Logo
Memoires et Projets de fin d'Etudes

Espace Membres

Identifiant :

Mot de passe :

Mot de passe oublié ?

Gestion des risques dans les chaînes logistiques
accéder au document
Type de document : Thèse de doctorat
Nombre de pages : 238
Format : .Pdf
Taille du fichier : 112.07 KB
Nombre de consultations : 39
Note : note (0 votes)
Extraits et sommaire de ce document
Dans le contexte actuel d’instabilité des marchés, les entreprises doivent intégrer l'incertitude de la demande dans leurs méthodes de planification afin de mieux gérer leurs ressources et de préserver leurs performances. D'autre part, elles se sont de plus en plus recentrées sur leur coeur de métier, et se sont donc de plus en plus regroupées au sein de chaînes logistiques.
La gestion des chaînes logistiques (ou Supply Chain Management, SCM) s’intéresse dans ce cadre à des chaînes logistiques dont les acteurs de la chaîne sont des entités décisionnelles indépendantes. L’étude de ces chaînes logistiques passe donc souvent par la prise en compte d’une relation "point-à-point" entre le client et le fournisseur, qui constitue le "maillon" élémentaire de la chaîne logistique. L’amélioration de ces chaînes logistiques passe par la mise en place de processus coopératif entre les différents acteurs afin qu’ils puissent mieux travailler ensemble. Dans ce cadre, plusieurs types d’information peuvent être échangés comme les plans d’approvisionnement, les niveaux de stocks prévisionnels etc.
Notre cadre d’étude sera donc un "maillon" d’une chaîne logistique (relation client-/fournisseur) dont les acteurs (le client et le fournisseur) sont des entités décisionnelles indépendantes qui souhaitent mettre en place des processus de planification coopératifs en présence d’incertitude.
Des chaînes logistique comme celles du secteur aéronautique fabriquent des produits à la commande mais utilisent aussi des composants standards qui sont fabriqués sur stock (par exemple, les sondes pitots, les hublots,..). La tendance actuelle va vers des produits de plus en plus personnalisés (par exemple, l'A380 propose plus de 1000 points de configuration, soit 10 à 20 fois plus que l'A330), et ceci avec des personnifications de plus en plus tardives. Cela induit des incertitudes sur les besoins en composants et rend la gestion de l’approvisionnement vitale pour respecter les délais client et limiter les stocks obsolètes.
De plus, il est connu que les incertitudes dans les chaînes logistiques ont un effet cumulatif connu sous le nom d’ « effet Bullwhip ». L’enjeu au niveau tactique est de proposer, malgré les incertitudes dues à la variation du marché et à la personnalisation des produits, un processus de gestion des approvisionnements qui propage dans la chaîne logistique une information suffisamment riche (mais facilement exploitable), pour que le fournisseur ait une meilleure vision de sa demande.
Dans ce contexte, la contribution majeure visée par nos travaux est l’intégration de connaissances imparfaites sur les données (date du besoin en composants, quantité nécessaire…etc.) afin de calculer un plan d’approvisionnement plus robuste (plan minimisant l’impact de l’incertitude). L’intégration des imperfections repose sur l’utilisation de la théorie des possibilités afin de représenter au mieux l’information disponible en prenant en compte une connaissance imparfaite sur certaines données, ou leur dimension subjective. Une fois le modèle de représentation des données imparfaites réalisé, nous proposons des méthodes de calcul de plans d’approvisionnements utilisant les informations supplémentaires apportées par la représentation des imperfections.
Cette thèse est composée de 5 chapitres, dont un chapitre d’état de l’art et quatre de contributions.
Le chapitre I a pour objectif de situer notre domaine d’étude (planification des chaînes logistiques) ainsi que de présenter les éléments théoriques utilisés tout au long de la thèse. Il s’agit de cerner les méthodes de gestion des chaînes logistique et de s’approprier les concepts d’incertitude, imperfection et imprécision ainsi que les modèles de représentation des imperfections et les critères de décision sous incertitude. Ces études débouchent sur la justification de notre approche et sont suivies par un état de l’art sur les méthodes de planification sous incertitude quand les imperfections sont modélisées par la théorie des possibilités.
Le chapitre II formalise le processus auquel nous nous intéressons. Tout d’abord, il présente le processus de collaboration entre les acteurs (client/fournisseur) ainsi que le processus de calcul d’un plan d’approvisionnement dans le contexte où le client est en MTO (Make-to-order, fabrication à la commande) et le fournisseur en MTS (Make-to-stock, fabrication pour le stock). Une fois le processus présenté, nous proposons un modèle de représentation des imperfections des données utilisant la théorie des possibilités. Ce chapitre aboutit à une formalisation du problème de calcul de plan d’approvisionnement intégrant les imperfections sur les données. Il conclut sur une segmentation du problème : calcul des besoins bruts et calcul du plan d’approvisionnement.
Le chapitre III présente trois méthodes de calcul des besoins bruts. La première est une méthode exacte, qui calcule tous les besoins bruts possibles, alors que la deuxième est une méthode qui ne calcule que les besoins bruts possibles ayant des quantités minimales et maximales que nous qualifierons de « besoins bruts extrêmes ». La troisième calcule quant à elle les quantités cumulatives extrêmes (maximale et minimale). Ce chapitre propose donc trois méthodes s’appliquant à : des problèmes de petite taille : méthode de calcul exhaustif de tous les besoins bruts possibles ; des problèmes de taille moyenne par une méthode de calcul des besoins bruts extrêmes, - à des problèmes de grande taille, par une méthode de calcul des quantités cumulatives extrêmes.
Le Chapitre IV propose une méthode de choix d’un plan de production prenant en compte les contraintes du fournisseur afin de limiter les risques de rupture. Ce chapitre présente ensuite une méthode d’aide à la décision pour le choix d’un plan d’approvisionnement sous incertitude sur les besoins bruts.
Le Chapitre V traite le problème de calcul d’un plan d’approvisionnement dans un contexte incertain, ce qui correspond à un problème de planification de la production (cette correspondance sera plus longuement discutée dans le chapitre 2). Dans ce chapitre, on s’intéresse au problème d’optimisation robuste dans le cas où l’incertitude est représentée par des intervalles, puis dans celui où elle est représentée par une distribution de possibilité.
Pour conclure, un bilan est présenté, ainsi qu’un ensemble de perspectives de recherches allant du court terme (proche des résultats de la thèse) à des questions plus générales sur la planification sous incertitude au sien des chaînes logistiques.

