Gestion des Incertitudes et Gestion de chaînes logistiques

Gestion des Incertitudes et Gestion de chaînes logistiques Jacques LAMOTHE Equipe : Interopérabilité des Organisations Centre Génie Industriel Ecole des Mines d Albi Carmaux 19/02/2014

PLAN DE LA PRÉSENTATION Travaux passés et en cours Incertitudes et conception de chaines logistiques Supply chain collaboration et incertitudes Supply chain agility Thèses en démarrage 2

Incertitudes et conception de chaîne logistique TRAVAUX DE THÈSE DE J. VARGAS 2012-2014 DIR. THÈSE : L. DUPONT / M. LAURAS Localisation d entrepôts de premiers secours pour répondre en cas de catastrophes naturelles (tremblement de terre)

PRÉSENTATION On s intéresse aux catastrophes naturelles récurrentes (environ 500 par an à travers le monde) Les ONG et gouvernements mettent en place des entrepôts de stockage de produits de première nécessité Problème: Combien d entrepôts et où, De quelle capacité, Que faut-il stocker. Dans la thèse de J. Vargas, cas d étude : tremblements de terre au Pérou 4

PROBLÉMATIQUE SCÉNARIO Pour un tremblement de terre, faute de connaître à l avance la localisation géographique la gravité l impact en terme de personne à secourir nous devons raisonner sur un ensemble de scénarios plausibles Un scénario 1. Générer une occurrence d un tremblement de terre : Fixer la région de l épicentre Fixer une intensité (ex: échelle de Richter) 2. Déterminer la zone impactée 3. Mesurer l impact sur les populations 4. Etablir l impact sur les infrastructures Les moyens de transports (route, accès) Les capacités résiduelles des entrepôts touchés 5

PROBLÉMATIQUE LOCALISATION En partant de l historique des évênements du passé, générer un ensemble de scénarios. Sur la base de cet ensemble, appliquer des modèles mathématiques de type «localisation» pour déterminer où situer les entrepôts en fonction : de l objectif donné (coût, nombre ou pourcentage de démunis à satisfaire ) de contraintes spécifiques (capacité globale de stockage, nombre maxi d entrepôts ) 6

SCENARIO : A DEMAND FORECAST METHOD FOR RECURRENT DISASTERS Steps Tools World Step 1: To Identify The Influencing Factors Step 2: To Select The Significant Variables Literature Review Principal Component Analysis Country Step 3: To Model The Correlation Formula Step 4: To Validate The Model Linear Regression Application Case 7

SCENARIO (2): A DEMAND FORECAST METHOD FOR RECURRENT DISASTERS Vulnerability Resilience Population IDH Water 1 Electricity Vulnerable walls 2 quantity (millon) ratio % % % Secundaria Educative Family per Criminal Support Illiteracy registration achievement cápita income records logistics % % % S/. mes quantity (mil) ( S/. millon ) 1 Continuous supply services: public network within the housing. 2 It is considering those houses whose walls are of adobe, thatch or mud. Life expectancy birth years Facteurs influents après analyse de données 4 facteurs influents et variants sur le Perou Regression Equation DV Lima-Callao = +184733.780 *X IDH +0.468 *X CR - 1485837.030 *X VW +16908.352 8

CONSTITUTION DES SCENARIOS (3) Localisation et intensité D après bases de données et seuils fixés par experts Délimiter les zones impactées Dépend de la géographie (plaques tectoniques, vents, géologie) Estimer effet sur les populations Fonction de vulnérabilité et résilience de la région : démographie, PIB, activité industrielle, services (santé, télécommunication) Estimer effet sur les infrastructures Moyens de transport : voies, ouvrages d arts, pénurie camion et fuel, réquisition Entrepots : perte de capacité, rebuts dans le stock 9

WAREHOUSE LOCALISATION The objective: Design a consistent network that would be able to manage adequately the disaster response despite of potential failures or deficiencies of infrastructures and resources. The proposal: An innovative location-allocation model (Stochastic MIP) is proposed in order to improve efficiency (cost minimization) and responsiveness (non-served beneficiaries in a given time frame) regarding foresseable network weaknesses. The validation: Application on the case of Peruvian earthquakes preparedness (recurrent disasters). 10

