REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

Ministère de l’Enseignement Supérieur et de la

Recherche Scientifique

Ecole Nationale Polytechnique

Département de Génie Industriel

Mémoire de Magister

Présenté par :

ALLALOU Mourad
Ingénieur d’Etat en Statistiques

Thème

Modélisation de la chaine logistique par le modèle de

planification intégré
Cas pratique: Entreprise Vitajus

Préparé et présenté par: Encadré par:

Mr ALLALOU Mourad Mme [Link]

Membres du jury:

Président : Mr [Link] Professeur à l'ENP

Encadreur : Mme [Link] Professeur à l'ENP
Examinateurs : Mme [Link] Maitre de conférence à l'ENP
Mme [Link] Maitre de conférence à l'ENSSEA

Année 2012
 :‫ملخص‬

."‫المشكلة الرئيسية التي تم تناولها في هذا العمل هي نمذجة سلسلة لوجيستية باستخدام "نموذج التخطيط المدمج‬

‫تعرف السلسلة اللوجيستية كونها مجموعة أنشطة التسيير وإدارة التدفقات من الموردين إلى الزبون لتلبية الطلب و في نفس الوقت‬
.‫السعي إلى تحقيق االستخدام األمثل للموارد‬

‫ الهدف من هذا العمل هو تحقيق‬.‫ وتهمل الجوانب المالية‬،‫المناهج التقليدية لنمذجة السالسل اللوجيستية تهتم باألنشطة اللوجستية المختلفة‬
‫ تم تطوير نموذج‬،‫ لتحقيق هذا اإلدماج‬.‫األمثلية لآلثار المشتركة للتدفقات المادية واإلعالمية وأيضا تلك التي تتعلق بالجوانب المالية‬
‫ وقد تم وضع النموذج لشركة متخصصة في الصناعات الغذائية (شركة‬.) ‫مدمج من البرمجة الخطية (نموذج تخطيط مالي مدمج‬
.)‫فيتاجو‬

.‫ البرمجة الخطية‬,‫ تسيير السالسل اللوجيستية‬,‫ نمذجة‬,‫ سلسلة لوجيستية‬:‫المفاتيح‬

Résumé :

Le problème principal traité dans ce travail est la modélisation de la chaîne logistique en utilisant le
"Modèle de Planification Intégré", (integrated planning model).

La chaîne logistique est définie comme étant l'ensemble des activités de gestion et de pilotage des flux
depuis les fournisseurs jusqu'au client final afin de satisfaire la demande tout en cherchant à optimiser
l'utilisation des ressources.
Les approches traditionnelles pour la modélisation des chaînes logistiques s'intéressent aux
différentes activités logistiques et négligent les aspects financiers. L'objectif de ce travail est
d'optimiser les effets combinés des flux physiques et informationnels ainsi que ceux relatifs aux aspects
financiers. Pour aboutir à cette intégration, un modèle intégré de programmation linéaire est élaboré (an
integrated planning budgeting model). Le modèle est développé pour une entreprise spécialisée dans
l'industrie agroalimentaire ( Vitajus) .

Mots clés: Chaine logistique, Modélisation, Supply Chain Management, Programmation linéaire.

Abstract:

The main problem addressed in this work is the modeling of the supply chain using the "Integrated
Planning Model".

The supply chain is defined as the whole activities of management and piloting of flows from the
suppliers to the final customer, in order to satisfy the demand while seeking to optimize the use of the
resources.

The traditional approaches for supply chain modeling are interested in the various logistic activities and
neglect the financial aspects. The objective of this work is to optimize the combined effects of physical
and informational flows as well as those relating to the financial aspects. To lead to this integration, an
integrated model of linear programming is elaborated (an integrated planning budgeting model). This
model is developed for a company specialized in food industry (Vitajus)

Key words: supply chain, modeling, supply chain management, linear programming.
Table des matières :

Liste des figures

Liste des tableaux

Liste des abréviations

INTRODUCTION GENERALE ------------------------------------------------------------------------------------------------------- 1

Chapitre1 Les concepts de logistique et de Supply Chain Management

INTRODUCTION ------------------------------------------------------------------------------------------------------------------------ 3

[Link] DE LA LOGISTIQUE D'ENTREPRISE ------------------------------------------------------------------------ 3

[Link] DE LA CHAINE LOGISTIQUE (SUPPLY CHAIN – SC) --------------------------------------------------- 4

[Link] PHYSIQUE DE LA CHAINE LOGISTIQUE ------------------------------------------------------------------ 6

[Link] DE LA CHAINE LOGISTIQUE (SUPPLY CHAIN MANAGEMENT) --------------------------------------- 8

[Link] TROIS FLUX DE LA CHAINE LOGISTIQUE --------------------------------------------------------------------------- 10

5.11LE FLUX D’INFORMATION --------------------------------------------------------------------------------------------------------- 11

5.2 1LE FLUX PHYSIQUE ---------------------------------------------------------------------------------------------------------------- 11
5.31LE FLUX FINANCIER---------------------------------------------------------------------------------------------------------------- 11
[Link] PROCESSUS APPROVISIONNEMENT -------------------------------------------------------------------------------------------- 12
[Link] PROCESSUS PRODUCTION ------------------------------------------------------------------------------------------------------ 13
[Link] PROCESSUS DISTRIBUTION ----------------------------------------------------------------------------------------------------- 13
6.4. LE PROCESSUS VENTE ------------------------------------------------------------------------------------------------------------- 13
[Link] ENTRE LES PROCESSUS ET AUTRES « SERVICES » -------------------------------------------------------------- 14
7.1. UNE APPROCHE PARTIELLE ET MORCELEE -------------------------------------------------------------------------------------- 14

7.2. UNE APPROCHE INTERNE --------------------------------------------------------------------------------------------------------- 15

[Link] APPROCHE MULTI-SITES INTERNE ------------------------------------------------------------------------------------------- 15
[Link] APPROCHE INTEGREE --------------------------------------------------------------------------------------------------------- 15
[Link] APPROCHE GLOBALE ---------------------------------------------------------------------------------------------------------- 15

CONCLUSION : ------------------------------------------------------------------------------------------------------------------------- 16

Chapitre2: Modélisation et simulation des chaines logistiques

INTRODUCTION ----------------------------------------------------------------------------------------------------------------------- 17

1. PRESENTATION DU SUPPLY-CHAIN COUNCIL ET DU MODELE SCOR ------------------------------------------ 17

[Link] SUPPLY-CHAIN COUNCIL ------------------------------------------------------------------------------------------------------- 17

[Link] MODELE SCOR ----------------------------------------------------------------------------------------------------------------- 17

[Link] APPROCHE STRUCTUREE DES MODELISATIONS DE LA CHAINE LOGISTIQUE ---------------------- 22

 [Link] ORGANISATIONNELLE FRAGMENTEE ------------------------------------------------------------------------------- 24
2.2. STRUCTURE ORGANISATIONNELLE HIERARCHIQUE ----------------------------------------------------------------------------- 24
2.2.2.1Réseau de Pétri [ENSM] --------------------------------------------------------------------------------------------------- 25
[Link] (Structured Analysis and Design Technics) [SADT] -------------------------------------------------------------- 26
[Link] des méthodes IDEF ------------------------------------------------------------------------------------------------- 26
[Link] ORGANISATIONNELLE INTEGREE ----------------------------------------------------------------------------------- 26
[Link] -------------------------------------------------------------------------------------------------------------------------- 27
[Link] (CIM Open System Architecture) -------------------------------------------------------------------------------- 27
[Link] méthode GRAI (Graphe de Résultats et Activités Inter-reliés) ------------------------------------------------------ 28
[Link] (Purdue Enterprise Reference Architecture) ---------------------------------------------------------------------- 28
[Link] (Architecture for integrated Information Systems) ----------------------------------------------------------------- 28
[Link] (Generalized Enterprise Reference Architecture and Methodology) ---------------------------------------- 29
[Link] ORGANISATIONNELLE DISTRIBUEE --------------------------------------------------------------------------------- 29
[Link] (Toronto Virtual Entreprise project) ------------------------------------------------------------------------------- 29
[Link] ----------------------------------------------------------------------------------------------------------------------------- 30
[Link] ORGANISATIONNELLE INTELLIGENTE ------------------------------------------------------------------------------ 30
[Link]ème multi-agents (SMA)------------------------------------------------------------------------------------------------- 30
2.5.2.Réseaux de neurones --------------------------------------------------------------------------------------------------------- 30
[Link] manufacturing: Standard BPMN ------------------------------------------------------------------------------------ 31
2.5.4.Méta-modèles ----------------------------------------------------------------------------------------------------------------- 32

[Link]-------------------------------------------------------------------------------------------------------------------------- 35

[Link] DE LA SIMULATION ------------------------------------------------------------------------------------------------------------ 35

[Link] NUMERIQUE ---------------------------------------------------------------------------------------------------------- 35
[Link] DE SIMULATION -------------------------------------------------------------------------------------------------------- 36
[Link] ET LIMITES DE LA SIMULATION ------------------------------------------------------------------------------------ 36

CONCLUSION --------------------------------------------------------------------------------------------------------------------------- 37

Chapitre3: Revue de la littérature

INTRODUCTION ----------------------------------------------------------------------------------------------------------------------- 38

[Link] ANALYTIQUES DETERMINISTES---------------------------------------------------------------------------------------- 39

[Link] ANALYTIQUES STOCHASTIQUES --------------------------------------------------------------------------------------- 42
[Link] DE SIMULATION --------------------------------------------------------------------------------------------------------- 45

[Link] DE LA PERFORMANCE DE LA CHAINE LOGISTIQUE --------------------------------------------------- 46

[Link] DE PERFORMANCE QUALITATIVES ---------------------------------------------------------------------------------- 46

[Link] DE PERFORMANCE QUANTITATIVES --------------------------------------------------------------------------------- 47
[Link] basées sur le coût -------------------------------------------------------------------------------------------------- 47
[Link] basées sur la réponse du client ----------------------------------------------------------------------------------- 47
[Link] DE PERFORMANCE UTILISEES DANS LA MODELISATION LA DE CHAINE LOGISTIQUE ------------------------- 48

[Link] VARIABLES DE DECISION DANS LA MODELISATION DE LA CHAINE LOGISTIQUE ------------------ 50

[Link] DE RECHERCHES ---------------------------------------------------------------------------------------------------- 50

[Link] DE PERFORMANCE DE LA CHAINE LOGISTIQUE ----------------------------------------------------------------------- 52

[Link] DE LA CHAINE LOGISTIQUE --------------------------------------------------------------------------------------- 52
[Link] DE LA MODELISATION DE LA CHAINE LOGISTIQUE ---------------------------------------------------------------- 53
[Link] de produit Product postponement--------------------------------------------------------------------------- 53
[Link]élisation de chaine logistique simple nation Vs mondiale (Global [Link] nation supply chain modeling)53
[Link] de la demande et amplification de la variation -------------------------------------------------------------- 54
[Link] DES CHAINE LOGISTIQUES --------------------------------------------------------------------------------------- 54

[Link] ASPECTS FINANCIERS DANS LA CHAINE LOGISTIQUE --------------------------------------------------------- 54

CONCLUSION --------------------------------------------------------------------------------------------------------------------------- 55

Chapitre4: Le modèle de Planification Intégré

INTRODUCTION ----------------------------------------------------------------------------------------------------------------------- 56

[Link] ET PLANIFICATION: -------------------------------------------------------------------------------- 56

[Link] ETAPE: L'ORDONNANCEMENT DETAILLE : ---------------------------------------------------------------------------- 58

[Link] de bilan de matière : ------------------------------------------------------------------------------------------- 58
[Link] liées au calendrier --------------------------------------------------------------------------------------------- 60
1.2 DEUXIEME ETAPE: PLANIFICATION DE LA PRODUCTION ------------------------------------------------------------------------ 62

2. GESTION DE LA TRESORERIE: ------------------------------------------------------------------------------------------------ 63

2.1 MODELE DE BUDGETISATION (ECONOMIQUE): ----------------------------------------------------------------------------------- 64

2.2 FONCTION OBJECTIF --------------------------------------------------------------------------------------------------------------- 67

3. APPROCHE TRADITIONNELLE ------------------------------------------------------------------------------------------------ 68

4. MODELE INTEGRE ----------------------------------------------------------------------------------------------------------------- 69

5. ADAPTATION DU MODELE A L'ENTREPRISE VITAJUS --------------------------------------------------------------- 70

5.1. PRESENTATION DE L'ENTREPRISE VITAJUS -------------------------------------------------------------------------------------- 70

5.2. PROCESSUS DE PRODUCTION ------------------------------------------------------------------------------------------------------ 71
5.3. CARACTERISTIQUES DE LA CHAINE LOGISTIQUE ETUDIEE --------------------------------------------------------------------- 71
[Link] MATHEMATIQUE ------------------------------------------------------------------------------------------------- 72
[Link] de décisions ------------------------------------------------------------------------------------------------------- 73
[Link] -------------------------------------------------------------------------------------------------------------------- 73
[Link] fonction objective --------------------------------------------------------------------------------------------------------- 75
[Link]èle mathématique -------------------------------------------------------------------------------------------------------- 75
[Link] du modèle -------------------------------------------------------------------------------------------------------- 76
5.4.6.Méthode de résolution ------------------------------------------------------------------------------------------------------- 77
METHODE « BRANCH & BOUND »[ ---------------------------------------------------------------------------------------------------- 78
1. Principe --------------------------------------------------------------------------------------------------------------------------- 78
1.1. La séparation ---------------------------------------------------------------------------------------------------------------------------------- 78
 1.2. L’évaluation ----------------------------------------------------------------------------------------------------------------- 78
[Link] général ----------------------------------------------------------------------------------------------------------- 78

CONCLUSION --------------------------------------------------------------------------------------------------------------------------- 81

CONCLUSION GENERALE ---------------------------------------------------------------------------------------------------------- 82

BIBLIOGRAPHIE ----------------------------------------------------------------------------------------------------------------------- 84

ANNEXE 1: QUESTIONNAIRE SUPPLY CHAIN MANAGEMENT -------------------------------------------------------- 95

ANNEXE2 : DONNEES UTILISEES --------------------------------------------------------------------------------------------- 101

ANNEXE3 : MODELE PROGRAMME SOUS LINGO ------------------------------------------------------------------------ 107

Liste des Figures

Figure 1 : reseaux de la chaine logistique............................................................................................................... 4

Figure 2 : activites et entreprises de la chaine logistique ........................................................................................ 6
Figure 3 :structures elementaires d’une chaine logistique d ................................................................................... 7
Figure 4 : supply chain management d’apres cooper et al, 1997 .......................................................................... 10
Figure 5 : scp-matrix, d’apres stadtler et kilger, 2000 .......................................................................................... 12
Figure 6 : organisation du modele scor autour des 5 processus majeurs de management. .................................... 18
Figure 7 : table de configuration : niveau 2 du modele scor. ................................................................................ 20
Figure 8 : modele de reference de processus. ....................................................................................................... 20
Figure 9 : representation graphique d’une file d’attente primaire. ........................................................................ 24
Figure 10 : typologie de la modelisation graphique des reseaux de petri. ............................................................ 25
Figure 11 : representation mi-mathematique du reseau de la figure 8. ................................................................. 25
Figure 12 : module de base de la representation graphique sadt. .......................................................................... 26
Figure 13 : exemple general de schema de processus (idef3). .............................................................................. 26
Figure 14 : representation de la methode merise. ................................................................................................. 27
Figure 15 : le cube cimosa [wikic]. ...................................................................................................................... 28
Figure 16 : geram : structure de ses composants [hob]. ........................................................................................ 29
Figure 17 : representation graphique tove. ........................................................................................................... 30
Figure 18 : reseaux de neurones boucles (droite) et en couche (gauche). ............................................................. 31
Figure 19 : standard bpmn.................................................................................................................................... 32
Figure 20 : exemple de representation graphique des operateurs systemiques ..................................................... 33
Figure 21 : approche mda et les 4 niveaux de modeles. ....................................................................................... 34
Figure 22 : taxonomie des modeles de chaine logistique. ..................................................................................... 34
Figure 23 : processus de la chaine logistique ....................................................................................................... 39
Figure 24 : structure de la chaine logistique ......................................................................................................... 56
Figure 25 : representation du temps ..................................................................................................................... 58
Figure 26 : chaine logistique vitajus ..................................................................................................................... 72
Figure 27 : algorithme general de la methode "branch and bound" ...................................................................... 79
Figure 28 : histogramme des ventes des produits finis par marche et par periode ................................................ 80
Liste des tableaux
Tableau 1 : les 4 niveaux de modelisation scor. ................................................................................................................... 19
Tableau 2 : exemples d’indicateurs de performance de la chaine logistique ......................................................................... 21
Tableau 3 : des structures organisationnelles d’apres ........................................................................................................... 23
Tableau 4 : interpretation de la metrique eicm pour les approches et les modeles associes. .................................................. 24
Tableau 5 : mesures de performance dans la chaine logistique............................................................................................. 49
Tableau 6 : resume revue de la litterature ............................................................................................................................ 50
Tableau 7 : les contraintes ................................................................................................................................................... 77
Tableau 8 : les variables considerees dans le modele ........................................................................................................... 77
Tableau 9 : ventes des produits finis par marche et par periode............................................................................................ 80
Tableau 10 : coefficient de conversion de masse de la matiere premiere r et du produit intermediaire p ............................ 101
Tableau 11 : coefficient de conversion de masse du produit intermediaire p et du produit fini f ......................................... 101
Tableau 12 : la demande du produit fini f a la periode t ..................................................................................................... 102
Tableau 13 : couts lies a la production a la periode t .......................................................................................................... 102
Tableau 14 : taux d'interet de la banque a la periode t ........................................................................................................ 103
Tableau 15 : le benefice du produit f sur le marche l a la periode t ..................................................................................... 103
Tableau 16 : la capacite de production du produit f ............................................................................................................ 103
Tableau 17 : budget disponible a la periode t ..................................................................................................................... 104
Tableau 18 : le cout d'achat de la matiere premiere r chez le fournisseur e a la periode t.................................................... 104
t
Tableau 19 : valeur initiale de la variable Q p .................................................................................................................. 105
t
Tableau 20 : valeur initiale de la variable Qout f : ........................................................................................................ 105

Tableau 21 : la valeur initiale de la variable NVR rt ...................................................................................................... 105

t
Tableau 22 : la valeur initiale de la variable NVPp ....................................................................................................... 106
t
Tableau 23 : la valeur initiale de la variable NVFkf ...................................................................................................... 106
Liste des abréviations
APS Advanced Planning Systems
ARIS Architecture for integrated Information Systems
BPMN Business Process Modeling Notation
BS Borne Supérieure
CD Centre de Distribution
CIM Computer-Integrated Manufacturing
CIMOSA Computer Integrated Manufacturing Open System Architecture
CSCMP Council of Supply Chain Management Professionals
EDI Echange de Données Informatisées
EI Enterprise Integration
EICM Enterprise Integration Capability Model
ENSM
EOQ Economic Order Quantity
ESPRIT European Strategic Program on Research in Information Technology
FIFO First In First Out
GERAM Generalized Enterprise Reference Architecture and Methodology
GRAI Graphe de Résultats et Activités Inter-reliés
GSC Global Supply Chain
GSCM Global Supply Chain Model
IIS Integrating InfraStructure
IS Internal Supplier
JIT Just In Time
LIFO Last In First Out
MDA Model Driven Architecture
MERISE Méthode d'Etude et de Réalisation Informatique pour les Systèmes d'Entreprise
MFW Modeling FrameWork
MILP Mixed Integer Linear Programming
MK Market
PERA Purdue Enterprise Reference Architecture
SADT Structured Analysis and Design Technics
SC Supply Chain
SCC Supply-Chain Council
SCM Supply Chain Management
SCOR Supply Chain Operations Reference
SCP-Matrix Supply Chain Planning- matrix
SLC System Life Cycle
SMA Système multi-agents
TIC
TOVE Toronto Virtual Enterprise project
UML Unified Modeling Language
WH Warehouse
WZ Zero Waiting
Introduction Générale
 Introduction générale

Introduction générale
Les défis multiformes de la globalisation de l’économie, les bouleversements dans les marchés de
capitaux, ainsi que les contraintes complexes auxquelles est confrontée l’entreprise, constituent autant
de risques pour sa pérennité. Pour elle, la condition vitale, est de maitriser, tant à l’amont qu’à l’aval,
les différents niveaux qui concourent directement ou indirectement à la création, la naissance et la vie
du produit.

Dans un environnement en perpétuelle mutation, l’entreprise est au cœur d’un ensemble de facteurs,
plutôt maitrisable lorsqu’ils sont d’ordre endogène, et aléatoire dans leur forme exogène.

De ce fait, il est tout à fait naturel que le concept de gestion de la chaine logistique (SCM), qui est
apparu au début des années 90, ait récemment suscité beaucoup d’intérêt depuis la possibilité d’une
gestion intégrée de la chaine logistique (SC), soit :

 Pouvoir réduire la propagation d’événements imprévus/indésirables à travers le réseau.

 Pouvoir influencer de manière décisive la rentabilité de tous les membres.

Le SCM recherche l’intégration d’une usine avec ses fournisseurs et ses clients, afin d’être contrôlée
dans l’ensemble, et la coordination de tous les flux d’entrée /sortie (flux de matières, informationnels,
et financiers), de sorte que les produits soient fabriqués et distribués à la bonne quantité, au bon endroit
et au bon moment.

Les modèles traditionnels de la la SC se concentrent uniquement sur la détermination du bénéfice ou la

maximisation du revenu, ou le programme de minimisation du cout de fabrication dans une SC depuis
les fournisseurs aux usines de fabrication aux points de distribution et, enfin aux points de vente. Ces
modèles négligent les conséquences des flux financiers du plan de production optimal.

Jusqu'à aujourd’hui, les processus opérationnels et les finances ont été traités comme des problèmes
distincts, sans prise en compte des interactions susceptibles d’influer, et les approches de modélisation
qui les soutiennent ont été traditionnellement mises en œuvre dans des environnements indépendants,

Bien que la nécessité de tenir compte des aspects financiers en construisant des modèles de processus
opérationnels ait été soulignée dans la littérature, l’intégration des deux secteurs a jusqu’ici suscité peu
d’attention et attend davantage d’étude eu égard à sa dimension décisive et capitale dans la prise de
décision en entreprise.

En effet, un outil intégré pour le SCM, permettrait aux gestionnaires de ’’jouer’’ avec les différentes
solutions de planification en tenant compte de toute l’information disponible et d’avoir Une idée claire
des conséquences de chaque alternative testée. Avec cette aide, il est possible d’évaluer correctement
l’impact des décisions des processus opérationnels sur le secteur financier dans le SCM.

Cette nouvelle philosophie permettra aux managers d’acquérir un avantage concurrentiel par rapport à
ceux qui ne vérifient ni la faisabilité ni l’optimalité des décisions de processus opérationnels du point
de vue financier.

1
 Introduction générale

Le but de ce travail est de présenter des considérations budgétaires dans un modèle de chaine
logistique, il est structuré comme suit :

Dans un premiers temps, les différentes notions de chaine logistique et de Supply Chain Management,
les structures qui la composent ainsi que les outils et logiciels de modélisation et de simulation qui les
soutiennent sont proposées,. Ensuite, une revue de la littérature dans la modélisation de la chaîne
logistique est présentée. Enfin, un modèle mathématique adapté à une l'entreprise "Vitajus" relevant de
l'industrie agroalimentaire est élaboré, la résolution du programme sera exécutée par la méthode"
branch and bond " à l'aide d'un solveur et les résultats obtenus dans cette étude de cas sont présentés.

2
 Chapitre1 :

Les concepts de logistique et de Supply

Chain Management
Chapitre1 Les concepts de logistique et de Supply Chain Management

Introduction
Depuis une trentaine d'année, du fait du contexte économique, la relation entre client et fournisseur a
fortement évolué : renforcement du besoin de personnalisation des produits et services,
raccourcissement des délais de livraison, multiplication des canaux de distribution,…
De plus, l'internationalisation des échanges et une concurrence exacerbée ont entrainé les entreprises à
rechercher de nouvelles voies pour améliorer leurs performances, et répondre au mieux aux attentes de
leurs clients.
Face à ces enjeux les entreprises doivent remettre en cause leurs organisations, en décloisonnant les
différents services. Les notions de flux physiques et flux d'information, tout au long de la chaine
logistique prennent tout leur sens, et la logistique constitue en ce sens une réponse complète et adaptée.
La logistique consiste donc de plus en plus à améliorer les flux sur une chaîne étendue
(Supply Chain) qui va du fournisseur du fournisseur au client du client. Le logisticien doit ainsi assurer
un dialogue avec tous les partenaires internes et externes de l'entreprise, afin de coordonner les
opérations relatives aux flux de matière, de composant, de produits finis, et aux flux d'informations.
Elle est donc présente à tous les niveaux de l'entreprise, aussi bien au niveau opérationnel
(pour la gestion des flux physiques, de marchandises par exemple), au niveau tactique (pour définir les
organisations et piloter ces flux à moyen terme), qu'au niveau stratégique (pour définir les grandes
orientations à long terme).
Remarque: Dans ce qui suit, on entend par Supply Chain la chaine logistique étendue.

1.Définition de la logistique d'entreprise :

Le mot « logistique » apparaît en France au XVIIIème siècle, lorsque les problèmes de soutien à la
stratégie militaire (réapprovisionnement en armes, munitions, vivres, chevaux, uniformes,
chaussures…) ne furent plus négligés. Ce terme s’est ensuite répandu, dans le milieu industriel
notamment, pour évoquer principalement la manutention et le transport de marchandises.
Jusqu’aux années 70, la logistique n’avait que peu d’importance dans la gestion des entreprises,
considérée comme une fonction secondaire, limitée aux tâches d'exécution dans les entrepôts et sur les
quais d'expédition. Mais la logistique est ensuite comprise comme un lien opérationnel entre les
différentes activités de l'entreprise, assurant la cohérence et la fiabilité des flux-matière, en vue
d’assurer une qualité de service aux clients, tout en permettant l'optimisation des ressources et la
réduction des coûts.
Jadis locale et basique, la logistique devient au milieu des années 90, une fonction globalisée et
même mondialisée. Elle concerne la gestion des flux physiques dans une vision complète de la chaîne
Clients/Fournisseurs, et constitue véritablement une nouvelle discipline du management des entreprises.
La « logistique globale » représente ainsi l’ensemble des activités internes ou externes à l’entreprise
qui apportent de la valeur ajoutée aux produits et des services aux clients (Courty, 2003).
Bien qu’on trouve une définition " historique " en 1948, avec le comité des définitions de l'American
Marketing Association proposant : « mouvement et manutention de marchandises du point de
3
Chapitre1 Les concepts de logistique et de Supply Chain Management

production au point de consommation ou d'utilisation ». Il aura fallu attendre 1962, avec la création aux
Etats-Unis du Conseil National de la Gestion de la Distribution Physique, pour avoir une définition "
officielle " de la logistique d'entreprise.
Nous retiendrons donc une définition récente relative au management de la logistique d'entreprise :
« Le management de la logistique est cette fraction du management de la supply chain qui prévoit, met
en place et maîtrise de façon efficiente et efficace les flux aller et retour de marchandises, leur
entreposage, les services et les informations associées, entre le point d'origine et le point de
consommation, de manière à satisfaire les exigences du client ». Council of Supply Chain Management
Professionals (CSCMP, 2005).

Il est intéressant de noter l'évolution des définitions de la logistique d'entreprise au cours du temps,
passant d'une approche très fonctionnelle et isolée à des notions de management de processus, de
gestion des interfaces et d'optimisation de flux globaux. Nous noterons également avec un grand intérêt
que ces différentes définitions font largement allusion aux biens tangibles et très peu au management
spécifique des services.

2.Définition de la chaîne logistique (Supply Chain – SC) :

Le terme « chaîne logistique » vient de l’anglais Supply Chain qui signifie littéralement « chaîne
d'approvisionnement ».Elle contient toutes les activités, liées au flux et à la transformation des produits,
depuis la phase matière première (extraction) à la livraison du produit fini au consommateur, en passant
par toutes les étapes intermédiaires, ainsi que les flux d’informations associés.
Elle comprend toutes les parties impliquées, directement ou indirectement, dans la satisfaction de la
demande du client (elle inclut toutes les fonctions impliquées dans la réception et la satisfaction de la
demande du client, au sein d’une organisation).

Figure 1 : Réseaux de la chaine logistique

Il existe une multitude de définitions de la « chaîne logistique » ; il n’y a pas une définition universelle
de ce terme.
Dans ce qui suit, nous recensons selon un ordre chronologique quelques-unes des définitions
rencontrées dans la littérature :
4
Chapitre1 Les concepts de logistique et de Supply Chain Management

1) Christopher, 1992 : « La chaîne logistique peut être considérée comme le réseau d'entreprises
qui participent, en amont et en aval, aux différents processus et activités qui créent de la valeur
sous forme de produits et de services apportés au consommateur final. En d'autres termes, une
chaîne logistique est composée de plusieurs entreprises, en amont (fourniture de matières et
composants) et en aval (distribution), et du client final ».
2) Lee et Billington, 1993 : « La chaîne logistique est un réseau d'installations qui assure les
fonctions d'approvisionnement en matières premières, de transformation de ces matières
premières en composants puis en produits finis, et de distribution des produits finis vers le
client ».
3) La Londe et Masters, 1994 : « Une chaîne logistique est un ensemble d'entreprises qui se
transmettent des matières. En règle générale, plusieurs acteurs indépendants participent à la
fabrication d'un produit et à son acheminement jusqu'à l'utilisateur final - producteurs de
matières premières et de composants, assembleurs, grossistes, distributeurs et transporteurs sont
tous membres de la chaîne logistique ».
4) Ganeshan et al, 1998 : « Une chaîne logistique est un réseau d'entités de production et de sites
de distribution qui réalise les fonctions d'approvisionnement de matières, de transformation de
ces matières en produits intermédiaires et finis, et de distribution de ces produits finis jusqu'aux
clients. Les chaînes logistiques existent aussi bien dans les organisations de service que de
production, bien que la complexité de la chaîne varie d'une industrie à l'autre et d'une entreprise
à l'autre ».
5) Tayur et al, 1999 : « Un système de sous-traitants, de producteurs, de distributeurs, de
détaillants et de clients entre lesquels s’échangent les flux matériels dans le sens des
fournisseurs vers les clients et des flux d’information dans les deux sens ».
6) Rota-Franz, 1998 ; Rota-Franz et al., 2001 : « La chaîne logistique d'un produit fini se définit
comme l'ensemble des entreprises qui interviennent dans les processus de fabrication, de
distribution et de vente du produit, du premier des fournisseurs au client ultime. Le produit
considéré est, dans le domaine aéronautique, l’avion qui peut être qualifié de produit système
étant donné sa complexité ».
7) Stadlter et Kilger, 2000 : « Une chaîne logistique est constituée de deux ou plusieurs
organisations indépendantes, liées par des flux physique, informationnel et financier. Ces
organisations peuvent être des entreprises produisant des composants, des produits
intermédiaires et des produits finis, des prestataires de service logistique et même le client final
lui-même ».
8) Mentzer et al, 2001 : « Une chaîne logistique est un groupe d'au moins trois entités directement
impliquées dans les flux amont et aval de produits, services, finances et/ou information, qui
vont d'une source jusqu'à un client ».
Génin, 2003 : « Une chaîne logistique est un réseau d’organisations ou de fonctions
géographiquement dispersées sur plusieurs sites qui coopèrent, pour réduire les coûts et
5
Chapitre1 Les concepts de logistique et de Supply Chain Management

augmenter la vitesse des processus et activités entre les fournisseurs et les clients. Si l’objectif
de satisfaction du client est le même, la complexité varie d’une chaîne logistique à l’autre ».

10) Lummus et Vokurka, 1999 : « Toutes les activités impliquées dans la livraison d’un produit
depuis le stade de matière première jusqu’au client en incluant l’approvisionnement en matière
première et produits semi-finis, la fabrication et l’assemblage, l’entreposage et le suivi des
stocks, la saisie et la gestion des ordres de fabrication, la distribution sur tous les canaux, la
livraison au client et le système d’information permettant le suivi de toutes ces activités ».

Ces définitions peuvent cependant se catégoriser suivant leur orientation principale. La chaîne
logistique peut ainsi se définir en tant que :
 Succession de relations Client/Fournisseur [Tayur et al, 1999];
 Succession d’activités de création de valeur (figure 1) [La Londe et Masters, 1994];
 fonctions ou processus : approvisionnement, transformation, distribution [Lee et Billington, 1993].

