3e Conférence Francophone de MOdélisation et SIMulation “Conception, Analyse et Gestion des Systèmes Industriels”

MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

OPTIMISATION DYNAMIQUE DE LA TAILLE DES LOTS

D’APPROVISIONNEMENTS : APPLICATION A LA FILIERE TEXTILE

Sami SBOUI, Besoa RABENASOLO, Noel De WAELE

Anne-Marie JOLLY-DESODT
Institut Français du Textile et de l'Habillement
Laboratoire Génie et Matériaux Textiles (IFTH – Direction Lille)
(GEMTEX–ENSAIT, UPRES 2461) 2, rue de la recherche, BP 637,
Ecole Nationale Supérieure des 59656 Villeneuve d’Ascq Cedex.
Arts et Industries Textiles Mél : [email protected]
9, rue de l’Ermitage, BP 30329, 59056 Roubaix Cedex 1
Mél : [email protected]

RESUME : Dans le contexte économique et stratégique actuel, où la production est de plus en plus pilotée par la
demande du marché, la filière Textile, Habillement et Distribution (THD) cherche à répondre efficacement et
rapidement aux besoins de ses clients. Les entreprises, qui ont choisi de travailler en étroit partenariat, ressentent le
besoin d’outils de gestion, d’aide à la décision et de pilotage de la chaîne logistique d'approvisionnement et de service,
étendue et partagée. Cet article traite de l'optimisation dynamique de la quantité à commander dans une chaîne
d’approvisionnement de plusieurs produits standards. Les modèles utilisés prennent en considération la connaissance
des propriétés stochastiques du processus de la demande, les caractéristiques et les contraintes logistiques, afin de
déterminer la quantité qui maximisera les profits et qui satisfera au mieux les besoins des clients sans compromettre la
rentabilité de l’entreprise.

MOTS-CLES : optimisation, simulation, chaîne logistique, modélisation, taille de lots.

1. INTRODUCTION le plus aval et le plus proche du client final. L’intégration

d’une prévision fine et fiable et d’une connaissance
Dans le contexte économique actuel : mondialisation, précise de la dynamique des étapes en amont et en aval,
interpénétration des marchés, accélération et flexibilité est l’élément-clé d’une optimisation efficace et étendue.
des processus de production et de distribution, D’après (iTG Groupe BGM, 1999), une réduction de
anticipation des besoins des clients, les entreprises l’erreur prévisionnelle de 30% peut engendrer des
textiles ont pris conscience qu’elles doivent dépasser le réductions : des stocks de 10 à 30%, des ruptures de
rôle passif de simple maillon d’une chaîne, en intégrant stocks de 10 à 50% et des coûts de planification de 20 à
dans leur stratégie leurs fournisseurs et prestataires, afin 40%. L’optimisation, en prenant en considération la
de rationaliser la production, la gestion des ressources, et prévision des demandes du client final commence à être
l’exploitation de l’information1. Dans cette optique, où la développée dans les planifications afin d’optimiser les
production est de plus en plus pilotée par les demandes stocks, d’améliorer la stabilité de la production et des
du marché, un distributeur doit se doter d’une stratégie planifications des ressources et d’améliorer le taux de
compétitive et d’une politique d’approvisionnement service client (Bhaskaran, 1998 ) (Grave et al., 1998)
fiable, flexible et évolutive afin d’anticiper et satisfaire (Towill, 1991). Dans (Rabenasolo et al., 2000), nous
au mieux les besoins du marché. avons remarqué que pour un délai de transport non nul,
la variation de la demande seule génère une variation
Un partenariat de longue durée avec ses fournisseurs et importante de stock dans l’interface des deux maillons.
confectionneurs permet d’améliorer la planification des Les résultats de ces études ont montré l’importance
approvisionnements et la gestion des stocks. Il faut d’une planification étendue et centrée sur le client final.
rappeler qu’un déphasage entre la demande et la La mise en place de cette politique nécessite l’analyse et
planification des processus génère plusieurs dysfonction- la modélisation des flux physiques de manière à
nements : des stocks, des ruptures de stock, des surcoûts, identifier les étapes qui pourront être optimisées.
des désordres dans les systèmes de production, des
pertes d’opportunité etc. Il est important de partager Dans la recherche de marges bénéficiaires supérieures,
l’information sur les évolutions des besoins et des les entreprises sont confrontées à la situation
demandes, de manière à anticiper les aléas dès le maillon concurrentielle actuelle qui ne leur permet pas
d’augmenter leurs prix de vente. Elles sont plutôt
1 obligées de réduire les coûts du processus d’approvision-
Ce travail a été effectué dans le cadre d'un projet de recher-
che soutenu par le Ministère de l'Economie, des Finances et de nement. Pour une meilleure agilité logistique, elles
l'Industrie, convention n° 96 2 92 6104. doivent configurer leurs ressources sur une base de coûts
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

