Modélisation de l’architecture de pilotage des chaînes logistiques

Télécharger le fichier pdf d’un mémoire de fin d’études

Les trois flux de la chaîne logistique

Nous détaillons ici les trois flux traversant une chaîne logistique : flux d’information, physique et financier. Ces trois flux peuvent découler des règles stipulées dans le contrat de partenariat. En effet, des contrats définissent lesrelations entre chaque entreprise de la chaîne logistique, prévoyant notamment des pénalités en cas de retard de livraison d’un fournisseur ou de rupture de stock, déterminant qui gère le transport et les stocks entre deux « maillons » de la chaîne, …

Le flux d’information

Le flux d’information représente l’ensemble des transferts ou échanges de données entre les différents acteurs de la chaîne logistique. Il s’agit en premier lieu des informations commerciales, notamment les commandes passées entre clients et fournisseurs. Une commande comprend généralement la référence du produit, la quantité commandée, la date de livraison souhaitée et le prix éventuellement négocié lors de la vente. D’autres éléments peuvent s’ajouter à cette liste : la liste des opti ons désirées pour le produit, la fréquence de livraison si besoin, … Mais les entreprises s’échan gent aussi des informations plus techniques : paramètres physiques du produit, gammes opératoires, capacités de production et éventuellement de transport, informations de suivides niveaux de stock. Ces dernières sont de plus en plus réclamées par les clients qui souhaitent connaître l’état d’avancement de fabrication de leur produit. De manière plus générale, le principe de traçabilité se traduit par un droit de regard accru du client envers le fournisseur (Dupuy et al., 2004).
Le flux d’information est de plus en plus rapide grâce aux progrès des TIC. Le développement des flux d’information au sein de la chaîne logisti que trouve ses limites dans le besoin de confidentialité entre acteurs. Par ailleurs, le problème de la qualité des données véhiculées subsiste, et le risque existe que des décisions soient basées sur des données erronées ou simplement périmées.

Le flux physique

Le flux physique est constitué par le mouvement des marchandises transportées et transformées depuis les matières premières jusqu’aux produits finis en passant par les divers stades de produits semi-finis. Il justifie l’organisation d’un réseau logistique (cf. §1.3.3), c’est-à-dire les différents sites avec leurs ressources de production, les moyens de transports pour relier ces sites et les espaces de stockage nécessaires pour pallier les aléas et faire tampon entre deux activités successives. En bref, ’écoulement du flux physique résulte de la mise en œuvre des diverses activités de manutention et de transformation des produits quel que soit leur état.
Le flux physique est généralement considéré commetanté le plus lent des trois flux.

Le flux financier

Le flux financier concerne toute la gestion pécuniaire des entreprises : ventes des produits, achats de composants ou de matières premières, maisaussi des outils de production, de diverséquipements, de la location d’entrepôts, … et bien sûr du salaire des employés. Le flux financier est généralement géré de façon centralisédans l’entreprise dans le service financier ou comptabilité, en liaison toutefois avec la fonction production par les services achats et le service commercial. Sur le long terme, il correspond aussi aux investissements lourds tels que la construction de nouveaux bâtiments et de lignes de fabrication. Encore s’agit-il d’échanges avec des organismes bancaires extérieurs au réseaud’entreprises.

