Vous êtes sur la page 1sur 21

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

RIRL2010
The8thInternationalConferenceonLogisticsandSCMResearch BEMBordeauxManagementSchool September29,30andOctober1st2010

Apprentissage exprientiel en gestion des chanes logistiques : Exploitation des simulateurs participatifs tels que le XBeerGame
Edith Brotherton Centre interuniversitaire de recherche sur les rseaux d'entreprise, la logistique et le transport (CIRRELT), Universit Laval, Qubec, Canada Edith.Brotherton@cirrelt.ulaval.ca Benoit Montreuil Centre interuniversitaire de recherche sur les rseaux d'entreprise, la logistique et le transport (CIRRELT), Universit Laval, Qubec, Canada Benoit.Montreuil@cirrelt.ulaval.ca Rmy Glardon Centre interuniversitaire de recherche sur les rseaux d'entreprise, la logistique et le transport (CIRRELT), cole Polytechnique Fdrale de Lausanne, Lausanne, Suisse Remy.Glardon@epfl.ch Salma Naccache Centre interuniversitaire de recherche sur les rseaux d'entreprise, la logistique et le transport (CIRRELT), Universit Laval, Qubec, Canada Salma.Naccache@cirrelt.ulaval.ca

Rsum La gestion des chanes logistiques est un domaine stimulant de par la diversit et la complexit des rseaux globaux qui les composent, mais aussi fondamentalement par la nature dynamique des relations et des phnomnes qui sy retrouvent. Cet article prsente un nouveau cadre exprimental gnrique qui permet de conceptualiser, dvelopper et exprimenter laide dun simulateur participatif, tel que le XBeerGame, des scnarios pdagogiques de formation exprientielle plus volus. Un exemple dutilisation sur une semaine est prsent afin de dmontrer le potentiel dapprentissage progressif des multiples facettes de la gestion des chanes dapprovisionnement travers une programmation structure de simulations cibles. Mots cls: Pilotage de chane logistique, Simulations participatives et immersives, Jeux daffaires, Apprentissage exprientiel, Effet coup de fouet

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

INTRODUCTION La gestion des oprations, de la logistique et des chanes dapprovisionnement sont des domaines trs importants sur le plan conomique. Ils intressent aussi fortement les chercheurs et les enseignants en raison de la diversit et de la complexit des phnomnes dynamiques qui gouvernent les rseaux globaux qui les composent. Le jeu daffaires le plus connu permettant dillustrer ces relations est le Beer Game dvelopp dans les annes 1960 au Massachusetts Institute of Technology (MIT) et bas sur la thorie de la dynamique des systmes de Forrester (1958). Le Beer Game est un jeu de table qui permet des quipes de quatre joueurs de prendre en charge le pilotage oprationnel dune chane logistique quatre centres en srie, comme illustr la Figure 1. Lobjectif est de rpondre efficacement aux demandes du march en rduisant les inventaires ainsi que les ruptures de stocks de manire minimiser les cots globaux encourus par la chane logistique.

Figure 1: Chane logistique du Beer Game

Dans une dmarche pdagogique conventionnelle, le Beer Game est utilis sur une priode dau plus quelques heures afin de dmontrer les effets systmiques dans les chanes logistiques, dont leffet coup de fouet ou bullwhip effect observ par Forrester (1961). Au cours des dernires annes, notre quipe de recherche a conu et dvelopp le XBeerGame (Montreuil et al, 2009), un simulateur de pilotage de chanes logistiques inspir du Beer Game, mais offrant des fonctionnalits et un potentiel exprimental largement suprieurs. Il permet en particulier aux participants dexprimenter de nombreux aspects lis au comportement dynamique de ces chanes, allant bien au-del de leffet coup de fouet.

La recherche rapporte dans cet article investigue le potentiel dexploitation dun simulateur tel que le XBeerGame pour favoriser un intensif apprentissage exprientiel de multiples facettes de la gestion des chanes logistiques travers un programme structur de simulations cibles. Aprs une brve revue de littrature, larticle dcrit lespace dapprentissage du XBeerGame et catgorise les paramtres permettant de configurer des expriences. Ceci permet de dcrire le cadre exprimental gnrique qui sert laborer et raliser une programmation dapprentissage exprientiel. Larticle dcrit ensuite les rsultats et les 2

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

apprentissages tirs dune exprience ralise auprs des tudiants de lExecutive Master in Global Supply Chain Management (EMGSC) de lcole Polytechnique Fdrale de Lausanne (EPFL). Finalement des conclusions et des perspectives de recherche sont labores.

REVUE DE LA LITTERATURE Malgr la simplicit du Beer Game, il sagit de lun des jeux de simulation daffaire les plus utiliss pour lapprentissage et la comprhension des effets en cascade dans les chanes logistiques (Sterman, 1992; Lee et al. 1997a; Lee et al. 2004). Longtemps jou sur table, le Beer Game est maintenant disponible en versions informatises sur quelques sites web pour des utilisations limites, tel que celle dveloppe par Jacobs (2000). ce jour, plusieurs groupes de recherche et organisations denseignement ont cr un ensemble de versions informatises, dont: Massachusetts Institute of Technology (http://beergame.mit.edu/), Indiana University (http://jacobs.indiana.edu/beer/index.htm) et Swiss Federal Institute of Technology (http://www.beergame.lim.ethz.ch/).

