci. 6, 251–273.
Burt, S., Sparks, L., 2003. E-commerce and the retail process: a review. J. Retail. Consum. Serv. 10, 275–286.
Dou, J., Chen, C., Yang, P., 2015. Genetic scheduling and reinforcement learning in multirobot systems for intelligent warehouses. Math. Probl. Eng. 2015.
Geerts, G.L., McCarthy, W.E., 2002. An ontological analysis of the economic primitives of the extended-REA enterprise information architecture. Int. J. Acc. Inform.

Syst. 3, 1–16.
Ghavamifar, A., Makui, A., Taleizadeh, A.A., 2018. Designing a resilient competitive supply chain network under disruption risks: a real-world application. Transp.

Res. Part E: Log. Transp. Rev. 115, 87–109.
Group, A., 2016. History of Alibaba Group [Online]. Alibaba Group. 2016. < http://www.alibabagroup.com/en/about/history > (accessed 16.3.2015). Gunasekaran, A., Subramanian, N., Papadopoulos, T., 2017. Information technology for competitive advantage within logistics and supply chains: a review. Transp.

Res. Part E: Log. Transp. Rev. 99, 14–33.
Hong, Z., Wang, H., Yu, Y., 2018. Green product pricing with non-green product reference. Transp. Res. Part E: Log. Transp. Rev. 115, 1–15.
Hou, Y., Wang, X., Wu, Y.J., He, P., 2018. How does the trust affect the topology of supply chain network and its resilience? An agent-based approach. Transp. Res. Part

E: Log. Transp. Rev. 116, 229–241.
Hu, K.-Y., Chang, T.-S., 2010. An innovative automated storage and retrieval system for B2C e-commerce logistics. Int. J. Adv. Manuf. Technol. 48, 297–305. Jedermann, R., Behrens, C., Westphal, D., Lang, W., 2006. Applying autonomous sensor systems in logistics—Combining sensor networks, RFIDs and software agents.

Sens. Actuat. A Phys. 132, 370–375.
Joong-Kun Cho, J., Ozment, J., Sink, H., 2008. Logistics capability, logistics outsourcing and firm performance in an e-commerce market. Int. J. Phys. Distrib. Log.

Manage. 38, 336–359.
Julka, N., Srinivasan, R., Karimi, I., 2002. Agent-based supply chain management—1: framework. Comput. Chem. Eng. 26, 1755–1769.
Jung, J.C., Ugboma, M.A., Liow, A.K., 2015. Does Alibaba’s magic work outside China? Thund. Int. Bus. Rev. 57, 505–518.
Kong, X., Li, M., Yu, Y., Zhao, Z., Huang, G.Q., 2017. Physical internet-enabled E-commerce logistics park platform. In: 2017 13th IEEE Conference on Automation

Science and Engineering (CASE). IEEE, pp. 406–411.
Korper, S., Ellis, J., 2000. The E-commerce Book: Building the E-empire. Elsevier.
Lambert, D.M., Stock, J.R., Ellram, L.M., 1998. Fundamentals of Logistics Management. McGraw-Hill/Irwin.
Lekovic, S., Milicevic, N., 2013. The Importance and Characteristics of Logistics in Electronic Commerce. Belgrade.
Leung, K., Choy, K., Siu, P.K., Ho, G., Lam, H., Lee, C.K., 2018. A B2C e-commerce intelligent system for re-engineering the e-order fulfilment process. Exp. Syst. Appl.

30

A.V. Barenji, et al. Transportation Research Part E 126 (2019) 15–31

91, 386–401.
Li, X., Zhang, C., Gao, L., Li, W., Shao, X., 2010. An agent-based approach for integrated process planning and scheduling. Exp. Syst. Appl. 37, 1256–1264.
Li, Z., Barenji, A.V., Jiang, J., Zhong, R.Y., Xu, G., 2018. A mechanism for scheduling multi robot intelligent warehouse system face with dynamic demand. J. Intell.

Manuf. 1–12.
Li, Z., Zhong, R.Y., Barenji, A.V., Liu, J., Yu, C., Huang, G.Q., 2019. Bi-objective hybrid flow shop scheduling with common due date. Oper. Res. Int. J. 1–26.
Liu, X., Wen, K., Xu, Y., Yu, G., 2017. Non-linear behavior of supply chains under chaos environment with disruptions: based on coupled map lattices. Intell. Decis.

Technol. 11, 399–414.
Liu, X., Zhang, K., Chen, B., Zhou, J., Miao, L., 2018. Analysis of logistics service supply chain for the One Belt and One Road initiative of China. Transp. Res. Part E:

Log. Transp. Rev. 117, 23–39.
Liu, Y.J., 2014. Study of logistics park planning and design based on E-commerce platform. Appl. Mech. Mater. 907–910 Trans Tech Publ.
Mangiaracina, R., Marchet, G., Perotti, S., Tumino, A., 2015. A review of the environmental implications of B2C e-commerce: a logistics perspective. Int. J. Phys.

Distrib. Log. Manage. 45, 565–591.
Manupati, V.K., Putnik, G.D., Tiwari, M.K., Ávila, P., Cruz-Cunha, M.M., 2016. Integration of process planning and scheduling using mobile-agent based approach in a

networked manufacturing environment. Comput. Ind. Eng. 94, 63–73.
Merschformann, M., Lamballais, T., de Koster, R., Suhl, L., 2018. Decision Rules for Robotic Mobile Fulfillment Systems. arXiv preprint arXiv:1801.06703.
Mofidi, S.S., Pazour, J.A., Roy, D., 2018. Proactive vs. reactive order-fulfillment resource allocation for sea-based logistics. Transp. Res. Part E: Log. Transp. Rev. 114,

66–84.
Moyaux, T., Chaib-Draa, B., D’amours, S., 2006. Supply chain management and multiagent systems: an overview. Multiagent Based Supply Chain Management.