Le système décisionnel

Le système décisionnel requis par le SCM s’appuie sur un système d’information. Le système d’information stricto sensu est le support et la mémoire des transactions des informations (Shapiro, 1999, Dominguez et Lashkari, 2004). La transaction de l’information concerne l’acquisition, le transfert, le stockage et l’affic hage des données. Ainsi, des tableaux de bord permettent-ils simplement d’alimenter un décideur en informations (Morana et Paché, 2000). Par contre, l’analyse de l’information est un élément de l’activité de risep de décision (Lecompte-Alix, 2001). Au-delà du système d’information, le système décisionnel est l’organisation par laquelle la chaîne logistiqu e est pilotée, définissant les décideurs à tous les niveaux hiérarchiques et ce sur le court, moyenet long terme. L’organisation du système décisionnel peut répondre à différentes philosophie. Ganeshan et al. (1999) en considèrent principalement deux : i) Une chaîne logistique dirigée comme une seule entité par un membre dominant de la chaîne. C’est le cas dans le secteur de l’automobile par exemple, où l’on trouve généralement un puissant donneur d’ordres. i) Une chaîne peut aussi être pilotée par un système de partenariats locaux entre deux entreprises. Dans tous les cas, pour qu’il soit efficace, le pilotage nécessite une bonne coordination de l’ensemble des partenaires et une réelle coopération de la part de ceux-ci (Chan et la., 2004). Le système décisionnel peut donc être centralisé ou au contraire distribué. Mais s’agitil là uniquement de cas extrêmes. Bien d’autres cas peuvent être rencontrés.
Si, jadis, la modélisation de l’environnement d’un décideur se limitait aux frontières de l’entreprise, ce n’est plus le cas avec la notion d e chaîne logistique, où l’environnement du décideur s’étend sur tout ou partie de la chaîne cf(. § 1.4.5.1). De fait, les décideurs doivent aujourd’hui prendre en compte un plus grand nombre de paramètres afin d’optimiser leur décision et ainsi améliorer leur performance industrielle. Pour les aider dans leur fonction, les scientifiques ont proposé des outils d’aide à la décision, basés sur des modèles de programmation mathématique (cf. § 1.4.5.2) ou de simulation (cf. § 1.4.5.3), aujourd’hui diffusés dans des progiciels commerciaux (cf. § 1.4.5.4). Extension de la notion de niveau décisionnel au réseau d’entreprises :
Avec l’approche globale de la gestion de la chaîne logistique, certaines notions issues de l’entreprise s’étendent désormais à la chaîne logistique.
Ainsi la notion de niveau décisionnel (cf §1.2.1) peut-elle s’appliquer à un réseau d’entreprises. Ganeshan et al. (1998) ont fait une revue de la littérature scientifique sur le SCM et ont catégorisé les problématiques abordéesn efonction du niveau décisionnel. Au niveau stratégique, on distingue quatre parties:
• La partie « Objectifs stratégiques » : il s’agit de déterminer les objectifs pour l’ensemble des parties prenantes (partenaires).
• La partie « Design », conception ou configuration : il s’agit de déterminer la structure de la chaîne (cf § 1.3.3), dans sa topologie, mais également dans la sélection des parties prenantes (choix des fournisseurs, sous-traitants, …).
• La partie « Développement d’avantages compétitifs »: il s’agit d’analyser comment la gestion de la chaîne logistique peut développer ou améliorer la compétitivité des entreprises partenaires.
• La partie « Evolution historique » qui se focalise sur l’évolution des stratégies des entreprises en matière de chaîne logistique.
Au niveau tactique, Ganeshan et al. (1998) classent la littérature scientifique en quatre catégories :
• La partie « Développement des relations inter-entreprises », que celles-ci soient bilatérales ou multilatérales, horizontales ou verticales.
• La partie « Gestion des opérations intégrées », c’est-à-dire la gestion des activités des entreprises pour garantir l’efficience globale de la chaîne logistique.
• La partie « Gestion des systèmes collectifs de transport et de distribution ».
• La partie « Développement de systèmes d’information» qui cherche à améliorer l’échange d’informations dans le cadre des objectifs stratégiques.
Enfin, au niveau opérationnel :
• La partie « Contrôle et gestion des stocks et des f lux physiques ».
• La partie « Coordination de la planification de la production ».
• La partie « Spécification du partage des informations opérationnelles ».
• La partie « Développement d’outils de pilotage opérationnel ».

