PLANIFICATION DES LIVRAISON JOINTES DE DIFFERENTS PRODUITS A DIFFERENTS SITES
|
|
- Gauthier Jean
- il y a 8 ans
- Total affichages :
Transcription
1 0ème Conférence Francophone de Modélisation, Optimisation et Simulation- MOSIM 5 au 7 novembre 0 - Nancy France «de l économie linéaire à l économie circulaire» PLANIFICATION DES LIVRAISON JOINTES DE DIFFERENTS PRODUITS A DIFFERENTS SITES Mouna RAHMOUNI, Jean-Claude HENNET Laboratoire des sciences de l information et de système (LSIS), Aix-Marseille Université (AMU) Avenue Escadrille Normandie Niemen 97 Marseille Cedex 0 Mouna.rahmouni@lsis.org, Jean-claude.hennet@lsis.org Farhat Fnaiech Laboratory of Signal, Image and Energy Mastery (LSIEM), ENSIT University of Tunis, Tunisia 5 Avenue Taha Hussein, 008 Tunis fnaiech@ieee.org RESUME: Le problème de livraisons jointes de produits (JDP) consiste à planifier les livraisons de différents produits à différents sites de consommation ou de distribution en traitant les problèmes de groupement, de livraison et de stockage. Il s agit de construire des tournées de livraison sur un horizon de planification, en satisfaisant les demandes et en minimisant le coût total de commande, de livraison et de stockage. Les coûts fixes de commande portent d une part sur le lancement d une tournée, d autre part sur chaque couple (produit, site) présent ou non dans la tournée. Les taux de demandes étant supposées fixes et connus, le problème en horizon infini admet une solution périodique, le plan de livraison optimal sur une période-type pouvant se répéter indéfiniment. Dans notre approche, le problème est formulé en temps discret et nous choisissons comme période-type commune de cyclicité un multiple de la période élémentaire, et cette période-type sert d horizon de planification. Ainsi, les livraisons restent périodiques à travers la répétition de l horizon de planification, mais les livraisons pendant l horizon de planification ne sont pas contraintes à être périodiques. Les résultats numériques montrent en particulier la supériorité de cette approche sur une solution cyclique pour chaque couple (produit, site). KEYWORDS: modèle de livraison jointe des produits (JDP), LSP (Lot Sizing Problem), programmation linéaire. INTRODUCTION Le couplage entre production et transport est une réalité industrielle dont l importance est souvent sous-estimée dans les modèles de planification et de pilotage. En gestion des chaines logistiques, il s agit de synchroniser les productions et les approvisionnements de différentes entreprises en réseau, de façon à limiter les stocks de produits en amont, en interne et en sortie de chaque entreprise. Ainsi, ce couplage joue un rôle essentiel sur les performances des chaines logistiques, à travers la chaine de valeur et les critères économiques mais aussi pour les critères de qualité et les critères énergétiques, qui interviennent directement dans les objectifs de développement durable. La principale raison de cette lacune tient à la complexité des modèles de planification de la production et du transport. Celle-ci est liée à la grande variété des produits, aux caractères aléatoires ou incertains des temps de cycle et des durées d approvisionnement, ainsi qu à la nécessité d une prévision à moyen terme des flux et des activités. En outre, le caractère combinatoire des problèmes de gestion de production, à travers en particulier l existence de différentes gammes de fabrication, se combine aux caractères eux-aussi combinatoires des problèmes de transport, liés par exemple à la multimodalité (bateau, camions, trains, ) et à l existence de nombreuses possibilités envisageables (véhicules, routes, destinations, ) Pour concilier la complexité des systèmes et le caractère multicritère des décisions à prendre, la décomposition est certes un outil privilégié, mais elle peut s appliquer plus facilement aux objets, au temps et à l espace qu aux aspects fonctionnels. Dans le cadre général des réseaux d entreprises multiproduits et multi-sites, un des problèmes mathématiques génériques est le problème de livraison jointe de produits (Joint Delivery Problem, JDP), intégrant la gestion de stocks et l optimisation des tournées. Ce problème peut être analysé du point de vue du fournisseur qui gère les stocks de ses clients, en utilisant une approche intégrée du type VMI (Vendor Managed Inventory), devenue très courante lors de la dernière décennie (Yu, Zeng, Zhao,