variables. Le moyen le plus utilisé pour réduire, voire 2.2. Les hypothèses de l'optimisation
éliminer, les coûts fixes est l’externalisation des
processus non-stratégiques et non rentables (Mesnard et Les approches classiques d'optimisation de l'approvision-
Dupont, 1999). Pour les coûts variables liés aux nement comme le modèle EOQ de Harris-Wilson
commandes, il leur faut employer efficacement les (Economic Order Quantity) considèrent en général deux
ressources et chasser les surcoûts. types de fonctionnement. Le premier consiste à
déterminer une taille de lots d'approvisionnement
Cet article traite de l'optimisation dynamique des tailles optimale fixe sur tout l'horizon considéré, l'ordre
des lots à commander entre deux maillons dans un d'approvisionnement se déclenchant au fur et à mesure
réseau de la filière Textile-Habillement-Distribution des besoins en produits. La fréquence d'approvision-
(THD) pour des produits standards et permanents. nement n'est donc pas déterminée à l'avance mais elle
peut se déduire du rapport entre la vente moyenne et la
Le modèle prend en considération la connaissance des taille de lots. A l'inverse, le deuxième type de fonction-
propriétés stochastiques du processus de vente, les nement détermine la fréquence d'approvisionnement
caractéristiques et les contraintes logistiques afin de optimale, la quantité à commander étant variable à
déterminer la taille des lots d'approvisionnement qui chaque approvisionnement. Les méthodes qui optimisent
permet l’optimisation des ressources afin de dégager les deux en même temps sont un peu plus difficiles à
plus de marge et maximiser ainsi les profits. La quantité mettre en oeuvre. Nous rappelons que, pour appliquer le
ainsi déterminée correspond dans notre modèle au modèle EOQ classique, les hypothèses de base, sont
volume total des lots d’approvisionnement de plusieurs entre autres, les suivantes :
produits transportés en même temps, contrairement au
modèle classique de type EOQ (Quantité économique de – la demande est connue et constante sur
commande) (Grave et al., 1993) (Dupont, 1998) où en l’horizon d’étude (horizon infini),
général cette quantité correspond à un seul produit. Dans
cette optique, certains coûts ne seront pas affectés à un – le délai de livraison est supposé nul,
produit particulier mais pris en compte globalement.
– la quantité est déterminée pour un seul produit à
Dans la section 2, nous exposons le problème de la fois.
l’optimisation des approvisionnements entre deux
maillons. Nous rappellerons les modèles classiques Plusieurs travaux ont étendu ce modèle (Burns et al.,
d'optimisation et nous introduirons ensuite les 1985) (Giard, 1988) (Gerchak et Parlar, 1990) (Grave et
hypothèses de travail pour la maximisation des profits de al., 1993) (Hetzel, 1993) (Dupont, 1998) (Bookbinder,
l'entreprise. Puis, dans la section 3, nous exposerons le 1999) (Luciano et Peccati, 1999. Dans notre cas, les
modèle du processus d'approvisionnement. Dans la demandes sont aléatoires avec un modèle stochastique de
section 4, nous exposerons différentes stratégies de prévision de vente connu, les ventes s'effectuent sur un
détermination des quantités commandées et présenterons horizon de temps fini de quelques semaines, et le délai
enfin les résultats des simulations. de livraison est important. En outre, le modèle que nous
utilisons est un modèle dynamique multiproduit car
2. OPTIMISATION DES APPROVISIONNE- l'optimisation est globale pour une famille de produits.
MENTS A PARTIR D’UNE PREVISION DE LA Nous déterminerons alors la quantité de commande Qopt
DEMANDE qui maximise les profits de l'entreprise, en permettant de
faire des économies d’échelle sur les coûts variables liés
à la commande et par conséquent d’augmenter la marge
2.1. Problématique bénéficiaire totale. A l’instant t, pour ce modèle, les
éléments qui interviennent dans la détermination de la
L’objectif de notre article est de déterminer sous quantité à commander sont entre autres:
contraintes, une quantité optimale Qopt à commander qui
assure un maximum de profit à un taux de service α – le modèle de prévision des ventes qui introduit
donné. Cette quantité Qopt, qui correspond à un volume le phénomène aléatoire de la demande client,
global d'approvisionnement, est à distribuer entre N
produits selon l'évolution des besoins sur un horizon H – les caractéristiques et les contraintes de l'appro-
correspondant à la saison de vente. La quantité à visionnement et des commandes,
commander par produit à un instant donné est calculée
par rapport à une demande aléatoire, un état de stock – les caractéristiques économiques : les mouve-
magasin, la situation et les mouvements de trésorerie ments de trésorerie, les prix d'achat et de vente,
(délais de paiement, situation du compte, frais, intérêts) les cours de devise,
et les contraintes (coûts, logistiques…).
– les natures des coûts et des dépenses (charges
sociétaires fixes ou variables à la commande).
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