Plusieurs auteurs ont soulign les avantages de lutilisation de jeux ducatifs, dont Gee (2003) qui mentionne que les jeux offrent aux joueurs un environnement immersif les invitant penser de manire approfondie et les incitant rsoudre des problmes dun niveau lev de complexit. Selon Shaffer (2005), ces jeux permettent de dvelopper une comprhension contextuelle, pour explorer de nouvelles identits, crer des communauts de pratique et appuyer lapprentissage par laction. Les jeux consolident aussi le transfert de connaissances vers dautres contextes (Oblinger, 2004). Dans le cas des chanes logistiques, les simulations ont pour but principal daider les tudiants dans leur apprentissage de limpact global de configurations alternatives des chanes logistiques, de stratgies de gestion des chanes, dapproches collaboratives ou dalgorithmes de dcision et dheuristiques (Chen et al. 2000). Il existe aussi des jeux logistiques qui permettent aux joueurs dinteragir avec des agents logiciels qui implmentent des rgles de dcision simples (Nienhaus et al. 2006). Lintgration dagents logiciels qui simulent le comportement humain est aborde par plusieurs auteurs dont Hall (2009) qui prsente une vue prospective sur les courants mergents dans la conception des jeux de simulation dentreprise. Selon lauteur, le

dveloppement de jeux srieux de simulation (Serious Game Movement) bnficie de lutilisation de graphismes en trois dimensions, ainsi que dagents qui interagissent avec le joueur, afin de limpliquer davantage dans le jeu et susciter son interaction. Smith (2010) dcrit lvolution de la conception des jeux de simulation pour les militaires qui est similaire 3

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

lvolution du jeu de la bire. Lauteur met laccent sur les versions informatises de cette classe de jeux et insiste sur la ncessit dinvestir plus defforts tant au niveau de la cration des donnes avant le jeu que lors de la collection et lanalyse des donnes aprs celui-ci.

Bien que lutilisation des jeux de simulation dans les milieux pdagogiques semble prometteuse, il existe plusieurs lments qui doivent tre pris en considration lors de leur dveloppement. Rieber (2005) a soulign quil arrive que les apprenants se concentrent uniquement sur lamlioration de leurs propres scores, sans sengager dans une relle rflexion dapprentissage. Il a aussi constat que les apprenants doivent tre guids pendant le jeu. Manske et Conati (2005) ont observ quil est difficile dintroduire des lments permettant aux tudiants de rflchir par rapport au domaine de connaissances sans interfrer avec leur engagement dans le jeu. Par contre, Gentry et McGinnis (2008) sinspirent de la thorie de lauto-dtermination de Ryan et Deci (2000) pour proposer une ide innovatrice qui consiste impliquer les tudiants dans le processus de conception des scnarios de jeu afin de stimuler davantage leur implication lors de leur participation au jeu. Mais selon Gentry et McGinnis (2009), lun des inconvnients de cette approche est que linstructeur risque de perdre le contrle sur le contenu et les processus de la simulation.

Dobson et al. (2004) rapportent que les jeux de simulation dentreprises sont des outils efficaces dapprentissage, cependant ils en noncent quelques limites dont le manque de rtroactions explicites directes par rapport aux tapes stratgiques du jeu. Aussi ils critiquent la dure des jeux qui ne permet pas aux joueurs de se familiariser avec le jeu dans une cadence convenable, et dun autre ct, peut rendre difficile latteinte des objectifs de lentranement. De plus, les jeux actuels affichent linformation sous des formes simplistes, des tableurs par exemple, ce qui rend inintelligibles les informations fournies pendant le jeu. Une autre limite rapporte par Dobson et al. (2004) est le manque de support technologique lors du dbriefing aprs le jeu. Il a t dmontr quil existe plusieurs avenues de recherche dans la conception des jeux de simulation daffaire en gnral, et dans la conception des versions informatises du jeu de la bire. La conception de ces jeux se dfinit par plusieurs aspects, dont la conception de lenvironnement du jeu en lui-mme, lexprience de jeu ainsi que la relation quentretient lapprenant avec lenvironnement du jeu. XBEERGAME ESPACE DAPPRENTISSAGE

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

Le XBeerGame est simulateur immersif qui nous permet de reproduire le jeu classique dune chane logistique 4 acteurs (Beer Game), mais galement de concevoir des expriences dapprentissage plus complexes de pilotage des flux. Parmi les fonctionnalits que nous avons dveloppes afin de rendre les expriences plus pertinentes et ralistes, notons lajout dun ensemble doutils danalyse et de pilotage permettant la fois de prendre en compte la performance individuelle du joueur (ex: graphiques dtaills, revenus, cots, profits et niveaux de service), celle de ces partenaires daffaires directs (ex: inventaire net, inventaire en main et commandes en transit) ainsi que celle de toute la chane (ex: performance financire et niveau de satisfaction). Une description de larchitecture de la plateforme BusinessWebGame, sur laquelle le XBeerGame est bti, des diffrents cockpits de gestion et des paramtres de configuration est prsente dans Montreuil et al. (2009).

Au cours dune simulation, chaque participant prend en charge le pilotage oprationnel de lun des centres dune chane logistique. Son objectif est de rpondre efficacement aux demandes de son client en minimisant les inventaires et les ruptures de stocks. Il doit piloter au mieux possible les flux de matires, les flux dinformations et les flux montaires, entre le centre et son fournisseur, ainsi quentre le centre et son client. La Figure 2 illustre ces flux.