2 MOSIM November Nancy - France 009), ou dans un cadre multi-acteurs où les acheteurs coopèrent en groupant leurs commandes, comme dans (Triqui, Hennet, 0). Au-delà des techniques d optimisation statique, on cherche à construire des politiques d approvisionnement dynamiques, ayant par exemple un caractère cyclique, comme dans les méthodes classiques de résolution du problème de réapprovisionnement joint (JRP). Dans cette étude, l'hypothèse classique de livraisons périodiques pour chaque couple (produit, site) a été levée afin de mieux utiliser les degrés de liberté dans le programme de livraison sur un cycle commun, utilisé dans l optimisation comme horizon de planification. En supposant fixé cet horizon de planification, la formulation proposée pour le modèle de livraison jointe (JDP) prend la forme d'une extension multi-sites du problème LSP (lot sizing problem) multi-produits classique (M. Sambasivan et S. Yahya, 005), (R. Jans et Z. Degraeve, 008), (S. Deleplanque et al., 0), mais avec des coûts de set-up majeurs et mineurs. C est un problème de programmation linéaire mixte en nombres entiers (MILP) ayant des variables réelles et des variables binaires. En tant que tel, il est connu comme étant un problème NPdifficile. Les modèles de dimensionnement de lots (LSP, Lot Sizing Problems) sont souvent utilisés dans la littérature pour gérer les tailles des lots lors de la production à fin d obtenir leur séquence optimale qui minimise la somme des couts de set-up et d inventaire. Certaines recherches sont focalisées sur le développement d un modèle de LSP classique à produit unique (N. Brahimi et al., 006). L objectif de ce modèle était de déterminer les périodes de production des lots de ce produit et les quantités produites durant cette période en minimisant le cout total de set-up et d inventaire présenté dans l équation (). Pour représenter les situations réelles avec plus de détails et d une manière précise, les modèles LSP multi-produit ont besoin d intégrer les contraintes de capacités de transport (L. van Norden et S. van de Velde, 005) et de ressources (K. S. Hindi, 995), (H. H. Millar et M. Yang, 99). Pour la résolution de ce type de produit, certains algorithmes évolutionnaires sont développé tels que les algorithmes génétiques qui permettent de résoudre le problème de LSP multi niveaux avec couts variables dans le temps (N. Dellaert et al., 000) et le problème de LSP classique avec contrainte de capacité de ressources (J. XIE, et J. DONG, 00) Cependant, les modèles de LSP développés auparavant sont des modèles orientés planification de la production en lot. Il s agit de déterminer la quantité produite à quel moment dans un horizon de temps de planification. Il ne s agit pas en fait de regrouper les différents produits en satisfaisant toutes les demandes dans un cycle commun de production ou de livraison comme dans notre modèle. Le modèle à cycle commun proposé permet d organiser les tournés de livraison pour les dates T, T,... pt de façon à minimiser la fonction de coût total sur l'horizon de temps, pt, tout en satisfaisant la demande et les contraintes de capacité de transport et de stockage. Pour chaque produit et sur chaque site, les niveau des stocks à la fin de l horizon sont imposés égaux aux niveaux initiaux, afin de construire une politique d approvisionnement qui peut être répétée périodiquement avec une périodicité pt. Ce papier est organisé comme suit : dans le deuxième paragraphe, nous développons et expliquons le modèle de gestion des livraisons jointes proposé (JDP) ainsi que son extension prenant en compte le choix des tournées (JDPR). Ces modèles sont validés par les résultats numériques de la troisième section. Enfin, nous concluons en donnant quelques perspectives d avenir sur le problème posé et les modèles étudiés. LES MODELES DE JDP Considérons un réseau de livraison de n produits à m sites de vente à partir d un entrepôt unique. Les demandes pour les différents produits sont supposées indépendantes et sans substitution. Le problème JDP est donc multi-produit multi-site avec groupement indirecte des livraisons, sous contraintes de transport et de stockage dans les différents sites de vente.. La formulation de base du modèle JDP Chaque site j est supposé avoir un taux de demande constant, noté D ij, pour le produit i. Chaque tournée a un coût fixe, noté S. Chaque commande (i,j) a un coût fixe additionnel de commande, noté s ij, indépendant de la quantité commandée et un coût variable cq, proportionnel à la quantité livrée, q ij. Le modèle de base ne considère pas explicitement les tournées. Le problème de choix des tournées sera intégré dans le modèle JDPR (Joint Delivery Problem with Routing). Les notations du modèle de base sont les suivantes, tous les coûts étant supposés positifs : n: nombre de produits m: nombre de sites p: nombre de tours dans temps élémentaire de cycle de réapprovisionnement T: période élémentaire du plan d approvisionnement D ij : taux de demande de produit i au site j. h ij : cout unitaire de stockage du produit i au site j par unité de temps x : variable binaire égale à si la demande de produit i de site j est livré au tour k u k : variable binaire égale à si le tour k est actif q : quantité de produit i livré au site j au tour k S : cout fixe de livraison s ij : cout fixe additionnel de livraison par produit i et par site j c ij : coût de livraison du produit i au site j par unité de produit et par unité de temps