3. LE MODELE DU CIRCUIT D'APPROVISION- – Les coûts liés à la possession du stock qui sont
NEMENT en fonction de la quantité stockée et de la durée
de stockage. D’après (Courtois et al., 1998), la
répartition des coûts de possession est d’environ
3.1. Le processus d’approvisionnement 6% pour le magasinage, le loyer et l’entretien
des locaux, l’assurance, la manutention, et de 0
La politique d’approvisionnements est dynamique et de à 10% suivant les produits, pour la
type GPA (Gestion Partagée des Approvisionnements) : détérioration. Les autres sources de coûts sont
le stockage des matières premières et des produits finis liées à l’obsolescence, etc. Dans notre cas, les
est pris en charge par le fournisseur et la livraison articles sont classiques, sans aucun effet de
s'effectue directement du fournisseur aux magasins sans mode et de durée de vie importante, ce qui
délai de stockage dans l’entrepôt central. Le fournisseur élimine l’obsolescence commerciale.
se trouve à l’étranger et la logistique est assurée par la
voie aérienne. Les produits étant très légers (articles – Les pertes des marges d’opportunité : les
textiles), l’emballage (carton, cintre, étiquettes, film…) a intérêts perdus du capital immobilisé vont de 5
donc été inclus dans notre modèle car il représente en à 15% (Courtois et al., 1998), en fonction des
moyenne 25 à 30% du poids total d’une commande. années, des manques à gagner liés à la pénurie
ou à la rupture qui dépendent du nombre et des
Les commandes peuvent être hebdomadaires et le délai délais de pénuries constatées, des frais de
de livraison du fournisseur vers les n magasins est de dL pénalité, des frais des surcoûts, des atteintes à
semaines. A l’achat, le distributeur paie dP semaines l'image de marque, des diminutions des actifs
après réception en magasin, ses produits et sa incorporels de l’entreprise, des manques à
participation forfaitaire aux frais de stockage chez le gagner futurs, etc. (Giard, 1988).
fournisseur.
Les dépenses sont séparées en coûts fixes, correspondant
La logistique import —comprenant le transport des colis, aux frais à payer quelle que soit la quantité commandée;
l'assurance, le suivi des colis— a été externalisée et et en coûts variables qui dépendent de cette dernière.
confiée à un prestataire international. Le prestataire
extérieur facture ses services au kilogramme de 3.2.1 Les coûts fixes
marchandise transporté avec la condition que les Ce sont les coûts liés à la passation de commande. Ils ne
volumes des colis ne dépassent pas une capacité Vmax en varient pas quelle que soit la quantité à commander.
m3. A la réception des colis, des frais de dédouanement Nous avons deux types de coûts :
sont facturés à un taux sur la valeur marchande. Ensuite,
au niveau national, l’éclatement est facturé par lot – coût de traitement des commandes et coût de
magasin, la livraison magasin et la manipulation des transfert bancaire Cab. Les coûts de traitement
pièces étant facturées forfaitairement par pièce traitée. des commandes sont estimés proportion-
Le magasin, pour sa gestion, facture à un taux sur la nellement à la fréquence de commandes
valeur marchande. passées. Le coût de transfert bancaire est le
même quel que soit le montant à payer.
3.2. Les coûts d'approvisionnement
– frais de participation au stock de produits finis
Stocker un produit se chiffre entre 20 et 30% voire 40% du fournisseur Cspf. Le fournisseur facture, pour
des capitaux immobilisés (frais immobiliers, les frais de gestion des stocks de produits finis,
équipement, charge et gestion, coûts ou perte une somme forfaitaire fixe à chaque commande.
d’opportunité liée à la valeur du produit stocké)
(Harrison et Ganeshan, 1995) (Dupont, 1998) Ces dépenses fixes sont modélisées par un coût de
(Lambersend, 1999). Les dépenses générées sont au commande :
minimum de deux ordres de coût et de perte
d’opportunité2 :  N
0 si ∑Qi,t = 0