Figure 2: Flux dun centre avec son fournisseur et son client

Par le biais de parcours de formation cibls, les participants sont amens comprendre les enjeux de la gestion des chanes logistiques et du pilotage des flux. Les parcours de formation proposs dans cet article sont dfinis par un ensemble de paramtres gnriques, dont les objectifs de performance, le scnario de jeu, les outils de pilotage, la stratgie et la collaboration entre les participants qui permettent de faire vivre un cheminement dune complexit croissante dans lespace dapprentissage selon les objectifs pdagogiques identifis. Les sections qui suivent prsentent lensemble des options de configuration 5

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

proposes par rapport chacun des paramtres qui sont classifis, sur une chelle croissante de la variante la plus simple la plus volue. Objectifs de performance Au cours dune simulation, les participants peuvent monitorer leur performance laide du tableau synthse des performances prsent dans leur cockpit. Selon lobjectif de la joute, ils doivent minimiser leurs cots (transport, inventaire, approvisionnement, arrrage, etc.) et maximiser leurs revenus (ventes, annulations, arrrages) pour gnrer le maximum de profits, de faon individuelle ou par quipe pour lentire chane. La Figure 3 prsente les diffrentes options possibles en termes dobjectifs et de degrs dinformation sur la chane logistique.
Chane logistique SC0 : Aucune SC (mode solo) SC1 : Chane non-identifie SC2 : Chane avec rles connus SC3 : Chane identifie Objectif O0 : Objectif individuel O1 : Objectif de centre (rle) O2 : Objectif de chane (quipe)

Figure 3: Paramtres de configuration pour les objectifs de performance

Le niveau le plus simple est celui o il ny a pas explicitement de chane logistique et chaque participant est directement li avec son march. Ce mode un joueur (solo) simule la situation idale dune chane o le fournisseur a un inventaire illimit et quil est toujours fiable 100% dans les dlais promis de livraison des commandes. Lobjectif vis ici est individuel et chaque joueur doit maximiser sa performance. Dans le cas dune chane logistique nonidentifie o chaque rle de la chane est pris en charge par un joueur individualiste, les participants ont un objectif de performance soit individuel, soit de centre. Lobjectif de centre vise trouver le meilleure gestionnaire de chaque rle, savoir la meilleure usine, le meilleur distributeur, etc. parmi tous les participants des diffrentes chanes. Une chane logistique non-identifie reproduit la notion dun fournisseur qui nest pas toujours fiable. Selon les ractions individuelles, et ne sachant pas quils sont dans des chanes logistiques, il y aura des effets en cascade de la propagation de la demande plus ou moins importante. Dans le cas dune chane logistique o les participants connaissent les rles de leurs partenaires daffaires, il est possible de dfinir diffrents objectifs, dont la gestion de chaque centre comme une entreprise individuelle autonome. Ceci correspond au niveau habituellement jou dans le Beer Game o les diffrentes entreprises travaillent en silo afin datteindre des objectifs individuels. Les niveaux suivants misent sur la visibilit de la chane complte et des objectifs dquipe. Leffet de propagation des demandes sera gnralement moins important que dans les scnarios prcdents en particulier si les participants ont dj vcus lun des scnarios simplifis. Afin de focaliser sur la performance de lquipe, qui vise tre meilleure que les 6

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

autres quipes, les participants peuvent avoir accs aux performances dtailles de tous les acteurs de leur chane comme montr la Figure 4.

Figure 4: Performance individuelle et performance de la chane logistique

Scnario de jeu Le scnario de jeu utilis dans les simulations du Beer Game traditionnel considre un seul produit avec un patron de demande simple et dterministe, correspondant une demande stable suivie dun saut de palier en milieu de joute, puis dune autre priode stable. Dans le cas du XBeerGame, il est possible de configurer des patrons plus complexes, et ce pour plusieurs produits. Les autres options du scnario de jeu sont laccs un historique pr-joute, la configuration des dlais dans le rseau, de mme que la capacit de production et dentreposage, tel que montr la Figure 5.

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

Patron de demande D0 : Stable D1 : Stable avec saut de palier D2 : Saisonnire D3 : Lancement nouveaux produits

Incertitude demande I0 : Demande dterministe I1 : Demande lgrement incertaine I2 : Demande forte incertitude

Historique pr-joute H0 : Aucun historique H1 : Historique local H2 : Historique du march H3 : Historique partenaires H4 : Historique chane complte Capacit dentreposage E0 : Capacit dentreposage illimite E2 : Capacit dentreposage limite par un nombre dunits total (entreposage partag) E3 : Capacit dentreposage limite par produit (entreposage ddi)

Rseau R0 : Rseau simplifi, avec dlais identiques entre tous les centres R1 : Rseau local, avec dlais courts mais variables selon les centres R2 : Rseau outremer, lusine a un long dlai de livraison R3 : Rseau global, avec plusieurs des centres qui sont disperss et de longs dlais

Capacit de production U0 : Capacit de production illimite U1 : Capacit de production limite par une cadence journalire

Figure 5: Paramtres de configuration pour le scnario de jeu

Outre les demandes stables et celles avec saut de palier qui sont plus conventionnelles, nous avons dvelopp des scnarios de demandes saisonnires qui sont plus reprsentatives du march des biens de consommation. Une autre innovation dans lapproche dapprentissage est la demande de lancement de nouveaux produits pour laquelle les participants doivent lancer la production et dployer le stock dans la chane logistique avant la date de mise en march anticipe. Au dbut de la simulation, les participants ont accs des prvisions du marketing pour chacun des produits ainsi que tous les cots et dlais afin de dployer la stratgie quils estiment la plus profitable. Pour tous les patrons de demande il est possible dassocier une incertitude plus ou moins grande, et de donner accs un historique pr-joute. Lhistorique pr-joute peut tre local et donner des informations sur le centre seulement, il peut cibler tous les partenaires daffaires (voisins dans la chane) ou tre plus collaboratif et donner accs lhistorique complet de tous les acteurs de la chane logistique. Des exemples de demandes avec variabilit, incertitude et historique, sont illustrs la Figure 6.

Figure 6: Exemples de demande a) par palier, sans historique, faible variabilit, faible incertitude b) saisonnire, avec historique, grande variabilit et incertitude pour un produit

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

Pour simuler la mondialisation des marchs et le dispersement gographique des entreprises, il est possible de configurer les paramtres et les dlais du rseau. Dans le Beer Game le rseau est simplifi et le dlai entre chacun des acteurs est fixe. Ce scnario peut tre reproduit avec le XBeerGame, de mme quun rseau local o tous les acteurs sont proximit mais dans lequel les dlais varient dun centre lautre. Dans le cas dun rseau global o les fournisseurs et les clients sont gographiquement disperss partout sur la plante, certains avec des dlais de transport longs (par exemple des conteneurs qui transitent de lAsie vers lAmrique), le matre de jeu peut initialiser la simulation avec des commandes en transit qui arriveront dans les prochains jours.