3 MOSIM November Nancy - France z : quantité de produit i stocké au site j au tour k avant livraison du tour k Z ij : capacité de stockage du produit i dans le site j (mesuré en nombre de produits) v i : volume de produit i V k : capacité de livraison au tour k. En notant HC le coût total de stockage pendant l horizon de planification pt, la fonction de coût total sous l horizon pt s écrit : p n m TC= u S ( x s c q ) HC k ij ij k i j k p. () sous les contraintes p i, j, q D pt () ij k i, j, k, q x D ij pt () i, j, k, z - z - q -D T () ij i, j, k, z Z ij (5) n m k, viq Vuk (6) i j i, j, k, x 0,, u 0,, q 0, z 0 (7) k La fonction objectif () minimise la somme des couts de commande, de livraison et de stockage durant l horizon de temps de planification pt. Le terme de coût total de stockage, HC, sera calculé de façon détaillée à la section.. L équation () d évolution des stocks, couplée avec les contraintes de non-négativité, (7), garantissent la satisfaction de la demande à chaque période pour chaque couple (i,j). En imposant de plus la contrainte (), on impose la périodicité du plan de livraison, qui pourra être reproduit à l identique sur l horizon [(p+)t pt] et sur les cycles suivants, tant que les paramètres du problème gardent la même valeur. Les contraintes logiques () relient les quantités de livraison q aux variables binaires de décision x, comme dans la plupart des modèles de dimensionnement de lots (LSP). Les contraintes (5) représentent les contraintes de capacité de stockage en supposant que chaque produit i a un lieu de stockage spécifique dans chaque site j. Sous d autres hypothèses, comme des entrepôts de stockage communs à plusieurs produits, les contraintes de stockage seraient bien sur différentes mais resteraient linéaires. Les contraintes (6) représentant les contraintes de capacité de livraison à chaque tour k si le tour est actif ( uk ). On peut noter que les variables binaires x et u k doivent aussi satisfaire les contraintes suivantes : i, j, k, x u k (8) Mais les contraintes (8) peuvent être relâchées dans la mesure où elles sont impliquées par la conjonction des contraintes () et (6). En effet, uk 0 implique par (6) q 0 i, j. D après (), x 0 i, j est admissible et donc optimal d après l expression du critère, dans lequel tous les coûts sont supposés positifs on nuls.. Détermination du cout total de stockage Pour déterminer la fonction de cout total de stockage, HC, considérons le niveau de stock optimal à la période courante k, juste après la date de livraison. Il vaut : z q avec : DijT z q pdij T. En effet, d après une propriété classique en gestion de stocks, toute livraison ne peut intervenir que lorsque le niveau de stock est minimal (0 en l absence de stock de sécurité). Elle doit couvrir la demande sur un nombre entier de périodes. Si la livraison est effectué au tour k, le terme kd ij est égal à q et la quantité en stock prend la valeur 0, sinon zi jk kd ij et q 0. Le niveau de stock en fin de période k vaut z z q DijT (9) Le niveau de stock moyen pendant la période k peut donc s écrire : z q z DijT z q. (0) On peut donc écrire : n m p pdijt HC hij z q. () i j k Or d après l équation (), la quantité totale livrée sur l horizon est fixe, ce qui implique : n m p n m pt HC h z h D () ij ij ij i j k i j La fonction de coût total sous l horizon pt s écrit donc: p n m p n m n m p n m pt TC= u S x s pt c D h z h D k ij ij ij ij ij ij k i j k i j i j k i j Comme le terme n m hij pt( cij ) D i j ij () est constant, on peut minimiser de façon équivalente le coût total réduit suivant : p n m p n m p () OC= u S x s h z k ij ij k i j k i j k Le problème JDP peut donc être résolu par programmation linéaire mixte en minimisant par rapport aux variables u k, x, z, q la fonction de coût () sous les contraintes ()-(7).. Formulation étendue Dans la formulation précédente du problème JDP, le caractère multi-site n apparait pas clairement, ou plutôt tous les couples (i,j) sont indépendants entre eux et donc assimilables à des produits différents. Pour indiquer que