Les performances

La gestion de la chaîne logistique cherche à améliorer le système global de production. Pour cela, elle met en place un certain nombre d’indicateurs de performance, parfois difficiles à quantifier (Min et Zhou, 2002, Tan, 2001), comme la satisfaction du client (disponibilité, temps de réponse, efficacité du service après-vente, réception du produit avec les bonnes configurations / options, documentation jointe complète), l’amélioration de la productivité, de l’adaptabilité ou de la flexibilité de la chaîne, un meilleur partage de l’information, la gestion et le partage des risques, la diversification des produits, l’amélioration de la traçabilité, de la compétitivité… Ces indicateurs sont construits à pa rtir du suivi de production (niveau des stocks, nombre de ruptures…).
A l’aide de ces indicateurs, les décideurs du SCM se fixent les objectifs (ou cibles) à atteindre au bout d’un certain délai.
Dans ce qui suit, les notions de « performance » et de « système de performance », dont l’objectif est d’améliorer les compétences de la chaîne, sont d’abord développées. Puis, trois principaux indicateurs de performance de la chaîne logistique sont détaillés, correspondant chacun à un type de flux : un indicateur de « coopération » en ce qui concerne la performance du flux d’information, les coûts pour le flux financier et le délai de livraison pour le flux physique (cf §1.4.4.2).

Comment améliorer la performance?

C’est en améliorant la performance globale de la chaîne que chaque entreprise pourra améliorer sa propre performance (et non l’inverse), mais cela suppose que l’entreprise se coordonne efficacement avec ses partenaires (Llerena, 2003). A ses propos, en plus de l’idée de coordination, vient se greffer la justification stratégique des chaînes logistiques, qui est d’établir entre elles un rapport gagnant-gagnant aux entreprises partenaires, quitte à accorder des compensations aux maillons défavorisés. Mais cesystème de compensation nécessite une très bonne confiance entre les acteurs de la chaîne.
Pour améliorer le système de production (ici la chaîne logistique), il faut connaître sa performance effective et déterminer une cible ou un objectif à atteindre. La première étape consiste donc à « mesurer la performance ». Plusieu rs critères de performance sont envisageables, principalement ceux détaillés ci-après. Ensuite, il faut prendre des décisions de réingénierie et agir sur le système à travers des ariablesv de décision afin de tendre vers la cible choisie.
En définitive, la mise en place d’un système de performances traduit implicitement un désir de contrôle et d’amélioration des performances, ce qui s’applique tout aussi bien au contexte de la réingénierie du système considéré qu’à son ploitationex (cf. figure 1.7).

La réduction des coûts

« L’idée de la Supply Chain est née du principe quepour limiter les gaspillages le long de la chaîne logistique, tous les intervenants doivent travailler ensemble, en s’affranchissant des limites physiques de chaque entreprise, afin d’optimiser les processus : c’est l’entreprise étendue » (Thomas, 2003). Il faut entendre ici par « gaspillages » les coûts engendrés par des stocks surabondants, les pénalités dues aux retardsde livraison, les duplications d’activités… (Tan, 2001). La réduction des coûts sur l’ensemble de la chaîne est une des principales priorités des chaînes logistiques. Par exemple, les stocks représentent pour les financiers une immobilisation de capitaux, un risque d’invendus (péremption, baisse de la demande,…), un espace de stockage immobilisé, des inventaires à faire,… Dans la chaîne logistique, les gestionnaires cherchent aussi à réduire les frais de transport en optimisant l’utilisation des moyens de transport. Les gains de productivité sontrecherchés tant dans le transport que sur les sites de production, en limitant par exemple les temps improductifs de changement de série sur les équipements. Une politique de lotissement, avec détermination de séries économiques, est alors souvent envisagée.

La réduction de l’ensemble des coûts permet de réduire le prix des produits finis et ainsi de chercher à acquérir de nouvelles parts de marché, et de dégager des bénéfices pour de futurs investissements dans la chaîne logistique.

La réduction du délai de livraison

Dans le contexte du marché mondialisé et du regroupement des entreprises sous forme de chaînes logistiques, « ce n’est pas la lutte du « f ort contre le faible » mais plutôt celle du « rapide contre le lent » » (Thomas, 2003). En effet, une entreprise doit réagir au plus vite face aux variations du marché afin d’en tirer des bénéfices. Ainsi, l’objectif principal de Caterpillar (Dany, 2003) était-il de produire et livrer les produits à ses clients en 3 semaines en 2006 contre 8 semaines en 2000, ainsi que de réduire le délai de traitement des commandes (saisie, calcul des OF, …) à une semaine contre 8 s emaines en 2000 (cf. figure 1.11). Comme la production est déclenchée par les commandes (à cause des options sur les produits), le délai de production résulte des délais d’assemblage, detests, de peinture et de transport au client. Caterpillar cherche aussi à réduire d’autres délais(11 semaines contre 44 semaines en 2000), mais qui se font en temps masqué par rapport au délai vu par le client. Par exemple, le délai dit « Supply Chain » correspond à toute la producti on de composants standards amont chez les différents fournisseurs. Des stocks de composants offrent un point de découplage (cf. tableau 1 §1.1.1.3) dans la fabrication des produits, et les demandes fermes des clients déclenchent la production à partir de ces stocks.

