These

UNIVERSITE DE TUNIS EL MANAR
FACULTE DES SCIENCES DE TUNIS

INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE LYON

FORMATION DOCTORALE EN INFORMATIQUE

THESE
prsente en vue de lobtention du
Doctorat en Informatique

par

Mounira TLILI-BEN HAMIDA
(DEA en Informatique, FS Tunis)

Instrumentation du transshipment durgence
comme mode de coopration pour lamlioration du
pilotage des flux dans les rseaux de distribution

soutenue le 02 juillet 2011, devant le jury dexamen

M. Riadh ROBBANA Professeur (INSAT-Tunis, Tunisie), Prsident
M. Van-Dat CUNG Professeur (INP-Grenoble, France), Rapporteur
M. Habib CHABCHOUB Professeur (FSEG-Sfax, Tunisie), Rapporteur
Mme Colette MERC Professeur (INSA-Toulouse, France), Membre
M. Mohamed MOALLA Professeur (FS-Tunis, Tunisie), Directeur de thse
M. Jean-Pierre CAMPAGNE Professeur (INSA-Lyon, France), Directeur de thse

Thse prpare dans le cadre des projets CMCU 05/S1105 et 09/G1112, sous convention de cotutelle
FST-Tunis, Tunisie (Laboratoire LIP2) et INSA- Lyon, France (Laboratoire DISP (ex-LIESP))

Cette thse est accessible l'adresse : http://theses.insa-lyon.fr/publication/2011ISAL0065/these.pdf
[M. Tlili-Ben Hamida], [2011], INSA de Lyon, tous droits rservs

Remerciements

Je remercie Monsieur Mohamed MOALLA, professeur la Facult des Sciences de
Tunis, pour la qualit de l'encadrement scientifique quil ma assur ds mon mmoire
de DEA et jusqu la fin de mes travaux de thse. Je le remercie pour ses conseils
judicieux et ses critiques qui mont permis de mener bien ces travaux et, notamment,
dapprendre des rgles de lart en recherche.

Je remercie de mme Monsieur Jean-Pierre CAMPAGNE, professeur lInstitut
National des Sciences Appliques de Lyon (France), pour avoir t lorigine du sujet
de cette thse et pour la co-direction quil bien voulu assurer. Je le remercie pour
laccueil chaleureux quil ma rserv durant les priodes de stage au laboratoire DISP
(ex-LIESP) et pour ses conseils pertinents dans labord cognitif de ce travail.

Jadresse galement mes remerciements Messieurs Van-Dat CUNG, professeur
lInstitut National Polytechnique de Gronoble (France), et Habib CHABCHOUB,
professeur la Facult des Sciences Economiques et de Gestion de Sfax, pour le soin
avec lequel ils ont rapport mes travaux et la caution quils leur ont accord nonobstant
un ensemble de critiques judicieuses.

Mes remerciements sadressent aussi Monsieur Riadh ROBBANA, professeur
lInstitut National des Sciences Appliques et de Technologies de Tunis, pour l'honneur
qu'il me fait en acceptant de prsider le jury de soutenance ainsi qu Madame Colette
MERC, professeur lInstitut National des Sciences Appliques de Toulouse (France),
pour avoir bien voulu accepter de faire partie du jury.

Je ne puis ne pas associer ces remerciements Zied BAHROUN, matre de confrences
la Facult des Sciences de Tunis, pour ses conseils aviss et ses sincres
encouragements et tous les membres du laboratoire LIP2 pour mavoir fait bnficier
dun environnement stimulant et chaleureux.


Ddicaces

mes parents
mon mari et ma fille
tous ceux qui me sont Chers
la mmoire de ma grande mre

Sommaire 4

Table des matires

Introduction gnrale .................................................................................................. 8
Guide de notations ..................................................................................................... 12
Partie 1 ...................................................................................................................... 14
tat de lart ................................................................................................................ 14
Chapitre 1 : Chanes logistiques ...................................................................................... 15
1.1 Introduction ......................................................................................................................... 16
1.2 Les flux de la chane logistique ............................................................................................. 17
1.2.1 Les flux physiques .................................................................................................. 17
1.2.2 Les flux dinformation ............................................................................................ 18
1.2.3 Les flux financiers .................................................................................................. 18
1.3 Les structures de chanes logistiques ..................................................................................... 18
1.3.1 Les structures physiques des chanes ....................................................................... 18
1.3.11 Structure srie ..................................................................................................... 18
1.3.12 Structure dyadique .............................................................................................. 19
1.3.13 Structure convergente .......................................................................................... 19
1.3.14 Structure divergente ............................................................................................ 19
1.3.15 Structure rseaux ................................................................................................ 20
1.3.2 Les modes de pilotage ............................................................................................. 20
1.4 Les fondamentaux des rseaux logistiques ............................................................................. 20
1.4.1 Leffet de bullwhip ................................................................................................. 20
1.4.2 Leffet
N
............................................................................................................. 21
1.4.3 Les principes de coopration et de coordination ....................................................... 21
1.4.31 La coopration .................................................................................................... 21
1.4.32 La coordination ................................................................................................... 22
1.5 Les outils de la coopration et de la coordination ................................................................... 23
1.5.1 LElectronic Data Interchange (EDI) ....................................................................... 23
1.5.2 LEfficient Consumer Response (ECR) .................................................................... 23
1.5.3 Le Vendor Managed Inventory (VMI) ...................................................................... 23
1.5.4 Le Collaborative Planning, Forecasting and Replenishment (CPFR) .......................... 23
1.5.5 LAvailable To Promise (ATP) ................................................................................ 24
1.5.51 Le principe dATP .............................................................................................. 24
1.5.52 Les modles ATP ................................................................................................ 25
1.6 Conclusion ........................................................................................................................... 25
Chapitre 2 : Les mthodes de gestion de stock dans les structures un(multi) chelon(s) 26
2.1 Le systme de stock .............................................................................................................. 27
2.2 Cots des stocks ................................................................................................................... 28
2.3 Structure un chelon .......................................................................................................... 29
2.3.1 Terminologie des stocks .......................................................................................... 29
2.3.11 Principes et fonctionnement ................................................................................. 29
2.3.12 Systme de dcision avec demandes probabilistes................................................. 29
Sommaire 5

2.3.2 Limportance de larticle : classification ABC .......................................................... 31
2.3.3 Rvision continue versus rvision priodique ........................................................... 31
2.3.4 Les politiques de gestion des stocks ......................................................................... 32
2.3.41 La politique point de commande, quantit commander (s, Q) ........................... 32
2.3.42 La politique point de commande, niveau de recompltement (s, S) ..................... 32
2.3.43 La politique rvision priodique, niveau de recompltement (R, S) ..................... 33
2.3.44 La politique (R, s, S) ........................................................................................... 34
2.3.45 Autres politiques de gestion de stock ................................................................... 34
2.4 Les difficults de la politique de gestion (R, s, S) .................................................................. 35
2.4.1 La notion dundershoot ........................................................................................... 35
2.4.2 Caractristiques de la fonction cot ......................................................................... 35
2.5 Objectifs spcifis : cot et service ....................................................................................... 37
2.5.1 Prsentation ............................................................................................................ 37
2.5.2 Les taux de service ................................................................................................. 37
2.5.21 Type I ou ......................................................................................................... 37
2.5.22 Type II ou ........................................................................................................ 37
2.5.23 Type III ou ....................................................................................................... 38
2.6 Modlisation thorique du stock et calcul du stock de scurit ............................................... 38
2.6.1 Caractristiques de la demande ................................................................................ 38
2.6.2 Heuristiques pour la politique (s, Q) ........................................................................ 39
2.6.21 Rgle de dcision pour un taux de service spcifi ............................................ 39
2.6.22 Rgle de dcision pour un taux de service spcifi ............................................. 39
2.6.221 Modle de demandes diffres ......................................................................... 39
2.6.222 Modle de demandes perdues ........................................................................... 40
2.6.3 Heuristique pour la politique (R, S) ......................................................................... 41
2.6.4 Heuristiques pour la politique (R, s, S) .................................................................... 42
2.6.41 Approximation des valeurs (s, S) base sur un cot de rupture spcifi .................. 42
2.6.42 Approximation des valeurs (s, S) base sur un taux de service spcifi .................. 42
2.7 Structure multi chelons ....................................................................................................... 43
2.7.1 Les problmes lis aux systmes de stock multi chelons.......................................... 43
2.7.11 Caractristiques gnrales ................................................................................... 43
2.7.12 Stock chelon versus stock installation ................................................................ 44
2.7.2 Types dun systme arborescent .............................................................................. 45
2.7.21 Systme arborescent sans conservation de stock dans le centre de distribution ....... 45
2.7.22 Systme arborescent avec conservation de stock chez le centre de distribution ...... 45
2.8 Conclusion ........................................................................................................................... 46
Chapitre 3 : Les problmes de transshipment ................................................................. 47
3.1 Prliminaire et dfinitions ..................................................................................................... 48
3.2 Les politiques de transshipment ............................................................................................ 48
3.3 Classification des travaux de recherche ................................................................................. 49
3.3.1 Types de problmes ................................................................................................ 50
3.3.2 Mthodes de rsolution et difficults rencontres ..................................................... 50
3.3.3 Les principaux environnements tudis pour lapplication du transshipment .............. 51
3.4 Les modles de transshipment durgence ............................................................................... 52
3.4.1 Les modles de transshipment avec la politique (R, S) .............................................. 52
3.4.2 Les modles de transshipment avec la politique (s, Q) .............................................. 54
3.4.3 Les modles de transshipment avec la politique (S-1, S) ........................................... 54
3.4.4 Les modles de transshipment avec les politiques (s, S) et (R, s, S) ........................... 55
3.5 Les modles de transshipment prventif ................................................................................ 56
3.6 Autres applications du transshipment .................................................................................... 57
3.7 Conclusion ........................................................................................................................... 62
Partie 2 ...................................................................................................................... 63
Modlisation et rsolution .......................................................................................... 63
Chapitre 4 : Systme deux chelons et deux dtaillants, avec cot de transshipment
linaire ............................................................................................................................. 64
4.1 Modlisation mathmatique ............................................................................................ 65
Sommaire 6

4.1.1 Description gnrale du problme ............................................................................ 65
4.1.2 Notations et hypothses adoptes ............................................................................. 66
4.1.3 Modle simplifi de (Cohen et al. 88) dun systme sans transshipment .................... 67
4.1.4 Passage du modle simplifi de (Cohen et al. 88) un modle deux dtaillants avec
transshipment ......................................................................................................................... 70
4.1.41 Esprance mathmatique de la quantit de transshipment ...................................... 70
4.1.42 Esprance mathmatique de la quantit perdue ..................................................... 72
4.1.43 Calcul du cot total ............................................................................................. 73
4.1.5 Limites de la solution obtenue ................................................................................. 76
4.2 Approche par simulation-optimisation ............................................................................. 76
4.2.1 Analogie des notations utilises entre le modle mathmatique et le modle de
simulation .............................................................................................................................. 76
4.2.2 Les politiques de transshipment explores ................................................................ 77
4.2.3 Modle de stock (R, s, S) demandes perdues intgrant le transshipment .................. 78
4.2.4 Le problme doptimisation ..................................................................................... 80
4.2.5 Rsolution par simulation-optimisation .................................................................... 80
4.2.51 Modle de simulation retenu ................................................................................ 80
4.2.52 Calcul des valeurs initiales de la politique (R, s, S) .............................................. 81
4.2.53 Procdure de recherche ....................................................................................... 81
4.3 Exprimentation ............................................................................................................. 83
4.3.1 Description du cas dtude ...................................................................................... 83
4.3.2 Analyse des apports du transshipment ...................................................................... 85
4.3.21 Systme avec transshipment vs. systme sans transshipment ................................. 85
4.3.22 Complete pooling vs. Tout ou rien ....................................................................... 87
4.3.23 Effets de lcart type et du dlai dapprovisionnement .......................................... 88
4.3.231 Effet de lcart type de la demande ..................................................................... 89
4.3.232 Effet du dlai dapprovisionnement ................................................................. 89
4.3.233 Systme symtrique vs. systme asymtrique en dlais dapprovisionnement ..... 90
4.4 Conclusion ..................................................................................................................... 92
Chapitre 5 : Systme deux chelons et dtaillants multiples, avec cot de
transshipment fixe ........................................................................................................... 93
5.1 Problme du transshipment dans un systme de stock multi dtaillants ............................. 94
5.2 Formulation du problme ................................................................................................ 95
5.3 Systme de stock (R, s, S) dtaillants multiples ............................................................. 96
5.3.1 Dmarche retenue ................................................................................................... 96
5.3.2 Analyse des rsultats ............................................................................................... 97
5.3.21 Impacts des paramtres dentre (N, L
i
,
i
)

sur la politique complete pooling
standard 98
5.3.211 Impacts du paramtre N ................................................................................... 98
5.3.212 Impacts du paramtre L
i
.................................................................................. 99
5.3.213 Impacts du paramtre
i
................................................................................ 100
5.3.22 Impacts de la contrainte capacit du transshipment (Q
max
) ................................... 101
5.3.23 Complete pooling plafonn vs. complete pooling standard .................................. 103
5.4 Vers une rsolution par une politique de stock de type (R, s, s+Q) .................................. 105
5.4.1 Choix dapproximation de la quantit Q ................................................................. 105
5.4.2 valuation des diffrentes politiques de stock ........................................................ 105
5.5 tude de limpact des paramtres cots ......................................................................... 107
5.5.1 Contexte dexprimentation ................................................................................... 107
5.5.2 Analyse des rsultats ............................................................................................. 108
5.5.3 Effet du cot de transshipment .............................................................................. 111
5.6 Complete pooling standard vs. complete pooling conditionn ......................................... 112
5.7 Effet du taux de service ................................................................................................ 113
5.8 Conclusion ................................................................................................................... 116
Chapitre 6 : Transshipment dans un rseau de distribution multi chelons ................. 118
6.1 Systme de stock avec transshipment dans un rseau de distribution multi chelons ........ 119
6.1.1 Description du problme ....................................................................................... 119
6.1.2 Hypothses du modle .......................................................................................... 120
6.1.3 Notations .............................................................................................................. 120
Sommaire 7

6.2 Dmarche de rsolution ................................................................................................ 121
6.2.1 Procdures dallocation du stock disponible au niveau du centre de distribution ...... 121
6.2.2 Formulation des problmes doptimisation ............................................................. 122
6.2.3 Solutions initiales ................................................................................................. 123
6.2.31 Pour les dtaillants ............................................................................................ 123
6.2.311 Solution initiale pour le problme doptimisation 1 ......................................... 123
6.2.312 Solution initiale pour les problmes doptimisation 2 et 3 .............................. 124
6.2.32 Pour le centre de distribution ............................................................................. 125
6.2.321 Solution initiale pour le niveau de recompltement ......................................... 125
6.2.321 Solution initiale pour le point de commande ................................................... 125
6.2.4 Modle de stock intgrant le transshipment dun systme multi chelons ................ 126
6.2.41 Modle de stock (R, s, S) pour le centre de distribution .......................................... 126
6.2.42 Modle de stock (R, s, S) avec demandes perdues pour les dtaillants ...................... 126
6.2.5 Modle de simulation-optimisation ........................................................................ 127
6.3 Les rsultats numriques ..................................................................................................... 128
6.3.1 tude du problme doptimisation 1 ...................................................................... 128
6.3.11 Impact du dlai dapprovisionnement du centre de distribution ........................... 128
6.3.12 Impact du dlai dapprovisionnement des dtaillants .......................................... 130
6.3.13 Impact de lcart type de la demande ................................................................. 131
6.3.2 tude du systme de stock multi chelons sous contrainte de taux de service ........... 133
6.3.21 Systmes de stock sous contrainte dun taux de service global du systme ........... 133
6.3.22 Systme de stock taux de service global vs. systme de stock taux de service
spcifique chaque dtaillant ........................................................................................... 136
6.3.3 valuation des solutions initiales ........................................................................... 137
6.4 Conclusion ......................................................................................................................... 140
Conclusion gnrale ................................................................................................ 141
Le logiciel Crystal Ball ............................................................................................ 147
1. Prsentation sommaire ...................................................................................................... 147
2. Loutil OptQuest 2.3 ...................................................................................................... 148
3. Modle bas simulation-optimisation pour un systme de stock avec transshipment de deux
dtaillants identiques ................................................................................................................ 150
3.1 Modle de simulation ..................................................................................................... 150
3.2 Modle doptimisation .................................................................................................... 152
4. Comparaison entre deux systmes de stock ........................................................................ 156
Rfrences bibliographiques .................................................................................... 157
Introduction gnrale 8

Introduction gnrale

Le rseau de distribution dans les chanes logistiques est la composante essentielle
travers laquelle seffectue lcoulement des flux de produits vers les clients. Dans le
cas classique, le rseau est trois chelons : "entrept central de sortie dusine(s)",
"centres de distribution" et "dtaillants", ces derniers tant en contact direct avec les
clients finals. La distribution des produits seffectue de manire
descendante (entrept vers centres de distribution et centres de distribution vers
dtaillants) et ce, selon une politique donne de gestion des stocks. Cette politique
doit tenir en compte, la fois, des contraintes lies la stratgie arrte vis--vis de
la qualit de service dans la satisfaction des demandes clients (notamment, dans le cas
o les demandes sont incertaines) et des contraintes lies la rentabilit conomique
face au cot global du stockage et le risque dobsolescence pour certains produits.

La problmatique du pilotage des flux travers un tel rseau est de toute vidence
complexe. Dabord, elle dpend de la configuration du rseau considr. Ensuite, elle
doit intgrer la prise en compte dune multitude de paramtres : nombre de produits
diffrents, comportement dans le temps de la demande, taux de satisfaction cibl, sort
des commandes non satisfaites (diffres ou perdues), politique de gestion des stocks
chez les dtaillants et chez les centres de distribution, dlais dapprovisionnement
(entrept vers centres de distribution et centres de distribution vers dtaillants),
diffrents cots (commande, possession, rupture), . La comptitivit de plus en
plus accrue des marchs pousse encore une optimisation plus serre des cots en
cherchant des amliorations travers la coopration (changes dinformation et/ou
transferts de produits) entre les sites du rseau. Le transshipment latral est lune
de ces voies. Il consiste organiser les transferts de stocks entre les sites de mme
chelon, soit selon une politique prventive pour rduire les risques de rupture face
aux demandes clients, soit selon une politique durgence pour rsoudre les cas de
rupture effective. Sajoute, ainsi, la complexit de la problmatique du pilotage des
flux, la prise en compte de la politique du transshipment, de ses rgles particulires et
de ses cots.

Cette complexit fait que les mcanismes de gestion des stocks disponibles, tudis
pour tre implments dans les progiciels ERP, APS ou SCM, demeurent relativement
simples. Aussi, la plupart des recherches qui ont abord la problmatique globale
expose ici (en y intgrant le transshipment) sont restes limites des structures
comprenant un entrept, un seul centre de distribution et deux ou plusieurs
dtaillants. Elles se sont intresses principalement aux systmes demandes clients

alatoires et politiques de gestion des stocks du type (R, S), (s, Q), (S-1, S) et (s, S)
demandes diffres ou (s, Q) demandes perdues. Pour ces politiques, certains
auteurs ont cherch tudier, sous des hypothses restrictives, des modles
mathmatiques probabilistes, tandis que dautres se sont orients vers lanalyse de
modles de simulation en relaxant quelques hypothses. On parle de systmes de
stock deux chelons quand le centre de distribution est considr capacit infinie
(dans ce cas, le rle de lentrept central se confond avec celui du centre de
distribution et les seuls dlais dapprovisionnement qui sont pris en compte sont ceux
entre le centre de distribution et les dtaillants). On parle de systmes de stock multi
chelons ds que aussi bien les sites dtaillants que le centre de distribution sont
soumis des politiques de gestion spcifiques ainsi qu des dlais
dapprovisionnement. Les travaux rapports dans ce mmoire de thse sinsrent
parmi ces recherches ; ils sont focaliss principalement sur lexploration des apports
possibles du transshipment (latral) durgence pour un rseau de distribution mono
produit.

Nous considrons que les dtaillants sont confronts des demandes alatoires
suivant la loi normale et grent leur stock selon la politique (R, s, S) ; chaque
priode de rvision R, une commande est passe pour ramener la position de stock au
niveau de recompltement S si la position de stock se trouve gale ou infrieure au
seuil s. Nous supposons que les demandes chez les dtaillants sont indpendantes et
identiquement distribues. Nous supposons aussi que le temps de transshipment entre
dtaillants est nul et que la partie de demande qui na pu tre satisfaite aprs les
tentatives de transshipment est perdue.

Nous tudions trois structures diffrentes de rseau :
systme de stock deux chelons et deux dtaillants, avec cot de
transshipment par unit ;
systme de stock deux chelons et dtaillants multiples, avec cot fixe de
transshipment par transaction, quelle que soit la quantit implique ;
systme de stock multi chelons deux dtaillants, galement avec cot fixe de
transshipment.

Pour chacune de ces structures, nous testons diffrentes combinaisons de valeurs des
paramtres dentre :
demandes alatoires des clients, carts types identiques ou diffrents,
variation faible ou leve ;
dlais dapprovisionnement identiques ou diffrents, courts ou longs ;
cots diffrents de commande, de possession, de rupture et de transshipment ;
taux de service minimum exig ;
nombre de dtaillants (dans la structure du deuxime type) faible, moyen ou
lev.

Notre objectif est de :
dterminer, pour chaque site (dtaillants et centre de distribution), les seuils de
stocks (s, S) qui minimisent le cot total du systme tout en garantissant un taux
de service dsir,
analyser limpact de chacun des paramtres sur le comportement du systme,
notamment pour ce qui concerne lintrt du recours au transshipment.

Nous commenons par approcher chaque cas par une tude analytique sous des
hypothses restrictives, en nous appuyant sur les rsultats des travaux raliss dans le
domaine de l'optimisation de la gestion classique des stocks (sans transshipment)
dans les structures un(multi) chelon(s) et mono produit ainsi que ceux des travaux
ayant abord des problmes de transshipment dans les structures deux/multi chelons
et mono produit. Nous utilisons, ensuite, les formulations mathmatiques obtenues
pour approfondir lanalyse travers llaboration et lexprimentation de modles
admettant des hypothses beaucoup plus larges, dont la rsolution est fonde sur la
simulation-optimisation.

Le mmoire est prsent en deux parties. La premire, constitue des chapitres 1 3,
est consacre la synthse de ltat de lart et la prparation des assises de nos
travaux. La deuxime, constitue des chapitres 4 6, dveloppe nos contributions et
leurs rsultats. Lensemble est structur comme suit :

- Dans le chapitre 1, nous commenons par de brefs rappels sur les chanes
logistiques, en nous attardant de faon particulire sur les diffrentes structures des
rseaux de distribution, ce qui nous permet de mieux positionner le cadre de notre
tude. Nous prsentons aussi les principaux outils de coopration et de coordination.

- Le chapitre 2 rapporte ltat de l'art des mthodes de gestion de stock. Dans un
premier temps, nous passons en revue les diffrentes mthodes de gestion (classique)
de stock dun seul site ainsi que les diffrents types de taux de service considrs
dans la littrature. Nous poursuivons par la modlisation thorique du stock et le
calcul du stock de scurit, puis nous exposons les modles de gestion de stock dans
une structure multi chelons et les difficults induites par la complexit de cette
structure quant la dtermination des seuils s et S. Ce faisant, nous mettons en
exergue les caractristiques de certaines heuristiques performantes lies la politique
de stock (R, s, S).

- Le chapitre 3 consiste en l'tude des diffrentes politiques de transshipment
existantes, les types de problmes rencontrs et les principaux environnements
tudis pour leur application. Nous dtaillons, en particulier, les modles de
transshipment durgence utilisant des politiques (R, S), (s, Q), (S-1, S), (s ; S) et (R,
s, S). Un relev synthtique des caractristiques, pour plus dune trentaine de
travaux, est prsent.

- Dans le chapitre 4, nous tudions un systme de stock deux chelons et deux
dtaillants, avec cot de transshipment linaire et politique de gestion de stock du
type (R, s, S). Nous commenons par formuler la modlisation mathmatique partant
du modle simplifi de Cohen et al. (Cohen et al. 88), dvelopp pour un systme
un seul dtaillant et sans transshipment. Sur la base de cette formulation, nous
entamons une premire tude analytique sous des hypothses restrictives puis nous
voluons vers un modle plus complet, bas simulation-optimisation, sur lequel nous
analysons le comportement du systme de stock considr sous des hypothses plus
libres. Nous examinons la sensibilit du comportement coopratif du transshipment
vis--vis dun certain nombre de paramtres dentre (cart type de la demande, dlai
dapprovisionnement, cot de rupture et cot de transshipment) et ce, pour deux

politiques diffrentes de transshipment ( tout ou rien et complete pooling
standard).

- Le chapitre 5 largit ltude prcdente au cas dun rseau dtaillants multiples.
La complexit de la rsolution impose, demble, dadopter deux simplifications :
dlais dapprovisionnement identiques pour tous les dtaillants et cot de
transshipment fixe par transaction. Sous ces nouvelles hypothses, nous reprenons la
formulation de la modlisation mathmatique puis nous passons au modle de
simulation-optimisation correspondant. Dans un premier temps, nous valuons les
impacts de deux paramtres fondamentaux (dlai dapprovisionnement et carts types
des demandes) pour un systme 2, 4 ou 8 dtaillants et pour deux politiques de
transshipment (complete pooling standard et complete pooling plafonn (i.e. transfert
soumis une quantit maximale par transaction de transshipment)). Dans un
deuxime temps et afin de pouvoir multiplier les exprimentations, nous adoptons une
nouvelle simplification consistant rapprocher la politique (R, s, S) par une politique
du type (R, s, s+Q). Nous valuons alors les performances du systme en fonction des
paramtres de cot et du nombre de dtaillants que nous largissons jusqu 12. Nous
comparons, cette fois-ci, les rsultats du complete pooling standard (selon lequel les
transshipments sont effectus de faon systmatique chaque fois que les stocks
disponibles le permettent) ceux du complete pooling conditionn par des critres de
rentabilit conomique de base. Nous terminons par une tude du comportement du
systme vis--vis du taux de service dsir, sans cot de rupture.

- Dans le chapitre 6, nous revenons une structure deux dtaillants mais multi
chelon, dans le sens que le centre de distribution nest plus considr capacit
infinie mais doit lui-mme grer lapprovisionnement de son stock et sa rpartition
entre les deux dtaillants. Nous adoptons dutiliser une politique (R, s, S) pour le
centre de distribution et une politique (R, s, s+Qp) pour les dtaillants avec un cot
de transshipment fixe par transaction. En cas dinsuffisance de stock disponible chez
le centre de distribution, une procdure dallocation est applique pour la satisfaction
partielle des commandes des dtaillants ; deux variantes sont proposes pour cette
procdure. Nous valuons, sous ces hypothses, le comportement du systme pour
trois objectifs diffrents doptimisation : minimisation du cot total du systme,
minimisation du cot total du systme sans cot de rupture mais sous la contrainte
dun taux de service global pour les deux dtaillants et, enfin, minimisation du cot
total du systme sans cot de rupture mais sous la contrainte dun taux de service
spcifique pour chaque dtaillant.

Dans une conclusion gnrale, nous dressons un bilan des travaux mens et nous
projetons quelques perspectives intressantes pour leur prolongement.
Guide de notation 12

Guide de notations

Notation Dsignation

K

Cot de commande fixe
Ch Cot de possession par unit de produit et par priode
Cp Cot de rupture par unit de produit perdue
Ct Cot de transshipment unitaire ou fixe
Q
max
Quantit maximale de transshipment
L Dlai (en priodes) dapprovisionnement des dtaillants partir du centre
de distribution
T Horizon fini de temps
R Priode de rvision
S Point de commande
S Niveau de recompltement de stock
D Diffrence entre S et s ; D=S-s
Q Quantit de commande
EOQ Quantit conomique de commande
N Nombre de dtaillants
k Facteur de scurit
ss Stock de scurit
SD Taux de service dsir
b
Taux de service dun dtaillant sur lhorizon T pour un systme
indpendant
a
Taux de service de lensemble des dtaillants sur lhorizon T pour un
systme avec transshipment
s
i
0
Point de commande du dtaillant i (solution initiale pour la simulation-
optimisation)
S
i
0
Niveau de recompltement du dtaillant i (solution initiale pour la
simulation-optimisation)
Guide de notation 13

IL
i
b
,t
Niveau de stock chez le dtaillant i la priode t avant le transshipment
IL
i
a
,t
Niveau de stock chez le dtaillant i la priode t aprs le transshipment
IP
i
b
,t
Position de stock chez le dtaillant i la priode t avant le transshipment
IP
i
a
,t
Position de stock chez le dtaillant i la priode t aprs le transshipment
X
j,i,t
Quantit de transshipment du dtaillant j au dtaillant i la priode t
TX
i,t
Quantit totale de transshipment vers le dtaillant i la priode t
QR
i,t
Quantit en rupture durant un cycle dapprovisionnement du dtaillant i
(systme sans transshipment)
QP
i,t
Quantit perdue par le dtaillant i la priode t (systme avec
transshipment)
B
i,t
Variable boolenne qui prend la valeur 1 si le dtaillant i passe une
commande au centre de distribution la fin de la priode t et 0 sinon
,t i

Variable boolenne qui prend la valeur 1 si le dtaillant i a reu un
transshipment la priode t et 0 sinon
i,t
Variable boolenne qui prend la valeur 1 si le dtaillant i demeure en
situation de rupture la fin de la priode t et 0 sinon
d
i,t
Demande alatoire chez le dtaillant i la priode t qui suit la distribution
normale
i
Moyenne de la demande par priode chez le dtaillant i
i
cart type de la demande par priode chez le dtaillant i
i,L+1
Moyenne de la demande durant le cycle dapprovisionnement
i,L+1
cart type de la demande durant le cycle dapprovisionnement
E(CT) Cot total du systme
E(X
j,i,t
) Esprance mathmatique de la quantit de transshipment depuis le
dtaillant j vers le dtaillant i la priode t, ji
R(s
i
) Esprance mathmatique de la quantit de rupture du dtaillant i la
priode t (systme sans transshipment)
P(s
i
) Esprance mathmatique de la quantit perdue par le dtaillant i la
priode t (systme avec transshipment)

Les notations s
0
, S
0
, , ,
L+1
et
L+1
(sans lindice i) sont utilises dans les
formulations mathmatiques dans le cas dun problme de gestion de stock dun seul
site de stockage.

Partie 1

tat de lart

Dans cette partie, nous commenons par prsenter une revue de la littrature
relative la gestion des stocks disponibles dans les circuits de distribution au
sein des chanes logistiques, en visant synthtiser les problmes poss et les
principaux concepts adopts. Nous enchanons par les travaux ayant trait de
la problmatique du transshipment. Lensemble fera apparatre
progressivement et de faon claire la problmatique et les orientations des
travaux de la thse.


Chapitre 1 : Chanes logistiques

1.1 Introduction
1.2 Les flux de la chane logistique
1.2.1 Les flux physiques
1.2.2 Les flux dinformation
1.2.3 Les flux financiers
1.3 Les structures de chanes logistiques
1.3.1 Les structures physiques des chanes
1.3.2 Les modes de pilotage
1.4 Les fondamentaux des rseaux logistiques
1.4.1 Leffet de bullwhip
1.4.2 Leffet
n

1.4.3 Les principes de coopration et de coordination
1.5 Les outils de la collaboration et de la coordination
1.5.1 LElectronic Data Interchange (EDI)
1.5.2 LEfficient Consumer Response (ECR)
1.5.3 Le Vendor Managed Inventory (VMI)
1.5.4 Le Collaborative Planning, Forecasting and Replenishment (CPFR)
1.5.5 LAvailable To Promise (ATP)
1.6 Conclusion

tat de lart / Chanes logistiques 16

1.1 Introduction
De nombreuses dfinitions de la chane logistique (on dit aussi, parfois, chane
dapprovisionnement ) ont t proposes. Dans la littrature anglo-saxonne, on parle
de supply chain . Nous citons les dfinitions les plus frquemment utilises :

Dfinition 1 :
Un rseau d'installations qui assure les fonctions d'approvisionnement en matires
premires, de transformation de ces matires premires en composants puis en
produits finis, et de distribution du produit fini vers le client (Lee et Billington 93).
Cest la dfinition la plus frquemment retenue dans la littrature. Le rapprochement
naturel entre la chane logistique et un rseau d'installations permet de schmatiser de
faon trs simple n'importe quelle chane logistique. La reprsentation propose en
figure 1.1 fait apparatre les fonctions d'approvisionnement (relation entre fournisseur
et producteur), de transformation (par la production des biens) et de distribution (du
produit final vers les clients).

Figure 1.1. Reprsentation dune chane logistique

Dfinition 2 :
Une chane logistique est un ensemble de deux ou plusieurs entreprises lies par
des flux de marchandises, d'informations et financiers . (Tsay et al. 99).

Dfinition 3 :
La chane logistique d'un produit fini se dfinit comme l'ensemble des entreprises
qui interviennent dans les processus d'approvisionnement en composants, de
fabrication, de distribution et de vente du produit, du premier des fournisseurs au
client ultime (Rota-Franz et al. 01).

Ces dfinitions mettent en exergue les points essentiels suivants :
Une chane logistique se dfinit par rapport un produit fini ou un ensemble de
produits.
Une chane logistique fait intervenir au moins deux entreprises.
Les entreprises sont lies par trois types de flux : des flux de matires, des flux
d'informations et des flux financiers.
Lgende :
Fournisseur
Usine

Centre de
distribution
Dtaillant
Flux de matires/
transport
Entrept central de
sortie dusine(s)

On peut aussi distinguer plusieurs logistiques qui diffrent par leur objet et leurs
mthodes :
Une logistique dapprovisionnement : qui permet damener dans les usines les
produits de base, composants et sous-ensembles ncessaires la production ;
Une logistique de production : qui consiste apporter aux lignes de production
des matriaux et composants ncessaires la production et planifier la
production ;
Une logistique de distribution : qui consiste apporter au consommateur final,
soit dans les grandes surfaces commerciales, soit chez lui, les produits dont il a
besoin ;
Une logistique de soutien : qui consiste organiser tout ce qui est ncessaire
pour maintenir en opration un systme complexe, y compris travers des
activits de maintenance ;
Une logistique inverse (reverse logistics) : qui consiste reprendre des produits
dont le client ne veut pas ou quil veut faire rparer, ou encore traiter des
dchets industriels, emballages, produits inutilisables.

Nous nous intressons, dans ce mmoire, la logistique de distribution dans laquelle
les membres constituant le rseau cooprent dans la distribution dun mme produit.
1.2 Les flux de la chane logistique
Comme nous lavons mentionn auparavant, les entreprises appartenant une mme
chane logistique sont relies par trois flux : des flux physiques, des flux
d'informations et des flux financiers (cf. Figure 1.2).

Figure 1.2. Les diffrents flux dune chane logistique (Pimor 03)

1.2.1 Les flux physiques
Les flux physiques se prsentent sous forme de dplacements des produits (ou
matires). Lhypothse fondamentale est que ces flux seffectuent majoritairement du
fournisseur vers le client. Une entreprise admet souvent plusieurs circuits de
distribution pour un mme produit ou pour des produits diffrents. Il sagit des
circuits classiques grossistes
_
dtaillants, grande distribution, etc. Par exemple,
lentreprise peut livrer partir de plusieurs entrepts ; elle peut livrer un autre
entrept ou une plate-forme de distribution ou une surface de vente, voire le
consommateur final directement en vente par correspondance. Selon cette structure, la
Flux physiques Flux dinformations Flux financiers

chane logistique peut tre considre comme une arborescence. On distingue
globalement deux sortes de nuds dans larborescence :
Les entrepts centraux, points daccumulation de produits o ceux-ci sont
stocks en plus ou moins grande quantit et pour une certaine dure ;
Les entrepts intermdiaires, points de croisement break-bulk o les
produits sont rceptionns puis livrs immdiatement plusieurs distributeurs
ou plusieurs surfaces de vente (ou dtaillants).

Dans certains cas particuliers, par exemple celui dune relation de sous-traitance, les
flux physiques peuvent circuler dans le sens inverse, i.e. du donneur dordre vers le
sous-traitant, ou dans les deux sens.
1.2.2 Les flux dinformation
A ct des flux de produits, la gestion de la chane logistique demande de traiter des
informations nombreuses qui, pour une part importante dentre elles, remontent la
chane en sens inverse des produits. Ces flux peuvent tre distingus en deux types :
les flux de dcisions et les flux de donnes. Les flux de dcisions peuvent
correspondre aux commandes des distributeurs, aux ordres de fabrications, aux
commandes des produits de base et composants, etc. Les flux de donnes sont les
informations qui prcdent ou accompagnent les produits : avis dexpdition, bons de
livraison, prvisions de besoins, etc. Les flux dinformations peuvent donc tre
bidirectionnels au vu de ces deux exemples.
1.2.3 Les flux financiers
Ces flux regroupent les paiements et les arrangements financiers divers (crdits,
mensualisation des paiements, etc.) entre les clients et les fournisseurs. Ils sont aussi
bidirectionnels.

On peut donc dfinir la gestion de la chane logistique comme le pilotage de ses flux
et la gestion de ses stocks travers lexploitation (informatise) de lensemble des
informations afin dobtenir un niveau de performance dsir et cot optimis.
1.3 Les structures de chanes logistiques
Dans la littrature, les chanes logistiques sont tudies selon deux aspects. Le
premier concerne la structure physique des chanes logistiques et le deuxime
sintresse leurs modes de pilotage.
1.3.1 Les structures physiques des chanes
Les structures de base rencontres dans la littrature, sur lesquelles sont bases les
modlisations existantes, se prsentent comme suit :
1.3.11 Structure srie
Dans cette structure, chaque site a au plus un prdcesseur et/ou un successeur (cf.
Figure 1.3). La chane logistique en srie est trs tudie, en particulier, dans les
systmes dassemblage, mais peu aborde dans les systmes de distribution (Axster
03c). La structure en srie correspond aussi un procd de fabrication linaire.

Figure 1.3. Chane logistique srie (Axster 03c)

1.3.12 Structure dyadique
Cette structure peut tre vue comme un cas particulier dune chane en srie limite
deux chelons. Cette structure est frquemment tudie dans les relations
client/fournisseur ou donneur dordre/sous-traitant.
1.3.13 Structure convergente
Cette structure apparat dans les systmes dassemblage o chaque nud a au plus un
successeur.

Figure 1.4. Chane logistique convergente (Silver et al. 98)

1.3.14 Structure divergente
On trouve cette structure, le plus souvent, dans les systmes de distribution o chaque
installation de la chane logistique a au plus un prdcesseur (cf. Figure 1.5). Les
travaux sy rapportant se sont focaliss, en particulier, sur ltude de la localisation
des sites de distribution et leur dimensionnement.

Figure 1.5. Chane logistique divergente (Silver et al. 98)
Produit
fini
Entrept central
Dtaillants
Centre de distribution Centre de distribution
Fournisseur
Matire
premire
Produit
fini

1.3.15 Structure rseaux
En pratique, les chanes logistiques sont multi niveaux et une installation dun niveau
donn peut avoir plusieurs prdcesseurs et/ou plusieurs successeurs (cf. Figure 1.1).
Cette structure peut tre vue comme une composition de structures convergente,
divergente et srie. Elle permet de prendre en compte des chanes logistiques
complexes.

Notre tude sintresse une structure divergente, correspondant un systme de
distribution. Cest sur la base de cette structure que nous dvelopperons, dans les
chapitres 4 6, une modlisation fine de notre problmatique.
1.3.2 Les modes de pilotage
Le pilotage des chanes logistiques se dcline suivant deux dimensions principales :
information locale versus globale et dcision centralise versus dcentralise.
Linformation locale implique que chaque site voit la demande uniquement travers
les commandes qui lui parviennent de ses clients directs. De plus, chaque site a
seulement la visibilit de ltat de son stock, de ses cots et de ses paramtres
propres. Linformation globale implique que le dcideur a la visibilit de la demande,
des cots et de ltat de stock de tous les sites dans le systme. La gestion centralise
vise une optimisation globale du systme entier ; elle est souvent identifie comme un
systme flux pouss, lchelon suprieur poussant les produits vers les lieux de
consommation (Pyke et Cohen 90). La gestion dcentralise implique que les
dcisions sont prises sparment au niveau de chaque site ; elle est identifie comme
un systme flux tir par les consommateurs (Silver et al. 98). Les meilleures
solutions sont obtenues avec linformation globale et la dcision centralise parce que
les dcisions sont faites avec la visibilit du systme entier utilisant linformation de
tous les sites. Cependant, ces solutions ncessitent des mcanismes fiables de
coopration et de coordination entre les sites et ne peuvent pas gnralement tre
mises en uvre dans le cadre de chanes logistiques impliquant plusieurs entits
juridiquement et financirement indpendantes.
1.4 Les fondamentaux des rseaux logistiques
1.4.1 Leffet de bullwhip
Une des caractristiques dune chane logistique est que plus lon sloigne du
consommateur final (vers lamont) et plus la variabilit des commandes augmente
(Pimor 03). Cela est d au fait que chaque maillon de la chane est cens ragir aux
variations (positives ou ngatives) constates sur la demande en aval et les amplifier
en transmettant les commandes vers lamont. En lexagrant pour bien mettre en
vidence, ce phnomne peut tre schmatis comme suit : quand surviennent de
petites modifications de la demande finale, les commandes des dtaillants aux
grossistes deviennent trs fluctuantes, les commandes des grossistes aux fabricants
deviennent chaotiques et le fabricant passe une partie de son temps en chmage
technique et une autre essayer de produire des quantits importantes. Ce phnomne
est appel effet coup de fouet (bullwhip effect, dans la littrature anglo-saxonne).

1.4.2 Leffet
N

Cette caractristique est aussi importante que leffet bullwhip. Leffet N dcoule du
principe statistique de proportionnalit de la variance et non de lcart type : la
variabilit dune demande regroupe nest pas proportionnelle au nombre dunits
regroupes mais la racine de ce nombre (Pimor 03) :

Lorsque N entrepts identiques ont chacun un stock de scurit ss, le fait de les
rassembler demande pour le mme niveau de service un stock de scurit de
N ss et non de ss*N.
Lorsque la variabilit de la demande pour une priode de temps est et quelle
impose un stock de scurit ss, la variabilit pour N priodes de temps nest pas
*N mais de N et elle nimpose quun stock de scurit de N ss pour le
mme niveau de service.
1.4.3 Les principes de coopration et de coordination

Coopration et coordination sont deux aspects inhrents au dveloppement des
activits des entreprises.

La coopration signifie travailler ensemble lexcution dune ou de plusieurs
actions pour produire un rsultat final. Le terme collaboration sutilise la place de
coopration lorsque les actions individuelles ne sont pas diffrentiables. Daprs (de
Terssac et Maggi 96), la coopration peut tre dfinie comme des actions objectifs
dfinis et dveloppes collectivement pour dpasser les propres limites individuelles.

La coordination vise synchroniser les actions dans le temps en exploitant un
rfrentiel temporel commun et grer la cohrence des actions individuelles par
rapport lensemble des activits. Daprs (Thomassen et Lorenzen 01), la
coordination peut tre vue comme une mise en cohrence des actions des agents qui
entreprennent diffrentes activs, rduisant au minimum les cots de division de
travail.
1.4.31 La coopration
Dans la littrature, nous avons recens quatre types de relations de coopration,
savoir :
Relations de coopration verticales : elles sont gnralement analyses du point
de vue des changes producteursutilisateurs, ou des contrats de sous-traitance
passs entre donneurs dordres et des entreprises gnralement de moindre
importance.
Relations de coopration horizontales : elles sont bties entre concurrents ayant
dcid de collaborer ensemble pour atteindre un objectif commun. Elles peuvent
concerner aussi bien des relations entre partenaires positionns sur des marchs
diffrents que des liaisons entre concurrents directs.
Relations de coopration diagonales : les partenaires de ces relations ne sont ni
des concurrents, ni des acteurs successifs de la chane. Ils sont lis, par
exemple, par une coopration dans le domaine de la recherche technologique.