4 MOSIM November Nancy - France des produits (i,j) et (i,j) sont livrés au même site j et utiliser cette propriété dans le problème d optimisation, il est nécessaire d expliciter les routages et d intégrer leur coût dans la fonction à optimiser. De nombreux auteurs se sont intéressés à ce problème dans le cadre du problème IRP (Inventory Routing Problem) introduit par Bell et al. (98). Ce problème vise à coupler les décisions de livraison et de routage. Son extrême complexité vient du fait que les décisions de routages sont généralement optimisées pour chaque tournée (Coelho et coauteurs, 0). L approche que nous proposons repose sur les hypothèses que les coûts des trajets ne varient pas dans le temps et que le nombre de site n est pas très grand (0 au maximum). Il est alors possible de résoudre a priori tous les problèmes de voyageur de commerce (TSP) associé à tous les sous-ensembles de sites. Dans les cas les plus simples, le problème TSP peut être résolu par énumération. Mais il existe aussi des méthodes exactes très performantes de résolution du TSP déterministe, comme la méthode «Concorde», proposée par (Appelgate et co-auteurs, 00). Soit donc S(l) un sous-ensemble quelconque de sites. Le m nombre total de sous-ensembles est M. On suppose que le coût minimal de transport C l a été calculé pour chaque sous-ensemble S(l) par résolution du TSP associé. On introduit alors les variables logiques y définies par : lk ylk si le sous-ensemble de sites l est choisi pour le tour k ylk 0 sinon. Pour relier les variables binaires de sous-ensembles aux variables logiques de sites, on peut noter que tous les sites du sous-ensemble peuvent être livrés, et qu un site non livré ne peut pas appartenir au sous-ensemble retenu. Pour représenter ces relations, nous introduisons aussi des variables logiques associées aux sites, w jk, définies par: wjk si le site j est visité au tour k wjk 0 sinon. Les relations couplant les variables logiques peuvent alors s écrire ainsi: i, j, k, x w jk (5) et j S( l), ylk wjk k, l,, M, j S( l), wjk y. (6) lk Le problème de livraisons jointes avec choix des tournées, noté JDPR (Joint Delivery Problem with Routing) se formule ainsi : minimiser u k, x, z, y jk p n m p n m p p M O CR= u S x s h z C y k ij ij l lk k i j k i j k k l sous les contraintes ()-(7), (5), (6), avec l k y j, k, w 0,,,, 0,. (7) jk LES RESULTATS NUMERIQUES lk Dans ce paragraphe, nous allons représenter les résultats numériques obtenus en utilisant le logiciel de programmation linéaire glpk (A. Makhorin, 0) pour l évaluation et la validation de notre modèle proposé.. Comparaison avec le modèle mono-site Pour comparer notre modèle de JDP avec un modèle de JRP classique (I.K. Moon, 006), il est nécessaire de développer un MILP (M. Rahmouni, 0) représentant les livraisons dans un cycle commun de réapprovisionnement. Pour cet exemple, on prend le nombre de tour p égal au plus petit commun multiple des périodes de livraison élémentaires k ij k ij p ppcmk ij avec T 0,88 D i h i s i S V v i , , , , , ,5 6 Table : les données de l exemple 6produits-site Cout par produit Notre Modèle modèle de Moon and Cha 095 8, ,5 9, 86,,8 0, ,8 69, 6 65,6 99,88 Notre modèle Cout total Modèle de Moon and Cha 07,8 0,5 Table : comparaison entre notre modèle et le modèle JRP classique de Moon and Cha
5 MOSIM November Nancy - France Site Site Site En outre, en modifiant la valeur de la capacité maximale de livraison dans notre modèle, nous avons remarqué un changement de la stratégie de la livraison pour le produit. En effet, avec une capacité maximale de livraison V=50000, on livre toute la quantité de produit au troisième tour (OC=7.8) et pour V=90000 toute la quantité de produit est livré au deuxième tour comme tous les autres produits. Ainsi, la stratégie optimale obtenue par glpk est de livrer toute la quantité au tour k= pour tous les produits. Cette stratégie donne un cout total optimisé OC=07,8.. Résolution du modèle multi-sites Dans le cas multi-sites, nous allons déterminer la route optimale en exécutant le PL représentant les équations (5) jusqu à (5). Pour l exemple de modèle multi-sites multi-produits représenté dans le tableau ci-dessous, le cycle élémentaire de réapprovisionnement a comme valeur T=0,097. D ij h ij s ij S c ij V v i Table : les données de l exemple produits-sites L exécution de cet exemple nous a donné les résultats suivants : Tour Route optimale Quantité livré , , , 5 0--, Cout total=7790, Table 5: la route optimale obtenue CONCLUSION Ce document a analysé un problème de JDP multiproduit et multi-site déterministe avec contrainte de stockage et de transport. Du point de vue du coût total de livraison, les sites ont intérêt à grouper leurs commandes pour partager le coût fixe de tournée et les frais de transport. Du point de vue des acteurs économiques, le problème de minimisation du coût total moyen se pose soit au distributeur qui a fixé ses prix de livraison et cherche à minimiser ses coûts, soit à l ensemble des sites de ventes, qui ont décidé de collaborer et cherchent à minimiser le coût réel moyen de livraison. Dans l'hypothèse de taux de demande constants, la périodicité de la solution a été traduite en une approche de cycle commun. Les livraisons ont ensuite été prévues sur un horizon de temps égal au cycle commun sélectionné. La périodicité est alors obtenue par la répétition du cycle commun, mais il n'y a aucune nécessité de la politique cyclique dans l'horizon de planification. Ainsi, le problème qui a été définie est une version de la solution détendue entièrement cyclique (avec des temps de cycle k ij T) qui peuvent être trouvés dans la littérature. Par conséquent, l'expérience numérique a confirmé qu'un meilleur rendement est obtenu avec l'approche de la planification du cycle commun que l'approche totalement cyclique classique. REFERENCES A. Makhorin (0), GLPK Package, GNU Project, [Online]. Available: /. D. Applegate, W. Cook, S. Dash, A. Rohe, 00, Solution of a min-max vehicle routing problem, INFORMS Journal on Computing, (), p. H. H. Millar et M. Yang, 99, an application of lagrangean decomposition to the capacitated multi-item lot sizing problem, Computers Operations Research. 