Modélisation de la gestion de la chaîne logistique

Pour aider les décideurs du SCM, des outils ont étédéveloppés par la recherche et transférés par l’offre logicielle. Il s’agit, d’une part, de l a modélisation d’entreprise pour comprendre le positionnement des activités dans les processus d’entreprise et, d’autre part, des modèles mathématiques et de résolution optimale, supports ne particulier à la planification.

Modélisation d’entreprise

L’essor de la modélisation d’entreprise remonte aux années 1990 (Botta-Genoulaz, 2005). L‘objectif de la modélisation d’entreprise est de représenter une partie donnée de l’entreprise pour en comprendre son fonctionnement, pour en analyser son comportement et ses performances, pour détecter des dysfonctionnements,en vue naturellement d’en améliorer la performance, ou de valider une organisation nouvelle.

Selon Ganeshan et al. (1999), la modélisation d’entreprise regroupe la part « concepts et modèles non quantitatifs » de la littérature scientifique. Croom et al. (2000) classe la modélisation d’entreprise dans les modèles descriptifs et non normatifs, Min et Zhou (2002) dans les modèles qualitatifs.

La modélisation d’entreprise utilise des formalismes de modélisation générique, tels que la grille et les réseaux GRAI (Doumeingts, 1998), CIM-OSA, PERA, ARIS, GERAM, SCOR (SCC, 1996) … La multitude de ces modèles est parfois problématique pour définir d’une manière unifiée le fonctionnement d’une entreprise. Dans sa thèse, Roque (2005) propose un méta-modèle qui permet d’intégrer différentes modélisations par décomposition puis recomposition de composants élémentaires présents dans ces modélisations. Ce méta-modèle permet d’échanger plus facilement des informations entre les modèles : c’est une forme d’interopérabilité entre les différentes modélisations d’entreprises.

En général, ces modèles sont centrés ou focalisésur sune entreprise, plutôt que les chaînes logistiques.

Les modèles analytiques

Les modèles analytiques permettent de décrire un système par un ensemble d’équations régissant son fonctionnement. Ils peuvent être déterministes (tous les paramètres du modèle sont réputés connus) ou stochastiques (certains paramètres sont incertains et suivent une loi de probabilité) (Maria, 1997). Ces modèles sont généralement associés à un problème d’optimisation à un ou plusieurs critères. Ils peuv ent être résolus par différents logiciels spécifiques ou génériques. Ces modèles correspondent à ce que Ganeshan et al. (1999) appellent les modèles quantitatifs. D’après Thomas et Griffin (1996) qui ont fait un classement des modèles mathématiques utilisés pour le SCM, les grandes familles de modèles sont les modèles stochastiques (modélisation par files d’attente, par exemple), les modèles analytiques (programmation linéaire, par exemple), et les simulations. En réalité, les modèles analytiques peuvent être stochastiques ou non, c’est pourquoi nous préféronsne conserver, dans cette classification des modèles, que les modèles analytiques et les modèlesde simulation (présentés dans le paragraphe suivant).

Huang et al. (2003) précisent que le choix du modèle, compte tenu de ses hypothèses de validité, détermine directement le type de problèmet de structure que l’on peut étudier. Il rappelle aussi que, pour qu’un modèle analytique (déterministe ou stochastique) soit viable, il doit être relativement simple, c’est-à-dire qu’il faut faire un certain nombre d’hypothèses et de simplifications. Ainsi les modèles analytiques se contentent-ils généralement d’aspects basés sur le processus de distribution dans une structure dyadique (une seule relation client-fournisseur). Mais cette configuration est trop simple vis-à-vis des véritables chaînes logistiques.