Cdf,t = [Cab + Cspf τ$,t] δt avec δt = i=1 (1)
– Les coûts d’acquisition liés à la commande
(passation, contrôle…) et à la livraison, qui sont
 1, si non
entre autres les coûts administratifs. Ils sont en
où Qi,t est la commande d'articles i, et τ$,t le taux de
général estimés proportionnellement à la
conversion en devise à l'instant t.
fréquence de commandes passées. Ils sont, en
général, de l'ordre de 60 à 120 Francs par
3.2.2 Les coûts variables
commande.
Ce sont les coûts qui varient en fonction des volumes
commandés. Nous les séparons en deux coûts : les coûts
2 hors France indiqués en dollars et les coûts en francs.
Nous préférons utiliser la notion pertes d’opportunité à celle
des coûts « d’opportunité », « de pénurie » ou « de rupture ».
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

Cette distinction permet une optimisation selon les Tt = (1+ τ+) T+t−1 + (1+ τ−) T−t-1 + PvTVt − Ct−d (6)
P
évolutions des cours de conversion du dollar.
où Pv,i est le prix de vente du produit i, Pv ∈ IRN est le
– Coût hors France en dollars (Cfd,t) : ce sont les vecteur des prix de vente, PvTVt est le chiffre d’affaire de
coûts et dépenses correspondant aux achats, la semaine t, dP le délai de paiement, et Ct = Cdv,t + Cdf,t
imports, emballages, poids et frais d'agent. Ils est le total des dépenses de la semaine t, d’après (1) (2).
sont facturés en dollars et demandent la prise en
compte du taux de conversion USD/FF. Contrainte de capacité magasins : la quantité de produits
présents dans le magasin est limitée par Qmin : la quantité
– Coût en France en franc français (Cff,t) : il y a ou seuil minimum pour assurer les ventes (stock de
deux types des coûts. Les coûts qui sont présentation), et Qmax : la capacité maximum du magasin
facturés sur la base de la quantité achetée Cqa (tailles et nombres des broches de présentation).
comme le traitement des colis et la logistique, et
les coûts facturés sur la base de valeur L'objectif de l'optimisation est le suivant :
marchandise Cvm comme le dédouanement et les
frais magasins.

