Gestion des risques dans les chaînes logistiques : planification sous incertitude par la théorie des possibilités

Transcription

1 Gesion des risques dans les chaînes logisiques : planificaion sous inceriude par la héorie des possibiliés Romain Guillaume To cie his version: Romain Guillaume. Gesion des risques dans les chaînes logisiques : planificaion sous inceriude par la héorie des possibiliés. Business adminisraion. Universié Toulouse le Mirail - Toulouse II, 20. French. <NNT : 20TOU20098>. <el > HAL Id: el hps://el.archives-ouveres.fr/el Submied on 23 May 202 HAL is a muli-disciplinary open access archive for he deposi and disseminaion of scienific research documens, wheher hey are published or no. The documens may come from eaching and research insiuions in France or abroad, or from public or privae research ceners. L archive ouvere pluridisciplinaire HAL, es desinée au dépô e à la diffusion de documens scienifiques de niveau recherche, publiés ou non, émanan des éablissemens d enseignemen e de recherche français ou érangers, des laboraoires publics ou privés.

2 Universié Toulouse II Le Mirail (UT2 Le Mirail) Romain GUILLAUME Génie Indusriel vendredi 23 sepembre 20 Gesion des risques dans les chaînes logisiques : planificaion sous inceriude par la héorie des possibiliés Sysèmes (EDSYS) LGP, ENIT Tarbes- IRIT, Toulouse Caroline THIERRY, Bernard GRABOT Alexandre DOLGUI Samir LAMOURI M : Lyes BENYOUCEF Didier DUBOIS Pawel ZIELINSKI

3

4 REMERCIEMENTS Pour avoir accepé de rapporer mes ravaux de hèse, je iens à remercier Alexandre Dolgui e Samir Lamouri, ainsi que Lyès Benyoucef, Didier Dubois e Pawel Zielinski pour leur paricipaion à mon jury. Je iens à remercier ou pariculièremen Caroline Thierry e Bernard Grabo pour leur disponibilié, leurs conseils, leur confiance e oues les peies choses qui on fai de cee hèse un vériable plaisir. Je remercie Didier Dubois pour ses conseils précieux e pour m avoir fai renconrer Pawel Zielinski ce qui a permis ainsi la réalisaion d un proje Polonium en collaboraion avec l universié de Wroclaw. Je iens évidemmen à remercier Pawel Zielinski pour m avoir accueilli chaleureusemen à Wroclaw, fai découvrir les monagnes Polonaises e bien sûr pour cee collaboraion rès enrichissane. Un grand merci à ous les membres de l équipe ADRIA de l IRIT, les membres de l' IRIT- UTM ainsi que les membres du LGP. Cee hèse n aurai pas vu le jour si Ela n avai pas accepé de me suivre en France pour ces rois ans, je la remercie donc infinimen. Je remercie bien enendu oue ma famille e plus pariculièremen mes parens qui m on souenu pendan oue ma scolarié.

5

6 TABLE DES MATIERES TABLE DES MATIERES..P FIGURES..P8 TABLEAUX...P INTRODUCTION..P3 CHAPITRE I : ETAT DE L ART Inroducion....p9. Planificaion au sein de chaînes logisiques...p9.. Modes de gesion des flux au sein de chaînes logisiques p20.2. Planificaion d acivié à la commande p24.3. Planificaion en Make-To-Sock..p Méhode de calcul des besoins en composans.p Modèles d opimisaion pour la planificaion acique..p30.4. Planificaion collaboraive au sein d une chaîne logisique.p Collaboraion par envoie de plan d approvisionnemen...p Conra à horizon glissan...p Conra à engagemen sur horizon..p Approvisionnemen dans un conexe MTO/MTO.p «Vendor Managemen Invenory»...p «Collaboraive Planning Forecasing and Replenishmen».p Planificaion collaboraive basé sur la négociaion...p38.5. Conclusion e Posiionnemen..p39 2. Inceriudes dans les chaînes logisiques.p Définiions risques/ inceriudes...p Risque p Inceriudes p Gesion des risques e décision sous risque/inceriude...p Modèle d opimisaion e risque p Démarche générale de gesion des risques p Classificaion des sources d inceriudes...p Posiionnemen.p48

7 3. Modèles de représenaion des inceriudes p Ensemble aléaoire...p Possibilié.p Nuages..p Conclusion e posiionnemen..p53 4. Décision sous inceriude p Ignorance oale p Crières Maximax, Maximin e d'hurwicz p Regre p Leximin e Leximax..p Principe de Laplace...p Connaissance incomplèe.p Inégrale de Sugeno...p Inégrale de Choque..p Une règle ordinale de décision sans commensurabilié.p Conclusion p66 5. Planificaion sous inceriude dans les chaînes logisique..p Inceriudes impacan la planificaion au sein de chaînes logisiques.p Types d inceriudes en planificaion au sein de chaînes logisiques p Impac des inceriudes..p Uilisaion de la héorie des Possibiliés en planificaion sous inceriude dans les chaînes logisiques..p Clarificaion préférence/inceriude...p Uilisaion des foncions de classemen de nombres flous en planificaion.p Opimisaion sous inceriude inspirée de l opimisaion sochasique.p Modèles d opimisaion..p Uilisaion en planificaion.p Conclusion..p Propagaion des inceriudes e aide à la décision.p76 6. Conclusion..p78 2

8 CHAPITRE II : FORMULATION DU PROBLEME DE PLANIFICATION Inroducion.p83. Processus collaboraif d élaboraion de plan d approvisionnemen...p84.. Processus d élaboraion dans un conexe faiblemen collaboraif..p84.2. Calcul d un plan d approvisionnemen p Processus de planificaion des approvisionnemens en MTO...p Formalisaion.p86.3. Calcul d un plan d approvisionnemen dans un conexe collaboraif.p Processus collaboraif de planificaion des approvisionnemens..p Formalisaion.p Modélisaion des préférences du clien...p Modèle des quaniés livrables par le fournisseur...p Formalisaion du Processus de choix d un plan de producion p Formalisaion du Processus de calcul du plan d approvisionnemen...p94.4. Conclusion p96 2. Modélisaion des données inceraines.p Types d imperfecions..p Modélisaion des imperfecions...p Inceriude sur le besoin en composans p Modèle de représenaion de l'imprécision p Imprécision sur la quanié du besoin en composans p Imprécision sur la dae du besoin.p Représenaion des inceriudes sur deux quaniés imprécises..p Modèles des besoins en composans...p Conclusion...p Dépendances...p Dépendances sur les quaniés.p Dépendances sur les daes...p Connaissance sur les besoins brus.p Modèle des quaniés livrables par le fournisseur...p07 3