0(), p I.K. Moon, B.C. Cha, 006, the joint replenishment problem with resource restriction. European Journal of Operational Research, 7, p J. XIE, et J. DONG, 00, Heuristic Genetic Algorithms for General Capacitated Lot-Sizing Problems, Com-
6 MOSIM November Nancy - France puters and Mathematics with Applications,, p K. S. Hindi, 995, computationally efficient solution of the multi-item, capacitated lot-sizing problem, Computers industrial Engineering, 8(), p L. van Norden et S. van de Velde, 005, Multi-product lot-sizing with a transportation capacity reservation contract, European Journal of Operational Research, 65, p. 7 8 M. Rahmouni, J.-C. Hennet and F. Fnaiech, 0, Mixed Integer Linear Programming for Delivery Planning in Joint Replenishment Problems, IEEE, codit M. Sambasivan et S. Yahya, 005, A Lagrangean-based heuristic for multi-plant, multi-item,multi-period capacitated lot-sizing problems withe inter-plant transfers, Computers & Operations Research,, p N. Brahimi, S. Dauzere-Peres, N. M. Najid, A. Nordli, 006, Single item lot sizing problems, European Journal of Operational Research, 68, p. 6 N. Dellaert, J. Jeunet et N. Jonard, 000, A genetic algorithm to solve the general multi-level lot-sizing problem with time-varying costs, International Journal of Production Economics, 68, p. -57 R. Jans et Z. Degraeve, 008, Modeling Industrial Lot Sizing Problems: A Review, International Journal of Production Research, 6(6), p S. Deleplanque, C. Duhamel, S. Kedad-Sidhoum, H. Liberalino et A. Quilliot, 0, Décomposition d un Problème de Lot-Sizing Multi-site en Problèmes de Localisation et de Multi-flots, ROADEF, France
Programmation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailDétermination de la taille des lots : cas d une production cyclique et d une demande dynamique
Détermination de la taille des lots : cas d une production cyclique et d une demande dynamique Projet effectué en collaboration avec Domtar, Windsor Équipe de projet : Hanen Bouchriha, post-doctorat en
Plus en détailETUDES COMPARATIVES DES POLITIQUES DE GESTION DE STOCK LORS DE LA CONCEPTION DES CHAINES LOGISTIQUES
ETUDES COMPARATIVES DES POLITIQUES DE GESTION DE STOCK LORS DE LA CONCEPTION DES CHAINES LOGISTIQUES Fouad Maliki, Zaki Sari To cite this version: Fouad Maliki, Zaki Sari. ETUDES COMPARATIVES DES POLITIQUES
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailUNE APPROCHE D OPTIMISATION-BASEE SUR LA SIMULATION POUR LA CONCEPTION D UN RESEAU DE DISTRIBUTION STOCHASTIQUE MULTI FOURNISSEURS
8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie Évaluation et optimisation des systèmes innovants de production de biens et de services UNE
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailInfo0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Plus en détailMAITRISE DE LA CHAINE LOGISTIQUE GLOBALE (SUPPLY CHAIN MANAGEMENT) Dimensionnement et pilotage des flux de produits
MAITRISE DE LA CHAINE LOGISTIQUE GLOBALE (SUPPLY CHAIN MANAGEMENT) Dimensionnement et pilotage des flux de produits Préambule La performance flux, quel que soit le vocable sous lequel on la désigne ( Juste
Plus en détailGLOBAL SUPPLY CHAIN MANAGEMENT & STRATEGIE LOGISTIQUE
GLOBAL SUPPLY CHAIN MANAGEMENT & STRATEGIE LOGISTIQUE La logistique représentait traditionnellement l activité allant de la mise à disposition des produits finis par l usine ou le négociant jusqu à la
Plus en détailPrésentation livre Simulation for Supply Chain Management. Chapitre 1 - Supply Chain simulation: An Overview
Présentation livre Simulation for Supply Chain Management Chapitre 1 - Supply Chain simulation: An Overview G. Bel, C. Thierry et A. Thomas 1 Plan Gestion de chaînes logistiques et simulation Points de
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailMinimisation de la somme des retards dans un jobshop flexible
Minimisation de la somme des retards dans un jobshop flexible Nozha ZRIBI, Imed KACEM, Abdelkader EL KAMEL, Pierre BORNE LAGIS Ecole Centrale de Lille, BP 48, 5965 Villeneuve d Ascq Cedex, France ISTIT
Plus en détailProposition d un modèle UML de gestion des stocks et de transport dans un système de distribution multi-niveaux (a).