L'ensemble des coûts variables sont donc modélisés par

Maximisation du profit :
Cdv,t = Cfd, t τ$, t + Cff, t (2)
Trouver la taille totale du lot d'approvisionnement Q
pour N produits, qui maximise le critère J = TH – T0,
3.3. Modélisation du processus logistique correspondant à la différence entre la trésorerie finale et
initiale (6), de telle sorte que la probabilité de rupture de
La demande à l’instant courant est modélisée par stock sur tous les produits soit inférieure à un seuil α,
Prob (St < 0) ≤ α, en prenant en compte la prévision de
Di,t = µi + εi,t (3) vente (3) (4), les coûts (1) (2), et les équations
dynamiques (5) et (6).
où Di,t est la demande, à l’instant t, de l’article i avec 1≤ i
≤ N, et µi, σi sont la moyenne et l'écart-type de la
demande de ce produit i, εi,t est une série de valeurs
aléatoires indépendantes et identiquement distribuées.
4. MODELISATION ET SIMULATION DES STRA-
La vente est modélisée par TEGIES D’APPROVISIONNEMENTS

Vi,t = min (Di,t, Si,t) (4) L’optimisation du problème ci-dessus est théoriquement
faisable mais demande énormément de calculs, surtout
où Vi,t est la vente effectuée, à l’instant t, et Si,t est le quand le nombre de produits N augmente. Une telle
stock disponible de produits i en magasin. approche ne sera pas possible dans la pratique. Les
heuristiques que nous testons dans cet article
Le stock en magasin à l’instant t est modélisé par correspondent à des adaptations possibles de modèle de
type EOQ (Grave et al., 1993) (Dupont, 1998). Pour un
Si,t = Si,t-1 + Li,t – Vi,t (5) problème multiproduit en temps fini, est prise en
compte. Nous avons étudié l’optimisation avec deux
où Li,t = Qi,t-d est la livraison à la semaine t, Qi,t-d est la stratégies différentes pour atteindre l’objectif de
L L
commande de produits i à l'instant t-dL, dL est le délai de maximisation de la trésorerie finale.
livraison, et Si,t le stock de produits i en magasin à
4.1. Stratégie d’approvisionnement 1
l’instant t, avec un stock initial Si,0 = 0.
Nous calculons les besoins pour les N articles en
La trésorerie : pour les N produits et durant H semaines,
fonction des stocks de présentation (Qmin), du délai
une somme d’argent a été bloquée pour gérer la saison.
d’approvisionnement dL, des prévisions des demandes
Le paiement s’effectue dans un délai dP après la livraison
Di,t, et de l'état des stocks Si,t. A chaque instant t, la
magasin. Durant cette période, cette trésorerie subit des
quantité totale de commandes est dynamiquement
mouvements de fonds dus aux opérations d’achat et de
composée de quantités à commander pour les N articles
vente mais aussi à la situation bancaire. La trésorerie
proportionnellement aux ventes réelles des articles.
initiale est notée T0 ∈ IR. On note Tt+ = max (0, Tt), Tt− = L’équation (7) permet à la stratégie 1 de repartir la
min (0, Tt), τ+ le taux d'intérêt moyen si la trésorerie est commande à l’instant t d’un volume total Q sur les
positive, et τ− est le taux moyen des frais bancaires différents produits. Q[1]i,t est la commande à l’instant t
(agios) si la trésorerie est négative. La trésorerie à
l’instant t est modélisée par
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

de l’article i avec 1≤ i ≤ N dans cette stratégie 1, et Pour la détermination de la quantité optimale de