Si lon saccorde sur lapport avantageux dune telle relation de coopration, il
semble indispensable de mentionner les pr-requis ncessaires sa russite.

Une vision gagnant gagnant des relations : Il y a donc une volont de faire mieux
ensemble et de partager les bnfices.

Un comportement coopratif : cela implique la mise en uvre dactions concertes, le
partage dinformations, lexistence de mcanismes conjoints de prise de dcision,
lexistence de mcanismes de rsolution de conflits et une restriction de lutilisation
du pouvoir.

Dans notre tude, la coopration est assimile une action dentraide (transvasement
de stock) en vue de rduire (voire dliminer compltement) la rupture chez des
dtaillants se situant au mme chelon du systme de distribution. Lobjectif est de
rpondre aux demandes des clients (quantit et dlai souhaits) en assurant un taux de
service minimum. On parle de transshipment latral . Dans la littrature, on trouve
aussi la mise en uvre du transshipment latral dans les systmes de production.
1.4.32 La coordination
Lamlioration de la performance dune entreprise peut se traduire par une plus
grande coordination des activits distribues, en interne dans lentreprise (processus
de production) et en externe chez les fournisseurs (livraison des matires premires)
et chez les distributeurs (adquation de la commande passe et de la livraison
effective). Selon les stades logistiques, on trouve trois catgories de coordination :

Coordination entre acheteur et vendeur : le but est dajuster la quantit conomique
de commande qui optimise les gains totaux des deux parties (cas du problme de
newsboy).

Coordination entre la production et la distribution : le but est de trouver, par
exemple, le lot de production et/ou de transport, le mode de transport, le programme
de production et de transport, etc., qui minimise(nt) les cots totaux de production et
de distribution.

Coordination entre stockage et distribution : ici, on cherche plutt dterminer les
politiques de stockage (niveaux des stocks, quantit de commande, priode de
commande) pour les diffrents sites d'un systme de distribution multi chelons.

Nos travaux de recherche, dans le chapitre 6, sinscrivent dans la dernire catgorie et
portent sur ltude de la distribution des stocks entre un centre de distribution et des
dtaillants et entre les dtaillants eux-mmes.

Dans la section suivante, nous prsentons les mthodes dveloppes pour favoriser
les collaborations inter-entreprises.

1.5 Les outils de la coopration et de la coordination
1.5.1 LElectronic Data Interchange (EDI)
LEDI se traduit en franais par change de donnes informatis. La gestion des flux
dinformation tout au long de la chane logistique seffectue par lintermdiaire de
linformatisation des donnes. Ces systmes dchanges de donnes permettent aux
diffrents lments de la chane logistique (fournisseur, entreprise, distributeur,
transporteur) dchanger des informations. Les prvisions, les informations
concernant les demandes et les productions sont partages sur les rseaux
informatiss (Lasnier 04). LEDI permet de coordonner et doptimiser lorganisation
et le fonctionnement des diffrentes entreprises partenaires.
1.5.2 LEfficient Consumer Response (ECR)
LECR se traduit en franais par rponse efficace au consommateur. LECR vise
rationaliser la chane de distribution de manire augmenter la valeur apporte aux
clients tout en limitant les cots inhrents cette rationalisation. Les deux objectifs
principaux sont les suivants :
La rduction des cots : il sagit dun travail didentification des
dysfonctionnements entre distributeur et producteur qui vont tudier les
possibilits dconomie commune par des actions damlioration ;
La dynamisation commerciale : lide premire est dvoluer dune logique de
cots une logique de gain entre producteur et distributeur. On cherche aller
au-del de la coopration logistique (par exemple, introduction de nouveaux
produits).
1.5.3 Le Vendor Managed Inventory (VMI)
Le VMI se traduit en franais par la gestion partage dapprovisionnement. Selon
cette stratgie, cest le fournisseur (ou le producteur) qui gre les stocks de produits
chez le client (ou le distributeur) et ainsi les dcisions dapprovisionnement sont
prises par le fournisseur et non plus par le client. Cette stratgie suppose que le
fournisseur a un accs aux stocks de produits et aux ventes ou prvisions de ventes
chez le client afin de dfinir une politique dapprovisionnement cohrente vis--vis
de la consommation (Bertazzi et al. 05).

Bien entendu, l'application du VMI ncessite le partage d'informations, la
coordination et l'intgration des processus entre les acheteurs et les fournisseurs.
Gnralement, les acheteurs partagent avec les fournisseurs, au moins, les
informations sur la demande et sur les stocks afin de permettre aux fournisseurs de
grer leur approvisionnement (Yao et al. 07).
1.5.4 Le Collaborative Planning, Forecasting and Replenishment (CPFR)
Il sagit l dune mthode de gestion partage des prvisions de ventes et des
programmes dapprovisionnement en utilisant la technologie Internet. Lobjectif du
CPFR est de conduire les partenaires dune chane logistique partager leurs
informations pour dfinir des plans plus ajusts qui peuvent tenir compte
dinformations dtenues localement. Ce partage dinformations permet de rduire les

cots. En fait, le rle du CPFR nest pas limit lapprovisionnement mais concerne
des liens plus profonds tels que la planification des ventes, oprations
promotionnelles collaboratives, dveloppement collaboratif de produits, etc.
1.5.5 LAvailable To Promise (ATP)
1.5.51 Le principe dATP
LATP (que lon peut traduire par "disponible promettre (aux clients)") est une
fonction du service clientle qui consiste grer les rponses aux requtes de
commande des clients. Initialement, lATP tait conu pour servir dans un contexte
de production flux pouss, donc production de masse planifie long et moyen
termes sur la base de prvisions de ventes et pour des types limits de produits.
LATP conventionnel se contentait alors de prendre ses dcisions en sappuyant sur
les informations se rapportant aux stocks disponibles et aux quantits prvues par le
programme directeur de production (MPS) (Ball et al. 00).

Plus tard, lvolution de la comptitivit, en poussant vers la production simultane
de petites et moyennes sries de produits diversifis, a dvelopp la tendance vers la
production la commande et, du coup, a donn lATP un rle beaucoup plus
important qui est de conjuguer les avantages dune commercialisation flux tir
ceux dune production flux pouss amnag. Dans cette volution, le disponible
promettre devient la quantit rsiduelle en stock laquelle sajoute le "surplus
possible" de production non engag par des commandes ; lATP intervient donc pour
couler ce disponible. De plus, lentreprise, tout en jouant la comptitivit en centrant
son attention sur la satisfaction des clients (fiabilit des engagements pour une qualit
de service qui tient compte de limportance du client), substitue lobjectif classique
de la "minimisation des cots" par celui de la "maximisation des profits" et donne
une ATP "avance" les prrogatives dintervenir pour allouer et rallouer les
ressources disponibles matire premire, en-cours, produits finis, capacits de
production et de distribution afin duvrer dans ce sens. Ce faisant, lATP peut
prendre en compte les fluctuations des commandes, les dfaillances des
approvisionnements et la flexibilit et les alas de la capacit de production (Chen et
al. 01 ; Xiong et al. 03 ; Kilger et Schneeweiss 00 ; Jeong et al. 02 ; Clay 90 ;
Veramani et Joshi 97).

Dune faon gnrale, les requtes de commande client invoquent des spcifications
sur deux dimensions : "quantit" et "date de livraison" ; elles varient selon les marges
de flexibilit quelles autorisent. Les algorithmes de gestion de lATP sont
principalement classs en fonction de leur adaptation aux trois cas suivants de
requtes clients (Chen et al. 01) :
Quantity quoting : marge de flexibilit sur la quantit (intervalle pour quantit
acceptable) mais date due prcise ;
Due-date quoting : quantit prcise mais marge de flexibilit sur la date due
(fentre de temps) ;
Quantity and due-date quoting : marges de flexibilit spcifies pour la quantit
et pour la date due.


LATP ragit aux requtes en fonction du "disponible", soit en sengageant honorer
la commande en prcisant ses paramtres, soit en proposant des recommandations
pour ajustement de requte.

Soulignons, enfin, que la comptitivit plaide pour des ractions aux requtes clients
en temps rel, tandis que loptimisation sobtient plutt avec un traitement par lots
(batch ATP). Une des voies de compromis consiste dcider de la rponse aux
requtes en temps rel et doptimiser lexcution des engagements en traitant les
requtes par lots.
1.5.52 Les modles ATP
Ball et al., dans (Ball et al. 00, 02), ont classifi les principaux modles dATP
comme suit :
Real ATP : une quantit engage et/ou date due sont dtermines temps rel
pour la requte du client.
Batch ATP : les requtes clients sont collectes en groupes (batch) et sont
traites ensemble pour dterminer les quantits et/ou les dates engages.
Distribution ATP (d-ATP) : considre un rseau de distribution englobant les
centres de distribution et les dtaillants.
Make ATP (m-ATP) : considre un rseau de distribution et un rseau de
production
Supply chain ATP (sc-ATP) : considre la supply chain entire incluant un
rseau de distribution, un rseau de production et un rseau de fournisseurs.
ATP flux pouss : se base sur les prvisions de demandes futures. Elle permet
daugmenter lefficacit de la production, damliorer la stabilit et de rduire
le temps de rponse aux clients. Il sagit de Make to Stock (MTS).
ATP flux tir : sert rpondre directement aux commandes clients. Elle
permet de rduire les stocks, damliorer la flexibilit et de rpondre
directement aux besoins des clients. On trouve : Make To order (MTO) et
Assemble To order (ATO) et Configure To order (CTO).
ATP flux pouss-tir : elle permet la coordination entre la demande et
lapprovisionnement.
1.6 Conclusion
Nous avons prsent, dans ce chapitre, les caractristiques de base des chanes
logistiques ainsi que les concepts de collaboration et de coordination au sein dune
structure multi chelons. A partir de cette tude, nous avons pu positionner la thse
dans la structure divergente multi chelons (ou rseau de distribution). Le regard avec
lequel est abord le rseau de distribution concerne essentiellement la gestion des
stocks et le transshipment pour amliorer le taux de service moindre cot. De plus,
nous avons mis laccent sur les nouvelles stratgies de la chane logistique concernant
la problmatique de la gestion de stock.

Nous exposons, dans le chapitre suivant, les problmes de gestion de stock dans les
structures un chelon et multi chelons ainsi que les mthodes de rsolution abordes
pour de tels problmes.

Chapitre 2 : Les mthodes de gestion de stock
dans les structures un(multi)
chelon(s)

2.1 Le systme de stock
2.2 Cots des stocks
2.3 Structure un chelon
2.3.1 Terminologie des stocks
2.3.2 Limportance de larticle : classification ABC
2.3.3 Rvision continue versus rvision priodique
2.3.4 Les politiques de gestion des stocks
2.4 Les difficults de la politique de gestion (R, s, S)
2.4.1 La notion de lundershoot
2.4.2 Caractristiques de la fonction cot
2.5 Objectifs spcifis : cot et service
2.5.1 Prsentation
2.5.2 Les taux de service
2.6 Modlisation thorique de stock et calcul de stock de scurit
2.6.1 Caractristiques de la demande
2.6.2 Heuristiques pour la politique (s, Q)
2.6.3 Heuristique pour la politique (R, S)
2.6.4 Heuristiques pour la politique (R, s, S)
2.7 Structure multi chelons
2.7.1 Les problmes lis aux systmes de stock multi chelons
2.7.2 Types dun systme arborescent
2.8 Conclusion

tat de lart / Les mthodes de gestion de stock 27

2.1 Le systme de stock
Les stocks sont indispensables au bon fonctionnement des activits de lentreprise. Il
est donc ncessaire de les grer. Daprs (Dupont, 1998), il existe deux dfinitions de
base pour le stock :
lensemble des marchandises disponibles sur un march ou dans un magasin ;
lensemble des marchandises disponibles, matires premires, produits semi-
finis, finis, etc. qui sont la proprit dune entreprise.

La premire dfinition concerne plus spcifiquement les entreprises de distribution.
On parle alors des stocks de distribution qui sont lensemble des produits finis situs
dans le systme de distribution lui-mme. Ce type de systme est confront des
problmes critiques tels que la politique de vente des marchandises aux clients, les
problmes de distributions, etc. La seconde dfinition concerne les entreprises de
fabrication. Au sein de ces entreprises, on trouve quatre types de stocks : les matires
premires, les encours, les produits finis et les pices dtaches, de rechange et de
maintenance.

Quel que soit le type dentreprise, l'objectif de la gestion des stocks est de minimiser
le cot de stockage tout en conservant un taux de service dsir.

Nous nous intressons, dans ce chapitre, la littrature relative au systme de
distribution. Si l'on se restreint une entreprise de distribution, le systme de stock se
dfinit partir de quatre composantes essentielles : le produit, le fournisseur, le stock
et le client. Le produit est achet chez le fournisseur, stock dans lentreprise, puis
fourni au client. Nous allons nous focaliser sur les aspects importants lis chacune
de ces composantes, car ce sont les hypothses caractrisant ces composantes qui
dterminent la structure et la complexit des systmes.

Nature du produit : La dure de vie du produit est un facteur important qui influence
la manire dont le stock sera gr. En effet, un produit prissable ou obsolescence
rapide est gr de manire diffrente d'un produit dure de vie longue. On trouve
aussi les produits irrparables, rparables et les pices de rechanges.

Dlai dapprovisionnement : Le facteur essentiel dans les relations avec le
fournisseur est le dlai dapprovisionnement, i.e. le laps de temps qui s'coule entre la
commande et la rception du produit. La manire de prendre en compte ce dlai
dapprovisionnement a une grande influence sur la complexit des modles.
L'hypothse la plus simple est de considrer ce dlai comme tant nul ;
l'approvisionnement sera dit instantan (Scarf 59, 05). Il s'agit d'une hypothse
extrme et peu raliste. Dans la littrature comme dans la pratique, l'hypothse la plus
gnralement retenue est celle dun dlai constant et connu avec certitude (Zheng 92).
Peu de modles supposent un dlai alatoire (Ehrhardt 84; Kaplin 70), du fait des
problmes thoriques complexes que de telles hypothses peuvent engendrer.

Structure de stockage : On appelle structure de stockage la manire dont les sites qui
stockent le produit sont organiss. On distingue les structures un chelon et les
structures multi chelons. Une structure est dite un chelon si le mme site reoit le
produit du fournisseur et le dlivre aux clients. A l'oppos, dans une structure multi

chelons, un site intermdiaire, souvent appel centre de distribution, reoit le produit
dun fournisseur externe et le transfre la demande vers d'autres sites, qui, eux-
mmes, peuvent servir d'autres sites et ce, jusqu'aux sites finaux (dtaillants) qui
fournissent directement les clients. La prise en compte d'une telle structure augmente
considrablement la complexit du modle de gestion.

Comportement du client en cas de rupture : Dans une situation de rupture, une
demande liant peut avoir deux suites :
Demande diffre : pour un vendeur, une demande est diffre lorsque le client
accepte dattendre la prochaine livraison pour obtenir un article manquant. Pour
lentreprise, cela signifie que lon ponctionnera les manquants sur la prochaine
livraison. Cette situation correspond un march captif.
Demande perdue : pour un vendeur, une demande est perdue si le client va
chercher ailleurs larticle manquant. Pour lentreprise, cela signifie que le
rattrapage ne peut tre fait que par la mise en place dune procdure dexception
(par exemple, une procdure dapprovisionnement durgence) et quon
nutilisera pas la prochaine livraison pour palier la rupture. Cette situation est
trs frquente dans la relation dtaillant
_
client. Aussi, on distingue les demandes
perdues partiellement (i.e. il y a satisfaction partielle hauteur du stock
disponible, le reste de la demande est perdu) et les demandes perdues totalement
(i.e. la demande est satisfaite dans sa totalit ou elle est perdue).

Dans la pratique, il y a une combinaison de ces deux extrmes. Cependant, la plupart
des modles de stock ont t dvelopps pour lun ou lautre de ces extrmes. Rares
sont les modles qui ont tudi cette combinaison (Kim et Park 85).
2.2 Cots des stocks
En gnral, pour dterminer les politiques de gestion, on classe les cots en trois
catgories : les cots de commande, les cots de possession et les cots de rupture.
Les cots de commande (ou cots d'acquisition) : ils englobent tout ce qui est li
aux frais de commande et de livraison. Ils incluent, donc, le cot de passation
des commandes, les cots de transport et de livraison entre fournisseur et
entreprise et les cots encourus la rception de la commande.
Les cots de possession (ou cots de stockage) : ce sont les cots relatifs au fait
de garder des produits en stock pendant un certain temps dans lentreprise. Ces
cots ont pour origine, d'une part, un cot financier li l'immobilisation
d'actifs non productifs ( ce cot il faut ajouter un risque financier lorsque le
produit stock peut tre dtrior ou perdre tout ou partie de sa valeur
commerciale (obsolescence)) et, d'autre part, un cot de stockage proprement
dit, li aux activits mettre en uvre pour assurer la manutention, la
conservation, l'entreposage et la mise disposition des produits.
Les cots de rupture (ou cots de pnurie) : ces cots sont les plus dlicats
cerner et estimer. Une rupture de stock entrane une baisse du service au client
final de l'entreprise. Deux cas sont considrer, celui des demandes perdues et
celui des demandes diffres. Dans le cas des demandes perdues, le cot de
rupture reprsente un manque gagner. Dans le cas des demandes diffres, le
cot de rupture traduit principalement des charges supplmentaires supportes
par lentreprise (pnalits client, frais denvois multiples et en urgence) ainsi
que limpact sur son image de marque.

Diverses techniques sont utilises pour limiter les retards et les ruptures :
mise en uvre de procdures dapprovisionnement durgence (livraison
spciale) ;
remplacement dune pice par une pice plus coteuse (substitution), mais sans
augmentation du prix de vente ;
mise en uvre de procdures de transshipment latral durgence partir dune
entreprise se situant au mme chelon.
2.3 Structure un chelon
2.3.1 Terminologie des stocks
2.3.11 Principes et fonctionnement
Notons quau sens de la gestion de stock, un stock peut tre positif ou ngatif. En
outre, la demande peut avoir un caractre dterministe ou probabiliste. Ds lors, on
peut catgoriser les stocks comme suit :

Stock disponible : il sagit du stock physique rel ; il nest jamais ngatif. Cette
quantit est la seule considrer lorsque lon tudie la possibilit de satisfaire
une demande immdiate.
Stock net : le stock net est dfini par la relation suivante : Stock net = stock
disponible - demandes diffres. Cette quantit est donc gale au stock
disponible tant quil ny a de demandes diffres (cf. Figure 2.1 : cas 1) et
devient ngative ds que lon a des demandes diffres (cf. Figure 2.1 : cas 2).
Dans le contexte des demandes perdues partiellement, la premire demande qui
provoque la rupture place le stock net la valeur zro. Celui-ci restera zro
jusqu larrive de lapprovisionnement suivant (cf. Figure 2.1 : cas 3).
Position de stock : la position de stock est dfinie par la relation suivante :
Position de stock = stock net + quantit en commande. La position de stock est
la quantit sur laquelle repose la dcision de dclenchement
dapprovisionnement.
Stock de scurit : le stock de scurit est dfini comme tant le stock minimum
entretenir en permanence. Ds quil y a prsence de comportements alatoires
de certains paramtres (demande, dlai dapprovisionnement), il y a un risque
de rupture de stock. Pour prvenir ce risque, le gestionnaire prvoit un stock de
scurit. La valeur quantitative du stock de scurit dpend, en particulier, du
contexte de demande diffre ou perdue (plus de dtails dans la section 2.6).
2.3.12 Systme de dcision avec demandes probabilistes
La dfinition dun systme de gestion dapprovisionnement rsulte de la rponse aux
questions suivantes :
1- Quelle est limportance de larticle ?
2- Le stock est-il contrl de manire continue ou priodique ?
3- Quelle politique de stock doit tre retenue ?
4- Quels objectifs en termes de cot ou de service doivent tre fixs ?


Figure 2.1. Diffrence entre les systmes de demande diffre/perdue (Archibald 81)

Avec les demandes probabilistes, les rponses sont trs difficiles obtenir. En fait, la
demande probabiliste complexifie la modlisation. Geunes et al. (Geunes et al. 01)
indiquent que deux lments cls conditionnent la complexit des modles de stocks :
(i) la nature de la demande durant le dlai dapprovisionnement et (ii) lhorizon de
temps sur lequel porte lanalyse du cot de stock. La demande durant le dlai peut
tre dterministe ou stochastique et continue ou discrte. Lhorizon de temps peut
tre une priode unitaire, un nombre fini de priodes ou infini. Des combinaisons de
ces deux lments cls rsultent en un ensemble de modles avec diffrents degrs de
complexit.

Nous prsentons, dans ce qui suit, les principales caractristiques de la demande
client rencontres dans la littrature aussi bien que dans la pratique. En gnral, on
considre l'historique de la demande passe pour dfinir et paramtrer une politique
dapprovisionnement ; le pass est vu comme une bonne apprciation de la demande
future. L'hypothse la plus simple est de considrer la demande connue et constante
dans le temps, par exemple, le modle dterministe de Wilson (Wilson 34).
Cependant, cette hypothse nest pas applicable dans le monde rel. Ainsi, pour
amliorer le ralisme des modles, on distingue des demandes dterministes
dynamiques (Herer et Tzur 03) et des demandes alatoires connues en lois statistiques
classiques. En ce qui concerne les lois statistiques, la demande est gnralement
approxime par la loi normale si elle est leve ou par la loi de Poisson lorsquelle est
faible. Bien que ces deux lois sont les plus frquemment utilises, bien dautres
peuvent tre envisages, par exemples, la loi binomiale ngative (Wagner et al. 65 ;
Schneider et Ringuest 91), la loi gomtrique (Wagner et al. 65 ; Johnson 68), la loi
de Bernoulli (Johnson 68) et la loi uniforme (Herer et Tzur 03).

Cas 1 : pas de rupture, Cas 2 : rupture est diffre, Cas 3 : rupture est perdue
D demande durant le dlai
d demande satisfaite
r rupture
u undershoot

Temps

Stock

Lgende :
Position de stock
Niveau de stock (et
position de stock en
cas dgalit)

1
3
2
s
S
L L
u
u
D
d
r
D
d
Cycle

Les rponses aux quatre questions poses ci-dessus sont prsentes dans les sections
suivantes.
2.3.2 Limportance de larticle : classification ABC
Comme les articles ne sont pas tous de mme nature et ne font pas lobjet dune
mme demande, il est ncessaire de les grer de manire diffrente. Pour cela, on
effectue souvent, en pratique, une classification des stocks suivant la mthode ABC.
Les articles stratgiques sont identifis par la classe A, on applique cette classe des
mthodes de gestion vitant de gnrer des ruptures de stock. Pour cette classe, toute
rupture peut tre critique. Les deux autres classes B et C permettent didentifier les
articles moins stratgiques. Ainsi, la classe B correspond la classe intermdiaire et
la classe C aux articles de faibles cots nayant pas, en cas de rupture, des
consquences analogues celles de A. La mthode ABC repose sur la loi dite des 80-
20 ou loi de Pareto. Selon cette classification on trouve que :
environ 80% de la valeur de consommation correspond environ 20% des
articles (classe A) ;
articles (classe B) ;
articles (classe C).
2.3.3 Rvision continue versus rvision priodique
Les rvisions continue et priodique se distinguent dans la spcification de
lintervalle de rvision (R). Lintervalle de rvision est le temps qui scoule entre
deux moments conscutifs dans lesquels on connat le niveau de stock. Un cas
extrme est la rvision continue : R=0, ce qui quivalent dire que ltat de stock est
toujours connu. En ralit, la surveillance continue nest pas toujours requise ; chaque
transaction (expdition, rception, demande, etc.) fait lobjet dune mise jour de
ltat de stock. Par contre, dans la rvision priodique, ltat de stock est considr
connu seulement chaque R priodes de temps.

Pour illustrer les diffrences entre ces deux types de rvision, considrons lexemple
darticles pouvant tre achets auprs dun mme fournisseur, ou expdis par le
mme mode de transport. Dans ce cas, la coordination des approvisionnements en
associant un mme intervalle de rvision ces articles peut tre intressante. A
loppos, avec la rvision continue, un ordre dapprovisionnement peut tre effectu
tout moment.

Ainsi, la rvision continue peut tre plus coteuse pour des articles fast moving
o il y a plusieurs transactions par unit de temps. Par contre, pour les articles slow
moving , les cots de commande effectus par la rvision continue sont faibles parce
que les mises jour sont faites seulement quand une transaction se produit.

Lavantage majeur de la rvision continue est quelle entrane un stock de scurit
moindre tout en assurant le mme taux de service que la rvision priodique. Ceci est
d au fait quune rvision priodique revient exiger une protection de scurit sur
une priode ncessairement plus longue que pour une rvision continue.

2.3.4 Les politiques de gestion des stocks
Une fois le gestionnaire a dtermin la classe de larticle (A, B, ou C) fait le choix du
type de rvision (continue versus priodique), il peut spcifier la politique de gestion
de stock. Il sagit alors de rpondre aux questions Quand passer une commande
dapprovisionnement ? et Combien commander ? . On trouve principalement
quatre politiques de gestion synthtises dans le tableau 2.1.

Rvision continue Rvision priodique
Article A (s, S) (R, s, S)
Article B (s, Q) (R, S)

Tableau 2.1. Les politiques de gestion de stocks (Silver et al. 98)

En ce qui concerne larticle de classe C, lentreprise utilise gnralement une
approche manuelle simple qui peut tre quivalente (s, Q) ou (R, S).

Nous prsentons, dans ce qui suit, les dtails de ces politiques en nous basant sur la
rfrence (Silver et al. 98).
2.3.41 La politique point de commande, quantit commander (s, Q)
Cest une politique rvision continue (i.e. R=0) ; le niveau du stock est
constamment connu. Elle est note aussi par (r, Q) o r dsigne le reorder point .
Cette politique consiste commander une quantit fixe (Q) de produits lorsque la
position de stock atteint un niveau minimum (s), appel seuil critique ou point de
commande. Lavantage de cette politique est sa simplicit dans limplmentation
lorsqu'il s'agit de grer des produits faible consommation ou peu coteux. Son
inconvnient principal est quelle nest pas efficace lorsque la demande vient varier
de manire importante par rapport aux prvisions, en particulier si la demande qui
dclenche un ordre dapprovisionnement est plus grande que la quantit de
commande Q.

Dans le cas o la demande suit une distribution normale, certains travaux proposent
des algorithmes itratifs afin de dterminer les valeurs s et Q sous contrainte du taux
de service (Moon et Choi 94 ; Rosling 99 ; Zhang et al. 01 ; Geunes et al. 01 ; Axster
05). Ces travaux saccordent sur lutilisation de la quantit conomique de commande
(EOQ de Wilson (Wilson 34)) comme solution initiale.
2.3.42 La politique point de commande, niveau de recompltement (s, S)
Cette politique considre aussi une rvision continue et, de manire analogue la
politique (s, Q), un ordre dapprovisionnement est pass lorsque la position de stock
atteint le point de commande (s). Cependant, loppos de la politique (s, Q), une
quantit de commande variable est passe amenant la position de stock jusquau
niveau de recompltement S.

Si toutes les demandes sont unitaires, les deux politiques sont identiques parce que la
rquisition dun approvisionnement va tre toujours faite quand la position de stock

est exactement gale s ; cest--dire S=s+Q. Si les demandes sont plus grandes
quune unit, la quantit de commande dans la politique (s, S) devient variable. La
figure 2.2 (a-b) illustre la diffrence entre les deux politiques. La politique (s, S) est
frquemment rfre par la politique min-max parce que la position de stock est
toujours comprise entre la valeur minimum s et la valeur maximum S.

(a) (s, Q) (b) (s, S)
Figure 2.2. Les deux classes de gestion rvision continue

Le cot total de commande, de possession et de rupture dans la politique (s, S) est
gnralement infrieur celui de la politique (s, Q). Cependant, le calcul pour
dterminer la meilleure paire (s, S) est complexe. La littrature relative cette
politique est importante. Certains travaux se sont intresss discuter le problme de
loptimalit des paramtres de la politique sous diverses caractristiques de demande
et de dlai (Richard 75; Feldman 78; Hordijk et al. 86; Gross et Harris 73; Federgruen
et Zheng 85). Dautres travaux ont simplifi le problme en cherchant des
heuristiques (Sivlazian 74 ; Kruse 81; Sahin 79 ; Zheng 92 ; Fu 94 ; Fu et Healy 97 ;
Rosling 99).
2.3.43 La politique rvision priodique, niveau de recompltement (R, S)
Cette politique est connue aussi sous le nom de gestion calendaire, ou
recompltement calendaire ou remise niveau S. La procdure de contrle consiste
commander une quantit variable de produit amenant la position de stock jusqu S
chaque R priodes. La figure 2.3 (a) illustre le comportement de cette politique. La
gestion calendaire prsente l'avantage d'tre simple mettre en oeuvre, de permettre
un bon regroupement des commandes chez un mme fournisseur et de se suffire dun
systme d'information simple. Nanmoins, la politique (R, S) prsente linconvnient
dimposer un stock de scurit qui couvre tout le cycle dapprovisionnement en plus
du dlai dapprovisionnement, ce qui entrane des cots de possession levs. Il est
donc vident que cette politique est plus coteuse que les systmes continus (Naddor
62) pour un article pris isolment.

Lgende :
Position de stock
Niveau de stock
(et position de
stock en cas
dgalit)

s
s+Q
0
L
Temps
L
Temps 0
L L
S
s

(a) (R, S) (b) (R, s, S), o u= undershoot

Figure 2.3. Les deux classes de gestion rvision priodique

2.3.44 La politique (R, s, S)
Cest une combinaison des politiques (s, S) et (R, S). Cette politique consiste
contrler la position de stock chaque R priodes et de passer une commande jusquau
niveau maximum de stock S si la position de stock a atteint le point de commande s
(cf. Figure 2.3 (b)). Sous des hypothses gnrales concernant la modlisation de la
demande et les facteurs cots impliqus, une politique (R, s, S) bien dimensionne
produit un cot infrieur (cots de commande, de possession et de rupture) en
comparaison avec celui des autres politiques. Cependant, la complexit pour obtenir
les meilleures valeurs des trois paramtres de contrle est plus grande que celle des
autres politiques. La politique (R, s, S) est trs rpandue lorsque la priode de
rvision R optimale est importante.

Ltude de cette politique a fait lobjet de nombreux travaux de recherche. Plusieurs
travaux ont trait du calcul des niveaux de stock optimum ou proche de loptimum
dans des modles avec demandes diffres et dlais fixes. Nous pouvons citer ceux de
(Zabel 62; Johnson 68; Portues 72; Freeland et Porteus 80; Schneider 78-79; Zheng et
Federgruen 91; Iyer et Schrage 92; Sethi et Cheng 97; Viswanathan 97), etc.
Cependant, rares sont les travaux qui ont tudi les demandes perdues (Morton 71 ;
Nahmias 79 ; Archibald 81; Cohen et al. 88).
2.3.45 Autres politiques de gestion de stock
A part ces quatre politiques de base, nous rencontrons dans la littrature, mais de
manire moins frquente, les politiques de gestion de stocks suivantes :
Une gestion (R, s, Q) rvision priodique : Cette politique consiste contrler
la position de stock chaque R priodes et commander une quantit fixe de
produits lorsque le stock a atteint le point de commande (s). On trouve dans
(Janssen et al. 98) une tude sur la dtermination du point de commande s sous
contrainte dun taux de service. Kiesmller et de Kok (Kiesmller et de Kok 06)
se sont intresss la dtermination du point de commande minimal sous
contrainte dun temps dattente maximum.
Une gestion (R, s, nQ) rvision priodique : Cette politique consiste
contrler la position de stock chaque R priodes et commander un lot gal n
0 L
Temps
R
L
S S
s
u
0
L
Temps
R
L
R R

fois la quantit fixe Q lorsque le stock a atteint le point de commande (s)
(Larsen et Kiesmller 06). La variabilit de n permet ainsi de rsoudre les
situations ponctuelles de fortes demandes.
Une gestion (s, nQ) rvision continue : Cette politique consiste commander
en lot de n fois la quantit fixe Q ds que la position de stock atteint le point de
commande (s). Dans une tude comparative, Richards (Richards 75) indique que
les deux politiques (s, S) et (s, nQ) sont identiques lorsque toutes les demandes
sont unitaires.
Une gestion (S-1, S) ou approvisionnement un-pour-un : Cette politique consiste
rapprovisionner une unit de produit chaque demande d'une unit
(Sherbrooke 68) et (Graves 85). Cette gestion est ddie aux articles chers et
faisant lobjet de demande unitaire.
2.4 Les difficults de la politique de gestion (R, s, S)
2.4.1 La notion dundershoot
Les systmes rvision priodique sont plus compliqus paramtrer que les
systmes rvision continue car, lors de la passation dune commande, la position du
stock est rarement gale au point de commande mais une valeur au-dessous, gale
un moins une quantit (u) appelle undershoot (Baganha et al. 96a-b). La figure
2.3 (b) illustre cette notion. Les systmes rvision priodique sen accommodent de
deux manires complmentaires :
passer une commande jusqu S (quantit variable) plutt quune quantit fixe ;
ajuster le point de commande en tenant compte de la quantit de lundershoot.

Dans nos travaux nous prenons en compte lundershoot dans la quantit de
commande. Plus prcisment, les calculs du point de commande et du niveau de
recompltement sont bass sur la demande par priode, la moyenne et la variance de
la demande durant le dlai dapprovisionnement et lundershoot. Ainsi, le choix des
bonnes valeurs pour s et S dpend des valeurs de la moyenne et de la variance de
lundershoot.

Quand la demande est unitaire, lundershoot peut tre nglig. Mais, lorsque la
demande nest pas unitaire, lundershoot peut avoir un impact considrable sur les
mesures de performance. Or, la prise en considration de lundershoot dans la
modlisation du problme conduit des expressions trs complexes pour le taux de
service, s et S (Silver et al. 98). Cest pourquoi, peu dauteurs le considrent. Cohen
et al. (Cohen et al. 88) ont tabli une modlisation mathmatique complexe dun
problme doptimisation pour un systme de stock mono site sous contrainte dun
taux de service , avec demandes perdues. Nous dtaillerons leur approche dans le
chapitre 4.
2.4.2 Caractristiques de la fonction cot
Pour la politique de gestion (R, s, S), Scarf (Scarf 59) a d introduire le concept de K-
convexit pour traiter la fonction cot total dans laquelle un cot fixe K (cot de
setup) vient sajouter au cot de commande chaque nouvel ordre

dapprovisionnement. Lexpression du cot de commande scrit dans ce cas sous la
forme :

0 ) ( > + = z cz K z c
(1)
avec z=quantit de commande et c=cot unitaire de commande.

Plus prcisment, la prise en considration dun cot fixe supplmentaire chaque
commande complique considrablement la rsolution du problme et, de l, rend la
fonction cot total (commande, possession et rupture) non convexe. Il est suppos,
dans (Aggarwal et Dhavale 75), dattnuer cette complexit on ne retenant que le cot
fixe pour la commande. Lexpression de la fonction cot total pour chaque priode
devient :

+
+ +
=

+
+
sinon ) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
) ( f
0
0
dx x f y x cp dx x f x y ch
s y si dx x f y x cp dx x f x y ch K
y
y
y
y
y
(2)

avec y=position de stock, x=demande par priode, f(x)=sa fonction densit de la
demande, ch=cot de possession par unit et cp=cot de rupture par unit.

Ainsi, le premier terme de cette quation (2) diffre du deuxime uniquement par
lajout du cot fixe de commande, du moment o il ny a passation dun ordre
dapprovisionnement dans la priode que si ys. La figure 2.4 illustre cette notion de
K-convexit de la fonction cot total et montre que S minimise f. Cette allure de la
fonction cot total conduit avoir plusieurs minima locaux (Wagner et al. 65 ;
Veinott et Wagner 65 ; Sahin 82 ; Aneja et Noori 87), ce qui implique que toutes les
combinaisons possibles {(s, S), s<S} doivent tre values afin de dterminer les
paramtres optimaux de la politique (R, s, S) considre. Un certain nombre de
travaux se sont intresss dlimiter cette valuation en dterminant des bornes
suprieure et infrieure pour chacun des paramtres s et S, sous diverses hypothses
(Rosling 99; Zheng et Federgruen 91; Federgruen et Zipkin 84).

Figure 2.4. Allure K-convexe de la fonction cot total
pour la politique (R, s, S) (Aneja et Noori 87)

s
K
S
Position de stock
C
o
t

t
o
t
a
l


2.5 Objectifs spcifis : cot et service
2.5.1 Prsentation
Les principaux objectifs sont de deux ordres :
Minimiser le cot total, cest--dire lensemble des cots de commande, de
possession et de rupture : Cette approche implique la spcification (explicite ou
implicite) dun cot de rupture. La recherche de la meilleure politique de
gestion se rduit alors la recherche des valeurs des paramtres de la politique
de gestion qui permettent de minimiser ce cot.
Assurer un taux de service minimum : Dans ce cas, lobjectif devient
explicitement la garantie dune disponibilit satisfaisante en produits. Il y a
aussi un choix considrable dans la slection dune mesure de service. Nous
rappelons, dans le paragraphe qui suit, les mesures des taux de service les plus
communment utilises.
2.5.2 Les taux de service
Les mesures du taux de service peuvent prendre diffrentes formes. Celles que nous
prsentons dans ce qui suit ont t dfinies dans le contexte dun systme demandes
diffres.
2.5.21 Type I ou
Ce taux mesure la probabilit que toutes les demandes arrivant dans un intervalle de
temps donn soient compltement livres partir du stock disponible, c.--d. sans
retard. Deux versions de taux de service sont discutes. Elles se distinguent selon
lintervalle de temps au cours duquel la commande arrive :

Lintervalle de temps est considr comme tant une priode standard : Dans ce
cas,
per
exprime la probabilit que la demande priodique arrivant de manire
arbitraire soit servie partir du stock disponible.

{ } disponible stock priode par demande = P
per
(3)

Lintervalle de temps est considr comme tant gal la dure dun cycle
dapprovisionnement (multiple de priodes standards correspondant au dlai
dapprovisionnement) : Dans ce cas,
cyc
exprime la probabilit de non rupture
dans un cycle dapprovisionnement (Dupont 98). Sur un horizon relativement
long, cette probabilit correspond la proportion des cycles
dapprovisionnement sans rupture dans lensemble total des cycles.

{ } dlai du dbut au disponible stock dlai un durant demande = P
cyc
(4)
2.5.22 Type II ou
Le taux de service ou taux de satisfaction est la proportion des quantits ayant
pu tre satisfaites partir du stock disponible ; autrement dit, le rapport entre le
nombre de produits fournis et le total des quantits demandes (Dupont 98).

Dans les cas de demandes diffres ou demandes perdues, on peut crire :

totale Demande
perdue) (ou diffre demande de Total
1 = (5)

Schneider et Rinks, dans (Schneider et Rinks 91), prcise que le taux de service
traduit indirectement la frquence des occurrences de rupture et permet donc de
dterminer le cot de rupture par occurrence alors que le taux de service permet de
calculer un cot de rupture par unit en rupture.

Tempelmeier, dans (Tempelmeier 00), prcise de son ct que le taux de service est
une mesure de service oriente vnement (occurrence de rupture) alors que le taux
de service est une mesure de performance oriente quantit (proportion d'une
demande totale, livre sans retard partir du stock disponible).

Ces deux taux de service savrent tre frquemment utiliss dans la pratique
industrielle (Tempelmeier 00). On trouve plus rarement le troisime type suivant.
2.5.23 Type III ou
Le taux de service est une mesure qui lie le temps et la quantit et sert reflter non
seulement la quantit de demandes diffres mais galement les temps d'attente des
demandes diffres. Dans (Tempelmeier 00), le taux de service est dfini comme
suit :

priode par moyenne Demande
priode par diffre demande de moyenne
1 = (6)

Il y a lieu de prciser que, dans le calcul de , une demande diffre qui est reste en
attente durant deux priodes avant larrive dun approvisionnement est compte
deux fois alors quelle nest compte quune seule fois dans le calcul de . Cest dans
ce sens que tient compte des temps d'attente.
2.6 Modlisation thorique du stock et calcul du stock de scurit
2.6.1 Caractristiques de la demande
Lhypothse communment utilise dans la littrature est que la demande par priode
suit une distribution normale de moyenne et dcart type . La demande durant le
dlai dapprovisionnement (L) suit alors une distribution normale de moyenne
L
et
cart type
L
(quation (7)). On a :

L
L
L
L
=
=
(7)

Il sagit l de lhypothse retenue par la plupart des chercheurs dans lanalyse des
politiques de gestion rvision continue ou priodique.

2.6.2 Heuristiques pour la politique (s, Q)
Sappuyant sur (Silver et al. 98), nous nous attachons dans les paragraphes suivants
prsenter les heuristiques permettant de calculer le point de commande selon deux
rgles de dcision, une pour un taux de service et une pour un taux de service .
Dans ces heuristiques, on suppose que la valeur de la quantit de commande Q est
dtermine de manire indpendante.

Rappelons tout dabord quelques notations utiles :
(.)
u
p Probabilit davoir une rupture durant un cycle dapprovisionnement
(i.e. demande suprieure au point de commande)
k Facteur de scurit
G
u
(k) Fonction normale centre rduite (i.e. N(0,1)) utilise pour dterminer
les ruptures par cycle dapprovisionnement et dfinie dans (Silver et al. 98) comme
suit :

( ) | |
=
k
u
du u k u k G 2 / exp
2
1
) (
2
(8)

2.6.21 Rgle de dcision pour un taux de service spcifi
On suppose que le gestionnaire a spcifi la probabilit
cyc
de ne pas avoir de
rupture durant un cycle dapprovisionnement. On a alors la rgle de dcision
suivante :

tape 1 :

Slectionner, sur un tableur Excel
TM
donnant
k=Loi.Normale.Standard.Inverse(
cyc
), le facteur de scurit k qui
satisfait lquation p
u
(k)=1-
cyc

tape 2 :

Calculer le stock de scurit :
L
k ss =

tape 3 :

Dduire le point de commande ss s
L
+ = , arrondi lentier suprieur.

2.6.22 Rgle de dcision pour un taux de service spcifi
On suppose que le gestionnaire a spcifi le taux de service . Dans ce cas, deux
rgles de dcision sont distingues selon quon a un modle de demandes diffres ou
un modle de demandes perdues.
2.6.221 Modle de demandes diffres
Dans un modle de demandes diffres, on a la rgle de dcision suivante :


tape 1 :

Slectionner le facteur de scurit k qui satisfait lquation
L u
Q k G / ) 1 ( ) ( =
Pour une distribution normale de la demande, la dtermination de la
valeur k partir de cette quation est approche par une fonction
rationnelle avec des polynmes en numrateur et dnominateur de
degrs diffrents :
( )
2.3) et 2.2 Tableaux cf. (
) ( 25 log
4
4
3
3
2
2 1 0
3
3
2
2 1 0
2
z b z b z b z b b
z a z a z a a
k
k G z
u
+ + + +
+ + +
=
=

Schneider et Ringuest (Schneider et Ringuest 90) et Silver et al. (Silver
et al. 98) confirment que cette approximation est suffisamment prcise
pour les besoins pratiques et quelle est facile implmenter dans le
tableur Excel
TM
. Les valeurs de G
u
(k) ont t calcules et prsentes
dans (Silver et al. 98), Table B.1 p. 725.

tape 2 :

L
k ss =

tape 3 :

Dduire le point de commande ss s
L
+ = , arrondi lentier suprieur.

a
0
a
1
a
2
a
3

-5.3925569 5.6211054 -3.883683 1.0897299
Tableau 2.2. Les valeurs des cfficients ai (Silver et al. 98)

Tableau 2.3. Les valeurs des coefficients bi (Silver et al. 98)

2.6.222 Modle de demandes perdues
Dans le modle de demandes perdues, lexpression de G
u
(k) dans ltape 1
devient (Silver et al. 98) :

|
|
.
|
\
|
=
1
) (
L
u
Q
k G (9)

Les tapes 2 et 3 restent les mmes.