9 Modèle des quaniés maximales livrables par le fournisseur.p Modèle des conraines sur les quaniés livrables par le fournisseur.p Formalisaion du calcul d un plan d approvisionnemen sous inceriude.p Formalisaion du calcul des besoins brus...p Formalisaion du processus de choix d un plan de producion...p Formalisaion du processus de calcul du plan d approvisionnemen..p 3. Conclusion p CHAPITRE III : CALCUL DES BESOINS BRUTS Inroducion...p5. Passage en période des besoins en composans...p6.. Calcul de l ensemble des périodes dans lesquelles l ordre peu commencer.p8.2. Calcul des quaniés de composans c nécessaires à l assemblage de p pour l ordre o.p23.3. Calcul de l ensemble besoins en composans par période.p23.4. Conclusion.p26 2. Consrucion du graphe besoin bru..p Calcul des nœuds p Conraines des dépendances de quaniés...p Connaissance sur les besoins brus..p Calcul des quaniés pour chaque combinaison possible.p Consrucion des arcs.p Connexions de nœud sans dépendances sur les quaniés...p Connexion des nœuds avec dépendances sur les quaniés.p Conclusion..p38 3. Calcul des besoins brus exrêmes.p Calcul des quaniés de besoin bru cumulé exrêmes...p Calcul des niveaux de possibiliés des changemens de composiion des quaniés exrêmes.p4 4

10 3..2. Calcul des quaniés cumulées exrêmes pour un niveau de possibilié apparenan à...p42 chang Ordres indépendans.p Ordres dépendan en dae...p Calcul du besoin bru cumulé du scénario maximal pour un niveau de possibilié donné..p Calcul du besoin bru cumulé maximal.p Conclusion.p Calcul du graphe de besoins brus exrêmes..p48 4. Conclusion p49 CHAPITRE IV : AIDE A LA DECISION POUR LE PROCESSUS DE CALCUL DU PLAN D APPROVISIONNEMENT Inroducion...p53. Choix d un plan de producion sous inceriude...p54.. Choix d un plan de producion uilisan l ensemble des besoins brus..p54... Calcul des niveaux de faisabilié d un plan de producion..p55... Présenaion de la méhode...p Illusraion sur un exemple...p Choix des séquences p Présenaion de la méhode...p Illusraion par un exemple...p63.2. Choix d un plan de producion à parir des besoins brus cumulaifs exrêmes.p65.3. Conclusion..p68 2. Aide à la décision pour le calcul d un plan d approvisionnemen p Exploiaion du graphe...p Calcul des scénarios exrêmes.p Calcul de besoins brus possibles p Calcul des niveaux de sock nécessaires p Méhode de calcul p Illusraion sur un exemple..p Choix d un plan d approvisionnemen...p85 5

11 2.3.. Calcul du plan d approvisionnemen flou...p Calcul d un plan d approvisionnemen...p Calcul d un plan d approvisionnemen dans l horizon gelé p Calcul d un plan d approvisionnemen dans l horizon libre p Illusraion de la méhode de calcul d un plan d approvisionnemen p Calcul d un plan d approvisionnemen à parir des besoins brus cumulaifs exrêmes p95 3. Conclusion p96 CHAPITRE V : APPROCHE PAR OPTIMISATION ROBUSTE POUR LE CALCUL D UN PLAN DE PRODUCTION Inroducion...p20. Présenaion du problème..p202.. Problème déerminise...p Problème d opimisaion robuse avec imprécision sur la demande représenée par des inervalles..p Problème de risque minimisaion dans un conexe possibilise...p Evaluaion d un plan de producion..p Evaluaion sous imprécision modélisés par des inervalles..p Scénario opimise.p Scénario pessimise p Evaluaion d un plan de producion...p Evaluaion sous imprécision modélisés par des disribuions de possibilié.p Conclusion e reour au problème de plan d approvisionnemen..p2 3. Méhode de résoluion uilisan le crière Minmax...p2 3.. Sans conraine de capacié de producion p Avec conraine de capacié sur les quaniés livrables par le fournisseur p Algorihme de résoluion...p Résula expérimenaux.p24 4. Calcul d un plan d approvisionnemen uilisan le crière de risque minimisaion..p24 6

12 4.. Calcul d un plan d approvisionnemen précis...p Méhode de calcul d un plan d approvisionnemen flou...p22 5. Conclusion e perspecive..p22 CONCLUSION ET PERSPECTIVES. Conclusion p Perspecives..p Exension de l approche à des conexes/problèmes voisins.....p Modélisaion des imperfecions e décision sous inceriude....p Approche aide à la décision p Approfondissemen de l approche opimisaion robuse p227 REFERENCES.p229 7

13 FIGURES Fig.. Synopique du manuscri de hèse...p6 Fig. 2. Faceurs concepuels impacan le posiionnemen du poin de découplage (Olhager 2003)...p2 Fig. 3. Poin de découplage (Kolisch 200) p22 Fig. 4. Processus de planificaion ou sein de chaîne logisique..p23 Fig. 5. Exemple de graphique poeniel-âche p24 Fig. 6. Représenaion graphique du problème «Dynamic lo sizing».p27 Fig. 7. Exemple de nomenclaures..p28 Fig. 8. Chaîne logisique collaboraive...p32 Fig. 9. Conra à horizon glissan p34 Fig. 0. Conra à horizon d engagemen...p35 Fig.. Cadre de décision d une commande (Monsarra e al. 2004) p36 Fig. 2. Modèle CPFR p38 Fig. 3. Vision générale du risque (Gourc 2006)..p39 Fig. 4. Caégories de risques de la chaîne logisique (Ziegenbein e Nienhaus 2004) p47 Fig. 5. Exemple de disribuion de possibilié..p5 Fig. 6. Exemple de nuage..p53 Fig. 7. Exemple de foncion de classemen..p72 Fig. 8. Exemple de foncions cumulaives de probabiliés modélisées par une disribuion de possibiliés..p73 Fig. 9. Transmission d'un plan d'approvisionnemen p83 Fig. 20. Posiionnemen du calcul du plan d approvisionnemen dans le processus de planificaion p85 Fig. 2. Processus de calcul d un plan d approvisionnemen.p86 Fig. 22. Sysème éudié dans un conexe collaboraif...p89 Fig. 23. Flowchar du processus collaboraif de calcul de plan d approvisionnemen...p90 Fig. 24. Représenaion graphique du problème «Dynamic lo sizing wih Backordering»p95 Fig. 25. Représenaion de l inceriude sur l'exisence du besoin..p98 Fig. 26. Représenaion d'une disribuion de possibiliés (a ; b ; c ; d ; h) p99 Fig. 27. Représenaion de l imprécision p99 Fig. 28. Représenaion de l imprécision sur les daes.p00 8