Q[1]i,−dL est la commande initiale pour ce produit : commande Qopt qui maximise l’espérance du profit, notre
simulation est basée sur la variation du paramètre Q. .La
µi Bi(t+d) figure 1 montre que la taille de lots optimale est de
Q[1]i,t = Q= Q (7) Qopt = 500 produits par commande. Elle correspond à la
N N
∑µk ∑Bk(t+d) quantité seuil de commande fixée par le fournisseur.
k=1 k=1
Pour Q > 500, il y a une chute des profits, qui s’accélère
au fur et à mesure que la quantité Q augmente. Cette
où Q est la taille du lot correspondant au paramètre à
chute est due à ce que cette stratégie ne module pas le
optimiser, Bi(t+d) est la prévision du besoin en produits i volume total des quantités commandées au fur et à
à l'instant t+d au seuil de probabilité κα en fonction de la mesure de l’approche de la fin de saison. Les stocks
demande aléatoire prévisionnelle de produits i et de la finaux augmentent, car les ventes ne peuvent pas tout
quantité de produits i disponible à t+d. Ce seuil κα fixe absorber et génèrent donc une immobilisation importante
le taux de service désiré. des fonds et un coût élevé de possession. Ainsi de la
figure 2, il apparaît que, pour éviter les surstocks, la
5 Cde=Q stratégie 1 privilégie les commandes fréquentes en
x 10
4 petites quantités.
3.5
4.2. Stratégie d’approvisionnement 2
3
Nous corrigeons le défaut de la stratégie 1 en prenant en
2.5
considération les besoins réels jusqu’à l’instant final tf
Profit (∆FP)

2 afin de ne pas pénaliser les commandes en grandes

quantités et afin d’avoir un stock minimum à la fin de la
1.5 saison des ventes. La commande est majorée dans la
limite des besoins en produits jusqu'à la fin de la saison.
1
Nous allons ainsi calculer ces derniers en fonction des
0.5 stocks de présentation, des besoins totaux pendant
l’intervalle de temps [t, tf], des prévisions de demande et
0 de l'état des stocks.
-0.5
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5 Cde=Q
Q x 10
4.5

Figure 1. Détermination de la taille de lot optimale Qopt 4

avec la stratégie 1
3.5
Profit (∆FP)

1800
3
1600

1400 2.5

1200
Commandes

2
1000

800 1.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
4
600 Q x 10

400 Figure 3. Détermination de la taille de lot optimale Qopt

avec la stratégie 2
200

0 Les quantités commandées sont

-5 0 5 10 15 20 25 30

Semaines Q[2]i,t = min (Q[1]i,t, Bi[t+d,tf]) (8)

Figure 2. Evolution des commandes avec la stratégie 1 où Q[2]i,t est la commande à l’instant t de l’article i en
appliquant la stratégie 2, Q[1]i,t est la quantité donnée par
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

l’équation (7) et Bi[t+d,tf] est la prévision du besoin de période où la devise est passée de 6.5235 F à 7.3374 F,
produits i jusqu'à tf au seuil de probabilité κα. la taille du lot optimal Qopt pour la stratégie 1, passe de
500 à 450 articles et les profits chutent de 14.4%.
Le paramètre à optimiser est ici aussi la taille du lot Q de
600
l’équation (7), mais en faisant intervenir l’équation
supplémentaire (8). La figure 3 montre que la taille de
lots optimale est Qopt = 1780. L’interprétation du 550

paramètre Q change. En effet, contrairement à la

stratégie 1, ce paramètre correspond ici au plafond 500
maximal en volume à allouer chez le prestataire
logistique. La quantité réellement commandée peut être

Q
450
inférieure à Qopt. Sur la figure 3, on peut voir que pour
Q > 5000, le profit reste presque constant puisqu'on
n'achète pas plus de produits. Il n’est donc pas nécessaire 400

de réserver plus de ressources logistiques.