Dans le cas o le taux de service est lev, lquation de G
u
(k) pour la demande
perdue aboutit la mme valeur du point de commande que dans le cas de demande
diffre (Silver et al. 98).
b
0
b
1
b
2
b
3
b
4

1 -7.2496485 10
-1
5.07326622 10
-1
6.6913686 10
-2
3.29129114 10
-3


2.6.3 Heuristique pour la politique (R, S)
La politique (R, S) rvision priodique peut tre considre comme une politique
quivalente celle de (s, Q) si lon considre les correspondances donnes dans le
tableau 2.4.

Tableau 2.4. quivalence entre les politiques (s, Q) et (R, S), (Silver et al. 98)

Selon cette quivalence, la moyenne et lcart type de la demande durant le cycle
dapprovisionnement (dlai dapprovisionnement+priode de rvision) sont donns
par :

R L
R L
R L
R L
+ =
+ =
+
+
) (
(10)

Dans cette heuristique, on suppose que la priode de rvision est prdtermine.
Ainsi, dans un modle de demandes diffres, on a la rgle de dcision suivante :

tape 1 :

Slectionner le facteur de scurit k qui satisfait lquation
R L u
Q k G
+
= / ) 1 ( ) (
A linstar de ltape 2 donne en 2.6.221, la dtermination de la valeur
de k partir de cette quation est approche par une fonction
rationnelle :
( )
4
4
3
3
2
2 1 0
3
3
2
2 1 0
2
) ( 25 log
z b z b z b z b b
z a z a z a a
k
k G z
u
+ + + +
+ + +
=
=

Les valeurs de a
i
et b
i
sont les mmes qui sont donnes dans les
tableaux 2.2 et 2.3

tape 2 :

R L
k ss
+
=

tape 3 :

Dduire le niveau de recompltement ss S
R L
+ =
+
, arrondi lentier
suprieur.

(s, Q) (R, S)
s S
Q R
L L+R

2.6.4 Heuristiques pour la politique (R, s, S)
2.6.41 Approximation des valeurs (s, S) base sur un cot de rupture
spcifi
Ehrhardt et Mosier, dans (Ehrhardt et Mosier 84), ont propos une mthode
heuristique sous le nom revised power approximation , base sur un cot de
rupture connu afin de dterminer les valeurs des deux paramtres de gestion s et S.
Dans leur heuristique, les auteurs ont considr une priode de rvision unitaire
(R=1). La rgle de dcision du revised power approximation est :

tape 1 :

Calculer la quantit de commande approche Q
p
et le point de
commande approch s
p
:

( ) ( )
116 . 0
2 2
1
506 . 0 494 . 0
1 30 . 1
+
+ =
L p
ch K Q

et
|
.
|
\
|
+ + =
+ +
z
z
s
L L p
192 . 2 063 . 1
183 . 0
973 . 0
1 1

avec
cp
ch Q
z
L
p
1 +
=

tape 2 : Si 5 . 1 >
p
Q alors
s=s
p

S= s
p
+Q
p
Sinon Calculer

1 1 0 + +
+ =
L L
k S
s=min{s
p
, S
0
}
S=min{s
p
+Q
p
, S
0
}
avec un facteur de scurit k qui satisfait lquation
cp ch
ch
k p
u
+
=
) (

D son efficacit et sa simplicit, cette heuristique a t adopte par (Schneider et
Ringuest 90 ; Silver et al. 98). Nous ladopterons, notre tour, pour simplifier la
modlisation de notre problme (chapitres 4, 5 et 6).
2.6.42 Approximation des valeurs (s, S) base sur un taux de service
spcifi
Schneider et Ringuest (Schneider et Ringuest 90) ont propos une approximation pour
calculer les valeurs (s, S) dans lobjectif de minimiser le cot total (les cots de
commande et de possession) sous contrainte du taux de service ; i.e. les demandes
diffres par priode ne doivent pas dpassent la fraction (1- ) de la demande
moyenne par priode, cette demande tant exprime par une loi normale.

2.7 Structure multi chelons
2.7.1 Les problmes lis aux systmes de stock multi chelons
2.7.11 Caractristiques gnrales
Dans une structure multi chelons, le produit est stock dans plusieurs sites et
lapprovisionnement est effectu gnralement partir de sites dchelon juste
suprieur. Une structure trois chelons est illustre par la figure 2.5. Dans cet
exemple, les dtaillants (1
er
chelon) sont approvisionns partir du centre de
distribution (2
me
chelon) qui est lui-mme approvisionn par un entrept central
(3
me
chelon) ; ce dernier est approvisionn par un fournisseur externe. La gestion de
stock dans ce systme est complexe parce que la demande lentrept central dpend
de la demande du centre de distribution et de ses dcisions de stockage. De mme, la
demande du centre de distribution dpend de la demande des dtaillants et de leurs
dcisions de stockage). Il sagit donc, chaque niveau, dune situation de demande
dpendante du niveau infrieur. Or, la situation la plus frquente dans la littrature est
de considrer la demande comme indpendante. On comprend ds lors que les
techniques courantes de stock multi chelons se soient inspires de celles dune
structure un chelon. Comme lindiquent quelques travaux de recherche (Clark et
Scarf 60 ; Veinott 66 ; Ferderguen et Zipkin 84b), le problme se dcompose en N
sous-problmes rsolus par la programmation dynamique sil ny a pas des
contraintes liant les N dtaillants (i.e., sil ny a pas de pooling ou autre type de
coordination entre dtaillants).

Figure 2.5. Chane logistique trois chelons (Silver et al. 98)

La modlisation des systmes de stock multi chelons avec demandes indpendantes
est actuellement un domaine de recherche trs actif. Les chercheurs se sont focaliss
sur cette hypothse dindpendance que ce soit dans le cas dterministe ou dans le cas
stochastique. Les modlisations sont souvent trs complexes et demandent la
formulation dun grand nombre d'hypothses relatives la distribution de la demande,
aux dlais dapprovisionnement et aux politiques de gestion de stock. De manire
gnrale, on suppose que les dtaillants ont faire face une demande qui suit soit
une loi de Poisson ou une loi normale et que l'ensemble des cots est linaire. Il
semble que les premires mthodes de rsolution ont t obtenues pour des politiques
de type un-pour-un (S-1, S). Le travail fondamental dans cette classe a t propos
par Sherbrooke (Sherbrooke 68) qui a construit un modle mathmatique METRIC
Entrept central
Dtaillants
Centre de distribution Centre de distribution
Fournisseur
chelon 1
chelon 2
chelon 3

(Multi Echelon Technique for Recoverable Item Control) pour l'analyse de cette
politique dans le cas darticles rparables. Par la suite, d'autres politiques ont pu tre
tudies, qu'elles soient continues point de commande (s, Q) (Zheng 92),
priodiques (R, S) (Nahmias et Smith 94).

De plus, on trouve les travaux de Clark et Scarf (Clark et Scarf 60) reprsentent une
avance importante dans les systmes de stock (R, s, S) multi chelons. Ils ont
dtermin une solution optimale pour un modle de stock deux chelons et une
solution approche pour un modle de stock multi chelons sous les conditions
suivantes :
Le cot dachat et de transport dun produit partir dun site de stockage vers le
site suivant est linaire et ne suppose par un cot fixe de setup K ; ce dernier
cot est introduit seulement lchelon suprieur.
Les cots de possession et de rupture un niveau donn sont supposs tre des
fonctions du stock ce niveau et de tous les stocks des niveaux avals ou en
transit entre ceux-ci. Il sagit de la notion de stock chelon (dtaille dans la
section suivante).
A chaque chelon, les demandes en excs sont considres comme tant des
demandes diffres.
Chaque site a un seul fournisseur (structure arborescente).

Schneider et Rinks (Schneider et Rinks 91) ont trait un systme de stock (R, s, S)
avec demandes diffres, compos dun centre de distribution et de N dtaillants.
Lobjectif tait dlaborer une politique de coordination de stock pour le centre de
distribution et les dtaillants et ce, sous contrainte du taux de service. Dans leur
modle, les auteurs ont spcifi les cots de rupture chez les dtaillants et le taux de
service chez le centre de distribution. Ils ont montr quil existe un taux de service
optimal au centre de distribution qui minimise le cot total du systme. Ils ont
dtermin galement que le cot total est assez sensible au taux de service du centre
de distribution. De plus, les paramtres de la demande chez les dtaillants, les cots
de rupture chez les dtaillants et le dlai dapprovisionnement du centre de
distribution ont un effet sur la valeur optimale du taux de service du centre de
distribution.

Ce que l'on peut retenir de ces modles est que tous les dtaillants doivent adopter
une mme politique de gestion, cest--dire qu'ils doivent tous suivre une politique
priodique ou point de commande.
2.7.12 Stock chelon versus stock installation
Un systme de gestion de stocks multi chelons peut tre conu de diffrentes
manires. La gestion est effectue soit au niveau du stock existant dans chaque
installation, soit au niveau du stock chelon. Dans la stratgie de gestion de stock par
installation, les dcisions de commande, chaque installation (ou site), sont bases
sur la position de stock dans cette installation, c--d sur le stock disponible plus le
stock en commande moins les demandes diffres. La stratgie de stock chelon,
quant elle, signifie que les dcisions de commande dune installation i sont bases
sur la position de stock chelon qui est gale la somme de la position de stock
l'installation i et des stocks en transit ou disponibles dans toutes les installations

alimentes par i. Le concept de stock chelon a t introduit par (Clark et Scarf 60).
Des extensions du travail de Clark et Scarf ont t ralises dans (Axster et Rosling
93; Axster 97; Axster et Juntti 97) sous forme dune tude comparative de stock
chelon et de stock installation pour la politique de gestion (s, Q).
2.7.2 Types dun systme arborescent
Nous examinons, dans cette section, deux systmes arborescents (cf. Figure 2.6)
(Silver et al. 98). Le premier dans lequel le centre de distribution ne conserve pas de
stock et le second dans lequel le centre de distribution dtient un stock.

Figure 2.6. Structure arborescente (Silver et al. 98)

2.7.21 Systme arborescent sans conservation de stock dans le centre de
distribution
Quand le centre de distribution ne conserve pas de stock, il se comporte comme un
site break-bulk en commandant les biens par lots et, la rception, en
partitionnant ces quantits et les expdiant immdiatement aux dtaillants. Dans ce
cas, chaque dtaillant reoit la quantit demande entire (Eppen et Schrage 81). Il
sagit dun systme flux pouss qui suppose la disponibilit de linformation
globale ainsi quune dcision centralise.

La premire tude que nous avons ralise dans le cadre de nos travaux de thse
concerne ce type de systme avec un centre de distribution qui ne conserve pas de
stock (voir chapitres 4 et 5).
2.7.22 Systme arborescent avec conservation de stock chez le centre de
distribution
Lorsque le centre de distribution est un centre de stockage, lanalyse devient
beaucoup plus complique. Il y a galement deux types de dcisions : la quantit que
le centre de distribution doit commander son fournisseur, la quantit expdier
chaque priode chaque dtaillant. Dans ce type de systme, le problme majeur qui
se pose est celui dallocation et de rationnement. Quelques auteurs se sont penchs
trouver des rgles pour aborder ces problmes (Axster et al. 04 ; Diks et De Kok 96-
99).

Nous nous sommes galement intresss, dans nos travaux de thse, ce second type
de systme (voir chapitre 6).
Dtaillants
Clients
Centre de distribution
Fournisseur

2.8 Conclusion
Nous avons prsent dans ce chapitre les diffrentes politiques de gestion de stock et
les notions de base de ces politiques dans les structures un(multi) chelon(s). De cette
synthse, nous avons ressorti les difficults rencontres dans la dtermination du
point de commande ou du niveau de recompltement. Plusieurs heuristiques ont
merg en se basant sur un cot de rupture connu ou sur une contrainte du taux de
service et sous lhypothse que la demande suit la distribution normale.

Concernant la politique (R, s, S) dans un systme mono site de stockage et
demandes diffres, les chercheurs ont dvelopp des heuristiques pour dterminer s
et S selon que la fonction de cot total est K-convexe. Ces heuristiques ncessitent
de dterminer les bornes infrieures et suprieures de s et S pour cerner les valeurs
optimales de la politique. Lorsque les demandes sont perdues, la difficult de
dterminer s et S est plus importante du fait que la distribution de la position de stock
devient complexe formuler. Le dveloppement des heuristiques pour dterminer s et
S se poursuit dans un systme multi sites de stockage et multi chelons. Cet tat de
lart sur les diffrentes heuristiques de rsolution de la politique (R, s, S) nous a
inspir dans le choix des solutions que nous avons adoptes dans la rsolution des cas
de configurations considres dans nos travaux. En particulier, nous avons retenu la
dmarche de (Cohen et al. 88) que nous avons utilise dans la partie modlisation
analytique de notre problme de transshipment.

Le troisime et dernier chapitre de cette premire partie consacre ltat de lart
traite le problme de gestion de stock avec transshipment tout en mettant laccent sur
les difficults induites.

Chapitre 3 : Les problmes de transshipment

3.1 Prliminaire et dfinitions
3.2 Les politiques de transshipment
3.3 Classification des travaux de recherche
3.3.1 Types de problmes
3.3.2 Mthodes de rsolution et difficults rencontres
3.3.3 Les principaux environnements tudis pour lapplication du
transshipment
3.4 Les modles de transshipment durgence
3.4.1 Les modles de transshipment avec la politique (R, S)
3.4.2 Les modles de transshipment avec la politique (s, Q)
3.4.3 Les modles de transshipment avec la politique (S-1, S)
3.4.4 Les modles de transshipment avec les politiques (s, S) et (R, s, S)
3.5 Les modles de transshipment prventif
3.6 Autres applications du transshipment
3.7 Conclusion

tat de lart / Les problmes de transshipment 48

3.1 Prliminaire et dfinitions
La gestion de stock multi sites avec transshipment est actuellement un domaine trs
actif de recherche. Le rle principal du transshipment est de mutualiser les stocks
pour pallier les incertitudes relatives aux demandes arrivant des sites dun mme
chelon et, ainsi, dobtenir des effets analogues ceux dune consolidation des
stocks. Cependant, en comparaison avec lapproche de consolidation, lapproche du
transshipment permet une prsence continue et une pntration des marchs locaux
avec une rponse rapide la demande client. Le transshipment peut tre vu aussi
comme une flexibilit supplmentaire de service (Xu 97). A noter que, pour un mme
taux de service, le transshipment est gnralement sensiblement moins coteux
quune commande durgence auprs dun fournisseur si les sites latraux sont situs
proximit. Nanmoins, il convient toujours de situer les bnfices du transshipment
par rapport aux cots quils entranent, selon le contexte.

On relve principalement deux approches du transshipment. La premire approche est
celle du transshipment durgence ; elle correspond au transshipment effectu suite
une rupture de stock chez un dtaillant rsultant de larrive dune demande. Les
travaux de (Herer et Rashit 99; Robinson 90; Tagaras 99; Tagaras et Cohen 92) ont
analys une telle approche. La deuxime approche est celle des transshipments
prventifs ; ceux-ci correspondent une redistribution dquilibrage des stocks au
dbut ou la fin de chaque cycle dapprovisionnement mais avant que la demande
des clients ne soit observe. Les travaux de (Diks et de Kok 96; Allen 61-62; Jonsson
et Silver 87) ont trait de cette approche. Le transshipment durgence rsout une
situation effective de rupture. Le transshipment prventif, quant lui, vise prvenir
de futures ruptures.

Les travaux ayant tudi le transshipment durgence sont les plus frquents dans la
littrature. Nous rsumons, dans le paragraphe qui suit, les politiques adoptes dans
ce contexte.
3.2 Les politiques de transshipment
La politique tout ou rien : un dtaillant soit satisfait entirement la demande
client manquante, soit ne livre rien (Evers 01 ; Needham et Evers 98).
le Complete pooling : le dtaillant accepte de transfrer tout son stock
disponible en cas de besoin ; autrement dit, il accepte de mettre en commun tout
son stock, sans restriction (Tagaras et Cohen 92 ; Tagaras 99).
le Partial pooling : le transshipment est effectu en prservant un niveau de
stock cibl. On trouve les variantes suivantes (Evers 01) :
o le dtaillant accepte le transshipment concurrence du stock en surplus son
point de commande ;
o le dtaillant accepte le transshipment concurrence du stock en surplus son
stock de scurit ;
o le dtaillant accepte le transshipment concurrence du stock en surplus la
demande estime pour la priode suivante.
o la dcision de faire un transshipment au niveau dun dtaillant dpend du
niveau de stock courant et du temps restant avant lapprovisionnement suivant
(Archibald et al. 09).

Tagaras et Cohen (Tagaras et Cohen 92) ont propos un autre critre pour le partial
pooling, bas sur le niveau de stock (stock net ou position de stock). Lide est quun
transshipment X
ij
dun dtaillant i vers un dtaillant j peut tre effectu pour renfler
le niveau de stock chez le dtaillant j jusqu une hauteur t
j
sans la dpasser et
condition de garder un niveau de stock r
i
chez le dtaillant i. Ainsi, le cas t
j
=0
correspond ici un transshipment durgence qui sert juste rattraper une situation de
rupture alors que le cas t
j
>0 correspond une situation intermdiaire entre le
transshipment durgence et le transshipemnt prventif. Lhypothse raisonnable est de
supposer que lon a t
j
r
i
S
i
.
3.3 Classification des travaux de recherche
Les politiques de gestion de stock avec transshipment sont multiples. Nous proposons
de grouper les travaux de recherche selon le type de problme qu'ils traitent et la
manire dont le problme est modlis.

Dj, une manire de structurer la comparaison de ces travaux est de les situer par
rapport aux dimensions suivantes (cf. Tableau 3.1) :
Mono chelon/multi chelons ;
Mono priode/multi priodes/horizon de temps infini ;
Article rparable/non rparable ;
Type de politique de stock utilise chaque site de stockage : (s, Q)/(s, S)/(R,
S)/(R, s, S) ;
Type de politique de transshipment : tout ou rien/complete pooling/partial
pooling ;
Demandes diffres/perdues ;
La demande est : dterministe constante/dterministe dynamique/stochastique
loi connue/stochastique loi inconnue ;
Le dlai dapprovisionnement est : nul/constant/alatoire ;
La rupture est : modlise par un cot de rupture constant par article/modlise
par un cot complexe/exprime au travers d'un taux de service ;
Le cot de commande est : nul/constant par commande/complexe (compos
dun cot fixe de setup et dun cot variable) ;
Le cot du transshipment est : linaire (en fonction du nombre dunits
transfres)/fixe par transshipment/constant par requte de
transshipment/complexe (compos dun cot fixe et dun cot variable) ;
Le temps de transshipment est : nul/constant ;
La mthode de rsolution est : analytique/heuristique/par simulation.

Paterson et al. (Paterson et al.11) et Chiou (Chiou 08) ont propos, chacun, une
classification fine des travaux de recherche selon les dimensions susmentionnes en
ajoutant deux dimensions que sont le nombre darticles (un seul article ou multi
articles) et le type de dcision (centralise ou dcentralise). Ces classifications
aident situer clairement les travaux entre eux et mettre en exergue les gaps qui les
sparent. Le principal objectif est de bien guider les chercheurs vers des futures
orientations afin de rapprocher la rsolution thorique des cas industriels rels. Nous
nous sommes fortement inspirs pour la synthse comparative prsente la fin de ce
chapitre, sauf que nous nous sommes restreints au contexte dun produit unique qui
est celui de nos travaux.

3.3.1 Types de problmes
Structure de stockage : On distingue principalement la structure de stockage un
chelon, dans laquelle le fournisseur approvisionne directement plusieurs dtaillants
et les structures de stockage deux chelons, dans lesquelles le fournisseur livre un
centre de distribution qui distribue les produits aux dtaillants. Les structures plus
de deux chelons ne semblent pas faire l'objet de recherches importantes en gestion
de stocks. Dans la structure un chelon, le fournisseur est suppos capacit infinie
et seulement les dtaillants utilisent des politiques de stock. Dans la structure deux
chelons, le centre de distribution adopte lui aussi une politique de gestion de stock
qui peut tre identique ou diffrente de celle des dtaillants.

Nature du produit : La nature des produits a une influence sur le choix de la politique
de stock chez les dtaillants et le centre de distribution et sur la modlisation de la
demande client. On fait la distinction, en particulier, entre les produits rparables et
les produits non rparables. Le cas des produits rparables est considr
principalement dans le contexte du stockage multi sites de "pices" de rechange
rparables, quand le type de pices est exceptionnellement coteux et, dun MTBF
(Moyenne des temps de bon fonctionnement) plutt grand, mais dont la tombe en
panne peut avoir des consquences trs critiques. Pour couvrir les besoins dune
rgion donne, des centres de stockage sont prvus en divers points. Ces centres
assurent, selon une stratgie propre chacun, le stockage des pices de rechange et
conviennent de se soutenir mutuellement, par le biais du transshipment, pour couvrir
le besoin immdiat en cas de rupture de stock.

Initialement, ce sont les organisations militaires qui ont adopt ce type dapproche.
Elles ont t ensuite suivies par des grandes compagnies commerciales, notamment
celles travaillant dans la navigation arienne et le transport de faon gnrale.

Les particularits, comparativement au cas des produits non rparables, sont
nombreuses :
Dabord, lenjeu le plus important est de rduire au maximum la dure de larrt
(ou du fonctionnement dgrad) en cas de panne. La pice endommage est
systmatiquement engage en rparation et le centre qui rpond la requte de
transshipment accepte tacitement dtre compens par la dite pice endommage
une fois rpare.
La dure de la rparation varie selon la pice et la panne et selon, galement, la
possibilit ou non de la rparer sur place.
Lestimation des "pertes" en fonction de la dure des arrts peut savrer
complexe.
La solidarit des centres engags dans le rseau de transshipment est un facteur
dterminant dans lvaluation des chances de russite dune telle approche. Le
cas classique que lon rencontre est celui des centres qui sont lis par une mme
organisation (cas, par exemples, des bases militaires ou des magasins de pices
de rechange relevant dune compagnie daviation).
3.3.2 Mthodes de rsolution et difficults rencontres
On trouve, dans la littrature, des travaux qui proposent une solution optimale du
problme sous des hypothses restrictives des paramtres dentre susmentionns.

Dautres travaux prsentent une recherche heuristique ou une modlisation analytique
approximative avec relaxation de certaines hypothses. On trouve aussi des travaux
qui cherchent des solutions satisfaisantes par la simulation pour des problmes dune
grande taille et sous des hypothses plus gnrales. La complexit dpend
essentiellement des paramtres suivants :
Taille du rseau ;
Distribution de la demande ;
Demandes diffres ou perdues.
Distribution du dlai dapprovisionnement ;
Temps de transshipment nul ou non nul ;
Cots de gestion identiques ou diffrents.

Ainsi, les modles analytiques sont dvelopps, dans leur majorit, sous des
hypothses particulires (deux sites de stockage, approvisionnement instantan et
cots identiques). En fait, la relaxation de lhypothse dapprovisionnement
instantan complique considrablement l'analyse mathmatique en raison des
interactions entre la demande, les quantits de transshipment et les stocks en transit,
qui entranent une explosion de l'espace d'tats (Tagaras 99). En outre, Tagaras a
prouv que le modle exact devient insolvable mme dans le cas de deux sites de
stockage. Minner et al. (Minner et al. 03) ont galement indiqu deux autres raisons :
(i) les transshipments ont un effet secondaire sur la date de passation de commande
ainsi que sur la taille de la quantit de commande au niveau du dtaillant ralisant le
transshipment et (ii) la construction des stocks de scurit doit tenir compte des
possibilits de transshipment. Cest pourquoi, beaucoup d'auteurs ont recouru la
simulation afin d'tudier un systme de stock multi dtaillants sous des hypothses
relaxes. Cest dans cette direction que soriente notre prsent travail.
3.3.3 Les principaux environnements tudis pour lapplication du
transshipment
En considrant les hypothses lies la taille du rseau, nous pouvons citer les
travaux qui ont tudi le transshipment pour le cas de deux dtaillants (Tagaras et
Cohen 92 ; Robinson 90 ; Herer et Tzur 01) et ceux qui se sont intresss au cas de
dtaillants multiples avec paramtres de cots identiques et demandes stochastiques
(Robinson 90). Herer et Tzur (Herer et Tzur 03) ont considr des dtaillants
multiples non identiques dans un cadre de demande dterministe dynamique et
Tagaras (Tagaras 99) a considr un systme semblable avec des demandes
stochastiques.

Aussi certains travaux se sont focaliss sur lvaluation du transshipment sur un
horizon dune seule priode (Herer et Rashit 99), un horizon fini (Robinson 90) et
(Herer et Tzur 03) ou un horizon infini (Tagaras et Cohen 92) et (Hu et al. 05).

Cependant, la majorit des recherches est oriente vers les approches de simulation.
Tagaras (Tagaras 99) et Needham et Evers (Needham et Evers 98) ont analys les
effets du transshipment ainsi que des valeurs des paramtres de la demande et des
dlais d'approvisionnement sur la performance du systme. Satyendra et Venkata
(Satyendra et Venkata 05) ont tudi lapport du transshipment sous lhypothse de
partage dinformation entre sites. Kurkreja et Schmidt (Kurkreja et Schmidt 05) ont

tabli une procdure de recherche base sur la simulation afin de rsoudre le
problme doptimisation (minimiser le cot total sous contrainte dun taux de
service). Les travaux de (Banerjee et al. 03 ; Burton et Banerjee 05 ; Lee et al. 07) ont
valu, par le biais des cots, les apports du transshipment dans un contexte
d'approvisionnement centralis et zro stock de scurit.

Par ailleurs, une hypothse communment retenue est celle qui considre le temps de
transshipment comme nul. Dans le mme souci de simplification, quelques travaux
considrent quun seul transshipment est possible par cycle dapprovisionnement
(Herer et Tzur 03 ; Axster 03b ; Xu 97). Minner et al., dans (Minner et al. 03- 05),
considrent un ensemble dhypothses trs prcises, dont des dlais
dapprovisionnement identiques tout en admettant la possibilit dune extension au
cas dun dlai spcifique chaque site. Dans (Archibald et al. 97) et (Robinson 90),
les dlais dapprovisionnement sont considrs nuls. Les travaux rapports dans
(Tagaras 99) sont parmi les rares avoir intgrs les hypothses de dlais diffrents
et de demandes diffrentes. On trouve aussi des travaux qui considrent les parties
des demandes non satisfaites dans limmdiat comme dfinitivement perdues alors
que d'autres les traitent comme des demandes diffres.

En outre, dans la littrature, laccent est souvent mis sur les bnfices du
transshipment pour un systme de stock de type (R, S) ou (s, Q). Lvaluation du
transshipment pour les autres types de systmes est peu aborde, notamment pour le
cas du systme de stock (s, S) qui est de nature complexe. Nous prsentons dans ce
qui suit les modles issus de ces politiques.
3.4 Les modles de transshipment durgence
3.4.1 Les modles de transshipment avec la politique (R, S)
La plupart des travaux supposent une politique de recompltement calendaire avec
une priode de rvision R multiple de priodes lmentaires. A la fin de chaque
priode lmentaire, le stock est valu, les transshipments durgence possibles sont
alors effectus simultanment et une commande dapprovisionnement est passe sil
sagit dune priode de rvision. Ces travaux adoptent gnralement lhypothse des
demandes diffres. Rappelons que la politique (R, S) est particulirement approprie
sous lhypothse de cots de commande/setup ngligeables.

Krishnan et Rao (Krishnan et Rao, 1965) ont dvelopp un modle de newsboy (R, S)
pour un systme un chelon et N sites. Les auteurs se sont intresss dterminer
les niveaux de recompltement optimaux qui minimisent les cots de stockage et de
transport sur une seule priode, sous lhypothse de cots identiques. Ils ont remarqu
que les modles de transshipment dans un systme multi sites et multi priodes
relvent toujours dune classe de la programmation dynamique et constituent une
extension au problme de newsboy relatif un seul site.

La complexit des calculs de rsolution des politiques optimales dapprovisionnement
et de transshipment incite toujours utiliser des approximations et des mthodes
heuristiques. Les tudes reprsentatives de cette catgorie sont celles de Karmarkar
(Karmarkar 87) et de Robinson (Robinson 90). Karmarkar a dvelopp des bornes

suprieure et infrieure du stock initial, pour les problmes de stock stochastique
multi sites et multi priodes, qui sont utilises pour dterminer des solutions
approximatives. Robinson a tendu lanalyse de Krishnan et Rao et de Karmarkar
un modle multi priodes avec cots diffrents entre dtaillants. La solution optimale
peut tre trouve analytiquement dans deux cas particuliers : cots identiques entre
les sites ou nombre de sites limit deux. Ces deux cas particuliers sont utiliss pour
valider la technique heuristique dans le cas gnral en utilisant lintgration de Monte
Carlo. Dans (Tagaras et Cohen 92), un modle est propos pour le cas dun systme
de stock compos de deux dtaillants identiques en dlais et paramtres de la
demande mais diffrents en cots, visant minimiser les cots lis aux stocks pour
les diffrentes stratgies du complete pooling et du partial pooling. Les auteurs ont
montr, pour ce cas, lefficacit de la stratgie du complete pooling. Tagaras (Tagaras
99) a tendu ce rsultat au cas de trois dtaillants identiques en cots mais diffrents
en dlais et paramtres de la demande et a valu, sous ces hypothses, lamlioration
induite par le transshipment avec complete pooling sur les performances du systme.
Herer et al. (Herer et al. 02) ont montr le bnfice du complete pooling dans un
systme deux sites. De plus, ils ont tudi le cas de multi sites identiques/diffrents
en cart type, linstar de ce qui est donn dans (Tagaras 99). Ils ont conclu quil est
prfrable dorganiser des groupes de pooling ayant les mmes caractristiques en
paramtres de demande.

Herer et al. (Herer et al. 04) ont considr un modle de N sites non identiques en
cots, sans contraintes de capacit de transport pour raliser un transshipment. Les
demandes arrivant aux N sites sont supposes corrles (or, lhypothse
communment utilise est que les demandes sont indpendantes, identiquement
distribues (i.e. i.i.d)). Ces auteurs ont tabli une approche numrique permettant de
dterminer les valeurs optimales des niveaux de stock S. zdemir et al. (zdemir et
al. 06) ont tendu les travaux de (Herer et al. 04) en considrant des contraintes de
capacit de transport selon laquelle les quantits de transshipment entre sites sont
limites en raison des moyens de transport. Ces auteurs ont dvelopp une approche
approximative stochastique efficace utilisant la simulation de Monte Carlo. Les
rsultats numriques montrent que les contraintes de capacit de transport augmentent
le cot total de mme quelles modifient la distribution des stocks dans tout le rseau.
Le mme problme tudi par zdemir et al. a t aussi trait par Ekren et Heragu
(Ekren et Heragu 08) en utilisant la mthode base simulation-optimisation. La
procdure de loptimisation est ralise par lOptQuest du logiciel ARENA .

Les travaux de (Banerjee et al. 03) et (Burton et Banerjee 05) se sont intresss
lvaluation, par le biais des cots et pour des configurations 2, 4 et 8 dtaillants,
des apports du transshipment bas sur la disponibilit (complete pooling) et ceux du
transshipment prventif. Lee et al. (Lee et al. 07) ont dmontr, comparativement aux
rsultats de (Banerjee et al. 03), lefficacit dune nouvelle approche "service level
ajustement" qui rduit le risque en prvoyant la rupture lavance et rpond une
rupture effective toute en couplant le transshipment prventif et le
transshipment durgence ; la fin de chaque priode, les quantits de transshipment
en prventif et en urgence sont dtermines selon des seuils de service prdtermins.

3.4.2 Les modles de transshipment avec la politique (s, Q)
Dans les travaux ayant adopt la politique rvision continue, cest le systme (s, Q)
qui est le plus communment utilis car relativement simple. Des investigations ont
t menes sous les deux hypothses des systmes demandes perdues et des
systmes demandes diffres. Sur la base dune analyse des diffrents cots,
Needham et Evers (Needham et Evers 98) ont conclu que le principal paramtre qui
dtermine lopportunit du transshipment latral dans les systmes multi sites
demandes perdues est le cot de rupture. Pour le cas dun systme deux dtaillants,
Evers (Evers 01) a dvelopp deux heuristiques pour dterminer les conditions o les
transshipments seront avantageux. La premire heuristique rsout le problme du
transshipment d'une seule unit et la deuxime sadresse au transshipment dunits
multiples. La politique de transshipment tout ou rien est adopte dans le modle de
Evers avec un cot de transshipment linaire, dpendant uniquement de la quantit
transfre. Minner et al. (Minner et al. 03) ont relax ces hypothses en acceptant des
transshipments par des quantits infrieures celles demandes et en ajoutant un cot
fixe par requte satisfaite. Ils ont aussi complt le modle par la prise en compte des
cots dapprovisionnement ainsi que des cots de rupture ventuels consquents la
dcision du transshipment. Plus tard dans (Minner et al. 05), Minner et al. ont propos
un mcanisme de choix entre deux politiques (pas de transshipment ou transshipment
systmatique) pour un ensemble de caractristiques du problme de transshipment
avec deux dtaillants identiques. Ltude effectue dans (Xu 97, Xu et al. 03) a
poursuivi celle donne dans (Evers 01) pour le cas des systmes demandes
diffres. Les auteurs ont ajout la politique classique (s, Q) un troisime
paramtre, un niveau critique (H), qui contrle le niveau des transshipments sortants
(c--d le niveau de stock au-del duquel le transshipment est permis).

Ltude effectue par Axster, dans (Axster 03a), diffre de celles mentionnes ci-
dessus par le fait quelle considre des transshipments unidirectionnels. Cette
politique est utilise lorsque les dtaillants ont des cots de rupture diffrents. Ainsi,
le transshipment seffectue depuis le dtaillant ayant un cot de rupture faible vers un
autre dtaillant ayant un cot de rupture lev. Axster a propos une technique de
rsolution pour le cas de la politique (s, Q) ainsi que pour le cas de la politique (R,
S), sous lhypothse des demandes diffres. Dans la mme optique du travail de
Axster, Olssen (Olssen 09-10) sest intress rsoudre le problme de
transshipment unidirectionnel dans des systmes de stock de type (s, Q) ou (S-1, S)
demandes diffres ou perdues.
3.4.3 Les modles de transshipment avec la politique (S-1, S)
Nous pouvons citer, ici, les travaux de (Lee 87), (Axster 90) et (Dada 92) qui ont
trait du problme de transshipment latral durgence pour les articles rparables des
pices de rechange. Les modles utiliss se caractrisent par un chelon suprieur
(dpt) qui sert pour lapprovisionnement et un chelon infrieur (les bases) o il y a
du stock disponible et o sont reues les commandes. Chaque base est gre avec la
politique (S-1, S). Aussi ces modles sont des extensions du modle METRIC
(Sherbrooke 68) et sont, de ce fait, de type approch. Toutefois, ces modles se
distinguent selon les hypothses traitant les bases et le pooling. Les modles dans
(Lee 87) et (Dada 92) considrent des bases identiques alors que dans (Axster 90)
les bases sont supposes non identiques. Les travaux de (Lee 87) et (Axster 90) font

lhypothse que les bases sont rparties en groupes lintrieur desquels le
transshipment peut tre effectu alors que (Dada, 1992) traite toutes les bases de
lchelon infrieur comme si elles constituent un seul groupe. Les approches de (Lee
87), (Axster 90) et (Dada 92) ont connu un grand succs parce quelles supposent
que la demande suit une loi de Poisson et la politique dapprovisionnement est de
type (S-1, S). Si une autre politique est utilise, le nombre dtats peut devenir trs
grand, ce qui rend la rsolution mathmatique trs difficile.

Ltude de (Wong et al. 05) est parmi les rares avoir considr un temps de
transshipment non nul et un transshipment latral diffr ; i.e. en cas de rupture chez
un site, si aucun site ne possde de stock disponible alors le transshipment est diffr
(mis en attente) jusqu ce que le stock devient positif dans un des sites.
3.4.4 Les modles de transshipment avec les politiques (s, S) et (R, s, S)
Ltude du transshipment pour les systmes de stock (s, S) ou (R, s, S) a suscit
relativement moins de travaux, sans doute cause de sa nature plus complexe. Sous
lhypothse de cot dapprovisionnement fixe, Herer et Rashit (Herer et Rashit 99)
ont rsolu un modle dune seule priode pour deux sites avec des cots non
identiques. Les auteurs ont prouv que la politique optimale de gestion dans ce
systme de transshipment nest pas de la forme (s, S).

Hu et al. (Hu et al. 05) ont examin la politique (R, s, S) dans un systme de stock
compos dun centre de distribution et de N dtaillants avec une gestion centralise
au niveau du centre de distribution. Les hypothses considres dans leur modle sont
trs restrictives : dlais dapprovisionnement et de transshipment nuls, paramtres de
demande identiques, cots identiques et horizon de temps infini. Dans ce cadre, les
auteurs ont propos une approche fonde sur la programmation dynamique afin de
trouver la politique optimale approximative (s, S) du systme entier au niveau du
centre de distribution.

Nanmoins, le travail le plus proche du notre est celui de (Kurkreja et Schmidt 05).
Nous proposons de mettre en relief les similitudes et diffrences entre nos deux
modles.

Ces deux travaux prsentent les similitudes suivantes :
un systme de stock multi dtaillants,
la recherche de la meilleure solution (s, S), pour chaque dtaillant, minimisant
le cot total et garantissant un taux de service donn,
une approche de rsolution sous forme dun problme doptimisation utilisant
une procdure de recherche base sur la simulation.
la distribution porte sur un seul type de produit,
la stratgie de transshipment est de type complete pooling,
les transshipments sont instantans,
les passations de commandes durant le cycle dapprovisionnement ne sont
soumises aucune contrainte,
lhorizon de temps est fini.


Cependant, les modles considrs diffrent considrablement en plusieurs
caractristiques rcapitules dans le tableau ci-dessous :

Kurkreja et Schmidt Prsent travail
# Echelon Un Deux/Multi
Type de produit Rparable Non rparable
Politique de gestion (s, S) continue (R, s, S) priodique
Loi de la demande Loi de Poisson compose Loi normale
Demande/priode Faible moyenne
Ruptures Demandes diffres Demandes perdues
Dlais Distribution de Weibull Constants
Tableau 3.2. Les diffrences dhypothses entre le modle tudi dans (Kurkreja et Schmidt 05)
et celui considr dans le prsent travail

Dans la contribution objet du prsent travail, nous visons une optimisation plus
pousse pour la dtermination des deux paramtres s et S en se basant sur un
couplage entre la simulation et loptimisation.
3.5 Les modles de transshipment prventif
Dans la littrature, quelques modles traitent des systmes de stock deux chelons
et multi sites o les transshipments sont utiliss comme une mesure prventive pour
quilibrer les niveaux de stock chez les dtaillants utilisant la politique (R, S). Allen
(Allen 61-62) a tudi un systme de stock dtaillants multiples identiques en cots
et dlai dapprovisionnement nul en visant minimiser les cots de rupture et de la
redistribution. Das (Das 75) a adopt les mmes hypothses de Allen mais en se
limitant un systme de stock deux sites et en permettant les transshipments au
milieu de chaque cycle dapprovisionnement. Selon la mme structure du systme de
Allen mais en considrant un dlai positif dapprovisionnement, Jonsson et Silver
(Jonsson et Silver 87) ont examin un systme dapprovisionnement centralis en
mettant laccent sur la redistribution complte des stocks durant la dernire priode
dun cycle dapprovisionnement afin dquilibrer les niveaux de stock chez tous les
dtaillants. Ils ont montr quune rduction considrable en stock de scurit est
possible en utilisant cette redistribution, de mme quune amlioration du service est
obtenue. Bertrand et Bookbinder (Bertrand et Bookbinder 98) ont tendu le problme
un systme multi dtaillants non identiques en cots. Lhypothse dun centre de
distribution qui gre un systme de stock dcision centralise selon la politique (R,
S) est maintenue. Dans le cas de dtaillants identiques, les auteurs ont confirm les
rsultats obtenus par Jonsson et Silver. Dans le cas de dtaillants non identiques, la
simulation montre que des valeurs leves de la longueur du cycle
dapprovisionnement, du nombre de dtaillants et des cots de possession, couples
avec de faibles valeurs des cots de transshipment et du dlai fournisseur favorisent
la politique de redistribution. Les modles de Jonsson et Silver et de Bertrand et
Bookbinder ont t implments pour les deux cas de temps de transshipment nul et
non nul. Les auteurs ont montr que lintroduction dun temps de transshipment non
nul complique la modlisation au niveau du stock en transit (ou en commande).

Diks et al. (Diks et al. 96) ont tudi le transshipment prventif en supposant que le
centre de distribution ainsi que les dtaillants utilisent la politique (R, S). Ils ont

considr un modle o le centre de distribution alloue le stock aux diffrents
dtaillants selon une politique de rationnement consistent appropriate share et ils
ont fix comme objectif de maintenir un taux de service cibl pour chacun des
dtaillants.
3.6 Autres applications du transshipment
Herer et Tzur (Herer et Tzur 01) sont les premiers auteurs qui ont examin les
transshipments dans un environnement de demande dterministe dynamique sur un
horizon fini de priodes. Le systme tudi est compos de deux sites
sapprovisionnant auprs dun seul fournisseur. Il est modlis en intgrant des cots
dapprovisionnement fixes et variables, des cots de transshipment fixes et variables
ainsi que des cots de possession diffrents ; lobjectif tant de dterminer combien
rapprovisionner et combien transfrer chaque priode pour une satisfaction temps
de toutes les demandes. Les auteurs ont prouv lefficacit dun algorithme
polynomial dvelopp pour rsoudre un tel problme. Ils ont tendu ce travail dans
(Herer et Tzur 03) en dveloppant une heuristique pour un systme de stock multi
sites.

Dans le mme environnement de demande, Sripathomswat, dans (Sripathomswat 08),
sest intress tudier un problme inspir dun cas rel (Electricit de France) dont
il a rduit la taille (nombre de fournisseurs, dentrepts et de produits). Le systme de
distribution considr est compos d'un rseau de fournisseurs externes et des
entrepts centraux. Lobjectif vis est de dterminer, sous lhypothse de produits
multiples, le rseau de distribution qui minimise le cot total du systme (cots de
commande, de possession et de transshipment) et satisfait temps toutes les
demandes clients. Il sagit alors de dterminer la manire de coordonner les entrepts
centraux. Ce problme a t dcompos en des sous-problmes permettant de
rpondre aux questions suivantes :
o garder le stock des produits finis ?
quelle est la politique de transshipment utiliser ?
quelle est la politique de gestion de stock utiliser ?

Ces sous-problmes sont rsolus par des programmes linaires mixtes et par des
techniques de programmation dynamique, sous des hypothses spcifiques telles que :
capacit infinie du fournisseur, dlais dapprovisionnement et de transshipment nuls,
demande connue sur tout lhorizon, capacit illimite des entrepts, cots de
possession identiques par produit et les diffrents cots se composent dune partie
fixe et dune partie variable. Ltude mene par Sripathomswat consiste cerner les
situations o la stratgie propose, base sur la coordination, est avantageuse. Pour ce
faire, lauteur sest orient vers le test de limpact dun ensemble de paramtres
dentre tels que : demande rgulire/irrgulire, volume de la demande
(faible/leve), cots de commande et de transshipment (faibles/levs).