Figure 2 : Activités et entreprises de la chaîne logistique, d’après La Londe et Masters (1994)

[Link] physique de la chaîne logistique :

La structure topologique d’une chaîne logistique peut prendre différentes formes, en particulier deux
topologies élémentaires de réseaux :
1) Structure convergente : c’est le cas de la filière automobile si l’entreprise considérée est un
constructeur de voitures, ses fournisseurs de rang 1 sont des équipementiers (carrosserie, siège,
pare-brise,…), les fournisseurs de rang 2 sont, par exemple pour les sièges, les fournisseurs de
matériaux textiles,…
2) Structure divergente : le cas est fréquent dans l’industrie électronique si l’entreprise
considérée est un fournisseur de cristaux de silicium, les clients de rang 1 sont des constructeurs
de puces, les clients de rang 2 sont des constructeurs de circuits intégrés, enfin, les clients de
rang 3 sont par exemple les assembleurs de téléphones mobiles.

6
Chapitre1 Les concepts de logistique et de Supply Chain Management

Figure 3 :Structures élémentaires d’une chaîne logistique d’après (Croom et al. 2000, Lambert. 2000,
Min et al. 2002, Huang et al. 2003)

La plupart des chaînes logistiques combinent ces deux structures élémentaires. En effet, une structure
purement convergente signifie l’absence de réseaux de distribution pour la vente des produits.
Ainsi, pour la filière automobile, la chaîne est convergente pour toute la partie production, mais il
existe une chaîne aval correspondant aux concessionnaires et autres points de vente de véhicules. De
même, une structure purement divergente est improbable, car cela signifierait que le produit fini ne
découle que d’un fournisseur en amont…
Généralement, la topologie d’une chaîne logistique est donc de type « réseau » (figure 2), avec des
ramifications plus ou moins grandes. Ainsi certaines chaînes logistiques peuvent s’avérer très étendues,
en particulier pour des produits complexes : une entreprise peut ainsi se trouver en rapport avec
plusieurs centaines de fournisseurs.
Pour les grands réseaux, il est possible de classer les acteurs de la chaîne en deux catégories : les
membres essentiels (acteurs industriels majeurs contribuant à l’élaboration du produit) et les membres
secondaires (consultants, banques, partenaires de recherche, …) [Lambert et Cooper, 2000 ; Min. et
Zhou, 2002].

Pour la recherche de performances, on peut se concentrer sur les membres essentiels seulement et
même sur certaines relations uniquement, notamment les relations avec les fournisseurs des composants
les plus onéreux ou les plus critiques. On peut donc restreindre le réseau à optimiser.

7
Chapitre1 Les concepts de logistique et de Supply Chain Management

L’étude peut se porter aussi sur une seule relation client-fournisseur (chaîne minimale ou structure dite
dyadique, en itérant ensuite le raisonnement sur l’ensemble des relations présentes dans une véritable
chaîne logistique [Kehoe et Boughton, 2001].

[Link] de la chaîne logistique (Supply Chain Management)

Une chaîne logistique existe dès lors qu’au moins deux entreprises travaillent sur l’achèvement d’un
produit donné. On peut parler de gestion de la chaîne logistique si et seulement si cette association est
délibérément pilotée en vue d’en maximiser la performance.
Il existe une distinction entre la « chaîne logistique » et la « gestion de la chaîne logistique » (SCM-
Supply Chain Management).
Ici encore, on relève plusieurs définitions de la gestion de la chaîne logistique et de nombreux auteurs
soulignent la difficulté de définir le SCM. Voici quelques définitions :

1) Jones et Riley, 1985 : « La gestion de la chaîne logistique est une approche intégrative pour
s’accorder sur la planification et le contrôle du flux physique depuis les fournisseurs jusqu’à
l’utilisateur final ».
2) Berry et al, 1994 : « La gestion de la chaîne logistique vise à construire une confiance, à
échanger des informations sur les besoins du marché, à développer de nouveaux produits et à
réduire la base de fournisseurs d’une entreprise afin de libérer des ressources de gestion pour le
développement de relations significative sur le long terme ».
3) Thomas et Griffin, 1996 : « La gestion de la chaîne logistique est la gestion des flux de
marchandises et d’informations à la fois dans et entre les sites tels que les points de vente, les
centres de distribution et les usines de production et d’assemblage ».

4) Tan et al, 1998 : « La gestion de la chaîne logistique englobe la gestion des

approvisionnements et des marchandises depuis les fournisseurs de matières premières jusqu’au
produit fini (et aussi de son éventuel recyclage). La gestion de la chaîne logistique se focalise
sur la façon dont les entreprises utilisent les processus, la technologie et l’aptitude à améliorer la
compétitivité de leurs fournisseurs. C’est une philosophie de management qui prolonge les
activités classiques intra-entreprise, assemblant l’ensemble des partenaires commerciaux avec
un but commun d’optimisation et d’efficience ».
5) Simchi-Levi et al, 2000 : « La gestion d’une chaîne logistique (ou Supply Chain Management)
est un ensemble d’approches utilisées pour intégrer efficacement les fournisseurs, les
producteurs, les distributeurs, de manière à ce que la marchandise soit produite et distribuée à la
bonne quantité, au bon endroit et au bon moment dans le but de minimiser les coûts et d’assurer
le niveau de service requis par le client ».
6) Geunes et Chang, 2001 : « La gestion de la chaîne logistique est la coordination et l’intégration
des activités de la chaîne logistique avec l’objectif d’atteindre un avantage compétitif viable. La
gestion de la chaîne logistique comprend donc un large panel de problématiques stratégiques,
financières et opérationnelles ».
8
Chapitre1 Les concepts de logistique et de Supply Chain Management

7) Rota-Franz et al, 2001 : « Faire du “Supply Chain Management” signifie que l’on cherche à
intégrer l’ensemble des moyens internes et externes pour répondre à la demande des clients.
L’objectif est d’optimiser de manière simultanée et non plus séquentielle l’ensemble des
processus logistiques ».
8) Dominguez et Lashkari, 2004 : « L’intérêt du Supply Chain Management (SCM) est de
faciliter les ventes en positionnant correctement les produits en bonne quantité, au bon endroit,
et au moment où il y en a besoin et enfin à un coût le plus petit possible. Le principal objectif du
SCM est d’allouer efficacement les ressources de production, distribution, transport et
d’information, en présence d’objectifs conflictuels, dans le but d’atteindre le niveau de service
demandé par les clients au plus bas prix ».
9) Christopher, 2005 : « Le supply chain management peut se définir comme la gestion des
relations en amont et en aval avec les fournisseurs et les clients afin de fournir une valeur client
supérieure à un coût moindre sur l'ensemble de la chaîne logistique ».

Dans certaines définitions, il est question de chaîne logistique intra- ou inter-entreprises. Une chaîne
logistique intra-entreprises est un réseau de sites de production géographiquement dispersés, mais qui
appartiennent tous à une même entreprise-mère. Ce type de réseau est souvent appelé « entreprises
multi-sites ». A contrario, une chaîne logistique inter-entreprises est un réseau d’entreprises
économiquement et juridiquement indépendantes [Stadtler et Kilger, 2000]. Dans ce cas, le dilemme
entre confidentialité des données et recherche d’une performance globale s’avère être un problème de
fond.
Dans toutes les définitions précédentes, la notion de chaîne logistique est bien sûr présente à travers les
termes de « réseaux d’entreprises » ou « réseaux d’entités ». L’aspect gestion se fait plutôt ressentir
comme une façon d’intégrer et de faire interagir toutes ces entreprises entre elles.
Ainsi, on schématise (figure 3) la gestion de la chaîne logistique comme des activités transverses
(Gestion des demandes, Réalisation des commandes, Gestion du flux des produits,…) qui interagissent
avec toutes les activités propres à chaque entreprise traversée (Production, Achat, Logistique…). La
communication entre les acteurs reste capitale comme le montre le flux d’information qui traverse
l’ensemble de la chaîne logistique [Cooper et al, 1997 ; Lambert et Cooper, 2000].

9
Chapitre1 Les concepts de logistique et de Supply Chain Management

Figure 4 : Supply Chain Management d’après Cooper et al, 1997

Le Council of Supply Chain Management Professionals (CSMP) le définit comme suit :

« le management de la supply chain comprend la prévision et le management de toutes les activités
relevant de la recherche de fournisseurs, de l'approvisionnement, de transformation et toutes les
activités du management logistique. De façon essentielle, il inclut la coordination et la coopération avec
les partenaires de la chaîne qui peuvent être les fournisseurs, les intermédiaires, les prestataires de
services logistiques et les clients. Par essence, le supply chain management intègre le management de
l'offre et de la demande dans et entre les entreprises ».
Le principal objectif du SCM est d’améliorer la compétitivité industrielle en minimisant les coûts, en
assurant le niveau de service requis par le client, en allouant efficacement les activités sur les acteurs de
production, distribution, transport et d’information, en veillant à ce que les acteurs ne développent pas
de comportements locaux antagonistes venant grever la performance globale.

[Link] trois flux de la chaîne logistique

Nous détaillons ici les trois flux traversant une chaîne logistique : flux d’information, physique et
financier.
Ces trois flux peuvent découler des règles stipulées dans le contrat de partenariat. En effet, des contrats
définissant les relations entre chaque entreprise de la chaîne logistique, prévoyant notamment des
pénalités en cas de retard de livraison ou de rupture de stock, déterminant qui gère le transport et les
stocks entre deux « maillons » de la chaîne.
10
Chapitre1 Les concepts de logistique et de Supply Chain Management

5.11Le flux d’information

Le flux d’information représente l’ensemble des transferts ou échanges de données entre les différents
acteurs de la chaîne logistique. Il s’agit en premier lieu des informations commerciales, notamment les
commandes passées entre clients et fournisseurs.
Une commande comprend généralement la référence du produit, la quantité commandée, la date de
livraison souhaitée et le prix éventuellement négocié lors de la vente. D’autres éléments peuvent
s’ajouter à cette liste : la liste des options désirées pour le produit, la fréquence de livraison si besoin.
Mais les entreprises s’échangent aussi des informations plus techniques : paramètres physiques du
produit, gammes opératoires, capacités de production et éventuellement de transport, informations de
suivi des niveaux de stock. Ces dernières sont de plus en plus réclamées par les clients qui souhaitent
connaître l’état d’avancement de fabrication de leur produit.
De manière plus générale, le principe de traçabilité se traduit par un droit de regard accru du client
envers le fournisseur [Dupuy et al, 2004].
Le flux d’information est de plus en plus rapide grâce aux progrès des TIC. Le développement des flux
d’information au sein de la chaîne logistique trouve ses limites dans le besoin de confidentialité entre
acteurs. Par ailleurs, le problème de la qualité des données véhiculées subsiste, et le risque existe que
des décisions soient basées sur des données erronées ou simplement périmées.

5.2 1Le flux physique

Le flux physique est constitué par le mouvement des marchandises transportées et transformées depuis
les matières premières jusqu’aux produits finis en passant par les divers stades de produits semi-finis.
Il justifie l’organisation d’un réseau logistique, c’est-à-dire les différents sites avec leurs ressources de
production, les moyens de transports pour relier ces sites et les espaces de stockage nécessaires pour
pallier les aléas et faire tampon entre deux activités successives.
En bref, l’écoulement du flux physique résulte de la mise en œuvre des diverses activités de
manutention et de transformation des produits quel que soit leur état.
Le flux physique est généralement considéré comme étant le plus lent des trois flux.

5.31Le flux financier

Le flux financier concerne toute la gestion pécuniaire des entreprises : ventes des produits, achats de
composants ou de matières premières, mais aussi des outils de production, de divers équipements, de la
location d’entrepôts, … et bien sûr du salaire des employés.
Le flux financier est généralement géré de façon centralisée dans l’entreprise dans le service financier
ou comptabilité, en liaison toutefois avec la fonction production par les services achats et le service
commercial.
Sur le long terme, il correspond aussi aux investissements lourds tels que la construction de nouveaux
bâtiments et de lignes de fabrication. Encore s’agit-il d’échanges avec des organismes bancaires
extérieurs au réseau d’entreprises.
11
Chapitre1 Les concepts de logistique et de Supply Chain Management

.[Link] principaux processus de la chaîne logistique

Un processus opérationnel (ou Business Process, en anglais) est un ensemble d’activités qui définit des
rôles et des relations, et qui systématise l’organisation et la politique d’une entreprise dans le but
d’atteindre certains des objectifs de cette entreprise.
Les quatre processus principaux d’une entreprise sont: l’approvisionnement, la production, la
distribution et la vente.
[Stadtler et Kilger, 2000] se réfèrent à ces quatre processus-clés pour proposer la classification SCP-
Matrix des tâches de planification (figure 4) en fonction des niveaux décisionnels.

Figure 5 : SCP-Matrix, d’après Stadtler et Kilger, 2000

[Link] processus Approvisionnement

Le processus Approvisionnement se concentre sur la fourniture de tous les composants nécessaires à
la fabrication. Deux grandes phases sont ici à distinguer. La première phase consiste à sélectionner les
fournisseurs de l’entreprise. Le choix des fournisseurs peut se faire
sur différents critères comme la qualité, le prix, les délais de réapprovisionnement des matières
premières ou composants, mais aussi leur capacité de production, leur facilité à accepter une demande
très variable, leur possibilité de faire évoluer techniquement les composants... Il est possible de
sélectionner un fournisseur unique par produit ou, au contraire, des sources multiples qui se partagent la
demande, en minimisant ainsi le risque de rupture de livraison.
Les fournisseurs étant déterminés, la seconde phase du processus Approvisionnement consiste à passer
les commandes des composants à ces fournisseurs en fonction de la production à réaliser. Il s’agit aussi
12
Chapitre1 Les concepts de logistique et de Supply Chain Management

de vérifier que ces composants sont livrés dans de bonnes conditions, c’est-à-dire de vérifier que la
livraison comporte les bons composants, de qualité requise, en quantité conforme et au bon moment.
Le processus Approvisionnement regroupe ainsi toutes les relations avec les fournisseurs pour assurer
les niveaux de stocks en composants nécessaires et suffisants pour la fabrication

[Link] processus Production

Le processus Production concerne l’ensemble des transformations que vont subir les composants pour
réaliser les produits finis de l’entreprise. L’objectif du processus Production est de fabriquer les
produits requis tout en assurant la productivité du système (notamment par un taux élevé d’utilisation
des ressources mobilisées).
Les méthodes utilisées pour la gestion de la production cherchent à améliorer le flux des produits dans
les ateliers de fabrication à travers la planification et l’ordonnancement, la détermination de la taille
optimale des lots de production, la détermination des séries économiques. Des approches multi-
niveaux ont été développées dans le but de réduire la complexité des problèmes d’optimisation :
planification multi-niveaux ([Hétreux, 1996],
[Lecompte-Alix, 2001]), ordonnancement hiérarchisé ([Hatchuel et al., 1997; Fontan et al, 2005]…).
La principale difficulté dans l’exercice de la planification est la gestion de l’incertitude des
informations [Stadtler et Kilger, 2000]. Les données utilisées, telles que les plans de demandes, sont
en effet issues de modèles de prévisions hypothétiques. De ce fait, la disponibilité des produits et des
ressources de production en situation réelle, et par suite, le niveau de service ne sont pas toujours « au
rendez-vous ».

[Link] processus Distribution

Le processus Distribution concerne la livraison des produits finis aux clients et reprend les questions
d’optimisation des réseaux de distribution : l’organisation et le choix des moyens de transport, le choix
du nombre d’étages (ou d’intermédiaires) dans le réseau de distribution ainsi que le positionnement des
entrepôts et leur mode de gestion. Par exemple, les produits peuvent être acheminés en nombre par train
et regroupés dans un entrepôt pour être livrés ensuite par camion aux clients d’une même zone
géographique, en vue du meilleur compromis entre qualité de service et coût économique.

6.4. Le processus Vente

Le processus Vente, mis en œuvre par le service commercial, développe les relations envers le client
(négociation des prix et des délais, enregistrement des commandes, …) et par extension, recherche une
meilleure connaissance du marché. Ce processus de l’entreprise est également chargé de définir la
demande prévisionnelle et d’intégrer des aspects commerciaux comme la durée de vie du produit pour
anticiper l’évolution de ses ventes. Les aspects marketing (analyse de marché, publicité, promotions,
…) sont aussi gérés dans ce processus.

13
Chapitre1 Les concepts de logistique et de Supply Chain Management

[Link] entre les processus et autres « services »

Les quatre processus-clés de l’entreprise doivent interagir afin de prendre des décisions cohérentes sur
l’ensemble de l’entreprise. Par exemple, le processus Vente communique régulièrement le carnet de
demandes des clients au processus Approvisionnement pour que celui-ci prépare les achats de
composants. Les processus Production et Distribution suivent les niveaux de stocks (composants, en-
cours) dans les différents entrepôts et renseignent le processus Approvisionnement… Les processus
Approvisionnement, Production et Distribution doivent aussi se coordonner pour la régulation des
stocks et notamment pour la détermination de stocks de sécurité qui permettent de faire face aux aléas
de la production (panne, production de mauvaise qualité,…) et à l’incertitude de la demande
(prévisions).
[Tan, 2001] met en avant l’importance de la gestion des stocks dans une entreprise (et même dans la
chaîne logistique) en se focalisant sur les gains que l’on peut espérer en améliorant les processus de
gestion des stocks par un meilleur système d’information qui prend en compte leur localisation et leur
état (en attente, en-cours de fabrication ou fabriqué, dans une perspective de suivi d’activité) ou par une
meilleure prévision de la demande client. Il faut aussi assurer le réajustement périodique des plans de
production en fonction du suivi de la demande et de la production réelle : des calculs réguliers ou
périodiques correspondent à une planification à horizon glissant. Par contre, dans la planification
orientée événements, les plans ne sont pas faits dans des intervalles de temps réguliers, mais plutôt lors
d’un événement important tel que la panne d’une machine ou des événements importants dans les
commandes des clients. Une telle procédure demande une mise à jour continue des données nécessaires
à la planification (stocks, en-cours,…), afin que celles-ci soient disponibles alorsqu’un événement
survient.
D’autres services annexes sont également nécessaires dans les entreprises : service des ressources
humaines, service comptabilité, service conception ou bureau d’étude pour l’amélioration des produits
ou l’élaboration de nouveaux produits, … sans oublier le service après vente, pour gérer le retour des
produits défectueux, leur réparation, voire leur destruction et/ou leur recyclage.
Parmi ces processus, certains sont fondamentaux pour interfacer les entreprises entre elles. A
l’évidence, dans une relation client-fournisseur, le processus Vente de l’entreprise « fournisseur » est en
relation directe avec le processus Achat de l’entreprise « client ». Et c’est justement ce lien, certes
ancestral dans l’histoire de l’économie, qui, étendu à un partenariat multi-entreprises, est à l’origine de
la notion de Chaîne Logistique.

[Link] différentes approches en gestion de chaînes logistiques

Avec l’évolution du niveau d’intégration de la chaîne logistique, c'est à dire de sa complexité, sa
gestion a fait apparaître différentes approches au cours du temps :

7.1. Une approche partielle et morcelée

Une première approche est une vision partielle et morcelée de la gestion de la chaîne logistique centrée
sur les fonctions d’approvisionnement, de production et de distribution physique des biens. A ce
niveau d’intégration, il s’agit plus de logistique que de gestion de la chaîne logistique. . (Eppen, 1979 ;
14
Chapitre1 Les concepts de logistique et de Supply Chain Management

Federgruen et al., 1984 ; Lal et al., 1984 ; Sethi, 1984 ; Banerjee, 1986 ; Lee et al., 1986 ;
Salomon, 1991 ; Badinelli, 1992 ; Anupindi et al., 1993 ; Mc~Gavin et al., 1993 ; Chen et al.,
1994 ; Lau et al., 1994 ; Van Eijs, 1994 ; Weng, 1995 ; Graves., 1996…).

7.2. Une approche interne

Une seconde approche consiste à travailler sur les relations à l’intérieur de l’entreprise entre les
fonctions d’approvisionnement, de production et de distribution (Un des premiers modèles a été
développé au sein de la société Hewlett Packard : (Billington et al., 1992 ; Davis, 1993 ; Lee et
Billington, 1993 ; Lee et al 93b ; Lee et Billington,1995).

[Link] approche multi-sites interne

Une troisième approche consiste à travailler sur les relations entre plusieurs sites d’une même
entreprise voire en intégrant quelques fournisseurs ou clients directs de cette entreprise. Les logiciels de
type APS (Advanced Planning Systems) qui visent à une optimisation globale du fonctionnement de la
chaîne logistique d’une entreprise se situent dans cette catégorie . (Arntzen et al., 1995 ; Lee et Sasser,
1995 ; StadtlerR et Kilger, 2000…).

[Link] approche intégrée

Une quatrième approche consiste à travailler au niveau d’une entreprise au sein de la (des) chaîne(s)
logistique(s) à laquelle (auxquelles) elle appartient, sur les relations avec les autres entreprises de la
(des) chaîne(s) logistique(s). Parmi ce type d’approche, on distingue:
- Celles qui se focalisent sur la partie amont de la chaîne logistique : le réseau
d’approvisionnement qui se définit comme un réseau d'entreprises échangeant des matières et de
l’information, dans le cadre d’activités menant à la livraison des produits/services au client. Ces
approches traitent de la gestion du réseau d’approvisionnement en s’intéressant essentiellement
aux fonctions d’achats et d’approvisionnements industriels.
- Celles qui s’intéressent plus spécifiquement à la partie aval de la chaîne logistique de
l’entreprise. Ces approches s’intéressent essentiellement aux transports et aux réseaux de
distribution vers les grossistes et les détaillants.
- Celles qui se positionnent aussi bien en amont (réseau d’approvisionnement) qu’en aval (réseau
de distribution). On parle alors de gestion de la chaîne logistique intégrée. Parmi ces approches,
on distingue celles qui s’intéressent aux chaînes logistiques directes et celles qui s’intéressent
aux chaînes logistiques élargies (Rota, 1998 ; Mentzer et al., 2001).

[Link] approche globale

Une dernière approche s’intéresse à la chaîne logistique dite globale englobant tous les acteurs
impliqués dans l’ensemble des flux amont et aval de produits, services, finances et/ou information, du
dernier des fournisseurs au dernier des clients.

15
Chapitre1 Les concepts de logistique et de Supply Chain Management

Conclusion :
Nous avons vu dans ce chapitre les notions de chaine logistique et des trois flux qui la traversent(flux
d’information, physique et financier), ainsi que les différentes formes que peut prendre la structure
physique qui la constitue. Nous avons souligné l'importance du Supply Chain Management dans
l'amélioration de la compétitivité industrielle avec une présentation des différentes approches de gestion
des chaines logistiques.

Dans le chapitre suivant, nous verrons les méthodes de modélisation et de simulation des chaines
logistiques, les outils et logiciels qui permettent leur réalisation.

16
 Chapitre2 :

Modélisation et simulation des chaines

logistiques
 Chapitre2 Modélisation et simulation des chaines logistique

Introduction
Il existe deux manières distinctes de modéliser une chaine logistique : son langage de modélisation peut
soit être développé en interne spécifiquement à une situation, soit être basé sur des langages de
modélisation déjà existant. L’avantage de la première méthode est qu’elle est optimisée pour une
situation précise et ne nécessite pas l’achat d’un logiciel de modélisation. Cependant cette modélisation
n’est pas compatible avec les modèles existants « standards » et demande du temps pour être
développée si son champ de modélisation est vaste (temps auquel il faut rajouter la période de
correction des erreurs). La seconde méthode offre la possibilité de se reposer sur des modèles déjà
éprouvés et améliorés et consolidés, et permet d’adopter un langage commun qui peut être étendue à
toutes les branches de l’entreprise et à tous les sous traitants si besoin. De plus il existe des spécialistes
en cas de problème dans l’utilisation du modèle.

1. Présentation du supply-chain council et du modèle SCOR (Paul et Laville, 2007 ;

SCC, 2011 ; Xiaolan XIE. 2011)

[Link] supply-chain council

Une première modélisation de la chaine logistique peut être présentée par le modèle SCOR développé
par le supply-chain council (SCC), qui est un consortium à but non lucratif créé en 1996 et composé
initialement de 69 membres. Le but de ce consortium est de proposer un outil pour la méthodologie, le
diagnostique et le benchmarking en vue d’augmenter l’efficience globale de la chaine logistique.
Depuis 14 ans le SCC s’est considérablement développé et compte aujourd’hui environ 1000 membre,
répartis sur 4 continents, dont une majorité d’entreprises transnationales, mais aussi des entreprises de
moins grande envergure, des universités, des laboratoires de recherche, des organismes à but non
lucratifs…
Le modèle SCOR est ainsi devenu la référence au niveau mondial pour évaluer et comparer les
activités de la chaîne logistique et leurs performances. Une mise à jour et une évolution permanente des
outils du SCOR sont réalisée par le SCC pour l’amélioration et la pérennité du modèle.

[Link] modèle SCOR

Le modèle SCOR est axé client, dans la mesure où il part du principe qu’il n’existe pas de chaine
logistique sans client. Il permet pour l’entreprise qui l’utilise de :
 Soutenir ses décisions stratégiques,
 fournir un cadre cohérent à la mesure de ses performances,
 contribuer aux opérations d’intégration interne et externe.
SCOR est un outil de modélisation par les processus (plus apte à répondre aux nouvelles contraintes
économiques et financières que la vision par fonction), et « définit une démarche, des processus, des
indicateurs et les meilleures pratiques du moment pour représenter, évaluer et diagnostiquer la chaine
logistique » [Paul et Laville, 2007]. Il a une démarche « top-down », c'est-à-dire qu’il débute son
analyse par les processus les plus généraux pour ensuite se pencher vers les niveaux inférieurs.

17
 Chapitre2 Modélisation et simulation des chaines logistique

Le modèle SCOR est basé sur 5 processus majeurs de toute entreprise : planifier, approvisionner,
fabriquer, livrer et retourner. Un sixième processus permet de gérer toutes les interactions entre ces
différents processus (Figure 1).

Figure 6 : Organisation du modèle SCOR autour des 5 processus majeurs de management.

De plus le modèle SCOR peut se découper en 4 niveaux de modélisation (Figure 2):

1. Niveau stratégique : permet une vue d’ensemble de la chaine logistique suivant les processus
majeurs définis précédemment.
2. Niveau tactique : permet de sous décomposer la chaine en 30 sous-processus, en accord avec le
découpage du niveau stratégique. Le modèle SCOR propose une « table de configuration » pour
réussir cette étape (Figure 3).
3. Niveau opérationnel : ici l’entreprise peut préciser les activités des sous processus, les
meilleures pratiques, les ruptures de flux, les fonctionnalités des progiciels et des outils
existants.
4. Niveau élémentaire : il n’y a pas de modèle SCOR pour ce niveau, mais il permet à l’entreprise
de définir les taches élémentaires de chaque activité.

18
 Chapitre2 Modélisation et simulation des chaines logistique

Tableau 1 : Les 4 niveaux de modélisation SCOR.

L’utilisation proprement dite du modèle SCOR par l’entreprise se déroule suivant 3 étapes :
Tout d’abord l’entreprise doit se définir par rapport à son état actuel (suivant les 4 niveaux définis ci-
dessus).
Puis elle se positionne dans son environnement grâce au benchmarking. Finalement une analyse des «
Best Practices » est réalisée pour lui servir de modèle cible (Figure 4).

19
 Chapitre2 Modélisation et simulation des chaines logistique

Figure 7 : Table de configuration : niveau 2 du modèle SCOR.

Finalement le modèle développé par le SCC propose des indicateurs clés financiers et de mesure de la
performance. Ces derniers sont classés selon une structure hiérarchique adaptée à la spécificité de
l’entreprise, et départagées en deux catégories fondamentales : Les performances perçues par le client,
et les performances internes.

Figure 8 : Modèle de référence de processus.

Cependant, le modèle SCOR n’a pas pour but d’être le support d’une simulation informatique, dans la
mesure où la modélisation est strictement qualitative (le modèle SCOR « ne propose pas de méthode
20
 Chapitre2 Modélisation et simulation des chaines logistique

d’analyse complète et instrumentée pour une chaine logistique particulière » (Valla et al , 2004). Pour
autant, il propose un grand nombre de pratiques à mettre en place pour résoudre les défaillance,
améliorer la chaine logistique et la rendre plus robuste. Finalement les principaux atouts du modèle
SCOR réside dans sa capacité à apporter à la chaine logistique d’une entreprise et/ou d’un réseau
d’entreprise une robustesse globale, une agilité, une résilience et une diminution du risque, ainsi qu’une
compréhension, une vision et un langage commun entre tous les acteurs concernés, ce qui améliore de
facto son efficience.
Le modèle SCOR propose des indicateurs de performance (tableau 2.1), mais ne précise pas s’ils sont
indépendants et cohérents entre eux. De plus, il ne donne pas de méthode pour les déployer à un niveau
plus détaillé (désagrégation des indicateurs).
Les principaux indicateurs de performance préconisés par SCOR sont donnés dans le tableau suivant :

Tableau 2 : Exemples d’indicateurs de performance de la chaîne logistique

Activité / Niveau Stratégique Niveau Tactique Niveau Opérationnel

processus
Niveau de perception de la Temps de requête du client, Méthodes de réception des
valeur du produit par le temps de cycle de commandes, productivité des
client, variances par développement, fiabilité des
rapport au budget, temps techniques de prévisions, ressources humaines
de commande, coût de temps de cycle du processus
traitement de de planification, méthodes
de réception des
l’information, profit net Vs commandes, productivité des
ratio de la productivité, ressources humaines
Planification temps de cycle total, temps
total de cash flow, temps
de cycle de développement
du produit

Performance de livraison des Efficience du temps de cycle

fournisseurs, temps de des ordres d’achat, prix des
réponse des fournisseurs par fournisseurs par rapport aux
rapport aux normes prix du marché
industrielles, prix des
Approvisionnement fournisseurs par rapport aux
prix du marché, efficience
du temps de cycle des ordres
d’achat,

efficience de la méthode de
cash

flow

Portefeuille de Pourcentage de rebut, coût Pourcentage de rebut, coût

produits/services par par
Production

21
 Chapitre2 Modélisation et simulation des chaines logistique

heure de travail, utilisation heure de travail, indice de

de la
productivité des ressources
capacité, utilisation des
quantités humaines

économiques

Flexibilité du système de Flexibilité du système de Qualité des produits livrés,

service service pour répondre aux pourcentages des produits
besoins du client, Efficience livrés à temps, efficacité des
pour répondre aux besoins du plan de méthodes de facturation,
du nombre de factures de
distribution de l’entreprise, livraison sans fautes,
client, efficience du plan
de efficacité des méthodes de pourcentages des livraisons
distribution de l’entreprise facturation, pourcentage des urgentes, richesse des
Livraison produits finis dans le réseau,
fiabilité des performances de informations nécessaires
pour
livraison
effectuer les livraisons,
fiabilité des performances de
livraison

Ces indicateurs peuvent être regroupés sous forme d’un tableau de bord dit « prospectif » afin d’aider
les décideurs à prendre les meilleures décisions, surtout au niveau stratégique, grâce à une meilleure
vision sur le système à piloter.

[Link] approche structurée des modélisations de la chaine logistique

Les différentes structures organisationnelles des systèmes logistiques peuvent être classées parmi 5
degrés d’organisation (Figure 5) définis selon la métrique EICM (Entreprise Integration Capability
Model), proposée par Hollocks [VILLEMINOT, 2004] (rappelons que ce modèle peut être interprété
de différentes manières, selon la notion auquel on le lie : structure organisationnelle, processus…).

22
 Chapitre2 Modélisation et simulation des chaines logistique

Tableau 3 : des structures organisationnelles d’après ( Hollocks et al, 1997 ; Neunreuther, 1998)

Une liste exhaustive des modèles associés à chaque structure définie ci-dessus est proposée dans le
tableau qui suit :

23
 Chapitre2 Modélisation et simulation des chaines logistique

Tableau 4 : Interprétation de la métrique EICM pour les approches et les modèles associés.

[Link] organisationnelle fragmentée

Dans la mesure où les entreprises ne collaborent pas pour mettre en place une coordination de leurs
logistiques internes, il n’y a pas de chaine logistique générale et donc aucune possibilité de
modélisation. Ce type d’organisation est très peu compétitif pour les entreprises de taille moyenne, et
tend à disparaitre au profit d’organisations qui intègre la chaine logistique. Les grandes entreprises et
les entreprises internationales ont quant à elles déjà développé leur chaine logistique, de manière plus
ou moins marqué.

