Master MIMSE - Année 2. Optimisation Stochastique Gestion des stocks stochastique DRAFT -- DRAFT -- DRAFT -- DRAFT -- DRAFT --



Documents pareils
Les équations différentielles

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Quantification Scalaire et Prédictive

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

3 Approximation de solutions d équations

Lagrange, où λ 1 est pour la contrainte sur µ p ).

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

TSTI 2D CH X : Exemples de lois à densité 1

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12

Théorème du point fixe - Théorème de l inversion locale

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.

Coup de Projecteur sur les Réseaux de Neurones

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Chapitre 7 : Intégration sur un intervalle quelconque

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

CHAPITRE 5. Stratégies Mixtes

Chp. 4. Minimisation d une fonction d une variable

Cours d Analyse. Fonctions de plusieurs variables

F411 - Courbes Paramétrées, Polaires

Correction du baccalauréat ES/L Métropole 20 juin 2014

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

Plan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Précision d un résultat et calculs d incertitudes

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

I. Polynômes de Tchebychev

Programmation linéaire

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

4 Distributions particulières de probabilités

Image d un intervalle par une fonction continue

Correction de l examen de la première session

14. Introduction aux files d attente

Processus aléatoires avec application en finance

Résolution d équations non linéaires

Programmation linéaire et Optimisation. Didier Smets

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Équations non linéaires

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Optimisation des fonctions de plusieurs variables

Licence Sciences et Technologies Examen janvier 2010

TP N 57. Déploiement et renouvellement d une constellation de satellites

Cours 9. Régimes du transistor MOS

de calibration Master 2: Calibration de modèles: présentation et simulation d

Table des matières. I Mise à niveau 11. Préface

Module 7: Chaînes de Markov à temps continu

EXERCICE 4 (7 points ) (Commun à tous les candidats)

Estimation: intervalle de fluctuation et de confiance. Mars IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

Chapitre 0 Introduction à la cinématique

Les Conditions aux limites

MATHS FINANCIERES. Projet OMEGA

Annexe 6. Notions d ordonnancement.

Problème 1 : applications du plan affine

Continuité en un point

mathématiques mathématiques mathématiques mathématiques

Probabilités III Introduction à l évaluation d options

Moments des variables aléatoires réelles

I Stabilité, Commandabilité et Observabilité Introduction Un exemple emprunté à la robotique Le plan Problème...

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)

Économetrie non paramétrique I. Estimation d une densité

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Le modèle de Black et Scholes

CCP PSI Mathématiques 1 : un corrigé

Loi binomiale Lois normales

RO04/TI07 - Optimisation non-linéaire

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

Cours 02 : Problème général de la programmation linéaire

Fonctions de plusieurs variables

Programmation linéaire

Commun à tous les candidats

Chapitre 6. Fonction réelle d une variable réelle

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Omni. Omni. Omni. Dévoué à votre performance! Dévoué à votre performance! Omni, une solution pour... Omni. Dévoué à votre performance!

Chapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :

Gestion des stocks et des approvisionnements

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

MODELES DE DUREE DE VIE

Programmes des classes préparatoires aux Grandes Ecoles

Chapitre 7. Récurrences

LA GESTION DES STOCKS POUR UN FABRICANT AUX GRANDES CHAÎNES

Continuité d une fonction de plusieurs variables

Chaînes de Markov au lycée

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

i7 0 Guide de référence rapide Français Document number: Date:

Introduction à la théorie des files d'attente. Claude Chaudet

Chapitre VI - Méthodes de factorisation

3. Conditionnement P (B)

1 Les différents types de maintenance

Circuits RL et RC. Chapitre Inductance

0DWKpPDWLTXHVGHO DUJHQW. édité par Mr. G.Moumoulidis (OTE)

Chapitre 7. Circuits Magnétiques et Inductance. 7.1 Introduction Production d un champ magnétique

Transcription:

1 Master MIMSE - Année 2 Optimisation Stochastique Gestion des stocks stochastique

2 Incertitudes dans le modèle Le modèle de base : contraintes de satisfaction des demandes Tx h avec Tk T x représentant la quantité de produit k ou de produit à la période k pouvant être fournie (par fabrication ou commande) et h k la demande correspondante. La matrice T est parfois appelée matrice de technologie. Par analogie avec la gestion des stocks, modèles plus ou moins cycliques, mais incertitudes sur : le taux de demande, le taux de production : pannes de machine (donc retards dans la production), productivité, défauts des matières premières, produits fabriqués défectueux, les fournisseurs (retards de livraison, indisponibilités, défauts) les modèles parfaitement cycliques et les raisonnements associés (raisonner par quantités ou par périodes, c est équivalent) ne sont plus valables. Résultat : possibilité d une pénurie.