Le tableau 3.1 prsente la classification des travaux de recherche ayant trait le
problme de transshipment, en fonction des dimensions exposes dans la section 3.3.


Auteurs #
Echelon
# sites Article
Rparable/Non
rparable
Cots Dlais
dapprovisionnement
Politique
de gestion
Transshipment Distribution de
la demande
Demande
Perdue/
Diffre
Mthodologie de
rsolution
Allen (61, 62) Un Multi Non rparable Identiques Zro (R, S) Prventif Normale
(Identiques)
Diffre Analytique
Krishnan et
Rao (65)
Un Multi Non rparable Identiques Zro (R, S) Urgence Normale
(Identiques)
Diffre Analytique
Das (75) Un Deux Non rparable Diffrents Non Zro-Identiques (R, S) Au milieu de
chaque cycle
Alatoire
(Diffrentes)
Diffre Programmation
convexe
Jonsson et
Silver (87)
Deux Multi Non rparable Identiques Non Zro-Identiques (R, S) Prventif Normale
(Identiques)
Diffre Analytique
Lee (87) Multi Multi Rparable Identiques Non Zro-Identiques (S-1, S) Urgence Poisson
(Identiques)
Diffre Modle approximatif
Karmarkar (87) Un Multi Non rparable Identiques Zro (R, S) Urgence Alatoire
(Identiques)
Diffre Approximation
analytique
Robinson (90) Un Multi Non rparable Identiques/
Diffrents
Zro (R, S) Urgence Alatoire
(Identiques)
Diffre Analytique/
Heuristique utilisant
Monte Carlo
Axster (90) Deux Multi Rparable Identiques Non Zro-Identiques (S-1, S) Urgence Poisson
(Identiques/
Diffrentes)
Diffre Modle approximatif
Dada (92) Multi Multi Rparable Identiques Loi exponentielle (S-1, S) Urgence Poisson
(Identiques)
Perdue Procdure
approximative
Tagaras et
Cohen (1992)
Un Deux Non rparable Identiques/
Diffrents
Non Zro-
Identiques/Diffrents
(R, S) Urgence Normale
(Identiques/
Diffrentes)
Diffre Simulation
Diks et al. (96) Deux Multi Non rparable Identiques Non Zro-Identiques (R, S) Prventif Normale
(Identiques/
Diffrentes)
Diffre Analytique/
Simulation
Archibald et al.
(97)
Un Deux Non rparable Identiques Zro (R, S) Urgence Poisson
(Identiques)
Perdue Modle Markovien/
Programmation
dynamique

Tableau 3.2. Classification des travaux de recherche (suite 1)


Auteurs #
Echelon
# sites Article
Rparable/Non
rparable
Cots Dlais
dapprovisionnement
Politique
de gestion
la demande
Demande
Perdue/
Diffre
Mthodologie de
rsolution
Xu et al. (97,
03)
Un Multi Non rparable Identiques Non Zro-Identiques (s, Q) Urgence Poisson
(Identiques)
Diffre Approximation
Analytique/
Simulation
Bertrand et
Bookbinder
(98)
Deux Multi Non rparable Diffrents Non Zro-Identiques (R, S) Prventif Normale
(Identiques/
Diffrentes)
Diffre Analytique
/Simulation
Needham et
Evers (98)
Multi Multi Non rparable Identiques Loi Gamma (s, Q) Urgence Normale rduite
(Identiques)
Perdue Simulation/
mta-modle utilisant
Least square
regression
Tagaras (99) Un Multi Non rparable Identiques Non Zro-Identiques/
Diffrents
(Identiques/
Diffrentes)
Diffre Simulation

Herer et Rashit
(99)
Un Deux Non rparable Diffrents Zro (R, S) Urgence Uniforme
(Identiques)
Perdue Analytique
Evers (01) Un Deux Non rparable Identiques Non Zro-Identiques/
Diffrents
(s, Q) Urgence Normale
(Identiques)
Perdue Heuristique/
Simulation
Herer et Tzur
(01)
Un Deux Non rparable Diffrents Zro (R, S) Urgence Dterministe
(Diffrentes)
Non Heuristique
Herer et al.
(02)
Un Multi Non rparable Identiques Non Zro-
Identiques/Diffrents
(Identiques)
Diffre Simulation-
Optimisation
Axster (03a) Un Multi Non rparable Diffrents Non Zro-Identiques (s, Q) et (R,
S)
Urgence
(unidirectionnel
)
Normale
(Identiques)
Diffre Analytique/
Simulation
Axster (03b) Un Multi Non rparable Identiques Non Zro-Identiques (s, Q) Urgence Poisson compos
(Identiques)
Diffre Heuristique/
Simulation



Auteurs #
Echelon
# sites Article
Rparable/Non
rparable
Cots Dlais
dapprovisionnement
Politique
de gestion
la demande
Demande
Perdue/
Diffre
Mthodologie de
rsolution
Herer et Tzur
(03)
Un Multi Non rparable Identiques Zro (R, S) Urgence Dterministe
(Diffrentes)
Non Analytique/
Heuristique
Minner et al.
(03)
Un Deux Non rparable Identiques Non Zro-Identiques (s, Q) Urgence Poisson compos
(Identiques)
Perdue Analytique/
Simulation
Banerjee et al.
(03)
Deux Multi Non rparable Identiques Non Zro-Identiques (R, S) Urgence et
Prventif
Uniforme
(Identiques)
Diffre Simulation
Herer et al.
(04)
Un Multi Non rparable Identiques/
Diffrents
Zro (R, S) Urgence Normale/
Uniforme
(Identiques)
Diffre Simulation
zdemir et al.
(06)
Deux Multi Non rparable Identiques/
Diffrents
Zro (R, S) Urgence Uniforme
(Identiques)
Diffre Heuristique/
Simulation
Burton et
Banerjee (05)
Deux Multi Non rparable Identiques Non Zro-Identiques (R, S) Urgence et
Prventif
Uniforme
(Identiques)
Diffre Simulation
Hu et al. (05) Un Multi Non rparable Identiques Zro (R, s, S) Urgence Normale
(Identiques)
Diffre Programmation
dynamique
Kurkreja et
Schmidt (05)
Un Multi Rparable Identiques Loi Weibull (s, S) Urgence et
Prventif
Poisson
(Identiques)
Diffre Simulation
Minner et al.
(05)
Un Deux Non rparable Identiques Non Zro-Identiques (s, Q) Urgence Normale/Poisson
(Identiques)
Perdue Heuristique/
Simulation
Satyendra et
Venkata (05)
Un Deux Non rparable Identiques Zro/Non Zro-
Identiques
(s, Q) Urgence Normale
(Identiques)
Perdue Simulation



Auteurs #
Echelon
# sites Article
Rparable/Non
rparable
Cots Dlais
dapprovisionnement
Politique
de gestion
la demande
Demande
Perdue/
Diffre
Mthodologie de
rsolution
Wong et al.
(05)
Un Multi Rparable Identiques Loi Exponentielle (S-1, S) Urgence/Avec
dlai
Poisson
(Identiques)
Diffre Modle Markovien
Lee et al. (07) Deux Multi Non rparable Identiques Non Zro-Identiques (R, S) Urgence et
Prventif
Normale
(Diffrentes)
Diffre Heuristique/
Simulation
Ekren et
Heragu (08)
Deux Multi Non rparable Diffrents Zro (R, S) Urgence Uniforme
(Identiques)
Diffre Simulation-
Optimisation
Sripathomswat
(08)
Multi Multi Non rparable Diffrents Zro (R, S) Urgence Dterministe
(Diffrentes)
Non Modle PL mixte/
Programmation
dynamique
Archibald et al.
(09)
Un Multi Non rparable Diffrents Zro (R, S) Urgence Poisson
(Identiques)
Diffre Modle Markovien
Olssen (09-10) Un Deux Non rparable Diffrents Non Zro-Identiques (S-1, S)
(s, Q)
Urgence
(unidirectionnel
)
Poisson
(Identiques/
Diffrentes)
Diffre/
Perdue
Heuristique/
Simulation
Tlili et al. (10) Multi Non rparable Identiques Non Zro-Identiques/
Diffrentes
(R, s, S) Urgence Normale
(Identiques/
Diffrentes)
Perdue Simulation-
Optimisation



3.7 Conclusion
Dans ce chapitre, nous avons prsent les caractristiques gnrales relatives aux
systmes de stock avec transshipment. Nous avons pass en revue divers travaux
raliss en les classifiant par type de transshipment et par politique de gestion de
stock. Dans la littrature, les diffrentes approches de transshipment se distinguent
sommairement en deux familles : le transshipment durgence et le transshipment
prventif. Les politiques (R, S), (s, Q), (s, S), (R, s, S) et (S-1, S) ont t utilises
dans ces travaux ; les interactions de type transshipment entre les sites du rseau de
distribution savrent compliquer considrablement la rsolution du problme de
gestion des stocks. De faon gnrale, la mise en uvre dune politique de
transshipment dans le rseau conduit une rduction des cots, une amlioration du
taux de service et un abaissement des niveaux de stock.

Ce chapitre clt, ainsi, la premire partie consacre la synthse de ltat de lart. Sur
la base de cette synthse, le positionnement de notre problmatique de recherche, ses
similarits et ses spcificits apparaissent de faon claire : Nous nous intressons
ltude de systmes de stock du type (R, s, S) deux/multi chelons et deux/multi
dtaillants. Nous nous plaons dans les hypothses o les diffrents cots sont connus
et o la demande client suit une distribution normale. Comme politiques de
transshipment, nous exprimentons la stratgie tout ou rien, le partial pooling et des
variantes du complete pooling. Lobjectif vis est de
dterminer, pour chaque dtaillant et/ou centre de distribution, les paramtres de
gestion s et S minimisant le cot total qui inclut les cots de commande, de
possession, de rupture et de transshipment,
identifier les diffrents facteurs qui influent sur les performances dun systme
de stock avec transshipment et analyser le comportement de celui-ci sous
diverses contraintes,
cerner, de faon gnrale, les conditions sous lesquelles linstrumentation du
transshipment est bnfique.

La prsentation de nos contributions ce sujet fait lobjet de la deuxime partie qui
suit.


Partie 2

Modlisation et rsolution

Dans cette partie, nous proposons dtudier le problme de transshipment
dans trois structures diffrentes de rseau de distribution. En premier temps,
nous dveloppons un modle mathmatique et un modle de simulation-
optimisation dun systme de stock deux chelons et deux dtaillants, avec
cot de transshipment linaire. En deuxime temps, nous nous intressons
traiter un systme de stock deux chelons et dtaillants multiples, avec cot
de transshipment fixe dans lequel nous examinons la sensibilit des politiques
de transshipment aux diffrents paramtres dentre. Finalement, nous
complexifions la structure en tudiant un systme de stock multi chelons et
deux dtaillants, avec cot de transshipment fixe.


Chapitre 4 : Systme deux chelons et deux
dtaillants, avec cot de
transshipment linaire

4.1 Modlisation mathmatique
4.1.1 Description gnrale du problme
4.1.2 Notations et hypothses adoptes
4.1.3 Modle simplifi de (Cohen et al. 88) dun systme sans
transshipment
4.1.4 Passage du modle simplifi de (Cohen et al. 88) un modle deux
dtaillants avec transshipment
4.1.5 Limite de la solution obtenue
4.2 Approche par simulation-optimisation
4.2.1 Analogie des notations utilises entre le modle mathmatique et le
modle de simulation
4.2.2 Les politiques de transshipment utilises
4.2.3 Modle de stock (R, s, S) demandes perdues intgrant le
transshipment
4.2.4 Le problme doptimisation
4.2.5 Rsolution par simulation-optimisation
4.3 Exprimentation
4.3.1 Description du cas dtude
4.3.2 Rsultats gnraux
4.3.3 Systme symtrique vs. systme asymtrique en dlais
dapprovisionnement
4.4 Conclusion

Modlisation et rsolution / Transshipment de deux dtaillants 65

4.1 Modlisation mathmatique
Dans ce chapitre, nous considrons un systme de distribution deux chelons,
compos dun centre de distribution et de deux dtaillants. Nous supposons que le
centre de distribution est mme de livrer les commandes en respectant un dlai fixe
li au dtaillant et ce, quelles quen soient les quantits.
4.1.1 Description gnrale du problme
La politique tudie est celle dun systme de stock (R, s
i
, S
i
) pour chaque dtaillant
i. Selon cette politique, la fin de chaque priode de rvision R (suppose gale une
priode lmentaire), si la position de stock (z
i
=stock disponible+quantit en
commande) se trouve gale ou infrieure s
i
alors une commande est passe vers le
centre de distribution pour ramener la position du stock jusquau niveau de
recompltement S
i
. La quantit de commande est alors exprime comme suit :

=
sinon 0
si
i i i i
i
s z z S
Q
(11)

Les commandes du dtaillant i sont livres par le centre de distribution aprs un dlai
dapprovisionnement de L
i
priodes. Autrement dit, une commande
dapprovisionnement passe la fin de la priode t est livre au dbut de la priode
t+L
i
+1. Un cycle dapprovisionnement est le temps qui scoule entre deux arrives
conscutives de livraisons. chaque ordre dapprovisionnement est associ un cot
de commande fixe K. Les dtaillants traitent les demandes clients pour un seul type
de produit. La demande x
i
chez le dtaillant i durant une priode lmentaire est une
variable alatoire qui suit la distribution normale de moyenne
i
et dcart type
i
.
Nous faisons lhypothse que les demandes chez les dtaillants sont indpendantes et
identiquement distribues (i.i.d). La demande durant un cycle dapprovisionnement
est aussi une variable alatoire que lon note par xc
i
. Quand la demande xc
i
provoque
une rupture (xc
i
suprieure au stock disponible y
i
chez le dtaillant i) et quun
transshipment est effectu depuis le dtaillant j, la quantit de transshipment X
ji
est
fonction de la partie de la demande non satisfaite et du stock disponible y
j
chez le
dtaillant j. Nous supposons galement que le temps de transshipment est nul et que
le cot de transshipment ct est un cot unitaire. Enfin, nous permettons la satisfaction
partielle de la demande par le dtaillant, avec la quantit obtenue par le stock
disponible et le transshipment. Les demandes ou fractions de demandes qui ne
peuvent tre satisfaites par le stock disponible et le transshipment sont perdues et font
lobjet dun cot de rupture cp par unit perdue. Dans tous les cas, le stock disponible
devient gal zro et le restera jusquau prochain approvisionnement. En outre, la
fin de la priode de rvision, le stock restant entrane un cot de possession ch par
unit et par priode.

La modlisation mathmatique que nous dveloppons dans le paragraphe qui suit
concerne un systme de transshipment compos de deux dtaillants identiques en
demandes, dlais (L
i
est remplac par L) et cots. La dmarche que nous avons
choisie est inspire des travaux de (Cohen et al. 88) et (Xu 97). Rappelons que Cohen
et al. ont rsolu un systme de stock (R, s, S) demandes perdues mais en

considrant un seul site de stockage et Xu a trait le problme de transshipment multi
dtaillants dans un systme de stock (s, Q) demandes diffres. Notre objectif est de
commencer par cerner les difficults rencontres dans la rsolution dun petit systme
de distribution utilisant le transshipment afin de dgager des pistes de rsolution pour
les grands systmes de distribution.
4.1.2 Notations et hypothses adoptes
Les notations suivantes sont utilises pour lexpression du modle :
x
i
Demande durant une priode lmentaire chez le dtaillant i (variable
stochastique)
xL
i
Demande durant le dlai dapprovisionnement chez le dtaillant i
(variable stochastique)
xc
i
Demande durant un cycle dapprovisionnement chez le dtaillant i
f
i
(xc
i
) Fonction densit de probabilit (p.d.f) de xc
i

F
i
(xc
i
) Fonction de distribution cumulative (c.d.f) de xc
i

y
j
Niveau du stock chez le dtaillant j au dbut du cycle
dapprovisionnement
j
(y
j
) Fonction densit de probabilit (p.d.f) correspondant y
j

j
(y
j
) Fonction de distribution cumulative (c.d.f) correspondant y
j

z
j
Position du stock chez le dtaillant j au dbut du cycle
dapprovisionnement
u
j
(z
j
) Fonction densit de probabilit (p.d.f) correspondant z
j

SD Taux de service dsir

Systme de stock indpendant (i.e. sans transshipment, qui revient ltude dun seul
dtaillant i)
R(s
i
) Esprance mathmatique de la quantit de rupture chez le dtaillant
durant un cycle dapprovisionnement
) , (
i i
b
S s Taux de service durant un cycle dapprovisionnement du dtaillant
) , (
i i
b
i
S s C Cot total chez le dtaillant

Systme de stock avec transshipment
X
ji
Quantit de transshipment depuis le dtaillant j vers le dtaillant i
durant un cycle dapprovisionnement, ji
E(X
ji
) Esprance mathmatique de la quantit de transshipment depuis le
dtaillant j vers le dtaillant i durant un cycle dapprovisionnement, ji
P(s
i
)

Esprance mathmatique de la demande perdue par le dtaillant i durant
un cycle dapprovisionnement
) , (
i i
a
S s Taux de service durant un cycle dapprovisionnement du dtaillant i
) , (
i i
a
i
S s C Cot total chez le dtaillant i

En outre, nous considrons les hypothses suivantes :
(H
1
) Toute demande ou partie de demande non satisfaite est perdue ;

(H
2
) La demande client est indpendante dans le temps et entre dtaillants.
Cependant, les demandes sont identiquement distribues pour les deux
dtaillants ;
(H
3
) La demande chez un dtaillant i suit toujours la loi normale (distribution
continue) ;
(H
4
) Une seule passation de commande est admise par cycle dapprovisionnement
(ce qui implique S-s>s) ;
(H
5
) Les cots de possession, de rupture et de transshipment sont linaires ;
(H
6
) Le cot de commande est fixe (K) ;
(H
7
) Le temps de transshipment est nul ;
(H
8
) Un seul transshipment est autoris par cycle dapprovisionnement ;
(H
9
) La satisfaction partielle dune demande est permise ;
(H
10
) Le dlai dapprovisionnement (L) entre le centre de distribution et les
dtaillants est constant et identique pour tous les dtaillants ;
(H
11
) La demande xc
i
chez le dtaillant i et le stock disponible y
j
chez le dtaillant j
sont indpendants. En dautres termes, leur distribution commune en
probabilit est gale au produit de leur distribution marginale ; h
ji
(y
j
,
xc
i
)=
j
(y
j
) f
i
(xc
i
). Cette hypothse est importante dans les calculs des
intgrales intervenant dans la modlisation ci-dessous.

Dans les sections suivantes, nous dcrivons dabord la modlisation dun systme de
stock sans transshipment. Puis nous donnons le modle avec transshipment.
4.1.3 Modle simplifi de (Cohen et al. 88) dun systme sans transshipment
Cohen et al. ont dvelopp, dans (Cohen et al. 88), une mthode de rsolution pour le
cas dun dtaillant unique et un systme de stock de type (R, s, S) avec demandes
perdues. Ils ont intgr lundershoot dans la formulation du point de commande.
Rappelons que lors de la passation dune commande, la position du stock est rarement
gale au point de commande mais une valeur au-dessous ; la quantit (u) qui spare
le seuil s et la position de stock est appele undershoot. Lobjectif de Cohen et al. est
de calculer le cot total (commande, possession et rupture) ainsi que le taux de
service durant un cycle dapprovisionnement puis de dduire le cot total par priode.

En nous inspirant de cette dmarche, nous avons tent de reprendre le mme modle
pour le cas de deux dtaillants et de le complter par la prise en compte de la
coopration par transshipment. Cependant, nous avons abouti un modle
mathmatique trs complexe. Pour revenir une complexit acceptable, nous nous
sommes rsolus simplifier le modle de Cohen et al. en considrant lundershoot
comme tant toujours une quantit ngligeable et assimilable zro, ce qui revient
considrer que lors de la passation de commande, la position de stock concide avec
le seuil s. Le modle simplifi devient le suivant :

Quantit de rupture :
Le dtaillant i tombe en rupture de stock si la demande durant le cycle
dapprovisionnement est suprieure au point de commande. Ainsi, lesprance
mathmatique de la quantit de rupture durant un cycle dapprovisionnement est
donne par :

+ +
= =
0
) ( ) ( ] ) ( [ ) (
i i i i i i i i
dxc xc f s xc s xc E s R
(12)
avec ( ) ) , 0 ( max x x =
+

Stock moyen :
Avant larrive dune livraison, le stock disponible est gal ( ) ] [
+
i i
xc s E et la
quantit en commande est de
i i
s S . Le stock aprs larrive dune livraison est alors
gal ( ) ] [
+
+
i i i i
xc s E s S . Ainsi, le stock moyen est :

( ) ( ) 2 / ] [ 2
+
+
i i i i
xc s E s S
(13)

Demande moyenne par cycle :
La demande moyenne par cycle dapprovisionnement est gale la somme de la
quantit commande, du stock rsiduel et de la demande perdue :

( ) ) ( ] [
i i i i i
s R xc s E s S + +
+
(14)

Longueur moyenne dun cycle dapprovisionnement :
tant donne
i
la demande moyenne par priode chez le dtaillant i, la longueur
moyenne dun cycle dapprovisionnement est :

( )
i
i i i i i
s R xc s E s S
) ( ] [ + +
+
(15)

Cot total :
Daprs (Cohen et al. 88), le cot total (commande, possession et rupture) par cycle
dapprovisionnement du dtaillant i est :

|
|
.
|
\
|
+ +
+ + + =
+
+
i
i i i i i
i i i i i i i
b
i
s R xc s E s S
xc s E s S s R cp K S s C
) ( ] ) [(
* ) ] ) [( 2 (
2
ch
) ( ) , (
(16)

Le cot total par priode chez le dtaillant i prend alors la forme suivante :

) ] ) [( 2 (
2
ch
) ( ] ) [(
) (
) , (
+
+
+ +
+ +
+
=
i i i i
i i i i i
i
i i i
b
i
xc s E s S
s R xc s E s S
s R cp K
S s C
(17)

Taux de service :
Si on rapproche la proportion de demande non satisfaite par priode lmentaire de la
proportion de demande non satisfaite durant un cycle dapprovisionnement, le taux de
service est ainsi exprim par (Cohen et al. 88) :

) ( ] ) [(
] ) [(
) ( ] ) [(
) (
1 ) , (
i i i i i
i i i i
i i i i i
i
i i
b
s R xc s E s S
xc s E s S
s R xc s E s S
s R
S s
+ +
+
=
+ +
=
+
+
+
(18)

On pose Q
i
=S
i
-s
i
. Le cot total par priode et le taux de service se reformulent comme
suit :

) ] ) [( 2 (
2
ch
) ( ] ) [(
) (
) , (
' +
+
+ +
+ +
+
=
i i i
i i i i
i
i i i
b
i
xc s E Q
s R xc s E Q
s R cp K
Q s C
(19)

et

) ( ] ) [(
] ) [(
) , (
'
i i i i
i i i
i i
b
s R xc s E Q
xc s E Q
S s
+ +
+
=
+
+
(20)

Le problme doptimisation est alors :

) , (
'
i i
b
i
Q s C Min

Sous contrainte de :
SD Q s
i i
b
) , (
'

Q
i
0, s
i
0 : entiers

Cohen et al. ont dtermin la quantit de commande optimale laide de la drive
partielle du premier ordre du cot total par rapport Q
i
sans tenir compte de la
contrainte de taux de service :

( )
) ( ] ) [(
2 ch
) (
) (
*
i i i
i i
i i
s R xc s E
s R cp K
s Q
+
=
+
(21)

Le problme doptimisation expos ci-dessus requiert une recherche deux
dimensions s
i
et Q
i
et sa rsolution exacte est complique (Cohen et al. 88).
Rappelons que la fonction cot par priode ) , (
'
i i
b
i
Q s C est une fonction K-convexe en s
i

dans tous les cas o Q
i
0 (Wagner et al. 65; Veinott et Wagner 65; Sahin 82). Cohen
et al. ont propos une heuristique (cf. Figure 4.1) pour calculer les valeurs s
i
et Q
i
(s
i
)
et ont prouv sa convergence sous les conditions suivantes :
La fonction )) ( , (
* '
i i i
b
s Q s est croissante en s
i
, pour tout s
i
0.
Puisque Q
i
1 et Q
i
et s
i
sont des entiers, lalgorithme arrondit Q
i
*
(s
i
) lentier
suprieur.


Figure 4.1. Algorithme de (Cohen et al. 88) pour calculer si et Qi

4.1.4 Passage du modle simplifi de (Cohen et al. 88) un modle deux
dtaillants avec transshipment
Comme nous lavons prcis plus haut, nous avons choisi dadapter le modle de
Cohen et al. en le considrant pour le cas dun systme deux dtaillants et en le
compltant par la prise en compte de la coopration par transshipment. Le modle
rsultant devrait nous permettre de cerner certaines caractristiques de la performance
du systme de stock avec transshipment, savoir la quantit de transshipment, la
quantit perdue, le cot total et le taux de service. Nous nous situerons toujours dans
les hypothses explicites en 4.1.2.
4.1.41 Esprance mathmatique de la quantit de transshipment
En cas de rupture chez le dtaillant i durant un cycle dapprovisionnement, la quantit
de transshipment quil peut obtenir auprs du dtaillant j selon la politique complete
pooling est donne par la formule :

( ) ( ) { }
j i i j i ji
y s xc y xc X , min ,
+
=
(22)

Pour calculer lesprance mathmatique de la quantit de transshipment durant un
cycle dapprovisionnement, nous devons connatre les distributions en probabilit de
i
xc et de y
j
. La distribution de la demande est donne par la fonction densit de la loi
normale. On peut trouver la distribution du niveau de stock y
j
en revenant la
relation fondamentale entre le niveau de stock y
j
la priode t (arrive dun ordre
dapprovisionnement), la position de stock z
j
la priode t-L (passation dun ordre
dapprovisionnement) et la demande durant le dlai dapprovisionnement
i
xL (cf.
Figure 4.2). On a :

j j j
xL L t z t y = ) ( ) (
(23)

Algorithm
(i) Set s
i
0
Q
i
Max{1,[ Q
i
*
(s
i
)(}
(ii) Set Q
1
Max{1, Q
i
*
(s
i
+1)(}

Compute = ) , ( ) , 1 (
'
1
'
i i
b
i i
b
i
Q s C Q s C +
If 0 then set
s
i
s
i
+1
Q
i
Q
1

Go back to (ii) and repeat the step until > 0.
(iii) TEST: If SD Q s
i i
b
) , (
'
, go to END, otherwise, continue
(iv) Set s
i
s
i
+1
Q
i
Max{1, Q
i
*
(s
i
+1)(}
Go back to TEST
(v) END: STOP, feasible solution has been obtained

Figure 4.2. Relation entre stock disponible, position de stock et demande durant le dlai
dans un systme de stock (R, s, S) demandes perdues

En rgime stationnaire (i.e. t ) cette quation devient (Xu 97) :
j j j
xL z y =
(24)

Dans notre cas dtude, nous avons suppos que la position de stock z
j
est toujours
comprise entre s
j
et S
j
. La fonction de distribution cumulative (c.d.f) du niveau de
stock y
j
est alors donne par :

| |

= =
=
j
j
j
j j j
S
s
j j j j j j j
S
s y z
j j j j j
j j j j
dz y z F z u dz dxL xL f z u
y Y P y
) ( 1 ) ( ) ( ) (
) ( ) (
(25)

Hill et Johanssen, dans (Hill et Johanssen 06 ; Johansen et Hill 00), ont mentionn
que la distribution de la position de stock dans les modles (s, S) demandes perdues
est difficile dterminer cause du problme dapproximation de u
j
(z
j
) dans
lintervalle o le niveau de stock atteint la valeur zro. Nous en dduisons quil en est
de mme pour la politique (R, s, S) demandes perdues et nous remplaons la
fonction densit de la position de stock (inconnue) par une distribution gnrale
j
(y
j
)
afin de poursuivre la formulation des expressions mathmatiques de notre modle.

En nous basant sur lquation (22) et en prenant
j
(y
j
) comme une distribution
gnrale du niveau de stock, lesprance mathmatique de la quantit de
transshipment durant un cycle dapprovisionnement du dtaillant i peut tre
rapproche par lexpression (26) :

Lgende :
Position de stock
Niveau de stock (et
Position de stock en
cas dgalit)

Cycle
S
s
0
L Temps
R R R
z
j
(t-L)
y
j
(t)
t
xL
j

L

=
=

+
+
sinon ) ( ) (
) ( si ) ( ) ( ) (
) ( ) ( ) , ( ) (
0
0
j j
j
j i
i
j
i i
i
j
y s
i j i i j
S
j j
S s
s
i i j
S
s xc
i j i i j j i i
s
S
i j i i j j j i ji ji
dxc dy xc f y y
s xc y dxc dy xc f y s xc
dxc dy xc f y y xc X X E
(26)

Le premier terme de cette dernire expression signifie que la requte du
transshipment auprs du dtaillant i est compltement satisfaite partir du stock
disponible du dtaillant j. Le deuxime terme de lexpression signifie que la requte
du transshipment auprs du dtaillant i nest que partiellement satisfaite par le stock
disponible chez le dtaillant j.
4.1.42 Esprance mathmatique de la quantit perdue
En permettant les transshipments entre dtaillants, le niveau de stock chez le
dtaillant i durant un cycle nest plus s
i
mais s
i
+X
ji
; i.e. le transshipment durgence
effectu auprs du dtaillant j augmente la disponibilit en stock. Rappelons que la
demande durant le cycle dapprovisionnement chez un dtaillant est indpendante du
niveau de stock de lautre dtaillant et que la quantit de transshipment X
ji
est
toujours infrieure (xc
i
-s
i
). Dautre part, la ralisation du transshipment par la
quantit X
ji
dpend de
i
xc et y
j
. En cas de rupture chez le dtaillant i (i.e. la demande
client surpasse le stock disponible s
i
+X
ji
), lesprance mathmatique de la quantit
perdue du dtaillant i durant un cycle dapprovisionnement est :

) ( ) (
) ( ) ( ) , ( ) ( ) ( ) (
) ( ) ( )) , ( (
] )) ( [( ) (
0 0
0
ji i
s
S
i j i i j j j i ji
s
S
i j i i j j i i
s
S
i j i i j j j i ji i i
ji i i i
X E s R
dxc dy xc f y y xc X dxc dy xc f y s xc
dxc dy xc f y y xc X s xc
X s xc E s P
i
j
i
j
i
j
=
=
=
+ =

(27)

On vrifie bien que la quantit perdue dans un systme avec transshipment est rduite
en comparaison avec celle dun systme indpendant. Il reste valuer limpact sur le
cot total et le taux de service.

4.1.43 Calcul du cot total
La fonction cot de notre systme de stock avec transshipment pour un rseau
comprenant deux dtaillants prend la forme gnrale de lquation (19) avec quelques
modifications. Aux trois cots de rupture, de possession et de commande sajoute,
maintenant, le cot de transshipment qui est linaire en fonction de la quantit de
transshipment.

Demande moyenne par cycle dapprovisionnement :
La demande moyenne par cycle dapprovisionnement du dtaillant i reste invariante
et gale celle dun dtaillant indpendant :
) ( ] ) [(
i i i i i
s R xc s E s S + +
+
(28)

De mme, la longueur moyenne du cycle dapprovisionnement qui en est dduite
reste inchange :
i
i i i i i
i
s R xc s E s S
) ( ] ) [( + +
=
+
(29)

Calcul du cot de possession :
Tenant compte de la possibilit dun transshipment du dtaillant i vers le dtaillant j,
le stock disponible avant larrive dune livraison devient
( ) ] [ ] [
ij i i
X E xc s E
+
. La
quantit moyenne dapprovisionnement restant toujours gale
i i
s S
, le stock
moyen aprs larrive dune livraison devient
( ) ] [ ] [
ij i i i i
X E xc s E s S +
+
. Le cot
de possession par priode est approch par la moyenne des positions minimum et
maximum :

( ) ]) [ ] ) [( ( 2
2
ij i i i i
X E xc s E s S
ch
+
+
(30)

Calcul du cot total :
Le cot de commande reste fixe et gal K. Le cot de rupture devient gal
) (
i
s P cp
au lieu de ) (
i
s R cp et le cot de transshipment svalue
] [
ji
X E ct
. Le cot
total devient :

( ) ( ) ] [ ) ( ) ] [ ] [ ( 2
2
ch
) , (
ji i ij i i i i i i i
a
i
X E ct s P cp K X E xc s E s S S s C + + + + =
+
(31)

En divisant par la longueur moyenne
i
du cycle dapprovisionnement, nous
obtenons le cot total par priode du dtaillant i :

( ) ( ) ( )
i ji i ij i i i i i i
a
i
X E ct s P cp K X E xc s E s S S s C ] [ ) ( ]) [ ] [ ( 2
2
ch
) , ( + + + + =
+
(32)


Lexpression du taux de service durant un cycle dapprovisionnement devient comme
suit :

( )
( )
( ) ) ( ] [
] [ ] [
) ( ] [
) (
1 ) , (
i i i i i
ji i i i i
i i i i i
i
i i
a
s R xc s E s S
X E xc s E s S
s R xc s E s S
s P
S s
+ +
+ +
=
+ +
=
+
+
+
(33)

Comparativement lexpression ) , (
i i
b
S s donnant le taux de service pour un systme
sans transshipment (voir quation (18)), cette nouvelle expression confirme
lvidence que le taux de service ne peut tre quamlior par lintgration du
transshipment latral.

Soit Q
i
=S
i
-s
i
. Le cot total et le taux de service du dtaillant i sont reformuls
comme suit :

( ) ( ) ( )
i ji i ij i i i i i
a
i
X E ct s P cp K X E xc s E Q Q s C ] [ ) ( ]) [ ] [ ( 2
2
ch
) , (
'
+ + + + =
+
(34)

( )
( ) ) ( ] [
) ( ] [
) , (
'
i i i i
ji i i i
i i
a
s R xc s E Q
X E xc s E Q
Q s
+ +
+ +
=
+
+
(35)

Le cot total des deux dtaillants i et j est gal :

( ) ( ) ( )
( ) ( ) ( )
j ij j ji j j j
i ji i ij i i i
j j
a
j i i
a
i j j i i
X E ct s P cp K X E xc s E Q
X E ct s P cp K X E xc s E Q
Q s C Q s C Q s Q s CT
] [ ) ( ]) [ ] [ ( 2
2
ch
] [ ) ( ]) [ ] [ ( 2
2
ch
) , ( ) , ( ) , , , (
' '
+ + + +
+ + + + +
= + =
+
+
(36)

Nous proposons de reformuler lexpression du cot total comme suit :
4 3 2 1
) , , , ( C C C C Q s Q s CT
j j i i
+ + + =
(37)

avec :

( ) ( )
i
i
i i i
s R cp K
xc s E Q C
) (
] [ 2
2
ch
1
+
+ + =
+
(38)

( ) ( )
j
j
j j j
s R cp K
xc s E Q C
) (
] [ 2
2
ch
2
+
+ + =
+
(39)

| | ct cp
X E
C
i
i
ji
+ =
ch
] [
3 (40)

| | ct cp
X E
C
j
j
ij
+ =
ch
] [
4 (41)

Les expressions de C
1
et C
2
reprsentent les cots dans un systme indpendant. Les
expressions de C
3
et C
4
indiquent les cots lis aux transshipments dans les deux sens
(transshipment bidirectionnel). Dans ce cas, les transshipments entre dtaillants
peuvent rduire les cots sous conditions que :

0 ch + ct cp
i
(42)

0 ch + ct cp
j
(43)

Dans la pratique, nous avons 0 > ct cp , du fait que le transshipment est cens apaiser
le cot de rupture. Ainsi, les conditions (42) et (43) sont satisfaites.

A ce stade, il se confirme clairement que le transshipment dune unit depuis le
dtaillant i vers le dtaillant j (ou inversement) a pour consquences :
de rduire le cot de rupture chez le dtaillant j, le cot de rupture chez le
dtaillant i restant le mme.

( ) ] [ ) ( ) (
ij j j
X E s R cp s P cp =

dajouter, en contrepartie, un cot de transshipment gal :

] [
ij
X E ct

de rduire le cot de possession chez le dtaillant i, le cot de possession chez
le dtaillant j restant le mme.

( ) ( ) ]) [ ] [ ( 2
2
ch
ij i i i
X E xc s E Q +
+

Le gain, formul par les expressions C3 et C4, volue avec laugmentation de la
quantit de transshipment. Afin de minimiser le cot total du systme donn par
lquation (36), nous commenons par examiner les points dinflexion (i.e. points o
les drives partielles de premier ordre sannulent). Puisque les notations i et j sont
interchangeables, il suffit de driver, par exemple, par rapport Q
i
.

( ) ) ( ] [
2
)] ]( [ ) ( [
) (
*
i i i
ji i i
i i
s R xc s E
ch
ct cp X E s R cp K
s Q
+ + +
=
+
(44)


Au vu de cette quation, nous remarquons que la quantit de commande dans un
systme avec transshipment est rduite au regard de la quantit de commande dans un
systme sans transshipment (quation (21)). Cette rduction est due la sous
expression
) ( ] [ ct cp X E
ji
+
qui est une quantit ngative. Nous pouvons dduire que,
mme si nous adoptons le mme point de commande retenu pour un systme
indpendant, le transshipment mne une rduction de la quantit de commande et en
consquence un abaissement du niveau de recompltement. Cette quantit de
commande crot avec laugmentation de la demande moyenne (
i
) par priode ainsi
quavec les cots de commande (K) et de rupture (cp) alors quelle dcrot avec
laugmentation du cot de possession (ch).
4.1.5 Limites de la solution obtenue
En fait, ces conclusions sont dduites partir dune tude analytique du modle que
nous avons construit qui, bien que simplifi sur certains aspects, demeure complexe
et trs difficile rsoudre. En particulier, parce que la distribution de la position de
stock est inconnue dans lexpression de lesprance mathmatique de la quantit de
transshipment E[X
ji
], la valeur de
*
i
Q
(quation (44)) ne peut tre dtermine. Ceci
nous conduit recourir une approche par simulation-optimisation qui nous a donn
la possibilit, la fois, de relaxer les hypothses restrictives considres dans le
modle mathmatique et danalyser dune faon plus fine les apports du
transshipment et sa sensibilit diffrents paramtres (cart type, dlai
dapprovisionnement, divers cots) et combinaisons des paramtres.

Nous dcrivons, dans la section suivante, la dmarche de rsolution retenue et le
modle de simulation-optimisation.
4.2 Approche par simulation-optimisation
4.2.1 Analogie des notations utilises entre le modle mathmatique et le
modle de simulation

Modlisation mathmatique Modlisation par simulation
Notation Dsignation Notation Dsignation
x
i
Demande durant une priode
lmentaire chez le dtaillant i
d
i,t
Demande alatoire (loi normale) chez
le dtaillant i la priode t
y
j
Niveau du stock chez le
dtaillant j au dbut du cycle
dapprovisionnement
IL
i
b
,t

IL
i
a
,t

Niveau de stock chez le dtaillant i au
dbut de la priode t
Niveau de stock chez le dtaillant i
la fin de la priode t
z
j
Position du stock chez le
dtaillant j au dbut du cycle
dapprovisionnement
IP
i
b
,t

IP
i
a
,t

Position de stock chez le dtaillant i
au dbut de la priode t
Position de stock chez le dtaillant i
la fin de la priode t
X
ij
Quantit du transshipment
effectue depuis le dtaillant i
vers le dtaillant j durant un
cycle dapprovisionnement
X
i,j,t

Quantit du transshipment effectue
depuis le dtaillant i vers le dtaillant
j durant la priode t

R(s
i
) Esprance mathmatique de la
quantit de rupture chez le
dtaillant i durant un cycle
dapprovisionnement
QR
i,t

Quantit de rupture chez le dtaillant
i la priode t
P(s
i
) Esprance mathmatique de la
demande perdue par le
dtaillant i durant un cycle
dapprovisionnement
QP
i,t

Demande perdue par le dtaillant i
la priode t
Q
i
Quantit de commande passe
par la dtaillant i durant un
cycle dapprovisionnement
Q
i,t

Quantit de commande passe par la
dtaillant i durant la priode t
) , (
i i
b
S s

Taux de service durant un cycle
dapprovisionnement du
dtaillant i dans un systme
indpendant
b

Taux de service sur lhorizon T
priodes du dtaillant i dans un
systme indpendant
) , (
i i
a
S s

Taux de service durant un cycle
dapprovisionnement du
dtaillant i dans un systme
avec transshipment
a

Taux de service sur lhorizon T
priodes des dtaillants dans un
systme avec transshipment
Tableau 4.1. Analogie entre le modle mathmatique et le modle de simulation

Dans ce qui suit, nous allons exposer successivement :
les diffrentes politiques de transshipment explores dans le prsent travail ;
la formulation du modle de stock pour la simulation ;
la fonction objectif pour loptimisation ;
les rsultats numriques des exprimentations effectues.
4.2.2 Les politiques de transshipment explores
Quatre politiques de transshipment ont t explores. Les deux premires (tout ou
rien et complete pooling) sont tires de la littrature (voir chapitre 3). Les deux autres
sont des propositions personnelles qui nous ont parues intressantes en tudier le
comportement.

- La politique tout ou rien :
Le transshipment est effectu selon une dcision tout ou rien. En dautres termes, le
transshipment nest effectu que si le stock disponible chez le dtaillant sollicit est
suffisant pour combler le reste de la demande client chez le dtaillant en rupture de
stock.
< <
<
=
b
t i t i t j
b
t j
b
t i t i
t j
b
t j
b
t i t i
b
t i t i
t i j
IL d d IL ou IL d
d IL IL d IL d
X
, , , , , ,
, , , , , ,
, ,
0 0 si 0
0 si
(45)

- La politique complete pooling :
Selon la politique complete pooling, un dtaillant accepte de transfrer tout son stock
disponible en cas de besoin, mme si ce stock ne suffit pas combler toute la
demande client qui est lorigine de la requte de transshipment.

( ) ( )
)
`
=
< <
<
=
+ +
t j
b
t j
b
t i t i
t j
b
t j
b
t i t i
b
t i t i t j
b
t j t j
b
t j
t j
b
t j
b
t i t i
b
t i t i
t i j
d IL IL d
d IL ou IL d
IL d d L d IL
d IL IL d IL d
X
, , , ,
, , , ,
, , , , , ,
, , , , , ,
, ,
, min
0 ) , 0 max( 0 si 0
0 si
0 si
(46)

- La politique complete pooling conditionn :
Dans le cas o le cot de transshipment est fixe et indpendant de la quantit, nous
proposons une variante de la politique complete pooling que nous appelons complete
pooling conditionn. Cette variante permet dviter la ralisation du complete pooling
de manire systmatique et ce, en introduisant une condition qui tient compte des
diffrents cots de gestion. Nous avons, ainsi, adopt que le complete pooling nest
effectu que si son cot fixe est infrieur la somme des cots de possession et de
rupture pour la mme quantit de transshipment.

{ }
+
=
+
sinon 0
* ) ( si , ) ( min
, , , , ,
, ,
t i j
b
t j
b
t i t i
t i j
X ch cp ct IL IL d
X
(47)

La condition
t i j
X ch cp ct
, ,
* ) ( +
correspond la condition de gain donne par
lexpression (42) pour le pire cas (i.e. 1 =
i
).

- La politique complete pooling plafonn:
Dans cette politique, une capacit maximum (Q
max
) est impose pour le
transshipment. Autrement dit, le complete pooling est effectu si la quantit X
j,i,t
est
infrieure la quantit Q
max
, sinon le transshipment se limitera la quantit Q
max
. En
pratique, la capacit Q
max
peut tre, par exemple, la capacit maximum du moyen de
transport.