14 Fig. 29. Quanié d un besoin en composans (0; 0; 0; 0; h ) U (a; b; c; d; h 2 ) (incerain e à quanié imprécise) p0 Fig. 30. Représenaion d un besoin en composans.p0 Fig. 3. Nomenclaure d un produi A..p04 Fig. 32. Illusraion des dépendances sur les quaniés.p05 Fig. 33. Illusraion des dépendances de précédences..p06 Fig. 34. Représenaion des capaciés imprécises de livraison maximale p08 Fig. 35. Représenaion des conraines de livraisons...p09 Fig. 36. Processus du calcul des besoins brus.p6 Fig. 37. Exemple d ordre planifié dépendan...p9 Fig. 38. Niveaux de possibiliés que le besoin apparienne à une période...p9 Fig. 39. Disribuion de possibiliés de l ordre o sachan qu il apparien à la période..p20 Fig. 40. Ordres de planificaion indépendans..p2 Fig. 4. Illusraion du calcul d apparenance à une période p2 Fig. 42. Ordre planifiés sachan que l ordre apparien à la période...p22 Fig. 43. Plan des ordres planifiés sachan que o= apparien à la période e que o=4 apparien à la période 2 p23 Fig. 44. Représenaion de la disribuion de possibiliés p24 Fig. 45. Illusraion de la méhode p38 Fig. 46. Illusraion de la proposiion p43 Fig. 47. Ordres de planificaion dépendans.p45 Fig. 48. Calcul de la quanié maximale cumulaive.p48 Fig. 49. Représenaion des quaniés livrables maximales imprécises p56 Fig.50. Calcul du niveau de nécessié que le sock soi supérieur à zéro.p58 Fig. 5. Représenaion graphique des besoins brus p60 Fig. 52. Niveau de faisabilié des besoins brus p6 Fig. 53. Besoins brus...p64 Fig. 54. Foncions d uilié (u(x), v(x)).p65 Fig. 55. Besoin bru cumulaif..p66 Fig. 56. Capacié maximale cumulaive p67 Fig. 57. Niveau de rupure maximal.p67 Fig. 58. Aribuion d une valeur précise pour la dae de lancemen d un ordre o...p72 Fig. 59. Illusraion des ordres planifiés...p73 9 N p, c

15 Fig. 60. Ensemble des scénarios..p73 Fig. 6. Résula de la fusion p75 Fig. 62. Nombre flou A [ A ; A ]..p77 Fig. 63. Consrucion d une disribuion de possibiliés rapézoïdale...p82 Fig. 64. Approximaion du minimum...p82 Fig. 65. Approximaion du maximum..p83 Fig. 66. Illusraion de l approximaion du minimum..p84 Fig. 67. Représenaion graphique du besoin bru p84 Fig. 68. Représenaion graphique du besoin bru de l'exemple...p86 Fig. 69. Tableau de bord du décideur...p92 Fig. 70. Tableau de bord du décideur pour la période 2...p95 0

16 TABLEAUX Tableau. Calcul des besoins p30 Tableau 2. Exemple de sources de risques (Gaonkar e Viswanadharn 2007)..p48 Tableau 3. Exemple d un problème de décision sous inceriude..p56 Tableau 4. Résulas pour les crières Minmax e Maximax..p58 Tableau 5. Résula pour le crière MinmaxRegre p59 Tableau 6. Niveau de possibilié de chaque scénario p63 Tableau 7. Uilié de chaque scénario p63 Tableau 8. Résula pour l espérance mahémaique opimise.p65 Tableau 9. Synhèse des modèles mahémaique...p74 Tableau 0. Représenaion des quaniés p02 Tableau. Représenaion des daes..p02 Tableau 2. Besoins brus BB, comb c...p59 Tableau 3. Poids enre les combinaisons w comb ; comb2 ; p59 Tableau 4. Poids enre les combinaisons w comb 2 ; comb3 ; 2...p59 Tableau 5. Poids enre les combinaisons w comb 3 comb ; 3...p59 Tableau 6. Poids enre les combinaisons w comb 4 ; comb5 ; 4...p59 Tableau 7. Quaniés maximales floues livrables par le fournisseur.p60 Tableau 8. Représenaion des besoins brus ; 4 BB, comb c p84 Tableau 9. Quanié livrable par le fournisseur..p85 Tableau 20. Plan d approvisionnemen p94 Tableau 2. Temps de calcul minimal, moyen e maximal en secondes.p27 Tableau 22. Temps moyen pour un horizon allan de 00 à p29

17 2

18 INTRODUCTION. Dans le conexe acuel d insabilié des marchés, les enreprises doiven inégrer l'inceriude de la demande dans leurs méhodes de planificaion afin de mieux gérer leurs ressources e de préserver leurs performances. D'aure par, elles se son de plus en plus recenrées sur leur coeur de méier, e se son donc de plus en plus regroupées au sein de chaînes logisiques. La gesion des chaînes logisiques (ou Supply Chain Managemen, SCM) s inéresse dans ce cadre à des chaînes logisiques don les aceurs de la chaîne son des eniés décisionnelles indépendanes. L éude de ces chaînes logisiques passe donc souven par la prise en compe d une relaion "poin-à-poin" enre le clien e le fournisseur, qui consiue le "maillon" élémenaire de la chaîne logisique. L amélioraion de ces chaînes logisiques passe par la mise en place de processus coopéraif enre les différens aceurs afin qu ils puissen mieux ravailler ensemble. Dans ce cadre, plusieurs ypes d informaion peuven êre échangés comme les plans d approvisionnemen, les niveaux de socks prévisionnels ec. Nore cadre d éude sera donc un "maillon" d une chaîne logisique (relaion clien-/fournisseur) don les aceurs (le clien e le fournisseur) son des eniés décisionnelles indépendanes qui souhaien mere en place des processus de planificaion coopéraifs en présence d inceriude. Des chaînes logisique comme celles du seceur aéronauique fabriquen des produis à la commande mais uilisen aussi des composans sandards qui son fabriqués sur sock (par exemple, les sondes pios, les hublos,..). La endance acuelle va vers des produis de plus en plus personnalisés (par exemple, l'a380 propose plus de 000 poins de configuraion, soi 0 à 20 fois plus que l'a330), e ceci avec des personnificaions de plus en plus ardives. Cela indui des inceriudes sur les besoins en composans e rend la gesion de l approvisionnemen viale pour respecer les délais clien e limier les socks obsolèes. De plus, il es connu que les inceriudes dans les chaînes logisiques on un effe cumulaif connu sous le nom d «effe Bullwhip». L enjeu au niveau acique es de proposer, malgré les inceriudes dues à la variaion du marché e à la personnalisaion des produis, un processus de gesion des approvisionnemens qui propage dans la chaîne logisique une informaion suffisammen riche (mais facilemen exploiable), pour que le fournisseur ai une meilleure vision de sa demande. 3