CHAPITRE I : ETAT DE L’ART
1. Planification au sein de chaînes logistiques
1.1. Modes de gestion des flux au sein de chaînes logistiques
1.2. Planification d’activité à la commande
1.3. Planification en Make-To-Stock
1.3.1. Méthode de calcul des besoins en composants
1.3.2. Modèles d’optimisation pour la planification tactique
1.4. Planification collaborative au sein d’une chaîne logistique
1.4.1. Collaboration part envoie de plan d’approvisionnement
1.4.1.1. Contrat à horizon glissant
1.4.1.2. Contrat à engagement sur horizon
1.4.1.3. Approvisionnement dans un contexte MTO/MTO
1.4.2. « Vendor Management Inventory »
1.4.3. « Collaborative Planning Forecasting and Replenishment »
1.4.4. Planification collaborative basé sur la négociation
1.5. Conclusion et Positionnement
2. Incertitudes dans les chaînes logistiques
2.1. Définitions risques/ incertitudes
2.1.1. Risque
2.1.2. Incertitudes
2.2. Gestion des risques et décision sous risque/incertitude
2.2.1. Modèle d’optimisation et risque
2.2.2. Démarche générale de gestion des risques
2.2.3. Classification des sources d’incertitudes
2.3. Positionnement
3. Modèles de représentation des incertitudes
3.1. Ensemble aléatoire
3.2. Possibilité
3.3. Nuages
4. Décision sous incertitude
4.1. Ignorance totale
4.1.1. Critères Maximax, Maximin et d'Hurwicz
4.1.2. Regret
4.1.3. Leximin et Leximax
4.1.4. Principe de Laplace
4.2. Connaissance incomplète
4.2.1. Intégrale de Sugeno
4.2.2. Intégrale de Choquet
4.2.3. Une règle ordinale de décision sans commensurabilité
5. Planification sous incertitude dans les chaînes logistique
5.1. Incertitudes impactant la planification au sein de chaînes logistiques
5.1.1. Types d’incertitudes en planification au sein de chaînes logistiques
5.1.2. Impact des incertitudes
5.2. Utilisation de la théorie des Possibilités en planification sous incertitude dans les chaînes logistiques
5.2.1. Clarification préférence/incertitude
5.2.2. Utilisation des fonctions de classement de nombres flous en planification
5.2.3. Optimisation sous incertitude inspirée de l’optimisation stochastique
5.2.3.1. Modèles d’optimisation
5.2.3.2. Utilisation en planification
5.2.4. Propagation des incertitudes et aide à la décision
CHAPITRE II : FORMULATION DU PROBLEME DE PLANIFICATION
1. Processus collaboratif d’élaboration de plan d’approvisionnement
1.1. Processus d’élaboration dans un contexte faiblement collaboratif
1.2. Calcul d’un plan d’approvisionnement
1.2.1. Processus de planification des approvisionnements en MTO
1.2.2. Formalisation
1.3. Calcul d’un plan d’approvisionnement dans un contexte collaboratif
1.3.1. Processus collaboratif de planification des approvisionnements
1.3.2. Formalisation
1.3.2.1. Modélisation des préférences du client
1.3.2.2. Modèle des quantités livrables par le fournisseur
1.3.2.3. Formalisation du Processus de choix d’un plan de production
1.3.2.4. Formalisation du Processus de calcul du plan d’approvisionnement
2. Modélisation des données incertaines
2.1. Types d’imperfections
2.2. Modélisation des imperfections
2.2.1. Incertitude sur le besoin en composants
2.2.2. Modèle de représentation de l'imprécision
2.2.2.1. Imprécision sur la quantité du besoin en composants
2.2.2.2. Imprécision sur la date du besoin
2.2.3. Représentation des incertitudes sur deux quantités imprécises
2.2.4. Modèles des besoins en composants
2.3. Dépendances
2.4. Connaissance sur les besoins bruts
2.4.1. Modèle des quantités livrables par le fournisseur
2.5. Formalisation du calcul d’un plan d’approvisionnement sous incertitude
2.5.1. Formalisation du calcul des besoins bruts
2.5.2. Formalisation du processus de choix d’un plan de production
2.5.3. Formalisation du processus de calcul du plan d’approvisionnement.
CHAPITRE III : CALCUL DES BESOINS BRUTS
1. Passage en période des besoins en composants
1.1. Calcul de l’ensemble des périodes dans lesquelles l’ordre peut commencer