350

1800
300
4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9
1600
Taux de Conversion
1400
Figure 5. Qopt en fonction du cours des devises
1200

1000 4.3.2 Effets des stocks de présentation

Commandes

Pour maintenir les volumes de ventes, il est important

800 que les stocks de présentation en magasin contiennent
une quantité disponible suffisante pour avoir un effet
600
marketing attirant pour la clientèle. Le fait de passer sous
400 un seuil de sécurité provoque une chute des ventes. Or le
maintien de ce niveau de stock jusqu’à la fin de la saison
200 provoque des invendus et des produits soldés. L’objectif
0
est donc de maintenir un niveau de ventes suffisant tout
-5 0 5 10 15 20 25 30 en détenant un stock de fin de saison optimum.
Semaines
Les figures 6 et 7 illustrent ce phénomène. Le passage du
Figure 4. Evolution des commandes avec la stratégie 2 stock en dessous du seuil de présentation (figure 7)
provoque chez un de ces produits la diminution du
Avec la stratégie 2, nous avons un profit plus intéressant niveau de vente par rapport à la vente moyenne (figure 6,
que dans la stratégie 1, soit 7.63 % en plus pour un dix semaines avant la fin de saison). La stratégie
même nombre d'articles vendus et un stock fin de saison d’approvisionnement utilisée optimise le profit dégagé
moins volumineux. La figure 4 montre que la taille réelle en calculant le besoin optimal de produits en tenant
des lots commandés est variable en fréquence et en compte de ce phénomène. Il peut être plus rentable sur
quantité. Cela corrige le défaut de la stratégie 1 qui fixe certains produits de ne pas recommander malgré le
une fois pour toute la taille du lot commandé. risque de non-satisfaction du client plutôt que de
supporter le coût de possession de stock.
4.3. Introduction d’autres phénomènes
La figure 8 montre l’évolution des commandes pour
Après avoir optimiser dynamiquement la taille de lots chaque produit. A chaque instant, les quantités à
d’approvisionnement, nous introduisons d’autres commander sont indiquées au responsable d’approvi-
phénomènes tels que le taux de conversion des devises et sionnement chez le distributeur, à travers le système
l’influence du niveau des stocks magasins sur les ventes. d’information existant. Ceci permet aussi au fournisseur
confectionneur de planifier ses approvisionnement en
4.31 L’effet de la variation du taux de conversion matières premières et ses capacités de production.
devise
Certains frais sont payés en devises. Vu les variations La figure 9 montre l’évolution de la trésorerie de
des taux de conversion sur les marchés financières, il manière à planifier les disponibilités des fonds pour le
nous a semblé important d’inclure ce paramètre dans distributeur.
notre modèle. Ces variations ont un effet assez important
sur la détermination de Q et en conséquence sur les
profits. En effet, de la figure 5, il apparaît que pendant la
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

5
300 x 10
3

250
2

200
1

tresorerie
vente

150
0

100
-1

50
-2

0
0 10 20 30 40 50 60 70 -3
0 10 20 30 40 50 60 70
Semaines Semaines

Figure 6. Simulation des ventes pour quatre produits Figure 9. Simulation de la trésorerie

4000

3500
5. CONCLUSION

3000 Dans cet article, nos réflexions ont porté essentiellement

sur un modèle d’approvisionnement entre le distributeur
2500 et le confectionneur afin de déterminer, sous contraintes,
la taille des lots des commandes qui optimise un critère
stock

2000
donné. Dans notre cas, le critère est la maximisation de
1500
l’espérance de profit global dégagé sur une saison
complète de vente tout en assurant un taux de service
1000 satisfaisant. L’ensemble des contraintes et des coûts sur
le circuit d’approvisionnement a été méticuleusement
500 étudié et modélisé. Deux stratégies d’approvision-
nement, basées sur la taille des lots, ont été testées, ce
0
0 10 20 30 40 50 60 70 qui a permis de dégager une marge moyenne
Semaines supplémentaire de 7.63%. Une comparaison avec ce qui
a été réalisé dans l’entreprise sera effectuée dès la fin de
la saison de vente en-cours. D’autres stratégies vont être
Figure 7. Simulation des stocks pour quatre produits développées et testées par la suite, par exemple celles
basées sur une fréquence fixe mais à taille de lots
variable. Notre démarche consistant à déterminer la taille
3000 de lots qui maximise les profits semble être inscrite dans
la nouvelle génération des outils de pilotage (Bironneau,
2500 2000). Sans se focaliser sur la dimension de coût et
l’économie des moyens, ce qui pourrait causer une
commande