Thomas et Griffin (1996) classent les modèles analytiques suivant deux niveaux hiérarchiques : opérationnel et stratégique. Les oblèmespr soulevés dans ces modèles au niveau opérationnel sont la gestion d’une ressource avec file d’attente, la gestion du transport, l’utilisation ou non de la sous-traitance, la gestion de la production locale ou au contraire globale, la détermination de la taille des lots pour la production et la distribution, le choix du type de transport, … Au niveau stratégique, les déc isions à prendre sont l’ouverture ou la délocalisation d’une entreprise ou d’un centre de distribution, l’allocation d’équipements pour les entreprises, le choix de sites pour l’implantation de nouvelles entreprises pour un nouveau produit ou pour le changement du flux physique d’un produit à travers la chaîne, le choix de fournisseurs… Thomas et Griffin (1996) concluent que la plupart des recherches récentes se focalisent sur les modèles stochastiques.

Remarque : L’approche retenue pour ce travail de thèse est le développement d’un modèle analytique déterministe de SCM, afin d’offrir un outil d’aide à la décision. Une étude bibliographique plus avancée sur ce type de modèle est présentée au début du chapitre 3.

Les modèles de simulation

Un modèle de simulation est généralement utilisé rsqu’illo est difficile de trouver une relation (une équation) entre différentes variables et ne pouvant donc généralement pas se mettre sous la forme d’un modèle analytique.

Maria (1997) distingue aussi un autre critère pour le classement des modèles : la prise en compte du temps. Il y aurait donc deux types de modèles : les modèles statiques dans lesquels le temps n’est pas pris en compte, et les modèles dynamiques. Les modèles de simulation sont en définitive des modèles à la fois stochastiques et dynamiques.

Enfin, Kleijnen (2005) identifie quatre types de simulations : Simulation de type Tableur, Dynamiques des systèmes, Simulation à événements discrets, et Jeux d’entreprises. Il mène une étude comparative pour mettre en évidence l’intérêt de vérifier et valider les modèles (méthodes statistiques), pour analyser la sensibilité des facteurs, optimiser les modèles, et étudier leur robustesse.

L’offre logicielle

Des logiciels ont d’abord été développés pour exécuter certaines tâches administratives répétitives, puis pour pallier les problèmes de comunication dans l’entreprise. Ensuite, de multiples applications informatiques ont été développées dans divers domaines industriels : GPAO, supervision d’ateliers, stockage automatisé, contrôle statistique des opérations, développement produit, conception, dessin assisté arp ordinateur,… Dans les années 80, le CIM (Computer Integrated Manufacturing) a permis une première intégration des activités ed production. La généralisation du concept d’intégration de systèmes informatiques et des processus « métier » dans tous les domaines de l’entreprise a donné naissance aux ERP (Enterprise Resource Planning), extension du terme MRP (Manufacturing Resource Planning) (Bourrières et al., 2005). Pour résumer, un ERP ournitf à l’ensemble des acteurs de l’entreprise une image unifiée (basée sur un système d’information), intègre, cohérente et homogène de l’ensemble des informations dont ils ont besoin (Botta-Genoulaz, 2005 et Botta-Genoulaz et al., 2004). De plus, le but des systèmes d’information est de réduire l’incertitude des informations en travaillant sur quatre notions : la disponibilité, la représentabilité (précision de l’information par rapport au message à transmettre), le délai entre l’occurrence d’un événement et sa prise en compte, la périodicit du renouvellement des informations (Dominguez et Lashkari, 2004). Cependant, les progiciels de type ERP visent à une centralisation de l’information. Ce système transactionnel demande désormais d’être complété par des systèmes décisionnels ou d’aide à la décision dans un but d’optimisation dépassant les frontières de l’entreprise.

Les APS (Advanced Planning Systems) sont nés de l’ajout de fonctionnalités autour desERP dans le domaine de la planification des activités de production. Les APS peuvent notamment prendre en compte la capacité finie des ressources lors de la planification, simuler plusieurs scénarios de planification et gérer plusieurs sitesde production, ce qui est nécessaire dans le cas des entreprises multi-sites ou des réseaux d’entreprises.