Springer.
Ngai, E.W., Wat, F., 2002. A literature review and classification of electronic commerce research. Inform. Manage. 39, 415–429.
Pan, A., Choi, T.-M., 2016. An agent-based negotiation model on price and delivery date in a fashion supply chain. Ann. Oper. Res. 242, 529–557.
Qiu, X., Luo, H., Xu, G., Zhong, R., Huang, G.Q., 2015. Physical assets and service sharing for IoT-enabled Supply Hub in Industrial Park (SHIP). Int. J. Prod. Econ. 159,

4–15.
Qu, T., Pan, Y., Liu, X., Kang, K., Li, C., Thurer, M., Huang, G.Q., 2017. Internet of Things-based real-time production logistics synchronization mechanism and method

toward customer order dynamics. Trans. Inst. Meas. Control 39, 429–445.
Ratnasingam, P., 2003. Inter-organizational-trust in business to business e-commerce: a case study in customs clearance. J. Glob. Inform. Manage. (JGIM) 11, 1–19. Rimienė, K., Grundey, D., 2007. Logistics centre concept through evolution and definition. Eng. Econ. 54.
Roy, D., De Koster, M., 2014. Modeling and Design of Container Terminal Operations.
Ruan, J., Shi, Y., 2016. Monitoring and assessing fruit freshness in IOT-based e-commerce delivery using scenario analysis and interval number approaches. Inf. Sci.

373, 557–570.
Serrano-Hernandez, A., Faulin, J., Hirsch, P., Fikar, C., 2018. Agent-based simulation for horizontal cooperation in logistics and transportation: from the individual to

the grand coalition. Simul. Model. Pract. Theory 85, 47–59.
Shang, X., Zhang, R., Chen, Y., 2012. Internet of things (IoT) service architecture and its application in e-commerce. J. Electr. Comm. Org. (JECO) 10, 44–55. Shao, X., Li, X., Gao, L., Zhang, C., 2009. Integration of process planning and scheduling—a modified genetic algorithm-based approach. Comput. Oper. Res. 36,

2082–2096.
Shaygan, A., Barenji, R.V., 2016. Simulation Platform for Multi Agent Based Manufacturing Control System Based on The Hybrid Agent. arXiv preprint arXiv:1603.

07766.
Stanford-Smith, B., Kidd, P.T., 2000. E-business: Key Issues, Applications and Technologies. IOS press.
Šulgan, M., 2006. Logistics park development in Slovak Republic. Transport 21, 197–200.
Tarimoradi, M., Zarandi, M.F., Zaman, H., Turksan, I., 2017. Evolutionary fuzzy intelligent system for multi-objective supply chain network designs: an agent-based

optimization state of the art. J. Intell. Manuf. 28, 1551–1579.
Torabi, S., Hassini, E., Jeihoonian, M., 2015. Fulfillment source allocation, inventory transshipment, and customer order transfer in e-tailing. Transp. Res. Part E: Log.

Transp. Rev. 79, 128–144.
Trkman, P., McCormack, K., 2009. Supply chain risk in turbulent environments—a conceptual model for managing supply chain network risk. Int. J. Prod. Econ. 119,

247–258.
Turban, E., Outland, J., King, D., Lee, J.K., Liang, T.-P., Turban, D.C., 2018. Order fulfillment along the supply chain in e-commerce. Electronic Commerce 2018.

Springer.
van der Heide, G., Buijs, P., Roodbergen, K., Vis, I., 2018. Dynamic shipments of inventories in shared warehouse and transportation networks. Transp. Res. Part E:

Log. Transp. Rev. 118, 240–257.
Vatankhah Barenji, A., Vatankhah Barenji, R., 2017. Improving multi-agent manufacturing control system by indirect communication based on ant agents. Proc. Instit.

Mech. Eng. Part I: J. Syst. Contr. Eng. 231, 447–458.
Wang, H., Tan, J., Guo, S., Wang, S., 2018. High-value transportation disruption risk management: shipment insurance with declared value. Transp. Res. Part E: Log.

Transp. Rev. 109, 293–310.
Wang, X., Zhan, L., Ruan, J., Zhang, J., 2014. How to choose “last mile” delivery modes for E-fulfillment. Math. Probl. Eng. 2014.
Wong, P.-K., 2003. Global and national factors affecting e-commerce diffusion in Singapore. Inform. Soc. 19, 19–32.
Yang, B., Chen, Y.A., 2018. Evolution model and simulation of logistics outsourcing for manufacturing enterprises based on multi-agent modeling. Clust. Comput. 1–9. Yang, C., Taudes, A., Deng, A., Chen, L., Tian, F., 2015. Research on logistics parks: literature review and outlook. LISS 2013. Springer.
Yu, Y., Wang, X., Zhong, R.Y., Huang, G., 2017. E-commerce logistics in supply chain management: implementations and future perspective in furniture industry. Ind.

Manage. Data Syst. 117, 2263–2286.
Yu, Y., Wang, X., Zhong, R.Y., Huang, G.Q., 2016. E-commerce logistics in supply chain management: practice perspective. Proc. CIRP 52, 179–185.
Zhang, M., Fu, Y., Zhao, Z., Pratap, S., Huang, G.Q., 2018. Game theoretic analysis of horizontal carrier coordination with revenue sharing in E-commerce logistics. Int.

28. Prod. Res. 1–28.
    Zhou, G., Xiao, Z., Jiang, P., Huang, G.Q., 2010. A game-theoretic approach to generating optimal process plans of multiple jobs in networked manufacturing. Int. J.

Comput. Integr. Manuf. 23, 1118–1132.