19 Dans ce conexe, la conribuion majeure visée par nos ravaux es l inégraion de connaissances imparfaies sur les données (dae du besoin en composans, quanié nécessaire ec.) afin de calculer un plan d approvisionnemen plus robuse (plan minimisan l impac de l inceriude). L inégraion des imperfecions repose sur l uilisaion de la héorie des possibiliés afin de représener au mieux l informaion disponible en prenan en compe une connaissance imparfaie sur ceraines données, ou leur dimension subjecive. Une fois le modèle de représenaion des données imparfaies réalisé, nous proposons des méhodes de calcul de plans d approvisionnemens uilisan les informaions supplémenaires apporées par la représenaion des imperfecions. Cee hèse es composée de 5 chapires, don un chapire d éa de l ar e quare de conribuions. Le chapire I a pour objecif de siuer nore domaine d éude (planificaion des chaînes logisiques) ainsi que de présener les élémens héoriques uilisés ou au long de la hèse. Il s agi de cerner les méhodes de gesion des chaînes logisique e de s approprier les conceps d inceriude, imperfecion e imprécision ainsi que les modèles de représenaion des imperfecions e les crières de décision sous inceriude. Ces éudes débouchen sur la jusificaion de nore approche e son suivies par un éa de l ar sur les méhodes de planificaion sous inceriude quand les imperfecions son modélisées par la héorie des possibiliés. Le chapire II formalise le processus auquel nous nous inéressons. Tou d abord, il présene le processus de collaboraion enre les aceurs (clien/fournisseur) ainsi que le processus de calcul d un plan d approvisionnemen dans le conexe où le clien es en MTO (Make-oorder, fabricaion à la commande) e le fournisseur en MTS (Make-o-sock, fabricaion pour le sock). Une fois le processus présené, nous proposons un modèle de représenaion des imperfecions des données uilisan la héorie des possibiliés. Ce chapire aboui à une formalisaion du problème de calcul de plan d approvisionnemen inégran les imperfecions sur les données. Il conclu sur une segmenaion du problème : calcul des besoins brus e calcul du plan d approvisionnemen. 4

20 Le chapire III présene rois méhodes de calcul des besoins brus. La première es une méhode exace, qui calcule ous les besoins brus possibles, alors que la deuxième es une méhode qui ne calcule que les besoins brus possibles ayan des quaniés minimales e maximales que nous qualifierons de «besoins brus exrêmes». La roisième calcule quan à elle les quaniés cumulaives exrêmes (maximale e minimale). Ce chapire propose donc rois méhodes s appliquan : - à des problèmes de peie aille : méhode de calcul exhausif de ous les besoins brus possibles, - à des problèmes de aille moyenne par une méhode de calcul des besoins brus exrêmes, - à des problèmes de grande aille, par une méhode de calcul des quaniés cumulaives exrêmes. Le Chapire IV propose une méhode de choix d un plan de producion prenan en compe les conraines du fournisseur afin de limier les risques de rupure. Ce chapire présene ensuie une méhode d aide à la décision pour le choix d un plan d approvisionnemen sous inceriude sur les besoins brus. Le Chapire V raie le problème de calcul d un plan d approvisionnemen dans un conexe incerain, ce qui correspond à un problème de planificaion de la producion (cee correspondance sera plus longuemen discuée dans le chapire 2). Dans ce chapire, on s inéresse au problème d opimisaion robuse dans le cas où l inceriude es représenée par des inervalles, puis dans celui où elle es représenée par une disribuion de possibilié. Pour conclure, un bilan es présené, ainsi qu un ensemble de perspecives de recherches allan du cour erme (proche des résulas de la hèse) à des quesions plus générales sur la planificaion sous inceriude au sien des chaînes logisiques. Le synopique présené Figure vise à facilier la lecure du manuscri. 5

21 Chapire I Ea de l ar Planificaion au sein de chaînes logisiques Inceriudes dans les chaînes logisiques Modèles de représenaion des inceriudes Décision sous inceriude Planificaion sous inceriude dans les chaînes logisique Formulaion du problème de planificaion Chapire II Processus collaboraif d élaboraion de plan d approvisionnemen Modélisaion des données inceraines Chapire III Calcul des besoins brus Passage en période des besoins en composans Consrucion du graphe de besoins brus Calcul des besoins brus exrêmes Aide à la décision pour le processus de calcul du plan d approvisionnemen Chapire IV Choix d un plan de producion sous inceriude Aide à la décision pour le calcul d un plan d approvisionnemen Chapire V Approche par opimisaion robuse calcul d un plan de producion pour le Présenaion du problème Evaluaion d un plan de producion Méhode de résoluion uilisan le crière minmax Calcul d un plan d approvisionnemen uilisan le crière de risk minimisaion Fig.. Synopique du manuscri de hèse 6

22 CHAPITRE I : ETAT DE L ART Inroducion....p9. Planificaion au sein de chaînes logisiques...p9.. Modes de gesion des flux au sein de chaînes logisiques p20.2. Planificaion d acivié à la commande p24.3. Planificaion en Make-To-Sock..p Méhode de calcul des besoins en composans.p Modèles d opimisaion pour la planificaion acique..p30.4. Planificaion collaboraive au sein d une chaîne logisique.p Collaboraion par envoie de plan d approvisionnemen...p Conra à horizon glissan...p Conra à engagemen sur horizon..p Approvisionnemen dans un conexe MTO/MTO.p «Vendor Managemen Invenory»...p «Collaboraive Planning Forecasing and Replenishmen».p Planificaion collaboraive basé sur la négociaion...p38.5. Conclusion e Posiionnemen..p39 2. Inceriudes dans les chaînes logisiques.p Définiions risques/ inceriudes...p Risque p Inceriudes p Gesion des risques e décision sous risque/inceriude...p Modèle d opimisaion e risque p Démarche générale de gesion des risques p Classificaion des sources d inceriudes...p Posiionnemen.p48 3. Modèles de représenaion des inceriudes p Ensemble aléaoire...p Possibilié.p Nuages..p Conclusion e posiionnemen..p53 4. Décision sous inceriude p54 7

23 4.. Ignorance oale p Crières Maximax, Maximin e d'hurwicz p Regre p Leximin e Leximax..p Principe de Laplace...p Connaissance incomplèe.p Inégrale de Sugeno...p Inégrale de Choque..p Une règle ordinale de décision sans commensurabilié.p Conclusion p66 5. Planificaion sous inceriude dans les chaînes logisique..p Inceriudes impacan la planificaion au sein de chaînes logisiques.p Types d inceriudes en planificaion au sein de chaînes logisiques p Impac des inceriudes..p Uilisaion de la héorie des Possibiliés en planificaion sous inceriude dans les chaînes logisiques..p Clarificaion préférence/inceriude...p Uilisaion des foncions de classemen de nombres flous en planificaion.p Opimisaion sous inceriude inspirée de l opimisaion sochasique.p Modèles d opimisaion..p Uilisaion en planificaion.p Conclusion..p Propagaion des inceriudes e aide à la décision.p76 6. Conclusion..p78 8