2.2. Structure organisationnelle hiérarchique

Ces modèles représente les premières formes qu’a pris la chaine logistique en occident : la maison mère
centralise et a autorité sur ses sous traitants. Le dialogue inter-entreprise n’existe pas, les règles et
modalités de la chaine logistique sont dictées aux autres maillons de la chaine. Ces modèles sont donc
rigides et ne prennent pas en compte les relations entre les différentes entreprises mises en jeu.

[Link].Réseau de files d’attente [Valois, 2003]

Les réseaux de files d'attente sont fréquemment utilisés pour modéliser des systèmes à événements
discrets. Elle permet la modélisation du partage des ressources.

Figure 9 : représentation graphique d’une file d’attente primaire.

24
 Chapitre2 Modélisation et simulation des chaines logistique

La représentation ci-dessus (Figure 7) peut être étoffée par l’ajout de plusieurs utilisateurs (serveurs
multiples) au bout de la file d’attente et d’une capacité limité de la file d’attente. Le système entré sortie
des clients peut être contrôlé (FIFO, LIFO, Random…). Les clients eux même peuvent être classés,
puis ensuite répartis dans la file selon ce classement. Finalement le réseau de files d’attente est créé par
la connexion d’un ensemble de files simples.

2.2.2.1Réseau de Pétri [ENSM]

Le réseau de Pétri est un modèle mathématique à variables discrètes, créés en 1962 par Carl Adam
Petri. Il se représente par un graphe biparti (composé de deux types de nœuds) orienté (composé
d'arc(s)) reliant des places et des transitions (les nœuds). Deux places ne peuvent pas être reliées entre
elles, ni deux transitions. Les places peuvent contenir des jetons (pouvant par la suite prendre différente
valeurs), représentant généralement des ressources disponibles.

Figure 10 : Typologie de la modélisation graphique des réseaux de Pétri.

Figure 11 : représentation mi-mathématique du réseau de la Figure 8.

25
 Chapitre2 Modélisation et simulation des chaines logistique

[Link] (Structured Analysis and Design Technics) [SADT]

SADT est une technique structurée d’analyse et de modélisation. Les objectifs de la méthode sont
d’établir les spécifications fonctionnelles de systèmes complexes, de permettre des échanges aisés avec
l’utilisateur, de favoriser le travail en équipe grâce à une meilleure communication et enfin de permettre
un couplage avec une méthode de conception (MACH). SADT veut apporter une meilleure clarté,
robustesse et validité lors de la phase de spécification. Cependant cette méthode ne remplace pas la
phase d’analyse et ne propose pas de formalisme permettant des vérifications sémantiques.

Figure 12 : module de base de la représentation graphique SADT.

[Link] des méthodes IDEF [ABDMOULEH, 2004]

IDEF0 a été développée à partir de SADT elle est utilisée pour décrire les aspects fonctionnels d’un
système. Dans cette suite logique, IDEF3 est spécialement conçue pour la modélisation des séquences
d'activités ou processus.

Figure 13 : exemple général de schéma de processus (IDEF3).

[Link] organisationnelle intégrée

Dans cette structure les entreprises restent sous la tutelle de la maison mère, mais celle-ci reçoit les
flux d’information des autres entreprises, elle peut donc mieux organiser et coordonner la chaine
logistique.

26
 Chapitre2 Modélisation et simulation des chaines logistique

[Link] (COMM, 2011; WIKIM, 2011)

Figure 14 : Représentation de la méthode MERISE.

La méthode Merise est une méthode d'analyse, de conception et de réalisation de systèmes

d'informations informatisés (Merise 3 pour la conception orienté objet). Elle est basée sur la séparation
des données et des traitements à effectuer en plusieurs modèles conceptuels et physiques. La séparation
des données et des traitements assure une longévité au modèle. En effet, l'agencement des données n'a
pas à être souvent remanié, tandis que les traitements le sont plus fréquemment. Le projet MERISE
commence par une analyse bottom-up (analyse critique de l’existant) puis par une démarche top-down
(déclinaison de la solution retenue du niveau conceptuel au niveau physique).

[Link] (CIM Open System Architecture) [ABDMOULEH, 2004]

C’est une architecture pour construire des systèmes intégrés de production. Elle a été développée par le
Consortium AMICE dans le cadre de projets ESPRIT. Cette architecture comprend un cadre de
modélisation (MFW « Modeling FrameWork »); une plate-forme d'intégration (IIS « Integrating
InfraStructure ») et le cycle de vie d’un système CIM « Computer-Integrated Manufacturing » (SLC «
System Life Cycle »). Le cadre de modélisation formalise trois principes fondamentaux et orthogonaux
pour la modélisation en entreprise suivant une structure à trois axes, communément appelée cube
CIMOSA. CIMOSA offre des langages de modélisation intégrés pour les aspects fonctionnels,
informationnels, ressources et organisationnels.

27
 Chapitre2 Modélisation et simulation des chaines logistique

Figure 15 : le cube CIMOSA [WIKIC].

[Link] méthode GRAI (Graphe de Résultats et Activités Inter-reliés)

Méthodologie de modélisation et d'analyse des systèmes de décision des entreprises de production de
biens ou de services. Elle a été développée à l'origine par les Professeurs Pun et Doumeingts de
l'Université de Bordeaux. Elle s'appuie sur deux outils : la grille GRAI et les réseaux GRAI. La
méthode GRAI a été largement utilisée depuis 1981 pour l'analyse et la conception de systèmes de
gestion d'entreprises manufacturières, principalement en gestion de production.

[Link] (Purdue Enterprise Reference Architecture)

Méthodologie complète d'ingénierie des environnements industriels développée par le Prof.
Williams, Purdue University, USA. Elle peut être généralisée au développement de tout système
d'entreprise (système industriel, atelier, usine ou département de toute nature). La méthodologie définit
toutes les phases du cycle de vie d'une entité industrielle depuis sa conceptualisation jusqu'à sa mise en
opération en passant par les phases de conception. L'originalité de PERA réside dans la prise en compte
des aspects humains dans la méthodologie et de leur positionnement clair dans l'architecture.

[Link] (Architecture for integrated Information Systems)

Cette architecture a été développée par le professeur Scheer à l’université de Saarbruk en
Allemagne. Sa structure entière est similaire à celle de CIMOSA, mais à la place de se focaliser sur les
systèmes CIM, elle traite les entreprises avec des méthodes traditionnelles orientées métier (planning de
production, inventaires de contrôles, etc.). Elle se focalise surtout en ingénierie des logiciels et les
aspects organisationnels de la conception des systèmes intégrés dans l’entreprise.

28
 Chapitre2 Modélisation et simulation des chaines logistique

[Link] (Generalized Enterprise Reference Architecture and Methodology)

Architecture de référence développée par un groupe de réflexion sur les architectures pour l'intégration
des entreprises (IFAC/IFIP Task Force on Architectures for Enterprise Integration).
GERAM est en fait une généralisation de CIMOSA, de GRAI-GIM, de PERA et de quelques autres
architectures (ARIS, ENV 40003 et IEM2) (ABDMOULEH, 2004).

Figure 16 : GERAM : structure de ses composants [HOB].

[Link] organisationnelle distribuée

[Link] (Toronto Virtual Entreprise project) [WIKIT, 2011; EIL, 2011]
C’est un projet créé dans les années 1990 par Mark [Link] dans le but de développer une structure
ontologique pour l’intégration d’entreprises (EI), basée sur la modélisation d’entreprise. Le but de
TOVE est de proposer un modèle de données possédant les caractéristiques suivantes :
 Proposer une terminologie partagée de l’entreprise que chaque personne peut comprendre et
utiliser,
 Définir la sémantique de chaque terme de manière précise et sans ambiguïté,

29
 Chapitre2 Modélisation et simulation des chaines logistique

 Implémenter ces sémantiques dans des jeux d’axiomes dans le but de permettre à TOVE de
déduire automatiquement la réponse d’un grand nombre de questions générales à propos de
l’entreprise,
 Proposer une représentation symbolique et graphique qui décrive les termes définis
précédemment.

Figure 17 : représentation graphique TOVE.

[Link]
Cette méthode, bien que faisant partie des modèles pouvant définir une structure organisationnelle
distribuée, est peu utilisée par les entreprises et donc peu répandue.

[Link] organisationnelle intelligente

[Link]ème multi-agents (SMA) [GUYET, 2007]

Le système multi agent est l’évolution des intelligences artificielles qui ne se concentraient que sur
une seule entité. Le principe est de faire interagir des entités autonomes dans un environnement
commun, et de voir quel en sont les évolutions. Les agents ont une capacité de perception de leur
environnement, peuvent communiquer avec entre eux et sont guidés par des objectifs qui leurs sont
propres (survie, intérêt personnel, fonction de satisfaction…). Il existe différent types d’agents: agents
réactifs (exemple : fourmis), agents proactifs (exemple : système proie/prédateur), agents cognitifs, etc.
Différent types d’agent peuvent communiquer dans un même modèle, ce qui permet une grande liberté
de modélisation de cas particuliers.

2.5.2.Réseaux de neurones [LADJADJ, 2002] ; [BPC, 2011]

Les réseaux de neurones sont composés d’éléments simples (ou neurones) fonctionnant en parallèle.
Ces éléments ont été fortement inspirés par le système nerveux biologique. Un réseau de neurones a
une capacité d’apprentissage qui permet de réaliser des taches complexes dans différents types

30
 Chapitre2 Modélisation et simulation des chaines logistique

d’application (classification, identification, reconnaissance de caractères, de la voix, vision, système de

contrôle…). Ces réseaux de neurones peuvent souvent apporter une solution simple à des problèmes
encore trop complexes ne pouvant être résolus rapidement par les ordinateurs actuels (puissance de
calcul insuffisante) ou par notre manque de connaissances.
Les neurones sont organisés et reliés entre eux d’une manière prédéfinie. Cependant ces liens peuvent
amener à des structures différentes : réseau entièrement bouclés, réseaux çà couches (Figure 18)…

Figure 18 : réseaux de neurones bouclés (droite) et en couche (gauche).

[Link] manufacturing: Standard BPMN [ENSM, 2009]

Les logiciels de modélisation des entreprises agiles ne se focalisent pas exclusivement sur la
logistique, mais sur l’entreprise dans son ensemble pour permettre une gestion optimisée de celle-ci.
Le standard BPMN (Business Process Modelling Notation) est un langage semi-formel de
modélisation des processus qui offre une notation explicite et accessible à tous les utilisateurs, définit
des modèles graphiques de processus (flowcharts) et repose une modélisation des processus sur
différents niveaux. Comparé au modèle IDEF 0, dont il est le descendent, le standard BPMN ne se
contente pas de gérer les sous processus, il propose aussi des conditions d’exécution des activités,
permet une description des activités, une gestion des événements, une description des ressources et un
contrôle avancé des flux de processus.

31
 Chapitre2 Modélisation et simulation des chaines logistique

Figure 19 : Standard BPMN.

2.5.4.Méta-modèles (Braesch et Haurat, 1995 ; Roque et al , 2004 ; VILLEMINOT, 2004)

Nous avons vu qu’il existe une multitude de modèles servant à représenter une chaine logistique. Cette
grande panoplie de langages de modélisation, hétérogène comme il a été montré précédemment, peut
mettre l’utilisateur dans une situation difficile au moment de faire le bon choix.
L’utilisateur se trouve donc confronté à deux types de problèmes :

 Une difficulté à comprendre tous les modèles et à pouvoir les discriminer pour choisir le plus
adéquat à la situation de l’entreprise,
 Une grande difficulté de communication et de traduction entre deux modèles,
 Une difficulté pour l’entreprise d’utiliser le logiciel de modélisation adéquat si celui-ci est basé
sur un langage différent que les langages des logiciels déjà adoptés par l’entreprise.

C’est pourquoi le développement d’un langage de modélisation unifié (UML: Unified Modeling
Language) devient nécessaire, ce que propose la méta-modélisation.
Braesh nous donne une définition de la méta-modélisation [Braesch et Haurat, 1995] : « La méta-
modélisation consiste à définir des modèles génériques à partir desquels les modèles particuliers
d’utilisateur peuvent être exprimés. Elle cherche à modéliser, indépendamment de leur forme et de leur
contexte, les concepts contenus dans les modèles. Elle s’apparente donc aux métalangages. Elle
concerne essentiellement le niveau conceptuel par opposition au niveau de détails de l’implémentation
». C’est donc une grammaire pour l’expression des modèles. Ainsi le méta-modèle doit avoir les
caractéristiques suivantes :
 Il doit être générique : son contenu doit pouvoir s’appliquer à plusieurs modèles de systèmes;

32
 Chapitre2 Modélisation et simulation des chaines logistique

 Il doit permettre de réaliser une unification sémantique : mise en correspondance de concepts

équivalents dans différents modèles en utilisant des représentations différentes ou dans
différents systèmes.

Il existe 3 manières d’aborder la méta-modélisation :

 En tant que technique réflexive, qui permet de formaliser les formalismes de modélisation. Il
est alors possible de lever des ambiguïtés dues à des descriptions incomplètes des formalismes.

 En tant qu’outil pour disposer d’un langage unique, pour communiquer et comparer différents
formalismes.

 En tant que méthode d’ingénierie, car elle permet de maîtriser la complexité croissante des
applications, en introduisant de la souplesse dans le processus de conception de ces
applications. On ne s’astreint donc plus à une méthodologie de conception mais on
considère le niveau supérieur pour adapter la méthodologie à son besoin, tout en garantissant
une cohérence dans la démarche de conception.

La construction du méta-modèle peut se faire selon l’approche top-down (partant d’un paradigme de
modélisation: il faut alors conceptualiser une modélisation de base la plus épurée nécessaire à la
description de la chaine logistique (Figure 18) ou bottom-up (partant des langages existant). Une
construction hybride peut aussi être adoptée (sous réserve de vérifier la cohérence des deux approches
entre elles) et ainsi réunir les avantages des deux types de construction.

Figure 20 : exemple de représentation graphique des opérateurs systémiques dans le cadre d’une méta-
modélisation.

Cependant il reste difficile de comparer les méta-modèles, dans la mesure où ils peuvent être basés sur
des modèles différents, et donc ne possèdent pas de sémantique commune. C’est pourquoi les travaux
actuels s’orientent vers une définition plus formelle de la sémantique des langages de modélisation. Un
autre développement est l’approche MDA (Model Driven Architecture), comme présenté sur la Figure
19, qui consiste à développer un méta-méta-modèle qui regrouperait tous les méta-modèles en vue
d’une sémantique commune.
33
 Chapitre2 Modélisation et simulation des chaines logistique

Figure 21 : approche MDA et les 4 niveaux de modèles.

[Link]èse
Nous avons vu une large panoplie de modèle de chaine logistique, classés selon la structure
organisationnelle auquel ils s’apparentent. Il existe cependant d’autres types de classement, comme par
exemple celui proposé par [Min et Zhou, 2002], représenté par la Figure 20 :

Figure 22 : Taxonomie des modèles de chaine logistique.

Cependant, la modélisation de la chaine logistique reste encore très ouverte de par l’absence de modèle
« standardisé », accepté et utilisé par tous. De plus certains des paramètres pris en compte dans ces
modèles peuvent rester subjectifs. Les travaux actuels et futurs se concentrent donc sur cette volonté de
retravailler et dépasser tout ces modèles pour faire émerger un langage dominant ou un groupe restreint
de langages complémentaires dans la modélisation de la chaine logistique et plus généralement dans la
modélisation de l’entreprise.

34
 Chapitre2 Modélisation et simulation des chaines logistique

[Link]
[Link] de la simulation
Le but de la simulation de la chaine logistique est de proposer un modèle dynamique. Celui-ci permet
de voir quel est le comportement de la chaine dans le temps. Ainsi la modélisation sert à valider, à
découvrir ou à comprendre les mécanismes qui régissent la chaine logistique.
Historiquement, la simulation des premiers modèles a été réalisée à la main. Cependant, grâce aux
progrès de l’informatique, la quasi-totalité des simulations actuelles sont informatisés dans un souci de
gain de temps, de complexité et de flexibilité.
De même que pour la modélisation, un système logistique peut être simulé suivant deux approches :
l’utilisation d’un modèle développé en interne spécifiquement, ou l’utilisation de logiciels spéciaux
dédiés.

[Link] numérique
Au contraire des langages de modélisation qui sont conceptuels et pour lesquels l’informatique n’est
qu’un support de mise en œuvre (même si celui-ci offre des avantages certains par rapport aux autres
supports), les logiciels de simulation font tous appel à la puissance de calcul des ordinateurs pour
permettre la simulation du comportement du système préalablement modélisé.

Les simulations numériques de chaine logistique sont principalement classées en 2 catégories

[WIKIS, 2011] :
 La simulation discrète dans laquelle le système est soumis à une succession d'évènements qui le
modifient. Ces simulations ont pour but d’appliquer des principes simples à des systèmes de grande
taille. Cette simulation discrète se divise en deux grandes catégories :
 asynchrone ou time-slicing : on simule à chaque fois le passage d'une unité de temps sur tout
le système ;
 synchrone ou event-sequencing : on calcule l'arrivée du prochain événement, et on ne
simule qu'événement par événement, ce qui permet souvent des simulations rapides, bien
qu'un peu plus complexes à programmer.
 La simulation par agents, où la simulation est segmentée en différentes entités qui interagissent
entre elles. Elle permet de simuler le comportement d’un individu ou d’un groupe d'individus. Par
nature, son fonctionnement est asynchrone.
Une troisième catégorie est la simulation mixte, qui fait appel à de la simulation discrète et continue
pour une plus grande liberté de modélisation et de simulation. Dans tous les cas la simulation fait
intervenir des phénomènes stochastiques (pannes, retards…).

Le processus de simulation se déroule selon 4 étapes [COMP, 2011]:

35
 Chapitre2 Modélisation et simulation des chaines logistique

1) L’étape 1 consiste à poser les bases préalables à la modélisation pour la simulation de la chaine
logistique : définition de la problématique, objectifs à atteindre, champ d'application du modèle à
construire;
2) L’étape deux est la conception du modèle qui sera simulé: Il faut ici décrire le fonctionnement réel
de la chaine, en fonction de ses spécificités (travail interactif et collaboratif réalisé entre les
acteurs/experts de cette réalité et le modélisateur). Il faut ensuite formaliser cette description de
manière logique et causale (la causalité est nécessaire à tout traitement par calcul informatisé), et
enfin implémenter ce modèle sur le logiciel de simulation choisit, ou dans le cas d’une modélisation
spécifique il faut traduire le modèle de manière purement mathématique (écriture des équations de
fonctionnement, insertion des données quantitatives…) puis coder en langage informatique le
modèle ainsi créé.
3) Vient ensuite l’étape 3, la simulation proprement dite. Dans un premier temps il faut simuler le
modèle tel qu’il a été décrit, pour valider la modélisation en fonction de l’adéquation entre les
résultats obtenus et la réalité de la chaine logistique (on peut ici mesurer les erreurs de prévisions, la
sensibilité des résultats…). Ensuite, en fonction des résultats de cette première simulation, il faut
modifier, corriger et préciser le modèle. Enfin, la dernière partie consiste à simuler le comportement
de la chaine sous l’effet d’un ou plusieurs scénarios prédéfinit.
4) Cette dernière étape est l’analyse et l’utilisation des résultats : il faut comprendre ce qu’implique les
données tirées de la simulation, reconsidérer la chaine logistique d’un œil nouveau et adapter les
politiques de l’entreprise en conséquence.

[Link] de simulation
De nombreux logiciels permettent la simulation de systèmes logistiques. Citons entre autre Arena,
ExtendSim, Witness et Quest, qui sont tout quatre basés sur la simulation mixte (discrète et continue).
La modélisation peut se faire en caché (sans visualisation graphique), ou, pour mieux visualiser et
comprendre la réaction du système modélisé, peut être visualisée grâce à un module graphique qui
représente en temps réel la chaine logistique et tous les acteurs qui y participent et qui y ont donc été
modélisés (flux, ressources humaines, matériels; transformations sur les flux, stocks…). Ces quatre
logiciels peuvent aussi simuler d’autres systèmes que les chaines logistiques, mais du fait de leurs
caractéristiques (discrétisation, stochasticité…), sont appropriés et souvent utilisés pour les décrire. Il
existe bien entendu d’autres logiciels, ce qui, comme pour la modélisation, rend le choix plus difficile
pour l’entreprise.

[Link]és et limites de la simulation

Cependant la simulation en général reste limitée. Tout d’abord d’un point de vue technique, selon la
manière d’implémenter une modélisation dans un logiciel le temps de résolution peut être d’une très
grande variabilité. De plus, les capacités de simulation et ses contraintes amènent à faire un compromis
entre la simplicité du modèle (moins d’erreurs d’implémentation, facilité de correction…) et sa finesse
(résultats plus précis, prise en compte d’un maximum de facteurs, réduction du nombre d’hypothèses
simplificatrices…). Ce compromis doit se faire en fonction des objectifs préalablement définis de

36
 Chapitre2 Modélisation et simulation des chaines logistique

l’entreprise. En effet, selon le but recherché, on peut aboutir à deux simulations grandement différentes
pour une même chaine logistique, d’autant plus qu’un certain nombre de paramètres pris en compte
sont subjectifs, ce qui implique une traduction mathématique discutable.
Enfin les résultats restent soumis à analyse et critique, étape essentielle sans laquelle les ils n’ont pas de
valeur.

Conclusion
Dans ce chapitre, nous avons d'abord vu les différentes approches et méthodes de modélisation des
chaines logistiques, des outils et logiciels qui les soutiennent sont décrits tels que le modèle SCOR qui
est un outil de modélisation par les processus. Ensuite nous avons présenté la simulation des chaines
logistiques qui a pour but de voir le comportement de la chaine dans le temps et les logiciels qui la
permettent.

Dans le chapitre suivant, une revue de la littérature traitant de la modélisation de chaines logistiques
sera présentée.

37
 Chapitre3 :
Revue de la littérature
Chapitre3 Revue de la littérature

Introduction
Une Supply Chain peut être définie comme un processus intégré dans lequel un certain nombre de
diverses entités d'affaires (c.-à-d., fournisseurs, fabricants, distributeurs, et détaillants) travaillent
ensemble dans le but de:
1) Acquérir les matières premières,
2) transformer ces matières premières en produits finis,
3) Et livrer ces produits finis aux détaillants.
Cette chaîne est traditionnellement caractérisée par un flux en avant de matière et un flux en arrière
de l'information.

Pendant des années, les chercheurs et les praticiens ont principalement étudié les divers processus de
la chaîne logistique individuellement. Cependant, il y a eu récemment une attention croissante portée à
la performance, la conception, et l'analyse de la Supply Chain dans son ensemble. D'un point de vue
pratique, le concept de Supply Chain a résulté d'un certain nombre de changements de l'environnement
de fabrication, notamment la hausse des coûts de fabrication, la diminution des ressources des bases de
fabrication, la réduction des cycles de vie des produits, le nivellement du "playing field", et la
mondialisation de l'économie de marché. L'intérêt actuel a cherché à étendre la chaîne logistique
traditionnelle pour y inclure " la logistique inverse ", pour y inclure la récupération du produit pour les
buts de la réutilisation, le ré-usinage, et la réutilisation. Dans la recherche dans le domaine de la
fabrication, le concept de chaîne logistique s'est largement développé à partir des modèles à deux étapes
des stocks multi-échelons, et il est important de noter que des progrès considérables ont été accomplis
dans la conception et l'analyse des systèmes à deux-échelon. La majeure partie de la recherche dans ce
secteur est basée sur le travail classique de Clark et Scarf (Clark et Scarf, 1960; 1962). Le lecteur
intéressé se reportera à (Federgruen, 1993 ; Bhatnagar et al. ; 1993) pour des études détaillées des
modèles de ce type. Des discussions plus récentes des modèles à deux-échelon peuvent être trouvées
dans (Diks et al, 1996 ; van Houtum et al., 1996)

Les objectifs de ce chapitre sont de :

1) fournir une étude ciblée de la littérature dans la modélisation multi-étapes de la chaîne
logistique;
2) et de montrer la négligence de l'intégration des aspects financiers avec les processus
opérationnels dans les approches de modélisation des chaines logistiques à travers la littérature.

[Link] de la littérature
La chaîne logistique est constituée de cinq étapes (figure.1). D'une façon générale, les modèles multi-
étapes pour la conception et l'analyse de la chaîne logistique peuvent être divisés en quatre catégories,
par approche de modélisation. Dans les cas inclus ici, l'approche de modélisation est motivée par la
nature des intrants et l'objectif de l'étude. Les quatre catégories sont:
1) Les modèles analytiques déterministes, dans lesquels les variables sont connues et indiquées;
38
Chapitre3 Revue de la littérature
2) Les modèles analytiques stochastiques, où au moins une des variables est inconnue, et est
supposée suivre une distribution de probabilité particulière;
3) Les modèles économiques;
4) Les modèles de simulation.

Figure 23 : Processus de la chaîne logistique

[Link]èles analytiques déterministes

Williams [ 7 ] présente sept algorithmes heuristiques pour la planification des opérations de production
et de distribution dans un réseau de chaînes logistiques d'assemblage (c.-à-d., chaque station possède
au plus un successeur immédiat, mais un certain nombre de prédécesseurs). L'objectif de chaque
heuristique est de déterminer une production à moindre coût et/ou le programme de distribution de
produits qui répond à la demande du produit final.
Le coût total est la somme du niveau des stock moyen et des coûts fixes (commande, livraison, ou
installation). En conclusion, la performance de chaque heuristique est comparée en utilisant un large
éventail d'expériences empiriques, et des recommandations sont faites sur les bases de la qualité de la
solution et de la structure du réseau.
Williams, 1981 a développé un algorithme de programmation dynamique pour déterminer
simultanément la production et la distribution des tailles des lots à chaque nœud dans un réseau de
chaînes logistiques. Comme dans (Williams, 1983), on suppose que le processus de production est un
processus d'assemblage. L'objectif de l'heuristique est de minimiser le coût moyen par période sur un
horizon infini, où le coût moyen est une fonction des coûts de traitement et des couts de stockage pour
chaque nœud dans le réseau.
Ishii et al., 1988 ont développé un modèle déterministe pour la détermination des niveaux des stocks de
base et les délais associés à la solution la moins coûteuse pour une chaîne logistique intégrée sur un
horizon fini. Les niveaux des stocks et les délais sont déterminés de façon à éviter la rupture de stock,
et minimiser la quantité de stocks périmés à chaque point de stockage. Leur modèle utilise un système

39
Chapitre3 Revue de la littérature
de commande en flux tirés qui est conduit, dans ce cas, par des processus de demande linéaires (et
connus).
Cohen et Lee, 1989 ont présenté un modèle de programmation mathématique non linéaire,
déterministe en nombres entiers, basé sur les techniques de la quantité d'ordre économique (EOQ), pour
développer ce que les auteurs appellent politique globale de déploiement des ressources. Plus
précisément, la fonction objective utilisée dans leur modèle maximise le bénéfice total après imposition
sur les équipements de fabrication et les centres de distribution (revenu total moins les coûts totaux
avant imposition moins l'impôt dû). Cette fonction objective est soumise à un certain nombre des
contraintes, y compris " les contraintes de gestion" (contraintes de ressource et de production) et " les
contraintes de cohérence logiques" (faisabilité, disponibilité, limites de demande, et non négativité des
variables). Les outputs résultants de leur modèle comprennent (Cohen et Lee, 1988) :

 L'affectation des produits finis et des montages partiels aux usines de fabrication, des vendeurs
aux centres de distribution, des centres de distribution aux régions du marché.
 Les quantités de composants, de montages partiels, et de produits finis à expédier entre les
vendeurs, des installations de fabrication, et des centres de distribution.
 Les quantités de composants, de montages partiels, et de produits finis à fabriquer aux
installations de fabrication.

De plus, ce modèle fait ressortir les besoins en matériaux et les affections pour tous les produits, tout
en maximisant les bénéfices après imposition.
Cohen et Moon , 1990 ont étendu Cohen et lie, 1989 en développant un modèle d'optimisation sous
contraintes, appelé PILOT, pour étudier les effets des différents paramètres sur le coût de la chaîne
logistique, et ils considèrent le problème supplémentaire de la détermination des installations de
fabrication et centres de distribution devant être ouverts. Plus précisément, les auteurs considèrent une
chaîne logistique constituée des fournisseurs de matière première, des installations de fabrication, des
centres de distribution, et des détaillants. Ce système produit des produits finis et des produits
intermédiaires, en utilisant divers types de matières premières. En utilisant ce système particulier, le
modèle PILOT accepte comme inputs les divers coûts de production et de transport, et par conséquent
les outputs :

 Lesquels des installations de fabrication et des centres de distribution disponibles devraient être
ouverts.
 Les matières premières et les quantités d'ordre intermédiaires pour les vendeurs et les
installations de fabrication.
 Les quantités de produit produites par unité de production.
 La livraison des quantités de produits spécifiques à partir des installations de fabrication au
centre de distribution au client.

40
Chapitre3 Revue de la littérature
La fonction objectif du modèle PILOT est une fonction de coût, se composant des coûts fixes et
variables de production et de transport, la capacité, la tâche, la demande et les contraintes de besoin en
matière première. Sur la base des résultats de leur exemple de système de chaîne logistique, les auteurs
concluent qu'il y a un certain nombre de facteurs qui peuvent dominer les coûts de la chaîne logistique
sous une variété de situations, et que le coût de transport joue un rôle important dans le coût global des
opérations de la chaîne logistique.
Newhart et al., 1993 ont conçu une chaîne logistique optimale en utilisant une approche biphasée. La
première phase est une combinaison d'un programme mathématique et un modèle heuristique, avec
l'objectif de minimiser le nombre de types de produit distincts gardés dans le stock dans toute la chaîne
logistique. La deuxième phase est un modèle d'inventaire basé sur une feuille de calcul, qui détermine
la quantité minimum de stocks de sécurité exigée pour absorber la demande et les fluctuations du délai
d'exécution. Les auteurs considèrent quatre solutions pour le placement des différentes installations au
sein de la chaîne logistique. La prochaine étape consiste à calculer le montant des investissements en
stocks sous chaque alternative, étant donné un ensemble d'exigences de la demande, puis de choisir
l'option coût minimum.
Arntzen et al. , 1995 ont développé un modèle de programmation mixte en nombres entiers, appelé
"global supply chain model", (GSCM) qui peut s'adapter aux multiples produits, aux équipements, aux
étapes (échelons), aux périodes de temps, et aux modes de transport. Plus précisément, le GSCM
minimise une fonction composée : (1) des jours d'activité et (2) du coût total de production (fixe et
variable), des stocks, de la manutention, des frais généraux, et des coûts de transport. Le modèle exige,
en entrée, les nomenclatures, les volumes de la demande, les frais et taxes, et les besoins du jour
d'activité, comme output: (1) le nombre et l'emplacement des centres de distribution, (2) l'affectation
des centres de distribution à la clientèle, (3) le nombre d'échelons (quantité d'intégration verticale), et
(4) l'affectation du produit en usine. Voudouris, 1996 a développé un modèle mathématique conçu
pour améliorer l'efficacité et la réactivité dans une chaîne logistique.
Le modèle maximise la flexibilité de système, telle que mesurée par la somme en fonction du temps des
différences instantanées entre les capacités et les utilisations des deux types de ressources: ressources
de stocks et ressources d'activité. Les ressources de stocks sont des ressources directement liées à la
quantité de stocks détenue; alors que les ressources d'activité sont des ressources qui sont exigées pour
maintenir le flux de matières. Le modèle nécessite, en entrée, les données sur la consommation de
ressources et les informations sur les nomenclatures, et génère en output: (1) la production, l'expédition,
le programme de livraison pour chaque produit et (2) les niveaux de stocks pour chaque produit.
Camm et al., 1997 ont développé un modèle de programmation entier, basé sur une formulation de
l'emplacement des installations, pour Procter et Gamble Company. Le but du modèle est de : (1)
déterminer l'emplacement des centres de distribution et (2) affecter ces centres de distribution
sélectionnés aux zones de clients. La fonction objectif du modèle minimise le coût total du choix de
l'emplacement des centres de distribution et de l'affectation à la clientèle des centres de distribution,
sous réserve des contraintes régissant les affectations des centres de distribution à la clientèle le
nombre maximum de centres de distribution permis.