( )
( )
|
.
|
\
|

|
.
|
\
|
=
+
+
sinon , min
si , min
max , ,
, , , , max , ,
, ,
Q d IL
d IL IL d Q IL d
X
t j
b
t j
t j
b
t j
b
t i t i
b
t i t i
t i j
(48)

4.2.3 Modle de stock (R, s, S) demandes perdues intgrant le
transshipment
Les modles pour le dtaillant i et le dtaillant j sont identiques moyennant une
permutation de i et de j. Nous ne donnons, donc, que le modle pour le dtaillant i. Ce
modle est spcifi pour T priodes (1, 2, 3, , T). Au dmarrage (i.e. priode 1),

nous supposons quil ny a pas de passation de commande chez les dtaillants et que
le niveau de stock et la position de stock sont initialiss une valeur S
i
0
dtermine
par une heuristique (dtails dans la section 4.2.5). Les priodes sont traites dans
lordre et, chacune delles, nous effectuons la squence des cinq oprations
suivantes :

1- Rception de commande : Au dbut de chaque priode t, si une commande
dapprovisionnement est reue par le dtaillant, alors elle est ajoute au niveau de
stock :
1 , , ,
+
i
L t i
b
t i
b
t i
Q IL IL .

2- Arrive des demandes clients : Deux cas distincts sont considrs pour le calcul du
niveau et de la position de stock. Ainsi, IL
i
b
,t
et IP
i
b
,t
sont actualiss comme suit :
Cas 1: Si
b
t i t i
IL d
, ,
alors
t i
b
t i
b
t i
d IL IL
, , ,
;
t i
b
t i
b
t i
d IP IP
, , ,

Cas 2: Si
t i
b
t i
d IL
, ,
< alors
b
t i t i t i
IL d QR
, , ,
; 0
,
b
t i
IL

; ) , 0 max(
, , , t i
b
t i
b
t i
d IP IP

3- Transshipment : Les dcisions de transshipment et les quantits sont dcides par
la politique de transshipment considre.
Si X
j,i,t
=QR
i,t
alors calculer le cot de transshipment en fonction de X
j,i,t
,
sinon calculer le cot de transshipment en fonction de X
j,i,t
et le cot de rupture en
fonction de QP
i,t
=QR
i,t
-X
j,i,t
.
La position de stock et le niveau de stock aprs le transshipment sont calculs
comme suit :

t j i
b
t i
a
t i
X IP IP
, , , ,
(49)

t j i
b
t i
a
t i
X IL IL
, , , ,
(50)

b
t i,
IP
et
b
t i,
IL
tant leur valeur actualise par lopration 2.
4- Passation de commande : si la position
a
t i,
IP
est au-dessous de s
i
alors
Passer une commande de
t i
Q
,
units (
a
t i i t i
IP S Q
, ,
= ) au centre de distribution
Enregistrer larrive de cette commande pour la priode t+L
i
+1
Calculer le cot de cette commande
A la fin de la priode, calculer la position de stock
t i
a
t i
a
t i
Q IP IP
, , ,
+
.
5- Fin de traitement de priode :
Calculer le cot de possession sur la base du niveau de stock
a
t i,
IL
la fin de la
priode
Calculer le cot total pour la priode (cot de commande+cot de possession+cot
de rupture+cot de transshipment)
Mettre jour le niveau de stock et la position de stock :

1 ,..., 1 ;
, 1 ,
=
+
T t IL IL
a
t i
b
t i
(51)

1 ,..., 1 ;
, 1 ,
=
+
T t IP IP
a
t i
b
t i
(52)

Les expressions (51) et (52) traduisent lquilibre des stocks dans le temps.

Ce modle de gestion de stock avec transshipment, pour deux dtaillants, est
implment sous forme dun tableur Excel
TM
.

Nous dcrivons ci-aprs le modle doptimisation correspondant.
4.2.4 Le problme doptimisation
Les variables de dcision :
Dans notre modle doptimisation, nous cherchons dterminer, pour chaque
dtaillant i, le point de commande s
i
et le niveau de recompltement S
i
.

La fonction objectif :
Lobjectif est de minimiser le cot total du systme de distribution sur un horizon de
temps fini de T priodes. Ce cot inclut les cots de commande, de possession, de
rupture et de transshipment :

|
|
|
|
.
|
\
|
|
|
|
.
|
\
|
|
|
.
|
\
|
+ + + =

= = =
=
2
1 1
2
, 1
, , , ,
2 , 1
) , (
) ( ) ( ) ( min ) (
,
i
T
t i j j
t i j
a
t i t i
i
S s
X E ct QP E cp IL E ch B K CT E
t i
i i
(53)

avec

=
sinon 0
) si dit, (autrement t priode la commande une passe i dtaillant le si 1
,
,
i
a
t i
t i
s IP
B

Les contraintes :
0
i
s : entier positif ou nul (54)
1
i
S : entier positif (55)

Par ailleurs, nous cherchons dterminer les paramtres (s
i
, S
i
) qui minimisent le
cot total et ce, sous contrainte de la satisfaction du taux de service dsir minimum
SD.
SD
a
(56)

avec

= = = =
=
2
1 1
,
2
1 1
,
) ( 1
i
T
t
t i
i
T
t
t i
a
d QP E
(57)

4.2.5 Rsolution par simulation-optimisation
4.2.51 Modle de simulation retenu
La rsolution du problme repose fondamentalement sur le comportement
probabiliste des demandes clients. Il sagit dune distribution continue qui suit la loi
normale. Parmi les techniques dchantillonnage qui permettent une exploration des
demandes clients, nous avons retenu la simulation de Monte Carlo. Le principe est de
slectionner, pour chaque demande, des valeurs alatoires dtermines selon une

moyenne et un cart-type. De plus, la demande est gnre de manire indpendante
dans le temps et entre dtaillants.

La simulation permet de mesurer les performances du systme. Cependant, notre
objectif est celui de loptimisation. Il nous faut, donc, complter la simulation par une
tape doptimisation, ce que nous avons choisi de raliser par lOptQuest du logiciel
Crystal Ball 7.2.
4.2.52 Calcul des valeurs initiales de la politique (R, s, S)
Avant dentamer la rsolution du problme d'optimisation avec la simulation, une
phase dinitialisation est ncessaire. Nous supposons que les dtaillants contrlent
leur stock de manire indpendante et nous dterminons, pour chaque dtaillant i, les
valeurs (s
i
0
, S
i
0
). Daprs (Silver et al. 98) et (Ehrhardt et Mosier 84), le point de
commande bas sur un cot de rupture spcifi est exprim par :

1 , 1 ,
0
+ +
+ =
i i
L i i L i i
k s
(58)
avec
) 1 (
1 ,
+ =
+ i i L i
L
i

,
) 1 (
1 ,
+ =
+ i i L i
L
i

Le facteur de scurit k
i
tant dtermin par la formule :
cp ch
ch
k P
i u
+
=
) (
(59)

Finalement, la valeur initiale du niveau de recompltement est dtermine comme
suit :
EOQ s S
i i
+ =
0 0
(60)
avec
ch
K
EOQ
i
2
= : Quantit conomique de commande
4.2.53 Procdure de recherche
La procdure que nous proposons consiste dterminer, dans un espace de recherche
multi dimensions, les paramtres (s
i
, S
i
), pour chaque dtaillant i, minimisant le cot
total (Tlili et al. 08a). Nous dlimitons cet espace par des intervalles : s
i
[LB
1,i
,
UB
1,i
] et S
i
[LB
2,i
, UB
2,i
]. Les bornes de ces intervalles sont choisies comme suit :
bornes infrieures : LB
1,i
=
i
L
i
et LB
2,i
=
i
(L
i
+1) ;
bornes suprieures : UB
1,i
= s
i
0
et UB
2,i
= S
i
0
(solutions analytiques obtenues par
lheuristique de (Silver et al. 98)).

Nous avons considr ces bornes infrieures au lieu de celles donnes par les
quations (54) et (55) et ce, dans le but de rduire lespace de recherche des
combinaisons (s
i
, S
i
). Ces valeurs sont galement intressantes du fait que les bornes
infrieures ne vrifient pas la contrainte du taux de service cibl alors que cette
contrainte est satisfaite par les bornes suprieures (par comparaison aux quations
(58) et (60)). Ainsi, nous sommes srs que la solution optimale de (s
1
, S
1
)*(s
2
, S
2
)
minimisant le cot total, pour les deux dtaillants, se trouve dans ces intervalles.

Dun autre ct, et comme nous lavons rapport dans le chapitre 2 (2.4.2), les
chercheurs saccordent sur le fait que le critre de minimisation du cot total pour la
politique (R, s, S) dun seul dtaillant nest pas une fonction convexe (i.e. prsente
plusieurs minima locaux distincts). Par consquent, nous devons pousser notre
recherche pour dterminer loptimum global dans ces intervalles. Or, le nombre des
couples possibles (s
i
, S
i
) dans lespace de recherche est trs important. Pour une
couverture moindres itrations, nous droulons la procdure de recherche en deux
tapes. La premire tape value, selon un schma prdfini dans lOptQuest du
logiciel Crystal Ball 7.2 (cf. Annexe), les combinaisons (s
i
, S
i
) dans les intervalles
[LB
1,i
, UB
1,i
] et [LB
2,i
, UB
2,i
] avec un pas de discrtisation gal 5. A lissue de cette
tape, nous retenons la solution qui satisfait le taux de service dsir avec le moindre
cot. Soit (s
1
, S
1
)*(s
2
, S
2
) cette solution. La deuxime tape effectue la recherche
autour de cette solution laide de lOptQuest, dans un intervalle 5, et avec un pas
de discrtisation gal l :
LB
1,i
= s
i
-5 ; UB
1,i
=s
i
+5
LB
2,i
= S
i
-5; UB
2,i
= S
i
+5
A la fin de cette tape, nous retenons, pour chaque dtaillant, la meilleure des
solutions obtenues.

Cette procdure peut tre applique aussi bien un systme sans transshipment (ce
qui revient ltude du cas dun seul dtaillant) qu un systme avec transshipment
ayant deux dtaillants.

Il convient, ici, dapporter les prcisions suivantes :
1- Pour un systme sans transshipment, la deuxime tape de notre procdure va
sappliquer 11*11 couples de valeurs (s, S). LOptQuest va pouvoir les valuer
toutes et dterminer la combinaison optimale.
Par contre, pour un systme avec transshipment et deux dtaillants, la deuxime
tape de la procdure va concerner un espace de (11*11)
2
valeurs, soit plus de
10 000 combinaisons de couples de valeurs (s
1
, S
1
)*(s
2
, S
2
). Dans ce cas, OptQuest
va procder par chantillonnage limit 1000 combinaisons et fournir comme
rsultat la combinaison qui minimise le cot total tout en satisfaisant le seuil
minimum du taux de service dsir. On parle alors de meilleure solution obtenue
(i.e. best solution) et non de solution optimale.
2- A notre connaissance, les travaux de la littrature ayant trait du transshipment ont
valu lapport de celui-ci en comparant leurs rsultats ceux obtenus par des
heuristiques dterminant (s, S) dans le cas dun seul dtaillant (par exemples, les
heuristiques proposes par (Ehrhardt et Mosier 84 ; Schneider et Ringuest 90 ;
Silver et al. 98)).
Dans notre cas, nous entendons effectuer des comparaisons plus prcises, dans la
mesure o les meilleures solutions obtenues pour des systmes avec transshipment
vont pouvoir tre compares des combinaisons optimales values par
simulation-optimisation pour un systme sans transshipment.
3- En dfinitive, notre dmarche globale va consister, dabord, de partir de la solution
analytique (s
0
, s
0
+EOQ) propose par Silver et al. pour calculer avec notre
procdure de simulation-optimisation la combinaison optimale (s, S) dans le cas
sans transshipment, puis dutiliser cette combinaison optimale comme solution
initiale pour obtenir une meilleure solution dans le cas du transshipment avec la
politique du complete pooling ou avec la politique du tout ou rien.

4.3 Exprimentation
4.3.1 Description du cas dtude
Rappelons que la structure du rseau considr dans ce chapitre est compose dun
centre de distribution alimentant deux dtaillants. Nous avons suppos que les deux
dtaillants sont confronts des demandes alatoires identiques en moyenne et cart
type et que les dlais dapprovisionnement peuvent tre identiques ou diffrents.
Nous avons tudi la rsolution de ce cas dtude via la procdure de simulation-
optimisation en testant successivement les politiques de transshipment complete
pooling et tout ou rien .

Ainsi, 30 exemples diffrents ont t valus dont les paramtres dentre sont
dtaills dans le tableau 4.2. Ces exemples ont t construits par la combinaison des
dlais (identiques/diffrents), des cots de rupture et de transshipment
(gaux/diffrents) et des demandes clients stochastiques (loi normale avec
i
et
i
identiques). Aussi, nous avons considr dans tous ces exemples :
Service dsir : SD=98%,
Cot de possession : ch =1,
Cot de transshipment : ct =10,
Cot de commande : K =100,
Horizon de planification : T=100.
Ce qui a conduit au final 80 problmes (30 sans transshipment, 30 avec complete
pooling et 20 avec tout ou rien).

Exemples L
1
L
2

i
,
i
cp respectifs des exemples
1-5 1 1 40,10 100, 75, 50, 25, 10
6-10 1 1 40,20 100, 75, 50, 25, 10
11-15 3 3 40,10 100, 75, 50, 25, 10
16-20 3 3 40,20 100, 75, 50, 25, 10
21-25 1 3 40,10 100, 75, 50, 25, 10
26-30 1 3 40,20 100, 75, 50, 25, 10
Tableau 4.2. Paramtres dentre des modles de simulation

Avec les valeurs de
i
mentionnes dans ce tableau, nous obtenons, pour les bornes
infrieures, les valeurs portes dans le tableau 4.3.

LB
1,i
pour s
i
LB
2,i
pour S
i

L
i
=1 40 80
L
i
=3 120 160
Tableau 4.3. Bornes infrieures pour les paramtres (si, Si)

Le tableau 4.4 donne les seuils (s, S) calculs selon (Silver et al. 98) et les seuils
obtenus par simulation. Sur ce tableau, nous constatons que, pour tous les exemples,
les estimations calcules par (Silver et al. 98) ( 4.2.52) ont t amliores par notre
procdure de simulation-optimisation. Cette amlioration est de 17% en moyenne

pour s et de 18% en moyenne pour S dans un systme sans transshipment. Aussi, les
valeurs obtenues (s, S) dans les systmes avec transshipment se trouvent bien incluses
dans les intervalles dlimits par les bornes infrieures et les bornes suprieures
proposes. Il faut rappeler que Silver et al. a adopt pour ses calculs le modle de
Wilson (cf. Tableau 4.5) selon lequel la valeur de S est approche par une quantit
conomique de commande ajoute la valeur dtermine pour s. Dans nos travaux,
notre procdure de simulation-optimisation nous a donn la possibilit de dterminer
sparment les valeurs pour s et S.

Exemple
Solutions analytiques
selon (Silver et al. 98)

Solutions par simulation-optimisation
Sans transshipment Complete pooling Tout ou rien
k s S s S s S s S
cp=100
L
i
=1,
i
=10
2,33
113 202 95 155 83,5 145 85 145
L
i
=1,
i
=20 146 235 119 195 97,5 176,5 101 184,5
L
i
=3,
i
=10 207 296 184 244 169 230,5 172 232
L
i
=3,
i
=20 253 342 219 303 195 275,5 197 278
cp=75
L
i
=1,
i
=10
2,22
111 200 93 153 82,5 144 83,5 145
L
i
=1,
i
=20 143 232 116 192 97 175 98,5 187
L
i
=3,
i
=10 204 293 180 242 168 230,5 171 232
L
i
=3,
i
=20 249 338 213 298 192 272,5 194,5 275,5
cp=50
L
i
=1,
i
=10
2,06
109 198 90 150 80,5 142,5 82 143,5
L
i
=1,
i
=20 138 227 111 187 94,5 174 95,5 184,5
L
i
=3,
i
=10 201 290 176 238 165,5 228 168,5 229
L
i
=3,
i
=20 242 331 207 291 187 268 193 275
cp=25
L
i
=1,
i
=10
1,77
109 198 83 146 77,5 141 78,5 142,5
L
i
=1,
i
=20 130 219 99 178 89,5 169,5 92 170
L
i
=3,
i
=10 195 284 168 230 163 227 163 227
L
i
=3,
i
=20 231 320 192 268 181,5 261,5 183,5 263,5
cp=10
L
i
=1,
i
=10
1,34
99 188 74 139 74 139 74 139
L
i
=1,
i
=20 118 207 93 172 85 166,5 85 165
L
i
=3,
i
=10 187 276 159 222 159 221 159 220,5
L
i
=3,
i
=20 213 302 189 267 173,5 253,5 173,5 252,5
i=40, ch =1, ct =10, K =100

Tableau 4.4. Dtermination des seuils (s, S) pour les politiques sans transshipment et avec
transshipment

Hypothses de Wilson Nos hypothses
Demande connue et constante Demande alatoire
Dlai dapprovisionnement nul Dlai dapprovisionnement non nul
Rupture interdite Demande peut tre perdue
Cot de commande fixe Cot de commande fixe
Cot de possession par unit et par priode Cot de possession par unit et par priode
Tableau 4.5. Comparaison des hypothses entre notre modle et celui de Wilson


4.3.2 Analyse des apports du transshipment
Les mesures de performance que nous avons considres dans lvaluation de lapport
du transshipment sont :
- Le nombre de commandes dapprovisionnement, not par Nb_cds.
- Le taux de service global chez les dtaillants :

= = = =
=
2
1 1
,
2
1 1
,
) ( 1
i
T
t
t i
i
T
t
t i
a
d QP E
(61)

- Le cot total chez les dtaillants : E(CT)
- Le taux de transshipment chez les dtaillants :
( )

= = = =
=
2
1 i
T
1 t
t i,
2
1 i
T
1 t
TR QP d X
i,t i,j,t
(62)

Les rsultats des diffrentes simulations sont rapports dans les tableaux 4.5 4.10.
Nous allons les commenter en trois tapes. En premire tape, nous comparons les
rsultats des systmes avec transshipment vs. ceux du systme sans transshipment. En
deuxime tape, nous examinons, pour les 20 premiers exemples, les performances de
la politique complete pooling vs. celles de la politique tout ou rien. En troisime
tape, nous commentons, pour tous les exemples, leffet de lcart type de la demande
(
i
) ainsi que leffet du dlai dapprovisionnement (L
i
) sur les performances dun
systme avec transshipment.
4.3.21 Systme avec transshipment vs. systme sans transshipment
Le tableau 4.6 situe les rsultats de lvaluation des performances des politiques de
transshipment complete pooling et transshipment tout ou rien par rapport ceux de la
politique sans transshipment. Nous constatons, dabord, que ces rsultats vrifient
ceux dj obtenus par le modle mathmatique au paragraphe 4.1.4, pour un systme
de stock deux dtaillants identiques et indpendamment des valeurs de
i
et L
i,

savoir que :
les seuils (s, S) dcroissent avec la rduction du cot de rupture (cf. quation
(44) et Tableau 4.5).
lorsque la condition ct<ch+cp est vrifie de faon nette, les politiques avec
transshipment sont plus avantageuses que la politique sans transshipment. Elles
diminuent les seuils (s, S) et le cot total moyen en mme temps quelles
amliorent le taux de service.

Des cas limites apparaissent quand le cot de transshipment avoisine le cot de
rupture. Dans lexprimentation que nous avons effectue, nous avons constat ces
cas limites sur deux exemples o cp=ct. Pour ces deux exemples, nous avons obtenu
quasiment les mmes seuils s et S avec, cependant, un lger avantage la politique
sans transshipment sur le plan du cot total contre un lger avantage pour les
politiques avec transshipment sur le plan du taux de service. Lanalyse fine nous a
permis de relever les chiffres suivants :


Sur lexemple 5 dans le tableau 4.5 : cas de deux dtaillants avec cp=ct=10,
i
=10, L
i
=1, K=100, T=100, la simulation a fourni les valeurs moyennes
suivantes :
o Nombre de commandes sans transshipment = 92.35
Nombre de commandes avec transshipment en complete pooling=
92.98 (+0.68%)
Nombre de commandes avec transshipment en tout ou rien = 92.89 (+0.58%)
o Cot de commande sans transshipment = 9235
Cot de commande avec transshipment en complete pooling = 9298 (+0.68%)
Cot de commande avec transshipment en tout ou rien = 9289 (+0.58%)
o Cot de possession sans transshipment = 7907
Cot de possession avec transshipment en complete pooling = 7654 (-3.19%)
Cot de possession avec transshipment en tout ou rien = 7679 (-2.88%)
o Cot de rupture sans transshipment = 1567
Cot de rupture avec transshipment en complete pooling = 251 (-83.98%)
grce lapport dun cot moyen de transshipment = 1599
Cot de rupture avec transshipment en tout ou rien = 388 (-75.24%) grce
lapport dun cot moyen de transshipment = 1457.

Sur lexemple 15 dans le tableau 4.5 : cas de deux dtaillants avec cp=ct=10,
i
=10, L
i
=3, K=100, T=100, la simulation a fourni les valeurs moyennes
suivantes :
o Nombre de commandes sans transshipment = 93,74
Nombre de commandes avec transshipment en complete pooling = 95.17
(+1.53%)
Nombre de commandes avec transshipment en tout ou rien = 95.55 (+1.93%)
o Cot de commande sans transshipment = 9374
Cot de commande avec transshipment en complete pooling = 9517 (+1.53%)
Cot de commande avec transshipment en tout ou rien = 9555 (+1.93%)
o Cot de possession sans transshipment = 9442
Cot de possession avec transshipment en complete pooling = 8824 (-6.55%)
Cot de possession avec transshipment en tout ou rien = 8815 (-6.64%)
o Cot de rupture sans transshipment = 1568
Cot de rupture avec transshipment en complete pooling = 315 (-79.91%)
grce lapport dun cot moyen de transshipment = 1929
Cot de rupture avec transshipment en tout ou rien = 492 (-68.62%) grce
lapport dun cot moyen de transshipment = 1680.

Nous constatons, travers ces chiffres, que le cot de possession a tendance
diminuer (ce qui sexplique par le fait que le transshipment diminue les stocks), alors
que le nombre des commandes a tendance augmenter (ce qui sexplique par le
rflexe de lapprovisionnement ragir face un coulement plus rapide des stocks).
Ces tendances restent nanmoins peu significatives. Quant au cot du transshipment
qui apparat comme tant lgrement suprieur au cot de rupture sans transshipment,
il sexplique par un surplus apport au taux de service.

Fait trs rassurant souligner est que laugmentation de lcart type redonne un
avantage net aux politiques avec transshipment (cas des exemples 10 et 20 obtenus,
respectivement, partir des exemples 5 et 15 en faisant passer
i
de la valeur 10 la

valeur 20). Lincertitude sur la demande donne, donc, de lintrt la politique de
transshipment.

%Diff
Complete pooling vs. Sans transshipment Tout ou rien vs. Sans transshipment
s S
) (CT E
Nb_cds s S
) (CT E
Nb_cds
Exemple cp=100
1 : L
i
=1,
i
=10 -12,11 -6,45 0,08 -10,31 -2,04 -10,53 -6,45 0,05 -8,86 -1,02
6 : L
i
=1,
i
=20 -18,07 -9,49 0,14 -14,73 -1,25 -15,13 -5,38 0,12 -12,86 -6,25
11 : L
i
=3,
i
=10 -8,15 -5,53 0,11 -12,03 -2,04 -6,52 -4,92 0,09 -10,43 -1,02
16 : L
i
=3,
i
=20 -10,96 -9,08 0,23 -16,71 4,05 -10,05 -8,25 0,16 -14,44 4,05
cp=75
2 : L
i
=1,
i
=10 -11,29 -5,88 0,12 -9,56 -2,04 -10,22 -5,23 0,09 -8,37 -2,04
7 : L
i
=1,
i
=20 -16,38 -8,85 0,21 -13,9 -1,25 -15,09 -2,6 0,19 -11,97 -10
12 : L
i
=3,
i
=10 -6,67 -4,75 0,19 -11,06 -1,04 -5 -4,13 0,17 -9,69 0
17 : L
i
=3,
i
=20 -9,86 -8,56 0,34 -15,55 4,05 -8,69 -7,55 0,27 -13,46 4,05
cp=50
3 : L
i
=1,
i
=10 -10,56 -5 0,21 -8,31 -2,04 -8,89 -4,33 0,18 -7,34 -2,04
8 : L
i
=1,
i
=20 -14,86 -6,95 0,36 -12,18 -2,5 -13,96 -1,34 0,31 -10,37 -10
13 : L
i
=3,
i
=10 -5,97 -4,2 0,29 -9,37 -1,04 -4,26 -3,78 0,27 -8,27 1,04
18 : L
i
=3,
i
=20 -9,66 -7,9 0,47 -13,48 4,05 -6,76 -5,5 0,47 -11,65 2,7
cp=25
4 : L
i
=1,
i
=10 -6,63 -3,42 0,56 -5,41 0 -5,42 -2,4 0,49 -4,74 0
9 : L
i
=1,
i
=20 -9,6 -4,78 1,01 -8,05 0 -7,07 -4,49 0,89 -7,04 1,28
14 : L
i
=3,
i
=10 -2,98 -1,3 0,76 -5,7 -2,08 -2,98 -1,3 0,63 -5,07 -2,08
19 : L
i
=3,
i
=20 -5,47 -2,43 1,29 -8,45 -2,5 -4,43 -1,68 1,11 -7,51 -2,5
cp=10
5 : L
i
=1,
i
=10 0 0 1,67 0,49 1,09 0 0 1,5 0,55 1,09
10 : L
i
=1,
i
=20 -8,6 -3,2 1,52 -1,18 -2,56 -8,6 -4,07 1,16 -1,28 -1,28
15 : L
i
=3,
i
=10 0 -0,45 1,59 0,99 0 0 -0,68 1,36 0,77 2,13
20 : L
i
=3,
i
=20 -8,2 -5,06 1,17 -2,79 -1,28 -8,2 -5,43 0,66 -3,23 0
i=40, ch =1, ct =10, K =100

Tableau 4.6. valuation des performances des politiques "avec transshipment" vs. "sans
transshipment", L1=L2

4.3.22 Complete pooling vs. Tout ou rien
Les valeurs comparatives obtenues par simulation pour les deux politiques complete
pooling et tout ou rien sont rapportes dans le tableau 4.7.

Dans la majorit des cas, ces valeurs confirment lvidence de lavantage de la
politique complete pooling sur le plan de la rduction des seuils et sur le plan de la
rduction du cot total et ce, pour des taux de service quasi identiques. Nous
constatons que le passage dun cart type de 10 20 avec L
i
=1 fait augmenter le
nombre de commandes. Ceci peut sexpliquer par la diminution du niveau de
recompltement (S) qui conduit normalement passer des commandes avec de petites
quantits et de faon plus frquente.

Nous observons aussi, dans les exemples 10, 15 et 20 o cp=ct, que la politique tout
ou rien a un trs lger avantage en cot total avec des seuils de stock quasi
identiques. Ceci sexplique par le fait que le complete pooling est moins contraignant
que le tout ou rien et, quand cp=ct, tout transshipment va engendrer un surcot
dapprovisionnement et donc une augmentation du cot total. Cela est moins sensible
dans le cas de lexemple 5. En fait, en passant de lexemple 5 nimporte lequel des
exemples 10, 15 et 20, on fait augmenter les taux de transshipment, soit parce que on
augmente lincertitude sur la demande (
i
=1020) soit parce que on augmente les
dlais dapprovisionnement (L
i
=13).

%Diff
Complete pooling vs. Tout ou rien
s S
) (CT E

Nb_cds TR
Exemple cp=100
1 : L
i
=1,
i
=10 -1,80 0,00 0,03 -1,62 -1,04 15,31
6 : L
i
=1,
i
=20 -3,59 -4,53 0,02 -2,19 5,06 21,18
11 : L
i
=3,
i
=10 -1,78 -0,65 0,02 -1,82 -1,04 28,02
16 : L
i
=3,
i
=20 -1,03 -0,91 0,06 -2,73 0,00 19,99
cp=75
2 : L
i
=1,
i
=10 -1,21 -0,69 0,03 -1,32 0,00 17,55
7 : L
i
=1,
i
=20 -1,55 -6,86 0,03 -2,24 8,86 23,32
12 : L
i
=3,
i
=10 -1,79 -0,65 0,02 -1,54 -1,05 26,64
17 : L
i
=3,
i
=20 -1,30 -1,10 0,07 -2,48 0,00 22,71
cp=50
3 : L
i
=1,
i
=10 -1,86 -0,70 0,03 -1,06 0,00 20,55
8 : L
i
=1,
i
=20 -1,06 -6,03 0,06 -2,06 7,69 20,77
13 : L
i
=3,
i
=10 -1,81 -0,44 0,02 -1,22 -2,11 28,54
18 : L
i
=3,
i
=20 -3,21 -2,61 0,00 -2,12 1,30 33,11
cp=25
4 : L
i
=1,
i
=10 -1,29 -1,06 0,07 -0,71 0,00 14,73
9 : L
i
=1,
i
=20 -2,79 -0,29 0,12 -1,09 -1,28 20,87
14 : L
i
=3,
i
=10 0,00 0,00 0,13 -0,66 0,00 11,51
19 : L
i
=3,
i
=20 -1,10 -0,76 0,18 -1,03 0,00 21,23
cp=10
5 : L
i
=1,
i
=10 0,00 0,00 0,17 -0,06 0,00 8,75
10 : L
i
=1,
i
=20 0,00 0,90 0,35 0,11 -1,32 11,53
15 : L
i
=3,
i
=10 0,00 0,23 0,22 0,22 -2,13 12,73
20 : L
i
=3,
i
=20 0,00 0,39 0,50 0,45 -1,30 16,86
i=40, ch =1, ct =10, K =100

Tableau 4.7. valuation des performances de complete pooling vs. tout ou rien

4.3.23 Effets de lcart type et du dlai dapprovisionnement
Nous tudions, pour les politiques complete pooling et tout ou rien, les effets de
lcart type de la demande et du dlai dapprovisionnement sur les performances dans
les systme de stock dtaillants identiques en cart type et dlai
dapprovisionnement et dans les systmes de stock dtaillants identiques en cart
type mais non identiques en dlai dapprovisionnement.


En fait, les rsultats que nous avons obtenus pour le tout ou rien ont confirm les
mmes tendances que nous avons constates sur les rsultats obtenus pour le
complete pooling. Ce pourquoi, nous nous contentons, ici, de prsenter et commenter
les rsultats du complete pooling uniquement.
4.3.231 Effet de lcart type de la demande
Nous examinons, dans un systme dtaillants identiques, limpact de la variation de
lcart type
i
de 10 20 en fixant le dlai dapprovisionnement L
i
une priode ou
3 priodes.

Les rsultats de simulation prsents dans les tableaux 4.8 et 4.9 montrent quune
variation leve de la demande agit principalement sur laugmentation des seuils (s,
S) en valeurs et en diffrences (S-s) et conduit, par consquent, une rduction du
nombre de commandes avec des taux de service presque proches.

Fait remarquable est que, en passant de
i
=10
i
=20, les seuils s et S augmentent de
faon lgrement diffrente vis--vis de la variation du cot de rupture cp=10010,
en maintenant, dans tous les cas, la mme diffrence S-s.

i=40, ch =1, ct =10, K =100
Tableau 4.8. Sensibilit des paramtres de stock lcart type

4.3.232 Effet du dlai dapprovisionnement
Nous examinons, dans un systme dtaillants identiques, limpact de la variation du
dlai dapprovisionnement L
i
dune priode 3 priodes en fixant lcart type
i
10
ou 20. Les rsultats exposs dans le tableau 4.10 montrent que lallongement du
dlai dapprovisionnement provoque laugmentation des seuils s et S avec un taux
plus important pour s que pour S. Pour lexprimentation que nous avons effectue, le
passage de L
i
de 1 3 fait augmenter approximativement s de 100% et S de 60%.
Cette augmentation des seuils conduit une augmentation des cots de possession et,
donc, du cot total. Le nombre moyen de commandes reste sensiblement le mme.

Exemple
Complete pooling
s S
a

i
=10
i
=20 %Diff
i
=10
i
=20 %Diff
i
=10
i
=20 %Diff
cp L
1
=L
2
=1
100 83,5 97,5 16,77 145 176,5 21,72 99,93 99,86 -0,07
75 82,5 97 17,58 144 175 21,53 99,92 99,85 -0,07
50 80,5 94,5 17,39 142,5 174 22,11 99,88 99,8 -0,08
25 77,5 89,5 15,48 141 169,5 20,21 99,81 99,66 -0,15
10 74 85 14,86 139 166,5 19,78 99,69 99,5 -0,19
L
1
=L
2
=3
100 169 195 15,38 230,5 275,5 19,52 99,88 99,84 -0,06
75 168 192 14,29 230,5 272,5 18,22 99,89 99,79 -0,1
50 165,5 187 12,99 228 268 17,54 99,83 99,69 -0,14
25 163 181,5 11,35 227 261,5 15,2 99,79 99,51 -0,28
10 159 173,5 9,12 221 253,5 14,71 99,61 99,15 -0,46

i=40, ch =1, ct =10, K =100
Tableau 4.9. Sensibilit des performances lcart type

%Diff
Exemple
s S
a

) (CT E

Nb_cds TR
cp
1
=
2
=10
100 102,4 58,97 -0,03 10,65 0 36,62
75 103,64 60,07 -0,03 10,44 -1,04 30,51
50 105,59 60 -0,05 10,27 -1,04 32,24
25 110,32 60,99 -0,02 9,86 0 16,66
10 114,86 58,99 -0,08 9,49 1,08 20,48

1
=
2
=20
100 100 48,12 -0,05 16,39 -2,53 21,42
75 97,94 55,71 -0,06 16,34 -2,53 23,54
50 97,88 54,02 -0,11 15,96 -1,28 30,36
25 102,79 54,28 -0,15 15,26 0 23,32
10 104,12 52,25 -0,35 14,25 1,32 31,61
i=40, ch =1, ct =10, K =100
Tableau 4.10. Sensibilit des performances au dlai dapprovisionnement

4.3.233 Systme symtrique vs. systme asymtrique en dlais dapprovisionnement
Nous examinons le complete pooling dans les systmes o les dtaillants sont
identiques/diffrents en dlais dapprovisionnement. Nous dsignons tout systme
identique en dlais par systme symtrique et tout systme non identique en dlais
par systme asymtrique. Pour les systmes symtriques, nous notons, par S1, le
cas du systme o L
i
=1 (i=1, 2) et, par S2, le cas du systme o L
i
=3 (i=1, 2). Le
systme asymtrique est not par S3 pour le cas o L
1
=1 et L
2
=3. De plus, afin de
pouvoir comparer ces deux systmes, nous considrons les seuils totaux de stocks
Tot_s=s
1
+s
2
et Tot_S=S
1
+S
2
.

Exemple
Complete pooling
) (
t
CT E
Nb_cds TR
i
=10
i
=20 %Diff
i
=10
i
=20 %Diff
i
=10
i
=20 %Diff
cp L
1
=L
2
=1
100 197,16 237,80 20,61 96 79 -17,71 1,52 2,76 81,81
75 195,68 234,45 19,81 96 79 -17,71 1,72 3,16 83,89
50 193,67 230,79 19,16 96 78 -18,75 2,14 3,69 72,47
25 190,74 225,58 18,27 94 78 -17,02 2,87 5,01 74,49
10 188,02 220,59 17,32 93 76 -18,28 4 6,42 60,78
L
1
=L
2
=3
100 218,17 276,58 26,77 96 77 -19,79 2,07 3,35 61,59
75 216,12 272,76 26,21 95 77 -18,95 2,24 3,9 74,08
50 213,56 267,63 25,32 95 77 -18,95 2,83 4,81 70,02
25 209,54 260,01 24,08 94 78 -17,02 3,35 6,18 84,45
10 205,85 252,02 22,43 94 77 -18,09 4,81 8,45 75,64

Performances
L
1
=L
2
=1 (S1) L
1
=L
2
=3 (S2) L
1
=1, L
2
=3 (S3)
%Diff S3 vs. S1 %Diff S3 vs. S2
Units %Diff Units %Diff
cp=100
Tot_s 167 338 253 86 51,50 -85 -25,15
Tot_S 290 461 375 85 29,31 -86 -18,66
) (CT E 197,16 218,17 208,19 11,03 5,59 -9,98 -4,57
a
99,93 99,90 99,91 -0,02 -0,02 0,02 0,02
Nb_cmds 96 96 97 1,00 1,04 1,00 1,04
TR_D1 0,74 1,03 0,76 0,02 2,60 -0,27 -26,55
TR_D2 0,78 1,04 1,11 0,33 43,04 0,07 6,98
cp=75
Tot_s 165 336 250 85 51,52 -86 -25,60
Tot_S 288 461 372 84 29,17 -89 -19,31
) (CT E 195,68 216,12 205,54 9,86 5,04 -10,57 -4,89
a
99,92 99,89 99,90 -0,02 -0,02 0,01 0,01
Nb_cmds 96 95 96 0,00 0,00 1,00 1,05
TR_D1 0,78 1,18 0,78 0,00 0,42 -0,39 -33,39
TR_D2 0,94 1,06 1,23 0,30 31,63 0,17 15,87
cp=50
Tot_s 161 331 246 85 52,80 -85 -25,68
Tot_S 285 456 369 84 29,47 -87 -19,08
) (CT E 193,67 213,56 203,18 9,51 4,91 -10,37 -4,86
a
99,88 99,83 99,86 -0,02 -0,02 0,03 0,03
Nb_cmds 96 95 96 0,00 0,00 1,00 1,05
TR_D1 1,11 1,52 1,07 -0,04 -3,45 -0,45 -29,41
TR_D2 1,03 1,31 1,37 0,34 33,43 0,06 4,79
cp=25
Tot_s 155 326 241 86 55,48 -85 -26,07
Tot_S 282 454 366 84 29,79 -88 -19,38
) (CT E 190,74 209,54 199,75 9,01 4,73 -9,79 -4,67
a
99,81 99,79 99,80 -0,01 -0,01 0,01 0,01
Nb_cmds 94 94 95 1,00 1,06 1,00 1,06
TR_D1 1,51 1,63 1,40 -0,11 -7,24 -0,22 -13,61
TR_D2 1,36 1,73 1,64 0,28 20,84 -0,08 -4,86
cp=10
Tot_s 148 318 235 87 58,78 -83 -26,10
Tot_S 278 442 360 82 29,50 -82 -18,55
) (CT E 188,02 205,85 196,61 8,59 4,57 -9,25 -4,49
a
99,69 99,61 99,69 0,00 0,00 0,08 0,08
Nb_cmds 93 94 95 2,00 2,15 1,00 1,06
TR_D1 2,01 2,36 1,64 -0,37 -18,63 -0,73 -30,79
TR_D2 2,04 2,48 2,34 0,30 14,81 -0,14 -5,62
i=40, ch =1, ct =10, K =100
Tableau 4.11. valuation des performances dans les systmes symtrique et asymtrique
en dlais dapprovisionnement pour i=10

Les rsultats de la simulation avec
i
=10 sont rapports dans le tableau 4.11. Nous
tirons les enseignements suivants :
Les seuils (Tot_s, Tot_S) du systme S3 se situent entre ceux des systmes S1 et
S2.

Le cot total moyen du systme S3 se situe parfaitement au milieu de ceux des
systmes S1 et S2 tout en aboutissant au mme taux de service.
Le taux de transshipment chez le dtaillant 2, dans le systme S3, est suprieur
celui chez le dtaillant 1. Alors que, dans les systmes S1 et S2, les taux de
transshipment chez les dtaillants 1 et 2 sont proches. En effet, dans le systme
S3, afin dhonorer sa propre demande durant un long dlai
dapprovisionnement, le dtaillant 2 tente de combler linsuffisance de son
stock disponible par le recours au transshipment auprs du dtaillant 1 ayant un
cycle dapprovisionnement plus court.
Le dsquilibre en dlai dapprovisionnement conduit aussi augmenter le
nombre de commandes d llvation du taux de transshipment.

Les rsultats de la simulation avec
i
=20 ont abouti aux mmes conclusions. Nous
navons pas jug utile de les rapporter.
4.4 Conclusion
Vu que la modlisation analytique nest pas possible cause de la complexit du
traitement des demandes perdues et de la prise en compte de la coopration entre
dtaillants, nous avons abord la rsolution de ce problme par simulation-
optimisation laide de loutil Crystal Ball 7.2.

Lvaluation des rsultats met en relief les conditions sous lesquelles le transshipment
apporte un gain et les situations o il fait dfaut et identifie galement les paramtres
dentre qui influencent le bnfice du transshipment, savoir le cot de rupture,
lcart type et le dlai dapprovisionnement.

Le chapitre suivant prsente lextension de ce travail en tudiant le problme de
transshipment dans un systme de distribution deux chelons et dtaillants
multiples.

Chapitre 5 : Systme deux chelons et
dtaillants multiples, avec cot de
transshipment fixe

5.1 Problme du transshipment dans un systme de stock multi dtaillants
5.2 Les modles doptimisation
5.2.1 Dmarche retenue
5.2.2 Analyse des rsultats
5.2.3 Impacts des paramtres dentre
5.2.4 Impacts de la contrainte capacit du transshipment
5.2.5 Complete pooling plafonn vs. complete pooling
5.3 Rduction de la complexit du systme de stock (R, s, S)
5.3.1 Mthodes de rsolution
5.3.2 valuation des diffrentes politiques de stock
5.4 tude dimpacts des paramtres cots et services
5.4.1 Environnement dexprimentation
5.4.2 Effets des paramtres cots
5.4.3 Effet du taux de service
5.5 Complete pooling vs. complete pooling conditionn
5.6 Conclusion

Modlisation et rsolution / Transshipment multi dtaillants 94

5.1 Problme du transshipment dans un systme de stock multi
dtaillants
Nous tendons, dans ce chapitre, le problme du transshipment tudi dans le chapitre
prcdent plus de deux dtaillants. La complexit de la rsolution augmentant avec
une tendance exponentielle avec le nombre de dtaillants, nous avons d nous en tenir
aux hypothses suivantes : les dlais dapprovisionnement sont identiques pour tous
les dtaillants et le cot de transshipment est considr constant au lieu dtre linaire
en fonction de la quantit de transshipment. Comme pour les travaux prcdents, nous
continuons supposer que le centre de distribution ne dtient pas de stock et ventile
immdiatement tous les produits qui lui sont livrs.