24 Inroducion Comme nous l avons vu en inroducion, dans le cadre de nore hèse nous nous inéressons à un maillon (clien/fournisseur) d une chaîne logisique, dans lequel le clien a une producion à la commande e le fournisseur une producion sur sock. Le clien fabrique en différenciaion reardée des produis foremen personnalisables par son propre clien. L objecif de ce chapire es de faire un éa de l ar sur la planificaion de la producion sous inceriude au sein de chaînes logisiques. Ce éa de l ar nous permera de siuer le conexe de nos ravaux par rappor aux différenes approches de gesion des inceriudes au sein de chaînes logisique. Nous allons donc, dans un premier emps, présener un éa de l ar sur les processus de planificaion au sein d une chaîne logisique. Dans un deuxième emps, nous nous inéresserons de manière générale à la gesion des inceriudes dans les chaînes logisiques, afin de nous posiionner par rappor à la liéraure. Nous proposons ensuie un éa de l ar poran sur les modèles de représenaion des inceriudes dans un conexe de connaissances incomplèes e sur les crières de décision sous inceriude. La dernière parie se concenre sur les inceriudes impacan la planificaion, e sur les modèles de planificaion sous inceriude uilisan la héorie des possibiliés pour modéliser les inceriudes.. Planificaion au sein de chaînes logisiques L objecif de cee parie es de faire un éa de l ar sur la planificaion au sein des chaînes logisiques, afin de nous posiionner par rappor à celui-ci. Nous pourrons ainsi monrer que le processus de calcul d'un plan d approvisionnemen prenan en compe les inceriudes dans le cas où le donneur d ordre produi à la commande e le fournisseur sur sock es un processus complexe poreur de nombreux verrous scienifiques. En effe, au sein des chaînes logisiques, on disingue différens modes de gesion des flux qui dépenden à la fois des exigences echniques e des demandes des cliens. Ces différens 9

25 modes influencen rès foremen les modèles e méhodes de planificaion des aceurs de la chaîne logisique, ainsi que les processus de collaboraion enre les aceurs de la chaîne. Nous allons donc dans un premier emps passer en revue ces différens modes de gesion des flux. Nous focaliserons ensuie sur les modèles de planificaion uilisés en producion à la commande (Make-o-Order) e producion sur sock (Make-o-Sock) pour un aceur de la chaîne. Enfin, nous présenerons les processus de planificaion collaboraifs exisans dans le cadre d une chaîne logisique collaboraive... Modes de gesion des flux au sein de chaînes logisiques Au sein d une chaîne logisique, on peu idenifier différens modes de gesion des flux au niveau de chaque aceur de la chaîne : concepion à la commande (définiion ), fabricaion à la commande (définiion 2), assemblage à la commande (définiion 3) e producion sur sock (définiion 4) son les modes les plus souven évoqués (Arnold e Chapman 200). Définiion. «La concepion à la commande (Engineer-o-Order, ETO) signifie que les spécificaions du clien requièren une concepion unique ou une paricularisaion imporane. Habiuellemen, le clien es foremen lié à la concepion du produi.» Définiion 2. «Dans un mode de fabricaion à la commande (Make-o-Order, MTO), l enreprise ne commence à fabriquer un produi que quand une commande es reçue. Le produi final peu inclure des composans sur mesure mais conien en général des pièces sandards, qui peuven faire l'obje de varianes.» Définiion 3. «Dans le cas de l'assemblage à la commande (Assemble-o-order, ATO), le produi es fabriqué à parir de sous-ensembles sandards pré-assemblés que l enreprise peu socker e assembler en foncion des commandes du clien.» Définiion 4. «La producion sur sock (Make-o-Sock, MTS) signifie que l'enreprise fabrique les produis en foncion du niveau de sock de produi fini. Le clien es livré à parir de ces socks.» Le choix du mode de gesion des flux dépend noammen des caracérisiques du produi fabriqué : on va bien sûr privilégier une producion sur sock pour les produis sandard 20

26 fabriqués en grande série. L assemblage à la commande sera pluô dédié aux produis don la spécificié dépend de la combinaison de varianes de composans sandard (auomobile par exemple). La fabricaion à la commande sera pluô pour des produis fabriqués unièremen e dédiés à un clien. La concepion à la commande sera, quan à elle, uilisée pour des produis rès spécifiques. On peu noer que des enreprises peuven avoir des produis en MTS e d aures en MTO ou ATO, en foncion des caracérisiques des produis, du marché, de l ouil de producion e des emps de producion e de livraison (Figure (2)). Dans la liéraure, des aricles proposen des méhodes de calcul du poin de découplage e du choix de mode de gesion (Olhager 2003) (Adan e Wal 998) (Soman e al. 2004) (Rapajagopalan 2002). Par poin de découplage, on enend la limie enre deux poliiques de producion : par exemple, le niveau d'élaboraion du produi à parir duquel on passe de "make-o-sock" (pour les composans) à "assemble-oorder" (pour le véhicule) dans l'auomobile. Le poin de découplage peu êre difficile à calculer éan donnée la quanié des faceurs impacans. Les faceurs qui impacen direcemen le poin de découplage son les caracérisiques du marché (croissan décroissan), les caracérisiques de la producion (machines ) e les emps de livraison e de producion. Ces emps dépenden des caracérisiques du produi. La Figure (2) illusre les relaions enre ces différenes caracérisiques ainsi que leur influence sur le poin de découplage. Caracérisiques du marché Caracérisiques du produi Caracérisiques de la producion Temps de livraisons Temps de producion Poin de découplage Fig. 2. Faceurs concepuels impacan le posiionnemen du poin de découplage (Olhager 2003) 2