Finalement, le scnario de jeu permet galement de configurer la capacit dentreposage des diffrents centres ainsi que la capacit de production de lusine. Celle-ci peut tre illimite dans les scnarios de base ou limite selon une cadence maximale par jour. Selon les objectifs dapprentissage viss, la demande moyenne peut fluctuer au dessus et en dessous de la capacit journalire de lusine, ce qui exige une anticipation des participants. Cette situation est reprsentative des produits ayant des demandes saisonnires et des vnements spciaux (ftes ou autres congs) dans le contexte des produits de biens de consommation. Lorsque la capacit dentreposage est restreinte pour lun des centres de la chane, les options de configuration dentreposage incluent lentreposage partag et lentreposage ddi par produit. Lorsque le centre atteint la capacit qui lui est alloue, le gestionnaire du centre doit rediriger les produits excdentaires soit vers son client (si des commandes existent), soit vers un centre de stockage externe (avec des cots associs), soit se dpartir des produits (rebus).

Outils de pilotage Divers outils de pilotage peuvent tre mis disposition des participants selon les objectifs dapprentissage et la complexit du scnario de jeu souhait. Le niveau de base est le cockpit transactionnel dont les deux seules actions permises sont la passation de commandes au fournisseur et la livraison de produits au client. Dans ce mode, le joueur est en situation de raction et doit prendre manuellement chacune des dcisions. Le cockpit oprationnel propose un ensemble doutils daide la dcision qui permettent au joueur de faire le suivi des dcisions associes son centre.

Le cockpit de pilotage permet alternativement au joueur de prendre des dcisions de paramtrage de politiques de gestion. Dans ce mode tactique, le joueur est responsable du 9

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

choix des politiques et des seuils de commandes et dexpdition qui vont seffectuer automatiquement selon les paramtres dfinis. En tout temps, il peut outrepasser le mode automatique et grer manuellement les transactions comme dans les modes prcdents.
Pilotage P0 : Cockpit transactionnel P1 : Cockpit oprationnel avec outil daide la dcision P2 : Cockpit de pilotage avec des politiques de gestion Communication C0 : Aucune C1 : Clavardage avec partenaires directs C2 : Clarvadage chane C3 : Appels avec partenaires directs (par vido confrence de type skype) C4 : Appels avec chane C5 : De vive voix en personne Graphiques et inventaires G0 : Aucun G1 : Centre (rle) G2 : Partenaires G3 : Chane complte Localisation des participants en salle L0 : Alatoire L1 : Rpartie L2 : Adjacente pour une chane L3 : Salle ddie par quipe Visibilit de la coloration V0 : Aucun V1 : Commandes et livraisons V2 : Inventaire net centre V3 : Inventaire net partenaires V4 : Inventaire net chane Stratgie S0 : Aucune S1 : Solo sans rajustement S2 : Solo avec rajustement S3 : Stratgie dquipe pralable la joute S4 : Stratgie dquipe pralable la joute, avec rajustement S5 : Stratgie intgre et volutive dquipe collaborative

Figure 7: Paramtres de configuration pour les outils de pilotage et de collaboration

Afin damliorer le pilotage des flux, diffrents outils daide la dcision peuvent tre intgrs dans les cockpits oprationnel et de pilotage. Un ensemble de graphiques et de statistiques, tels que linventaire net, linventaire en main, les jours de couvertures, ainsi que lhistorique des commandes reues de son client depuis le dbut de la joute, peuvent tre rendus disponibles ou non. La coloration des indicateurs permet aux participants un reprage plus rapide des zones qui sont hors contrle, par exemple la coloration des commandes et des livraisons permet respectivement didentifier lorsque notre fournisseur est en retard dans les produits qui lui ont t commands et lorsque le joueur lui-mme est en retard dans ses livraisons face son client. Une coloration blanc signifie quil ny pas de retard actuellement, une coloration jaune signifie que la commande aurait due tre expdie (retard anticip), alors quune coloration rouge indique que la date de livraison promise est atteinte (retard effectif).

Stratgie et collaboration Divers degrs de collaboration et de stratgies sont permis selon les objectifs viss par le cadre de formation. La collaboration entre les participants est favorise par les outils de visualisation des informations des partenaires et de la chane, mais elle se concrtise par les relations entre les gestionnaires des centres. Dans le cas o le degr de communication est inexistant, les participants sont en mode isol face leurs dcisions dapprovisionnement et de livraison, ils sont gnralement peu conscients de leur environnement et la collaboration est trs limite voire inexistante. Lorsque des outils de communication dont le clavardage avec les partenaires directs dans le simulateur ou la tlconfrence (ex: skype) sont autoriss, 10

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

le pilotage sera souvent plus efficace, et ce mme si les participants nont pas dfini de stratgies priori. Lespace dapprentissage dfinit galement la stratgie que les participants peuvent prparer en lien avec une simulation. Cette stratgie peut tre faite seul ou en groupe, pralablement la joute (avec historiques ou prvisions marketing) ou en cours de joute. Des rajustements de stratgie peuvent tre autoriss en continu au cours de joute ou des moments prtablis du droulement de la simulation. La collaboration totale sexprimente lorsque les participants dune mme quipe ont un temps de prparation stratgique collective, suivi dune simulation o ils sont localiss dans une mme salle et peuvent communiquer directement de vive voix afin de mettre en place une stratgie intgre et volutive dquipe collaborative.