Proposition d un modèle UML de gestion des stocks et de transport dans un système de distribution multi-niveaux (a). Khadija Eddoug (* ), Saâd Lissane Elhaq (* ), Hamid Ech-cheikh (* ) (*) : Laboratoire
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailProblèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailLE SUPPLY CHAIN MANAGEMENT
LE SUPPLY CHAIN MANAGEMENT DEFINITION DE LA LOGISTIQUE La logistique est une fonction «dont la finalité est la satisfaction des besoins exprimés ou latents, aux meilleures conditions économiques pour l'entreprise
Plus en détailPrésentation. Pour. Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris
Présentation Pour Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris Email: galais@barloworldscs.com Tel : + 33 1 73 03 04 10 / + 33 6 08 01 52
Plus en détailA GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters
A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay
Plus en détailGESTION LOGISTIQUE GESTION COMMERCIALE GESTION DE PRODUCTION
GESTION LOGISTIQUE GESTION COMMERCIALE GESTION DE PRODUCTION Votre contact : Pierre Larchères 06 30 35 96 46 18, rue de la Semm - 68000 COLMAR p.larcheres@agelis.fr PRESENTATION GENERALE LES PROGICIELS
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailSAP SAP APO APS. Logiciels de planification. Pour vos appels d offre. 2 e ÉDITION. SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort
Mars 2010 Pour vos appels d offre APS Logiciels de planification 2 e ÉDITION SAP SAP APO SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort 1. NOM de l'éditeur SAP 2. Appartenance à un
Plus en détailLa plateforme Cloud Supply Chain. Présentation de GT Nexus
La plateforme Cloud Supply Chain Présentation de GT Nexus Une idée simple mais très efficace Les entreprises gagnantes fonctionneront en réseau A l avenir, les entreprises les plus performantes n opèreront
Plus en détailAccompagner la transformation vers l excellence opérationnelle. Olivier Gatti olivier.gatti@adis-innovation.com
Accompagner la transformation vers l excellence opérationnelle. Olivier Gatti olivier.gatti@adis-innovation.com ADIS Innovation Partner 18 ans d activité opérationnelle dans le secteur du semi-conducteur
Plus en détailVotre partenaire idéal
Technologie Partenaire Votre partenaire idéal Avnet Supply Chain Solutions Nos partenaires 2 Avnet Supply Chain Solutions Votre partenaire idéal Confiez votre logistique à un spécialiste Dans l environnement
Plus en détailRecherche locale pour un problème d optimisation de tournées de véhicules avec gestion des stocks
8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Évaluation et optimisation des systèmes innovants de production de biens et de services» Recherche
Plus en détailChaîne logistique & TIC
Chaîne logistique & TIC (from commerce to e-commerce to c-commerce). 1 2 3 4 Les Les méthodologies méthodologies m ECR ECR Mise Mise en en œuvre œuvre d une d une d chaîne chaîne logistique intégrée. grée.
Plus en détailGestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.
Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Plus en détailCOMMENT MAITRISER LA GESTION DES APPROVISIONNEMENTS ET DES STOCKS DE MEDICAMENTS
1 sur 9 COMMENT MAITRISER LA GESTION DES APPROVISIONNEMENTS ET DES STOCKS DE MEDICAMENTS (L'article intégral est paru dans Gestions Hospitalières n 357 de juin-juillet 1996) Pour plus d'informations concernant
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailGESTION DE PROJET SÉANCE 2 : LES CYCLE DE VIE D'UN PROJET
GESTION DE PROJET SÉANCE 2 : LES CYCLE DE VIE D'UN PROJET 1 Tianxiao LIU Licence Professionnelle Réseaux & Sécurité Université de Cergy-Pontoise http://depinfo.u-cergy.fr/~tliu/lpg.php PLAN Objectif et
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailOptimisez vos processus informatiques, maximisez le taux de rendement de vos actifs et améliorez les niveaux de service
Solutions de gestion des actifs et services Au service de vos objectifs d entreprise Optimisez vos processus informatiques, maximisez le taux de rendement de vos actifs et améliorez les niveaux de service
Plus en détailProblèmes de conception et pilotage des chaînes logistiques inverses et globales: Etat de l art
8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Évaluation et optimisation des systèmes innovants de production de biens et de services» Problèmes
Plus en détailRésolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements
«Évaluation et optimisation des systèmes innovants de production de biens et de services» Résolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements Oumar
Plus en détailLES SYSTÈMES D INFO R M AT I O N
SUPPLY CHAIN MANAGEMENT : P ROC ESS US D ORGAN ISATION D ES ACT IVITÉ S CR ÉATRICES DE VALE UR LES SYSTÈMES D INFO R M AT I O N RAPPEL DES DÉFINITIONS DE BASE UTILISÉES PAR LES ÉDITEURS DE PROGICIELS DE
Plus en détailL Indice Environnemental
L Indice Environnemental Historique et position face à l hypothèse de Porter Corinne MERCADIE Responsable Environnement & Emballages 1ere expérience de collecte et de mesure environnementale 2008 à 2010
Plus en détailTable des matières PREMIÈRE PARTIE CONCEPTS FONDAMENTAUX...25
Table des matières Introduction...5 Chapitre 1 La fonction industrielle et logistique dans l'entreprise...9 1. Le domaine du management industriel et logistique... 9 2. Mise en perspective historique...