27 La Figure (3) synhéise les différens modes de gesion des flux en foncion du «poin de découplage», représené par un riangle. D un poin de vue général, le poin de découplage es foremen lié au rappor enre le cycle de producion du produi e le cycle commercial. Par exemple, si on a besoin de 3 semaines de délai de producion mais que le clien vien direcemen au magasin (soi un délai clien nul), le produi doi êre fabriqué en MTS. MTS ATO MTO ETO Engineering Fabricaion Assemblage Disribuion Fig. 3. Poin de découplage (Kolisch 200) Quand le produi es élaboré par une chaîne logisique, le poin de découplage peu se rouver à différens endrois de la chaîne, au sein d une même enreprise ou à l inersecion de deux enreprises. Dans ce cas, les enreprises on chacune un processus de planificaion différen en foncion de leurs modes de gesion des flux (exemple : enreprise cliene en MTO ou ATO e fournisseur de composans en MTS). La Figure (4) présene l évoluion des processus de gesion ou au long d une chaîne logisique en foncion du délai clien. Plus le clien commande un produi spécifique, plus on se rapproche d'une acivié à la commande qui peu êre gérée en MTO ou ATO suivan que l on fabrique ou le produi ou que l on uilise des composans sandards. 22

28 Chaîne logisique Enreprises rang n Enreprises rang 2 Enreprises rang Enreprises rang 0 Aciviés par anicipaion Délai clien Aciviés a la commande Fig. 4. Processus de planificaion au sein de la chaîne logisique Le cas où le poin de découplage es siué enre deux aceurs de la chaîne logisique peu impliquer des processus spécifiques. Par exemple, une enreprise en MTO ou ATO planifie sa producion avec un modèle par dae (ou par âches), alors que ses fournisseurs peuven planifier en erme de quaniés par période s'ils son en MTS. Dans le premier cas, une dae précise es associée à chaque commande, andis que le deuxième cas considère des quaniés de pièces à livrer par période. Au niveau de l approvisionnemen, il fau donc passer d un modèle par dae à un modèle par quanié. Nous verrons (chapire 2) que ce passage se fai facilemen dans un cadre déerminise mais pose des problèmes quand on souhaie prendre en compe l inceriude (Chapires 3, 4 e 5). Dans le cadre de ce ravail, nous considérons des chaînes logisiques dans lesquelles l aceur "clien" es en MTO ou ATO e l aceur fournisseur en MTS. Nous allons donc faire un éa de l ar sur les méhodes de planificaion en MTO ou ATO, puis, dans la parie suivane, sur la planificaion en MTS. Nous finirons par présener les processus de collaboraion enre les aceurs de la chaîne logisique. 23

29 .2. Planificaion d acivié à la commande En MTO ou ATO, les enreprises planifien par dae à parir des daes de livraison e en déduisen leur producion ou assemblage en calculan des daes de lancemen. Il s agi donc de produire ou d assembler des produis spécifiques conformes à la demande du clien dans un emps le plus cour possible en respecan des conraines liées aux ressources. La planificaion d acivié à la commande es similaire à une planificaion muli-projes dans laquelle chaque proje équivau à un produi, la dae de fin de proje éan la dae de livraison clien. Dans la communaué scienifique, le problème es communémen appelé le Resource- Consrained Muli Projec Scheduling Problem (RCMPSP). Dans un conexe monoenreprise, le RCMPSP peu êre ransformé en un problème classique de Resource- Consrained Projec Scheduling Problem (RCPSP) en combinan oues les aciviés des projes en un "super proje" (Zhu e al. 200). Le problème résulan es NP-difficile (Blazewicz e al. 983). La modélisaion de proje uilise en général la représenaion poeniel-âche basée sur : - le WBS (Work Breakdown Srucure) qui es la srucure hiérarchique des âches du proje - e des conraines induies par la succession des âches, l uilisaion des ressources, le séquencemen ou le délai clien. La Figure (5) donne la représenaion poeniel-âche d'un proje à cinq âches. Une âche i es caracérisée par une durée d i, une dae de débu i e une dae de fin T i = i +d i. Les âches du proje doiven respecer des conraines de ypes suivans : 24 - des conraines de précédence (i précède j : j i di ), - des conraines de délai (i doi êre erminée à la dae d i i d d ), - des conraines disjoncives : la âche j peu êre faie avan ou après la âche i j i di si v ijp = i j d j si v ij =0, avec v ij une variable booléenne représenan le choix (i avan j), - des conraines de capacié : la somme des ressources uilisées pour chaque âche doi êre inférieure ou égale à la capacié maximale de la ressource : qi, r C r, r, avec q, i,, r la quanié de ressource r uilisée par la âche i à i l insan, e C, la capacié maximale de la ressource r à l insan. r i i

30 Fig. 5. Exemple de graphique poeniel-âche Le problème RCPSP peu êre formulé sous la forme d un Mixed Ineger Programming Problem. Nous présenons à ire d'exemple un modèle qui cherche à maximiser le nombre d'ordres accepés (c'es-à-dire le nombre de projes pouvan êre finis à la bonne dae), où chaque ordre représene un produi fabriqué pour un clien (Kolisch 2000). Les variables de décision binaires son : y p : prend la valeur de si l ordre p es accepé, sinon 0 x j, : prend la valeur de si la âche j commence dans la période, sinon 0 Données du problème : v p : prix de vene de l ordre p [ p p d ; d ] : fenêre de emps dans laquelle le clien veu êre livré p j : durée de la âche j P j : ensemble des prédécesseurs immédias de la âche j s p, e p : respecivemen dae de débu e de fin de l ordre p min i, j : emps minimum à aendre après avoir fini la âche i avan de commencer la âche j C, : capacié maximale de la ressource r à l insan r c j, : ressource nécessaire pour chaque période ( =,, p j ) de chaque durée p j de la âche j P Maximiser z v p y p () T x p T min j, ( pi ) xi, i, j j [; J ], i Pj (2) 25

31 J j max, j rj r c j, x j, Cr, r [; R], [; T ] (3) p T x j [; j, J ] (4) d p y p T ( p ) xe, e p p d p y p p [; P] (5) e T p j s p x ( e ) y p [; j, p s p p P ] (6) 0, j [; J ], [; ] x j, T y p (7) 0, p [; P] (8) L équaion () es la foncion objecif ; la conraine (2) oblige le respec du emps minimum d aene enre la fin d une âche e le débu de la âche suivane ; la conraine (3) es la conraine de capacié ; la conraine (4) implique qu une âche n'es réalisée qu une fois sur l horizon ; la conraine (5) es la conraine de livraison au clien ; la conraine (6) garani que oues les âches pour les ordres accepés son bien comprises enre les daes de débu e de fin de l ordre e les conraines (7) e (8) définissen les variables de décision. En ce qui concerne les méhodes de résoluion de ces problèmes, on peu se référer à Kolisch 200) ou (Wglarz 999) qui présenen un éa de l ar sur les algorihmes de planificaion de proje..3. Planificaion en Make-To-Sock Le problème de planificaion de la producion par anicipaion inclu un problème de dimensionnemen de lo (Lo Sizing Problem) qui peu êre modélisé par un graphe de flo où la source es la producion e le puis es la demande (la Figure (6) monre un modèle de problème dynamique, c'es-à-dire avec un horizon de plusieurs périodes, dans le cas le plus simple : un seul produi p es fabriqué, il n inclu pas de composans e on n'accepe pas de ne pas saisfaire oalemen la demande). La producion (p ) de la période plus les quaniés (I - ) en sock à la fin de la période - permeen de saisfaire la demande (D ) de la période. Si la demande ne consomme pas oues les quaniés, le surplus passe à la période + sous la forme d un sock (I ). On noe : 26