3 Conséquences d une pénurie Plusieurs cas se présentent. Une pénurie peut entraîner : la perte d une vente, la perte d un client (donc de ventes futures), atteinte à l image de marque, un retard de livraison : produit pris sur les fabrications/livraisons futures (back-order ), des coûts pour se fournir ou fabriquer en urgence, le blocage d un atelier (ligne de production).

4 Coûts d une pénurie Les coûts peuvent donc être : fixes, indépendamment du nombre d objets en rupture ou de la durée de la rupture de stocks, proportionnels aux ventes perdues, indépendamment de la durée, proportionnels aux quantités et aux durées : pénalités de retard, astreintes... Ces coûts sont difficiles à évaluer, à moins qu ils ne résultent d une négociation fournisseur/client.

5 Niveau de service La qualité de service se mesure également de plusieurs façons ( types ) : 1. le nombre de périodes de pénuries, indépendamment des quantités et des durées, 2. le nombre d items en rupture, de demandes non remplies, indépendamment de la durée, 3. le retard moyen des demandes insatisfaites.

6 Types d inventaire En pratique, deux types d état des stocks : Inventaire continu : stock connu à tout instant lourd à mettre en place pour de grandes quantités et de une grande variété d articles, parfois imprécis, ou au contraire indûment trop précis. On peut mettre en place des stocks d alerte pour lancer une commande Pénurie entre la date de la commande et la livraison Inventaire périodique (toutes les semaines, tous les mois...) Plus léger De toute façon imprécis Risque de pénurie même avant la commande, entre deux inventaires. Passer commande avant le seuil d alerte

7 Quatre techniques pour s en sortir... Gonfler les demandes, sous-estimer les capacités de livraison, Utiliser des stocks de sécurité : commander alors que le stock restant est plus que suffisant pour couvrir une demande moyenne jusqu à la livraison. Utiliser un délai de livraison de sécurité : on prévoit la date où le stock deviendra critique, et on commande plus tôt (si incertitude concerne plutôt les délais). Résoudre un problème stochastique (cf. contrainte de hasard)

8 Modèle du marchand de journaux -1- Modèle à une seule période : tout est remis à zéro à la fin des journées, les sur-stocks ne se transmettent pas à la période suivante, les ruptures ne sont pas comblées par les commandes futures. On note : Coûts d achat (par le marchand de journaux) :c A, Prix de vente :c V, Prix de reprise d invendus :c I. Demande : D v.a. de fonction de densité f(x) et de moyenne E[D] connues. On cherche à évaluer la quantité Q à commander.

9 Marchand de journaux -2- Calcul du bénéfice Bénéfice d une commande de Q journaux : C(Q) = c A Q+c V min{q, D}+c I max{q D,0} Si Q D on peut récrire : C(Q) = c A Q+c V Q = (c V c A )(Q D)+(c V c A )D Sinon Q D on peut récrire : C(Q) = c A Q + c V D + c I (Q D) = (c I c A )(D Q) + (c V c A )D. Bref, en notant c O = c A c I et c U = c V c A on a : C(Q) = c O max{q D, 0}+c U max{d Q,0}+c U D.

10 Marchand de journaux -3- Calcul de l espérance On prend l espérance (loi des grands nombres : sur un grand nombre de jours, le comportement en moyenne tend vers l espérance). Partie constante : c U E[D] négligée par la suite (n intervient pas pour l optimisation). Il reste : E[C(Q)] = c O E[max{Q D,0}] + c U E[max{D Q, 0}] Q = c O 0 (Q x)f(x)dx + c + U Q (x Q)f(x)dx = c O Q Q 0 f(x)dx c Q O 0 xf(x)dx + +c U Q xf(x)dx c U Q + Q f(x)dx. En dérivant par rapport à Q : + Q Q de[c(q)]/dq = c O 0 f(x)dx c U f(x)dx = c O F(Q) c U (1 F(Q)) Dérivée = 0 d où F(Q ) = c U /(c O + c U ). Pour F inversible, Q = F 1 (c U /(c O + c U )). c O Pr[D Q ] = c U Pr[D Q ].