Plus en détailCoût de fabrication ou d achat. Calcul des besoins Management Industriel et Logistique (4) (2) (1) (2)
Etude de cas 1 : La société Lebreton fabrique un produit A dont la nomenclature est la suivante (les chiffres entre parenthèses indiquent le nombre de composants dans un composé de niveau immédiatement
Plus en détailCours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.
Cours Optimisation Partie Optimisation Combinatoire 3ième année ISAE Année scolaire 2008-2009 Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.fr Septembre 2008 Résumé Ce document couvre
Plus en détailDéveloppement itératif, évolutif et agile
Document Développement itératif, évolutif et agile Auteur Nicoleta SERGI Version 1.0 Date de sortie 23/11/2007 1. Processus Unifié Développement itératif, évolutif et agile Contrairement au cycle de vie
Plus en détailMaîtriser les mutations
Maîtriser les mutations Avec UNE Supply chain AGILE La réflexion porte ses fruits www.cereza.fr TALAN Group Notre savoir-faire : maîtriser les mutations et en faire une force pour l entreprise Cereza,
Plus en détailstatique J. Bertrand To cite this version: HAL Id: jpa-00237017 https://hal.archives-ouvertes.fr/jpa-00237017
Quelques théorèmes généraux relatifs à l électricité statique J. Bertrand To cite this version: J. Bertrand. Quelques théorèmes généraux relatifs à l électricité statique. J. Phys. Theor. Appl., 1874,
Plus en détailEnjeux d une vision supply chain globale et défis associés. Yves Dallery Professeur à l Ecole Centrale Paris Associé au sein du cabinet Diagma
Enjeux d une vision supply chain globale et défis associés Yves Dallery Professeur à l Ecole Centrale Paris Associé au sein du cabinet Diagma LA VISION SUPPLY CHAIN GLOBALE COMME ENJEU DE LA COMPÉTITIVITÉ
Plus en détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailGestion commerciale. Une réponse fonctionnelle quel que soit votre secteur d activité
Gestion commerciale La rentabilité d une entreprise passe par l augmentation du chiffre d affaires et la maîtrise des coûts de gestion. Avec Sage 100 Gestion Commerciale, vous contrôlez votre activité
Plus en détailLot streaming et pegging pour l intégration de la planification et de l ordonnancement de production
Lot streaming et pegging pour l intégration de la planification et de l ordonnancement de production A. Robert 1,2, C. Le Pape 1, and F. Sourd 2 1 ILOG S.A., 9 rue de Verdun, 94253 Gentilly cedex {anrobert,clepape}@ilog.fr
Plus en détailOUTILS EN INFORMATIQUE
OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale
Plus en détailGestion de production
Maurice Pillet Chantal Martin-Bonnefous Pascal Bonnefous Alain Courtois Les fondamentaux et les bonnes pratiques Cinquième édition, 1989, 1994, 1995, 2003, 2011 ISBN : 978-2-212-54977-5 Sommaire Remerciements...
Plus en détailConception de réseaux de télécommunications : optimisation et expérimentations
Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,
Plus en détailPLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique
Département de génie de la production automatisée Programme de baccalauréat Professeur Pontien Mbaraga, Ph.D. Session/année Automne 2004 Groupe(s) 01 PLAN DE COURS GPA750 Ordonnancement des systèmes de
Plus en détailEtude comparative des plans intégrant la maintenance et la production : Cas des systèmes multi-états dégradables
Etude comparative des plans intégrant la maintenance et la production : Cas des systèmes multi-états dégradables Ghita Ettaye*, Abdellah El Barkany, Ahmed El Khalfi Laboratoire Génie Mécanique, Faculté
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailObjets Combinatoires élementaires
Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation
Plus en détailL apprentissage automatique
L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer
Plus en détailMODULES ECBL DESCRIPTIF SENIOR
MODULES ECBL DESCRIPTIF SENIOR Modules ECBL Basic Supply Chain Concepts (BSCC) Core Management Skills (CMS) DESCRIPTIF/CONTENU Maîtriser l environnement de la Supply Chain (SC): - Loi de l offre et la
Plus en détailSoyez plus réactifs que vos concurrents, optimisez votre chaîne logistique
IBM Global Services Soyez plus réactifs que vos concurrents, optimisez votre chaîne logistique Supply Chain Management Services Supply Chain Mananagement Services Votre entreprise peut-elle s adapter au
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailUne méthode heuristique pour l ordonnancement de projets avec contraintes de ressources et chevauchement d activités
Une méthode heuristique pour l ordonnancement de projets avec contraintes de ressources et chevauchement d activités Lucas Grèze Robert Pellerin Patrice Leclaire Nathalie Perrier Mai 2012 CIRRELT-2012-18
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailFeuille TD n 1 Exercices d algorithmique éléments de correction
Master Sciences, Technologies, Santé Mention Mathématiques, spécialité Enseignement des mathématiques Algorithmique et graphes, thèmes du second degré Feuille TD n 1 Exercices d algorithmique éléments
Plus en détailQUESTION 1 QUESTION 2 QUESTION 3 QUESTION 4. Que signifie "shortage"? Que signifie "handling"? Que signifie "raw material" Que signifie "tool"?