32 p : la quanié produie à la période, I : le niveau de sock à la fin de la période, D : la demande en produi p pour la période. p T p p 2 p 3 p T- I I 2 I T- D 3 D 2 D T- D D T Fig. 6. Représenaion graphique du problème «Dynamic lo sizing» Nous décrirons ou d'abord un algorihme de résoluion rès largemen uilisé dans l indusrie, communémen appelé «méhode de calcul des besoins» (Orlicky 975), qui fai parie de la méhode MRP (Manufacuring Resource Planning), méhode de planificaion la plus uilisée en enreprise. Le Calcul des Besoins peu en effe êre vu comme une heurisique pour résoudre le problème de "lo sizing" muli niveau e muli produis dans le cas à capacié infinie, afin de proposer rapidemen une soluion au décideur. Nous présenerons ensuie des varianes du problème de loissemen prenan en compe les capaciés de producion, un seul ou plusieurs produis ec., par exemple le problème «Muli Level Muli Produc Capacied Lo Sizing Problem» (MLMPCLSP) qui es un problème d opimisaion. Les méhodes de résoluion de ces problèmes son par exemple uilisées par les APS (Advanced Planning Sysems) (Définiion 5) e son largemen raiées par la communaué des chercheurs en recherche opéraionnelle. Définiion 5. Les APS (Advanced Planning Sysem) son des logiciels desinés à la planificaion de l ensemble de la chaîne logisique (demande, achas, producion, sockage, ranspor). En foncion de la demande exprimée en aval de l enreprise, l APS perme d analyser la capacié des ressources (de producion, de ranspor e de sockage) e les diverses conraines de planificaion afin de proposer un plan d acivié déaillé e adapable pour une producion opimale. 27

33 .3.. Méhode de calcul des besoins en composans La méhode de calcul des besoins perme de propager la demande en produi final au niveau des composans des produis en prenan en compe leurs dépendances décries dans les nomenclaures. Le calcul des besoins es fai à parir de la demande en produis finis, des délais d obenion (emps nécessaire à la réalisaion des composans) e des nomenclaures des produis qui donnen le nombre de composans nécessaires à la fabricaion de chaque produi ordonné en foncion de la séquence de fabricaion (Figure (7)). (2) Produi Fini (PF) (4) (5) Composan (C) Composan 2 (C2) (9) (2) Composan 3 (C3) Composan 4 (C4) Composan 5 (C5) Fig. 7. Exemple de nomenclaures Dans le calcul des besoins en composans, le problème es de déerminer les ordres de fabricaion e les demandes d acha (quanié de produi/composan que l on doi fabriquer / approvisionner) afin de pouvoir saisfaire la demande du clien. Globalemen, la méhode es composée de rois éapes iérées de la période à T :. Calcul du besoin bru (Equaion (9)), 2. Choix de la quanié à produire en foncion de la poliique de loissemen (lo pour lo (Equaion ), aille de lo économique (Equaion (2))...), 3. Calcul du niveau de sock à la fin de la période (Equaion (3)). De façon plus formalisée nous avons : Noaions : 28

34 Indice : : période allan de à T p : produi allan de à P PC p,c : ensemble des produis p uilisan le composan c Données du problème : D p, : demande d un produi p pour la période N p,c : quanié du composans c nécessaire à l assemblage de p Do c : délai d obenion du composan c Tl : aille de lo économique Variables dépendanes : I c, : sock du composan c à la fin de la période BB c, : besoin bru du composan c à la période BN c, : besoin ne du composan c à la période x c, : quanié produie du composan c à la période N Do p, c D c, c BBc, (9) ppc p, c BN c, max 0; BBc, I c, x c BN c, (0), () x c, min n Tl n T BN c, n (2) I c, BN c, xc, (3) Nous allons illusrer la méhode de calcul des besoins pour le composan C qui es uilisé pour la fabricaion d'un produi final noé PF (on a besoin de 2 C pour assembler PF) avec un délai d obenion de C de période. Le Tableau () représene le calcul du besoin en composan C à parir des lancemens en fabricaion du produi PF. Pour le calcul du Besoin Bru de la période, on considère les lancemens du produi fini pour la période 2=+ Do c =+. On muliplie la quanié de produi fini désirée par la quanié de 29

35 composans nécessaire à la fabricaion d un produi PF (2). On obien donc BB=0*2=20. Le besoin ne es dédui du besoin bru en sousrayan le sock disponible à période (BN=20-0=0). La quanié à produire doi respecer la conraine de aille de lo qui es de 5. On produi donc 5 uniés pour la période e on calcule le sock disponible pour la période 2 (5-0=5). On fai de même pour oues les périodes de à 4. Période Composan Lancemen C du Produi PF Besoin Bru 0*2=20 2*2=24 4*2=28 2*2=24 Sock : 0 5-0=5 30-9= 30-7=3 5-=4 Besoin Ne 20-0=0 24-5=9 28-=7 24-3= Producion (aille de lo égale à 5) Tableau. Calcul des besoins.3.2. Modèles d opimisaion pour la planificaion acique Des modèles d opimisaion son par exemple uilisés dans les APS afin de permere au décideur de déerminer un plan de producion opimal, alors que la méhode de calcul des besoins ne donne qu une soluion faisable (du poin de vue des quaniés, sans que les capaciés soien prises en compe puisque les délais de producion uilisés ne iennen pas compe des capaciés des ressources). Les problèmes d opimisaion de la planificaion acique peuven êre écris sous la forme de modèles linéaires ; en effe, au niveau acique, les périodes son suffisammen grandes pour que l'on ne considère pas les coûs de changemen de producion (ou coûs de "se up"). On a donc une foncion de coû ne dépendan plus que du coû de sockage, de producion, de rupure (coû d avoir un composan manquan). Suivan les caracérisiques de l enreprise, ces problèmes peuven devenir muli-niveaux ou pas, avec ou sans conraines de capacié ec. 30