41
Chapitre3 Revue de la littérature

[Link]èles analytiques stochastiques

Cohen et Lee, 1988 ont développé un modèle pour établir une politique des besoins en matière pour
toutes les matières pour chaque étape du système de production de la chaîne logistique. Dans ce travail,
les auteurs utilisent quatre sous-modèles différents basés sur le coût (il y a un sous-modèle stochastique
pour chaque étape de la production). Chacun de ces sous-modèles est énuméré et décrit ci-dessous
(Cohen et Lee, 1988):
1. Contrôle de matière: Établit les quantités de commande matérielles, les intervalles de
réapprovisionnement, et les temps de réponse estimés pour toutes les installations de la chaîne
logistique, fixation des délais d'exécution, les taux de remplissage, les nomenclatures, données
concernant les coûts, et les besoins de production.
2. Contrôle de production: Détermine les tailles des lots de production et les délais d'exécution
pour chaque produit, compte tenu des temps de réponse matériels.
3. Réserve de produits finis (entrepôt): Détermine la taille et la quantité d'ordre économique pour
chaque produit, en utilisant des données concernant les coûts, les objectifs du taux de
remplissage, les délais de fabrication, et les données de la demande.
4. Distribution: Établit les politiques de suivie des stocks pour chaque service de distribution, en
fonction des exigences du temps de transport, les données de la demande, les données
concernant les coûts, les données du réseau, et les objectifs de taux de remplissage.

Chacun de ces sous-modèles est basé sur un objectif de coût minimum. Dans la dernière étape de
calcul, les auteurs déterminent les politiques de commande optimales approximatives en utilisant un
programme mathématique, qui minimise la somme totale des coûts pour chacun des quatre sous-
modèles.
Svoronos et Zipkin, 1991 considèrent des systèmes de chaînes logistiques de type de distribution
multi-échelon (c.-à-d., chaque service a au plus un prédécesseur direct, mais un certain nombre de
successeurs directs). Dans cette recherche, les auteurs supposent un stock de bases, remplacement un
par un de chaque élément, et que les demandes de chaque installation suivent un processus de Poisson
indépendant. Les auteurs obtiennent des approximations d'état d'équilibre pour le de niveau des stocks
moyens et le moyen de commandes en attente à chaque emplacement pour tout choix de niveau de
stock de base. Enfin, en utilisant ces approximations, les auteurs proposent la construction d'un modèle
d'optimisation qui détermine le coût minimum du niveau de stock de base.
Lee et Billington, 1993 développent un modèle heuristique stochastique pour la gestion des flux de
matière sur une base d'emplacement par emplacement. Plus précisément, les auteurs modélisent un
système de gestion des stocks à flux tendus, périodique, et déterminent la période de réexamen (par
type de produit) et la quantité d'ordre (par type de produit) comme outputs du modèles. Les auteurs
développent un modèle qui soit :
1) détermine la politique de commande de matériel en calculant les niveaux de stocks nécessaires
pour réaliser un objectif de niveau de service donné pour chaque produit à chaque installation
ou

42
Chapitre3 Revue de la littérature
2) détermine le niveau de service pour chaque produit à chaque installation, étant donné une
politique de commande de matériel.
Lee et al., 1993 développent un modèle de gestion des stocks stochastique, à examen périodique pour
développer une procédure pour les processus de localisation dans la supply chain. Autrement dit, les
auteurs proposent une approche pour les processus opérationnels et de distribution qui prennent en
considération les différences dans les structures du marché cible (par exemple, différences de langue,
de l'environnement, ou les gouvernements). Ainsi, l'objectif de cette recherche est de concevoir les
produits et les procédés de production qui conviennent à différents segments de marché qui ont comme
conséquence un moindre coût et les niveaux les plus élevés de service à la clientèle.
Pyke et Cohen, 1993 développent un modèle de programmation mathématique pour une chaîne
d'approvisionnements intégrée, en utilisant des sous-modèles stochastiques pour calculer les valeurs des
variables aléatoires incluses dans le programme mathématique.
Les auteurs considèrent une chaîne d'approvisionnements à trois nivaux, se composant d'un produit,
d'un service de fabrication, d'un service d'entreposage, et d'un détaillant. Le modèle minimise le coût
total, soumis à une contrainte de niveau de service, et tient les temps d'installation, les durées de
traitement, et les délais d'exécution de réapprovisionnement constants. Le modèle donne l'intervalle de
réapprovisionnement économique (moindre coût), les tailles de lots de reconstitution, et les niveaux de
produit (pour le détaillant) pour un réseau de production particulier.
Pyke et Cohen, 1994 poursuivent la recherche de Pyke et Cohen, 1993 en incluant un réseau de
production plus compliqué. Dans Pyke et Cohen, 1994, les auteurs considèrent encore une chaîne
d'approvisionnements intégrée avec un service de fabrication, un entrepôt, et un détaillant, mais
considèrent plusieurs types de produits. Le nouveau modèle donne des outputs similaires; cependant, il
détermine les variables de décision clé pour chaque type de produit. Le modèle donne l'intervalle de
réapprovisionnement économique (moindre coût), les tailles de lots de reconstitution (pour chaque type
de produit), et les niveaux de produit (pour le détaillant, pour chaque type de produit) pour un réseau
particulier de supply chain.
Tzafestas et Kapsiotis, 1994 utilisent une approche de programmation mathématique déterministe
pour optimiser une chaîne logistique, ils emploient alors des techniques de simulation pour analyser un
exemple numérique de leur modèle d'optimisation. Dans ce travail, les auteurs réalisent l'optimisation
selon trois scénarios différents (Tzafestas et Kapsiotis, 1994) :

1) Optimisation des services de fabrication: Selon ce scénario, l'objectif est de minimiser le coût
total encouru par le service de fabrication seulement; les coûts éprouvés par d'autres
équipements sont ignorés.

2) Optimisation globale de la supply chain : Ce scénario suppose une relation de coopération entre
toutes les étapes de la chaîne logistique, et minimise donc tous les coûts opérationnels de la
chaîne dans son ensemble.
3) Optimisation décentralisée: Ce scénario permet d'optimiser chacune des composantes de la
chaîne logistique individuellement, et ainsi de minimiser le coût subi par chaque niveau.

43
Chapitre3 Revue de la littérature

Les auteurs observent que pour leur exemple choisi, les différences dans les coûts totaux entre les trois
scénarios ne diffèrent pas de manière significative.
Towill et Del Vecchio, 1994 considèrent l'application de la théorie du filtre et de la simulation pour
l'étude des chaînes logistiques. Dans leur recherche, les auteurs comparent les caractéristiques du filtre
des chaînes logistiques afin d'analyser les différentes réponses de chaîne d'approvisionnements à aléa
de la demande. Ces réponses sont ensuite comparées en utilisant la simulation, afin de définir les
besoins minimums de stocks de sécurité qui permettent d'atteindre un niveau de service particulier
souhaité.
Lee et Feitzinger 1995 développent un modèle analytique pour analyser la configuration de produit
pour l'ajournement (c.-à-d., déterminer l'étape de production optimale pour la différentiation de
produit), en supposant une demande de produits stochastique. Les auteurs supposent un processus de
fabrication avec I étapes de production qui peuvent être effectuées à une usine ou à un des M centres de
distribution (CD). Le problème est de déterminer une étape P telle que les étapes 1 à P soient réalisées à
l'usine et les étapes (P+1) à I seront réalisées aux centres de distribution CD. Les auteurs résolvent ce
problème en calculant un coût prévu pour les différentes configurations de produit, comme une somme
des coûts de stocks, du fret, de douane, d'installation, et les coûts de traitement. La valeur optimale de P
est celle qui minimise la somme de ces coûts.
Altiok et Ranjan, 1995 considèrent un système généralisé de production / stock avec: M étapes (M >
1), un type de produit final, des durées de traitement et des temps d'installation aléatoires (FIFO, pour
toutes les étapes), et des tampons intermédiaires. Le système expérimente la demande de produits finis
selon un processus de Poisson composé, et les niveaux de stocks (les tampons intermédiaires et les
produits finis) sont contrôlés conformément à une politique de prise d'inventaire continue, et les
commandes en attente sont permises. Les auteurs développent un procédé itératif où chacun des sous-
systèmes de deux-nœud est analysé individuellement; le procédé se termine une fois que le débits
moyens estimés pour chaque sous-système sont approximativement égale. Une fois la condition
d'achèvement vérifiée, le procédé permet de calculer des valeurs approximatives pour les deux mesures
de performance : 1) Le niveau des stocks dans chaque tampon j, et 2) la probabilité de rupture de stock.
Les auteurs concluent que leur approximation est acceptable tant que la probabilité P (commande en
attente (rupture de stock)) n'excède pas 0.30, dans ce cas le système ne s'adapte pas efficacement aux
volumes de demande.
Enfin, Lee et al, 1997 développent des modèles mathématiques stochastiques décrivant " l'effet coup de
fouet ", qui est défini comme le phénomène par lequel la variation de la demande de l'acheteur devient
de plus en plus amplifiée et a distordue à chaque échelon vers le haut dans toute la chaîne logistique.
Autrement dit, la variation réelle et la valeur des commandes à chaque échelon est de plus en plus
élevée que la variation et la valeur des ventes, et ce phénomène se propage en amont dans la chaîne.
Dans cette recherche, les auteurs développent des modèles analytiques stochastiques décrivant les
quatre causes de l'effet coup de fouet (traitement des demandes, rationnement du jeu, et les variations
des prix), et montrent comment ces causes contribuent à l'effet.

44
Chapitre3 Revue de la littérature

[Link]èles économiques
Christy et Grout, 1994 développent un cadre de théorie des jeux économique pour modéliser la
relation client/fournisseur dans une chaîne logistique. La base de ce travail est une "matrice des liens
(2x2) " de la chaîne logistique, qui peut être employée pour identifier les conditions dans lesquelles
chaque type de relation est souhaité. Ces conditions s'étendent de la haute à la basse spécificité de
processus, et de la haute à la basse spécificité de produit. Ainsi, les risques relatifs pris par l'acheteur et
le fournisseur sont repris dans la matrice. Par exemple, si la spécificité du processus est basse, alors
l'acheteur prend le risque; si la spécificité de produit est basse, alors le fournisseur prend le risque.
Pour chacun des quatre quadrants (et donc, chacune des quatre catégories de risque), les auteurs
attribuent des techniques appropriées pour modéliser la relation client/fournisseur. Pour le cas de deux-
échelon, le lecteur intéressé se reportera à Cachon et Zipkin, 1997.

[Link]èles de simulation
Towill, 1991 et Towill et al., 1992 emploient des techniques de simulation pour évaluer les effets des
différentes stratégies de chaîne d'approvisionnements sur l'amplification de la demande.
Les stratégies étudiées sont comme suit (Towill et al., 1992):

1) Élimination de l'échelon de distribution de la chaîne d'approvisionnements, en incluant la

fonction de distribution dans l'échelon de fabrication.
2) Intégration du flux d'information tout au long de la chaîne.
3) Implémentation d'une politique d'inventaire "juste à temps" (JIT) pour réduire les délais.
4) Amélioration de la circulation des produits intermédiaires et des matières en modifiant les
procédures de quantité d'ordre.
5) Modification des paramètres des procédures de quantité d'ordre existantes.

L'objectif du modèle de simulation est de déterminer quelles sont les stratégies les plus efficaces pour
lisser les variations dans la structure de la demande. La stratégie du juste-à-temps (stratégie 3 ci-
dessus) et la stratégie du retrait de l'échelon (stratégie 1ci-dessus) ont été observées comme étant les
plus efficaces pour le lissage des variations de la demande.
Wikner et al., 1991 examinent cinq stratégies d'amélioration de la chaîne logistique, puis mettent en
application ces stratégies sur un modèle de référence de la chaîne logistique à trois étapes. Les cinq
stratégies sont (Wikner et al., 1991):
1) Parfaire les règles de décision existantes.

2) Réduire les délais entre chaque étape de la chaîne logistique.

3) Éliminer l'étape distribution de la chaîne logistique.

4) Améliorer les règles de décision à chaque étape de la chaîne logistique.

45
Chapitre3 Revue de la littérature
5) Intégrer le flux d'information, et séparer les demandes des commandes réelles, qui sont des
vraies demandes du marché, et les commandes couvertes (cover orders), qui sont des
commandes qui soutiennent les stocks de sécurité.

Leur modèle de référence comprend une seule usine (avec un entrepôt sur le site), des services de
distribution, et des détaillants. Ainsi, il est supposé que chaque service dans la chaîne abrite un certain
stock. L'implémentation de chacune des cinq stratégies différentes est effectuée en utilisant la
simulation, dont les résultats sont ensuite utilisés pour déterminer les effets des différentes
stratégies sur la réduction des fluctuations de la demande. Les auteurs concluent que la stratégie
d'amélioration la plus efficace est la stratégie 5, en améliorant le flux d'information à tous les niveaux
tout au long de la chaîne, et en séparant des commandes.

[Link] de la performance de la chaîne logistique

Un composant important dans la conception et l'analyse de la chaîne logistique est l'établissement des
mesures de performance appropriées. Une mesure de performance, ou un ensemble de mesures de
performance, est employée pour déterminer l'efficience et/ou l'efficacité d'un système existant, ou pour
comparer des systèmes alternatifs concurrents. Les mesures de performance sont également utilisées
pour la conception des systèmes proposés, en déterminant les valeurs des variables de décision qui
rapportent le(s) niveau(x) le(s) plus souhaitable(s) de la performance. La littérature disponible identifie
un certain nombre de mesures de performance comme importantes dans l'évaluation de l'efficacité et de
l'efficience de la chaîne logistique. Ces mesures, décrites dans cette section, peuvent être classées
comme étant soit qualitatives ou quantitatives.

[Link] de performance qualitatives

Les mesures de performance qualitatives sont les mesures pour lesquelles il n'y a aucune mesure
numérique directe, bien que certains de leurs aspects peuvent-être quantifiés. Ces objectifs ont été
identifiés comme importants, mais ne sont pas employés dans les modèles passés en revue ici:

 Satisfaction du client: Le degré pour lequel les clients sont satisfaits du produit et/ou du
service reçu et peut s'appliquer aux clients internes ou externes. La satisfaction du client est
composée de trois éléments (Christopher, 1994) :
1) Satisfaction pré-transactionnelle: la satisfaction associée à des éléments de services
survenant avant l'achat du produit.
2) Satisfaction de transaction: satisfaction liée aux éléments de service directement
impliqués dans la distribution physique des produits.
3) Satisfaction post-transactionnelle : la satisfaction liée au soutien prévu pour les produits
en cours d'utilisation.
4) Flexibilité: Le degré pour le quel la chaîne d'approvisionnements peut répondre aux
fluctuations aléatoires de la demande.

46
Chapitre3 Revue de la littérature
 Flexibilité: Le degré pour le quel la chaîne logistique peut répondre aux fluctuations aléatoires
de la demande.
 L'intégration des flux d'information et de matière (Nicoll, 1994): La mesure pour laquelle
toutes les fonctions au sein de la chaîne logistique communiquent l'information et transportent
le matériel.
 Gestion efficace des risques (Johnson et al., 1995): Toutes les relations au sein de la chaîne
logistique contiennent des risques inhérents. La gestion efficace des risques décrit le degré
pour lequel les effets de ces risques sont minimisés.
 La performance des fournisseurs: Exécution de fournisseur: Avec quelle cohérence les
fournisseurs fournissent les matières premières aux services de production à temps et en bon
état.

[Link] de performance quantitatives

Les mesures de performance quantitatives sont les mesures qui peuvent être directement décrites
numériquement. Les mesures de performance quantitatives de la chaîne logistique peuvent être
classées par catégorie selon : (1) les objectifs basés directement sur le coût ou le profit et (2) les
objectifs basés sur une certaine mesure de réactivité du client.

[Link] basées sur le coût

 Minimisation du coût: L'objectif le plus largement utilisé. Le coût est généralement
minimisé pour une chaîne logistique entière (coût total), ou est minimisé pour les unités
d'affaires particulières ou les étapes.
 Maximisation de ventes (Hammel et Kopczak, 1993): Maximiser la quantité des ventes ou
d'unités vendues.
 Maximisation du profit: Maximiser les revenus à moindres coûts.
 Minimisation des investissements en stocks (Lee et Billington, 1993): Minimiser le montant
des coûts de stockage ( y compris les coûts des produits et les coûts de possession).
 Maximisation du retour sur l'investissement (Christopher, 1994): Maximisez le ratio du
bénéfice net par rapport au capital utilisé pour produire ce bénéfice.

[Link] basées sur la réponse du client

 Maximisation du taux de remplissage (fill rate) : Maximiser la fraction des commandes des
clients satisfaites à temps.
 Minimisation du retard de production: Minimiser la durée de temps entre la date de
livraison du produit promise et la date de livraison réelle.
 Minimisation du temps de réponse de client: minimiser la durée de temps requise à partir du
moment où une commande est passée jusqu'au moment où la commande est reçue par le
client. Se rapporte habituellement aux clients externes seulement.

47
Chapitre3 Revue de la littérature
 Minimisation des délais d'exécution : Minimiser la durée de temps entre le moment où un
produit commence sa fabrication jusqu'au moment où il est complètement traité.

 Minimisation de la duplication des fonctions (Nicoll, 1994): Minimiser le nombre de

fonctions d'affaires qui sont fournies par plus d'une entité d'affaires.

[Link] de performance utilisées dans la modélisation la de chaîne logistique

Comme mentionné ci-dessus, un élément important dans la modélisation de la chaîne logistique est
l'établissement des mesures de performance appropriées. Chacun des modèles passés en revue dans la
section 3 a cherché à optimiser une ou plusieurs mesures de performance de la chaîne logistique, étant
donné un ensemble de contraintes physiques ou opérationnelles du système. Le tableau 1ci-dessous
résume les mesures de performance utilisées dans la recherche passée en revue.

48
Chapitre3 Revue de la littérature

Tableau 5 : Mesures de performance dans la chaîne logistique

Bases Mesure de performance Auteurs

Camm et al., 1997
Lee et al., 1997
Lee and Feitzinger, 1995
Tzafestas and Kapsiotis, 1994
Pyke and Cohen 1994
Pyke and Cohen, 1993
Minimisation des coûts Lee et al., 1993
Svoronos and Zipkin, 1991
Cohen and Moon, 1990
Cohen and Lee, 1988
Coût
Ishii et al., 1988
Williams, 1983
Williams, 1981

Altiok and Ranjan, 1995

Minimisation des niveaux de stocks moyens
Towill and Del Vecchio,1997

Maximisation du profit Cohen and Lee, 1989

Minimisation des stocks périmés Ishii et al., 1988

Lee and Billington, 1993

Client
Atteindre le niveau de service cible (full rate) Lee et al., 1993
Towill and Del Vecchio, 1994

Altiok and Ranjan , 1995

Minimisation de la probabilité de rupture de stock
Réactivité Ishii et al., 1988

Newhart et al., 1993

Minimisation de la variation de la demande de produit
ou l'amplification de la demande Towill et al., 1992
Coût et
Towill, 1991
réactivité client
Wikner et al., 1991

Maximisation du bénéfice clien-fournisseur Christy and Grout, 1994

Coût et temps Minimisation du nombre de jours d'activité et du coût

Arntzen et al., 1995
d'activité total

Flexibilité Maximisation de la capacité du système disponible Voudouris, 1994

49
Chapitre3 Revue de la littérature

[Link] variables de décision dans la modélisation de la chaine logistique

Dans la modélisation des chaînes logistique, les mesures de performance (telles que celles décrites dans
la section 4) sont exprimées comme fonctions d'une ou plusieurs variables de décision. Ces variables de
décision sont alors choisies de façon à optimiser une ou plusieurs mesures de performance. Les
variables de décision utilisées dans les modèles passés en revue sont décrites ci-dessous.

 Établissement du programme de Production/distribution: Établissement du programme de la

fabrication et/ou de la distribution.
 Niveaux des stocks: Détermination de la quantité et de l'emplacement de chaque matière
première, assemblage partiel, et stockage de l'assemblage final.
 Nombre d'étapes (échelons): Détermination du nombre d'étapes (ou d'échelons) que comprendra
la chaîne logistique. Ceci implique l'augmenter ou la diminution du niveau d'intégration
verticale de la chaîne en combinant (ou éliminant) des étapes ou en séparant (ou en ajoutant) des
étapes, respectivement.
 Affectation des centres de distribution (CD) à la clientèle: Déterminer quel (CD) servira quelle
clientèle
 Affectation des produits aux usines: Déterminer quelle(s) usine(s) fabriquera quel(s) produit(s).
 Relations client-fournisseurs: Déterminer et développer les aspects critiques de la relation
client-fournisseurs.
 Spécifications de l'étape de différentiation du produit: Déterminer l'étape dans le processus de
fabrication du produit dans laquelle le produit devrait être différencié (ou spécialisé).
 Nombre de types de produit figurant dans le stock: Déterminer le nombre des différents types
de produits qui seront gardés en stock de produits finis.

[Link] de recherches
Les modèles étudiés ici, et résumés ci-dessus dans le tableau 1, utilisent un certain nombre de mesures
de performance définies dans les sections 4.1 et 4.2. Le tableau 2 résume l'étude passée en revue. Pour
chacun des modèles étudiés, le tableau illustre: (1) le type(s) de méthodologie de modélisation utilisée,
(2) le mesure(s) de performance utilisée, et (3) la variable(s) de décision utilisée pour optimiser la
mesure(s) de performance associée.

Tableau 6 : Résumé revue de la littérature

50
 Types de modèles Mesures de performance Variables de décision
Spécificatio Nombre
Réactivité Programme Affectation Relation n de l'étape de types
Auteurs analytiques Analytiques Simulatio client/com Temps de
Niveaux des
Nombre des CD aux
affectatio
client- de de
Economiques Coût Flexibilité stocks/ taille n usine-
déterministes stochastiques n mandes en d'activité production/ d'étapes client/ fournisseu différenciati produits
des lots produit
attente distribution emplacement r on du gardés en
produit stock

Altiok et Ranjan, 1995 X X X X X

Arntzenet al., 1995 X X X X X X X
Camm et al., 1997 X X X
Christy et Grout, 1994 X X X X
Cohen et Lee, 1988 X X X
Cohen et Lee, 1989 X X X X
Cohen et Moon, 1990 X X X
Ishii et al., 1988 X X X X X
(Lee et Billington, 1993) X X X
Lee et Feitzinger, 1995 X X X
Lee et al ., 1993 X X X X
Lee et al., 1997 X X X
Pyke et Cohen, 1993 X X X
Pyke et Cohen, 1994 X X X
Newhart et al ., 1993 X X X X X
Svoronos et Zipkin,1991 X X X X
Towill, 1991 X X X X
Towill et al ., 1992 X X X X X
Towill et Del Vecchio,1994 X X X
Tzafestas et Kapsiotis, 1994 X X X
Voudouris, 1996 X X X
Williams,1981 X X X
Williams, 1983 X X X
Wikner et al ., 1991 X X X X X

51
Chapitre3 Revue de la littérature

L'approche et l'étendue de la recherche existante dans la conception et de l'analyse des chaînes

logistiques illustre un certain nombre de questions qui n'ont pas été encore abordées dans la
littérature. Cette section propose une revue des recherches pour la conception et l'analyse de la
chaîne logistique dans: (1) l'évaluation et le développement des mesures de performance de la
chaîne logistique, (2) le développement de modèles et de procédures visant à relier les variables
de décision aux mesures de performance, (3) considération des questions touchant la
modélisation de la chaîne logistique, et (4) la classification des systèmes de chaîne logistique
afin de permettre le développement de règles de base ou de techniques générales pour aider à la
conception et l'analyse des chaînes logistiques de fabrication.

[Link] de performance de la chaîne logistique

Le tableau 1 identifie les mesures de performance qui ont été employées dans la littérature. Ces
mesures, et d'autres, peuvent être appropriées pour la conception et l'analyse de la chaîne
logistique. La recherche disponible n'a pas expressément abordé la pertinence ou l'adéquation des
mesures de performance existantes de la chaîne logistique.
Plus spécifiquement, les questions de recherches qui peuvent avoir une réponse sont:

 Les mesures de performance existantes sont-elles appropriées pour les chaînes

logistiques? Il est peu probable qu'une seule mesure de performance soit suffisante pour
une chaîne logistique entière (le lecteur intéressé se reportera à (Beamon, 1996) pour
une évaluation des mesures de performance de la chaîne logistique). Il est plus probable
qu'un système ou une fonction de mesures de performance soit nécessaire pour la mesure
précise et complète des systèmes de chaîne logistique.
 Quelles sont les mesures de performance appropriées pour les chaînes logistiques?
Autrement dit, quels types de mesure de performance ou de systèmes de mesure de
performance sont appropriés pour l'analyse de la performance d'une chaîne logistique, et
pourquoi?

[Link] de la chaîne logistique

Un élément important dans la conception de la chaîne logistique est de déterminer comment une
conception efficace de la chaîne logistique est réalisée, étant donné une mesure de performance,
ou un ensemble de mesures de performance. La recherche dans la modélisation de la chaîne
logistique a seulement survolé la façon dont les stratégies de la chaîne logistique (ou les
variables de décision) peuvent influer sur une mesure de performance donnée, ou un ensemble de
mesures de performance. (Lee et Whang, 1993 et Chen, 1997) sont des exemples de ces
recherches. (Lee et Whang, 1993) développent un système de mesure de performance qui tente
de faire correspondre les indicateurs de performance des gestionnaires de la chaîne logistique
avec ceux de la chaîne logistique entière, afin d'essayer de minimiser la perte totale liée aux buts
contradictoires. De même, (Chen, 1997) étudie également la relation entre les différents
52
Chapitre3 Revue de la littérature

gestionnaires de la chaîne logistique et la chaîne logistique dans son ensemble, mais il le fait sur
la base des coûts de stockage. Dans ce travail, Chen cherche à développer des règles de décision
optimales des stocks pour les gestionnaires (qui n'ont que l'information locale), il cherche à
développer des règles de décision optimales de inventaire pour les directeurs qui ont comme
conséquence des coûts de possession et de commande en attente minimums à long terme pour
l'ensemble du système.
Le tableau 2 indique que la majorité des modèles utilisent le niveau de stock comme variable de
décision et le coût comme mesure de performance. Cependant, comme également indiqué dans
le tableau 2, il y a un certain nombre d'autres variables de décision (et peut-être d'autres qui n'ont
pas été encore étudiées) qui peuvent être liées de manière appropriée à un système de mesures de
la performance composé des mesures énumérées dans le tableau 2 et peut-être d'autres qui n'ont
pas encore été étudiées. Ainsi, la recherche nécessite d'approprier les systèmes de mesure de la
performance aux variables de décision critiques de la chaîne logistique.

[Link]èmes de la modélisation de la chaîne logistique

Dans la modélisation de la chaîne logistique, il y a un certain nombre questions qui suscitent une
attention accrue, comme en témoigne leur considération répandue dans le travail passé en revue
ici. Ces questions sont : (1) ajournement de produit (product postponement), (2) modélisation de
chaîne logistique à une seule nation contre global (global vs. single-nation supply chain ), et (3)
la distorsion de la demande et l'amplification de la variation.

[Link] de produit Product postponement

L'ajournement du produit est la pratique consistant à retarder une ou plusieurs opérations à un
point postérieur dans la chaîne logistique, retardant ainsi le point de différentiation du produit. Il
y a de nombreux avantages potentiels à tirer de l'ajournement, un des plus convaincants est la
réduction de la valeur et de la quantité de stocks détenus, ayant pour résultat des coûts de
possession plus bas. Il y a deux considérations principales dans le développement d'une stratégie
d'ajournement pour un article particulier: Il y a deux considérations primaires en développant une
stratégie d'ajournement pour un article particulier : (1) déterminé combien d'étapes à ajourner et
(2) déterminer quelles étapes à ajourner. La recherche courante traitant la stratégie d'ajournement
comprend Lee et Feitzinger, 1995 et Johnson et Davis, 1995.

[Link]élisation de chaine logistique simple nation Vs mondiale (Global [Link] nation

supply chain modeling)
Les chaînes logistiques globales (GSC) sont des chaînes logistiques qui fonctionnent (c.-à-d.,
contiennent des services) dans plusieurs pays. Dans la modélisation des GSC, il y a des
considérations supplémentaires qui influent sur la performance des SC qui ne sont pas présentes
dans les chaînes logistique fonctionnant dans une seule nation. Les règlements sur l'exportation,
les droits de douane, et les taux de change sont quelques unes des considérations supplémentaires

53
Chapitre3 Revue de la littérature

nécessaires dans ma modélisation des GSC. (Kouvelis et Gutierrez, 1997 ; Arntzen et al .,

1995 ; Cohen et Lee, 1989) traitent des problèmes liés à la modélisation des GSC.

[Link] de la demande et amplification de la variation

La déformation (distorsion) de la demande est le phénomène dans lequel les "ordres au
fournisseur ont une plus grande variation que les ventes à l'acheteur" et l'amplification de la
variation se produit quand la distorsion de la demande " se propage en amont sous forme
amplifiée " (Lee et al., 1997). Ces phénomènes (également connus sous le nom de "l'effet coup
de fouet") sont communs dans des systèmes de chaîne logistique et ont été observés par
Forrester dès 1961. Les conséquences de l'effet de coup de fouet sur la chaîne logistique
peuvent être graves, la plus grave est les coûts de stockage excessifs. En conséquence, un certain
nombre de stratégies ont été développées pour contrecarrer les effets de la déformation de la
demande et de l'amplification de la variation. Une discussion détaillée des problèmes et des
stratégies liés à l'effet coup de fouet peut être trouvée dans (Houlihan, 1987 ; Towill, 1991 ;
Newhart et al., 1993 ; Towill,1996 ; Lee et al., 1997).

[Link] des chaine logistiques

Les systèmes de chaîne logistique sont complexes. Ainsi, les modèles et les méthodes employés
pour étudier précisément ces systèmes sont, comme on peut s'y attendre, aussi complexes.
Cependant, si les systèmes de chaîne logistique peuvent être classés sur les bases des
caractéristiques spécifiques, telles que l'incertitude ou le volume de la demande, le nombre
d'échelons, ou le nombre d'articles produits, il peut y avoir des règles approximatives qui
proposent des caractéristiques opérationnelles qui peuvent atteindre un certain objectif (ou un
ensemble d'objectifs). Ainsi, la recherche qui développe un schéma de classification significatif
pour les systèmes de chaîne logistique est nécessaire, elle conduit vers des associations de règles
approximatives entre les variables de décision et des objectifs de performance.

[Link] aspects financiers dans la chaine logistique

Un grand nombre d'ouvrage existe sur l'analyse de la SC et l'optimisation ([Bok et al, 2000];
[Tsiakis et al, 2001]; [Cheng et al, 2003]; [Guillen et al, 2005 a, b, c, 2006]). Les modèles
traditionnels de la SC se concentrent uniquement sur la détermination du bénéfice ou la
maximisation du revenu, ou le programme de minimisation du coût de fabrication dans une SC
depuis les fournisseurs aux usines de fabrication aux points de distribution et, enfin, aux points
de ventes. Ces modèles négligent les conséquences des flux financiers sur le plan de production
optimal.
Jusqu' à aujourd'hui, les processus opérationnels et les finances ont été traités comme des
problèmes distincts et les approches de modélisation qui les soutiennent ont été
traditionnellement mises en œuvre dans des environnements indépendants. Bien que la nécessité

54
Chapitre3 Revue de la littérature

de tenir compte des aspects financiers en construisant des modèles de processus opérationnels
ait été soulignée dans la littérature ([Applequist et al, 2000]; [Shapiro, 2001];[ Shah, 2005]),
l'intégration des deux secteurs a jusqu'ici suscité peu d'attention et attend actuellement davantage
d'études.
Cependant, les travaux de [Romero et al, 2003] et [Badell et al, 2004], qui portent sur
l'intégration des aspects financiers avec la planification à court terme des processus dans
l'industrie chimique, sont des contributions appréciées dans le domaine. Au niveau de la
conception, [Yi et Reklaitis, 2004] ont également présenté une analyse intégrée des décisions de
production et de financement concernant la conception optimale des réseaux de stockage.
Un outil intégré pour le SCM permettrait aux gestionnaires de "jouer" avec les différentes
solutions de planification en tenant compte de toute l'information disponible et d'avoir une idée
claire des conséquences de chaque alternative testée. Avec cette aide, il est possible d'évaluer
correctement l'impact des décisions des processus opérationnels sur le secteur financier dans le
SCM. Cette nouvelle philosophie permettra aux directeurs d'acquérir un avantage concurrentiel
par rapport à ceux qui ne vérifient ni la faisabilité ni l'optimalité des décisions de processus
opérationnels du point de vue financier.