Pour permettre aux participants de mieux grer leurs flux de produits, rduire leurs arrrages et leurs surplus dinventaire dans la chane, sous certaines conditions les clients peuvent annuler des commandes leur fournisseur si celui-ci est en retard. Cette annulation de commandes peut tre avec ou sans pnalit selon les paramtres choisis par le matre de jeu. Inversement un fournisseur peut refuser des commandes son client si celui-ci ne respecte pas les rgles pralablement entendues, en particulier concernant la taille maximale des lots. Lorsque les refus sont effectus durant le dlai spcifi, il ny a pas de cots associs.

La configuration de lensemble de ces paramtres permet dorchestrer des scnarios et des exprimentations favorisant dune part le dveloppement de comptences individuelles et des comptences collectives dans la gestion des chanes logistiques.

CADRE EXPRIMENTAL Lors dune formation de grande envergure, un scnario pdagogique spcifiant des acquis dapprentissage progressifs doit pralablement tre tabli laide dun plan systmatique. Le dfi consiste ensuite concevoir des joutes cibles qui exploitent des simulations de dure variable, souvent de 30 90 minutes, et permettent de garantir lapprentissage exprientiel spcifi dans le scnario pdagogique. Chaque joute doit tre valide de faon exprimentale, calibre et rajuste au besoin avant utilisation effective dans un programme de formation.

Les jeux de simulation en gestion des oprations des chanes dapprovisionnement permettent aux tudiants de prendre conscience de limportance de la collaboration. Cette collaboration a t classe dans la littrature selon diffrents axes. Par exemple, Holweg et al. (2005) 11

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

identifient quatre diffrentes configurations des chanes dapprovisionnement selon deux dimensions: la planification collaborative et la collaboration en gestion de linventaire. Ovalle et Marquez (2003) prnent lutilisation des outils de e-collaboration pour la gestion des chanes dapprovisionnement et soulignent que la collaboration passe par le partage de linformation. Pour mettre en place ces outils, les partenaires doivent passer par deux tapes partir de la non-collaboration, aux prvisions collaboratives, puis enfin la planification collaborative. Simatupang et Sridharan (2005) proposent un indice pour quantifier le niveau de collaboration dans une chane dapprovisionnement. Ils le mesurent selon trois dimensions inter-relies: le partage de linformation, la synchronisation de la dcision et lalignement des motivations qui est le degr avec lequel les partenaires de la chane partagent les cots, risques et bnfices. Meca et Timmer (2008) prcisent que la collaboration peut se faire de manire verticale, entre client et fournisseur. Elle peut aussi bien se faire de manire horizontale c'est--dire entre plusieurs fournisseurs au mme niveau de la chane. Conception exprientielle Le scnario pdagogique propos doit prvoir une progression de la complexit et des objectifs dapprentissage afin de permettre aux participants de comprendre et dexprimenter les techniques de base avant de sengager dans des expriences plus volues misant sur la visibilit, le partage dinformation et la collaboration dans la chane logistique. Pour dcrire cette dmarche de conception, nous expliquerons comment nous avons exploit les paramtres de lespace apprentissage afin de concevoir une semaine dintgration en logistique dans le cadre lExecutive Master in Global Supply Chain Management (EMGSC) de lcole Polytechnique Fdrale de Lausanne (EPFL).

Afin dexplorer lespace dapprentissage incluant diffrents niveaux de complexit, nous avons labor et propos un ensemble de treize expriences de simulations bas sur quatre blocs, tel quillustr au Tableau 1. Le premier bloc focalise sur lapprentissage individuel dans un contexte simplifi dune chane un seul centre, o les approvisionnements sont fiables. Un deuxime bloc introduit la dynamique des chanes logistiques et vise dmontrer les impacts de la non-disponibilit des stocks chez le(s) fournisseur(s). Dans le troisime bloc, les participants sont introduits aux spcificits de chacun des rles dans la chane logistique ainsi quaux rgles daffaires qui rgissent le systme. Dans ce bloc les participants doivent optimiser leur centre dans la chane afin dtre le meilleur pour leur type de centre. Finalement un quatrime bloc introduit des outils de collaboration intgre permettant aux

12

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

membres de chaque quipe de travailler ensemble dans un objectif commun doptimisation des performances de la chane.

Le cheminement propos dans le premier bloc met lemphase sur les diffrents patrons de demande et dincertitude, les historiques, la visibilit ainsi que la localisation du rseau de fournisseurs. Le bloc dbute en 1.1 avec une demande stable (D0) et des fournisseurs locaux (R1). Les fournisseurs outremer (R2) sont introduits en 1.2, alors quen 1.3 une demande saisonnire (D2) est propose en combinaison avec un fournisseur local et lautre outremer (R1 + R2). Bien que la demande est saisonnire ds le scnario 1.3 les participants nen ont aucune connaissance priori (H0), et ce nest quen 1.4 que les historiques de demandes (H1) deviennent disponibles afin daider les participants dans le pilotage de leur centre.

Dans les scnarios du bloc 2, la chane passe 4 acteurs et diffrents paramtres de demandes sont exploits. En 2.1, un patron de demande simple avec saut de palier (D1) sans historique (H0) est utilis, alors quen 2.2 il sagit dune demande saisonnire (D2) avec historique local (H1). Le dtaillant est le seul acteur de la chane connaitre lhistorique du march, alors que les autres ont une information partielle sur les commandes reues qui peuvent tre, ou non, une amplification de la demande relle. En 2.3, tous les participants sont identifis dans la chane (SC2), mais ils nont aucun outil de communication (C0) leur permettant de collaborer. Ils ont en plus de leur historique local (H1), une information gnrale sur le patron de la demande au niveau du march. Finalement en 2.4, les participants doivent grer la chane pour le lancement de deux nouveaux produits (D3) dans une chane identifie mais noncollaborative (SC2). Ils sont informs des phases possibles suite au lancement (croissance, stabilit, maturit et dclin) par lquipe marketing mais nont pas dhistorique (H0) leur permettant den estimer lamplitude. Lannulation et le refus de commandes sont autoriss entre les clients et les fournisseurs, sujet des cots de pnalit.