36 Nous présenons par exemple ci-dessous un modèle linéaire pour le problème muli produis muli niveaux avec rupures e conraines de capacié (Equaions de (4) à (7)). Noaions : : période allan de à T i : produi allan de à I r : ressource allan de à R l i : emps d obenion du produi i Z : foncion de coû à minimiser ci i : coû de sockage du produi i cp i : coû de producion du produi i cb i : coû de rupure du produi i ai,j : quanié de produi i nécessaire pour produire un produi j b i,r : ressource r nécessaire à la producion d un produi i C,r : capacié de la ressource r pour la période Variables de décisions : I,i : niveau de sock du produi i à la période p i, : producion du produi i à la période B,i : niveau de rupure du produi i à la période Z s.. T I ci i ii i cpi p i cbi B,, i, (4) I j, I, i pl i B i I i B i ai j p j D, i i,,,,, (5) I bi r p, i C, r, r (6) i, p, i, I, i, B, i 0, i (7) Des modèles plus comples peuven prendre en compe les coûs de lancemen de la producion d un produi. Ces problèmes son formalisés par des modèles du ype Mixed Ineger Programing (MIP). De plus, dans un conexe de chaîne logisique inégrée, ces 3

37 modèles on éé éendus aux problèmes de planificaion muli-sies prenan en compe l approvisionnemen, la producion e la disribuion. Les problèmes de "lo sizing" sous conraines de capacié son pour la plupar des problèmes NP-difficiles ou NP-comples. Nous ne déaillerons pas ici les méhodes de résoluion de ces problèmes, un éa de l ar sur les algorihmes de résoluion éan, par exemple, proposé par (Comelli e al. 2008)..4. Planificaion collaboraive au sein d une chaîne logisique Les enreprises ne peuven plus êre gérées avec un poin de vue puremen inerne, c'es-à-dire sans prendre en considéraion qu'elles fon parie d un réseau d enreprises reliées par des relaions clien-fournisseur. Cee parie présene la noion de chaîne logisique collaboraive, chaîne logisique dans laquelle les aceurs son des eniés décisionnelles indépendanes mais coopéranes. La planificaion de la chaîne elle-même sera le résula d un processus collaboraif. La Figure (8) illusre un maillon d une chaîne collaboraive dans laquelle les processus de planificaion du clien son reliés aux processus de planificaion du fournisseur par un processus collaboraif. Fournisseur Cien Processus Collaboraif Fig. 8. Chaîne logisique collaboraive Le concep de processus collaboraif sera donc compris comme un synonyme des ermes processus de coopéraion e processus de coordinaion, sans disincion sur l inensié de la relaion insaurée enre les aceurs. Toues sores d inensiés dans la coopéraion peuven êre envisagées, de la relaion poncuelle e limiée à l expression d un besoin à l éablissemen de processus de synchronisaion plus complexes sur le long erme. 32

38 Nous avons présené, dans le paragraphe précéden, les processus de planificaion inernes des aceurs d une chaîne logisique. Nous allons mainenan nous inéresser aux processus collaboraifs pouvan exiser enre deux aceurs de la chaîne. Dans la plupar des cas, chaque maillon planifie en uilisan la méhode MRP e envoie un plan d approvisionnemen à ses fournisseurs. Cee méhode es rès peu collaboraive e peu êre vue comme le processus "minimal" de collaboraion enre les aceurs d une chaîne logisique : des besoins son exprimés vers l'amon de la chaîne, les modaliés de réponse à ces besoins ayan éé définies dans les conras lian les enreprises. On rouve dans la liéraure une approche de planificaion uilisan un plan de référence, le principe de cee approche es de pénaliser les changemens enre le nouveau plan de producion e le plan de référence (qui es lui-même un compromis enre le plan de référence précédan e le plan opimal). Cee pénalisaion es réalisée grâce à des coûs de changemen (Génin e al., 2008a) (Génin e al., 2008b). Cee approche accroî la sabilié du plan ou en prenan en compe les variaions de la demande. Cee approche sabilise aussi le plan d approvisionnemen en donnan une fore pénalié sur les changemens des quaniés à approvisionner. Afin de rendre plus collaboraif l échange d'informaion qui s'effecue auour des plans d approvisionnemen, des conras d approvisionnemen de plus en plus élaborés son passés enre le clien e le fournisseur, incluan des horizons gelés, des horizons d engagemen, ec. Ces conras on en pariculier pour bu de sabiliser les prévisions de la demande envoyée aux fournisseurs pour leur permere de mieux gérer leur producion. Il exise aussi diverses méhodes de collaboraion proposées par des associaions d indusriels : ces associaions on pour bu de promouvoir un ensemble de «bonnes praiques» de gesion de la producion. Dans ce chapire, nous présenerons deux de ces méhodes de gesion visan pour l'une à parager des approvisionnemens (Vendor Managemen Invenory - VMI) (Marques, 200) e pour l'aure à mere en place un processus de planificaion collaboraif (Collaboraive Planning, Forecasing and Replenishmen - CPFR) (Ireland e Crum 2005). D un poin de vue planificaion pure, une des méhodes les plus évoluées es de mere en place un processus de négociaion enre les aceurs. Nous présenons donc les modèles d opimisaion basés sur la négociaion enre les aceurs de la chaîne logisique. 33

39 .4.. Collaboraion par envoi de plan d approvisionnemen Dans cee parie, nous allons présener deux ypes de conras d approvisionnemen rès uilisés dans l indusrie dans un conexe MTS/MTS : le conra à horizon glissan e le conra à engagemen sur horizon. Pour une éude plus déaillée des différences e des avanages de chacun de ces conras, nous renvoyons à (Amrani-Zouggar e al. 200). Nous présenerons ensuie un exemple plan d approvisionnemen négocié dans le conexe MTO/MTO Conra à horizon glissan Ce ype de conra engage le clien à acheer des quaniés précises sur un horizon cour erme appelé "horizon gelé" e à donner des prévisions de commande pour les périodes plus loinaines (horizon flexible e horizon libre). Ces prévisions seron réacualisées au cours du emps en foncion de l horizon auquel elles appariennen (horizon flexible : les prévisions peuven êre modifiées avec un cerain pourcenage par rappor aux quaniés précédenes, horizon libre : les prévisions son réacualisées sans aucune conraine). Ce conra perme de sabiliser le plan de producion du fournisseur à cour erme, les quaniés de l horizon gelé ne pouvan êre modifiées. Des ravaux comme ceux de Sridharan e al. (987) éudien l impac de la durée de l horizon gelé sur le coû, du poin de vue du clien. Plus récemmen, Galasso e Thierry (2009) éudien la sraégie de planificaion du fournisseur dans le cadre d échange de plans d approvisionnemen à horizon gelé. La Figure (9) illusre la dynamique de ce ype de conra dans le cas ou l horizon gelé es de 3 périodes e l horizon libre de 5 périodes, l envoi du plan d approvisionnemen du clien au fournisseur éan périodique. Horizon gelé Horizon libre = 0 = 0 + Décisions reporées Décisions ajusées Décisions compléées Périodes Fig. 9. Conra à horizon glissan 34