2000 ignorance de plusieurs autres facteurs de performance, la

démarche a permis, comme c’est le cas avec la gestion
1500 de la chaîne logistique d'approvisionnement, de changer
la vision liée aux calculs des approvisionnements : de
1000
simple étape négligée et source de coûts, elle est devenue
une source potentielle de profit et un avantage
concurrentiel (Sboui, 1999).
500

6. RÉFÉRENCES
0
0 10 20 30 40 50 60 70
Semaines Bhaskaran S, 1998. Simulation analysis of a
manufacturing supply chain. Decision Sciences, Eté
Figure 8. Quantités commandées pour quatre produits 1998, 29, No 3, 633–657.
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

Bironneau L, 2000. Le pilotage par les contraintes en University Park USA. http://silmaril.smeal.psu.edu/-

gestion industrielle : Analyse de 10 années misc/supply_chain_intro.html.

d’expérimentation. Revue Française de Gestion Hetzel W.B, 1993. Cycle Time Reduction and Strategic
Industrielle, 2000, Vol. 15, n° 3 & 4. Inventory, Placement Across a Multistage Process.
Bookbinder J. H. and Cakanyildirim M, 1999. Random MIT Master’s Thesis.
lead times and expedited orders in (Q,r) inventory iT Group BGM, 1999. Les Prévisions des ventes, le point
systems. European Journal of Operational research d’entrée naturel du Supply Chain, iT Group BGM
115, 1999, pp. 300-313. Consulting, Paris, 4.
Burns L D., Hall R W., Blumenfeld D E. and Daganzo C Lambersend F, 1999. Organisation et Génie de
F, 1985. Distribution Strategies that Minimize Production, Ellipses, Paris.
Transportation and Inventory Costs. Operations Luciano. E, Peccati L, 1999. Some basic problems in
Research, 33, No 3, May-June, S469–S490. inventory theory : The financial perspective.
Courtois A., Martin C. et Pillet, 1998. M. Gestion de European Journal of Operational research 114, 1999,
Production. Les Editions d’Organisation. pp. 294-303 .
Dupont L, 1998. Gestion Industrielle. Hermès, Paris. Mesnard X. et Dupont A, 1999. Votre logistique est-elle
Gerchak Y., Parlar M, 1990. Yield Randomness, Cost à la pointe. L’Expansion Management Review,
Tradeoffs, and Diversifications in the EOQ Model. Septembre 1999, pp52-58.
Naval Research Logistics 1990, Vol 37, pp. 341-354. Rabenasolo B, S. Sboui, A-M. Jolly-Desodt and N. De
Giard V, 1998. Gestion de la Production, 2éme édition. Waele, 2000 . Optimization of Supply Chain
Economica, Paris 1988. Planning Using stochastic Sales Forecasts, MCPL,
Graves S.C., D.B. Kletter and W.B. Hetzel, 1998. A Grenoble 2000.
dynamic model for requirements planning with Sboui S, 1999. Modélisation d’une relation Donneur
application to supply chain optimization. Operations d’Ordre/Fournisseur "Pilotage de la performance de
Research, 46, Supp. No 3, May-June. S35–S49. la chaîne logistique", DEA, LLP-CESAP Annecy,
Graves S.C. Rinnooy Kan A.H.G. Zipkin P.H, 1993. INP Grenoble.
Logistics of production and Inventory. Handbooks in Towill D.R, 1991. Supply chain dynamics, Int. J.
Operations Research and Management Science, Vol Computer Integrated Manufacturing, 4, 6, 197–208.
4, North-Holland.
Harrison T.P.and R. Ganeshan, 1995. An Introduction to
Supply Chain Management. Document de travail de