Conclusion
Une chaîne logistique est définie comme un ensemble de relations entre des fournisseurs, des
fabricants, des distributeurs, et des détaillants qui facilite la transformation des matières
premières en produits finis. Bien que la chaîne logistique soit composée d'un certain nombre de
composants métier, la chaîne elle-même est considérée comme une seule entité.
Traditionnellement, les praticiens et les chercheurs ont limité leurs analyses et portée à des
étapes individuelle dans la chaîne étendue, mais ils ont récemment identifié un besoin d'une
approche plus intégrée pour la conception du système de fabrication. Par conséquent, le cadre de
chaîne logistique est apparu comme un élément important de cette approche nouvelle et
intégrée.
L'objectif de ce chapitre est double:
(1) Fournir un examen ciblé de la littérature dans la modélisation de la chaîne logistique
(2) Souligner l'importance d'intégrer les aspect financiers avec les processus opérationnels
dans la modélisation des chaines logistiques.

Cette intégration sera traitée dans le prochain chapitre.

55
 Chapitre4 :
Le modèle de Planification Intégré
Chapitre4 Le modèle de planification intégré

Introduction
Le SCM recherche l'intégration d'une usine avec ses fournisseurs et ses clients afin d'être
contrôlée dans l'ensemble, et la coordination de tous les flux d'entrée-sortie (flux de matière,
informationnels et de financiers) de sorte que les produits soient fabriqués et distribués à la
bonne quantité, au bon endroit, et au bon moment [Simchi-Levi et al, 2000].

Le but de ce chapitre est de présenter des considérations budgétaires dans un modèle de base de
SC et de diriger l'attention de la gestion dans le processus de planification de la production vers
l'objectif plus général de maximiser les profits de l'entreprise.
Le chapitre est structuré comme suit :
D'abord, un modèle de planification déterministe, standard de SC est présenté; Puis, des modèles
financiers sont passés en revue, et un modèle financier approprié au SCM est décrit. Ensuite, le
modèle déterministe intégré, qui combine les opérations de la SC et les finances, est
présenté.[Gonzalo et al, 2007].

Enfin, un modèle intégré développé à partir des travaux de [Gonzalo et al, 2007] est adapté à une
entreprise de production agroalimentaire et les résultats expérimentaux sont présentés.

[Link] et planification:

Figure 24 : Structure de la chaine logistique

56
Chapitre4 Le modèle de planification intégré

La formulation mathématique présentée a été obtenue à partir de la structure de la SC à quatre

échelons donnée dans la Figure.1. Cependant, le modèle peut être étendu à des structures plus
complexes de SC. La SC mentionnée ci-dessus inclut les éléments suivants:

 Un ensemble de fournisseurs externes qui fournissent les matières premières, les produits
intermédiaires et les produits finis aux usines, aux entrepôts et aux marchés.
 Un ensemble de fournisseurs internes, qui produisent des produits intermédiaires à partir
des matières premières fournies par les fournisseurs externes.
 Un ensemble d'usines où les produits finis sont manufacturés avant d'être envoyé aux
entrepôts. Ce travail comprend les SC avec des usines intégrées à multiples produits. On
considère que les matières premières sont transférées à partir des stocks vers l'unité de
production, et à la fin du processus, les produits sont directement transférés aux camions
pour être transportés aux différents clients ou aux stocks.
 Un ensemble d'entrepôts où les produits sont stockés avant d'être transportés aux marchés
finaux.
 Un ensemble de marchés finaux où les produits sont à la disposition des clients.

Une représentation du temps qui permet l'accommodation des incertitudes en utilisant une
formulation déterministe appelée "Rolling horizon mode" (mode horizon mobile) [Reklaitis,
1982], a été adoptée pour 'établir le programme de planification intégrée de la SC avec les usines
intégrées. C'est-à-dire, l'horizon des opérations est divisé en un certain nombre de périodes, et le
modèle avec des prévisions de demande appropriées est résolu pour obtenir des décisions de
planification pour chaque période, et seulement celles qui appartiennent à la première période
sont mises en application. À la fin de la première période, l'état du système, y compris les
niveaux de stocks, est mis à jour et le cycle est répété avec l'horizon avancé par une période
considérant la demande prévue pour la nouvelle période. Par conséquent, la formulation
déterministe décrite ci-après comporte un ensemble de périodes de planification, et seulement la
première inclut les décisions du programme détaillées avec des incréments de temps plus courts.
Ce détail de période se déplace pendant que le modèle est résolu à temps, d'où le terme "horizon
mobile".
Par ailleurs, les contraintes d'établissement du programme fournissent une évaluation précise des
limites de capacité de l'usine pour la première période de planification, dans laquelle les
décisions sont mises en application en temps réel. Quand de telles contraintes ne sont pas
ajoutées, les taux de production calculés par la formulation de planification surestiment ou sous-
estiment habituellement la vraie capacité de l'usine menant de ce fait aux plans infaisables ou
suboptimaux. En fait, historiquement, dans les usines complexes le plan d'affaire surestime la
vraie capacité de l'usine parce que les interactions entre les lots ne sont pas prises en
considération [Raaymakers et al, 1997].

57
Chapitre4 Le modèle de planification intégré

Le modèle proposé divise l'horizon de planification et d'ordonnancement H en un ensemble de

périodes H1 où la production est planifiée en utilisant les demandes, connues et estimées. La
première période de l'horizon du temps est divisée en plusieurs intervalles de temps H2 de
longueur inférieure où la production est programmée (voir le Figure 2). Le modèle doit être ré
exécuté à chaque période H1 que les prévisions deviennent des ordres réels. Par conséquent, les
résultats des périodes de planification au delà de la première période actuelle H1 n'atteindront
jamais l'exécution. Cependant, il est important de les considérer lors de la résolution de l'horizon
de planification, parce qu'on peut considérer la possibilité de programmation dans la première
période de planification de la production des matériaux requis dans des périodes postérieures et
les garder comme stock.

Figure 25 : Représentation du temps

[Link]ère étape: l'ordonnancement détaillé :

Ici, les programmes de production détaillés des usines intégrées dans la SC et les décisions de
transport à mettre en application à travers les nœuds sont calculés. La première période de temps
H1 est divisée en t intervalles de type H2 de longueur inférieure. Deux type de contraintes sont
considérés au cours de cette première période, les équations de bilan de matière et les contraintes
de calendrier. Les deux ensembles d'équations sont décrits après.

[Link] de bilan de matière :

Ces équations sont nécessaires afin d'assurer les bilans de matière dans chacun des emplacements
intégrés dans la SC (les fournisseurs internes IS, les usines BP, les entrepôts WH et les marchés
finaux MK).
Par conséquent, pour chaque intervalle de temps t la quantité totale du produit intermédiaire p
fabriqué par un fournisseur interne (QiptIS ) plus le stock initial de p gardé à i ( INViptIS1 ) doit être

58
Chapitre4 Le modèle de planification intégré

égal à la quantité de p transportée de i aux usines j ( Aijpt ) plus le stock final ( INViptIS ) conservé à i,
comme indiqué par l'équation (1):

QiptIS  INViptIS1   Aijpt  INViptIS i, p, t. (1)

j

En outre, dans chaque période de planification t, la quantité de matière première r transportée

IS
des fournisseurs externes e aux fournisseurs internes i ( ESeirt ) plus le stock initial de r gardé à i
( INVirtIS1 ) doit être égal à la quantité de r consommée dans la fabrication du produit
intermédiaire p à i ( QiptIS multiplié par un coefficient de conversion de masse  rp ), plus le stock
final de r à i ( INVirtIS ) comme il est exprimé dans la contrainte (2):

 ES e
IS
eirt  INVirtIS1   QiptIS . rp  INVirtIS i, r , t.
p
(2)

Les équations (3) et (4) expriment les bilans de matière pour les usines en lots, et sont semblables
aux contraintes (1) et (2). Dans ce cas, les usines peuvent recevoir des produits intermédiaires
d'un fournisseur externe ou interne. Dans ces équations, QoutiftBP représente la quantité total du
BP
produit fini f fabriqué à l'usine j pendant l'intervalle de temps t, INV jpt et INV jftBP les stocks
initiaux du produit intermédiaire p et du produit final f, respectivement, conservé à j, B jkft la
BP
quantité de f transportée de l'usine en lots j aux entrepôts k, ESejpt la quantité du produit
intermédiaire p transporté depuis les fournisseurs externes e jusqu'aux usines j dans l'intervalle
de temps t, tij la durée de séjour entre i et j et  fp un coefficient de conversion de masse.

jft  INV jft 1   B jkft  INV jft

Qout BP j , f , t
BP BP
(3)
k

 ES
e
BP
ejpt   Aijpt tij  INV jptBP1   QiniftBP . fp  INV jptBP j, p, t.
i f
(4)

WH
L'équation(5) assure le bilan de matière pour les entrepôts. ESekft est la quantité de f fournie par
le fournisseur externe e à l'entrepôt k dans l'intervalle de temps t, INVkftWH1 le stock initial de f
conservé à l'entrepôt k et Cklft la quantité du produit fini f envoyé de l'entrepôt k aux marchés l.

 ES
e
WH
ekft   B jkft t jk  INVkftWH1   Cklft  INVkftWH k , f , t.
j l
(5)

La contrainte (6) représente les bilans de matière pour les marchés. Les marchés se comportent
comme des entrepôts dans lesquels l'épuisement des matières est dû aux ventes des produits.
Par conséquent, pour chaque intervalle de temps t, la quantité de f achetée aux fournisseurs
MK
externes e ( ESelft ) plus la quantité du produit fini f venant des entrepôts k (Cklft tkl ) plus le stock
initial de f gardé à l ( INVlftMK
1 ) doit être égal à la quantité de f vendue au marché l ( Saleslft ) plus

le stock final de f à l ( INVlftMK ) .

59
Chapitre4 Le modèle de planification intégré

 ES
e
MK
elft   Cklft tKL  INVlftMK
k
1  Saleslft  INVlft
MK
l , f , t. (6)

En conclusion, les ventes du produit fini f effectué sur le marché k pendant l'intervalle de temps t
( Saleslft ) sont contraintes à être inférieures ou égales à la demande (7). Nous considérons ainsi
dans ce travail que, contrairement à d'autres travaux dans la littérature, une partie de la demande
peut effectivement être non satisfaite en raison des limites de capacité.
Saleslft  Demlft l , f , t. (7)

[Link] liées au calendrier :

Ces contraintes permettent de calculer le temps initial et final de toutes les tâches impliquées
dans la production des lots fabriqués dans les usines et d'assurer également la faisabilité des
programmes correspondants. La formulation proposée est basée sur un concept de division en
lots. Avec cette formulation l'horizon du temps est considéré comme une séquence de lots, dont
chacun est affecté à un produit particulier. Le nombre maximum de lots qui peuvent être
fabriqués à chaque usine j peut être estimé sur la base des limitations de capacité ou donné par le
décideur. Les séquences de décisions sont liées à une variable binaire X jl j f qui représente
l'existence d'un lot l j du produit final f à l'usine j et prend la valeur 1 au cas où l j appartiendrait
à f et 0 sinon.
1 si le lot l j fabriqué à l 'usine j appartient au produit final f
X jl j f  
0 sinon
X f
jl j f  1 j, l j (8)

X
f
jl j f   X jl j 1 f l j  L j
f
(9)

Ainsi, d'après l'équation (8) un lot l j ne peut pas appartenir à plus d'un produit f, alors que la
contrainte (9) est appliquée pour s'assurer que les lots non-produits sont situés au début du
programme. Bien que la contrainte (9) ne soit pas nécessaire, elle aide aux calculs. En effet, en
fixant la position des lots non-produits nous obtenons des arbres "branch-and-bound" plus petits
et des temps de calcul plus courts. La position spécifique de ces lots non-produits (au début du
programme) est absolument arbitraire, et est choisie pour la simplicité.
En ce qui concerne les tâches de production accomplies à l'usine et afin de réduire la complexité
de la formulation, seul le cas d'une politique zéro attente (ZW) est ici considéré. Ni le stockage
intermédiaire ni les temps d'attente dans les unités de traitement ne sont disponibles. Dans le
cadre de la politique de ZW, il ne peut y avoir aucun retard entre le moment où un lot de produit
termine d'être traité sur l'étape o (TFjl j o1 ) et le temps où débute le traitement à l'étape
o  1(TI jl j o1 ) comme indiqué par la contrainte (10).
TI jl j o1  TFjl j o j, l j , o  0. (10)

60
Chapitre4 Le modèle de planification intégré

Le temps de fin de l'étape o à l'usine j impliquée dans la production du lot l j (TFjl j o ) est calculé
de la période initiale de o à j (TI jl j o ) et son temps de fonctionnement, qui est indiqué par la
recette du produit le lot appartient à (top jfo ) , comme il est exprimé dans la contrainte (11).
TFjl j o  TI jl j o   top .X jl j f j, l j , o. (11)
f jfo

L'hypothèse de ZW ayant pour résultat les équations. (10) et (11) peut être facilement modifiés
afin de considérer d'autres politiques de transfert.
On a également supposé que seule une ligne de production avec un équipement affecté par étape
est disponible. Par conséquent, l'étape o impliquée dans la fabrication du lot l j à l'usine j doit
commencer après la fin de la même étape o exécutée dans n'importe quel lot précédent comme il
est exprimé dans l'équation (12).
TI jlj o  TFjl j o j, o, l j  l j (12)
Enfin, le temps initial et le temps final de n'importe quelle étape o de l j à l'usine j sont contraints
d'être inférieurs à l'horizon de temps H fourni l j est produit (les contraintes (13) et (14)).
TI jl j o  H . X jl j f j , l j , o. (13)
f

TFjl j o  H . X jl j f j , l j , o. (14)
f

Le montant total du produit f fabriqué à l'usine j pendant la période t (Qout BP

jft ) est calculé en

additionnant toutes les tailles des lots bs jf des l j de f produits pendant la période t comme
exprimé par l'équation (15).
jft   bs jf . X jl j f .Y jl j t j , f , t .
Qout BP (15)
lj

Dans cette équation, Y jl j t est une variable binaire utilisée pour affecter les lots à des périodes de
temps, et prend la valeur 1 si la dernière étape du lot l j fabriqué à l'usine j est terminée dans
l'intervalle de temps t et 0 sinon. Si les limites de l'intervalle t  1, NT  ,où NT représente le
nombre total de périodes dans lesquelles l'horizon de planification est divisé, et sont notés Tt 1 et
Tt ,la définition ci-dessus peut être représentée par les contraintes linéaires suivantes:
1 si TFjl j o  Tt 1 , Tt 
Y jl j t  
0 sinon
Y
t
jl j t  1 j , l j (16)

 TF 
t
jl j ot  TF jl j o j , l j , t. (17)

Y jl j t .Tt 1  TFjl j ot  Y jl j t .Tt j , l j , t. (18)

61
Chapitre4 Le modèle de planification intégré

La contrainte (16) s'assure que chaque lot l j soit terminé au cours d'une seule période de temps,
c.-à-d. seulement une des variables Y jl j t (disons, pour t  t * ) prend la valeur 1, toutes les autres
étant égales à 0. La contrainte (18) affecte chacun des lots à son intervalle de temps
correspondant en utilisant la variable binaire définie Y jl j t .Cette équation pousse la variable
auxiliaire continue TFjl j Ot vers 0 pour tout t  t * ,tout en limitant également TFjl j Ot dans l'intervalle
Tt* 1 , Tt*  .Enfin, la contrainte (17) exprime la condition pour laquelle l'addition de la variable
auxiliaire TFjl j Ot au delà de t doit être égale au temps où le lot l j finit sa dernière étape O, ce qui
implique que TFjl j O  TFjl Ot* et, donc TFjl j O  Tt* 1 , Tt*  comme voulu.
j

Des contraintes similaires peuvent être dérivées afin de lier les équations de planification à la
quantité de f fabriquée à l'usine j pendant la période t (Qin BP
jft ) .Dans ce cas, une variable binaire

Y jl j t est définie, elle prend la valeur 1 si le lot l j est lancé dans l'intervalle t ou 0 sinon.
Par conséquent, la contrainte (19) s'assure que chaque lot l j appartient à seulement une période
de temps, alors que les équations (20) et (21) sont utilisées pour affecter l j au bon intervalle de
temps, en utilisant la variable auxiliaire continue TI jl j Ot .

Y 
t
jl j y  1 j , l j , (19)

 TI 
t
jl j Ot  TFjl j O j , l j , (20)

Y jl j .Tt 1  TFjl j Ot  Y jl j t .Tt j , l j , t. (21)

La quantité totale du produit f fabriqué à l'usine j pendant la période t (Qin BP
jft ) est finalement

déterminée au moyen de l'équation (22).

jft   bs jf . X jl j f .Y jl j t j , f , t.
Qin BP  (22)
lj

1.2 Deuxième étape: planification de la production :

À l'étape de production, t  périodes sont considérées.
Ici, ni le nombre exact de lots produits ni leur ordre dans les lignes de fabrication sont calculés
au cours de chaque période, à l'exception du premier, mais il est estimé au moyen des facteurs de
capacité.
Les équations correspondantes (contraintes (23) – (29)) sont en effet égales à celles utilisées
précédemment. Dans ce cas, la longueur des intervalles H1 pour lesquels elles sont définies est
plus grande que celle des périodes de planification H2.

62
Chapitre4 Le modèle de planification intégré

QHIS1ipt   INVHIS1ipt 1   AH 1ijpt   INVHIS1ipt  i, p, t , (23)

j

 ES
e
IS
H 1irt   INVHIS1irt 1   QHIS1ipt  . rp  INVHIS1irt 1 i, r , t ,
p
(24)

Qout HBP1ift   INVHBP1ift 1   BH 1 jkft   INVHBP1 jf t j , f , t , (25)

k

 ESe
BP
H 1ift    AH 1ijpt tij  INVHBP1 jpt 1   QinHBP1 jft  . fp  INVHBP1 jpt j , p, t ,
i f
(26)

 ESe
WH
H 1ekft    BH 1 jkft t jk  INVHWH
j
1kft    CH 1klft   INVH 1kft  k , f , t ,
l
WH
 (27)

 ES
e
MK
H 1elft    CH 1klfttkl  INVHMK
k
MK

1lft  1  SalesH 1lft   INVH 1lft  l , f , t , (28)

SalesH 1lft   DemH 1lft  l , f , t , (29)

La relation entre les variables de planification détaillées appliquées aux périodes H2 et celles
appartenant aux intervalles de planification H1 est effectuée en imposant le montant total de
matériaux fabriqués dans tous les intervalle de temps de planification t pour égaler la quantité
produite dans la première période de planification.
La quantité de matériaux fabriqués, stockés et transportés à travers les différents emplacements
de la SC peut être contrainte à être inférieure aux capacités supérieures, qui devraient être
données par la structure du réseau.
La fonction objectif du modèle de planification est de maximiser le bénéfice global, en ignorant
les effets négatifs et positifs possibles sur la trésorerie. Par conséquent, cette performance est
calculée comme la somme des entrées d'argent provenant des ventes de produits moins les dettes
contractées dans toutes les périodes. Les passifs à une période spécifique sont dues aux achats
de matières premières, exécution des tâches, des activités de stockage et de transport, et des
achats d'une partie du produit nécessaire d'un fournisseur externe (outsourcing).

2. Gestion de la trésorerie:
Un certain nombre de modèles de budgétisation sont apparus dans la littérature de la fin des
années 50, quand les méthodes de programmation linéaire de calcul ont également émergé
([Baumol, 1952]; [Robichek et al, 1965]; [Miller et Orr, 1966]; [ Lerner et Stone, 1968]; [Orgler,
1969]). Dans le travail de [Srinivasan, 1986] une revue des modèles déterministes de gestion de
la trésorerie peut être trouvée.
Dans cette approche, la gestion à court terme de la trésorerie associée au fonctionnement de la
SC est analysée en fusionnant une formulation du budget à court terme avec la formulation de
planification de SC présentée précédemment. La connexion entre les deux modèles est ainsi
réalisée en tenant compte des entrées et sorties d'argent provenant de l'exploitation du réseau.
Ces flux sont donnés par les dates et les tailles des achats de matières premières et des services
aux fournisseurs (sorties de trésorerie) et par les ventes des produits finis aux clients (entrées de
trésorerie).

63
Chapitre4 Le modèle de planification intégré

En conséquence de cette connexion entre les formulations complémentaires, un modèle intégré

qui reflète une vision globale de l'entreprise est construit. Ce modèle permet le calcul simultané
des décisions optimales pour les deux secteurs (c.-à-d., les processus opérationnels et les
finances ). Les paiements aux fournisseurs, les impôts, les emprunts à court terme (ligne de
crédit) sont ainsi programmés ainsi que les tâches de travail effectuées dans les entités de la SC.
Le modèle inclut les catégories du bilan ( les actifs courants et le passif) nécessaires pour
calculer la variation des capitaux propres et un ensemble de contraintes budgétaires qui
représentent les soldes de trésorerie, la dette, les valeurs mobilières, les impôts et ainsi de suite.
Le modèle est ensuite présenté.

2.1 Modèle de budgétisation (économique):

Les variables et les contraintes économiques de ce modèle devraient être déterminées selon des
règles spécifiques applicables ( amortissement ), la législation (taxes), etc. Ceci peut conduire à
différentes formulations selon le cas étudié. Pour surmonter ce problème, un ensemble
d'équations générales a été développé et qui prévoient de refléter un cas standard.
Cette formulation mathématique pourrait être facilement adaptée à d'autres cas particuliers.
Les contraintes budgétaires sont définies pour les mêmes périodes de planification t  appliquées
dans la formulation de planification. Ces périodes couvrent la totalité de l'horizon de temps , y
compris les intervalles d'ordonnancement détaillés (voir la fig.2), et permettent l'intégration des
contraintes budgétaires avec les équations des processus opérationnels.
Le solde de trésorerie pour les périodes H1 est donné par la contrainte (30).
Casht  Casht 1  ECasht   NettCredit
  NettMS


  PayetRMt   PayetPRt    PayetTRt   Divt   Otherst  t . (30)

e ,t  t  t 

Dans cette équation, l'argent pour chaque période t  (Casht ) est calculé à partir des entrées et
sorties de trésorerie. Ici, Casht  est une fonction de la trésorerie précédente (Casht 1 ) , la
trésorerie exogène ( ECasht  ) , le montant emprunté ou remboursé à la ligne de crédit ( NettCredit
 ),
les ventes et les achats de titres négociables ( NettMS
 ) , les paiements sur comptes créditeurs

engagés dans toute période précédente ou actuelle t  ( PayetRMt  , PaytPR TR

t  and Payt t  ) , les dividendes

( Divt  ) et les autres sorties ou entrées d'argent prévues (Otherst  ) . La trésorerie exogène concerne
l'argent provenant des ventes de produits finis ou des immobilisations, de la mise en gage de
créances, ou de toute autre source de liquidité. Les paiements auxquels l'agent financier doit faire
face sont dus à la consommation des matières premières, aux services de travail et de transport,
et également aux dividendes (c.-à-d., le montant des retraits d'espèce de l'entreprise à un instant
donné et partagé entre les actionnaires de l'entreprise. Les différents termes de solde de trésorerie
sont décrits en détail ci-après.

64
Chapitre4 Le modèle de planification intégré


t t t tdel
Pledt t   AInct  t . (31)

Une certaine proportion des comptes débiteurs peut être mise en gage au début d'une période. La
mise en gage est le transfert d'une créance à partir du créancier précédent (cédant) à un nouveau
créancier (cessionnaire).
Quand une société met en gage ses futures créances, elle reçoit dans la même période, seulement
une partie, normalement 80% de leur valeur nominale. Ainsi, on peut supposer qu'une certaine
proportion des créances en circulation au début d'une période soit reçue durant cette période par
l'engagement comme indiqué par l'équation (31). Dans cette équation, la variable Pledt t 
représente le montant mis en gage dans l'intervalle de temps t  sur les comptes débiteurs
apparaissant dans la période t  et venant à échéance durant la période t   tdel .Nous avons supposé
dans cette formulation que tous les débiteurs ont la même période de maturation. Cette
considération peut être facilement modifiée afin de refléter des situations plus complexes.
La mise en gage représente un moyen de financement très couteux qui ne sera utilisée que
lorsque l'on ne peut obtenir plus de crédit auprès de la banque.

ECasht   AInct tdel  

t tdel t t 
Pledt tdel t   
t tdel t t 
Pledt t  . t . (32)

La trésorerie exogène est alors calculée au moyen de l'équation (32), comme la somme des
comptes débiteurs encourus dans la période t   tdel et prévu d'être collectés dans la période t  ,
plus l'argent obtenu par la mise en gage des comptes débiteurs encourus dans les périodes de
t   tdel  1 à t  . Les comptes débiteurs devant être collecté pendant la période t  sont calculés
comme la différence entre le montant total des comptes encourus dans la période t   tdel moins le
montant de ces comptes mis en gage pendant la périodes t   tdel à t   1 . Dans cette équation, 
représente la valeur nominale des créances mises en gage, normalement 80%:
Casht  MinCash t  (33)
L'équation (33) limite la trésorerie dans chaque période (Casht ) à être supérieur à une valeur
minimum (MinCash) , qui a été précédemment négociée avec la banque.
Une source de financement à court terme est représentée par une ligne de crédit ouverte
contrainte par MaxDebt .
Aux termes d'un accord avec la banque, des prêts peuvent être obtenus au début de n'importe
quelle période et sont soumis après une semaine à un taux d'intérêt mensuel (F) selon l'accord de
la banque. La banque exige habituellement un solde compensateur (balance de compensation),
c.-à-d. un pourcentage du montant emprunté (normalement un 20%).
Par conséquent, la trésorerie minimum (MinCash) doit être supérieure au solde de
compensation imposé par la banque.

65
Chapitre4 Le modèle de planification intégré

Debtt   Debtt 1  Borrowt   PaytDebt

  F .Debtt 1 t , (34)
NettCredit
  Borrowt   PaytDebt
 t , (35)
Debtt   MaxDebt t , (36)

Les équations (34)-(35) font un bilan (équilibre) sur la ligne de crédit en considérant pour chaque
période la dette mise à jour ( Debtt  ) à partir des périodes précédentes et de l'équilibre entre les
emprunts et les remboursements ( NettCredit
 ).

L'équation (36) définit la dette maximale autorisée (MaxDebt) que la banque a accordé à
l'entreprise.

NettMS    Yt t    Z t t    Yt t  .(1  Dt t  )   Z t t  .(1  Et t  ) t 

 StMS MS MS MS MS MS MS
 (37)
t t  t t  t t  t t 

L'équation (37) fait un bilan des titres négociables. Tous les titres négociables peuvent être
vendus avant leur échéance avec une remise ou à perte pour l'entreprise. Les revenus et les coûts
liés aux transactions en titres négociables sont donnés par les coefficients techniques DtMSt  et

EtMS MS
t  , respectivement. Yt t  est l'argent investi à la période t  sur les titres venant à échéance à la
période t  . Yt MS
t  est le flux d'entrée d'argent obtenu par le titre vendu à la période t
 venant à
échéance (mûrissant) à la période t  .
Par conséquent, le flux net de trésorerie dû aux transactions des titres est calculé du portefeuille
initial de titres négociables détenus par l'entreprise au début de la première période ( StMS
 ) , qui

inclut plusieurs ensembles de titres avec des valeurs nominales connues en unités monétaires ( u.
m.), l'argent investi durant t  sur les titres négociables arrivant à échéance dans les périodes au
delà de t  , les titres négociables vendus avant échéance dans la période t  et les titres achetés et
vendus durant les périodes précédentes à t  et arrivant à échéance durant t  .

Z
t t 
MS
t t  t  )  St    Yt t  .(1  Dt t  ) t .
.(1  EtMS MS MS

t t 
MS
(38)

L'équation (38) est appliquée pour contraindre le montant total des titres négociables vendus
avant l'échéance à être inférieurs à ceux disponibles (ceux appartenant au portefeuille initial plus
ceux achetés dans les périodes précédentes).
En ce qui concerne les comptes à payer (matières premières, production et prestations de
transport) on suppose que l'agent financier, à son choix, peut étendre ou retarder les paiements
sur ces comptes.
Des réductions pour le paiement immédiat peuvent être obtenus si les achats sont payés à temps
et ne peuvent pas être prises si les paiements sont retardés.

66
Chapitre4 Le modèle de planification intégré

 Pay
t t 
RM
et t  t   Purchet 
.Coef etRM RM
e, t , (39)

 Pay
t t 
PR
t t  t   Purcht 
.Coeft PR RM
, t , (40)

 Pay
t t 
TR
t t  t   Purcht 
.Coeft TR TR
, t , (41)

Comme il n'est pas raisonnable d'exiger que les comptes totaux à payer soient nuls à la fin de la
période de planification, les contraintes de paiement sont formulées comme inégalités comme
indiqué par les équations (39) –(41), où les coefficients techniques (CoefetRM PR
t  , Coeft t  et CoeftTR
t  )

qui multiplient les paiements exécutés durant les périodes t  par les comptes créditeurs encourus
durant t  , sont présentés dans la formulation pour tenir compte des limites de matières premières,
et les crédits de production de transport, c.-à-d. 2% —une semaine, les jours net-28.
En ce qui concerne les dividendes, celles-ci sont tirées du système sous la forme de revenus
d'entreprise, qui pourrait être utilisées comme dividendes des actionnaires ou réinvesties. On
suppose que le montant exact d'argent à retirer du budget est connu à l'avance car il a été
précédemment négocié avec les actionnaires de l'entreprise.

2.2 Fonction objectif:

Les objectifs les plus couramment durant les dernières décennies sont: le "makespan" ( la plus
grande date de fin), le coût, le profit. Cependant, pendant des années pris des décisions on été
prise en tenant compte d'autres indicateurs tels que le marché à valeur comptable, ratios de
liquidité, retour sur les capitaux propres, marge de vente, ratios de chiffre d'affaires et ratios de
stocks de sécurité, entre autres.
Néanmoins, l'amélioration directe de la valeur de l'actionnaire dans l'entreprise semble être la
priorité d'aujourd'hui. Ceci peut être amélioré en maximisant le changement des capitaux propres
de la société (Equity) .

La variation des capitaux propres peut être calculée comme la différence nette entre la variation
de l'actif, qui inclut à la fois, les capitaux courants (CA) et les capitaux fixes (FA), et les dettes,
ce qui inclut les dettes actuelles (CL) et la dette à long terme (L), comme il est énoncé dans
l'équation (42) [Shapiro, 2001].
E  CA  FA  CL  L. (42)
CA se rapporte aux liquidités. Dans notre modèle, ce terme a été calculé à partir des comptes
débiteurs (clients), les liquidités disponibles et les stocks à la fin de l'horizon du temps (T ) et à
l'instant zéro (t0 ) , tel qu'il est exprimé dans l'équation (43). Dans cette contrainte, les prix des
matériaux gardés en stock représentent les prix que ces produits atteindraient sur le marché s'ils
étaient vendus à la fin de l'horizon du temps. D'autre part, le (FA) se rapporte aux actifs non
liquides tels que les usines ou les équipements.