11 Marchand de journaux -4- Variantes Invendus perdus : faire c I = 0 donc c O = c A. Demandes discrètes : Trouver Q 1 et Q 2 consécutives telles que F(Q 1 ) c U /(c O + c U ) F(Q 2 ), Prendre la plus haute : Q = Q 2. Stock initial : u > 0. Il suffit de commander Q u. On interprète Q comme un niveau cible. A la limite u > 0 on ne commande rien. Pertinent dans le cas d items non périssables. Nombre infini de périodes : Si les invendus se reportent sur les périodes suivantes, et les ruptures sont fournies (avec retard) grâce aux commandes suivantes, sur un nombre infini de périodes, en moyenne, les quantités commandées sont égales aux demandes. 1 On calcule lim n + C(n périodes ) et on annule la n dérivée. On trouve F(Q ) = p/(p+h) avec p coût des ruptures (par item non disponible) et h coût de stockage. Ventes perdues : F(Q ) = (p+s c)/(p+h+s c) avec S prix de vente et c coût variable.

Système à politique de recommande fixe (s,q) 12 On suppose que la politique de contrôle des stocks est un inventaire continu, l état des stocks est connu à chaque instant. la demande est aléatoire, stationnaire Politique de recommande fixe (s,q) : On lance une commande si le niveau de stock observé atteint un niveau minimum s = niveau-seuil, seuil d alerte, point de recommande, la quantité commandée est fixe, notée Q. Pour une demande déterministe fixe, dans le modèle EOQ, il était équivalent de commander à un niveau-seuil qu avec une périodicité fixe, et pour un délai de livraison fixe, s était fixe. Ici, Q et s sont les deux variables de décision (indépendantes).

13 Notations Demande : la demande est une variable aléatoire et stationnaire : l espérance de la demande sur un intervalle de temps de longueur l est constante et proportionnelle à l, de taux D. La variable aléatoire importante à considérer est X la demande pendant le délai de livraison L, considéré fixe! X est une v.a. avec : E[X] = µ X = DL et σ 2 X = σ2 D L, fonction de densité f(x), fonction de répartition F(x), fonction de perte L(x) = + x (t x)f(t)dt. Coûts : K coût fixe par commande, h = I.c coût de stockage par item, par an, c coût variable à la commande, p pénalité de rupture de stock.

14 Analyse de la politique (s,q) Longueur moyenne d une période : Une période (cycle) est la durée entre deux livraisons de quantité Q. Donc en moyenne T = Q/D. Stock de sécurité : Le niveau de stock est au plus bas juste avant une livraison. Ce niveau minimum moyen est appelé stock de sécurité ( Safety Stock ). Niveau de stock moyen : SS = E[s X] = s DL. Ce niveau moyen varie linéairement entre SS et SS + Q donc : Pénurie moyenne : I + = SS + Q/2. Si pendant un cycle la demande X est supérieure à s, on a une rupture. La rupture moyenne sur un cycle est donc I = E[max{X s, 0}] = I = L(s) + s (x s)f(x)dx

15 Politique (s,q) optimale : Coût moyen par unité de temps : C(s, Q) = K T + cd + hi+ + p T I En négligeant cd (constant) on récrit : C(s, Q) = K D Q + h(s DL + Q 2 ) + pd Q I (s) Les dérivées donnent : avec di (s) ds C Q = KD Q 2 + h 2 pd Q 2 I (s) C s = h + pd Q = Pr[X > s]. di (s) Fonction convexe sous des conditions simples, donc annuler le gradient. ds On trouve alors : Q = 2D(K + pi (s )) h avec s vérifiant Pr[X > s ] = hq pd.

16 Remarques sur les conditions optimales D après la formule Q = 2D(K + pi (s )) on a pi s qui apparaît comme un coût fixe supplémentaire. A part ça, formule EOQ. h L autre condition peut se récrire Pr[X > s ] = hq pd p T Pr[rupture de stock] = h. A l optimum, le bénéfice moyen d ajouter une unité au stock de sécurité est égal à ce coût.

17 Calcul de (s, Q ) Solution exacte Résoudre un système non linéaire à deux inconnues. Q 2D(K + pi (s )) = h et s vérifiant Pr[X > s ] = hq pd. Ne peut se faire si on n a pas d écriture analytique pour L(s) et F(s). Même encore si on en a une... Bon courage! Une solution approchée On ignore la possibilité d une rupture de stock, on calcule alors ˆQ selon l EOQ puis ŝ tel que : ˆQ = 2KD h OK si I (ŝ) est bas. Pr[X > ŝ] = h ˆQ pd.