13

RIRL 2010 - Bordeaux September 30th & October 1st, 2010 Tableau 1: Paramtres des diffrents blocs
Bloc 1 Individuel paramtre Objectifs de performance Objectif Chane logistique Patron de demande Incertitude demande Historique pr-joute Rseau Capacit de production et dentreposage Pilotage Annulation et refus Graphiques et inventaire Visibilit de la coloration Communication Localisation participants Stratgie code O SC D I H R U+E P --G V C L S 1.1 0 0 0 0-1 0 1 0 0 n 0 0 0 0 1.2 0 0 0 0-2 0 2 0 0 n 0 0 0 0 1.3 0 1 2 1-2 0 1-2 0 0 n 1 1.4 0 1 2 1-2 1 1-2 0 0 n 1 Bloc 2 Individuel dans une chane 2.1 2.2 2.3 2.4 1 0 1 0-2 0 1-2 0 0 n 0 1 0 2 1 1 1 0 1 n 1 2 1 2 1-2 1 1 0 1 n 1 2 1 3 0-2 0 1 0 1 o 1 Bloc 3 Bloc 4 Rle dans Chane intgre une chane 3.1 3.2 4.1 4.2 4.3 3 1 2 0-1 0 1 0 1 o 2 1+3 1 1 0 3 1 2 1-2 0 2 0 1 o 2 1+3 1 1 2 3 2 2 1-2 2 1-2 0 1 o 3 3 2 2 1-2 2 3 0 1 o 3 3 2 3 0-1 0 2 0 1 o 3

Scnario de jeu

Outils de pilotage et de collaboration

1+2 1+2 1+2 1+2 1+2 1+2 0 0 0 1 0 1 0 0 1 1 0 1 1 0 1 1

1+4 1+4 1+4 1/3 1/3 3/5 1 3 2 3 3 4

Dans le bloc trois, toutes les chanes sont identifies (SC3), les participants ont une visibilit (V2) sur les demandes et les inventaires de leurs partenaires daffaires directs (client et fournisseur) et ils sont encourags collaborer par lutilisation du clavardage (C1). En 3.1, une demande saisonnire (D2) sans historique (H0), mais avec une connaissance gnrale du patron est propose, de plus tous les dlais dans la chane sont courts et connus (R1). En 3.2, les caractristiques des demandes sont similaires, mais lusine a un dlai de livraison de 21 jours reprsentant une localisation outremer (R2). Le temps de rponse de la chane est plus long et le dploiement stratgique des inventaires selon les dlais peut faire la diffrence entre une quipe performante et une quipe ayant constamment des arrrages.

Finalement le bloc 4 mise sur les stratgies dquipe (S3 et S4) afin de crer des chanes logistiques performantes peu importe la complexit du scnario de jeu (D2-D3, I0-I2, H0-H2, R1-R3). Pour ce bloc, lobjectif devient la performance de la chane (SC4) par rapport aux autres chanes, la Figure 9 montre les outils supplmentaires qui sont disponibles. Dans le scnario 4.1 lusine est localise outremer (physiquement au Qubec) et les joueurs sur le mme site sont physiquement ensemble (distributeur, grossiste et dtaillant en Suisse). Avant de dmarrer cette joute, les membres de sites diffrents communiquent par Skype et ils ont 14

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

gnralement de 20 50 minutes pour tablir collectivement une stratgie dquipe. Tous connaissent lhistorique de demande du march (H2) dont le patron est saisonnier (D2). En 4.2, le rseau devient global (R3) avec lusine en Asie, le distributeur en Europe, le grossiste et le dtaillant en Amrique. Les joueurs ont jusquau lendemain pour tablir leur stratgie. Le match 4.3 propose un scnario de lancement de nouveaux produits (D3) pour lequel lhistorique est remplac par une prvision large bande du marketing pour les deux produits. Lusine est localise en Asie (R2) et les participants ont 50 minutes pour tablir une stratgie dquipe (S4).

Tel que montr par lexemple des ateliers du EMGSC, le programme dapprentissage labor doit prvoir une introduction graduelle des diffrents outils de pilotage. La Figure 8 montre lvolution des diffrents cockpits de gestion partir du cockpit transactionnel du premier bloc jusquau cockpit collaboratif du quatrime bloc.

Figure 8: Interface du cockpit de gestion individuel (a) sans identification du rseau - scnario 1.1 et 1.2 (b) avec visibilit du rseau et outils avancs - bloc 4

Validation Afin de sassurer que les paramtres choisis et que la progression dans lespace dapprentissage permettent datteindre les objectifs fixs de lexprience dapprentissage, il est important de valider chacun des scnarios de faon exprimentale. Ceci permet de calibrer et de rajuster au besoin un ou plusieurs des paramtres de scnarios. Le mode de validation le plus simple mettre en place est celui de la simulation par des agents virtuels. Les agents virtuels peuvent reproduire des comportements typiques de joueurs ou appliquer les techniques mondialement reconnues afin de gnrer des comparatifs de performances. Le scnario peut galement tre mis lpreuve par une quipe experte de joueurs humains. Ceux-ci ont lavantage de pouvoir communiquer directement de faon verbale ou crite afin de schanger des messages contenant divers types dinformations permettant une meilleure prise de dcision collaborative au sein de lquipe. La validation idale consiste utiliser un groupe de joueurs humains qui ont les mmes connaissances et comptences que le groupe 15

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

cibl lors de lexprience. Ceci permet danticiper les rsultats et de sassurer que les objectifs viss seront rellement atteints par le groupe. Toutefois cette approche de validation est plus difficile mettre en place.