La problmatique de multi dtaillants dune part, et lhypothse du cot fixe pour le
transshipment dautre part, amnent prciser les stratgies de ralisation du
transshipment en cas de rupture :
En effet, en cas de rupture chez un dtaillant donn, il convient de prciser
lordre selon lequel le transshipment va tre sollicit auprs des autres
dtaillants. On peut penser une stratgie qui consiste sadresser aux
dtaillants selon lordre dcroissant de leur stock disponible (Burton et Banerjee
05). Nous avons opt dexplorer la stratgie selon un ordre fixe dfini par un
circuit unique. Par exemple, dans le cas dun systme quatre dtaillants (N=4),
les dtaillants sont numrots dans le circuit 1, 2, 3 et 4. En cas de rupture chez
le dtaillant 1, il sadressera en priorit au dtaillant 2 pour combler le dficit
du stock. Si le dficit ne peut pas tre combl en totalit, il sadressera alors au
dtaillant 3 puis au dtaillant 4. Selon cette mme stratgie, une rupture chez le
dtaillant 2 amne consulter en premier le dtaillant 3 puis le dtaillant 4 puis
le dtaillant 1, etc. Nous pensons que cette stratgie est acceptable dans le
contexte o les dtaillants sont proches les uns des autres. Elle a lavantage de
conduire une simplification du modle. Prcisons que, quel que soit le nombre
de dtaillants qui seront consults pour combler le dficit, le cot du
transshipment sera le mme.
Il convient galement de prciser la politique du transshipment exprimenter.
Nous avons opt dtudier le comportement de trois variantes issues de la
politique du complete pooling, savoir :
o le complete pooling standard : un dtaillant sollicit par un transshipment
accepte de mettre disposition tout son stock disponible pour combler,
partiellement ou totalement, le dficit restant combler ;
o le complete pooling plafonn : un dtaillant sollicit par un transshipment
accepte de combler le dficit selon ce que lui permet son stock disponible et
concurrence dune quantit plafond dfinie ;
o le complete pooling conditionn : un dtaillant sollicit par un transshipment
accepte de combler le dficit selon ce que lui permet son stock disponible et si
une condition conomique est satisfaite. Nous avons tudi le cas de la
condition :
t i j
X ch cp ct
, ,
* ) ( + o
- ct=cot de transshipment (fixe et indpendant de la quantit)
- cp= cot de rupture unitaire
- ch= cot de possession unitaire

-
t i j
X
, ,
= quantit de transshipment du dtaillant j au dtaillant i la
priode t.
5.2 Formulation du problme
Nous adoptons les notations suivantes :
N Nombre des dtaillants dans le systme de distribution
TX
i,t
Quantit totale de transshipment reue par le dtaillant i, la priode t ;
=
=
N
i j j
t i j t i
X TX
, 1
, , ,

,t i
Variable boolenne gale 1 si le dtaillant i a reu un transshipment la
priode t et 0 sinon
i,t
Variable boolenne gale 1 si le dtaillant i demeure en situation de rupture
la fin de la priode t et 0 sinon
QR
i,t
Quantit de rupture chez le dtaillant i la priode t
QP
i,t
Quantit de demande perdue chez le dtaillant i la priode t

t i t i t i
TX QR QP
, , ,
= (63)

IP
i
b
,t
Position de stock chez le dtaillant i au dbut de la priode t
IP
i
a
,t
Position de stock chez le dtaillant i la fin de la priode t
=
=
N
i j j
t j i
b
t i
a
t i
X IP IP
, 1
, , , , (64)

IL
i
b
,t
Niveau de stock chez le dtaillant i au dbut de la priode t
IL
i
a
,t
Niveau de stock chez le dtaillant i la fin de la priode t
=
=
N
i j j
t j i
b
t i
a
t i
X IL IL
, 1
, , , , (65)

Le cot total dans un systme de stock multi dtaillants avec un cot fixe de
transshipment devient :
( )
|
|
.
|
\
|
|
|
.
|
\
|
+ + + =

= =
N
i
T
t
t i
a
t i t i
ct cp QP E ch IL E K B CT E
t i
1 1
, , ,
) ( ) ( ) (
,
(66)
avec

=
sinon 0
) que priode la de fin la constat t a l i s'
dit, (autrement t priode la commande une passe i dtaillant le si 1
, , i
a
t i t i
s IP B

K=cot fixe de commande

Dans ce qui suit, nous allons commencer par tudier le comportement des politiques
complete pooling standard et complete pooling plafonn dans un systme de stock

(R, s, S) et ce, pour les cas de 2, puis 4, puis 8 dtaillants. La complexit importante
constate avec laugmentation du nombre de dtaillants nous a amen rechercher
une politique de type (R, s, s+Q) qui donne des performances proches de celles
obtenues pour (R, s, S) mais dont la complexit de rsolution est plus rduite. Nous
utilisons alors cette politique (R, s, s+Q) pour tudier le comportement de la
politique complete pooling conditionn (pour les cas de 2, 4 et 8 dtaillants) et
comparer ses rsultats avec ceux de la politique complete pooling standard. Enfin,
nous tudions, pour un systme de stock (R, s, s+Q), la sensibilit du transshipment
aux diffrents paramtres cots : commande, possession, rupture et transshipment et
vis--vis du taux de service. Les exprimentations sont galement faites pour la
politique complete pooling standard et en considrant successivement les cas de 2, 4,
8 et 12 dtaillants.
5.3 Systme de stock (R, s, S) dtaillants multiples
5.3.1 Dmarche retenue
Dans les modles doptimisation dcrits ci-dessous, nous nous intressons
dterminer, pour chaque dtaillant i, la politique (s
i
, S
i
) qui minimise le cot total du
systme, tant donn que la priode de rvision R est fixe une priode.

Problme doptimisation 1 : Complete pooling standard
N i S
N i s c s
CT E Min
i
i
N i S s
i i
,..., 1 ; positif entier : 1
,..., 1 ; nul ou positif entier : 0 . .
) (
,..., 1 ); , (
=
=
=

Problme doptimisation 2 : Complete pooling plafonn
T t j i N j i Q X
N i S
N i s c s
CT E Min
t i j
i
i
N i S s
i i
,..., 1 ; ; ,..., 1 , ;
,..., 1 ; positif entier : 1
,..., 1 ; nul ou positif entier : 0 . .
) (
max , ,
,..., 1 ); , (
= =
=
=
=

ou, plus prcisment :
( )
( )
|
.
|
\
|

|
.
|
\
|
=
+
+
sinon , min
si , min
max , ,
, , , , max , ,
, ,
Q d IL
d IL IL d Q IL d
X
t j
b
t j
t j
b
t j
b
t i t i
b
t i t i
t i j
(67)

Nous rsolvons ces modles doptimisation par la mme procdure de recherche
propose en section 4.2.53. Les paramtres de gestion de stocks (s, S) obtenus dans
un systme de transshipment o N=2 seront utiliss comme des bornes suprieures
pour le systme de transshipment o N=4. De mme, les paramtres de gestion
obtenus pour un systme N=4 seront utiliss comme des bornes suprieures pour le
systme N=8. Ceci est justifi par le thorme de gestion de stocks donnant la

formule de calcul de s pour un systme N dtaillants identiques (Pimor 03). Ces
formules sont rappeles dans le tableau 5.1.

N s pour un dtaillant
2
1 * *
2
2
) 1 ( + + +
i i i i
L k L

4

1 * *
4
4
) 1 ( + + +
i i i i
L k L

8
1 * *
8
8
) 1 ( + + +
i i i i
L k L

Tableau 5.1. Dtermination du point de commande dun dtaillant
dans un rseau de distribution compos de N dtaillants

Les exprimentations sont values pour les valeurs des paramtres d'entre :
i
=40,
K=100, ch=1, cp=100, ct=20, T=100 et en considrant, pour les paramtres N, L
i
,
i

et Q
max
les combinaisons des valeurs donnes dans le tableau 5.2.

Paramtres Valeurs
N 2 ; 4 ; 8
L
i
1 ; 3
i
10 ; 20
Q
max
5 ; 10 ; 15; 30
Tableau 5.2. Valeurs considres pour les paramtres N, Li, i et Qmax
(pooling standard et pooling plafonn)

Nous relevons, comme mesures de performances, les valeurs moyennes suivantes :

Cot total moyen dun dtaillant :

N E(CT) E(CT) = (68)

Point de commande moyen dun dtaillant :
N
=
=
N
1 i
i
s s (69)

Niveau de recompltement moyen dun dtaillant :

N
=
=
N
1 i
i
S S (70)

5.3.21 Impacts des paramtres dentre (N, L
i
,
i
)

sur la politique complete
pooling standard
5.3.211 Impacts du paramtre N
Le tableau 5.3 prsente les rsultats de la simulation du comportement de la politique
complete pooling standard, effectus pour N=2, 4 et 8. Une synthse en pourcentages
est extraite dans le tableau 5.4 pour ce qui concerne la sensibilit au nombre de
dtaillants.

Exemples
s S E(CT)
a
%TR
i
L
i
N=2
10 1 80 142,5 9 595,21 99,89 2,28
10 3 164,5 230,5 10 505,33 99,84 2,89
20 1 93,5 175 11 293,74 99,79 3,85
20 3 185,5 271 13 149,26 99,68 5,02
N=4
10 1 63,5 138,75 8 279,99 99,89 7,42
10 3 146 222 9 067,20 99,86 9,46
20 1 73 156 9 282,27 99,85 7,88
20 3 163 251,75 10 716,72 99,8 8,67
N=8
10 1 57 111 7 229,84 99,93 21,01
10 3 134 208 8 062,84 99,93 24,84
20 1 55 137 7 964,06 99,88 15,92
20 3 154,875 231,125 9 070,60 99,87 23,49
i=40, K=100, ch=1, cp=100, ct=20

Tableau 5.3. Rsultats de la simulation pour le complete pooling standard

Lallure des courbes est donne en figure 5.1. Lanalyse de lensemble conduit aux
constats suivants :
Les seuils (s, S) diminuent avec laugmentation du nombre de dtaillants. Cette
diminution est approche par une allure polynomiale dcroissante avec certains
coefficients ngatifs ;
Le cot total moyen ( ) (CT E ) suit aussi une allure polynomiale dcroissante en
fonction de laugmentation du nombre de dtaillants ;
Le taux du transshipment (TR) croit selon une allure polynomiale croissante en
fonction de laugmentation du nombre de dtaillants.

Ces constats justifient lintrt de la mise en uvre du complete pooling standard au
sein des grands systmes de distribution.


%Diff
Exemples
s S ) (CT E

a
TR
Sensibilit au passage de N=2 N=4
i
=10, L
i
=1 -20,63 -2,63 -13,71 0,02 225,31
i
=10, L
i
=3 -11,09 -3,80 -13,69 0,01 227,02
i
=20, L
i
=1 -21,93 -11,14 -19,01 0,03 124,03
i
=20, L
i
=3 -12,13 -7,10 -18,50 0,13 72,54
Sensibilit au passage de N=4 N=8
i
=10, L
i
=1 -9,65 -20,36 -12,68 0,04 183,12
i
=10, L
i
=3 -8,29 -6,03 -11,08 0,07 162,52
i
=20, L
i
=1 -19,86 -11,98 -14,20 0,03 101,99
i
=20, L
i
=3 -4,98 -8,19 -15,36 0,06 170,99
i=40, K=100, ch=1, cp=100, ct=20

Tableau 5.4. Variation des performances en fonction du nombre des dtaillants

y = -12,25x
2
+ 33x + 121,75
R
2
= 1
y = 5,1875x
2
- 32,063x + 106,88
R
2
= 1
0
20
40
60
80
100
120
140
160
2 4 8
N
s
e
u
i
l
s

(
s
,

S
)
s S Polynomial (S) Polynomial (s)
y = 132,54x
2
- 1712,8x + 11176
R
2
= 1
-
2 000,00
4 000,00
6 000,00
8 000,00
10 000,00
12 000,00
2 4 8 N
E
(
C
T
)
E(CT) Polynomial (E(CT))

y = 4,2252x
2
- 7,5351x + 5,5914
R
2
= 1
0,00
5,00
10,00
15,00
20,00
25,00
2 4 8
N
TR Polynomial (TR)
y = 0,0303x + 99,837
R
2
= 0,9773
99,83
99,84
99,85
99,86
99,87
99,88
99,89
99,90
99,91
99,92
99,93
99,94
2 4 8 N
service Linaire (service)

i=40, K=100, ch=1, cp=100, ct=20

Figure 5.1. Variation des performances en fonction du nombre des dtaillants, cas o i=10, Li=1

Sur les courbes de la figure 5.1, R
2
reprsente le coefficient de dtermination et
indique le degr de correspondance entre les valeurs estimes pour la tendance et les
donnes relles des tests. Plus ce coefficient se rapproche de 1, plus la courbe de
tendance est fiable.
5.3.212 Impacts du paramtre L
i

Durant un long dlai dapprovisionnement, chaque dtaillant tente de prserver assez
de stocks pour faire face aux ventuelles ruptures, ce qui explique llvation des
seuils de stock (s, S). Dans un systme sans transshipment, le point de commande

augmente avec une allure linaire forte dfinie par 1 * ) 1 ( + + + =
i i i i
L k L s . Les
rsultats constats par la simulation montrent que ce nest pas le cas pour le
transshipment avec complete pooling standard (cf. Tableau 5.5).

Ces rsultats expliquent, en fait, que laugmentation du point de commande a t
compense par leffet du complete pooling dont le taux slve linairement avec L
i
.
Cet effet, conduit videmment une hausse en cot total moyen ( ) (CT E ).

%Diff
Exemples
s S ) (CT E

a
TR
N=2
i
=10, L
i
=13 105,63 61,75 9,49 -0,02 26,82
i
=20, L
i
=13 98,40 54,86 14,73 -0,15 42,76
N=4
i
=10, L
i
=13 130,31 59,82 9,51 -0,04 27,49
i
=20, L
i
=13 123,29 61,90 15,45 -0,04 9,95
N=8
i
=10, L
i
=13 133,77 88,57 11,52 0,00 18,21
i
=20, L
i
=13 164,74 68,86 13,89 -0,01 47,51
i=40, K=100, ch=1, cp=100, ct=20

Tableau 5.5. Sensibilit des performances la variation du dlai dapprovisionnement

5.3.213 Impacts du paramtre
i

La mme expression du point de commande (s), rappele ci-dessus, montre que, pour
un dlai L
i
fix, laugmentation de s suit une allure linaire en fonction de
i
. Nous
obtenons approximativement le mme comportement pour les seuils de stock (s, S) et
pour le cot total moyen ( ) (CT E ) avec le complete pooling standard. Toutefois, le
taux du transshipment crot selon une allure polynomiale en fonction de
i
(cf.
Tableau 5.6). Ceci peut sexpliquer par leffet du comportement alatoire des
demandes clients sur le systme de transshipment.

%Diff
Exemples
s S ) (CT E

a
TR
N=2
L
i
=1,
i
=1020 16,88 22,81 19,44 -0,05 54,24
L
i
=3,
i
=1020 12,77 17,57 25,17 -0,17 73,62
N=4
L
i
=1,
i
=1020 14,96 12,07 12,10 -0,05 6,22
L
i
=3,
i
=1020 11,45 13,53 18,19 -0,05 -8,39
N=8
L
i
=1,
i
=1020 1,96 23,87 10,16 -0,05 -24,22
L
i
=3,
i
=1020 15,47 10,92 12,50 -0,06 -5,44
i=40, K=100, ch=1, cp=100, ct=20

Tableau 5.6. Sensibilit des performances la variation de lcart type


5.3.22 Impacts de la contrainte capacit du transshipment (Q
max
)
Pour tudier leffet de la politique complete pooling plafonn sur les performances du
systme, nous considrons quatre valeurs diffrentes de capacit du transshipment :
Q
max
= 5, 10, 15 et 30. Ces valeurs reprsentent respectivement 12.5%, 25%, 37.5% et
75% de la demande moyenne par priode (
i
=40) chez chacun des dtaillants.
Lanalyse de sensibilit des performances la variation de ce ratio ) / %(
max i
Q se
rsume comme suit (cf. Figures 5.2-5.4) :
Plus le ratio
i
Q /
max
est lev plus le cot total moyen E(CT) et les seuils de
stocks moyens ( s , S ) dcroissent alors que le taux de transshipment augmente.
Cette rduction en cot et stocks se dcline davantage avec laugmentation du
nombre de dtaillants (N) alors que laccroissement du taux de transshipment
saccentue avec N.
Une rduction de la capacit de transshipment diminue le transshipment sortant
pour les dtaillants ayant des stocks disponibles, et par consquent, chaque
dtaillant prend des prcautions pour rduire les ventuelles ruptures en
rservant plus de stocks, ce qui est justifi par des niveaux levs de stocks chez
chaque dtaillant ( s , S ). Ceci entrane une augmentation du cot total.
Le taux de service du systme
a
samliore lgrement avec laugmentation du
nombre de dtaillants. Nanmoins, son allure est presque constante (cf. Tableau
5.7).

Ces comportements de performances ont t constats pour toutes les valeurs testes
de
i
et de L
i
.

0,00
2 000,00
4 000,00
6 000,00
8 000,00
10 000,00
12 000,00
12,5% 25,0% 37,5% 75,0%
N=2 N=4 N=8
0,00
2 000,00
4 000,00
6 000,00
8 000,00
10 000,00
12 000,00
14 000,00
12,5% 25,0% 37,5% 75,0%
N=2 N=4 N=8

(a) i=10, L i=1 (b) i=10, L i=3
0,00
2 000,00
4 000,00
6 000,00
8 000,00
10 000,00
12 000,00
14 000,00
16 000,00
12,5% 25,0% 37,5% 75,0%
N=2 N=4 N=8
0,00
2 000,00
4 000,00
6 000,00
8 000,00
10 000,00
12 000,00
14 000,00
16 000,00
18 000,00
12,5% 25,0% 37,5% 75,0%
N=2 N=4 N=8

(c) i=20, L i=1 (d) i=20, L i=3
i=40, K=100, ch=1, cp=100, ct=20
Figure 5.2. Sensibilit du cot total la capacit du transshipment Qmax
pour le complete pooling plafonn

0,00
20,00
40,00
60,00
80,00
100,00
120,00
140,00
160,00
12,5% 25,0% 37,5% 75,0%
S
t
o
c
k
s
s/N=2 s/N=4 s/N=8
S/N=2 S/N=4 S/N=8
0,00
50,00
100,00
150,00
200,00
250,00
300,00
12,5% 25,0% 37,5% 75,0%
S
t
o
c
k
s
s/N=2 s/N=4 s/N=8
S/N=2 S/N=4 S/N=8

(a) i=10, Li=1 (b) i=10, Li=3
0,00
50,00
100,00
150,00
200,00
250,00
12,5% 25,0% 37,5% 75,0%
S
t
o
c
k
s
s/N=2 s/N=4 s/N=8
S/N=2 S/N=4 S/N=8
0,00
50,00
100,00
150,00
200,00
250,00
300,00
350,00
12,5% 25,0% 37,5% 75,0%
S
t
o
c
k
s
s/N=2 s/N=4 s/N=8
S/N=2 S/N=4 S/N=8

(c) i=20, Li=1 (d) i=20, Li=3
Note : s, S reprsentent s , S
Figure 5.3. Sensibilit des paramtres de stocks la capacit du transshipment Qmax

0,00
5,00
10,00
15,00
20,00
12,5% 25,0% 37,5% 75,0%
%
T
R
N=2 N=4 N=8
0,00
5,00
10,00
15,00
20,00
25,00
12,5% 25,0% 37,5% 75,0%
%
T
R
N=2 N=4 N=8

(a) i=10, Li=1 (b) i=10, Li=3
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
12,5% 25,0% 37,5% 75,0%
%
T
R
N=2 N=4 N=8
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
18,00
12,5% 25,0% 37,5% 75,0%
%
T
R
N=2 N=4 N=8

(c) i=20, Li=1 (d) i=20, Li=3
i=40, K=100, ch=1, cp=100, ct=20
Figure 5.4. Sensibilit du taux de transshipment la capacit du transshipment Qmax

5.3.23 Complete pooling plafonn vs. complete pooling standard
Nous voulons comparer, pour un taux de service donn, le complete pooling plafonn
au regard du complete pooling standard. Lide est de fixer une valeur du taux de
service et de chercher, pour diffrentes combinaisons des valeurs N,
i
et L
i
, la valeur
du Q
max
dans le complete pooling plafonn qui permet de raliser ce taux de service.
Nous comparons alors les seuils et cot total moyen correspondant dans le complete
pooling plafonn ceux du complete pooling standard donnant le mme taux de
service. Il savre que, quasiment pour toutes les simulations effectues, le complete
pooling plafonn est plus exigent en seuils de stocks et cot total moyen et ce, sans
aucune compensation particulire. Par exemple, pour le cas o
i
=10, L
i
=1, nous
avons les rsultats suivants (cf. Tableaux 5.7 et 5.8) :
Pour N=2, le complete pooling plafonn avec Q
max
=10 units aboutit un taux
de service 99.86% qui est proche de celui du complete pooling standard 99.87%
mais avec une hausse en seuils de stocks (7.5% pour s, 2.73% pour S) et en cot
total moyen (5.6%) ;
max
=5 units aboutit au mme
service 99,89% que celui du complete pooling standard avec galement une
augmentation des seuils de stocks (23.26% pour s, 4.97% pour S) et du cot
total moyen (15.15%) ;
max
=5 units aboutit au mme
service 99,93% que celui du complete pooling standard avec une augmentation
des seuils de stocks (8.57% pour s, 19.05% pour S) et du cot total moyen
(17.11%).

Ces conclusions se confirment avec les cas o
i
=10, L
i
=3 et
i
=20, L
i
=1.

Complete pooling plafonn
Complete
pooling
standard
( )
i
Q
max
%
N
i
L
i
12.5% 25% 37.5% 75%
2
10 1 99,85 99,86 99,88 99,89 99,87
10 3 99,80 99,81 99,84 99,85 99,84
20 1 99,73 99,73 99,74 99,75 99,79
20 3 99,62 99,63 99,65 99,68 99,68
4
10 1 99,89 99,92 99,93 99,89 99,89
10 3 99,84 99,88 99,89 99,90 99,85
20 1 99,75 99,80 99,84 99,84 99,85
20 3 99,66 99,73 99,72 99,82 99,81
8
10 1 99,93 99,93 99,94 99,92 99,93
10 3 99,91 99,91 99,92 99,92 99,93
20 1 99,78 99,89 99,91 99,91 99,88
20 3 99,71 99,81 99,83 99,85 99,87
i=40, K=100, ch=1, cp=100, ct=20

Tableau 5.7. Rsultats du taux de service global pour les politiques
du complete pooling standard et du complete pooling plafonn


Un autre constat intressant que lon peut tirer de ces tableaux est que laugmentation
du nombre des dtaillants fait baisser (jusqu une certaine limite) lexigence en Q
max

pour le mme taux de service, mais toujours avec un avantage au complete pooling
standard pour ce qui concerne les seuils et les cots (pour lexemple avec
i
=10, L
i
=1
Q
max
=10 pour N=2 et Q
max
=5 pour N=4 et 8). Les deux politiques tendent avoir les
mmes performances quand les carts types et les dlais augmentent (voir rsultats
pour
i
=20, L
i
=3). Il convient de souligner que dans ces cas, le Q
max
exig atteint le
ratio 75% de la demande.

%Diff
i
=10, L
i
=1
i
=10, L
i
=3
i
=20, L
i
=1
i
=20, L
i
=3
N=2 N=4 N=8 N=2 N=4 N=8 N=2 N=4 N=8 N=2 N=4 N=8
Q
max
=30 Q
max
=30 Q
max
=30 Q
max
=30
s 1,23 1,55 -15,04 1,79 3,94 1,74 4,1 5,5 12,82 5,36 4,68 -5,9
S 1,04 0,36 12,39 -0,22 -1,6 0,95 1,13 2,05 0,27 2,17 0,4 1,96
E(CT) 0,17 1,22 1,89 1,38 1,66 1,37 4,22 3,83 2,46 6,32 4,02 2,48
Q
max
=15 Q
max
=15 Q
max
=15 Q
max
=15
s 4,76 15,33 0,86 4,64 7,29 5,38 12,21 19,34 4,54 10,17 10,68 0,24
S 2,06 -3,74 14,92 1,07 0,56 1,94 4,63 5,9 -5,39 4,91 5,98 3,9
E(CT) 3,01 5,65 6,37 5,57 6,29 4,04 10,78 12,74 7,89 13,04 15,38 15,54
Q
max
=10 Q
max
=10 Q
max
=10 Q
max
=10
s 7,51 15,89 -6,5 6,27 10 -4,17 15,77 24,16 28,25 11,88 16,94 7,26
S 2,73 1,94 17,38 1,91 1,99 3,08 4,37 11,77 12,89 5,90 6,50 7,73
E(CT) 5,61 8,84 9,72 8,43 10,45 8,29 13,58 18,9 15,34 15,67 21,77 16,63
Q
max
=5 Q
max
=5 Q
max
=5 Q
max
=5
s 11,6 23,26 8,57 8,1 14,47 3,68 18,7 31,13 39,12 13,52 21,35 17,56
S 5,32 4,97 19,05 4,16 4,52 6,03 8,62 16,29 19,54 9,52 11,04 15,65
E(CT) 9,02 15,15 17,11 11,77 17,41 16,74 16,41 26,28 27,65 18,46 28,99 31,44
i=40, K=100, ch=1, cp=100, ct=20

Tableau 5.8. Diffrence en performances entre les comportements
du complete pooling standard et le complete pooling plafonn

Sur un autre plan, il nous faut noter que, dans la phase o la simulation-optimisation
volue avec un pas de discrtisation gal 1, le nombre de combinaisons possibles de
s et S augmente considrablement avec le nombre de dtaillants. Plus prcisment, le
nombre de combinaisons possibles de s et S pour un seul dtaillant est de 121. Pour
deux dtaillants, ce nombre passe 121
2
10
4
. Pour quatre dtaillants, il est de 121
4
10
8
et, pour huit dtaillants, il est de 121
8
10
16
, etc. Cette complexit, de tendance
exponentielle (e
5N
), induit un temps dexcution trs long. Ceci nous a incit
chercher dautres mthodes de rsolution permettant de calculer le niveau de
recompltement S avec un compromis acceptable entre la qualit de la solution et la
complexit. Notre choix a port sur la recherche dune politique de stock quivalente
de type (R, s, s+Q).

5.4 Vers une rsolution par une politique de stock de type (R, s, s+Q)
5.4.1 Choix dapproximation de la quantit Q
Deux choix se sont prsents nous pour lapproximation de la quantit Q.

Approximation par la quantit EOQ de Wilson
La quantit conomique de commande EOQ de Wilson (Wilson 34) est trs utilise
dans la littrature en raison de sa simplicit. Il est montr, dans (Wagner et al. 65 ;
Veinott et Wagner 65), que lEOQ est une bonne approximation pour (S
i
-s
i
) si le
rapport K/ch (cot de commande/cot de possession) est relativement lev par
rapport
i
(demande moyenne par priode), ce qui est le cas dans notre tude.

ch
K
EOQ
i
2
= (71)

Nous pouvons ladopter dans la procdure de simulation-optimisation utilise jusqu
ici mais en considrant une seule variable de dcision qui est le point de commande s
i

pour chaque dtaillant i. Ainsi, le niveau de recompltement S
i
sera obtenu en
ajoutant la quantit EOQ s
i
et la quantit dapprovisionnement Q
i,t
sera dtermine
de faon ramener le stock ce niveau. La complexit de la rsolution selon cette
politique sera rduite de 50% par rapport celle de la politique (R, s, S).

Approximation par la quantit Q
p
de Ehrhardt et Mosier
Nous avons mentionn, dans le chapitre 2 (2.4), que Ehrhardt et Mosier (Ehrhardt et
Mosier 84) ont propos une quantit de commande Q
p
considre comme tant une
bonne approximation de la quantit optimale de commande en raison de son
indpendance du cot de rupture et du taux de service.

( ) ( )
116 . 0
2 2
1
506 . 0 494 . 0
1 30 . 1
i L i p
i
ch K Q
+
+ = (72)

avec 1
1
+ =
+ i i L
L
i

Nous pouvons galement lutiliser dans la mme procdure de recherche pour
dterminer le point de commande s
i
. Dans ce cas, le niveau de recompltement S
i
sera
gal s
i
+Q
p
et la quantit dapprovisionnement Q
i,t
sera dtermine de faon
ramener le stock ce niveau. La complexit de la rsolution par la politique (R, s,
s+Q
p
) au regard de celle de la politique (R, s, S) sera aussi rduite de 50%.
5.4.2 valuation des diffrentes politiques de stock
Pour comparer entre elles les trois politiques (R, s, S), (R, s, s+EOQ) et (R, s, s+Q
p
),
nous les avons appliques quatre exemples de systmes de stock un seul
dtaillant, avec les donnes ch=1, ct=20, cp=100, K=100, T=100 et R=1 ; les quatre
exemples correspondant aux combinaisons (L
i
,
i
) = (1, 10), (3, 10), (1, 20), (3, 20).
Pour les valeurs dentre considres, nous obtenons EOQ=89. Le calcul de Q
p
, pour
les quatre combinaisons, donne respectivement 84, 85, 87 et 90.


Les rsultats de la simulation sont rapports dans le tableau 5.9. Nous remarquons
que la valeur obtenue pour s est trs approximativement la mme pour les trois
politiques tandis que la valeur obtenue pour S selon la politique (R, s, S) est
infrieure aux quantits calcules par les politiques (R, s, s+EOQ) et (R, s, s+Q
p
).
Nous relevons aussi que la politique (R, s, s+Q
p
) est meilleure pour les trois premiers
exemples alors que la politique (R, s, s+EOQ) est meilleure pour le quatrime
exemple, ce qui sexplique simplement par le fait que les formules de calcul donnent
une valeur Q
p
infrieure celle de lEOQ pour les trois premiers exemples et
inversement pour le quatrime exemple. Dans tous les cas, les carts entre les valeurs
de S obtenues par la politique (R, s, S) par rapport celles obtenues par les politiques
(R, s, s+EOQ) et (R, s, s+Q
p
) ont tendance se rduire avec laugmentation du dlai
dapprovisionnement L
i
et notamment de lcart type de la demande
i
.

Tous ces constats nous ont suggr dapprocher la politique (R, s, S) par une politique
(R, s, s+Q) avec Q gal au minimum des valeurs EOQ et Q
p
calcules avec les
donnes dentre du modle de stock considr.

(R, s, S) (R, s, s+EOQ) (R, s, s+Q
p
)
L
i

i
s S s S s S
1 10 95 155 95 184 96 180
3 10 184 244 184 273 184 269
1 20 119 195 119 208 119 206
3 20 219 303 219 308 220 310
i=40, K=100, ch=1, cp=100, ct=20

Tableau 5.9. valuation des performances des politiques (R, s, S), (R, s, s+EOQ) et (R, s, s+Qp)
dans un systme de stock sans transshipment

Pour plus dassurance, nous avons appliqu, chacune des trois politiques, pour 12
nouveaux exemples correspondant des systmes de stock 2, 4 et 8 dtaillants avec
transshipment. Nous avons maintenu les mmes valeurs pour les donnes dentre et
test, pour chacun des systmes de stock 2, 4 et 8 dtaillants, les mmes
combinaisons pour (L
i
,
i
). Les rsultats de la simulation sont rapports dans le
tableau 5.10. Ils confirment les mmes constats que pour les systmes de stock sans
transshipment.

En consquence, nous avons retenu dutiliser la politique (R, s, s+min(EOQ,Q
p
)) pour
les simulations qui suivent et qui visent tudier limpact des diffrents cots
(commande, possession, rupture et transshipment) et des exigences en taux de service
sur les performances des systmes de stock.


i=40, ch=1, ct=20, cp=100, K=100, T=100 et R=1

Tableau 5.10. valuation des performances des politiques (R, s, S), (R, s, s+EOQ) et (R, s, s+Qp)
dans des systmes de stock 2, 4 et 8 dtaillants avec transshipment

5.5 tude de limpact des paramtres cots
5.5.1 Contexte dexprimentation
Dans cette partie, nous fixons les paramtres de la demande (
i
,
i
) et le dlai
dapprovisionnement (L
i
) et nous faisons varier tour tour les valeurs des paramtres
cots (K, ch, cp et ct). Nous considrons les donnes dentre suivantes :
i
=40,
i
=10, L
i
=1 (pour i=1, , N) et T=52. Nous avons rduit lhorizon de planification T
de 100 52 priodes pour des raisons de limitations du logiciel Crystal
Ball (nombre maximum de variables alatoires gal 1000). Les valeurs
considres pour le nombre de dtaillants et les paramtres cots sont donnes dans le
tableau 5.11. Les combinaisons de ces valeurs conduisent 144 problmes.

Paramtres Dsignation Valeurs
N Nombre de dtaillants 2; 4; 8 ; 12
K Cot de commande 100; 500; 1000
cp Cot de rupture 10; 100; 500
ch Cot de possession 1; 10
ct Cot de transshipment 20; 100
Tableau 5.11. Valeurs considres dans ltude de limpact des paramtres cots

(R, s, S) (R, s, s+EOQ) (R, s, s+Q
p
)
N=2 N=4 N=8 N=2 N=4 N=8 N=2 N=4 N=8
L
i
=1,
i
=10
) (CT E 9 595,21 8 279,99 7 240,67 9 685,90 8 425,77 7 647,55 9 678,61 8 348,46 7 414,29
s
80 63,5 48,375 79,5 63,5 50,5 80 62,5 47,625
S
144,5 138,75 126,625 168,5 152,5 139,5 164 146,5 131,625
%TR 2,37 7,42 20,64 2,45 7,08 16,41 2,58 8,00 19,83
L
i
=3,
i
=10
) (CT E 10 505,33 9 067,20 7 949,35 10 651,24 9 234,60 8 364,73 10 629,59 9 151,05 8 239,50
s
164,5 146,25 133,75 164 149,25 132,125 164,5 148,5 131,125
S
230,5 221,75 215,5 253 238,25 221,125 249,5 233,5 216,125
%TR 2,89 9,46 24,86 3,45 7,13 25,12 3,48 7,85 26,92
L
i
=1,
i
=20
) (CT E 11 293,74 9 283,61 7 991,24 11 320,28 9 286,02 7 949,93 11 303,31 9 295,20 7 939,14
s
93,5 72,5 56,625 91 71 55,125 92 72 54,75
S
175 161 148,125 180 160 144,125 179 159 141,75
%TR 3,85 7,56 17,43 4,35 8,23 17,33 4,08 7,86 17,92
L
i
=3,
i
=20
) (CT E 13 149,26 10 716,72 9 134,59 13 151,87 10 691,05 9 146,37 13 145,50 10 721,47 9 120,54
s
185,5 163 142,75 188 163,5 142,75 188 165,25 144,875
S
271 251,75 233,875 277 252,5 231,75 278 255,25 234,875
%TR 5,02 8,67 23,49 23,49 8,52 21,35 4,37 7,82 19,60

Nous considrons comme mesure de performance le cot total moyen ramen
lchelle dune unit vendue par dtaillant. Notre objectif est donc de dterminer,
dans un systme de stock fonctionnant selon une politique (R, s
i
, s
i
+Q
p
) avec
complete pooling standard, le point de commande s
i
minimisant le cot total moyen
que nous ramenons lchelle dune unit vendue par dtaillant :

= =
=
N
i
T
t
QP
1 1
t i, t i,
) (d E(CT) E(CT)' (73)

Le problme doptimisation peut alors scrire comme suit :

( )
N i s c s
ct cp QP E ch IL E K B CT E avec
CT E Min
i
N
i
T
t
t i
a
t i t i
N i s
t i
i
, ... , 1 ; nul ou positif entier : 0 . .
) ( ) ( ) (
)' (
1 1
, , ,
,..., 1 ;
,
=
|
|
.
|
\
|
|
.
|
\
|
+ + + =

= =
=

Les rsultats de simulation, dans tous les cas considrs, sont rapports dans le
tableau 5.12. Le niveau de recompltement est valu par
p
Q s S + = .
Pour des paramtres ch, cp et ct fixs, les rsultats obtenus confirment les rsultats
analytiques tablis dans le chapitre 4 (4.1.4), savoir que laugmentation du cot de
commande conduit avoir un point de commande plus faible et un niveau de
recompltement plus important. Do une hausse en cot total moyen par unit
vendue.

De faon plus dtaille, nous relevons les constats suivants :
Plus le cot de commande K augmente, plus les seuils s
i
ainsi que le taux de
transshipment diminuent tandis que le cot total moyen augmente. Ceci
sexplique par le fait que laugmentation de K entrane laugmentation de la
quantit de commande Q
p
. Par suite, la minimisation du cot total conduit
abaisser le seuil s en comptant S=s+Q
p
. Il en rsulte une disponibilit de stocks
qui rduit le besoin de recours aux transshipments en mme temps quelle
augmente le cot total.
Plus le cot de rupture cp augmente (avec K, ch et ct fixes), plus il y a besoin de
stock de scurit. Q
p
restant constant, cest lintervalle [ s , S ] qui se dplace
vers le haut. Pour les mmes raisons que prcdemment (mais avec un impact
plus modr), le taux de transshipment diminue tandis que le cot total
augmente.
Laugmentation du cot de possession fait abaisser (par calcul) la quantit de
commande Q
p
. Il en rsulte une augmentation de la frquence des commandes
et, par consquent, une augmentation sensible du cot total et un recours plus
important aux transshipments. Laugmentation de K accentue ces deux
phnomnes. A souligner, toutefois, que, pour un rapport K/ch donnant une

valeur Q
p
faible, laugmentation de la frquence de la commande devient si
importante quelle rend plus rare le recours au transshipment.
Dune faon gnrale, laugmentation du nombre de dtaillants N, pour K
constant (et, donc, pour Q
p
constant), conduit maintenir la longueur de
lintervalle [ s , S ] mais en le ramenant vers le bas. Cet abaissement du seuil s a
un impact la fois sur la rduction du cot total et sur laugmentation du taux
de transshipment.

s S
)' (CT E
a
%TR Nb_cds
s S
)' (CT E
a
%TR Nb_cds
s S
)' (CT E
a
%TR Nb_cds
K=100 K=500 K=1000
ch cp N=2
1 10 60 144 2,13 98,38 16,49 18,86 39 228 4,61 97,72 15,09 9,31 30,50 297,50 6,54 97,60 13,54 6,72
1 100 78,5 162,5 2,45 99,85 3,22 19,15 69 258 4,99 99,82 3,05 9,48 68 335 6,96 99,86 2,80 6,83
1 500 88 172 2,63 99,98 0,86 19,56 81,5 270,5 5,20 99,98 0,86 9,54 73 340 7,27 99,93 2,34 6,84
10 100 69 95 7,54 98,83 5,20 48,63 65,5 124,5 14,86 98,53 11,06 24,93 61,5 145,5 20,64 98,54 11,49 18,96
10 500 78 104 9,35 99,79 2,24 48,50 76,5 135,5 17,09 99,69 4,56 25,26 74 158 23,17 99,69 4,28 19,38
N=4
1 10 40 124 1,84 98,53 23,30 18,17 32 221 4,40 99,08 13,16 9,47 23 290 6,33 98,97 11,42 6,86
1 100 58,75 142,75 2,17 99,75 10,16 18,75 52,75 241,75 4,65 99,87 5,79 9,43 50 317 6,61 99,88 4,68 6,78
1 500 70 154 2,29 99,96 4,05 19,25 65,5 254,5 4,82 99,98 2,44 9,48 61,5 328,5 6,81 99,97 2,42 6,85
10 100 65,75 91,75 6,06 99,29 5,71 47,60 54,75 113,75 12,24 98,74 16,85 23,42 39,25 123,25 16,96 98,43 23,70 18,18
10 500 70,75 96,75 7,33 99,82 4,27 47,86 66,75 125,75 14,32 99,77 7,65 24,59 58,5 142,5 19,51 99,74 10,25 18,7
N=8
1 10 28,75 112,75 1,71 98,86 31,69 18,67 24,5 213,5 4,35 99,21 16,28 9,60 19,25 286,25 6,25 99,40 12,85 6,86
1 100 48,75 132,75 1,92 99,85 20,00 18,14 47 236 4,54 99,93 7,42 9,42 42,125 309,125 6,48 99,91 6,91 6,78
1 500 57 141 2,09 99,96 13,11 18,51 56,5 245,5 4,64 99,99 4,87 9,46 55,375 322,375 6,62 99,99 3,22 6,81
10 100 61,375 87,375 5,04 99,36 8,97 47,47 44,75 103,75 10,67 98,76 27,66 22,65 29,125 113,125 15,40 98,90 31,49 18,64
10 500 66,375 92,375 5,91 99,90 5,79 47,86 58,875 117,875 12,59 99,77 15,57 23,36 44,875 128,875 17,02 99,80 21,70 18,08
N=12
1 10 25,25 109,25 1,77 98,97 31,17 18,66 20,33 209,33 4,35 99,13 16,79 9,66 14,5 281,5 6,24 99,39 13,58 6,92
1 100 46,25 130,25 1,88 99,92 19,52 18,34 44,58 233,58 4,52 99,92 8,80 9,44 32,5 299,5 6,42 99,88 9,48 6,83
1 500 54,83 138,83 1,96 99,99 13,54 18,67 54,67 243,67 4,60 99,99 5,16 9,48 50,83 317,83 6,55 99,99 4,54 6,81
10 100 58,25 84,25 4,72 99,53 10,08 47,55 40,08 99,08 10,97 98,76 27,91 22,86 25,417 109,417 16,11 98,98 31,12 18,62
10 500 63,25 89,25 5,37 99,93 7,42 47,77 55,58 114,58 12,74 99,77 16,63 23,38 41,917 125,917 16,96 99,84 21,48 18,25
i =40, i =10, Li=1, ct=20

Tableau 5.12. valuation des performances en fonction des cots et du nombre des dtaillants

5.5.3 Effet du cot de transshipment
Les rsultats de simulation, avec ch=1, cp=100, K=100 et ct=20, 50 et 100, sont
rapports dans le tableau 5.13.

Nous constatons que, plus ct sapproche de cp=K=100, plus les seuils de stock s
croissent et les taux de transshipment diminuent. Le cot total moyen ramen une
unit vendue augmente galement. Lexplication tient au fait que laugmentation du
cot de transshipment diminue de lintrt de ce dernier et favorise la constitution de
stock de scurit. Dautant plus que, K tant constant quel que soit le volume de la
commande, il devient plus avantageux deffectuer des commandes de grands volumes
pour le mme cot K plutt que de payer des quantits de transshipment
ncessairement plus petites pour un cot qui tend vers K.

Nous retiendrons aussi que laugmentation du cot moyen unitaire est plus sensible
quand le nombre N de dtaillants est grand (3.7% pour N=2, 24% pour N=12). Cela
sexplique par le fait que plus N est grand, plus le taux de transshipment est
favorable. Par consquent, cest quand N est grand que la rduction du taux de
transshipment due laugmentation de ct est plus importante.

s S
)' (CT E
a
%TR Nb_cds
ct=20
N=2
78,5 162,5 2,45 99,85 3,22 19,15
N=4
58,75 142,75 2,17 99,75 10,16 18,75
N=8
48,75 132,75 1,92 99,85 19,52 18,14
N=12
46,25 130,25 1,88 99,92 20 18
ct=50
N=2
79,5 163,5 2,49 99,87 3,08 19,46
N=4
66,25 150,25 2,23 99,92 5,70 19,1
N=8
54,875 138,875 2,09 99,95 13,46 18,495
N=12
50,583 134,583 2,07 99,96 15,64 18,47
ct=100
N=2
81,5 165,5 2,54 99,91 2,27 19,49
N=4
69,75 153,75 2,38 99,96 4,08 19,24
N=8
63,625 147,625 2,33 99,99 7,16 18,99
N=12
62,08 146,08 2,33 100,00 8,51 19,01
i =40, i =10, Li=1, ch=1, cp=100, K=100

Tableau 5.13. Incidences de laugmentation du cot de transshipment


5.6 Complete pooling standard vs. complete pooling conditionn
Outre la politique complete pooling standard, nous nous proposons dexplorer la
politique complete pooling conditionn qui consiste ne retenir que les
transshipments rentables : dans une mme priode, le complete pooling du dtaillant j
vers le dtaillant i nest effectu que si son cot fixe est infrieur la somme des
cots de possession et de rupture pour la mme quantit.

{ }
+
=
+
sinon 0
* ) ( si , ) ( min
, , , , ,
, ,
t i j
b
t j
b
t i t i
t i j
X ch cp ct IL IL d
X (74)

En dautres termes, si cette condition nest pas vrifie, on considre plus avantageux
que le dtaillant j conserve son stock tandis que le dtaillant i assume entirement le
cot de rupture.

Nous valuons ces deux politiques dans les cas suivants :
Cas 1 : ct=20, ch=1 et cp=10 ; il est vident, daprs lquation ci-dessus, que le
transshipment est permis pour X
j,i,t
au moins gal deux units. Ainsi, lorsquil
y a une rupture de stock dune unit chez le dtaillant i, le transshipment nest
pas effectu mme si le dtaillant j possde du stock disponible.
Cas 2 : ct=50, ch=1 et cp=10 ; le transshipment est effectu pour X
i,j,t
au moins
gal 5 units.
Cas 3 : ct=100, ch=1 et cp=10 ; le transshipment est effectu pour X
i,j,t
au moins
gal 10 units.
Cas 4 : ct=100, ch=10 et cp=10 ; le transshipment est autoris pour X
i,j,t
au
moins gal 6 units.