18 Solution algorithmique 1. On pose Q 0 = EOQ 2. Itération i (a) Calculer s i à partir de Q i : s i = F 1 (1 hq pd ) (b) Calculer Q i+1 à partir de s i : 2D(K + pi (s i )) Q i+1 = h (c) Si Q i+1 Q i > ǫ reboucler. Convergence rapide.

19 Niveau de service et politique (s,q) Niveau de Type 1 : Le pourcentage moyen de cycles avec une pénurie est supérieur à α%. Loi des grands nombres : sur beaucoup de cycles, le nombre moyen de cycles avec pénurie est égal à la probabilité d avoir une pénurie sur un cycle. Pr[X > s ] 1 α Imposer un niveau de service de Type 1 de niveau α détermine complètement le s à choisir! En effet F(ŝ) = α, On peut prendre alors ˆQ = EOQ (solution couramment adoptée) La pénalité par rupture est obtenue par p = ˆQ D(1 α)

20 Niveau de service et politique (s,q) Niveau de Type 2 : La proportion des demandes satisfaites est supérieure à β%. La proportion des demandes insatisfaites sur un cycle doit être supérieure à (1 β)% (en moyenne). I (s)/q = (1 β). Equation faisant intervenir Q et s, donc Imposer un niveau de service de Type 2 de niveau β ne suffit plus à déterminer s! Comme on récrit d où Q = p = 2D(K + Q = I (s ) Pr[X > s ] + hq Pr[X > s]d, hq Pr[X>s]D I (s )) h ( 2KD h + I (s ) ) 2. Pr[X > s ]

21 Politiques d inventaire périodique Le niveau d inventaire est connu (mesuré) à des moments fixés dans le temps. Utile quand les coûts d un inventaire continu sont trop élevés, ou pour des raisons d organisation de l entreprise ou liées à des périodicités de commande, fabrication... Périodicité fixe ou un paramètre à optimiser. Le niveau moyen de stock est supérieur au cas d inventaire continu, car plus longue période où la rupture peut arriver remplacer L par T + L (T temps entre deux inventaires). quand L > T, considérer les commandes en cours : position d inventaire = en-stocks - back-orders + commandes en cours.

22 Deux politiques courantes Politique (s, S, T) On mesure toutes les T unités de temps, si à la fin d une période le niveau de stock passe en-dessous de s on place une commande pour atteindre un niveau de stock de S (niveau cible ). Commander par quantité fixe peut causer des instabilités dans le système. Politique (S, T) On commande à la fin de chaque période de temps, jusqu au niveau cible Simple à implémenter, valable quand les coûts de commande sont faibles par rapport aux coûts d inventaire.

23 Politique (S, T) avec ventes perdues Un seul produit, L est fixe, Coût fixe K incluant les coûts d inventaire, Pénalité par article en rupture p Taux moyen de demande D, X v.a. de la demande pendant T + L, avec f.d. : f(x), E[X] = D(T + L), σx 2 = σ2 D (T + L) Quantité moyenne à commander Q = T D, Pénurie moyenne I (S, T) = + S (x S)f(x)dx Stock de sécurité moyen : SS = S E[X] + I (S, T) Niveau d inventaire moyen : I + = SS + Q 2.

24 Politique (S, T) optimale Coût moyen par unité de temps : C(S, T) = K T +hs hd(l+ T 2 )+(h+ p T )I (S, T). Si T est fixée (imposée par l environnement), d où à l optimum dc Si T n est pas fixée, ds = h + (h + p T )di ds Pr[X > S ] = ht ht + p. pas de solution analytique (dérivée en T qui coince...) Solution numérique : Prendre un T, Calculer S (T), Calculer ϕ(t) = C(S (T), T) Optimiser la fonction ϕ(t) par des techniques approchées. A T fixée Niveau de service de type 1 : Pr[X > S] = (1 α). Niveau de type 2 : I (S)/DT = (1 β) Fixer un niveau de service revient à fixer S donc SS.

25 Politique périodique (s, S, T) On cherche la politique qui minimise le coût total par unité de temps. Le calcul du coût moyen est très complexe : utilisation de la théorie des chaînes de Markov pour calculer le coût moyen par cycle entre deux commandes consécutives, diviser par la longueur moyenne d un cycle. Solution optimale rarement utilisée en pratique. Solution approchée courante : Calculer une politique optimale (s, Q ) pour un inventaire continu. On pose ŝ = s, Ŝ = s + Q et ˆT = Q D. Il existe aussi des modèles multi-produits (s i, S i, T) où par ex. les coûts fixes sont partagés...