Figure 9: Interfaces et outils des participants bloc 4

RSULTATS ET EXPRIENCES ACQUISES Afin de sassurer de latteinte des objectifs par les participants, un mode dvaluation hybride a t mis en place dans le cadre des ateliers EMGSC. Dun part la performance obtenue (profits ou pertes) est compile, bas sur lobjectif de la simulation qui peut tre soit individuel, de centre ou de chane. Dautre part les participants sont valus sur leur comportement et leur participation individuelle ou au sein de leur quipe. Finalement des rapports de stratgies et dapprentissage sont produits afin de synthtiser les leons apprises.

Lutilisation dun simulateur participatif tel que le XBeerGame, dans le cadre dun programme dapprentissage structur, bas sur lintroduction progressive des notions en gestion des chanes logistiques, permet aux participants dexprimenter et damliorer leurs techniques de gestion des approvisionnements et des stocks lors des premires joutes, mais

16

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

galement de raliser les impacts des dcisions individuelles sur lensemble dune chane ou dune entreprise lors des simulations suivantes.

Nous avons russi avec le premier bloc montrer le compromis entre la satisfaction des consommateurs et le niveau dinventaire requis pour rpondre la demande. En vivant les effets des surplus dinventaire et ceux des arrrages dans une chane toujours fiable, un des participants nous a confi avoir compris en temps rel ce compromis crucial dans les entreprises. Il faut faire des compromis pour atteindre les objectifs et savoir sadapter en fonction de lvolution du march et des ressources disponibles .

Figure 10: Profits individuels par joueur - bloc 1

Cet effet de compromis est particulirement ressenti au cours de la joute 1.1 o les participants navaient aucune information sur le volume de la demande et devaient ragir aux commandes passes par leur client. Leur dfi tait dinterprter correctement les informations disposition pour en extraire une stratgie flexible permettant doptimiser la gestion du centre de faon maximiser le niveau de service et minimiser les cots. Par la suite, lorsque des informations sur la demande ont t rendues disponibles (ex: historique la joute 1.4), une stratgie individuelle a pu tre labore et les performances se sont amliores, tel que montr sur la Figure 10. Les rsultats montrent clairement une amlioration dans le premier bloc entre les joutes 1.1 et 1.4, dont la mdiane des profits grimpe de -179 123$ 412 390$, ce qui est attribuable principalement par laccs des informations supplmentaires de pilotage dont les graphiques locaux et lhistorique de demande.

Le deuxime bloc a introduit les participants dans des chanes non-collaboratives et a permis de dmontrer les impacts de la non-disponibilit des stocks chez les fournisseurs en amont 17

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

dans cette chane. Chaque participant devait maximiser son profit individuel ou de centre, ainsi certains dentre eux ont fait du profit au dtriment de leurs collgues en misant sur des commandes impossibles satisfaire qui ont engendr des revenus darrrage levs. Les tudiants ont ainsi appris que, peu importe leur stratgie, ils sont toujours dpendants des comportements des autres acteurs dans la chane, de leur interprtation de la demande, des prvisions et des rgles du jeu. Mme une stratgie parfaite ne peut pas atteindre les rsultats anticips si le fournisseur est lourdement en retard ou que le client commande des lots horsnormes sans avertissement. Les participants ont compris les enjeux de chacun des diffrents rles de la chane logistique et limportance dadapter leur stratgie de pilotage au centre dont ils sont responsables, selon les paramtres de revenus et de cots associs (voir Figure 11). De plus, au travers lexprience ils ont ralis de faon concrte que tous les acteurs peuvent influencer le succs ou lchec de la chane de par les interrelations de leur comportement.

2.1

2.2

2.3

2.4

Figure 11: Cots et revenus par centre - bloc 2

Dans les chanes logistiques collaboratives dentreprises indpendantes du bloc 3, les participants ont ralis limportance de viser des buts communs malgr les objectifs individuels, et davoir une communication efficace. Ils ont pu changer avec leurs partenaires daffaires (client, fournisseur) par linterface de clavardage intgre au jeu, mais dans certains cas linformation ne sest pas propage dans la chane, ou sest propage avec un dlai tel que linformation transmise tait dsute. De plus, il a t difficile pour plusieurs joueurs de dfinir une stratgie commune au sein de leur quipe, certains joueurs ne faisant preuve daucune souplesse, ce qui a cr des conflits et des tensions au sein de certaines chanes.

Lobjectif du bloc 4 a t dapprendre aux participants travailler en collaboration dans un objectif commun de maximiser la performance de la chane. Pour la joute finale (4.3), chaque 18

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

quipe a t installe dans une salle distincte, ce qui leur a permis de discuter directement entre eux. Cette proximit des coquipiers, le partage dinformation et le rajustement de stratgie en cours de simulation sest effectu de faon plus efficace que dans les blocs prcdents. Ils ont ralis limportance de prvoir des plans de contingence en cas dvnements hors des zones de prvision et de faire preuve de flexibilit.

SYNTHSE ET CONCLUSION Lexploitation de simulateurs participatifs pour la formation en gestion des chanes logistiques offre un potentiel dinnovation pdagogique et damlioration defficacit denseignement. Nous avons propos une nouvelle approche dapprentissage base sur une progression structure des participants dans un espace rigoureusement dfini. Le cadre exprimental prsent permet aux participants de vivre des parcours de formation bass sur des scnarios pdagogiques pralablement tablis, plutt que de simples expriences ponctuelles. Nous avons montr comment concevoir, exploiter et valider ce cadre exprimental en utilisant en exemple la semaine dintgration de lExecutive Master in Global Supply Chain Management de lEPFL. Lensemble des simulations XBeerGame ralises au cours de ce parcours de formation ont t prsentes afin de dmontrer le potentiel de lapprentissage exprientiel et de limpact des diffrents paramtres sur le pilotage des flux et la performance de gestion des chanes logistiques.