D’autres progiciels spécialisés et dédiés à la gestion de la chaîne logistique, gravitant toujours autour des ERP, ont été développés (voir figure 12).1 : SRM (Supplier Relationship Management), CRM (Customer Relationship Management), MES (Manufacturing Execution System), SCE (Supply Chain Execution), WMS (Warehouse Management System), TMS (Transport Management System), AOM (Advanced Order Management). A ceux-ci s’ajoutent encore des logiciels relatifs à la conception et au cycle de vie des produits (PLM – Product Lifecycle Management). Enfin, les EDI (Echanges de Données Informatisée – Electronic Data Interchange) sont des logiciels dédiés qui assurent une communication entre ces logiciels. Un EDI permet de partager des informations et notamment le carnet de commande qui peut directement être transmis aux autres éléments de la chaîne logistique. Ceci permet de réduire le temps de transfert de l’information et donc de réduire le temps de cycle total (Tan, 2001).

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela chatpfe.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction générale
Chapitre 1 : Contexte, problématique et positionnement du travail de recherche
1.1 Facteurs de complexité de la fonction « Production » au sein d’une entreprise manufacturière
1.1.1 Le secteur d’activités et les produits
1.1.2 Le volume de production
1.1.3 Le mode de production
1.2 Organisation de la gestion de production
1.2.1 La prise de décisions dans une entreprise : un système hiérarchisé
1.2.1.1 Niveau stratégique
1.2.1.2 Niveau tactique
1.2.1.3 Niveau opérationnel
1.2.2 Quelques approches classiques de planification
1.2.2.1 L’approche MRP 2
1.2.2.2 La méthode Kanban
1.2.3 Les processus, supports à la mise en réseaux des entreprises et leur intégration.
1.2.3.1 Le processus Approvisionnement
1.2.3.2 Le processus Production
1.2.3.3 Le processus Distribution
1.2.3.4 Le processus Vente
1.2.3.5 Interactions entre les processus et autres « services »
1.3 Définition de la chaîne logistique
1.3.1 Emergence historique de la chaîne logistique
1.3.2 Définitions issues de la littérature scientifique
1.3.2.1 La logistique
1.3.2.2 La chaîne logistique (Supply Chain – SC)
1.3.3 Structure physique de la chaîne
1.4 Gestion de la chaîne logistique (Supply Chain Management – SCM)
1.4.1 Définition
1.4.2 Les trois flux de la chaîne logistique
1.4.2.1 Le flux d’information
1.4.2.2 Le flux physique
1.4.2.3 Le flux financier
1.4.3 Le système décisionnel
1.4.4 Les performances
1.4.4.1 Comment améliorer la performance?
1.4.4.2 Principaux indicateurs du SCM
1.4.5 Modélisation de la gestion de la chaîne logistique
1.4.5.1 Modélisation d’entreprise
1.4.5.2 Les modèles analytiques
1.4.5.3 Les modèles de simulation
1.4.5.4 L’offre logicielle
1.5 La littérature scientifique de la gestion de la chaîne logistique
1.5.1 L’abondance des publications
1.5.2 Classement de la littérature
1.6 Synthèse bibliographique et objectifs de la thèse
Chapitre 2 : Modélisation de l’architecture de pilotage des chaînes logistiques
2.1 Introduction
2.1.1 Approche systémique
2.1.2 Hiérarchisation
2.2 Pilotage des réseaux d’entreprises : concepts fondamentaux et structuration
2.2.1 Définitions du pilotage et des centres de décision
2.2.2 Typologie des informations, supports à la décision
2.2.2.1 Les informations endogènes et les informations exogènes
2.2.2.2 La nature des informations
2.2.2.3 La variabilité des informations
2.2.3 La temporalité dans le pilotage : la planification à horizon glissant
2.2.3.1 Horizon et période de planification
2.2.3.2 Réactivité des réseaux logistiques
2.3 Modélisation de l’architecture de pilotage des réseaux d’entreprises
2.3.1 Concept et notations