1.2. Calcul des quantités de composants c nécessaires à l’assemblage de p pour l’ordre o
1.3. Calcul de l’ensemble besoins en composants par période
2. Construction du graphe besoin brut
2.1. Calcul des noeuds
2.1.1. Contraintes des dépendances de quantités
2.1.2. Connaissance sur les besoins bruts
2.1.3. Calcul des quantités pour chaque combinaison possible
2.2. Construction des arcs
3. Calcul des besoins bruts extrêmes
3.1. Calcul des quantités de besoin brut cumulé extrêmes
3.2. Calcul du graphe de besoins bruts extrêmes
CHAPITRE IV : AIDE A LA DECISION POUR LE PROCESSUS DE CALCUL DU PLAN D’APPROVISIONNEMENT
1. Choix d’un plan de production sous incertitude
1.1. Choix d’un plan de production utilisant l’ensemble des besoins bruts
1.2. Choix d’un plan de production à partir des besoins bruts cumulatifs extrêmes
2. Aide à la décision pour le calcul d’un plan d’approvisionnement
2.1. Exploitation du graphe
2.2. Calcul des niveaux de stock nécessaires
2.3. Choix d’un plan d’approvisionnement
2.4. Illustration de la méthode de calcul d’un plan d’approvisionnement
2.5. Calcul d’un plan d’approvisionnement à partir des besoins bruts cumulatifs extrêmes
CHAPITRE V : APPROCHE PAR OPTIMISATION ROBUSTE POUR LE CALCUL D’UN PLAN DE PRODUCTION
1. Présentation du problème
1.1. Problème déterministe
1.2. Problème d’optimisation robuste avec imprécision sur la demande représentée par des intervalles
1.3. Problème de risque minimisation dans un contexte possibiliste
2. Evaluation d’un plan de production
2.1. Evaluation sous imprécision modélisés par des intervalles
2.2. Evaluation sous imprécision modélisés par des distributions de possibilité
2.3. Conclusion et retour au problème de plan d’approvisionnement
3. Méthode de résolution utilisant le critère Minmax
3.1. Sans contrainte de capacité de production
3.2. Avec contrainte de capacité sur les quantités livrables par le fournisseur
3.2.1. Algorithme de résolution
3.2.2. Résultat expérimentaux
4. Calcul d’un plan d’approvisionnement utilisant le critère de risque minimisation
4.1. Calcul d’un plan d’approvisionnement précis
4.2. Méthode de calcul d’un plan d’approvisionnement flou
Ces documents peuvent également vous intéresser !
# L’analyse de la performance logistique par traçabilité-agilité chez UCM Dolidol
# Amélioration de la performance logistique des entrepôts chez Marjane
# La logistique des conteneurs endommagés et l’optimisation des délais de réparation chez CMA CGM
# Organisation des approvisionnements et systèmes de paiement dans les filières agro-alimentaires : Cas de la filière canne à sucre
# Optimisation du processus logistique de la messagerie chez Barid Al Maghrib
# Organisation et suivi des opérations de transport chez la société Best Milk
# Choix stratégique entre l’externalisation et le maintien de l’activité logistique chez la Cosumar
# L’externalisation logistique et les enjeux de la relation entre industriels et prestataires de services
# L’amélioration de la chaîne logistique des fruits et légumes de la société Suncrops
# Optimisation des risques logistiques dans l’exportation des fruits et légumes chez la GPA
# La gestion logistique de l’escale des navires chez l’ANP
# Optimisation de la gestion des stocks et des approvisionnents chez la SBGS
# Evalutation de la performance logistique de la société Silver Food
# Optimisation de la préparation des commandes dans les entrepôts de distribution
# L'application de la démarche Lean pour l'amélioration de la performance d'un entrepôt logistique chez la société Asti
# Optimisation de la chaîne logistique de la société Fresh Fruit
# Optimisation des flux physiques des conteneurs chez la compagnie CMA CGM
# Optimisation de la performance logistique chez la société SNTL Damco Logistics
# Amélioration de la gestion des flux logistiques chez Marsa Maroc
# Audit des performances logistiques chez les laboratoires Afric-Phar

contact
Grocery Category