VARIABLES ET MODÈLE Variables globales Cj capacité de l'entrepôt en j Yj 1 si l'entrepôt est implanté en j, 0 sinon Variables scénarisées Ris demande en i non satisfaite dans scénario s Xijs secours à i fournis par j dans scénario s hs. Ris + ( fj. Yj + vj. Cj) min = s + hs. tij. Xijs i s j i j s ( 1) j, Xij Yj. MaxDmde ( 2) i i, s ( 3) j, s Xijs i j Xijs + Ris = dis pjs. Cj ( 4) j, aj. Yj Cj bj. Yj ( 5) i j s, Xijs mijs ( 6) Yj nw (7) j j Cj cg 11

Supply chain agility TRAVAUX DE THÈSE DE A.M BARTHE 2010-2013 DIR. THÈSE : F. BENABEN, H. PINGAUD Prise en charge de l agilité de workflows collaboratifs par une approche dirigée par les événements

[INTRODUCTION] SYSTÈME D INFORMATION DE MÉDIATION Secourir Refroidir SIM Evacuer S.I. S.I. Interopérabilité Soigner S.I. S.I. 13

CASE STUDY: PHARMACY DELIVERY Pharmacy Pharmacy Wholesaler Pharmacy Pharmaceutical manufacturer Pharmacy Wholesaler Pharmacy 14

[INTRODUCTION] DÉFINITION DE L AGILITÉ «a rapid and proactive adaptation of enterprise elements to unexpected and unpredicted changes» Kidd, 1994 Agilité = ( Détection + Adaptation )*( Réactivité + Efficacité ) «the Agile enterprise tends towards the sale, to each customer, of total solutions combining goods, services and information, at a high level of differentiation and at serial prices Dimension» de Détecter une évolution de la situation la performance Badot, 1998 qui «the ne ability peut être to cope prise with en charge unexpected changes, to survive par les processus en cours d exécution Dimension temporelle unprecedented threats of business environment, and to take advantage of changes as Modifier opportunities les processus» en cours d exécution afin de les rendre pertinents Sharifi, 1999 «vis-à-vis capacité de la répondre situation rapidement courante et de façon adéquate aux changements à court terme concernant les demandes, «Capacité d un système à réaliser, dans le laps de temps le plus court possible (réactivité), l approvisionnement ou l environnement. Elle provient de la flexibilité, la détection de son inadéquation à l environnement dans lequel il évolue et la mise en la capacité de réponse et l efficacité des chaînes logistiques» oeuvre de l adaptation nécessaire.» Charles, 2010 15

[DÉTECTION] CARACTÉRISER LA SITUATION Méta-modèle cœur de la situation collaborative [Macé-Ramète et al., 2012] 16

[DÉTECTION] CARACTÉRISER LA SITUATION Méta-modèle cœur de la situation collaborative Couche crise [Macé-Ramète et al., 2012] Mu, 2012] 17

[CONCEPTION DU PROCESSUS] QUEL TYPE D ADAPTATION? Caractérisation de la collaboration Modèle de la collaboration Déduction de la dynamique de collaboration Design-Time MISE Modèle de processus Informatisation de la dynamique de collaboration Workflows collaboratifs Orchestration 18

CASE STUDY: SCHEDULED ROUND 8:45am 8:55am 9:25am 9:15am 8:30am 10:50am 10:20am 10:30am 9:30am 9:40am 10:00am 10:10am 19

[DÉTECTION] MODÈLES ATTENDU ET TERRAIN Déduction BPMN Connaissance Meta Modèle Modèle initial 1 - Duplication Meta Modèle Orchestration Modèle terrain Modèle attendu 32 -- Comparaison Mise à jour 20

[DÉTECTION] ACTUALISER LES MODÈLES ATTENDU ET TERRAIN Terrain Modèle Modèle attendu initial terrain temps Monitoring workflows Anne-Marie Barthe-Delanoë Soutenance de thèse 21