1 1 1 1 QUESTION 1 QUESTION 2 QUESTION 3 QUESTION 4 Que signifie "shortage"? Que signifie "handling"? Que signifie "raw material" Que signifie "tool"? 2 2 2 2 QUESTION 5 QUESTION 6 QUESTION 7 QUESTION
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailLes attentes du marché
www.pwc.com Les attentes du marché Octobre 2012 L état des lieux à propos des formats de reporting et de l appropriation par le marché du XBRL La taxonomie XBRL pour les reportings Solvabilité 2 a fait
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailDIPLOME UNIVERSITAIRE DE TECHNOLOGIE, SPÉCIALITÉ GESTION LOGISTIQUE ET TRANSPORT
DIPLOME UNIVERSITAIRE DE TECHNOLOGIE, SPÉCIALITÉ GESTION LOGISTIQUE ET TRANSPORT RÉSUMÉ DE LA FORMATION Type de diplôme : Doctorat d'université Domaine ministériel : Droit, Economie, Gestion Présentation
Plus en détailINITIATION AU LANGAGE C SUR PIC DE MICROSHIP
COURS PROGRAMMATION INITIATION AU LANGAGE C SUR MICROCONTROLEUR PIC page 1 / 7 INITIATION AU LANGAGE C SUR PIC DE MICROSHIP I. Historique du langage C 1972 : naissance du C dans les laboratoires BELL par
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détailMéthode de sureté de fonctionnement pour une maintenance efficace Application à un poste électrique (60/10KV)
Quatrième Conférence Internationale sur le Génie Electrique CIGE 10, 03-04 Novembre 2010, Université de Bechar, Algérie Méthode de sureté de fonctionnement pour une maintenance efficace Application à un
Plus en détailORGANISATION MODULAIRE D UN ENTREPOT
ORGANISATION MODULAIRE D UN ENTREPOT Hajira BAKKALI, Abdellah AZMANI, Abdelhadi FENNAN hajiraone@gmail.com, abdellah.azmani@gmail.com, abdelhadi.fennan@gmail.com Laboratoire d informatique, Systèmes et
Plus en détailDOCUMENT DE TRAVAIL DES SERVICES DE LA COMMISSION RÉSUMÉ DE L'ANALYSE D'IMPACT. accompagnant le document:
COMMISSION EUROPÉENNE Bruxelles, le 22.4.2015 SWD(2015) 88 final DOCUMENT DE TRAVAIL DES SERVICES DE LA COMMISSION RÉSUMÉ DE L'ANALYSE D'IMPACT accompagnant le document: Rapport de la Commission au Parlement
Plus en détailPour saisir le sens des leviers d amélioration, il est d abord nécessaire de comprendre les caractéristiques du supply chain management.
Introduction La dynamique «mesurer, analyser, agir» en supply chain management implique la mesure d indicateurs de performance et la mise en œuvre de leviers porteurs d amélioration. Il y aurait plus de
Plus en détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailOrdonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative
Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou
Plus en détailCONCEPTION D UNE CHAINE LOGISTIQUE INVERSE A UN SEUL NIVEAU DANS UNE APPROCHE DETERMINISTE A PRODUITS MULTIPLES
CONCEPTION D UNE CHAINE LOGISTIQUE INVERSE A UN SEUL NIVEAU DANS UNE APPROCHE DETERMINISTE A PRODUITS MULTIPLES M. Bennekrouf (a), Z. Sari, K. Kara-Zaïtri et F. Boudahri Université M. Satambouli de Mascara
Plus en détailAmélioration de la synchronisation de la production sur une chaîne logistique
Amélioration de la synchronisation de la production sur une chaîne logistique Vincent Giard 1 & Gisèle Mendy 2 MOTS-CLÉS: chaîne logistique, anticipation, pilotage des flux, point de pénétration de commande,
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailSynthèse «Le Plus Grand Produit»
Introduction et Objectifs Synthèse «Le Plus Grand Produit» Le document suivant est extrait d un ensemble de ressources plus vastes construites par un groupe de recherche INRP-IREM-IUFM-LEPS. La problématique
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détail