67
Chapitre4 Le modèle de planification intégré

CA  Cash T   
T  t tdel
ARect   
t  ,t |T  t tdel ^ t  T  tdel
Pled tt

 ( INVHIS1irt  .Price*irTIS   INVHIS1ipt  .Price*ipTIS 

i ,r i, p

  INV BP
H 1 jpT  .Price * BP
jpT    INVHIS1 j , f ,T  .Price*jfTBP
j, p j, f

  INV WH
H 1kfT  .Price *WH
kfT    INVHMK
1lft  .Price lfT  )  Cash t 0  ARec t 0
* MK

k, f l, f

 ( INVHIS1irt0 .Price*irtIS0   INVHIS1ipt0 .Price*iptIS0

i ,r i, p

  INV BP
H 1 jpt0 .Price * BP
jpt0   INVHBP1 jft0 .Price*jftBP0
j, p j, f

  INV WH
H 1kft0 .Price *WH
kft0   INVHMK * MK
1lft0 .Price lft0 ). (43)
k, f l, f

CL se rapporte à des dettes à court terme. Ces termes incluent les comptes créditeurs
(fournisseurs), qui sont dus à la dette restante ou de la consommation de matières premières, de
travail et de transport, comme il est indiqué dans l'équation (44).
 TR 
CL=  Debt T   PurchetRM   PurchtPR    Purcht  
 e ,t  t t 
 
   PayetRMt  .CoeftRM
t    Payt t  .Coef t t    Pay t t  .Coef t t  Debt t 0 
PR PR TR TR
(44)
 e ,t  t ,t  t ,t  

3. Approche traditionnelle:
De nos jours, les décisions financières et de planification/ordonnancement sont calculées dans
des environnements isolés.
Par conséquent, dans les vrais scénarios industriels, les processus opérationnels de la SC sont
décidés en premier et les finances sont ajustées après. En raison du manque de liens concrets
entre les processus opérationnels et les finances, les décisions d' établissement du programme
(ordonnancement) et de planification de la SC sont généralement calculées en optimisant certains
indicateurs de performance, comme le makespan, le coût, le profit, ou les revenus provenant des
ventes. Un modèle typique de planification de la SC (M1) qui représente la maximisation du
profit pourrait être exprimé comme suit:

MODÈLE M1:
maximiser le profit
soumis aux équations:(1)-(29)

Où le profit est calculé comme la différence entre les entrées de trésorerie, qui sont dues aux
ventes de produits, moins les sorties, qui sont associés aux achats des matières premières, et la
consommation des services de travail et de transport, comme il est énoncé dans l'équation (45)

68
Chapitre4 Le modèle de planification intégré

Profit=  Sales H 1lft .Pricelft   Purch etRM    Purch tPR

 +Purch t    FCost.
TR
(45)
l , f ,t  e ,t  t

Pour déterminer les sorties de trésorerie nécessaires pour calculer le profit, les équations (46) –
(48) sont appliquées.
Plus précisément, la contrainte (46) calcule la consommation totale de matières premières à partir
de la quantité de matières premières requises dans chacune des usines intégrées dans le réseau.
L'équation (47) calcule le coût des tâches de travail à partir des taux de production dans les
usines et en prenant également en considération les niveaux de stocks dans les entrepôts. Ici, les
coefficients de coût des stocks (CostINV) comprennent les coûts de traitement et de stockage
associés à la conservation du stock à chaque nœud de distribution. Ces coefficients peuvent être
incrémentés afin d'inclure également les coûts financiers associés à avoir l'argent investi dans les
stocks au lieu de l'investir ailleurs.
Enfin, la contrainte (48) calcule le montant d'argent dépensé dans les utilités de transport des flux
de matérière parmi les entités de la SC.

Purch etRM   ES HIS1eirt  .CostESeirt

IS
   ES H 1e , j , p ,t  .CostESejpt  
BP BP

i , r ,t  j , p ,t

 ES
k , f ,t 
WH
H 1ekft  .CostES WH
ekft    ES HMK1elft .CostESelft
l , f ,t 
MK
 e, t , (46)

 
Purch tPR Q
i , p ,t 
IS
H 1ipt  .CostQipIS   QHBP1 jft  .CostQ BP
jf 
j , f ,t

  INV IS
H 1irt  .CostINVirIS   INVHIS1ipt  .CostINVipIS
i , r ,t  i , p ,t 

  INV
j , p ,t 
BP
H 1 jpt  .CostINV BP
jp   INV
j , f ,t 
BP
H 1 jft  .CostINV jfBP

  INV
k , f ,t 
WH
H 1kft  .CostINV WH
kf   INV
l , f ,t 
MK
H 1lft  .CostINVlfMK t , (47)

t    AH 1ijpt  .CostAijp 
PurchTR B H 1 jkf ,t  .CostB jkf   CH 1klft .CostCklf t , (48)
i, j, p j ,k , f k ,l , f

Une fois que les processus opérationnels sont fixes, le budget est ajusté. Un modèle de
budgétisation à court terme typique (M2) qui maximise les capitaux propres de l'entreprise et
considère les flux financier liés aux opérations de la SC est donné par:

MODÈLE M2:
maximiser E
soumis aux équations (30)-(44)

4. Modèle intégré :
Pour réaliser l'intégration, les dettes de production et l'argent exogène à chaque période sont
calculés en fonction des variables du processus opérationnels.

69
Chapitre4 Le modèle de planification intégré

Les dettes de production sont ainsi calculées à l'aide des équations (46) –(48). Dans l'équation
(47), seuls les coûts de traitement et de stockage associés aux stocks gardés aux entités de la SC
doivent être considérés, comme leur coût financier est évalué par les contraintes budgétaires. La
valeur des comptes débiteurs encourus dans les périodes de planification t  est déterminée à
partir des ventes de produits, comme il est énoncé par l'équation (49). Ici, la période de
maturation (tdel ) de ces comptes, qui devraient être déterminés à partir des conditions de ventes
négociées avec les clients, représente le retard probable ou estimé entre l'incidence d'achat et le
paiement correspondant.

ARect   SalesH 1lft .Pricelft t . (49)

l, f

Ces équations permettent l'intégration des variables d'ordonnancement / planification dans le

modèle de budgétisation.
Le modèle global peut donc être exprimé comme suit:

MODÈLE INTÉGRÉ:
maximiser E
soumis aux équations: (1)-(44) (46)-(49).

Le modèle intégré applique un mélange de formulation de programmation linéaire à variables

mixtes (Mixed Integer Linear Programming MILP), ce qui peut être résolu par les techniques
classiques de "branch-and-bound".

5. Adaptation du modèle à l'entreprise Vitajus

5.1. Présentation de l'entreprise Vitajus
Cette société de Fabrication et de distribution de jus de fruits a été créée en juillet 1999. La
forme juridique est de type SARL (Société à Responsabilité Limitée). Le capital social est de
135.700.000,00 DA et est détenu totalement par deux frères dans le cadre d'un actionnariat privé.

Elle emploie 227 personnes dont 60% sont affectées à la production et 40% aux services
commerciaux et à la logistique.

Activité
L'activité de l'entreprise porte sur la fabrication et la distribution des jus de fruits à savoir :

- Les jus de fruits 100%;

- Les nectars;
- Les boissons à base de jus.

Ces différents produits sont conditionnés dans des emballages de types:

70
Chapitre4 Le modèle de planification intégré

- Pack d'1,5 litre- Tétra pak aseptique;

- Pack d'1 litre- Tétra pak aseptique;
- Briquette de 20 cl (MID) - Tétra pak aseptique;
- Briquette de 20 cl – Combibloc aseptique;
- Mini-bocal-bouteille en verre transparent de 25 cl.

5.2. Processus de production:

Etape 1 : Le programme de production établi selon les besoins de la Direction Commerciale est
transmis à la Direction Technique marquant le lancement de l’opération fabrication, les besoins
en quantité des matières premières selon le produit à fabriquer sont déterminés.

Etape 2 : Le responsable process opère au lancement de la production : cette étape consiste en

la préparation du sirop, au dépotage du concentré et au mélange des éléments. Un produit semi
fini est alors obtenu.

Etape 3 : L’ingénieur Labo/ Assistant process contrôle la qualité du produit semi fini : (contrôle
de l’acidité, Brix et Ph) pour s’assurer que le produit répond aux normes requises ; si le produit
est conforme le signal est donné pour le conditionnement.
Etape 4 : Une fois le produit semi fini est jugé conforme, l’assistant process/opérateur pilote
machine procède à sa pasteurisation, le produit est ensuite refroidit.

Etape 5 : Conditionnement aseptique du jus : Le pilote machine conditionne le produit

pasteurisé refroidit dans les packs; l’ingénieur Labo contrôle la fermeture hermétique des packs
(contrôle des soudures). L’opérateur assure ensuite le suremballage des packs conformes avec
l’application de la capsule & de la paille et de l’encartonnage. Le produit fini est alors
conditionné.

Etape 6 : Commercialisation du produit fini : l’expédition vers dépôt : est assurée par le
responsable Production et le magasinier.

5.3. Caractéristiques de la chaine logistique étudiée :

La chaine logistique étudiée est structurée comme suit (voir figure3):

 Trois (03) produits finis sont considérés dans notre étude (boisson à l'orange, nectar de
raisin, 9fruits/9vitamines) ;
 Six (06) produits intermédiaires sont nécessaires pour la production (jus d'orange, nectar
de raisin, jus 9fruits/9vitamines et les 3 emballages pour chaque produit);
 Une seule ligne de production assure la production des trois produits ;
 Sept (07) matières premières sont nécessaires ;
 Huit (08) fournisseurs assurent l'approvisionnement des matières premières.
 Cinq (05) entrepôts de stockage;

71
Chapitre4 Le modèle de planification intégré

 Trois marchés finaux: marché direct, indirect et l'export;

 Cinq (05) périodes de temps.

Figure 26 : Chaine logistique VITAJUS

[Link]élisation mathématique
Nous présentons quelques notations utilisées dans le modèle mathématique construit:

Notations :
 R : représente l’ensemble des matières premières, r  R
 E : Ensemble des fournisseurs, e E
 F : Ensemble des produits finis, f F
 P : Ensemble des produis intermédiaires (semi finis), p  P
 T : Ensembles des périodes, t  T
 I : Ensembles des unités de production des produits intermédiaires, i  I
 K : Ensemble des entrepôts de stockage du produit fini, k  K
 L : Ensemble des marchés, l  L
Données :
  rp : le coefficient de conversion de masse de la matière première r et du produit
intermédiaire p;
  fp : coefficient de conversion de masse du produit intermédiaire p et du produit fini f;
 Demtf : La demande du produit fini f à la période t;

72
Chapitre4 Le modèle de planification intégré

 Dif t : Les différents coûts fixes liés à la production à la période t;

 Taux t : Le taux d'intérêt de la banque à la période t;
 RV flt : Le bénéfice du produit f sur le marché l à la période t;
 Cap f : La capacité de production du produit f ;
 Casht : Le budget disponible à la période t;
 CoutESert : Coût d'achat de la matière première r chez le fournisseur e à la période t;
 MaxEmp : Le montant maximum qu'il est possible d'emprunter.

[Link] de décisions :
Les variables de décision de notre problème sont :

 t
ESer : La quantité de la matière première r importée chez le fournisseur eà la période t;

 Q pt : La quantité du produit intermédiaire p à la période t;

 NVR rt : Le stock de la matière première r à la fin de la période t;
 Qout tf : La quantité du produit fini f à la période t;
 NVPpt : Le stock du produit intermédiaire p à la fin de la période t;
 NVFfkt : Le stock du produit fini f à l'entrepôt k à la fin de la période t;
 B tfk : La quantité du produit fini f transportée à l'entrepôt k à la période t;
 Salestfl : Les ventes du produit fini f sur le marché l à la période t;
 Empt : Le montant d'argent emprunté de la banque à la période t;

[Link] :

Nous allons décrire les contraintes liées au modèle ainsi que leurs formulations mathématiques:

Contraintes liées à la conservation de la quantité de la matière première

Dans chaque période t, la quantité de matière première r transportée des fournisseurs

externes e ( ESert ) plus le stock de r à fin de la période t-1 ( NVRrt 1 ) doit être égal à la
quantité de r consommée dans la fabrication du produit intermédiaire p ( Q tp multiplié par un
coefficient de conversion de masse  rp ), plus le stock de r ( NVRrt ) à la fin de la période t,
comme il est exprimé dans la contrainte (1):

 ES
eE
t
er  NVRrt 1   Qtp . rp  NVRrt r  R, t  T .
pP
(1)

73
Chapitre4 Le modèle de planification intégré

Contraintes liées à la conservation de la quantité du produit intermédiaire

La quantité totale du produit fini intermédiaire p ( Q tp ) produite pendant l'intervalle de temps t

plus le stock initial ( NVPpt 1 ) du produit intermédiaire p doit être égale à la quantité du
produit fini f multiplié par le coefficient de conversion de masse du produit intermédiaire p et
du produit fini f (  fp ) plus le stock de p à la fin de la période t .

Qtp  NVPpt 1   Qout tf . pf  NVPpt p  P, t  T (2)

f F

Contraintes liées aux quantités vendues

La contrainte (3) représente les bilans de matière pour les marchés. Les marchés se
comportent comme des entrepôts dans lesquels l'épuisement des matières est dû aux ventes
des produits.
Par conséquent, pour chaque période t, la quantité du produit fini f vendue sur le marché l
( Salestfl ) plus la quantité du produit fini f disponible aux entrepôts k ( NVFfkt ) doit être égal à
la quantité de f produite à la période t ( Qout tf ) plus le stock du produit f à la fin de la
période (t-1).

 NVF
kK
t 1
fk  Qout tf   NVFfkt   Sales tfl f  F , t  T
kK lL
(3)

Contraintes liées à la demande du marché

La demande du produit f sur chaque marché doit être satisfaite comme il est indiqué dans la
contrainte suivante :

 Sales
f F
t
fl   Demtfl l  L, t  T .
f
(4)

Contraintes liées à la capacité de production

La quantité du produit fini f produite à la période t ( Qout tf ) ne doit pas dépasser la capacité
de production du produit f ( Cap f ).

Qout tf  Cap f f  F , t  T . (5)

74
Chapitre4 Le modèle de planification intégré

Contraintes financières

Le coût de la matière première ( CoutESert ) ainsi que les différents coûts fixes liées à la
production ( Dift ) ne doivent pas dépasser le budget disponible ( Casht ) plus le montant
emprunté à la banque à la période t ( Empt ).
Le montant emprunté à la période t ne doit pas dépasser un seuil maximum noté MaxEmp

Casht  Empt   CoutESert .ESert  Dift t  T .


 eE , rR (6)
empt  M ax Emp t  T
Contraintes liées à la rentabilité de la production
Cette contrainte assure que la rentabilité de la production sur l'horizon T (ensemble des
périodes) est supérieure à la dette engendrée par la production ainsi que les différents coûts
fixes sur la période t.


f F ,lL ,tT
RV flt .Sales tfl   Empt (Tauxt  1)  Dift .
tT
(7)

[Link] fonction objective :

L’entreprise a fixé comme critère de maximiser le revenu des venets de la production sur
l’ensemble des périodes ainsi la fonction objectif s’écrit mathématiquement comme suit :

Max( Z )     RV flt .Salestfl (8)

tT f F lL

[Link]èle mathématique :

Le programme mathématique (PE) obtenu est un programme linéaire en nombres entiers.

75
Chapitre4 Le modèle de planification intégré

 Max( Z )   t
RVfl .Sales fl
t

 t T f F l L


 ES  NVR   Q .  NVR r  R, t  T .
t t 1 t t

er r p rp r

 e E pP


Q  NVP   Qout .  NVP p  P , t  T
t t 1 t t

p p f pf p

 f F

 NVF  Qout   NVF  Sales f  F , l  L, t  T

t 1 t t t

(PE)  fk f fk fl


k K k K

 Sales  Dem l  L, f  F , t  T .
t t

fl fl


Qout  Cap f  F , t  T .
t

f f

Cash  Emp  CoutES .ES  Dif t  T .

  t t er
t t

er t
e E , r  R


  RV .Sales   Emp (Taux  1) .
t t


fl fl t t
f  F , l  L , t T t T

[Link] du modèle:

Le calcul de la taille du modèle peut orienter vers le choix d’une méthode de

résolution appropriée au problème. Pour ce faire, il est nécessaire de connaitre le nombre
de contraintes ainsi que le nombre de variables du modèle.

 Les contraintes

Il existe sept types de contraintes illustrés dans le tableau suivant:

76
Chapitre4 Le modèle de planification intégré

Tableau 7 : Les contraintes

Contrainte Nombre
Type1 |R| x |T|=|7| x |5| = 35
Type 2 |P| x |T|= 30
Type 3 |F| x |L| x |T| = 45
Type 4 |F| x |L| x |T|= 45
Type 5 |F| x |T|= 15
Type 6 |T|=5
Type 7 1
Nombre total de contraintes 176

Ce qui donne au total le nombre de 176 contraintes.

 Les variables

Le tableau suivant donne un bilan du nombre de variables considérées dans ce modèle:

Tableau 8 : Les variables considérées dans le modèle

Variable Nombre
t
ES er |E | x |R| x |T| = 280
Q pt |P| x |T|= 30
NVRrt |R| x |T| = 35
Qout tf |F| x |T| = 15
NVFkft |K| x |F| x |T| = 75
Bkft |K| x |F| x |T| = 75
Salestfl |K| x |F| x |L| = 45
Casht |T| = 5
Empt |T| = 5
t
Pr ixESer |E| x |R| x |T| = 280
Nombre total de variables 845
Ce qui donne au total le nombre de 845 variables.

5.4.6.Méthode de résolution
Ce modèle est un programme linéaire en nombres entiers, donc il appartient à la classe des
problèmes N-P complets. L'une des méthode de résolution est la méthode "Branch and bound"
séparation et évaluation. Connaissant la taille du problème, une machine ordinaire peut le

77
Chapitre4 Le modèle de planification intégré

résoudre en un temps raisonnable en utilisant cette méthode exacte qui aboutit à un optimum
global.

Méthode « branch & bound » [TANGOUR TOUMI.F, 2007]

1. Principe
C’est l’une des méthodes exactes d’optimisation qui peut résoudre le Problème de
programmation linéaire en nombres entiers. Elle est basée sur un arbre de recherche. Le principe
de la méthode « branch & bound » se traduit par deux concepts : le branchement, ou encore la
séparation, et l’évaluation.

1.1. La séparation
La séparation consiste à décomposer un sommet représentant l’espace de solutions en sous-
ensembles, cette séparation exige de ne pas perdre ni d'ajouter des solutions. En d’autres termes,
cette séparation est basée sur le partage, tout en considérant le critère à optimiser, entre
l’ensemble des solutions admissibles contenues dans un même sommet (nœud) de l’arborescence
et des solutions irréalisables ou moins intéressantes par rapport aux solutions déjà obtenues.

1.2. L’évaluation
L’évaluation d’un sommet consiste à minorer ou à majorer les solutions associées afin d’éviter
les branches inutiles c’est-à-dire ne conduisant pas à une solution. Ainsi, cette exploration
intelligente de l’espace de recherche est réalisée grâce à des évaluations des branches et à des
comparaisons avec une borne inférieure (un minorant) du critère à optimiser. Dans les problèmes
de grande taille, il sera nécessaire d’affiner la valeur du minorant (majorant) pour éviter
l’explosion de l’arbre de recherche.

[Link] général
Parmi les méthodes de résolution exactes de problèmes d’optimisation combinatoire et en
particulier de problèmes d’ordonnancement, la procédure de séparation et d’évaluation
progressive est la plus utilisée.

L’algorithme général correspondant est le suivant :

- diviser l’espace de recherche en sous-espaces (branches),

- chercher une borne supérieure (inférieure) d’une fonction objectif relative à chaque sous-espace
de recherche,

- éliminer les « mauvais » sous-espaces (suivant le(s) critère(s) à optimiser),

- reproduire les étapes précédentes jusqu’à obtenir l’optimum global.

Un exemple d’algorithme pour un problème de minimisation est donné dans la figure 27.

78
Chapitre4 Le modèle de planification intégré

Étape 1

Initialisation

Calculer une borne supérieure BS

Étape 2

Séparation

Sélectionner le sommet (nœud) à séparer et créer ses fils

Étape 3

Évaluation

Pour tous les sommets S créés faire

Si S représente une solution complète alors

calculer sa valeur pour le critère d’optimisation et mettre à jour BS

Sinon calculer la borne inférieure BI

Fin Si

Fin Pour

Étape 4

Élimination

Éliminer tout sommet tel que BI > BS

Étape 5

Critère d'arrêt

Si tous les sommets ont été éliminés alors arrêter

Sinon aller à l’étape 2

Figure 27 : Algorithme général de la méthode "Branch and bound"

5.4.7.Résultats expérimentaux
Pour la résolution de notre modèle avec la méthode "Branch and bound", nous avons utilisé le
solveur Lingo Version8. Le temps d'exécution de l'algorithme pour atteindre la solution optimale
est négligeable ( 02 secondes).

Nous présentons ici les principaux résultats expérimentaux obtenus pour notre étude de cas (
pour plus de détail voie ANNEXE ) :

79
Chapitre4 Le modèle de planification intégré

La valeur de la solution optimale Z(Max) qui représente le revenu total sur l'ensemble des
périodes considérées est de: 42 331 460 DA

Le tableau1 ci-dessous représente les ventes du produit fini f sur le marché l pour chaque période
t:

Tableau 9 : Ventes des produits finis par marché et par période

Produits
Périodes Marchés
Orange 9F/9V Raisin
Direct 68320 0 0
Période 1 Indirect 15664 0 0
Export 481104 0 0
Direct 266448 0 0
Période 2 Indirect 0 0 167200
Export 0 0 12336
Direct 6832 0 0
Période 3 Indirect 0 652080 0
Export 0 109760 0
Direct 0 156640 0
Période 4 Indirect 0 0 16720
Export 420864 0 0
Direct 610896 0 0
Période 5 Indirect 123360 0 0
Export 10976 0 0
La quantité totale des produits finis vendus sur les trois marchés est de 3 119 200 litres, elle se
rapproche de la demande globale du marché qui est de 3 126 400 litres.

Figure 28 : Histogramme des ventes des produits finis par marché et par période

80
Chapitre4 Le modèle de planification intégré

Conclusion
Ce chapitre a abordé l'importance d'intégrer des modèles de planification et de finances dans le
SCM. Pour réaliser l'intégration, une formulation standard de planification de la SC a été étendue
à travers l'insertion des contraintes budgétaires qui explorent le domaine financier de la SC.
Ensuite, un modèle développé pour une entreprise spécialisée dans le secteur agroalimentaire a
été adapté à celui proposé par [Gonzalo et al, 2007] est présenté.

Enfin, les résultats expérimentaux obtenus lors de l'implémentation de la méthode "Branch and
bound" sont résumés; la résolution de notre modèle a été réalisée à l'aide du logiciel Lingo
Version8, qui est un solveur de programmation interactive, simple, efficace et optimisé pour le
traitement de tenseurs ( matrice en 3D) avec des variables à trois indices. L'application a été
déployée sur une machine Intel CORE2 DUO à 2.00 GHZ et avec 3GO de mémoire vive.

81
Conclusion Générale
 Conclusion générale

Conclusion générale
Ce travail a abordé l'importance d'intégrer des modèles de planification et de finances dans le
Supply Chain Management. Pour réaliser l'intégration, une formulation standard de planification
de la Supply Chain a été étendue à travers l'insertion de contraintes budgétaires qui explorent le
domaine financier de la Supply Chain. Le profit de l'entreprise a été choisi comme objectif à
optimiser dans le modèle intégré de planification/ budgétisation.
Nous avons dans un premiers temps présenté les différentes notions de chaine logistique et de
Supply Chain Management, des structures qui la composent ainsi que les outils et logiciels de
modélisation et de simulation qui les soutiennent. Ensuite, nous avons fourni une revue de la
littérature dans la modélisation de la chaîne logistique.
L'étude de la stratégie séquentielle (traditionnelle) dans laquelle les opérations sont d'abord
calculées et les finances sont adaptées après illustre l'inadéquation du traitement des opérations
et des finances dans des environnements isolés en fixant comme objectif des indicateurs tels que
le profit ou le coût. Ainsi, il est important de concevoir de plus larges systèmes de modélisation
pour le SCM menant à une augmentation des revenus globaux et fournissant des connaissances
supplémentaires sur les interactions entre les opérations et les finances.

Le modèle proposé dans ce travail a été élaboré à partir des travaux de [Gonzalo et al , 2007], il a
été adapté pour une entreprise exerçant dans l'industrie agroalimentaire (Vitajus), en ôtant des
contraintes financière trop complexes qui nécessitent un niveau de détail important
(variation des capitaux propres, dette à long terme, coûts de stockage par produit et par
entrepôts…etc.).
Nous avons considéré dans cette approche :
 Trois (03) produits finis (boisson à l'orange, nectar de raisin, 9fruits/9vitamines) ;
 Six (06) produits intermédiaires pour la production (jus d'orange, nectar de raisin, jus
9fruits/9vitamines et les 3 emballages pour chaque produit);
 Une seule ligne de production qui assure la production ;
 Sept (07) matières premières;
 Huit (08) fournisseurs qui assurent l'approvisionnement en matières premières.
 Cinq (05) entrepôts de stockage;
 Cinq (05) périodes de temps.

L'approche a été mise en évidence par cette étude de cas, dans laquelle les résultats obtenus par
le modèle intégré ont été présentés.
La communauté scientifique doit élargir le champs des approches actuellement étroit pour le
SCM et étendre les concepts et les idées fondamentaux pour offrir une perspective plus large de
toute l'entreprise à tous les niveaux d'aide à la décision (opérationnel, tactique et stratégique).
Les marges bénéficiaires réduites sous lesquelles l'industrie fonctionnera à l'avenir inciteront les

82
 Conclusion générale

managers à prêter de plus en plus attention au domaine financier. Ainsi, l'approche étudiée dans
ce travail deviendra plus pertinente au sein de la communauté industrielle au cours du temps.

A l’issue de ce travail, nous pouvons suggérer un certain nombre de perspectives, à savoir :

 La modélisation des chaines logistiques fait largement allusion aux biens tangibles et très
peu au management spécifique des services, il serait opportun d'adapter des modèles à ce
domaine stratégique;

 Intégrer d'autres aspects dans les modèles de chaine logistique tels que les risques de
défaillance technique, les risques fournisseur, prix de l'énergie ou la variation des taux de
change, ce qui permettrait de créer des systèmes de modélisation plus larges pour le
SCM.

83
 Bibliographie

Bibliographie:
[ABDMOULEH, 2004] : ABDMOULEH A. (2004) Composants pour la Modélisation des
Processus Métier en Productique, basés sur CIMOSA. Résumé de thèse, Laboratoire de Génie
Industriel et Production Mécanique LGIPM / AGIP.

[Altiok et Ranjan, 1995]: Altiok T., Ranjan R. (1995) Multi-stage, pull-type production/
inventory systems, IIE Transactions 27190Ð200.

[Arntzen et al., 1995]: Arntzen B.C., Brown G.G., Harrison T.P., Trafton L.L. (1995) Global
supply chain management at digital equipment corporation, Interfaces, vol 25, n°1, p.69-93.

[Anupindi et al .1993]: Anupindi R. et al .(1993) "DIVERSIFICATION UNDER SUPPLY

UNCERTAINTY",Management Science, vol. 39, p. 944-963.

[Badinelli, 1992]: Badinelli R.D. (1992) A MODEL FOR CONTINUOUS-REVIEW PULL

POLICIES IN SERIAL INVENTORY SYSTEMS, Operations Research, vol. 40, p. 142-156.

[Banerjee, 1986]: Banerjee A. (1986) A JOINT ECONOMIC-LOT-SIZE MODEL FOR

PURCHASER AND VENDOR, Decision Science, vol. 17, p. 292-311.

[Baumol, 1952] : Baumol, W.J., 1952. The transactions demand for cash: An inventory theoretic
approach. Quantitative Journal of Economy 66 (4), 545.

[Berry et al., 1994]: Berry D., Towill D.R., Wadsley N., (1994) Supply chain management in
the electronics product industry. International Journal of Physical Distribution & Logistics
Management 24 (10), 20}32.

[Beamon, 1996]: Beamon B.M. (1996) Performance measures in supply chain management,
Proceedings of the Conference on Agile and Intelligent Manufacturing Systems, Troy, NY.

[Bhatnagar et al., 1993]: Bhatnagar, Rohit, Chandra Pankaj, Goyal S.K. (1993) Models for
multi-plant coordination, European Journal of Operational Research 67 141Ð160.

[Billington et al., 1992] : Billington C. et al. (1992) MANUFACTURING STRATEGY

ANALYSIS: MODELS AND
PRACTICE, OMEGA, vol. 20, p. 587-595.

[BPC, 2011]: BPC. (2011) « Introduction aux réseaux de neurones », cours de Master univ.
Bpclermont -http:// Braesch C., Haurat A. (1995) « La modélisation systémique en entreprise »,
Hermès, Paris.

[Cachon et Zipkin, 1997]: Cachon G.P., Zipkin P.H. (1997) Competitive and Cooperative
Inventory Policies in a Two-Stage Supply Chain, Fuqua School of Business, Duke University.

84
 Bibliographie

[Camm et al., 1997] Camm J.D, Chorman T.E., Dull F.A., Evans J.R., Sweeney D.J., Wegryn
G.W. (1997) Blending OR/MS, judgement, and GIS: Restructuring P&GÕs supply chain,
Interfaces 27 (1)128Ð142.

[Chen et al., 1994] : Chen F. et al. (1994) EVALUATING ECHELON STOCK (R,NQ)
POLICIES IN SERIAL PRODUCTION/INVENTORY SYSTEMS WITH STOCHASTIC
DEMAND, Management Science, vol. 40, p. 1262-1275. [Link]-
[Link]/atmos/enseignement/cours-Master-2A/cours_RN_2006.pdf

[Chen, 1997]: Chen F. (1997) Decentralized Supply Chains Subject to Information Delays
(formerly The Stationary Beer Game), Graduate School of Business, Columbia University, New
York, NY.

[Christopher, 1992]: Christopher M.L. (1992) Logistics and Supply Chain Management, Pitman
Publishing, London.

[Christopher, 1994]: Christopher M. (1994) Logistics and Supply Chain Management, Richard
D. Irwin, Inc., Financial Times, New York, NY.

[Christopher, 2005]: Christopher M. (2005) Supply chain management, créer des réseaux à
forte valeur ajoutée, Village Mondiale, Pearson Education 3ème édition : 1ère édition : 1992.

[Christy et Grout, 1994]: Christy D.P., Grout J.R. (1994) Safeguarding supply chain
relationships, International Journal of Production Economics 36 233Ð242.

[Clark et Scarf, 1960]: Clark A.J., Scarf H. (1960) Optimal policies for a multi-echelon
inventory problem, Management Science 6 (4) 475Ð490.

[Clark et Scarf, 1962]: Clark A.J., Scarf H. (1962) Approximate solutions to a simple multi-
echelon inventory problem, in: K.J. Arros, S. Karlin, H. Scarf (Eds.), Studies in Applied
Probability and Management Science, Stanford University Press, Stanford, CA, pp. 88Ð110.

(Cohen et Lee, 1988): Cohen M.A., Lee H.L. (1988) Strategic analysis of integrated production-
distribution systems: Models and methods, Operations Research 36 (2) 216Ð228.

[Cohen et Lee, 1989]: Cohen M.A., Lee H.L. (1989) Resource deployment analysis of global
manufacturing and distribution networks, Journal of Manufacturing and Operations Management
2 81Ð104.

[Cohen et Moon, 1990]: Cohen M.A., Moon S. (1990) Impact of production scale economies,
manufacturing complexity, and transportation costs on supply chain facility networks, Journal of
Manufacturing and Operations Management 3 269Ð292.

85
 Bibliographie

[COMM,2011] :COMM.(2011) :
[Link]

[COMP, 2011]: COMP. (2011): Complexio. Outil d’aide à la modélisation et modèles de

simulation. [Link]

[Cooper, 1997]: Cooper M.C., Lambert D.M., Pagh J.D. (1997) Supply Chain Management :
More Than a New Name for Logistics. The International Journal of Logistics Management 8(1),
pp 1-13.

[Courty, 2003] : Courty. (2003) Les enjeux industriels et les nouvelles problématiques
scientifiques de la logistique à la logistique globale. Ecole d’été d’automatique – Gestion de la
Chaîne Logistique. Session 24, Septembre 2003, Grenoble, France.

[Croom, 2000]: Croom S., Romano P., Giannakis M. (2000) Supply chain management: an
analytical framework for critical literature review. European Journal of Purchasing and
Supply Management 6, pp 67-83.

[CSCMP, 2005]: CSCMP. (2005) [Link].

[Davis, 1993]: Davis T. (1993) EFFECTIVE SUPPLY CHAIN MANAGEMENT, Sloan

Management Review, vol. 34, p. 35-46

[Diks et al., 1996]: Diks E.B., de Kok A.G., Lagodimos A.G. (1996) Multi-echelon systems: A
service measure perspective, European Journal of Operational Research 95 241Ð263.

[Dominguez et Lashkari, 2004]: Dominguez H., Lashkari R. S. (2004) Model for integrating
the supply chain of an appliance company: a value of information approach. International
Journal of Production Research, 01 June, Vol. 42, No 11, pp 2113-2140.