[DÉTECTION] COMPLEX EVENT PROCESSING Traitement des événements Événements complexes Types d EPL Événement dérivé Événement composite Opérateurs de composition génère Moteur de Langage de requête de flux de données Event Processing Language Motif d événement/ règle CEP EPA EPA CEP EPA EPA Règles de production utilise pour créer Nuage d événements Mise à jour des modèles Administrateur d après [Fülöp et al., 2010] Événements provenant du monde extérieur alimente 22

[DÉTECTION] COMPLEX EVENT PROCESSING Type d événement Description 22/11/2013 Activité Informer de l état d exécution d un service : attente, en cours, terminé, en panne Mise à jour Modèle Attendu Situation Informer à propos de la situation (capteurs, etc.) Conséquence Pour transmettre le résultat d un activité / d une séquence d activité Ressource Information sur les ressources (i.e. plans d intervention, moyens humains et matériels) Mise à jour Modèle Terrain 23

CASE STUDY: DIVERGENCE CALCULUS n = Σ i i=0 i = w i *m i Weight w i = f(operation, concept) Importance m i = f(instance(context, time)) Concepts Operations Add Delete Update Partner 1 3 2 Resource 1 3 1 Order 2 1 1 Risk 4 3 2 Anne-Marie Barthe-Delanoë 14th IFIP Working Conference on Virtual Enterprises - Dresden, Germany Concepts Importance Partenaire Wholesaler 1 Pharmacy 0,3 Risk Traffic jam 1 Road work 0,8 Accident 1 Order Regular 0,5 Emergency 1 24

[ADAPTATION] QUEL TYPE D ADAPTATION? Sources d évolution Evolution du contexte Evolution du réseau Occurrence du dysfonctionnement Type d adaptation Caractérisation de la situation Définition du réseau Réexécution du service Caractérisation de la collaboration Adaptation Modèle de la collaboration Déduction de la dynamique de collaboration Détection Modèle de processus Informatisation de la dynamique de collaboration Design-Time MISE Workflows collaboratifs Orchestration Runtime MISE 25

CASE STUDY: EVENT TYPES Event type Description Situational Used the for traffic information information about provided the situation by the (e.g. city information hall to assess coming the from sensors or traffic human situation made and description) potential new routes Consequence the patients urgent orders to assess the emergencies in term of Used to transmit the result of one activity/a sequence of activities demand Activity Used the ongoing to give information preparations about at wholesaler s the state of warehouse a service: waiting, to adapt work the in progress, done, failed time delivery schedule Resource Used the pharmacies for information stock about to assess the resources the priorities (i.e. information in terms of supply such as reports, or objects or human means) 26

CASE STUDY: BUSINESS RULES If there is an important traffic jam 1 km around pharmacy N then go to pharmacy N+1 If the planned route is modified then inform all the remaining pharmacies for the delay If there is an urgent request for a specific drug then proceed to the delivery of this drug first 27

CASE STUDY: REAL ROUND [2/3] 8:45am 8:55am Traffic Jam Constraint 8:30am = 4 10:45am > threshold 9:18am 9:28am

CASE STUDY: REAL ROUND [3/3] Order constraint = 2 = threshold 10:45am 9:58am 10:13am 9:28am 10:24am 10:25am 10:35am 9:38am

CASE STUDY: REAL ROUND [3/3] 10:45am 10:55am 11:05am Only a delay of 15 10:35am min on the planned schedule

Incertitudes et collaboration dans une chaîne logistique TRAVAUX DE THÈSE DE G. MARQUES 2006-2010 DIR. THÈSE : J. LAMOTHE/ C. THIERRY / D. GOURC Management des risques pour l aide à la gestion de la collaboration au sein d une chaîne logistique: une approche par simulation

Gérer la collaboration c est assurer la cohérence Comportements Processus individuels de décisions Ex: Gestion capacité, taille de lot, couverture Protocoles Processus Partagés, choix partagé Ex: Commande, VMI, CPFR, échanges prévisions Marché Perception Incertitude Perturbations du flux physique et/ou du marché Ex: Pannes, rebut, retard, changement marché 32