2.3.2 Architecture de pilotage multi-niveaux
2.3.3 Généralisation à un réseau d’entreprises
2.4 Les types d’architecture de pilotage
2.4.1 Le pilotage distribué : une approche pragmatique
2.4.2 Le pilotage centralisé : une approche idéale
2.4.3 Le pilotage mixte : une approche consensuelle
2.4.4 Comparaison rapide des trois types d’architecture de pilotage
2.5 Conclusion du chapitre
Chapitre 3 : Modèle générique de planification pour un centre de décision
3.1 Introduction
3.2 Etat de l’art sur la simulation des processus de pilotage de chaînes logistiques
3.3 Environnement et paramétrage du problème de planification vu d’un centre de décision
3.3.1 Modélisation de l’environnement d’un centre de décision
3.3.1.1 Les ensembles pour définir l’environnement d’un centre de décision
3.3.1.2 Les indices utilisés dans le modèle
3.3.1.3 Exemple de notation
3.3.2 Les paramètres et variables de décision du modèle de planification
3.3.2.1 Notations utilisées
3.3.2.2 Les paramètres du modèle
3.3.2.3 Les variables du modèle
3.3.2.4 Flux d’information envers les autres entités du réseau logistique
3.4 Le modèle analytique du problème de planification
3.4.1 Les contraintes du modèle
3.4.2 Le critère du modèle
3.4.3 Principe de fonctionnement du modèle de planification
3.5 Les relations inter-centres de décision
3.5.1 Relations horizontales : échange de type client – fournisseur
3.5.1.1 Processus de commande à un fournisseur : prise en compte du délai d’information
3.5.1.2 Informations concernant les futures livraisons au client
3.5.2 Relations verticales : échange entre centres de décision de niveaux successifs
3.5.2.1 Ordres pour les ressources internes d’un centre de décision
3.5.2.2 Retours d’information vers un centre de décision de niveau supérieur
3.6 Conclusion du chapitre
Chapitre 4 : Analyse de performances – robustesse et réactivité du pilotage
4.1 Introduction
4.2 Objectifs de l’analyse
4.2.1 Mesure de la performance de la chaîne
4.2.2 Approche comparative des différentes architectures de pilotage
4.3 Présentation du cas d’étude
4.3.1 Définition du cas-type : entretiens industriels préalables
4.3.2 Description de la structure physique et des données techniques
4.3.3 Les problématiques considérées
4.4 Objectifs et protocoles d’expérimentation
4.4.1 Définition des architectures de pilotage appliquées au cas-type
4.4.2 Données initiales
4.4.3 Présentation de l’outil de simulation
4.5 Etude de la robustesse
4.5.1 Scénarios d’expérimentation
4.5.2 Résultats des campagnes expérimentales
4.5.3 Analyse des résultats
4.5.4 Conclusion sur l’étude de la robustesse
4.6 Etude de la réactivité
4.6.1 Scénarios d’expérimentation
4.6.2 Les résultats de l’analyse de réactivité
4.6.3 Analyse des résultats
4.6.4 Conclusions sur l’étude de la réactivité
4.7 Conclusion du chapitre
Chapitre 5 : Analyse du couplage de plusieurs réseaux logistiques
5.1 Introduction
5.2 Le problème d’allocation des capacités d’un maillon commun
5.2.1 Positionnement du problème
5.2.2 Définition du processus de négociation
5.2.3 Incidences sur le modèle de planification
5.3 Cadre de l’expérimentation
5.3.1 Facteurs reflétant la stratégie de négociation
5.3.2 Campagne d’expérimentations
5.3.3 Mesure de la performance
5.4 Analyse des résultats d’expérimentations
5.4.1 Influence de la répartition initiale de la capacité
5.4.2 Influence de la sur-réservation / sous-réservation de la capacité
5.4.3 Respect des plans de production
5.4.4 Respect des plans d’approvisionnement
5.5 Amélioration de la convergence du processus de négociation
5.5.1 Définition de nouvelles stratégies facilitant la convergence
5.5.2 Expérimentations des stratégies
5.6 Conclusion du chapitre
Conclusion générale et perspectives
Bibliographie