[Dupuy et al., 2004]: Dupuy C., Botta-Genoulaz V., Guinet A. (2004) Batch dispersion model
to optimize traceability in food industry. Journal of Food Engineering, Special Issue on
“Operational Research and Food Logistics”, Vol. 70, Issue 3, pp 333-339.

[EIL, 2011]: EIL. (2011): [Link]

[ENSM, 2009] : Vincent Augusto, Cours « Réseau de Pétri » ,ENSM. (2009)

[Eppen, 1979]: Eppen G.D., (1979) EFFECT OF CENTRALISATION ON EXPECTED

COSTS IN A MULTI-LOCATION NEWSBOY PROBLEM, Management Science, vol. 25, p.
498-501.

86
 Bibliographie

[Federgruen et al., 1984]: Federgruen A. et al. (1984) COMPUTATIONAL ISSUES IN AN

INFINITE-HORIZON, MULTI-ECHELON INVENTORY MODEL, Operations Research, vol.
32, p. 818-837.

[Federgruen, 1993]: Federgruen A. (1993) Centralized planning models for multiechelon

inventory systems under uncertainty, in: S. Graves, A. Rinnooy Kan, P. Zipkin (Eds.), Logistics
of Production and Inventory, North-Holland, Amsterdam, pp. 133Ð173.

[Fontan et al., 2005]: Fontan G., Mercé C., Hennet J.C., Lasserre J.B. (2005) Hierarchical
scheduling for decision support. Journal of Intelligent Manufacturing, Vol. 16, No. 2, pp 235-
242.

[Forrester, 1961]: Forrester J. (1961) Industrial Dynamics, MIT Press, Cambridge, MA, and
Wiley, Inc., New York.

[Ganeshan et al., 1998]: Ganeshan R., Jack E., Magazine M.J., Stephens P. (1998) A Taxonomic
Review of Supply Chain Management Research, in Quantitative Models for Supply Chain
Management, Kluwer Academic Publishers, Boston, pp 841-880.

[Génin, 2003] : Génin P. (2003) Planification tactique robuste avec usage d’un A.P.S –
Proposition d’un mode de gestion par plan de référence. Thèse de doctorat de l’Ecole des Mines
de Paris.

[Geunes et Chang, 2001]: Geunes J., et Chang B, (2001) Operations research models for
supply chain management and design, in Encyclopaedia of Optimization, C.A. Floudas and P.M.
Pardalos Eds, Kluwer Academic Publishers, 4 : 133-145.

[Graves, 1996]: Graves C.G., (1996) A MULTI-ECHELON INVENTORY MODEL WITH

FIXED REPLENISHMENT INTERVALS, Management Science, vol. 42, p. 1-18.

[GUYET, 2007] : GUYET T. (2007) « Systèmes Multi-Agents (SMA) ; Introduction et

Applications biomédicales », cours IMTC.

[Hammel et Kopczak, 1993]: Hammel T.R., Kopczak L.R. (1993) Tightening the supply chain,
Production and Inventory Management Journal 34 (2) 63Ð70.

[Hatchuel et al., 1997]: Hatchuel A., Saidi-Kabeche D., Sardas J. C. (1997) Towards a new
planning and scheduling approach for multistage production systems. International Journal of
Production Research, Vol. 35, No. 3, pp 867-886.

87
 Bibliographie

[Hétreux, 1996] : Hétreux G. (1996) Structures de décision multi-niveaux pour la planification

de la production: robustesse et cohérence des décisions. Thèse de doctorat de l’Institut National
des Sciences Appliquées de Toulouse.

[HOB,2011]:HOB(2011):
[Link]

[Hollocks et al., 1997]: Hollocks B-W, Goranson H-T, Shorter D-N, Vernadat F. (1997)
.Assessing Integration for Competitive Advantage, Workshop 2, Working Group 1, Enterprise
and Integration : Building International Consensus, Berlin, p. 96-111.

[Houlihan, 1987]: Houlihan J.B. (1987) International supply chain management, International
Journal of Physical Distribution and Materials Management 17 (2) 51Ð66.

[Houtum et al., 1996]: Houtum G.J van., Inderfurth K., Zijm W.H.M. (1996) Materials
coordination in stochastic multi-echelon systems, European Journal of Operational Research 95
1Ð23.

[Huang et al., 2003]: Huang George Q., LAU Jason S. K., Mak K. L. (2003) The impacts of
sharing production information on supply chain dynamics : a review of the literature.
International Journal of Production Research, Vol. 41, No 7, pp 1483-1517.

[Ishii et al., 1988]: Ishii K., Takahashi K., Muramatsu R. (1988) Integrated production,
inventory and distribution systems, International Journal of Production Research 26 (3)
473Ð482.

[Johnson et al., 1995]: Johnson J.B., Randolph S., Brief: (1995) Making Alliances Work Ð
Using a computer-based management system to integrate the supply chain, Journal of Petroleum
Technology 47 (6) 512Ð513.

[Johnson et Davis, 1995]: Johnson M.E., Davis T. (1995) Gaining and edge with supply chain
management, APICS, 26Ð31.

[Jones et Riley, 1985]: Jones T.C., Riley D.W. (1985) Using Inventory for Competitive
Advantage through Supply Chain Management. International Journal of Physical Distribution
and Materials Management, Vol. 15, No. 5, 16-26.

[Kehoe et Boughton, 2001]: Kehoe D.F., Boughton N.J. (2001) New paradigms in planning
and control across manufacturing supply chains – the utilisation of Internet technologies.
International Journal of Operations and Production Management, Vol. 21, No 5/6, pp 582-593.

88
 Bibliographie

[Kouvelis et Gutierrez, 1997]: Kouvelis P., Gutierrez G. (1997) The newsvendor problem in a
global market: Optimal centralized control policies for a two-market stochastic inventory system,
Management Science 43 (5) 571Ð585.

[LADJADJ, 2002] : LADJADJ R. (2002) « Les réseaux de neurones ». [Link]-

[Link]/~dr/ XPOSE2002/.../[Link].

[La Londe et Masters, 1994]: La Londe B.J., Masters J.M. (1994) Emerging Logistics
Strategies: Blue-print for the next century. International Journal of Physical Distribution and
Logistics Management, Vol 24, No 7, pp 35-47.

[Lambert et Cooper, 2000]: Lambert D.M., Cooper M.C. (2000) Issues in Supply Chain
Management. Industrial Marketing Management, 29, pp 65-83.

[Lal et al., 1984]: Lal R. et al., (1984) AN APPROACH FOR DEVELOPING AN OPTIMAL
DISCOUNT PRICING POLICY, Management Science, vol. 30, p. 1524-1539.

[Lau et al., 1994]: Lau H.S. et al., (1994)"COORDINATING TWO SUPPLIERS WITH
OFFSETTING LEAD TIME AND PRICE PERFORMANCE", Journal of Operation
Management, vol. 11, p. 327337.

[Lecompte, 2001] : Lecompte-Alix T. (2001) Un cadre formel de décision pour la planification

multi-niveau des systèmes de production réticulaires. Thèse de doctorat de l’Université Bordeaux
1.

[Lee et al., 1986]: Lee H.L. et al. (1986) "A GENERALIZED QUANTITY DISCOUNT
PRICING MODEL TO INCREASE SUPPLIER'S PROFITS", Management Science, vol. 32, p.
1177-1185.

[Lee et Billington, 1993]: Lee H.L., Billington C. (1993) Material management in decentralized
supply chain. Operation Research, Vol 41, No 5.

[Lee et Whang, 1993]: Lee H., Whang S. (1993) Decentralized Multi-Echelon Inventory
Control Systems, Stanford University, Graduate School of Business, Stanford, CA.

[Lee et al., 1993]: Lee H.L., Billington C., Carter B. (1993) HEWLETT-PACKARD GAINS
CONTROL OF INVENTORY AND SERVICE THROUGH DESIGN FOR LOCALIZATION,
Interfaces, vol 23, n°4, p.1-11.

[Lee et Billington, 1995]: Lee H.L. et Billington C. (1995) THE EVOLUTION OF SUPPLY-
CHAIN MANAGEMENT MODELS AND PRACTICE AT HEWLETT-PACKARD, Interfaces,
vol 25, n°5, p. 42- 63.

89
 Bibliographie

[Lee et Sasser, 1995]: Lee H.L., Sasser M. (1995) PRODUCT UNIVERSALITY AND
DESIGN FOR SUPPPLY
CHAIN MANAGEMENT, International Journal of Production Planning and Control, vol 6,
n°3, p. 270-277.

[Lee et Feitzinger, 1995]: Lee H.L., Feitzinger E. (1995) Product conÞguration and
postponement for supply chain e¦ciency, Fourth Industrial Engineering Research Conference
Proceedings, Institute of Industrial Engineers, pp. 43Ð48.

[Lee et al., 1997]: Lee H.L., Padmanabhan V., Whang S. (1997) Information distortion in a
supply chain: The bullwhip e¤ect, Management Science 43 (4) 546Ð558.

[ Lerner et Stone, 1968] : Lerner, E., Stone, J., 1968. Simulating a cash budget. California
Management Review 11 (2), 78.

[Lummus et Vokurka, 1999]: Lummus R.R., Vokurka R.J. (1999) Defining supply chain
management: a historical perspective and practical guidelines. Industrial Management & Data
Systems, pp 11–17.

[Mc~Gavin et al., 1993]: Mc~Gavin E.J. et al. (1993) TWO-INTERNAL INVENTORY-

ALLOCATION POLICIES IN A ONE-WAREHOUSE N-IDENTICAL-RETAILER
DISTRIBUTION SYSTEM, Management Science, vol. 39, p. 1092-1107.

[Mentzer et al., 2001]: Mentzer J.T., Dewitt W., Keebler J.S., Min S., Nix N.W., Smith C.D.,
Zacharia Z.G. (2001) DEFINING THE SUPPLY CHAIN MANAGEMENT, Journal of Business
logistics, vol 22, n°2.

[Miller et Orr, 1966] : Miller, M.H., Orr, R.A., 1966. Model of the demand for money by firms.
Quantitative Journal of Economy 80 (3), 413.

[Min et Zhou, 2002]: Min H., Zhou G. (2002) Supply chain modeling: past, present and future.
Computers & Industrial Engineering 43, pp 231-249.

[Neunreuther, 1998] : Neunreuther E., (1998) Contribution à la modélisation des systèmes

intégrés de production à intelligence distribuée. Thèse de doctorat, spécialité production
automatisée, Nancy.

[Newhart et al., 1993]: Newhart D.D., Stott K.L., Vasko F.J. (1993) Consolidating product
sizes to minimize inventory levels for a multi-stage production and distribution systems, Journal
of the Operational Research Society 44 (7) 637Ð644.

90
 Bibliographie

[Nicoll, 1994]: Nicoll A.D. (1994) Integrating logistics strategies, Annual International
Conference Proceedings, American Production and Inventory Control Society, pp. 590Ð594.

[Orgler, 1969] : Orgler, Y.E., 1969. An unequal-period model for cash management decisions.
Management Science 20 (10), 1350.

[Paul et Laville, 2007] : Paul J., Laville Jean-J. (2007) Le modèle SCOR, vecteur d’excellence
de la Supply Chain. - N°13 -SUPPLY CHAIN MAGAZINE – MARS.

[Pyke et Cohen, 1993]: Pyke D.F., Cohen M.A. (1993) Performance characteristics of stochastic
integrated production-distribution systems, European Journal of Operational Research 68 (1)
23Ð48.

[Pyke et Cohen, 1994]: Pyke D.F., Cohen M.A. (1994) Multi-product integrated production-
distribution systems, European Journal of Operational Research 74 (1) 18Ð49.

[Raaymakers et al, 1997] : Raaymakers, W., Bertrand, J., Franco, J., 1997. Aggregation
principles in hierarchical production planning in a batch chemical plant. In: Raulier, D. (Ed.),
Proceedings of the International Conference on Industrial Engineering and Production
Management, pp. 407–416.

[Robichek et al, 1965] : Robichek, A.A., Teichroew, D., Jones, J.M., 1965. Optimal short term
financing decision. Management Science 12, 1.

[ROQUE et al., 2004] : ROQUE M., VALLERSPIR B., DOUMEINGTS G. (2004) «

modélisation d’entreprise : traduction et méta-modélisation ».

[Rota-Franz, 1998] : Rota-Franz K. (1998) Coordination temporelle de centres gérant de

façonautonome des ressources. Application aux chaînes logistiques intégrées en aéronautique,
Thèse de doctorat de l’ENSAE.

[Rota, 1998] : Rota K. (1998) COORDINATION TEMPORELLE DE CENTRES GERANT

DE FAÇON AUTONOME DES RESSOURCES. APPLICATION AUX CHAINES
LOGISTIQUES
INTEGREES EN AERONAUTIQUE, Thèse ENSAE.

[Rota-Franz et al., 2001] : Rota-Franz K., Thierry C., Bel G. (2001) Gestion des Flux dans les
chaînes logistiques. In Performances industrielles et gestion des flux (P. Burlat, J.P. Campagne)
Hermès Traité IC2, pp 153-186.

[Salomon, 1991]: Salomon M., (1991) DETERMINISTIC LOT-SIZING MODELS FOR

PRODUCTION PLANNING, Springer-Verlag.

91
 Bibliographie

[SCC, 2011]: SCC. (2011) Supply Chain Council: [Link]

[Sethi, 1984]: Sethi S.P. (1984) A quantity discount lot-size model with disposals, International
Journal of Production Research, vol. 22, p. 31-39.

[Simchi-Levi et al., 2000]: Simchi-Levi D., Kaminsky P., Simchi-Levi E. (2000) Designing and
Managing the Supply Chain: Concepts, Strategies, and Case Studies, McGraw-Hill, New York.

[Srinivasan, 1986] : Srinivasan, V., 1986. Deterministic cash flow management. Omega 14 (2), 145–
166.

[Statler et Kilger, 2000]: Statler H., Kilger C. (2000) Supply Chain Management and Advanced
Planning : concepts, models, software and case studies, Editions Springer Verlag.

[Svoronos A., Zipkin, 1991]: Svoronos A., Zipkin P. (1991) Evaluation of one-for-one
replenishment policies for multiechelon inventory systems, Management Science 37 (1) 68Ð83.

[Tan et al., 1998]: Tan K.C., Kannan V.R., Hand"eld R.B. (1998) Supply chain management:
supplier performance and "rm performance. International Journal of Purchasing and Material
Management 34 (3), 2}9.

[Tan, 2001]: Tan K.C. (2001) A framework of supply chain management literature. European
Journal of Purchasing and Supply Management 7, pp 39-48.

[TANGOUR TOUMI.F, 2007]: TANGOUR TOUMI. F, (2007) thèse "Ordonnancement

Dynamique dans les Industries Agroalimentaires". Université des Sciences et Technologies de
Lille

[Tayur, 1999] : Tayur S., Ganeshan R., Magazine M. (1999) Quantitative models for supply
chain management. Kluwer Academic Publishers.

[Thomas et Griffin, 1996]: Thomas D.J., Griffin P.M. (1996) Coordinated supply chain
management. European Journal of Operational Research. 94, pp 1-15.

[Towill, 1991]: Towill D.R. (1991) Supply chain dynamics, International Journal of Computer
Integrated Manufacturing 4 (4) 197Ð208.

[Towill et al., 1992]: Towill D.R., Naim M.M., Wikner J. (1992) Industrial dynamics simulation
models in the design of supply chains, International Journal of Physical Distribution and
Logistics Management 22 (5) 3Ð13.

[Towill et Del Vecchio, 1994]: Towill D.R., Del Vecchio A. (1994) The application of Filter
Theory to the study of supply chain dynamics, Production Planning and Control 5 (1) 82Ð96.

92
 Bibliographie

[Towill, 1996]: Towill D.R. (1996) Time compression and supply chain management Ð A
guided tour, Supply Chain Management 1 (1) 15Ð27.

[Tzafestas et Kapsiotis, 1994]: Tzafestas S., Kapsiotis G. (1994) Coordinated control of

manufacturing/ supply chains using multi-level techniques, Computer Integrated Manufacturing
Systems 7 (3) 206Ð212.

[VALLA et al., 2004] : VALLA A., BOTTA GENOULAZ V., GUINET A. (2004) «
Diagnostique d’une chaine logistique interne orientée processus – Application à un cas industriel
». MOSIM’04 -

[Van Eijs, 1994]: Van Eijs M.J.G. (1994) MULTI-ITEM INVENTORY SYSTEMS WITH
JOINT ORDERING AND TRANSPORTATION DECISIONS, International Journal of
Production Economics, vol. 35, p. 285-292.

[Valois, 2003] : Valois F. (2003) Modélisation et Évaluation de Performances de Réseaux ;

Chapitre 2 : Les files d'attente. INSA Lyon.

[VILLEMINOT ; 2004] : VILLEMINOT A. (2004) Thèse « Modélisation et simulation de la

logistique d’approvisionnement dans l’industrie automobile (application pour un grand
constructeur)". Université Point Carré.

[Voudouris, 1996]: Voudouris V.T. (1996) Mathematical programming techniques to

debottleneck the supply chain of Þne chemical industries, Computers and Chemical Engineering
20 S1269ÐS1274.

[Weng, 1995]: Weng Z.K. (1995) CHANNEL COORDINATION AND QUANTITY

DISCOUNTS,Management Science, vol. 41, p. 1509-1522.

[Wikner et al., 1991]: Wikner J., Towill D.R., Naim M. (1991) Smoothing supply chain
dynamics, International Journal of Production Economics 22 (3) 231Ð248.

[Williams, 1981]: Williams J.F. (1981) Heuristic techniques for simultaneous scheduling of
production and distribution in multi-echelon structures: Theory and empirical comparisons,
Management Science 27 (3) 336Ð352.

[Williams, 1983]: Williams J.F. (1983) A hybrid algorithm for simultaneous scheduling of
production and distribution in multi-echelon structures, Management Science 29 (1) 77Ð92.

[WIKIM,2011]: [Link]

[WIKIS, 2011] : [Link]

93
 Bibliographie

[WIKIT, 2011]: [Link]

[XIE, 2011]: Xiaolan XIE. (2011) Supply Chain Logistics and Operation Management. Cours
du Master recherche Génie Industriel.

94
Annexe 1 Questionnaire Supply chain management

Annexe 1:
Questionnaire Supply Chain Management

But:

Faire un diagnostique relatif au mode de management en général et particulièrement à la gestion de la

chaine logistique au sein de l’entreprise.

Objectifs:

 Identifier les principaux défis et insuffisances pour la gestion de la chaine logistique et les
problèmes associés.
 Connaitre l’impact des politiques introduites à la gestion de la chaine logistique, de la
planification logistique et de sa mise en œuvre.

Volet 1: Pratiques logistiques et leur performance

Volet 2: TIC utilisés pour soutenir le SCM, la logistique et la planification de la production

Informations Entreprise

1. Nom de l’entreprise VITAJUS

2. Adresse Site 2 OULED YAÏCH [Link]

3. Pays Algérie

4. Tel +213. 25 43 58 5. Fax +213. 25 43 58 6. Siteweb [Link]

7. Type secteur: Production Service Les deux

8. Industrie: Alimentaire Hydrocarbure Autres (définir) ___________________

Nbre d’employés: 227 Chiffre d’affaires 2011 : [________ _________] DZD

95
Annexe 1 Questionnaire Supply chain management

Volet 1

9. a. Votre entreprise dispose-t-elle d’une structure (département ou service) propre

à la logistique? OUI NON

b. Si oui, quel est le profil du responsable de cette structure?

[Service Approvisionnement ]

10. Faites-vous participer vos collaborateur dans la prise de décision ?

OUI NON

11. a. Maitrisez-vous la notion de Supply Chain (SC) ?

OUI NON
b. Quels sont le éléments qui constituent votre Supply Chain ?
Chaine classique (fournisseurs, production, clients ..)

12. a .Maîtrisez-vous la notion de Supply Chain Management (SCM) ?

OUI NON

b. Accordez-vous autant d’importance à tous les aspects du SCM ?

Approvisionnement Transport
Production Système d'information
Distribution Autre, Préciser : ………………
Aucun
c. Si aucun, Pourquoi ?

13. Votre entreprise dispose-t-elle d’un plan logistique clairement défini?

OUI NON

14. Comment gérez-vous votre chaine logistique? Cocher tout ce qui s’applique

1 Etroite collaboration avec les fournisseurs

2 Etroite collaboration avec les clients
3 Approvisionnement en « juste à temps » (JIT)
4 e-procurement (approvisionnement électronique)
5 Echange de données informatisé (EDI)
6 Outsourcing (externalisation)

96
Annexe 1 Questionnaire Supply chain management

7 Sous-traitance
9 Plan stratégique
10 Supply Chain Benchmarking
11 Intégration verticale
12 Nombre limité de fournisseurs
13 De nombreux fournisseurs
14 Stock de sécurité
15 Consultants externes
16 Autres, Spécifier

15. Comment jugez-vous le management de la chaine logistique de votre entreprise en général ?

Non réussi du
Non réussi Assez réussi Réussi Très réussi
tout

1 2 3 4 5

16. A l’effet de renforcer votre maitrise de la chaine logistique, évaluez chacun des éléments suivants
:

commencer à Déjà Non

A améliorer
appliquer satisfait approprié
Etroite collaboration avec les X
fournisseurs
Etroite collaboration avec les X
clients
Approvisionnement en « juste à X
temps » (JIT)
e-procurement X

EDI X

Outsourcing X

Sous-traitance X

Plan stratégique X

Supply Chain Benchmarking X

Intégration verticale X

97
Annexe 1 Questionnaire Supply chain management

Nombre limité de fournisseurs X

De nombreux fournisseurs X

Stock de sécurité X

Consultants externes X

Autres, Spécifier

Volet 2

17. Quels types de systèmes d’information utilisez-vous actuellement pour

soutenir votre Supply Chain Management? (Sinon, Aller à Q20)

fait sur mesure formule Standard Non utilisé

Material Requirements Planning (MRP) X

Manufacturing Resources Planning (MRPII) X
Enterprise Resource Planning (ERP) X
Warehouse Management System (WMS) X
Supply Chain Management (SCM) X
Customer Relationships Management (CRM) X
Supplier Relationships Management (SRM) X
Advanced Planning System (APS) X
Just à Temps (JIT) X
Théorie des contraintes (TOC) X
E-commerce X
E-business X
Radio-identification (RFID) X
Echange de données informatisé (EDI) X
codes à barres X
Autres, Spécifier

18. Quel est impact de l’utilisation des systèmes d’informations précédents ?

Considéra Ne
Pas du tout Peu Moyen Beaucoup
blement sait
(1) (2) (3) (4) (5) pas
Meilleure qualité de l'information X
Meilleure quantité d'information X
Flexibilité X
Réduction des délais de production X

98
Annexe 1 Questionnaire Supply chain management

Réduction des coûts X

prévision X
Planification des ressources X
Une meilleure efficacité opérationnelle X
Réduction des niveaux des stocks X
évaluation plus précise des coûts X
Renforcement de la coordination entre X
les services
Renforcement de la coordination avec
X
les fournisseurs
Renforcement de la coordination avec
les clients X

Augmentation des ventes X

19. A quel degré votre entreprise est-elle confrontée aux problèmes ci-dessous lors de
l’utilisation de ces systèmes ?

Pas dePeu deQuelques Importants Sérieux Ne

problème problèmes Problèmes problèmes Problèmes sait
pas
(1) (2) (3) (4) (5)
Résistance au changement de la part des
X
employés
Pénurie des ressources (par exemple pas
X
d'entretien et mise à jour)
Pénurie de compétences (par
exemple L'analphabétisme informatique X
dans l'entreprise)

Soutien aux fournisseurs insuffisant X

coûts cachés X
Intégration avec le système existant X
Intégration avec le système du
X
fournisseur
Intégration avec le système du client X
Autres, Spécifier

20. Quels types de systèmes prévoyez-vous de mettre en œuvre dans un avenir proche (dans les
2 prochaines années) ?

99
Annexe 1 Questionnaire Supply chain management

fait sur formule Ne va pas

mesure Standard être mis en
œuvre
Material Requirements Planning (MRP) X
Manufacturing Resources Planning (MRPII) X
Enterprise Resource Planning (ERP) X
Warehouse Management System (WMS) X
Supply Chain Management (SCM) X
Customer Relationships Management (CRM) X
Supplier Relationships Management (SRM) X
Advanced Planning System (APS) X
Just à Temps (JIT) X
Théorie des contraintes (TOC) X
E-commerce X
E-business X
Radio-identification (RFID) X
Echange de données informatisé (EDI) X
Codes à barres X
Autres, Spécifier

Merci pour votre collaboration

100
Annexe2 : Données utilisées

Annexe2 : Données utilisées

Ce tableaux représente le coefficient de conversion de masse de la matière première r et du
produit intermédiaire p:

Tableau 10 : coefficient de conversion de masse de la matière première r et du produit

intermédiaire p

emballage emballage nectar emballage

 rp Jus orange jus 9F/9V
orange 9F/9V raisin orange
concentré
0.15 0 0 0 0 0
orange
concentré
0 0 0.2 0 0 0
9F9V
concentré
0 0 0 0 0.5 0
raisin
Pulpe
0.05 0 0 0 0 0
orange
emballage 0 1 0 1 0 1
sirop 0.79 0 0.79 0 0.49 0
acide
0.01 0 0.01 0 0.01 0
citrique

Ce tableaux représente le coefficient de conversion de masse du produit intermédiaire p et du

produit fini f :

Tableau 11 : coefficient de conversion de masse du produit intermédiaire p et du

produit fini f
 fp Jus emballage jus emballage nectar emballage
orange orange 9F/9V 9F/9V raisin orange
Jus 0.92 0.08 0 0 0 0
orange
jus 9F/9V 0 0 0.92 0.08 0 0

nectar 0 0 0 0 0.92 0.08

raisin

Ce tableaux représente la demande du produit fini f à la période t :

101
Annexe2 : Données utilisées

Tableau 12 : la demande du produit fini f à la période t

Demtf Direct Indirect Export

Jus orange 14 240,00 55536 1424

jus 9F/9V 14 240,00 55536 1424 période1

nectar raisin 11 680,00 45552 1168

Jus orange 65 440,00 255216 6544

jus 9F/9V 50 080,00 195312 5008 période2

nectar raisin 19 360,00 75504 1936

Jus orange 126 880,00 494832 12688

jus 9F/9V 96 160,00 375024 9616 période3

nectar raisin 23 200,00 90480 2320

Jus orange 44 960,00 175344 4496

jus 9F/9V 34 720,00 135408 3472 période4

nectar raisin 15 520,00 60528 1552

Jus orange 59 360,00 231504 5936

jus 9F/9V 34 720,00 135408 3472 période5

nectar raisin 14 720,00 57408 1472

Ce tableaux représente les différents coût liés à la production à la période t

Tableau 13 : coûts liés à la production à la période t

Période1 Période2 Période3 Période4 Période5

Dif t 15 000 000,00 14 500 000,00 15 500 000,00 15 000 000,00 15 300 000,00

102
Annexe2 : Données utilisées

Ce tableaux représente le taux d'intérêt de la banque à la période t :

Tableau 14 : taux d'intérêt de la banque à la période t

Période 1 Période 2 Période 3 Période 4 Période 5

Taux t 0.06 0.06 0.06 0.06 0.06

Ce tableaux représente le bénéfice du produit f sur le marché l à la période t :

Tableau 15 : le bénéfice du produit f sur le marché l à la période t

RV flt direct indirect export

Jus orange 15 13 20 Période1
jus 9F/9V 15 13 20
nectar raisin 8 6 15
Jus orange 15 13 20 Période2
jus 9F/9V 15 13 20
nectar raisin 8 6 15
Jus orange 15 13 20 Période3
jus 9F/9V 15 13 20
nectar raisin 8 6 15
Jus orange 15 13 20 Période4
jus 9F/9V 15 13 20
nectar raisin 8 6 15
Jus orange 15 13 20 Période5
jus 9F/9V 15 13 20
nectar raisin 8 6 15

Ce tableaux représente la capacité de production du produit f :

Tableau 16 : la capacité de production du produit f

Jus orange jus 9F/9V nectar raisin

Cap f 5040000 5040000 5040000

Ce tableaux représente le budget disponible à la période t :

103
Annexe2 : Données utilisées

Tableau 17 : budget disponible à la période t

Période1 Période2 Période3 Période4 Période5

Casht 20000000 18000000 19500000 21000000 22500000

Ce tableaux représente le coût d'achat de la matière première r chez le fournisseur e à la période t

:

Tableau 18 : le coût d'achat de la matière première r chez le fournisseur e à la période t

CoutESert concentré concentré concentré Pulpe acide

emballage sirop
orange 9F9V raisin orange citrique
Tetrapak 0 0 0 0 14 0 0
Cevital 0 0 0 0 0 69 0
Symrise 0 251 0 0 0 0 0
INCAL 220 0 0 0 0 0 0 Période
Dreyfus 200 0 0 0 0 0 0 1
Space 0 0 237 0 0 0 0
Ammour 0 0 0 58 0 0 0
Chaouchi 0 0 0 0 0 0 110
Tetrapak 0 0 0 0 14 0 0
Cevital 0 0 0 0 0 69 0
Symrise 0 251 0 0 0 0 0
INCAL 220 0 0 0 0 0 0 Période
Dreyfus 200 0 0 0 0 0 0 2
Space 0 0 237 0 0 0 0
Ammour 0 0 0 58 0 0 0
Chaouchi 0 0 0 0 0 0 110
Tetrapak 0 0 0 0 14 0 0
Cevital 0 0 0 0 0 69 0
Symrise 0 251 0 0 0 0 0
INCAL 220 0 0 0 0 0 0 Période
Dreyfus 200 0 0 0 0 0 0 3
Space 0 0 237 0 0 0 0
Ammour 0 0 0 58 0 0 0
Chaouchi 0 0 0 0 0 0 110
Tetrapak 0 0 0 0 14 0 0
Cevital 0 0 0 0 0 69 0
Période
Symrise 0 251 0 0 0 0 0
4
INCAL 220 0 0 0 0 0 0
Dreyfus 200 0 0 0 0 0 0

104
Annexe2 : Données utilisées

Space 0 0 237 0 0 0 0
Ammour 0 0 0 58 0 0 0
Chaouchi 0 0 0 0 0 0 110
Tetrapak 0 0 0 0 14 0 0
Cevital 0 0 0 0 0 69 0
Symrise 0 251 0 0 0 0 0
INCAL 220 0 0 0 0 0 0 Période
dreyfus 200 0 0 0 0 0 0 5
Space 0 0 237 0 0 0 0
Ammour 0 0 0 58 0 0 0
Chaouchi 0 0 0 0 0 0 110

Valeurs initiales des variables:

Ce tableau représente la valeur initiale de la variable Q pt :

Tableau 19 : valeur initiale de la variable Q pt

Jus orange emballage jus 9F/9V emballage nectar emballage

orange 9F/9V raisin orange
Q1p 4746 450 4746 570 3893 510

Ce tableau représente la valeur initiale de la variable Qout tf :

Tableau 20 : valeur initiale de la variable Qout tf :

Jus orange jus 9F/9V nectar raisin

1
Qout f 5696 5600 4672

Ce tableau représente la valeur initiale de la variable NVR rt :

Tableau 21 : la valeur initiale de la variable NVR rt

concentré concentré concentré Pulpe acide

emballage sirop
orange 9F9V raisin orange citrique

NVRr1 4720 4600 4200 3400 2500 9600 1220

105
Annexe2 : Données utilisées

Ce tableau représente la valeur initiale de la variable NVPpt :

Tableau 22 : la valeur initiale de la variable NVPpt

Jus orange emballage jus 9F/9V emballage nectar emballage

orange 9F/9V raisin orange
NVP1p 1200 150 1300 120 1100 130

Ce tableau représente la valeur initiale de la variable NVFkft

Tableau 23 : la valeur initiale de la variable NVFkft

NVFkf1 Jus orange jus 9F/9V nectar raisin

Entrepot1 1898 1866 1557
Entrepot2 1800 1870 1490
Entrepot3 1900 1890 1580
Entrepot4 1850 1850 1560
Entrepot5 1870 1840 1540

106
Annexe3 Modèle programmé sous Lingo

Annexe3 : Modèle programmé sous Lingo

!Définition de ensembles!
sets:
RL /1..7/: nvri;
EL /1..8/;
FL /1..3/: qouti, cap;
PL /1..6/: nvpi,qi;
TL /1..5/ : taux, dif, cash, emp;
KL /1..5/;
LL /1..3/;

lin1(RL,PL):alfa;
lin2(FL,PL):beta;
lin3(Fl,TL):qout;
lin4(PL,TL):q;
lin5(RL,TL):nvr;
lin6(PL,TL):nvp;

lin7(EL,RL,TL):coutes, es;
lin8(KL,FL,TL):nvf;
lin9(FL,LL,TL):sales, rv,dem;
lin10(KL,FL):nvfi;
endsets