LogiRisk : un simulateur de processus de planification PIC SOP Prév. FOURNISSEUR Appro. Prod. SOP SOP Liv. Prév. CLIENT Appro. Prod. SOP SOP Liv. Capacité Capacité PDP MTP CBN Prév. MTP MTP Plan prod Plan stock Prév. MTP MTP Plan prod Plan stock Ordo STP/L&IM / CT MRPII Cdes. STP STP Lancements possibles L&IM L&IM Cdes. Ce que l acteur STP a voulu lancer STP sur la période compte tenu des pannes Lancements possibles Ce que l acteur a pu lancer sur la L&IM période compte tenu des stocks MP L&IM SOP: Sales & Operations Planning MTP: Middle Term Planning STP: Short Term Planning L&IM: Launchning and Inventory Management 33

La question de la collaboration Comportement Protocole événements FOURNISSEUR CLIENT Appro Prod Liv Appro Prod Liv Capa finie/infinie Couverture haute/faible Cde/kanban/VMI Variabilité MARCHE Cde/JIT Rebut retard appro pannes Rebut retard prod Ruptures / livraisons 34

LogiRisk Analyse : Hypothèses = Jeu décisionnel séquencé, point de vue différents des décideurs sur les incertitudes Protocole Rég. Prot. Taille de lot Rebut Comportement Aval Décision Désignation Notation Type protocole D 1 Réglage protocole D 2 Taille lot fournisseur D 3 Indicateur(s) de performance suivi(s) Notation Désignation I 1 Rupture moyenne PFDC I 2 Rupture moyenne fournisseurs I 3 Stock moyen composants PFDC Stock moyen produits finis fournisseurs I 4 35

Une étude sur le protocole d appro de Pierre Fabre Racine 1 I 1,I 2,I 3,I 4,I 5 Vision de A 1 pour D 1 et D 2 Différents traitements Vision de A 2 pour D 1 et D 2 Vision de A 1 pour D 3 10000 FPH Vision de A FPB 0,1 2 pour D MP 3 Dominances D 1 D 2 D 3 PTH Hurwitz (0,1) Laplace Hurwitz (0,9) Wald Eng. Appro. r3 10000 PTB D3 Hurwitz (0,9) Laplace Hurwitz 50000 (0,1) Wald Commande r1 10000 r1 Hurwitz (0,9) Laplace Hurwitz 100000 (0,9) Wald Commande r1 10000 D2 r2 Hurwitz (0,1) Commande Laplace Hurwitz (0,1) Wald Eng. Appro. r3 10000 MinMax Regret Laplace r3 Hurwitz (0,1) Wald Commande r1 10000 D1 Wald Laplace Hurwitz (0,1) Wald Commande r1 10000 r1 Laplace Protocole Eng. Appro. Laplace Rég. Prot. Hurwitz Taille (0,1) de lot Wald Rebut Eng. Appro. Comportement r1 Aval 10000 D2 r2 10000 A2 PP A2 0,01 0,05 A3 Racine 7 I 1,I 2,I 3,I 4,I 5 r3 D3 50000 FPH Exemple de conclusion: FPB 100000 Changement de décision suivant les perceptions A2 du risque MP I 1,I 2,I 3,I 4,I 5 A2 0,05 Vulnérabilité du protocole Engagement sur Approvisionnement Racine 1 à la 0,1 variabilité du besoin brut A3 Poids accordé à la pire situation Racine 7 PTB PP PTH 0,01 I 1,I 2,I 3,I 4,I 5 36

Incertitudes et gestion d une chaîne logistique Les travaux qui démarrent

THÈSES EN DÉBUT DE PREMIÈRE ANNÉE Romain Miclo (Cifre / M. Lauras, J. Lamothe, F. Fontanili) Evaluation des effets du Lean sur l agilité d une chaine logistique Shadan Tayyar (ANR/ L. Dupont, J. Lamothe, F. Galasso) Chaîne logistique de fabrication et implantation de structures pour isolation par l extérieur d immeubles Planification de la chaîne logistique et gestion de protefeuille de projets incertains Arij Lahmar (Co-tutelle Tunisie) Mars 2014 Intégration de Cartographie des risques et cartographie des processus de gestion d une chaîne logistique 38