Dans une socit de savoir, o lesprit des gens est lun des facteurs diffrenciateur pour les entreprises, le succs de ces ateliers a permis de raffirmer une motivation conjointe entre lUniversit Laval et lEPFL de poursuivre le dveloppement et lexploitation des simulations pour la formation des gestionnaires. Au cours des prochaines annes, lespace dapprentissage sera enrichi par lintroduction de nouvelles fonctionnalits telles que la variabilit de la demande du march en fonction des performances de service de la chane logistique. De plus les scnarios pdagogiques seront renforcs en fonction des expriences acquises et des valuations des formations exprientielles ralises.

REMERCIEMENTS Les auteurs remercient la Chaire de Recherche du Canada en Ingnierie dEntreprise, le Fonds APTIC de lUniversit Laval pour le support financier des recherches, ainsi que la Fondation Canadienne de lInnovation pour le financement dinfrastructure des laboratoires. Les auteurs

19

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

remercient galement Anne-Sylvie Borter, Marc Matthey, Souleiman Naciri de lEPFL ainsi quAlexandre Morneau de lUniversit Laval pour leur implication lors des ateliers EMGSC.

RFRENCES Chen F., Drezner Z., Ryan J.K., Simchi-Levi D. (2000), Quantifying the bullwhip effect in a single supply chain: The impact of forecasting, lead times, and information, Management Science, Vol. 46, N3, pp. 436443. Dobson M., Kyrylov V., Kyrylova T. (2004), Decision training using agent-based business strategy games, Proceedings of the seventh IASTED International Conference Computers and Advanced Technology in Education, Kuai, Hawaii (USA), August 16-18, pp. 67-71. Forrester J.W. (1958), Industrial dynamics: A major breakthrough for decision makers, Harvard Business Review, Vol.36, N4, pp. 37-66. Forrester J.W. (1961), Industrial Dynamics. Cambridge, MA: MIT Press. Gee J. (2003), What video games have to teach us about learning and literacy, Computers in Entertainment (CIE), Vol. 1, N1, pp. 20-23. Gentry J.W., McGinnis L.P. (2008), Thoughts on How to Motivate Students Experientially, Developments in Business Simulation and Experiential Learning, Vol. 35, Charleston, SC, pp.73-77. Gentry J.W., McGinnis L.P. (2009), Movement toward increased student roles in the design of experiential exercices, Developments in Business Simulations and Experiential Exercises, Vol. 36, pp. 44-47. Hall J.S.B. (2009), Existing and emerging business simulation-game design movements, Developments in Business Simulations and Experiential Exercises, Vol. 36, pp. 133-136. Holweg M., Disney S., Holmstrm J., Smros J. (2005), Supply chain collaboration: making sense of the strategy continuum. European Management Journal. Vol. 23, N 2, pp. 170-181. Jacobs F. R. (2000), Playing the beer distribution game over the Internet, Production and Operations Management, Vol. 9, N1, pp. 31-39. Lee H.L., Padmanabhan V., Whang S. (1997), The Bullwhip Effect in Supply Chains, Sloan Management Review, Spring 1997, Vol. 38, N3, pp. 93-102. Lee H.L., Padmanabhan V., Whang S. (2004), Information distortion in a supply chain: The Bullwhip Effect, Management Science, Vol. 50, N12, pp. 1875-1886. Manske M., Conati C. (2005), Modelling learning in an educational game. Proceedings of International Conference on Artificial Intelligence in Education (AIED), Amsterdam (Netherlands), July 18-22. Meca A., Timmer J. (2008), Supply chain collaboration. Supply Chain, Theory and Applications. I-Tech Education and Publishing, Vienna, Austria, pp. 1-18. 20

RIRL 2010 - Bordeaux September 30th & October 1st, 2010

Montreuil B., Brotherton E., Labarthe O., Morneau A. (2009), XBeerGame: simulations participatives pour le pilotage et l'analyse de chanes logistiques, Actes de CIGI 2009 - 8e Congrs international de gnie industriel, Tarbes (France), 10-12 juin. Nienhaus J., Ziegenbein A., Schoensleben P. (2006), How human behaviour amplifies the bullwhip effect - A study based on the beer distribution game online. Production Planning & Control, Vol. 17, N6, pp. 547-557. Oblinger D. (2004), The next generation of educational engagement. Journal of Interactive Media in Education, Special Issue on the Educational Semantic Web, Vol. 8, pp. 1-18. Ovalle O.R., Marquez A.C. (2003), The effectiveness of using e-collaboration tools in the supply chain: an assessment study with system dynamics. Journal of Purchasing and Supply Management. Vol. 9, pp. 151-163. Rieber, L. (2005), Multimedia Learning in Games, Simulations, and Microworlds in R. Mayer (Ed.), The Cambridge handbook of multimedia learning, New York: Cambridge University Press, pp. 549-567. Ryan R.M., Deci E.L. (2000), Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being, American Psychologist, Vol. 55, pp. 68-78 Shaffer D., Squire K.R., Halverson R., Gee J.P. (2005), Video games and the future of learning, The Phi Delta Kappan, Vol. 87, N 2, pp.104111. Simatupang T.M., Sridharan R. (2005), The collaboration index: a measure for supply chain collaboration. International Journal of Physical Distribution and Logistics Management, Vol. 35, N 1, pp. 44-62. Smith R. (2010), The Long History of Gaming in Military Training, Simulation & Gaming, Vol. 41, N 1, pp. 6-19. Sterman J.D. (1992), The Beer Distribution Game: An annotated bibliography covering its history and use in education and research, System Dynamics Group, M.I.T., U.S.A.

21