Pour tous ces cas, nous avons Q
p
<EOQ. Nous les traitons, donc, avec lapproximation
dune politique de stock du type (R, s, s+Q
p
).

Nous examinons ces quatre cas selon les deux politiques de transshipment, pour les
valeurs de K=100 et N=2, 4 et 8, ce qui donne un total de 24 problmes.

Les rsultats de simulation sont rapports dans le tableau 5.14. Leur analyse tend
justifier lintrt du complete pooling conditionn qui, comparativement au complete
pooling standard, amne une trs lgre rduction du cot total moyen en contrepartie
dun taux de service lgrement moins performant mais satisfaisant le seuil fix de
98%.

En fait, le complete pooling conditionn vise essentiellement viter les
transshipments avec perte (i.e. quand le cot fixe ct est suprieur la perte engendre
par la quantit en rupture), do lexplication dune part de la rduction du cot
moyen. Car, pour garantir le taux de service, le complete pooling conditionn doit
sappuyer sur davantage de stock. Le complete pooling standard, quant lui, procde
systmatiquement au transshipment chaque fois quil est possible, mme avec perte.
Il compense cela par une lgre rduction de la commande et, naturellement, par une
amlioration du taux de service.


Les rsultats globaux de la simulation confirment, par ailleurs, lamlioration de
lapport du transshipment avec laugmentation du nombre de dtaillants. Il reste que
lhypothse dun cot de transshipment ct forfaitaire (i.e. indpendant de la quantit
X
j,i,t
) et lapproximation par une politique de stock du type (R, s, s+Q
p
) sont de nature
limiter les possibilits dune analyse fine. A ajouter cela le fait que les rsultats de
simulation sont obtenus partir du calcul de valeurs moyennes, sachant que les
simulations, en elles-mmes, ne sont pas effectues avec le mme tirage alatoire.

Complete pooling standard Complete pooling conditionn
s S

a
%TR
*
CNV s S

a
%TR CNV
ch=1
cp=10
ct=20
N=2 60 144 2,13 98,49 15,51 0,31 60 144 2,12 98, 38 13,54 0,36
N=4 40 124 1,84 98,53 23,3 0,5 40,25 124,25 1,84 98,53 23,06 0,49
N=8 28,75 112,75 1,68 99,08 31,69 0,5 31,375 115,375 1,71 98,86 30,37 0,53
ch=1
cp=10
ct=50
N=2 66 150 2,24 99,09 9,68 1,21 63 147 2,23 98,56 8,3 1,47
N=4 46 130 2,07 99,06 19,33 1,94 47,5 131,5 2,07 98,95 17,96 1,9
N=8 32,875 116,875 1,98 99,22 29,62 1,99 33,75 117,75 1,98 99,06 28,88 2,02
ch=1
cp=10
ct=100
N=2 70 154 2,38 99,44 6,08 2,36 68,5 152,5 2,34 98,73 5,73 2,75
N=4 65,25 149,25 2,32 99,91 6,09 3,48 65 149 2,28 99,13 5,3 3,33
N=8 61,75 145,75 2,32 99,99 8,41 3,7 64,5 148,5 2,29 99,28 5,64 3,38
ch=10
cp=10
ct=100
N=2 54 80 5,62 92,38 10,57 3,78 55,5 81,5 5,54 92,98 9,43 6,35
N=4 54,75 80,75 4,96 94,76 11,14 8,34 53,25 79,25 4,91 93,1 11,07 8,07
N=8 53 79 4,56 95,98 12,86 9,54 52 78 4,57 94,4 12,7 9,46
i =40, i =10, Li=1, K=100
*
CNV : condition
t i j
X ch cp ct
, ,
* ) ( +
non vrifie

Tableau 5.14. Complete pooling standard vs. complete pooling conditionn

5.7 Effet du taux de service
Nous nous focalisons ici sur le critre de la qualit de service sans prendre du compte
le cot de rupture. Notre objectif est de dterminer, dans un systme de stock
fonctionnant selon une politique (R, s
i
, s
i
+Q
p
) avec complete pooling, le point de
commande s
i
qui minimise le cot total moyen ramen lchelle dune unit vendue
)' (CT E , tout en garantissant un seuil minimum SD de taux de service global chez les
dtaillants. Le problme doptimisation peut scrire comme suit :

( )
SD d QP
N i s c s
QP ct ch IL E K B CT E avec
CT E Min
N
i
T
t
t i
N
i
T
t
t i
i
N
i
T
t
N
i
T
t
t i
a
t i t i
N i s
i

=
|
|
.
|
\
|
|
.
|
\
|
+ + =

= = = =
= = = =
=
1 1
,
1 1
,
1 1
t i, t i,
1 1
, , ,
,..., 1 ;
1
et
, ... , 1 ; nul ou positif entier : 0 . .
) (d ) ( )' (
)' (

)' (CT E )' (CT E

Nous tudions alors, pour des paramtres cots fixs (K, ch et ct), leffet de la
variation de lexigence en taux de service minimum. Nous avons effectu des
simulations pour des combinaisons de deux valeurs de ch (1 et 10) avec trois valeurs
de K (100, 500 et 1000) et en fixant ct 20. Les rsultats de simulation sont prsents
dans le tableau 5.15.

Lanalyse de ce tableau montre que :
Plus lexigence en taux de service est forte, plus la ncessit de stock de
scurit est importante ; ce qui rduit le recours au transshipment et, en
consquence globale, fait augmenter le cot moyen unitaire. Inversement, plus
lexigence en taux de service est faible, plus la ncessit en stock de scurit est
relche. Dans ces conditions, le recours au transshipment devient plus frquent
et, globalement, le cot moyen unitaire est rduit. Ce constat est valable pour
toutes les combinaisons de ch, K et N.
Laugmentation du cot de possession a pour consquence de rduire la quantit
de recompltement Q
p
. Do la ncessit dune compensation par
laugmentation du seuil s et, donc, une augmentation du cot moyen unitaire.
Dune faon plus gnrale, plus le cot de commande K augmente, plus le cot
moyen unitaire augmente. Cette augmentation du cot moyen unitaire ainsi que
celle du taux de transshipment se confirment davantage avec laugmentation du
cot de possession ch.
Quant laugmentation du nombre N des dtaillants, elle est de nature
favoriser le taux de transshipment. Par consquent, il y a un besoin moindre en
stock et, donc, un effet positif de rduction du cot moyen unitaire.


K=100 K=500 K=1000
s S )' (CT E
a
%TR
s S )' (CT E
a
%TR
s S )' (CT E
a
%TR
SD ch N=2
99
1
65,5 149,5 1,02 99,03 8,62 50,5 239,5 2,25 98,90 10,32 45 312 3,22 98,95 9,56
95 45,5 129,5 0,90 95,00 24,54 25 214 2,14 95,41 23,32 16,5 283,5 3,10 95,19 18,51
90 28,5 112,5 0,84 89,98 30,38 8,5 197,5 2,12 90,02 25,43 5,5 272,5 3,10 92,07 18,18
99
10
70 96 3,26 98,99 5,62 69 128 6,99 99,03 7,67 65,5 149,5 9,93 99,03 8,62
95 58,5 84,5 2,36 94,93 9,98 50,5 109,5 5,63 94,90 26,28 43,5 127,5 8,36 95,00 28,68
90 51,5 77,5 2,03 90,46 13,89 37,5 96,5 5,06 89,94 38,99 28,5 112,5 7,67 89,98 40,38
N=4
99
1
42,75 126,75 0,43 99,02 21,58 31,5 220,5 1,08 99,05 13,27 22,75 289,75 1,55 98,95 11,48
95 22,5 106,5 0,40 94,93 31,34 5,5 194,5 1,05 95,36 19,32 4,75 271,75 1,54 97,02 14,47
90 12,75 96,75 0,39 90,34 33,60 5 193 1,05 94,92 19,44 4,75 271,75 1,54 97,02 14,47
99
10
64,5 90,5 1,27 99,04 6,68 55,75 114,75 2,77 98,95 16,11 43 127 3,95 99,02 21,41
95 55,25 81,25 0,93 95,09 10,85 36,75 95,75 2,23 94,89 29,39 22,5 106,5 3,50 94,95 31,33
90 49 75 0,79 90,24 15,97 27,5 86,5 2,12 89,99 32,42 12,25 96,25 3,44 90,10 33,71
N=8
99
1
29,25 113,25 0,20 99,05 31,41 21,75 210,75 0,53 99,01 17,08 13,25 280,25 0,77 99,03 13,90
95 10 94 0,19 95,06 38,03 3,75 192,75 0,53 95,49 19,00 1,75 268,75 0,77 97,78 15,21
90 9,38 93,38 0,19 90,35 38,13 3 192 0,53 95,27 19,91 1,75 268,75 0,77 97,78 15,21
99
10
59,63 85,63 0,51 98,92 9,85 45,875 104,875 1,19 98,93 26,82 28,625 112,625 1,78 99,05 31,75
95 51,88 77,88 0,41 95,11 13,92 30,75 89,75 1,03 95,19 35,44 7,125 91,125 1,66 94,56 38,56
90 46,63 72,63 0,37 90,19 15,86 24 83 1,01 90,94 36,12 5,625 89,625 1,66 93,77 38,77
N=12
99
1
26 110 0,14 98,97 30,08 18,92 207,92 0,35 99,02 17,19 8,67 275,67 0,51 99,03 14,46
95 4,83 88,83 0,18 96,20 35,05 0,83 189,83 0,35 96,06 19,18 0,33 267,33 0,51 98,33 15,60
90 4,83 88,83 0,18 96,20 35,05 0,83 189,83 0,35 96,04 19,16 0,33 267,33 0,51 98,33 15,60
99
10
55,5 81,5 0,33 99,02 11,61 42,67 101,67 0,83 99,01 26,32 25,08 109,08 1,26 98,95 29,15
95 47,50 73,50 0,28 95,36 16,94 26,33 85,33 0,76 95,37 32,89 3,42 87,42 1,21 95,77 35,26
90 41,83 67,83 0,26 91,02 20,11 20,17 79,17 0,75 91,02 33,04 1,92 85,92 1,21 95,24 35,32
i =40, i =10, Li=1, ct=20
Tableau 5.15. valuation des performances en fonction des taux de service exigs
et du nombre des dtaillants

5.8 Conclusion
Dans ce chapitre, nous avons trait le problme du transshipment multi dtaillants
dans un rseau de distribution deux chelons, pour lequel nous avons men une
tude empirique sur un jeu dinstances alatoires. Nous nous sommes intresss
examiner linfluence dun certain nombre de paramtres agissant sur le comportement
du systme de stock, savoir lcart type de la demande, le dlai
dapprovisionnement, le nombre des dtaillants, les cots de commande, de
possession, de rupture et de transshipment ainsi que le taux de service.

Dans un premier temps, nous nous sommes attachs mesurer limpact des
paramtres dentre (nombre de dtaillants, cart type et dlai dapprovisionnement)
sur le bnfice du complete pooling standard dans un systme de stock (R, s, S). Nous
avons aussi examin limpact du complete pooling plafonn, tenant compte de la
capacit du transshipment, sur les performances du systme de stock. Cette tude
nous a permis didentifier les conditions sous lesquelles le complete pooling plafonn
apporte un gain vis--vis du complete pooling standard.

Lapproche de simulation-optimisation que nous avons adopte a le mrite daboutir
une rsolution assez fine. Cependant, la complexit de la rsolution augmente
considrablement avec laugmentation du nombre N des dtaillants (2h pour N=2,
15h pour N=4, 60h pour N=8). Pour approfondir lexamen de linfluence des
diffrents cots (commande, possession, rupture et transshipment), en largissant la
simulation jusqu N=12, nous avons trouv utile de substituer la politique de stock
(R, s, S) une politique de type (R, s, s+Q) avec Q gal au minimum des deux
quantits approximatives EOQ et Q
p
proposes respectivement par (Wilson 34) et par
(Ehrhardt et Mosier 84).

La comparaison exprimentale du comportement des trois politiques (R, s, S), (R, s,
s+EOQ) et (R, s, s+Q
p
) nous a conforte dans cette orientation. Lcart dans
lestimation de la valeur de s est infrieur 3.4% et le gain en rduction du temps de
rsolution est approximativement de 50%. Lcart dans lestimation de la valeur de S
est relativement important pour des dlais dapprovisionnement courts (L
i
=1) ; il se
rduit moins de 2.6% pour des dlais dapprovisionnement plus raisonnables (L
i
=3).

De la sorte, nous avons pu effectuer un grand nombre de tests qui nous ont permis de
mettre en vidence linfluence de chacun des cots et, notamment, de situer les
contextes o le recours systmatique au transshipment est bnfique. Dune faon
gnrale, laugmentation du cot de commande K et/ou du cot de rupture cp conduit
dvelopper les stocks et, par consquent, rduire le besoin du recours au
transshipment. Tandis que laugmentation du cot de possession et/ou du nombre de
dtaillants donne de lintrt au recours au transshipment.

Lexploration des variantes consistant en le complete pooling plafonn et le complete
pooling conditionn rvle un nouvel enseignement particulirement intressant. En
effet, on constate que le fait de contraindre les dcisions de transshipment (par une
quantit maximum dans le cas du complete pooling plafonn ou par une quantit
minimum dans le cas du complete pooling conditionn) amliore le rendement de la
mise en uvre du transshipment. Rappelons que, dans le complete pooling standard,

le transshipment est effectu systmatiquement chaque fois quil est possible, mme
perte.

Dans le chapitre suivant, nous nous proposons de complexifier la structure du rseau
de distribution en passant un systme multi chelons dans lequel le centre de
distribution nest plus considr capacit infinie mais doit lui mme grer son stock
selon la politique de gestion (R, s, S).

Chapitre 6 : Transshipment dans un rseau de
distribution multi chelons

6.1 Systme de stock avec transshipment dans un rseau de distribution multi
chelons
6.1.1 Description du problme
6.1.2 Hypothses du modle
6.1.3 Notations
6.2 Dmarche de rsolution
6.2.1 Procdures dallocation du stock disponible au niveau du centre de
distribution
6.2.2 Formulation des problmes doptimisation
6.2.3 Solutions initiales
6.2.4 Modle de stock intgrant le transshipment dun systme multi
chelons
6.2.5 Modle de simulation-optimisation
6.3 Les rsultats numriques
6.3.1 tude du problme doptimisation 1
6.3.2 tude du systme de stock multi chelons sous contrainte de taux
de service
6.3.3 valuation des solutions initiales
6.4 Conclusion

Modlisation et rsolution / Transshipment dans un rseau multi chelons 119

6.1 Systme de stock avec transshipment dans un rseau de
distribution multi chelons
6.1.1 Description du problme
Nous considrons un rseau de distribution multi chelons compos dun fournisseur,
dun centre de distribution et de deux dtaillants (cf. Figure 6.1) et fonctionnant en
complete pooling. Nous supposons que les dlais dapprovisionnement du fournisseur
au centre de distribution (L
CD
) et du centre de distribution aux dtaillants (L) sont
fixes.

Figure 6.1. Rseau de distribution multi chelons intgrant le transshipment

Nous supposons galement que les demandes clients seffectuent exclusivement
travers les dtaillants. Ainsi, la demande chez le centre de distribution reprsente
uniquement les commandes dtaillants (cf. Figure 6.2). Le fournisseur est considr
capacit infinie.

Figure 6.2. Flux des commandes dans un rseau de distribution multi chelons avec transshipment

Les dtaillants grent leurs stocks selon la politique (R, s
i
, s
i
+Q
p
). La priode de
rvision (R) est fixe une priode. Ainsi, la fin de chaque priode t, chaque
dtaillant i contrle sa position de stock
a
t i
IP
,
et passe une commande Q
i,t
vers le
centre de distribution si lquation (75) est vrifie. La livraison de cette commande
au dtaillant i seffectuera au dbut de la priode t+L+1.

=
sinon 0
si
, ,
,
i
a
t i
a
t i i
t i
s IP IP S
Q (75)
Fournisseur Centre de
distribution
(R, s, S)
Dtaillants
(R, s
i
, s
i
+Q
p
)

Demandes clients d
i,t
:
loi Normale (
i
,
i
)

L
CD L
Transshipments
Q
1,t

Q
2,t

Fournisseur Centre de
distribution
Dtaillants

Q
'
t
2
1
d
2,t

d
1,t

=
=
2
1
,
i
t i t
Q D

Commande du centre
de distribution

Commandes
dtaillants
Demandes
clients

Le centre de distribution gre son stock selon la politique (R, s, S). La priode de
rvision R est considre gale deux priodes. A la fin de chaque priode t
correspondant une priode de rvision, le centre de distribution contrle sa position
de stock P
t
a
(stock disponible + stock en commande) et passe une commande Q
'
t
vers
le fournisseur si lquation (76) est vrifie. La livraison de cette commande au
centre de distribution seffectuera au dbut de la priode t+L
CD
+1.

=
sinon 0
si
'
s P P S
Q
a
t
a
t
t
(76)
6.1.2 Hypothses du modle
Nous considrons dans notre modle les hypothses suivantes :
(H
1
) Les demandes par priode, chez chaque dtaillant, sont alatoires (loi
normale), indpendantes et identiquement distribues.
(H
2
) A chaque priode t, il est effectu chez chacun des dtaillants la squence
doprations suivante : 1) rception partielle ou totale de la commande
effectue auprs du centre de distribution t-L-1 (voir, plus loin, procdures
dallocation du stock disponible), 2) observation de la demande client, 3)
traitement des transshipments et 4) passation dun ordre dapprovisionnement
vers le centre de distribution si lquation (75) est vrifie.
(H
3
) A chaque priode de rvision t, il est effectu au centre de distribution la
squence doprations suivante : 1) rception de la commande effectue
auprs du fournisseur t-L
CD
-1, 2) gestion et livraison des commandes
dtaillants et 3) passation dun ordre dapprovisionnement vers le fournisseur
si lquation (76) est vrifie.
(H
4
) La demande (ou partie de la demande) non satisfaite par les dtaillants est
considre comme perdue.
6.1.3 Notations
Nous adoptons les notations suivantes :

Pour les dtaillants (i=1, 2) :
K Cot fixe de commande
ch Cot de possession par unit de produit et par priode
cp Cot de rupture par unit de produit
ct Cot fixe de transshipment
IL
i
a
,t
Niveau de stock chez le dtaillant i la fin de la priode t
QP
i,t
Demande perdue par le dtaillant i la priode t
,t i
Variable boolenne gale 1 si le dtaillant i a reu un transshipment la
priode t et 0 sinon
B
i,t
Variable boolenne gale 1 si le dtaillant i passe une commande la
priode t et 0 sinon
SD
i
Service dsir local au dtaillant i
SD Service global dsir pour le systme entier
a
Service global obtenu par le modle de simulation
CD
i
Cot total pour le dtaillant i

Pour le centre de distribution :
K Cot de commande fixe
ch Cot de possession par unit de produit et par priode
D
t
Commande agrge des dtaillants chez le centre de distribution la priode t
QL
i,t
Quantit livre par le centre de distribution au dtaillant i la priode t
t
Variable boolenne qui prend la valeur 1 si le centre de distribution passe une
commande au fournisseur la fin de la priode t et 0 sinon
I
t
b
Niveau de stock chez le centre de distribution au dbut de la priode t
P
t
b
Position de stock chez le centre de distribution au dbut de la priode t
I
t
a
Niveau de stock chez le centre de distribution la fin de la priode t
P
t
a
Position de stock chez le centre de distribution la fin de la priode t
TS Taux de satisfaction des commandes dtaillants chez le centre de distribution
CC Cot total du centre de distribution

Pour le systme de distribution
CT Cot total du systme
T Horizon fini de temps

Nous nous situons dabord dans un systme de stock sans transshipment et nous
dterminons des solutions initiales pour le centre de distribution et les dtaillants.
Nous dveloppons ensuite le modle analytique dun systme de stock avec
transshipment dans un rseau de distribution. Enfin, nous donnons le modle de
simulation-optimisation correspondant. Ce modle est test via une large tude
exprimentale dans laquelle nous examinons, vis--vis des performances du systme,

les effets du dlai dapprovisionnement du centre de distribution, du dlai
dapprovisionnement des dtaillants et de lcart type des demandes ;
leffet des procdures dallocation du stock disponible au niveau du centre de
distribution ;
leffet de la politique (R, s, S) au niveau du centre de distribution ;
leffet du taux de service pour le cas des systmes de stock exigeant un taux de
service global et pour le cas des systmes de stock exigeant un taux de service
spcifique chaque dtaillant.
6.2 Dmarche de rsolution
6.2.1 Procdures dallocation du stock disponible au niveau du centre de
distribution
Ces procdures dterminent la manire dont les commandes dtaillants sont traites
par le centre de distribution. Nous distinguons deux cas possibles :
Le stock disponible (I
t
b
) chez le centre de distribution est suffisant pour
satisfaire toutes les commandes dtaillants. Par consquent, au dbut de la
priode t+L+1, les positions de stocks des dtaillants seront ramenes S
i
.
Le stock disponible (I
t
b
) chez le centre de distribution est insuffisant pour
satisfaire toutes les commandes dtaillants. Dans ce cas, nous proposons deux
procdures dallocation pour rationner le stock disponible du centre de
distribution entre dtaillants. Dans la premire procdure, si lune des
commandes est infrieure la moiti du stock disponible alors elle est satisfaite

entirement et le restant du stock est allou lautre commande. Sinon, le centre
de distribution rpartit le stock disponible de manire gale (quitable) entre les
deux dtaillants. Dans la deuxime procdure, le stock disponible est rparti de
manire proportionnelle aux volumes des commandes dtaillants. Nous
prsentons ci-dessous les formulations de ces deux procdures.

Procdure dallocation 1 (PA 1)

Si D
t
> I
t
b
alors
Sil i=1 ou 2 tel que Q
i,t
<I
t
b
/2 alors QL
i,t+L+1
=Q
i,t
et QL
j,t+L+1
=I
t
b
-Q
i,t
, ji
Sinon QL
i,t+L+1
= I
t
b
/2 et QL
j,t+L+1
= I
t
b
- QL
i,t+L+1

Procdure dallocation 2 (PA 2)

QL
i,t+L+1
= I
t
b

*
(Q
i,t
/ D
t
) et QL
j,t+L+1
= I
t
b
- QL
i,t+L+1

6.2.2 Formulation des problmes doptimisation
Dans ce chapitre, nous proposons dtudier la rsolution du problme de
transshipment selon trois objectifs diffrents. Le premier objectif est celui de la
minimisation du cot total du systme (cot du centre de distribution + cots de
commande, de possession, de rupture et de transshipment chez les dtaillants). Le
deuxime objectif est celui de la minimisation du cot total du systme, sans cot de
rupture mais sous la contrainte dun taux de service (SD) global pour les deux
dtaillants. Le troisime objectif est la minimisation du cot total du systme,
toujours sans cot de rupture mais avec une contrainte de taux de service dsir (SD
i
)
spcifique chaque dtaillant i.

Pour chacun de ces objectifs, il sagit de dterminer les valeurs optimales des seuils
de stock (s, S) chez le centre de distribution et des points de commande chez les
dtaillants (s
i
; i=1, 2). Le niveau de recompltement pour chaque dtaillant i sera
calcul par S
i
=s
i
+Q
p
.

Les trois problmes doptimisation qui en rsultent peuvent tre formuls comme
suit :

Problme doptimisation 1 : Minimisation du cot total du systme

( ) ( )
entiers S s
i entiers s c s
ch I E K ct cp QP E ch IL E K B Min CT E
i
T
t
a
t t
T
t
t i
a
t i
a
t i t i
i
S s
i s
i
: 1 , 0
2 , 1 , : 0 . .
) ( ) ( ) ( ) (
1
' '
1
, , , ,
2
1
) , (
2 , 1 ;

=
|
.
|
\
|
+ + + + + =

= = =
=


Problme doptimisation 2 : Minimisation du cot total du systme, sans cot de
rupture mais sous la contrainte dun taux de service (SD) global

( ) ( )
SD d QP
entiers S s
i entiers s c s
ch I E K ct ch IL E K B Min CT E
N
i
T
t
t i
N
i
T
t
t i
i
T
t
a
t t
T
t
t i
a
t i t i
i
S s
i s
i

=
|
.
|
\
|
+ + + + =

= = = =
= = =
=
1 1
,
1 1
,
1
' '
1
, , ,
2
1
) , (
2 , 1 ;
1
: 1 , 0
2 , 1 , : 0 . .
) ( ) ( ) (

Problme doptimisation 3 : Minimisation du cot total du systme, sans cot de
rupture mais avec contrainte dun taux de service dsir (SD
i
) spcifique
chaque dtaillant

( ) ( )
2 , 1 , 1
: 1 , 0
2 , 1 , : 0 . .
) ( ) ( ) (
1
,
1
,
1
' '
1
, , ,
2
1
) , (
2 , 1 ;
=

=
|
.
|
\
|
+ + + + =

= =
= = =
=
i SD d QP
entiers S s
i entiers s c s
ch I E K ct ch IL E K B Min CT E
i
T
t
t i
T
t
t i
i
T
t
a
t t
T
t
t i
a
t i t i
i
S s
i s
i

6.2.3 Solutions initiales
Pour rsoudre les problmes doptimisation cits ci-dessus, nous dveloppons une
procdure analytique permettant de dterminer, dans un systme de stock sans
transshipment, les seuils initiaux de stock s
i
pour les dtaillants et les seuils s et S
pour le centre de distribution.
6.2.31 Pour les dtaillants
Nous supposons, ici, que chaque dtaillant gre son stock de manire indpendante.
6.2.311 Solution initiale pour le problme doptimisation 1
Nous adoptons, pour le problme doptimisation 1, lheuristique de Ehrhardt et
Mosier (Ehrhardt et Mosier 84) qui consiste dterminer s et S en se basant sur un
cot de rupture donn :


tape 1 :

Calculer la quantit de commande approche Q
p
et le point de
commande approch s
p
:

( ) ( )
116 . 0
2 2
1
506 . 0 494 . 0
1 30 . 1
+
+ =
L p
ch K Q

et
|
.
|
\
|
+ + =
+ +
z
z
s
L L p
192 . 2 063 . 1
183 . 0
973 . 0
1 1

avec
cp
ch Q
z
L
p
1 +
=

tape 2 :

Si 5 . 1 >
p
Q alors
s=s
p

S= s
p
+ Q
p
Sinon Calculer

1 1 0 + +
+ =
L L
k S
s=min{s
p
, S
0
}
S=min{s
p
+Q
p
, S
0
}
avec un facteur de scurit k qui satisfait lquation
cp ch
ch
k p
u
+
=
) (

6.2.312 Solution initiale pour les problmes doptimisation 2 et 3
Nous proposons dutiliser la mme quantit de commande approche Q
p
calcule
selon lheuristique de Ehrhardt et Mosier, et de dterminer les seuils de commande s
i

selon la formule propose dans (Silver et al. 98).

Lestimation du point de commande qui garantit un taux de service dsir est donne
par :
( ) 1 1
0
+ + + = L k L s
i i i
(77)

Sous lhypothse de demandes perdues, le facteur de scurit k
i
est solution de
lquation :
|
.
|
\
|
+
=
SD
SD
L
Q
k G
i
p
u
1
1
) (
(78)

avec
G
u
: fonction qui suit la loi normale centre rduite

( ) | |
=
i
k
u
du u k u k G 2 / exp
2
1
) (
2

Le niveau de recompltement sera calcul par :
p i i
Q s S + =
0 0
(79)

6.2.32 Pour le centre de distribution
6.2.321 Solution initiale pour le niveau de recompltement
Nous proposons dadopter le concept du stock chelon propos par Clark et Scarf
(Clark et Scarf 60). Ainsi, le niveau de recompltement initial dans le centre de
distribution est pris gal au stock chelon du systme entier :

S
0
= stock chelon initial
= position de stock initiale du centre de distribution + la somme des positions de
stock initiales des deux dtaillants

Nous supposons qu la priode t=1, il ny a pas de commandes initiales auprs du
fournisseur ni auprs du centre de distribution. De plus, la position de stock initiale
du centre de distribution se restreint la demande clients durant L
CD
+R priodes
chez les dtaillants. Nous obtenons alors :

=
+ + =
N
i
i CD i
S R L N S
1
0 0
) ' ( (80)

avec
N=nombre des dtaillants, ici N=2

6.2.321 Solution initiale pour le point de commande
Nous ajoutons la demande clients, durant les L
CD
+R priodes, la prise en compte du
facteur de scurit en adoptant leffet N (Pimor 03) :

' ) ' (
0
R L N k R L N s
CD i CD i
+ + + = (81)

Cette expression suppose que les demandes clients sont identiques en moyenne et
cart type, ce qui est le cas ici.

Pour le problme doptimisation 1, nous considrons pour k la valeur dtermine par
lquation ) ( ) ( cp ch ch k p
u
+ =
dans laquelle intervient le cot de rupture.

Pour les problmes doptimisation 2 et 3, nous considrons pour k la valeur
dtermine par lquation
|
.
|
\
|
+
=
SD
SD
L
Q
k G
i
p
u
1
1
) (
dans laquelle intervient le seuil de

service dsir.

Nous considrons les valeurs de s
0
, S
0
,
0
i
s et
0
i
S comme des solutions initiales pour le
modle de simulation-optimisation.

6.2.4 Modle de stock intgrant le transshipment dun systme multi
chelons
6.2.41 Modle de stock (R, s, S) pour le centre de distribution
A la priode t=1, nous supposons quil ny a pas de commandes en transit ni auprs
du fournisseur ni de la part des dtaillants et, donc, le niveau initial de stock et la
position initiale de stock sont gaux S
0
.

Au dbut de chaque nouvelle priode t, la squence doprations suivante est
effectue : arrive des livraisons pour les commandes effectues auprs du
fournisseur (quation (82)), rception des commandes dtaillants (quation (83)),
rservation de stocks pour les dtaillants (quations (84-85)) et passation de
commande vers le fournisseur (quation (86)).

'
1
+ =
CD
L t
b
t
b
t
Q I I (82)

=
=
2
1
,
i
t i t
Q D (83)

=
=
2
1
,
i
t i
b
t
a
t
QL P P (84)

=
=
2
1
,
i
t i
b
t
a
t
QL I I (85)

'
t
a
t
a
t
Q P P + = (86)

Finalement, la position et le niveau de stock de la priode suivante sont mises jour :
a
t
b
t
P P =
+1
(87)

a
t
b
t
I I =
+1
(88)

Les quations (82 et 86) traduisent les interactions avec le fournisseur. Les quations
(83 85) traduisent les interactions avec les dtaillants. Les quations assurent le
passage dune tape la suivante.
6.2.42 Modle de stock (R, s, S) avec demandes perdues pour les dtaillants
A la priode t=1, nous supposons quil ny a pas de commandes en transit ni auprs
du centre de distribution ni de la part des clients et que le niveau initial de stock et la
position initiale de stock sont gaux S
i
0
.

Au dbut de chaque nouvelle priode t, la squence doprations suivante est
effectue : rception des livraisons pour les commandes effectues auprs du centre
de distribution (quation (89)), satisfaction des demandes clients (quations (90-91)),

ralisation du transshipment (quations (92-93)) et passation de commande vers le
centre de distribution (quation (94)).

1 , , ,
+ =
L t i
b
t i
b
t i
QL IP IP
(89)

) ; 0 ( max
, , , t i
b
t i
b
t i
d IP IP = (90)

) ; 0 ( max
, , , t i
b
t i
b
t i
d IL IL = (91)

t j i
b
t i
a
t i
X IP IP
, , , ,
= (92)

t j i
b
t i
a
t i
X IL IL
, , , ,
= (93)

t i
a
t i
a
t i
Q IP IP
, , ,
+ =
(94)

Finalement, la position et le niveau de stock de la priode suivante sont mises jour :

a
t i
b
t i
IP IP
, 1 ,
=
+
(95)

a
t i
b
t i
IL IL
, 1 ,
=
+
(96)

Les modles de stock pour le centre de distribution et les dtaillants sont implments
sous tableur Excel.
6.2.5 Modle de simulation-optimisation
Rappelons quil sagit de cerner la combinaison optimale des seuils de stock (s, S)
pour le centre de distribution et le seuil optimal s
i
pour chaque dtaillant i, i=1, 2.
Nous construisons lespace de recherche comme suit :

Pour le centre de distribution :
Nous fixons les valeurs de (s, S) dans deux intervalles :
[LB
w1
, UB
w1
] pour s, avec
CD i w
L N LB =
1
(i.e. le point de commande du centre
de distribution doit couvrir, durant le dlai L
CD
, au moins la demande clients des
dtaillants) et
0
1
s UB
w
= .
[LB
w2
, UB
w2
] pour S, avec ) (
1
L L N LB
CD i w
+ = (i.e. le niveau de
recompltement du centre de distribution doit galement couvrir, durant
(L
CD
+L) priodes, au moins la demande clients des dtaillants) et
0
1
S UB
w
= .

Pour les dtaillants :
Nous fixons, pour chaque dtaillant i, les valeurs du seuil s
i
dans un intervalle :
[LB
i
, UB
i
], avec L LB
i i
= (i.e. le point de commande dun dtaillant doit couvrir au
moins sa propre demande clients durant son dlai L) et
0
i i
s UB = .


Nous constatons que le nombre de combinaisons possibles dans lespace de recherche
est combinatoire. Pour cela, nous proposons de drouler l'optimisation par loutil
OptQuest du Crystal Ball 7.2 en deux phases. Dans la premire phase, la recherche
pour (s, S) et s
i
est effectue dans les intervalles dfinis ci-dessus avec un pas de
discrtisation de cinq units. la fin de cette phase, lOptQuest donne la meilleure
combinaison parmi celles values minimisant le cot total du systme. Nous notons
cette premire solution par (s
, S
) pour le centre de distribution et s
i
pour chaque
dtaillant i. Dans la deuxime phase, une nouvelle recherche est effectue autour de
cette solution en utilisant un pas de discrtisation dune unit et en restreignant les
intervalles comme suit :
LB
w1
= s
-5; UB
w1
= s
+5
LB
w2
= S
-5; UB
w2
= S
-5
LB
i
= s
i
-5; UB
i
= s
i
+5

Finalement, la phase d'optimisation fournit, en sortie, les meilleurs seuils de stock (s,
S) pour le centre de distribution et le meilleur seuil s
i
pour chaque dtaillant i
ralisant lobjectif vis.
6.3 Les rsultats numriques
Les expriences sont ralises avec les paramtres d'entre : N=2, K=100, ch=1,
cp=100, ct=20, K=500, ch=1,
i
=40, T=52 en considrant diffrentes valeurs pour L,
L
CD
,
i
, SD et SD
i
(voir tableau 6.1). Nous considrons les mesures de performance
suivantes : cot total moyen du systme E(CT), taux de service dtaillants (
a
), taux
de transshipment (%TR) et taux de satisfaction des commandes dtaillants chez le
centre de distribution (%TS).

Paramtres Valeurs
L 1 ; 3
L
CD
2 ; 5
i
10 ; 20
SD, SD
i
99 ; 95 ; 90
Tableau 6.1. Paramtres d'entre pour les exemples numriques

6.3.1 tude du problme doptimisation 1
Nous examinons leffet de trois paramtres dentre sur les bnfices du
transshipment savoir :
le dlai dapprovisionnement du centre de distribution ;
le dlai dapprovisionnement des dtaillants ;
lcart type de la demande.

Ce travail a t publi dans (Tlili et al. 10b).
6.3.11 Impact du dlai dapprovisionnement du centre de distribution
Ltude de limpact de la variation du dlai dapprovisionnement du centre de
distribution est ralise dans les cas o
i
=40,
i
=10 (ou 20), L=1 et L
CD
=2 puis 5. La

simulation est effectue pour chacune des procdures dallocation PA 1 et PA 2. Les
rsultats sont prsents dans le tableau 6.2. Leur analyse se prsente comme suit :
avec un cot de rupture cp=100 et un cot fixe de transshipment ct=20, on
aurait pu sattendre un recours important aux transshipments notamment pour
compenser le passage de dlai L
CD
=2 L
CD
=5. La simulation donne, pourtant,
des valeurs de transshipments faibles. Lexplication peut provenir du fait que,
avec cp=100, un cot de commande constant (K=100 et K=500) et un cot de
possession faible (ch=1), la minimisation du cot total trouve sa solution dans la
satisfaction totale des demandes clients. Ainsi, les seuils s
i
sont dtermins pour
assurer un taux de service quasiment de 100% alors que le centre de distribution
va compter sur le stock pour satisfaire les demandes rsultantes des dtaillants.
Selon cette interprtation, on comprend que les valeurs des seuils s
i
soient
restes peu sensibles la variation du dlai L
CD
mais raisonnablement sensibles
laugmentation de lcart type.
Avec loptique dune satisfaction totale des demandes clients, il est normal de
ne pas constater une diffrence sensible entre les comportements des procdures
dallocation de stock.
Laugmentation du cot total ne suit pas celle des stocks chez le centre de
distribution en passant de L
CD
=2 L
CD
=5. Cette augmentation est loin dtre
linaire, vraisemblablement cause du cot constant de la commande et du
faible cot de possession. En fait, lexamen dtaill de nos rsultats de
simulation nous a montr que, en passant de L
CD
=2 L
CD
=5, le total des cots
de commande est rest quasiment constant et que lexplication de
laugmentation du cot total est due celle du cot total de possession qui, lui,
augmente linairement avec le stock.

Dtaillants Centre de distribution Systme
%
a
s S %TR %TS s S E(CT)
PA 1
i
=10 L
CD
=2 99,72 94 178 2,97 99,17 337 495 30 819,04
i
=10 L
CD
=5 99,66 97,5 181,5 2,82 99,16 584 730 32 753,25
%Diff -0,07 3,72 1,97 -4,92 0 73,29 47,47 6,28
i
=20 L
CD
=2 99,56 107 194 4,34 99,45 366 541 34 197,05
i
=20 L
CD
=5 99,53 106 193 4,01 99,29 647 804 36 870,46
%Diff -0,03 -0,93 -0,52 -7,44 -0,16 76,78 48,61 7,82
PA 2
i
=10 L
CD
=2 99,58 93 177 3,43 99,02 323 490 30 934,44
i
=10 L
CD
=5 99,62 93,5 177,5 2,96 99,23 587 733 32 685,01
%Diff 0,04 0,54 0,28 -13,55 0,21 81,73 49,59 5,66
i
=20 L
CD
=2 99,71 105 192 4,14 99,24 367 545 33 649,78
i
=20 L
CD
=5 99,54 107 194 3,85 99,26 645 802 36 818,36
%Diff -0,17 1,9 1,04 -6,89 0,02 75,75 47,16 9,42
i =40, L=1, ct=20, ch=ch=1, cp=100, K=100, K=500

Tableau 6.2. Comparaison des performances pour LCD=2 vs. LCD=5


6.3.12 Impact du dlai dapprovisionnement des dtaillants
Ltude de limpact de la variation du dlai dapprovisionnement des dtaillants est
ralise dans les cas o
i
=40,
i
=10 (ou 20), L
CD
=5 et L=1 puis 3. La simulation est
effectue pour chacune des procdures dallocation PA 1 et PA 2. Les rsultats sont
prsents dans le tableau 6.3.

De prime abord, nous constatons que, avec le choix des paramtres ch=1 (cot de
possession faible), cp=100 (cot de rupture fort) et ct=20 (cot de transshipment
fixe=20 fois le cot de possession), la minimisation du cot total a tendance trouver
ses solutions dans la satisfaction totale des demandes clients en sappuyant
principalement sur les stocks. Aussi, pour une variation faible de la demande (
i
=10),
le comportement du centre de distribution est quasiment insensible au passage du
dlai L=1 L=3, mais, nanmoins, ragit laugmentation cumule de cette variation
(
i
=20) et du dlai (L=3). Globalement, la compensation de leffet du changement de
dlai est assure dans sa quasi totalit par la gestion de stock au niveau des
dtaillants.

Ce constat est tay par les lments danalyse suivants :
Le comportement du systme pour les deux procdures dallocation est
quasiment le mme (sans doute cause de la tendance du systme satisfaire la
totalit des demandes).
Le taux de transshipment augmente avec laugmentation de la variation de la
demande
i
ainsi quavec laugmentation du dlai L.
Nous pouvons en dduire que laugmentation du cot total est due
principalement laugmentation du cot total de possession. Cet lment
confirme la prpondrance du poids de leffet du cot de possession trs faible
relativement aux cots de rupture et de transshipment. Sachant que le cot total
des commandes (avec cot K constant) est rest presque le mme.

%
a
PA 1
i
=10 L=1 99,66 97,5 181,5 2,82 99,16 584 730 32 753,25
i
=10 L=3 99,69 176 261 3,07 99,28 589 733 33 390,68
%Diff 0,03 80,51 43,80 0,12 0,86 0,41 1,95 8,64
i
=20 L=1 99,53 106 193 4,01 99,29 647 804 36 870,46
i
=20 L=3 99,36 204 294 4,97 98,7 635 874 38 764,61
%Diff -0,17 92,45 52,33 -0,59 -1,85 8,71 5,14 23,96
PA 2
i
=10 L=1 99,62 93,5 177,5 2,96 99,23 587 733 32 685,01
i
=10 L=3 99,65 176 261 3,27 99,17 585 729 33 330,46
%Diff 0,03 88,24 47,04 -0,06 -0,34 -0,55 1,97 10,23
i
=20 L=1 99,54 107 194 3,85 99,26 645 802 36 818,36
i
=20 L=3 99,37 206 296 4,72 98,53 632 870 38 716,29
%Diff -0,17 92,52 52,58 -0,74 -2,02 8,48 5,15 22,63
i =40, LCD=5, ct=20, ch=ch=1, cp=100, K=100, K=500

Tableau 6.3. Comparaison des performances pour L=1 vs. L=3

6.3.13 Impact de lcart type de la demande
Dans un premier temps, nous considrons un systme de stock dtaillants identiques
et nous tudions sa sensibilit vis--vis de laugmentation de lcart type de la
demande. Dans un deuxime temps, nous comparons le comportement de ce systme
celui dun systme de stock dtaillants diffrents en carts types.

Nous avons expriment notre modle pour diffrentes combinaisons de dlais L (1 et
3) et L
CD
(2 et 5) et pour chacune des procdures dallocation PA 1 et PA 2. Nous
avons maintenu les autres paramtres constants
i
=40, ct=20, ch=ch=1, cp=100,
K=100, K=500. Les rsultats de simulation sont rapports dans les tableaux 6.4 et
6.5, respectivement pour les procdures PA 1 et PA 2. Ces rsultats confirment et
compltent ceux dj analyss dans les deux paragraphes prcdents :
Avec la prpondrance de leffet du faible cot de possession relativement aux
cots de rupture et de transshipment et pour un cot de commande constant, la
minimisation du cot total a tendance trouver ses solutions dans la satisfaction
totale des demandes clients. La gestion de stock chez les dtaillants est
concentre sur la satisfaction des demandes clients tenant compte du dlai
dapprovisionnement L, tandis que la gestion de stock chez le centre de
distribution est concentre sur la satisfaction des commandes dtaillants et sur
la compensation du dlai dapprovisionnement L
CD
.
Les deux chelons, dtaillants et centre de distribution, sont sensibles
laugmentation de lcart type. Le centre de distribution est particulirement
sensible laugmentation de lcart type avec le cumul de laugmentation de
dlais L et L
CD
.
Laugmentation de lcart type induit une augmentation du taux de
transshipment. Nous constatons aussi que le dsquilibre de lcart type entre
les deux dtaillants a un effet sensible sur laugmentation du taux de
transshipment.
Enfin, dans ce contexte de satisfaction totale des demandes clients, les
comportements des deux procdures dallocation marquent trs peu de
diffrence.