!initialisation emp ;
@for(TL (t) | t #EQ# 1 : emp(t) = 500000 );
!initialisation qout ;
@for(TL (t) | t #EQ# 1 : @for(FL (f) :
qout(f,t) =qouti(f) ));
!initialisation q ;
@for(TL (t) | t #EQ# 1 : @for(PL (p) :
q(p,t) =qi(p) ));
!initialisation nvr ;
@for(TL (t) | t #EQ# 1 : @for(RL (r) :
nvr(r,t) =nvri(r) ));
!initialisation nvp ;
@for(TL (t) | t #EQ# 1 : @for(PL (p) :
nvp(p,t) =nvpi(p) ));
!initialisation nvf ;
@for(TL (t) | t #EQ# 1 : @for(KL (k) : @for(FL (f) :
nvf(k,f,t) =nvfi(k,f) )));

!contrainte 1;
@for(TL (t) | t #GT# 1 : @for(RL (r) :
@sum(EL (e) : es(e,r,t)) + nvr(r,t-1) = @sum(PL (p) :q(p,t)*alfa(r,t) ) + nvr(r,t)));

!contrainte 2;
@for(PL (p) : @for(TL (t) | t #GT# 1 :

107
Annexe3 Modèle programmé sous Lingo

q(p,t) + nvp(p,t-1) = @sum(FL (f):qout(f,t)* beta(f,p)) + nvp(p,t) ));

!contrainte3;
@for (FL (f) : @for (TL (t) | t #GT# 1 :
@sum ( KL (k):nvf(k,f,t-1))+ qout(f,t) = @sum ( KL (k):nvf(k,f,t))+ @sum ( LL (l) :sales(f,l,t) )));

!Contrainte4;
@for (LL (l):@for (TL (t) :
@sum ( FL (f) :sales(f,l,t)) <= @sum( FL (f): dem(f,l,t) )));

!Contrainte5;
@for (FL (f) : @for (TL (t) :
qout(f,t)<= cap(f) ));

!Contrainte6;
@for (TL (t) :
cash(t) + emp(t)>= @sum (EL (e) : @sum (RL (r) : coutes(e,r,t)*es(e,r,t))) + dif(t) );

@for (TL (t) : emp (t) <= maxemp);

!Contrainte7;
@sum(lin9 : rv*sales )>= @sum(TL : emp*(taux+1) + dif);

!fct objectif;
MAX = @sum(lin9 : rv*sales );

@for(TL : @gin(emp));
@for(lin3 : @gin(qout));
@for(lin4 : @gin(q));
@for(lin5 : @gin(nvr));
@for(lin6 : @gin(nvp));
@for(lin7 : @gin(es));
@for(lin8 : @gin(nvf));
@for(lin8 : @gin(b));
@for(lin9 : @gin(sales));

108
Annexe3 Modèle programmé sous Lingo

Résultats expérimentaux
Global optimal solution found at iteration: 8753
Objective value: 0.4216218E+08

Variable Value Reduced Cost

MAXEMP 1000000. 0.000000
B 0.000000 0.000000
TSALES 3113387. 0.000000
EMP( 1) 500000.0 0.000000
EMP( 2) 1000000. 0.000000
EMP( 3) 1000000. 0.000000
EMP( 4) 1000000. 0.000000
EMP( 5) 1000000. 0.000000
QOUT( 1, 1) 5696.000 0.000000
QOUT( 1, 2) 0.000000 0.000000
QOUT( 1, 3) 5040000. 0.000000
QOUT( 1, 4) 0.000000 0.000000
QOUT( 1, 5) 0.000000 0.000000
QOUT( 2, 1) 5600.000 0.000000
QOUT( 2, 2) 0.000000 0.000000
QOUT( 2, 3) 752600.0 0.000000
QOUT( 2, 4) 571600.0 0.000000
QOUT( 2, 5) 0.000000 0.000000
QOUT( 3, 1) 4672.000 0.000000
QOUT( 3, 2) 438275.0 0.000000
QOUT( 3, 3) 0.000000 0.000000
QOUT( 3, 4) 5040000. 0.000000
QOUT( 3, 5) 0.000000 0.000000
Q( 1, 1) 4746.000 0.000000
Q( 1, 2) 4635599. 0.000000
Q( 1, 3) 1.000000 0.000000
Q( 1, 4) 0.000000 0.000000
Q( 1, 5) 0.000000 0.000000
Q( 2, 1) 450.0000 0.000000
Q( 2, 2) 403050.0 0.000000
Q( 2, 3) 0.000000 0.000000
Q( 2, 4) 0.000000 0.000000
Q( 2, 5) 0.000000 0.000000
Q( 3, 1) 4746.000 0.000000
Q( 3, 2) 2.000000 0.000000
Q( 3, 3) 691110.0 0.000000
Q( 3, 4) 525852.0 0.000000
Q( 3, 5) 0.000000 0.000000
Q( 4, 1) 570.0000 0.000000
Q( 4, 2) 0.000000 0.000000
Q( 4, 3) 60089.00 0.000000
Q( 4, 4) 45727.00 0.000000
Q( 4, 5) 0.000000 0.000000

109
Annexe3 Modèle programmé sous Lingo

Q( 5, 1) 3893.000 0.000000
Q( 5, 2) 402113.0 0.000000
Q( 5, 3) 0.000000 0.000000
Q( 5, 4) 4636800. 0.000000
Q( 5, 5) 0.000000 0.000000
Q( 6, 1) 510.0000 0.000000
Q( 6, 2) 34932.00 0.000000
Q( 6, 3) 0.000000 0.000000
Q( 6, 4) 403200.0 0.000000
Q( 6, 5) 0.000000 0.000000
NVR( 1, 1) 4720.000 0.000000
NVR( 1, 2) 4720.000 0.000000
NVR( 1, 3) 4720.000 0.000000
NVR( 1, 4) 4720.000 0.000000
NVR( 1, 5) 4720.000 0.000000
NVR( 2, 1) 4600.000 0.000000
NVR( 2, 2) 0.1000000E+31 0.000000
NVR( 2, 3) 0.1000000E+31 0.000000
NVR( 2, 4) 0.1000000E+31 0.000000
NVR( 2, 5) 0.1000000E+31 0.000000
NVR( 3, 1) 4200.000 0.000000
NVR( 3, 2) 0.1000000E+31 0.000000
NVR( 3, 3) 0.1000000E+31 0.000000
NVR( 3, 4) 0.1000000E+31 0.000000
NVR( 3, 5) 0.1000000E+31 0.000000
NVR( 4, 1) 3400.000 0.000000
NVR( 4, 2) 3400.000 0.000000
NVR( 4, 3) 3400.000 0.000000
NVR( 4, 4) 3400.000 0.000000
NVR( 4, 5) 3400.000 0.000000
NVR( 5, 1) 2500.000 0.000000
NVR( 5, 2) 0.000000 0.000000
NVR( 5, 3) 0.000000 0.000000
NVR( 5, 4) 0.000000 0.000000
NVR( 5, 5) 0.000000 0.000000
NVR( 6, 1) 9600.000 0.000000
NVR( 6, 2) 593448.0 0.000000
NVR( 6, 3) 0.000000 0.000000
NVR( 6, 4) 0.000000 0.000000
NVR( 6, 5) 0.000000 0.000000
NVR( 7, 1) 1220.000 0.000000
NVR( 7, 2) 6781.000 0.000000
NVR( 7, 3) 0.000000 0.000000
NVR( 7, 4) 0.000000 0.000000
NVR( 7, 5) 0.000000 0.000000
NVP( 1, 1) 1200.000 0.000000
NVP( 1, 2) 4636799. 0.000000
NVP( 1, 3) 0.000000 0.000000
NVP( 1, 4) 0.000000 0.000000
NVP( 1, 5) 0.000000 0.000000

110
Annexe3 Modèle programmé sous Lingo

NVP( 2, 1) 150.0000 0.000000

NVP( 2, 2) 403200.0 0.000000
NVP( 2, 3) 0.000000 0.000000
NVP( 2, 4) 0.000000 0.000000
NVP( 2, 5) 0.000000 0.000000
NVP( 3, 1) 1300.000 0.000000
NVP( 3, 2) 1302.000 0.000000
NVP( 3, 3) 20.00000 0.000000
NVP( 3, 4) 0.000000 0.000000
NVP( 3, 5) 0.000000 0.000000
NVP( 4, 1) 120.0000 0.000000
NVP( 4, 2) 120.0000 0.000000
NVP( 4, 3) 1.000000 0.000000
NVP( 4, 4) 0.000000 0.000000
NVP( 4, 5) 0.000000 0.000000
NVP( 5, 1) 1100.000 0.000000
NVP( 5, 2) 0.000000 0.000000
NVP( 5, 3) 0.000000 0.000000
NVP( 5, 4) 0.000000 0.000000
NVP( 5, 5) 0.000000 0.000000
NVP( 6, 1) 130.0000 0.000000
NVP( 6, 2) 0.000000 0.000000
NVP( 6, 3) 0.000000 0.000000
NVP( 6, 4) 0.000000 0.000000
NVP( 6, 5) 0.000000 0.000000
ES( 1, 1, 1) 0.000000 0.000000
ES( 1, 1, 2) 0.000000 0.000000
ES( 1, 1, 3) 0.000000 0.000000
ES( 1, 1, 4) 0.000000 0.000000
ES( 1, 1, 5) 0.000000 0.000000
ES( 1, 2, 1) 0.000000 0.000000
ES( 1, 2, 2) 0.000000 0.000000
ES( 1, 2, 3) 0.000000 0.000000
ES( 1, 2, 4) 0.000000 0.000000
ES( 1, 2, 5) 0.000000 0.000000
ES( 1, 3, 1) 0.000000 0.000000
ES( 1, 3, 2) 0.000000 0.000000
ES( 1, 3, 3) 0.000000 0.000000
ES( 1, 3, 4) 0.000000 0.000000
ES( 1, 3, 5) 0.000000 0.000000
ES( 1, 4, 1) 0.000000 0.000000
ES( 1, 4, 2) 0.000000 0.000000
ES( 1, 4, 3) 0.000000 0.000000
ES( 1, 4, 4) 0.000000 0.000000
ES( 1, 4, 5) 0.000000 0.000000
ES( 1, 5, 1) 0.000000 0.000000
ES( 1, 5, 2) 0.000000 0.000000
ES( 1, 5, 3) 0.000000 0.000000
ES( 1, 5, 4) 0.000000 0.000000
ES( 1, 5, 5) 0.000000 0.000000

111
Annexe3 Modèle programmé sous Lingo

ES( 1, 6, 1) 0.000000 0.000000

ES( 1, 6, 2) 340079.0 0.000000
ES( 1, 6, 3) 0.000000 0.000000
ES( 1, 6, 4) 0.000000 0.000000
ES( 1, 6, 5) 0.000000 0.000000
ES( 1, 7, 1) 0.000000 0.000000
ES( 1, 7, 2) 5561.000 0.000000
ES( 1, 7, 3) 0.000000 0.000000
ES( 1, 7, 4) 0.000000 0.000000
ES( 1, 7, 5) 0.000000 0.000000
ES( 2, 1, 1) 0.000000 0.000000
ES( 2, 1, 2) 0.000000 0.000000
ES( 2, 1, 3) 0.000000 0.000000
ES( 2, 1, 4) 0.000000 0.000000
ES( 2, 1, 5) 0.000000 0.000000
ES( 2, 2, 1) 0.000000 0.000000
ES( 2, 2, 2) 0.1000000E+31 0.000000
ES( 2, 2, 3) 0.000000 0.000000
ES( 2, 2, 4) 0.000000 0.000000
ES( 2, 2, 5) 0.000000 0.000000
ES( 2, 3, 1) 0.000000 0.000000
ES( 2, 3, 2) 0.1000000E+31 0.000000
ES( 2, 3, 3) 0.000000 0.000000
ES( 2, 3, 4) 0.000000 0.000000
ES( 2, 3, 5) 0.000000 0.000000
ES( 2, 4, 1) 0.000000 0.000000
ES( 2, 4, 2) 0.000000 0.000000
ES( 2, 4, 3) 0.000000 0.000000
ES( 2, 4, 4) 0.000000 0.000000
ES( 2, 4, 5) 0.000000 0.000000
ES( 2, 5, 1) 0.000000 0.000000
ES( 2, 5, 2) 5473196. 0.000000
ES( 2, 5, 3) 0.000000 0.000000
ES( 2, 5, 4) 5611579. 0.000000
ES( 2, 5, 5) 0.000000 0.000000
ES( 2, 6, 1) 0.000000 0.000000
ES( 2, 6, 2) 0.000000 0.000000
ES( 2, 6, 3) 0.000000 0.000000
ES( 2, 6, 4) 0.000000 0.000000
ES( 2, 6, 5) 0.000000 0.000000
ES( 2, 7, 1) 0.000000 0.000000
ES( 2, 7, 2) 0.000000 0.000000
ES( 2, 7, 3) 0.000000 0.000000
ES( 2, 7, 4) 0.000000 0.000000
ES( 2, 7, 5) 0.000000 0.000000
ES( 3, 1, 1) 0.000000 0.000000
ES( 3, 1, 2) 0.000000 0.000000
ES( 3, 1, 3) 0.000000 0.000000
ES( 3, 1, 4) 0.000000 0.000000
ES( 3, 1, 5) 0.000000 0.000000

112
Annexe3 Modèle programmé sous Lingo

ES( 3, 2, 1) 0.000000 0.000000

ES( 3, 2, 2) 0.000000 0.000000
ES( 3, 2, 3) 75758.00 0.000000
ES( 3, 2, 4) 0.000000 0.000000
ES( 3, 2, 5) 0.000000 0.000000
ES( 3, 3, 1) 0.000000 0.000000
ES( 3, 3, 2) 0.000000 0.000000
ES( 3, 3, 3) 0.000000 0.000000
ES( 3, 3, 4) 0.000000 0.000000
ES( 3, 3, 5) 99863.00 0.000000
ES( 3, 4, 1) 0.000000 0.000000
ES( 3, 4, 2) 0.000000 0.000000
ES( 3, 4, 3) 0.000000 0.000000
ES( 3, 4, 4) 0.000000 0.000000
ES( 3, 4, 5) 0.000000 0.000000
ES( 3, 5, 1) 0.000000 0.000000
ES( 3, 5, 2) 0.000000 0.000000
ES( 3, 5, 3) 0.000000 0.000000
ES( 3, 5, 4) 0.000000 0.000000
ES( 3, 5, 5) 0.000000 0.000000
ES( 3, 6, 1) 0.000000 0.000000
ES( 3, 6, 2) 0.000000 0.000000
ES( 3, 6, 3) 0.000000 0.000000
ES( 3, 6, 4) 0.000000 0.000000
ES( 3, 6, 5) 0.000000 0.000000
ES( 3, 7, 1) 0.000000 0.000000
ES( 3, 7, 2) 0.000000 0.000000
ES( 3, 7, 3) 0.000000 0.000000
ES( 3, 7, 4) 0.000000 0.000000
ES( 3, 7, 5) 0.000000 0.000000
ES( 4, 1, 1) 0.000000 0.000000
ES( 4, 1, 2) 0.000000 0.000000
ES( 4, 1, 3) 0.000000 0.000000
ES( 4, 1, 4) 0.000000 0.000000
ES( 4, 1, 5) 0.000000 0.000000
ES( 4, 2, 1) 0.000000 0.000000
ES( 4, 2, 2) 2.000000 0.000000
ES( 4, 2, 3) 0.000000 0.000000
ES( 4, 2, 4) 0.000000 0.000000
ES( 4, 2, 5) 0.000000 0.000000
ES( 4, 3, 1) 0.000000 0.000000
ES( 4, 3, 2) 0.000000 0.000000
ES( 4, 3, 3) 0.000000 0.000000
ES( 4, 3, 4) 0.000000 0.000000
ES( 4, 3, 5) 0.000000 0.000000
ES( 4, 4, 1) 0.000000 0.000000
ES( 4, 4, 2) 0.000000 0.000000
ES( 4, 4, 3) 0.000000 0.000000
ES( 4, 4, 4) 0.000000 0.000000
ES( 4, 4, 5) 0.000000 0.000000

113
Annexe3 Modèle programmé sous Lingo

ES( 4, 5, 1) 0.000000 0.000000

ES( 4, 5, 2) 0.000000 0.000000
ES( 4, 5, 3) 0.000000 0.000000
ES( 4, 5, 4) 0.000000 0.000000
ES( 4, 5, 5) 0.000000 0.000000
ES( 4, 6, 1) 0.000000 0.000000
ES( 4, 6, 2) 0.000000 0.000000
ES( 4, 6, 3) 0.000000 0.000000
ES( 4, 6, 4) 0.000000 0.000000
ES( 4, 6, 5) 0.000000 0.000000
ES( 4, 7, 1) 0.000000 0.000000
ES( 4, 7, 2) 0.000000 0.000000
ES( 4, 7, 3) 0.000000 0.000000
ES( 4, 7, 4) 0.000000 0.000000
ES( 4, 7, 5) 0.000000 0.000000
ES( 5, 1, 1) 0.000000 0.000000
ES( 5, 1, 2) 0.000000 0.000000
ES( 5, 1, 3) 0.000000 0.000000
ES( 5, 1, 4) 0.000000 0.000000
ES( 5, 1, 5) 0.000000 0.000000
ES( 5, 2, 1) 0.000000 0.000000
ES( 5, 2, 2) 0.000000 0.000000
ES( 5, 2, 3) 0.000000 0.000000
ES( 5, 2, 4) 0.000000 0.000000
ES( 5, 2, 5) 0.000000 0.000000
ES( 5, 3, 1) 0.000000 0.000000
ES( 5, 3, 2) 0.000000 0.000000
ES( 5, 3, 3) 0.000000 0.000000
ES( 5, 3, 4) 0.000000 0.000000
ES( 5, 3, 5) 0.000000 0.000000
ES( 5, 4, 1) 0.000000 0.000000
ES( 5, 4, 2) 0.000000 0.000000
ES( 5, 4, 3) 0.000000 0.000000
ES( 5, 4, 4) 0.000000 0.000000
ES( 5, 4, 5) 0.000000 0.000000
ES( 5, 5, 1) 0.000000 0.000000
ES( 5, 5, 2) 0.000000 0.000000
ES( 5, 5, 3) 0.000000 0.000000
ES( 5, 5, 4) 0.000000 0.000000
ES( 5, 5, 5) 0.000000 0.000000
ES( 5, 6, 1) 0.000000 0.000000
ES( 5, 6, 2) 0.000000 0.000000
ES( 5, 6, 3) 0.000000 0.000000
ES( 5, 6, 4) 0.000000 0.000000
ES( 5, 6, 5) 0.000000 0.000000
ES( 5, 7, 1) 0.000000 0.000000
ES( 5, 7, 2) 0.000000 0.000000
ES( 5, 7, 3) 731.0000 0.000000
ES( 5, 7, 4) 0.000000 0.000000
ES( 5, 7, 5) 0.000000 0.000000

114
Annexe3 Modèle programmé sous Lingo

ES( 6, 1, 1) 0.000000 0.000000

ES( 6, 1, 2) 0.000000 0.000000
ES( 6, 1, 3) 0.000000 0.000000
ES( 6, 1, 4) 0.000000 0.000000
ES( 6, 1, 5) 0.000000 0.000000
ES( 6, 2, 1) 0.000000 0.000000
ES( 6, 2, 2) 0.000000 0.000000
ES( 6, 2, 3) 0.000000 0.000000
ES( 6, 2, 4) 0.000000 0.000000
ES( 6, 2, 5) 0.000000 0.000000
ES( 6, 3, 1) 0.000000 0.000000
ES( 6, 3, 2) 0.000000 0.000000
ES( 6, 3, 3) 0.000000 0.000000
ES( 6, 3, 4) 0.000000 0.000000
ES( 6, 3, 5) 0.000000 0.000000
ES( 6, 4, 1) 0.000000 0.000000
ES( 6, 4, 2) 0.000000 0.000000
ES( 6, 4, 3) 0.000000 0.000000
ES( 6, 4, 4) 0.000000 0.000000
ES( 6, 4, 5) 0.000000 0.000000
ES( 6, 5, 1) 0.000000 0.000000
ES( 6, 5, 2) 0.000000 0.000000
ES( 6, 5, 3) 0.000000 0.000000
ES( 6, 5, 4) 0.000000 0.000000
ES( 6, 5, 5) 0.000000 0.000000
ES( 6, 6, 1) 0.000000 0.000000
ES( 6, 6, 2) 0.000000 0.000000
ES( 6, 6, 3) 0.000000 0.000000
ES( 6, 6, 4) 0.000000 0.000000
ES( 6, 6, 5) 0.000000 0.000000
ES( 6, 7, 1) 0.000000 0.000000
ES( 6, 7, 2) 0.000000 0.000000
ES( 6, 7, 3) 0.000000 0.000000
ES( 6, 7, 4) 0.000000 0.000000
ES( 6, 7, 5) 0.000000 0.000000
ES( 7, 1, 1) 0.000000 0.000000
ES( 7, 1, 2) 0.000000 0.000000
ES( 7, 1, 3) 0.000000 0.000000
ES( 7, 1, 4) 0.000000 0.000000
ES( 7, 1, 5) 0.000000 0.000000
ES( 7, 2, 1) 0.000000 0.000000
ES( 7, 2, 2) 0.000000 0.000000
ES( 7, 2, 3) 0.000000 0.000000
ES( 7, 2, 4) 0.000000 0.000000
ES( 7, 2, 5) 0.000000 0.000000
ES( 7, 3, 1) 0.000000 0.000000
ES( 7, 3, 2) 0.000000 0.000000
ES( 7, 3, 3) 0.000000 0.000000
ES( 7, 3, 4) 1025000. 0.000000
ES( 7, 3, 5) 0.000000 0.000000

115
Annexe3 Modèle programmé sous Lingo

ES( 7, 4, 1) 0.000000 0.000000

ES( 7, 4, 2) 0.000000 0.000000
ES( 7, 4, 3) 0.000000 0.000000
ES( 7, 4, 4) 0.000000 0.000000
ES( 7, 4, 5) 0.000000 0.000000
ES( 7, 5, 1) 0.000000 0.000000
ES( 7, 5, 2) 0.000000 0.000000
ES( 7, 5, 3) 0.000000 0.000000
ES( 7, 5, 4) 0.000000 0.000000
ES( 7, 5, 5) 0.000000 0.000000
ES( 7, 6, 1) 0.000000 0.000000
ES( 7, 6, 2) 243769.0 0.000000
ES( 7, 6, 3) 0.000000 0.000000
ES( 7, 6, 4) 0.000000 0.000000
ES( 7, 6, 5) 0.000000 0.000000
ES( 7, 7, 1) 0.000000 0.000000
ES( 7, 7, 2) 0.000000 0.000000
ES( 7, 7, 3) 0.000000 0.000000
ES( 7, 7, 4) 0.000000 0.000000
ES( 7, 7, 5) 0.000000 0.000000
ES( 8, 1, 1) 0.000000 0.000000
ES( 8, 1, 2) 0.000000 0.000000
ES( 8, 1, 3) 0.000000 0.000000
ES( 8, 1, 4) 0.000000 0.000000
ES( 8, 1, 5) 0.000000 0.000000
ES( 8, 2, 1) 0.000000 0.000000
ES( 8, 2, 2) 0.000000 0.000000
ES( 8, 2, 3) 1.000000 0.000000
ES( 8, 2, 4) 0.000000 0.000000
ES( 8, 2, 5) 0.000000 0.000000
ES( 8, 3, 1) 0.000000 0.000000
ES( 8, 3, 2) 0.000000 0.000000
ES( 8, 3, 3) 0.000000 0.000000
ES( 8, 3, 4) 0.000000 0.000000
ES( 8, 3, 5) 0.000000 0.000000
ES( 8, 4, 1) 0.000000 0.000000
ES( 8, 4, 2) 0.000000 0.000000
ES( 8, 4, 3) 0.000000 0.000000
ES( 8, 4, 4) 0.000000 0.000000
ES( 8, 4, 5) 0.000000 0.000000
ES( 8, 5, 1) 0.000000 0.000000
ES( 8, 5, 2) 0.000000 0.000000
ES( 8, 5, 3) 0.000000 0.000000
ES( 8, 5, 4) 0.000000 0.000000
ES( 8, 5, 5) 0.000000 0.000000
ES( 8, 6, 1) 0.000000 0.000000
ES( 8, 6, 2) 0.000000 0.000000
ES( 8, 6, 3) 0.000000 0.000000
ES( 8, 6, 4) 0.000000 0.000000
ES( 8, 6, 5) 0.000000 0.000000

116
Annexe3 Modèle programmé sous Lingo

ES( 8, 7, 1) 0.000000 0.000000

ES( 8, 7, 2) 0.000000 0.000000
ES( 8, 7, 3) 0.000000 0.000000
ES( 8, 7, 4) 0.000000 0.000000
ES( 8, 7, 5) 0.000000 0.000000
NVF( 1, 1, 1) 1898.000 0.000000
NVF( 1, 1, 2) 0.000000 0.000000
NVF( 1, 1, 3) 0.000000 0.000000
NVF( 1, 1, 4) 5042471. 0.000000
NVF( 1, 1, 5) 4420599. 0.000000
NVF( 1, 2, 1) 1866.000 0.000000
NVF( 1, 2, 2) 0.000000 0.000000
NVF( 1, 2, 3) 0.000000 0.000000
NVF( 1, 2, 4) 0.000000 0.000000
NVF( 1, 2, 5) 0.000000 0.000000
NVF( 1, 3, 1) 1557.000 0.000000
NVF( 1, 3, 2) 0.000000 0.000000
NVF( 1, 3, 3) 0.000000 0.000000
NVF( 1, 3, 4) 5023298. 0.000000
NVF( 1, 3, 5) 4899938. 0.000000
NVF( 2, 1, 1) 1800.000 0.000000
NVF( 2, 1, 2) 0.000000 0.000000
NVF( 2, 1, 3) 0.000000 0.000000
NVF( 2, 1, 4) 0.000000 0.000000
NVF( 2, 1, 5) 0.000000 0.000000
NVF( 2, 2, 1) 1870.000 0.000000
NVF( 2, 2, 2) 0.000000 0.000000
NVF( 2, 2, 3) 0.000000 0.000000
NVF( 2, 2, 4) 0.000000 0.000000
NVF( 2, 2, 5) 0.000000 0.000000
NVF( 2, 3, 1) 1490.000 0.000000
NVF( 2, 3, 2) 0.000000 0.000000
NVF( 2, 3, 3) 0.000000 0.000000
NVF( 2, 3, 4) 0.000000 0.000000
NVF( 2, 3, 5) 0.000000 0.000000
NVF( 3, 1, 1) 1900.000 0.000000
NVF( 3, 1, 2) 0.000000 0.000000
NVF( 3, 1, 3) 0.000000 0.000000
NVF( 3, 1, 4) 0.000000 0.000000
NVF( 3, 1, 5) 0.000000 0.000000
NVF( 3, 2, 1) 1890.000 0.000000
NVF( 3, 2, 2) 0.000000 0.000000
NVF( 3, 2, 3) 0.000000 0.000000
NVF( 3, 2, 4) 0.000000 0.000000
NVF( 3, 2, 5) 0.000000 0.000000
NVF( 3, 3, 1) 1580.000 0.000000
NVF( 3, 3, 2) 0.000000 0.000000
NVF( 3, 3, 3) 0.000000 0.000000
NVF( 3, 3, 4) 0.000000 0.000000
NVF( 3, 3, 5) 0.000000 0.000000

117
Annexe3 Modèle programmé sous Lingo

NVF( 4, 1, 1) 1850.000 0.000000

NVF( 4, 1, 2) 9318.000 0.000000
NVF( 4, 1, 3) 5042471. 0.000000
NVF( 4, 1, 4) 0.000000 0.000000
NVF( 4, 1, 5) 0.000000 0.000000
NVF( 4, 2, 1) 1850.000 0.000000
NVF( 4, 2, 2) 9316.000 0.000000
NVF( 4, 2, 3) 13104.00 0.000000
NVF( 4, 2, 4) 0.000000 0.000000
NVF( 4, 2, 5) 0.000000 0.000000
NVF( 4, 3, 1) 1560.000 0.000000
NVF( 4, 3, 2) 18.00000 0.000000
NVF( 4, 3, 3) 18.00000 0.000000
NVF( 4, 3, 4) 0.000000 0.000000
NVF( 4, 3, 5) 0.000000 0.000000
NVF( 5, 1, 1) 1870.000 0.000000
NVF( 5, 1, 2) 0.000000 0.000000
NVF( 5, 1, 3) 0.000000 0.000000
NVF( 5, 1, 4) 0.000000 0.000000
NVF( 5, 1, 5) 0.000000 0.000000
NVF( 5, 2, 1) 1840.000 0.000000
NVF( 5, 2, 2) 0.000000 0.000000
NVF( 5, 2, 3) 0.000000 0.000000
NVF( 5, 2, 4) 0.000000 0.000000
NVF( 5, 2, 5) 0.000000 0.000000
NVF( 5, 3, 1) 1540.000 0.000000
NVF( 5, 3, 2) 0.000000 0.000000
NVF( 5, 3, 3) 0.000000 0.000000
NVF( 5, 3, 4) 0.000000 0.000000
NVF( 5, 3, 5) 0.000000 0.000000
SALES( 1, 1, 1) 68320.00 -15.00000
SALES( 1, 1, 2) 0.000000 -13.00000
SALES( 1, 1, 3) 6832.000 -20.00000
SALES( 1, 1, 4) 0.000000 -15.00000
SALES( 1, 1, 5) 610896.0 -13.00000
SALES( 1, 2, 1) 15664.00 -20.00000
SALES( 1, 2, 2) 0.000000 -8.000000
SALES( 1, 2, 3) 15.00000 -6.000000
SALES( 1, 2, 4) 0.000000 -15.00000
SALES( 1, 2, 5) 0.000000 -15.00000
SALES( 1, 3, 1) 481104.0 -13.00000
SALES( 1, 3, 2) 0.000000 -20.00000
SALES( 1, 3, 3) 0.000000 -15.00000
SALES( 1, 3, 4) 0.000000 -13.00000
SALES( 1, 3, 5) 10976.00 -20.00000
SALES( 2, 1, 1) 0.000000 -8.000000
SALES( 2, 1, 2) 0.000000 -6.000000
SALES( 2, 1, 3) 0.000000 -15.00000
SALES( 2, 1, 4) 156640.0 -15.00000
SALES( 2, 1, 5) 0.000000 -13.00000

118
Annexe3 Modèle programmé sous Lingo

SALES( 2, 2, 1) 0.000000 -20.00000

SALES( 2, 2, 2) 0.000000 -15.00000
SALES( 2, 2, 3) 639052.0 -13.00000
SALES( 2, 2, 4) 0.000000 -20.00000
SALES( 2, 2, 5) 0.000000 -8.000000
SALES( 2, 3, 1) 0.000000 -6.000000
SALES( 2, 3, 2) 0.000000 -15.00000
SALES( 2, 3, 3) 109760.0 -15.00000
SALES( 2, 3, 4) 428064.0 -13.00000
SALES( 2, 3, 5) 0.000000 -20.00000
SALES( 3, 1, 1) 0.000000 -15.00000
SALES( 3, 1, 2) 266448.0 -13.00000
SALES( 3, 1, 3) 0.000000 -20.00000
SALES( 3, 1, 4) 0.000000 -8.000000
SALES( 3, 1, 5) 0.000000 -6.000000
SALES( 3, 2, 1) 0.000000 -15.00000
SALES( 3, 2, 2) 167200.0 -15.00000
SALES( 3, 2, 3) 0.000000 -13.00000
SALES( 3, 2, 4) 16720.00 -20.00000
SALES( 3, 2, 5) 123360.0 -15.00000
SALES( 3, 3, 1) 0.000000 -13.00000
SALES( 3, 3, 2) 12336.00 -20.00000
SALES( 3, 3, 3) 0.000000 -8.000000
SALES( 3, 3, 4) 0.000000 -6.000000
SALES( 3, 3, 5) 0.000000 -15.00000

119