![Page 1: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/1.jpg)
MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE
PAR LAURENCE MORLET
PROMOTEUR : PHILIPPE CHEVALIER
LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE VAN DEN
SCHRIECK
Le 28 juin 2010
![Page 2: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/2.jpg)
Plan
Introduction
La mesure de variabilité peakedness• Définition• Application à une chaîne
logistique• Etude des performances
Conclusion
2
![Page 3: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/3.jpg)
Introduction
• Chaîne logistique et bullwhip effect
• Inconvénients des mesures de variabilité existantes
• Solution : la mesure peakedness
3
![Page 4: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/4.jpg)
Introduction
Chaîne logistique et bullwhip effect
On
Clients
Détaillant Grossiste
Usine
O(2)nDn
var(Dn) < var(On) < var (O(2)n)
Demande
Commande
Commande
4
![Page 5: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/5.jpg)
Introduction
Bullwhip effect
Conséquence : coûts importants
Volonté de mieux comprendre sa propagation
Etude de mesures de variabilité des flux dans les chaînes logistiques
5
![Page 6: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/6.jpg)
Introduction
Inconvénients des mesures de variabilité existantes
• Hypothèses fortes sur le processus de demande
• Estimation de paramètres complexes
6
![Page 7: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/7.jpg)
Introduction
Solution : la mesure peakedness
Hypothèse de travail : Le processus de demande est un
processus ponctuel :
où {Ti} constitue la séquence des temps d’arrivée.
Ti : variables aléatoires
Hypothèse peu contraignante!
7
![Page 8: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/8.jpg)
La mesure de variabilité peakedness
• Définition• Application à une chaîne
logistique• Etude des performances
8
![Page 9: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/9.jpg)
La mesure de variabilité peakedness
Définition
Principe : supposer que les arrivées de X(t) se placent dans une file d’attente avec un nombre infini de serveurs.
Temps de service : GNombre de serveurs occupés : S(t).
La peakedness est donnée par :
9
![Page 10: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/10.jpg)
La mesure de variabilité peakedness
Application à une chaîne logistique
Le détaillant fait face à la demande de manière périodique. La période est de longueur T.
10
![Page 11: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/11.jpg)
La mesure de variabilité peakedness
Application à une chaîne logistiqueA chaque période, le détaillant exécute les
étapes suivantes, dans l’ordre donné :
1. Arrivée des commandes faites il y a H unités de temps
2. Observer la demande Dn pour cette période
3. Faire une prévision Fn de la demande à la période suivante
4. Commander une quantité On
5. Les demandes sont satisfaites par le stock. Les demandes non satisfaites sont reportées
11
![Page 12: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/12.jpg)
La mesure de variabilité peakedness
Application à une chaîne logistique• Processus de demande
o Procesuss ponctuelo texte
• Modèle de prévisiono Texte
• Stratégie de commande
Idem pour le grossiste…
12
![Page 13: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/13.jpg)
La mesure de variabilité peakedness
Application à une chaîne logistique
Des développements nous permettent de calculer : o zd(Xd,D(1/T))o zd(O,D(1/T))o zd(O(2),D(1/T))
En utilisant : o Dn
o o α, βo T, H, L
13
![Page 14: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/14.jpg)
La mesure de variabilité peakedness
Etude des performances
Simulation VS peakedness
Facteurs de bullwhip effect : Au niveau du détaillant : Au niveau du
grossiste : = var(On)/var(Dn) = var(O(2)
n)/var(On)
14
![Page 15: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/15.jpg)
La mesure de variabilité peakedness
Etude des performances
SimulationVS
Peakedness
Quantification de l’écart entre les résultats : le gap
15
![Page 16: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/16.jpg)
La mesure de variabilité peakedness
Etude des performances
1. DONNÉES DE DEMANDE BRUTES
16
![Page 17: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/17.jpg)
La mesure de variabilité peakedness
Etude des performances
2. DONNÉES DE DEMANDE DESSAISONALISÉESMise en évidence de la saisonnalité : k=7
Demande
Jours de la semaine
17
![Page 18: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/18.jpg)
La mesure de variabilité peakedness
Etude des performances
2. DONNÉES DE DEMANDE DESSAISONALISÉESMéthode de dessaisonalisation :
18
![Page 19: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/19.jpg)
La mesure de variabilité peakedness
Etude des performances
2. DONNÉES DE DEMANDE DESSAISONALISÉESRésultats:
19
![Page 20: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/20.jpg)
La mesure de variabilité peakedness
Etude des performances
3. TECHNIQUE DE PRÉVISION OPTIMALEDescription de la technique :
• Prévisions et stratégie de commande adaptées à la saisonnalité
• Paramètres de lissage exponentiel optimaux
20
![Page 21: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/21.jpg)
La mesure de variabilité peakedness
Etude des performances
3. TECHNIQUE DE PRÉVISION OPTIMALERésultats :
21
![Page 22: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/22.jpg)
La mesure de variabilité peakedness
Etude des performances
4. PROCESSUS PROBLÉMATIQUESProfils de demande testés :
22
![Page 23: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/23.jpg)
La mesure de variabilité peakedness
Etude des performances
4. PROCESSUS PROBLÉMATIQUESFacteur de bullwhip effect au niveau du détaillant
23
Gap [%]
Max du processus de demande
![Page 24: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/24.jpg)
La mesure de variabilité peakedness
Etude des performances
5. PLUSIEURS DÉTAILLANTS DANS LA CHAÎNE
Clients
Dn1
Dn2
Détaillant 1
Détaillant 2
Grossiste Usine
On1
On2
On(2)
On1 + On
2 = On
24
![Page 25: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/25.jpg)
La mesure de variabilité peakedness
Etude des performances
5. PLUSIEURS DÉTAILLANTS DANS LA CHAÎNE
25
![Page 26: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/26.jpg)
Conclusion
Peakedness : • Avantages
Pas d’hypothèses fortes sur le processus de demandeCalculs simplesBonnes performances dans beaucoup de situations
• LimitesInefficace avec la technique de prévision optimaleInefficace lorsque la demande a un profil particulier
Non significatif pour des processus trop courts
A utiliser en étant conscient des limites…!
26
![Page 27: MODÉLISATION ET ANALYSE DE LA VARIABILITÉ DANS UNE CHAÎNE LOGISTIQUE PAR LAURENCE MORLET PROMOTEUR : PHILIPPE CHEVALIER LECTEURS : LAURENCE WOLSEY JEAN-CHRISTOPHE](https://reader035.vdocuments.site/reader035/viewer/2022062511/551d9db8497959293b8dc214/html5/thumbnails/27.jpg)
Conclusion
Possibilités de prolongement :
• Tester sur d’autres jeux de données Renforcer la crédibilité
• Explorer d’autres situations particulièresAffiner le profil de performance
• Adapter la mesure à la méthode de prévision optimaleElargir l’horizon d’application
27