%
a
L=1, L
CD
=2
i
=10 (SS) 99,72
94 178
2,97 99,17 337 495 30 819,04
i
=20 (SS) 99,56
107 194
4,34 99,15 366 541 34 197,05
1
=10,
2
=20 (SA) 99,58
93 178,5
4,32 99,37 357 527 32 591,41
L=1, L
CD
=5
i
=10 (SS) 99,66
97,5 181,5
2,82 99,16 584 730 32 753,25
i
=20 (SS) 99,53
106 193
4,01 99,29 647 804 36 870,46
1
=10,
2
=20 (SA) 99,78
98,5 184
3,56 99,88 627 778 35 119,07
L=3, L
CD
=5
i
=10 (SS) 99,7
176 261
3,07 99,27 589 733 33 390,68
i
=20 (SS) 99,37
204 294
4,97 98,72 635 874 38 764,61
1
=10,
2
=20 (SA) 99,7
177 267
4,78 99,82 642 824 38 994,82
i =40, ct=20, ch=ch=1, cp=100, K=100, K=500
SS= Systme symtrique en carts types, SA= Systme asymtrique en carts types

Tableau 6.4. Comparaison des performances de PA 1 en fonction de lcart type i

%
a
L=1, L
CD
=2
i
=10 (SS) 99,58 94 178 3,43 99,02 337 495 30 934,44
i
=20 (SS) 99,71 105 192 4,14 99,24 367 545 34 184,63
1
=10,
2
=20 (SA)
99,63 95,5 181 3,81 99,36 355 527 32 624,56
L=1, L
CD
=5
i
=10 (SS) 99,62 93,5 177,5 2,96 99,23 587 733 32 685,01
i
=20 (SS) 99,54 107 194 3,85 99,26 645 802 36 818,36
1
=10,
2
=20 (SA)
99,57 98 183,5 3,66 99,33 625 774 34 953,00
L=3, L
CD
=5
i
=10 (SS) 99,65 176 261 3,27 99,17 585 729 33 330,46
i
=20 (SS) 99,37 208,5 298,5 4,72 98,53 632 870 38 716,29
1
=10,
2
=20 (SA)
99,7 177 267 4,72 99,82 642 824 38 878,43
i =40, ct=20, ch=ch=1, cp=100, K=100, K=500
SS= Systme symtrique en carts types, SA= Systme asymtrique en carts types

Tableau 6.5. Comparaison des performances de PA 2 en fonction de lcart type i


6.3.2 tude du systme de stock multi chelons sous contrainte de taux de
service
Dans cette section, nous tudions les problmes doptimisation 2 et 3 se rapportent
la minimisation du cot total du systme, sans cot de rupture mais avec contrainte de
taux de service.

Il nous faut mentionner, ici, que Diks et De Kok (Diks et De Kok 96) ont tudi un
systme de stock multi chelons sous contrainte de service, en adoptant la politique
(R, S) aussi bien pour le centre de distribution que pour les dtaillants, et la politique
de transshipment prventif (quilibrage de stocks chaque priode). Ils ont propos
une politique efficace dallocation au niveau du centre de distribution sous des
hypothses restrictives : les dtaillants et le centre de distribution ont la mme
priode de rvision et le dlai dapprovisionnement entre le centre de distribution et
les dtaillants est gal la priode de rvision. Ils ont indiqu que lanalyse dun tel
systme devient trs complique lorsque ces hypothses sont relaxes. Dans notre
modle, nous avons adopt la politique de gestion (R, s, S) pour le centre de
distribution et la politique (R, s, s+Q
p
) pour les dtaillants. Dun autre ct, nous
avons relax les hypothses sur la priode de rvision et les dlais
dapprovisionnement : nous avons considr que la priode de rvision R des
dtaillants et celle R du centre de distribution peuvent tre diffrentes, de mme que
le dlai entre centre de distribution et dtaillants peut tre gal la priode de
rvision ou diffrent (trois priodes). Pour le transshipment, nous avons adopt la
politique durgence, savoir la politique du complete pooling standard. Ainsi, nous
sommes dans un contexte bien plus compliqu pour tre solvable analytiquement.

Ce travail a t publi dans (Tlili et al. 10a).
6.3.21 Systmes de stock sous contrainte dun taux de service global du
systme
Nous considrons, ici, le problme doptimisation 2. Nous avons expriment toutes
les combinaisons de
i
=10 ou 20, L=1 ou 3, L
CD
=2 ou 5. Pour les autres paramtres,
nous avons maintenu les valeurs suivantes :
i
=40, ct=20, ch=ch=1, K=100, K=500,
R=1, R=2. Les rsultats de la simulation pour les deux procdures dallocation sont
prsents dans les tableaux 6.6 et 6.7.

Encore une fois, nous avons des rsultats qui confirment et compltent les
prcdents :
Pour un cart type faible de la demande (
i
=10) et des dlais
dapprovisionnement courts (L=1, L
CD
=2), la satisfaction des demandes clients
est supporte principalement par les stocks des dtaillants avec un recours
relativement faible au transshipment.
Une relaxation de SD 95 puis 90 diminue de limportance des stocks de
scurit. Par consquent, elle fait abaisser les seuils aussi bien chez les
dtaillants que chez le centre de distribution et amne, par l, une rduction des
cots. Cependant, la loi de la demande restant la mme, les situations de rupture
aussi bien chez les dtaillants que chez le centre de distribution augmentent et
sont rsolues par un recours plus frquent au transshipment. Ce dernier constat
est gnral pour toutes les combinaisons (
i
, L, L
CD
) testes.

Laugmentation du dlai dapprovisionnement du centre de distribution est
supporte principalement par laugmentation du stock dans le centre, avec une
faible rpercussion sur laugmentation des seuils chez les dtaillants. Il sensuit
bien videmment une augmentation des cots.
Par contre, laugmentation du dlai dapprovisionnement des dtaillants est
supporte quasi-entirement par une augmentation de stocks chez ces derniers
et, ventuellement, une lgre baisse de stock chez le centre de distribution.
Enfin, quelle que soit la combinaison considre, laugmentation de lcart type
de la demande se traduit par une augmentation des stocks chez les dtaillants
avec une rpercussion lgrement moins sensible chez le centre de distribution.

SD
%
a
i
=10, L=1, L
CD
=2
99
99,02 79 163 8,61 99,05 340 492 27 763,59
95
95,08 68,5 152,5 21,03 98,13 292 462 24 764,26
90
90,00 59,5 143,5 31,19 97,62 269 441 22 893,31

i
=10, L=1, L
CD
=5
99
99,08 80,5 164,5 6,86 99,11 579 729 29 416,64
95
95,02 75,5 159,5 18,84 97,74 540 685 26 674,15
90
90,00 61 145 28,1 97,55 500 679 25 306,96

i
=10, L=3, L
CD
=5
99
98,99 169 254 7,02 98,68 560 711 30 182,98
95
95,08 168 253 16,56 96,5 495 669 27 053,70
90
90,08 150,5 235,5 26,35 96,05 471 644 25 045,28

i
=20, L=1, L
CD
=2
99
99,00 96 183 7,99 98,9 361 529 30 435,94
95
95,08 86 173 18,74 97,66 314 490 26 903,73
90
90,00 71 158 27,76 97,28 293 473 24 836,53

i
=20, L=1, L
CD
=5
99
99,03 93,5 180,5 7,5 99,16 624 796 33 112,83
95
95,05 78,5 165,5 19,48 98,21 580 748 29 435,79
90
90,09 74,5 161,5 26,05 97,19 533 712 27 238,46

i
=20, L=3, L
CD
=5
99
99,05 198,5 288,5 6,35 98,55 616 773 34 245,30
95
95,00 176 266 17,76 97,15 557 719 29 490,13
90
90,00 152 242 27,33 96,74 509 690 26 910,57
i =40, ct=20, ch=ch=1, K=100, K=500

Tableau 6.6. Rsultats numriques du problme doptimisation 2 sous la procdure dallocation PA 1
avec contrainte dun taux de service global


SD
%
a
i
=10, L=1, L
CD
=2
99
98,94 77,5 161,5 9,29 99,14 344 495 27 767,35
95
94,96 65 149 23,36 98,39 296 466 24 718,48
90
89,97 70 154 28,45 96,87 262 435 22 902,51

i
=10, L=1, L
CD
=5
99
98,95 80,5 164,5 6,73 99,09 582 728 29 456,48
95
95,08 66,5 150,5 19,54 98,31 530 699 26 682,30
90
90,01 66 150 27,79 97,18 493 668 25 140,42

i
=10, L=3, L
CD
=5
99
98,99 169,5 254,5 6,81 98,67 557 711 30 205,96
95
95,02 161,5 246,5 17,34 96,98 504 672 27 098,22
90
89,95 150,5 235,5 26,3 96,06 471 644 25 054,06

i
=20, L=1, L
CD
=2
99
99,00 95,5 182,5 7,9 98,92 362 529 30 423,72
95
94,99 86 173 18,8 97,65 325 488 26 927,48
90
90,00 71,5 158,5 27,9 97,26 296 470 24 855,12

i
=20, L=1, L
CD
=5
99
98,98 92 179 7,71 99,2 624 798 33 100,09
95
95,03 83 170 17,21 98,03 569 745 29 468,59
90
90,04 83 170 24,28 96,73 526 705 27 391,08

i
=20, L=3, L
CD
=5
99
99,05 194 284 6,49 98,77 627 780 34 435,72
95
95,06 169 259 18,01 97,61 553 732 29 775,50
90
90,00 169,5 259,5 25,46 95,53 497 677 26 925,68
i =40, ct=20, ch=ch=1, K=100, K=500

avec contrainte dun taux de service global

Quant limpact des procdures dallocation PA 1 et PA 2, lanalyse comparative des
rsultats de simulation rvle deux enseignements principaux sans pour autant
permettre de dduire des arguments clairs en faveur de lune ou de lautre des deux
procdures dallocation :
Pour un seuil de service minimum SD=99%, la procdure PA 2, en affectant les
stocks aux dtaillants de faon proportionnelle la commande, favorise
lcoulement direct vers les clients. Il en rsulte une meilleure optimisation du
stock chez les dtaillants et, par consquent, une lgre amlioration du taux de
service avec une lgre rduction du cot unitaire. Ceci reste vrai pour
SD=95%.
Par contre, avec un taux de service relax SD=90%, laffectation la
proportionnelle devient une contrainte qui rduit le taux de service global tout
en augmentant lgrement le cot unitaire.

6.3.22 Systme de stock taux de service global vs. systme de stock taux
de service spcifique chaque dtaillant
Nous voulons examiner leffet du degr de lexigence du taux de service en
comparant les rsultats de la rsolution du problme doptimisation 2 (i.e. taux de
service global) ceux de la rsolution du problme doptimisation 3 (i.e. taux de
service spcifique chaque dtaillant). Les rsultats de simulation, pour les deux
procdures dallocation, sont exposs dans les tableaux 6.8 et 6.9.


i
=10, L=1, L
CD
=2
SD
1
=SD
2
=99 80,5 164,5 7,76 98,99 340 489 27 799,29
SD
1
=SD
2
=95 73 157 19,64 97,86 286 459 24 783,44
SD
1
=SD
2
=90 56,5 140,5 30,05 97,84 271 444 22 987,44

i
=10, L=1, L
CD
=5
SD
1
=SD
2
=99 86 170 6,65 98,82 585 718 29 456,46
SD
1
=SD
2
=95 70,5 154,5 19,54 98,06 556 690 26 760,69
SD
1
=SD
2
=90 66 150 27,83 97,17 493 668 25 376,90

i
=10, L=3, L
CD
=5
SD
1
=SD
2
=99 170 255 6,61 98,67 559 708 30 277,41
SD
1
=SD
2
=95 168 253 15,98 96,70 505 666 27 229,23
SD
1
=SD
2
=90 166,5 251,5 23,89 94,98 462 636 25 192,22

i
=20, L=1, L
CD
=2
SD
1
=SD
2
=99 96,5 183,5 8,03 98,86 351 530 30 460,00
SD
1
=SD
2
=95 75 162 19,56 98,36 326 506 27 166,02
SD
1
=SD
2
=90 73 160 27,51 97,17 293 470 24 939,95

i
=20, L=1, L
CD
=5
SD
1
=SD
2
=99 103 190 6,35 98,87 608 784 33 198,52
SD
1
=SD
2
=95 97 184 16,35 97,20 566 724 29 831,00
SD
1
=SD
2
=90 83 170 24,32 96,75 527 705 27 413,63

i
=20, L=3, L
CD
=5
SD
1
=SD
2
=99 202,5 289,5 6,44 98,29 608 759 34 283,17
SD
1
=SD
2
=95 186 273 16,85 96,50 535 706 29 543,28
SD
1
=SD
2
=90 171 261 25,13 95,51 501 676 27 025,76
i =40, ct=20, ch=ch=1, K=100, K=500

avec taux de service minimum spcifique chaque dtaillant

Nous constatons que lexigence dun taux de service minimum spcifique
chaque dtaillant est subie comme une contrainte plus forte par rapport
lexigence dun taux de service minimum global, notamment quand les taux
exigs sont levs (SD
1
=SD
2
=99). La prise en compte de cette contrainte
conduit une augmentation des prvisions de stock chez les dtaillants et une
lgre augmentation des cots unitaires. Cette augmentation saccentue avec
llargissement de lcart type.

La relaxation de ces taux (SD
1
=SD
2
=90) rduit leffet de cette contrainte et finit
par biaiser le comportement du systme. En effet les besoins en prvisions de
stocks deviennent plus faibles et loptimisation conomique reprend le dessus
pour stabiliser le taux de service effectif la valeur optimale.
La sensibilit du comportement du systme sous la procdure PA 1 est plus
forte que sous la procdure PA 2. Vraisemblablement, lallocation des stocks de
faon proportionnelle la demande est de nature rduire leffet de la
contrainte induite par lexigence dun taux de service spcifique chaque
dtaillant.


i
=10, L=1, L
CD
=2
SD
1
=SD
2
=99 89 173 7,11 98,54 307 481 27 778,89
SD
1
=SD
2
=95 77,5 161,5 18,81 97,64 282 455 24 815,72
SD
1
=SD
2
=90 70 154 28,31 96,91 263 435 22 968,69

i
=10, L=1, L
CD
=5
SD
1
=SD
2
=99 81 165 6,61 99,08 591 727 29 497,86
SD
1
=SD
2
=95 66,5 150,5 19,55 98,33 535 698 26 699,59
SD
1
=SD
2
=90 67 151 27,94 97,12 492 665 25 194,87

i
=10, L=3, L
CD
=5
SD
1
=SD
2
=99 172 257 6,61 98,55 560 708 30 252,76
SD
1
=SD
2
=95 165 250 16,33 96,78 499 671 27 124,10
SD
1
=SD
2
=90 151 236 26,34 96,10 475 642 25 104,92

i
=20, L=1, L
CD
=2
SD
1
=SD
2
=99 96 183 7,78 98,90 355 529 30 569,00
SD
1
=SD
2
=95 86 173 18,72 97,68 331 488 26 983,75
SD
1
=SD
2
=90 70,5 157,5 27,73 97,42 316 471 25 166,75

i
=20, L=1, L
CD
=5
SD
1
=SD
2
=99 93 180 7,31 99,21 632 798 33 216,21
SD
1
=SD
2
=95 81,5 168,5 17,25 98,15 578 747 29 571,44
SD
1
=SD
2
=90 81,5 168,5 24,55 96,81 527 707 27 493,44

i
=20, L=3, L
CD
=5
SD
1
=SD
2
=99 196,5 286,5 6,71 98,55 626 770 34 670,06
SD
1
=SD
2
=95 171 261 17,84 97,43 546 730 29 900,25
SD
1
=SD
2
=90 171 261 25,18 95,48 499 676 26 990,02
i =40, ct=20, ch=ch=1, K=100, K=500

avec taux de service minimum spcifique chaque dtaillant

6.3.3 valuation des solutions initiales
Le tableau 6.10 rcapitule les rsultats de la simulation pour le problme
doptimisation 1, concernant les seuils de stock chez le centre de distribution et chez
les dtaillants ainsi que les valeurs calcules pour les bornes infrieures et les
solutions initiales (bornes suprieures).

Nous voyons que le point de commande du centre de distribution ainsi que le point de
commande des dtaillants obtenus par le modle de simulation-optimisation se situent
juste au dessous des bornes suprieures s
0
et s
i
0
et, donc, loin des bornes infrieures
LB
w1
et LB
i
. Les marges entre ces solutions deviennent plus larges avec
laugmentation des dlais (L et L
CD
) et de lcart type. Ceci indique que le
comportement coopratif du transshipment se manifeste de faon plus significative
quand les dlais dapprovisionnement sont longs et lorsque la variation de la demande
est leve.

En outre, le niveau de recompltement du centre de distribution obtenu par la
simulation se trouve presque au milieu de lintervalle [LB
w2
, S
0
].

Solutions obtenues par
la simulation
Solutions initiales
Centre de
distribution
Dtaillants Centre de distribution Dtaillants
s S
s S LB
w1
s
0
LB
w2
S
0
LB
i
s
i
0
S
i
0

i
=10, L=1, L
CD
=2 337 495 94 178 160 367 240 680 40 96 180
i
=10, L=1, L
CD
=5 598 728 94,5 178,5 400 607 480 920 40 96 180
i
=10, L=3, L
CD
=5 589 733 176 261 400 626 640 1102 120 186 271
i
=20, L=1, L
CD
=2 366 541 107 194 160 413 240 748 40 127 214
i
=20, L=1, L
CD
=5 647 804 106 193 400 653 480 988 40 127 214
i
=20, L=3, L
CD
=5 635 874 204 294 400 692 640 1208 120 234 324
i =40, ct=20, ch=ch=1, K=100, K=500

Tableau 6.10. Comparaison des solutions initiales celles obtenues par la simulation pour le
problme doptimisation 1

Les rsultats de simulation pour le problme doptimisation 2 sont rapports dans les
tableaux 6.11 et 6.12. Nous voyons que, pour des dlais dapprovisionnement courts
et un taux de service lev, le point de commande du centre de distribution et le point
de commande des dtaillants se trouvent proches des bornes suprieures s
0
et s
i
0
. Ceci
montre que, dans ce contexte, le transshipment prsente un comportement moins
coopratif et que les dtaillants comptent principalement sur leur stock pour la
satisfaction totale des demandes clients. Par contre, lintrt du transshipment est
apprci face des longs dlais dapprovisionnement (L et L
CD
) ainsi quavec une
variation leve de la demande. Dans ce cas, les seuils de stock obtenus par le modle
de simulation-optimisation scartent de faon plus sensible des bornes suprieures.

Ces constats se confirment galement pour le problme doptimisation 3.


SD
Centre de distribution
Solutions obtenues
par la simulation
Solution initiale
s S LB
w1
s
0
LB
w2
S
0

i
=10, L=1, L
CD
=2
99 345 495 160 353 240 520
95 292 462 160 325 240 494
90 283 447 160 308 240 476
i
=10, L=1, L
CD
=5
99 579 729 400 603 480 760
95 558 697 400 567 480 734
90 508 680 400 544 480 716
i
=10, L=3, L
CD
=5
99 566 714 400 610 640 944
95 500 666 400 576 640 906
90 472 644 400 554 640 884
i
=20, L=1, L
CD
=2
99 376 530 160 403 240 578
95 350 505 160 356 240 530
90 292 476 160 328 240 502
i
=20, L=1, L
CD
=5
99 621 798 400 670 480 818
95 554 759 400 607 480 770
90 533 712 400 570 480 742
i
=20, L=3, L
CD
=5
99 616 773 400 680 640 1028
95 557 719 400 621 640 964
90 509 690 400 585 640 928
i =40, ct=20, ch=ch=1, K=100, K=500
Tableau 6.11. Comparaison des solutions initiales celles obtenues par la simulation pour le centre
de distribution (problme doptimisation 2)

SD

Q
p

Dtaillants
Solutions obtenues
par la simulation
Solution initiale
s S LB
i
s
i
0
S
i
0

i
=10, L=1, L
CD
=2
99 84 79 163 40 96 180
95 84 68,5 152,5 40 83 167
90 84
59,5 143,5
40 74 158
i
=10, L=1, L
CD
=5
99 84 80,5 164,5 40 96 180
95 84 75,5 159,5 40 83 167
90 84 61 145 40 74 158
i
=10, L=3, L
CD
=5
99 85 169 254 120 187 272
95 85 168 253 120 171 256
90 85 150,5 235,5 120 157 242
i
=20, L=1, L
CD
=2
99 87 96 183 40 122 209
95 87 86 173 40 98 185
90 87 71 158 40 84 171
i
=20, L=1, L
CD
=5
99 87 93,5 180,5 40 122 209
95 87 78,5 165,5 40 98 185
90 87 74,5 161,5 40 84 171
i
=20, L=3, L
CD
=5
99 90 198,5 288,5 120 224 314
95 90 176 266 120 192 282
90 90 152 242 120 174 264
i =40, ct=20, ch=ch=1, K=100, K=500
Tableau 6.12. Comparaison des solutions initiales celles obtenues par la simulation pour les
dtaillants (problme doptimisation 2)

6.4 Conclusion
Dans ce chapitre, nous avons tudi le problme du transshipment dans un rseau de
distribution multi chelons o le centre de distribution gre son stock selon la
politique de gestion (R, s, S) et les dtaillants grent leur stock selon la politique (R,
s
i
, s
i
+Q
p
). Nous avons cherch dterminer les seuils de stock (s, S) chez le centre de
distribution et les seuils de stock s
i
chez les dtaillants qui minimisent le cot total du
systme et ce pour trois objectifs diffrents, savoir : minimisation du cot total,
minimisation du cot total sous la contrainte dun taux de service global et
minimisation du cot total sous la contrainte dun taux de service spcifique chaque
dtaillant. Dune faon gnrale, lanalyse des rsultats de la simulation a montr
lapport significatif du transshipment dans les systmes de stock o lcart type de la
demande est lev et o le dlai du centre de distribution et/ou le dlai des dtaillants
sont plus longs.

En outre, les exprimentations que nous avons effectues nous ont permis de cerner
de prs lincidence des variations des paramtres
i
, L et L
CD
sur les performances du
systme, au niveau de la gestion des stocks chez le centre de distribution, au niveau
de la gestion des stocks chez les dtaillants et au niveau de la mise en uvre
bnfique du transshipment. De mme, ces exprimentations nous ont permis
dapprcier limpact de directives particulires, comme les procdures daffectation
des stocks entre les dtaillants en cas de pnurie.

De telles exprimentations sont fondamentalement utiles quand elles sont effectues
avec les valeurs prcises des paramtres dun systme rel tudier (dlais, cot de
rupture, cot de transshipment, cots de commandes, moyenne et cart type de la
demande, etc.).

Conclusion gnrale 141

Conclusion gnrale

Le pilotage des flux au sein dun rseau de distribution est fragile cause du
caractre alatoire des demandes clients. Lanalyse en vue doptimiser son rendement
et damliorer sa robustesse conduit tudier des modles bass sur des
reprsentations probabilistes lies aux demandes clients. Outre les approches
dveloppes pour la gestion de stock localement chaque site, les entreprises
sorientent vers le dveloppement dapproches complmentaires de pilotage des flux,
au sein du rseau, bases sur les principes de la coopration et de la collaboration.
Lharmonisation de lensemble amne prendre dimportantes dcisions (politique et
paramtres de gestion des stocks, politique et paramtres de coopration, ) afin de
garantir un taux de satisfaction des demandes clients au moindre cot. Les travaux
dvelopps dans cette thse se situent dans ce contexte et ont cherch explorer les
apports possibles de la mise en uvre du transshipment durgence comme mode de
coopration entre les dtaillants. Nous nous sommes intresss particulirement aux
politiques de pilotage de flux tirs par les demandes clients, avec des politiques
locales de gestion de stock du type (R, s, S).

Notre objectif est prcisment dextraire le maximum denseignements mme
damliorer aussi bien la performance locale chaque site que celle plus globale du
rseau de distribution et ce, partir de lanalyse approfondie de solutions lies
loptimisation des systmes de stocks avec transshipment, pour diverses structures de
rseau de distribution.

En raison de la complexit inhrente la nature du problme de transshipment, nous
avons conduit progressivement notre tude pour trois structures diffrentes de
rseau :
systme de stock deux chelons et deux dtaillants, avec cot unitaire de
transshipment ;
systme de stock deux chelons et dtaillants multiples, avec cot fixe de
transshipment ;
systme de stock multi chelons deux dtaillants, avec cot fixe de
transshipment.

Pour chacune de ces structures, nous avons vis dterminer, sur un horizon fini de
priodes, les seuils de stocks (s et S chez les dtaillants et chez le centre de
distribution) qui minimisent le cot total du systme tout en garantissant un taux de
service dsir. Dans ce cadre, quatre politiques de transshipment ont t explores en

cherchant affiner les stratgies mme doptimiser les performances par la mise en
uvre du transshipment au sein des rseaux considrs.

Ainsi, nous avons commenc par dvelopper un modle mathmatique traitant le
problme du transshipment dans un rseau de distribution deux chelons et deux
dtaillants ayant des paramtres de fonctionnement identiques en dlais
dapprovisionnement, en carts types de la demande client et en cots (commande,
possession, rupture et transshipment). Les rsultats issus de ce modle ont permis de
cerner les contextes dans lesquels la transformation dun systme sans transshipment
en un systme avec transshipment durgence prsente des opportunits pour
lamlioration du taux de service client et la rduction des seuils de stock et, donc, du
cot total du systme. Nanmoins, la nature de cette modlisation impose ladoption
dhypothses restrictives. Pour affiner lanalyse, nous nous sommes orients vers le
dveloppement de modles bass sur la simulation-optimisation. Les
exprimentations de ces modles nous ont permis de tester de faon fine diffrentes
combinaisons des paramtres de fonctionnement. Nous avons ensuite reproduit la
mme dmarche pour ltude des systmes relevant des deux autres structures
considres.

Des commentaires dtaills sont donns dans les conclusions de chaque
exprimentation. Nous synthtisons, ici, ceux qui sont lis directement au
comportement coopratif du transshipment :

Pour les rseaux de distribution deux chelons :
Plus le cot unitaire de transshipment, entre deux dtaillants, est rduit au
regard du cot unitaire de rupture, plus limpact de la coopration est important.
Ce constat se confirme galement pour un systme de stock dtaillants
multiples et cot fixe par transshipment quel quen soit la quantit.
En testant la sensibilit aux paramtres dentre (dlai dapprovisionnement,
cart type de la demande et nombre des dtaillants), nous avons relev que,
dune faon gnrale, lintrt du transshipment est surtout important dans les
grands systmes de distribution (i.e. grand nombre de dtaillants) et dans les
systmes de stock dlais dapprovisionnement longs et/ou carts types
levs.
Pour ce qui est de la sensibilit aux paramtres cots (commande, possession,
rupture et transshipment), nous avons relev que laugmentation du cot de
commande et/ou du cot de rupture se compense plus avantageusement par le
dveloppement des stocks que par le recours au transshipment. Tandis que
laugmentation du cot de possession et/ou du nombre de dtaillants donne de
lintrt au recours au transshipment.
Le transshipment est galement bnfique dans un systme de stock dlais
dapprovisionnement diffrents.
Le comportement du modle de stock avec transshipment dpend fortement du
choix de la politique du transshipment. Nous avons explor quatre politiques
diffrentes, savoir : la politique du tout ou rien, le complete pooling standard,
le complete pooling plafonn et le complete pooling conditionn. Nous avons
mis en vidence lavantage, en pratique, du complete pooling plafonn ; chaque
dtaillant peut contrler le degr de coopration (ou mutualisation de son stock)
en fixant une capacit maximale de transshipment. Aussi, nous avons montr

lintrt du complete pooling conditionn dans lequel chaque dtaillant ne
sautorise deffectuer que les transshipments rentables, comparativement au
complete pooling standard dans lequel le transshipment est effectu de faon
systmatique chaque fois que le stock disponible le permet.

Nous rcapitulons, dans le tableau 1, les conditions o le transhipment apporte un
bnfice apprciable () et celles pour lesquelles le bnfice est limit (). Nous
avons vis exprs illustrer le lien direct entre le comportement de certains
paramtres dentre et celui induit sur le bnfice du transshipment. Particulirement,
pour la partie se rapportant aux rsultats en chapitre 4 (sans transshipment vs. avec
transshipment), le symbole () signifie que le fonctionnement avec transshipment
systmatique quand ct=cp est dsavantageux.

Paramtres
Bnfice du
transshipment
N
i
L
i
K ch cp ct ct<cp SD Q
max

Chapitre 4 : transshipment
(deux dtaillants et cot
linaire)
fixe fixe fixe fixe fixe fixe V fixe
fixe fixe fixe fixe fixe V fixe
fixe fixe fixe fixe fixe NV fixe
fixe fixe fixe fixe fixe fixe NV fixe
Chapitre 5 : transshipment
(dtaillants multiples et
cot fixe)
fixe fixe fixe fixe fixe fixe
fixe fixe fixe fixe fixe
fixe fixe fixe fixe
fixe fixe fixe fixe fixe fixe fixe
NV : non vrifie, V : vrifie, : non considr, N : nombre de dtaillants, i: cart type, Li : dlai, K : cot de commande,
ch : cot de possession, cp : cot de rupture, ct : cot de transshipment, SD : service dsir, Qmax : capacit de transshipment

Tableau 1. Impact des paramtres dans un rseau deux chelons

Pour le rseau de distribution multi chelons :
Comme pour le rseau deux chelons, lintrt du transshipment augmente
dans les systmes o lcart type de la demande est lev. Les asymtries dans
les carts types favorisent galement le recours au transshipment.
Lintrt du transshipment est notamment sensible au degr de lexigence en
taux de service minimum. Plus cette exigence est relaxe, plus les besoins en
prvisions de stocks peuvent tre rduits en comptant sur le recours au
transshipment pour couvrir les situations de rupture. Cet appui sur le recours au
transshipment est plus fort quand lexigence du taux de service minimum est
spcifie de faon globale pour tout le systme plutt que de faon prcise au
niveau de chaque dtaillant.
Il est noter quune exigence relaxe du taux de service minimum laisse plus de
libert au systme pour augmenter les stocks et faire intervenir davantage le
recours au transshipment quand cela va de paire avec une meilleure optimisation
conomique.
Les procdures dallocation des stocks aux dtaillants en cas de pnurie chez le
centre de distribution ont aussi leur impact sur le taux du recours au
transshipment. Nous avons mis en vidence quune politique dallocation
proportionnelle la commande ponctuelle des dtaillants est de nature
amliorer le taux de service et optimiser les cots tout en rduisant le recours
au transshipment.
Soulignons encore que, dans tous les cas et au-del de lapprciation des
incidences au niveau du comportement coopratif du transshipment, la
simulation-optimisation des modles labors permet dtudier la sensibilit des
performances gnrales du systme (taux de commandes, niveau des stocks,
qualit de service, ) la variation de chacun des paramtres de
fonctionnement considrs. En mme temps, cette exprimentation des modles
permet dvaluer les cots et de quantifier le bnfice conomique du
transshipment.
Nous devons reconnatre, ici, que les analyses que nous avons donnes, sur la
base des rsultats des diffrentes exprimentations que nous avons effectues au
cours de nos travaux, restent lies aux valeurs numriques que nous avons
assignes aux diffrents paramtres. De telles analyses seront dune pertinence
et dun intrt beaucoup plus potentiels quand elles sont effectues partant
dexprimentations ralises pour des configurations de systmes rels et avec
des valeurs numriques qui caractrisent ces systmes. Les importances
relatives des diffrents cots seront srement dterminantes.

Nous synthtisons, dans le tableau 2, les conditions o le transhipment apporte un
bnfice apprciable () et celles pour lesquelles le bnfice est limit.


Paramtres
Bnfice du
transshipment
i
L
CD
L SD SD
i
PA
fixe

fixe

fixe fixe

fixe fixe

fixe fixe

fixe fixe fixe

fixe fixe fixe

: non considr, i: cart type, LCD : dlai du centre de distribution, L : dlai des dtaillants, SD : service dsir, SDi :
service dsir chaque dtaillant, PA : procdure dallocation

Tableau 2. Impact des paramtres dans un rseau multi chelons

Perspectives
Diffrents prolongements de nos travaux, tant sur le plan thorique que sur le plan
pratique, peuvent tre envisags au-del des hypothses considres dans ce mmoire.
Rappelons que lobjectif principal des travaux que nous avons effectus dans
cette thse est de cerner des situations favorables pour instrumenter le
transshipment au sein des rseaux de distribution. Pour faire le lien avec le
dernier commentaire du paragraphe prcdent, nous sommes appels
confirmer nos rsultats par la simulation de systmes existants, avec des
paramtres dentre rels. Dans le mme souci, il nous faut travailler
repousser deux limitations substantielles :
o La premire limitation est issue de la simulation. En effet, en adoptant parfois
certains choix particuliers comme, par exemples, celui des cots constants pour
les commandes ou pour les transshipments (indpendamment des quantits)
ainsi que celui de la politique (R, s, s+Q
p
), nous avons vis varier nos
exprimentations en mme temps qu rduire les temps ncessaires pour
approcher une rsolution acceptable par la simulation. Or, il est vident que de
telles "simplifications", si elles scartent sensiblement des caractristiques des
systmes rels tudis, peuvent biaiser les rsultats des analyses effectues.
Dans le cas dune exprimentation sur des systmes rels, pour lesquels la
prcision des rsultats est essentielle, il devient ncessaire de faire voluer la
simulation de faon coller le plus possible aux dtails des paramtres de
fonctionnement sous test.
o La deuxime limitation est lie la complexit de la prise en compte de la
contrainte dun taux de service dsir. En effet, cette contrainte est traite, par
nos modles actuels, plutt comme lexigence dun taux de service minimum.
Dans ce sens que la valeur du taux ralis effectivement ne peut pas tre
contrle au cours de la simulation des diffrentes priodes de lhorizon
considr, mais seulement prleve et teste la fin dune simulation ayant
pour objectif principal loptimisation du cot total du systme.
De mme, ltude des systmes de stock multi chelons gagnerait ce que lon
approfondisse les rgles de ralisation des transshipments selon lordre de
proximit gographique des dtaillants et leur stock disponible.
Dune faon gnrale, il nous parat fondamental de lier ltude des apports du
transshipment celle des politiques complmentaires qui interviennent dans

loptimisation conomique, comme le conditionnement du transshipment ou
lallocation des stocks en cas de pnurie.
Enfin, il pourrait tre intressant dtudier limpact du transshipment dans les
systmes o les demandes, qui nont pu tre satisfaites dans la priode t o elles
ont t enregistres, pourront tre maintenues et considres comme non
perdues sous condition quelles soient satisfaites en priorit dans la priode qui
suit.

Nous pouvons ajouter dautres axes de recherche proposs par Paterson et al.
(Paterson et al. 11) et Chiou (Chiou 08) qui sont lis au transshipment durgence :
la prise en compte de temps de transshipment non ngligeables ; cest une
hypothse qui sapproche du cas rel industriel ;
la possibilit davoir des temps de transshipment diffrents avec des cots
diffrents ;
l'intgration de loptimisation des paramtres du transshipment dans le
problme global de loptimisation de diffrentes politiques de gestion de stock ;
la prise en compte de la limite de l'espace de stockage et de la capacit des
sources ;
la considration des produits multiples dans le rseau de distribution.

Annexe 147

Le logiciel Crystal Ball

1. Prsentation sommaire
Nous avons utilis le logiciel Crystal Ball Professional Edition 7.2 qui
sinterface directement avec le tableur Excel 2003. Ce logiciel est destin rsoudre
des problmes incertains complexes et servir comme outil daide la dcision
(Gentry et al. 05a-05b). Dans sa version complte, il intgre plusieurs outils
danalyse. Nous nous limitons, ici, prsenter la simulation de Monte Carlo et loutil
doptimisation OptQuest, puisque la rsolution de notre problmatique sest base sur
le couplage de ces deux outils. Plusieurs travaux de recherche ayant trait de
problmes proches du notre se sont bass sur la rsolution par simulation-
optimisation ; nous pouvons citer : (Tagaras et Chen 92) ; (Fu et Healy 97) ; (Xu 97) ;
(Evans et Olson 98) ; (Needham et Evers 98) ; (Tagaras 99) ; (Evans 00) ; (Rao et al.
03) ; (Xu et al. 03) ; (Herer et al. 04) ; (Kurkereja et Schmidt 05) ; (Satyendra et
Venkata 05) ; (zdemir et al. 06) ; (Kleijnen et Wan 07) ; (Zabawa et Mielczareck
07) ; (Ekren et Heragu 08). Plus prcisment, la mthodologie de rsolution adopte
dans les travaux de Rao et al., Kleijnen et Wan, Zabawa et Mielczareck et Ekren et
Heragu, est la plus proche de la notre. Ces travaux ont coupl la simulation et
lOptQuest du logiciel ARENA . Les travaux (Evans et Olson 98) et (Evans 00) ont
trait le problme de gestion de stock (s, Q) dun seul site sur un horizon de 52
priodes en considrant comme points de dpart de la simulation, un point de
commande s gal la demande durant le dlai dapprovisionnement et pour Q la
quantit de commande de Wilson. Pour dterminer s et Q, ils ont utilis la simulation
de Monte Carlo et lOptQuest de Crystal Ball .

Toutes les mthodes pratiques bases simulation-optimisation sont des heuristiques
fondes sur un processus itratif. LOptQuest traite le modle de simulation comme
une bote noire ; autrement dit, il observe seulement les entres-sorties du modle de
simulation (cf. Figure 1). Ainsi, il y a une sparation complte entre le modle de
simulation et la procdure d'optimisation. Le processus itratif (simulation-
optimisation) de recherche dune meilleure solution se poursuit jusqu ce que
lOptQuest atteint un critre de limite de temps dexcution ou de nombre maximum
de simulations. La procdure de lOptQuest est illustre en figure 2.

Figure 1. Coordination entre loptimisation et la simulation (Glover et al. 98)
Procdure
doptimisation
Modle de
simulation
Entres
Sorties
Annexe 148

La simulation de Monte Carlo a consist gnrer, en plusieurs essais, des valeurs
alatoires pour des variables incertaines dfinies selon des distributions probabilistes
(Goldman et al. 03 ; Dirk 07). Pour chaque essai de la simulation, Crystal Ball rpte
les trois tapes suivantes (cf. Figure 2) : (1) il gnre alatoirement des valeurs pour
les variables incertaines quil range dans les cellules dhypothse (assumption cells),
(2) il calcule entirement la feuille de calcul (spreadsheet) et (3) il affiche les
rsultats sous une forme choisie (forecast charts). Le rsultat final obtenu (graphiques
ou rapport statistique) aprs la ralisation de la simulation sur le modle tableur Excel
montre l'impact de la variation des variables incertaines sur les paramtres de sortie
du systme modlis (Gentry et al. 05a-05b). Nous dtaillons, dans la section 3.1, la
mise en uvre de la simulation de Monte Carlo pour notre cas dtude.

Figure 2. Lorganigramme de la procdure du Crystal Ball et de lOptQuest (Evans et al. 04)

2. Loutil OptQuest 2.3
Loutil OptQuest est conu essentiellement pour rsoudre les problmes
doptimisation complexes. Il consiste chercher les meilleures solutions de dcision
pour des variables (dfinies dans des intervalles de valeurs) qui optimisent
progressivement, selon le procd prdfini, un critre donn soumis ventuellement
un ensemble de contraintes. Ces meilleures solutions peuvent tre optimales ou
proches de loptimum.

LOptQuest combine les mta-heuristiques (recherche tabou, Scatter Search et
rseau de neurones) dans une seule heuristique de recherche (Glover et al. 98). Pour
Determine a new set of
values for decision variables
Crystal Ball Simulation

Generate random numbers
for assumption cells

Calculate entire
spreadsheet

Display results in
a forecast chart

Is objective
better than
previous ones?

Add new best result
to status and
solutions window

Yes

No

Max time or
number of
simulations
reached?

No

Stop and
prompt to
continue

Yes

Determine a new set of
values for decision variables
Crystal Ball Simulation

Generate random numbers
for assumption cells

Calculate entire
spreadsheet

Display results in
a forecast chart

Is objective
better than
previous ones?

Add new best result
to status and
solutions window

Yes

No

Max time or
number of
simulations
reached?

No

Stop and
prompt to
continue

Yes

Annexe 149

des raisons commerciales, l'heuristique exacte de lOptQuest nest pas divulgue.
Nous prsentons dans ce qui suit quelques principes de chacune des heuristiques
susmentionnes en nous basant sur (Glover et al. 98 ; Laguna 97).

Recherche tabou : Cest une mtaheuristique propose par (Glover 86). Lide
principale est de passer dune solution valide une autre meilleure solution tout en
mmorisant les mouvements effectus dans une liste. Ces mouvements deviennent
donc interdits (tabous) ce qui permet dviter de tomber dans un cycle de
mouvements rptitifs et de sortir ainsi des minima locaux. Ceci est le principe
gnral de cette mthode, de nombreuses variantes ont t ajoutes pour amliorer
son processus de recherche (Glover et Laguna 93 ; Glover 96) :
Mmoire court terme (taille rduite), dite recency memory , dans laquelle
sont stockes les solutions rcemment visites. Elle consiste viter les
mouvements qui mnent aux solutions ayant des attributs communs avec les
solutions incluses dans cette mmoire.
Mmoire long terme, dite frequency memory , dans laquelle sont stockes
les solutions visites durant la recherche. Elle consiste dfavoriser les
mouvements menant aux solutions dont les attributs ont t souvent partags
avec les solutions de cette mmoire ou accepter alternativement des
mouvements menant aux solutions dont les attributs ont rarement t rencontrs
auparavant.

Scatter search : La recherche par dispersion, ou Scatter Search en anglais, a t
propose par Glover (Glover 77) dans le cadre de la rsolution de programmes
mathmatiques en nombres entiers. Tout comme les algorithmes gntiques, elle est
base sur une population de solutions qui volue dans le temps en utilisant des choix
stratgiques et une mmoire adaptative avec des combinaisons linaires (convexes et
non convexes) de solutions pour crer de nouvelles solutions. La figure 3 esquisse
l'approche de scatter search sous sa forme originale.

Figure 3. Procdure du scatter search (Laguna 97)

Rseau de neurones : cest un modle de prvision qui acclre la recherche en
vitant les simulations dont les rsultats (valeurs de la fonction objectif) sont prvus
infrieurs la valeur actuelle de la fonction objectif (Glover et al. 98 ; Laguna 97).

Scatter search procedure.
1) Apply heuristic processes to generate a starting set of solution vectors (trial points). Designate a
subset of the best vectors to be reference points. (Subsequent iterations of this step, transferring from
Step 3 below, incorporate advanced starting solutions and best solutions from previous history as
candidates for the reference points.)
2) Form linear combinations of subsets of the current reference points to create new points. The linear
combinations are:
- chosen to produce points both inside and outside the convex region spanned by the reference
points.
- modified by generalized rounding processes to yield integer values for integer-constrained vector
components.
3) Extract a collection of the best points generated in Step 2 to be used as starting points for a new
application of the heuristic processes of Step 1. Repeat these steps until reaching a specified iteration
limit.
Annexe 150

Nous prsentons, dans la section 3.2, lapplication de lOptQuest sur notre cas
dtude.

3. Modle bas simulation-optimisation pour un systme de stock
avec transshipment de deux dtaillants identiques
Nous exposons, ici, la dmarche que nous avons suivie pour implmenter un systme
de stock avec transshipment de deux dtaillants identiques (chapitre 4). Nous
rappelons, dabord, le modle de simulation correspondant ce systme ensuite nous
dtaillons le modle doptimisation.
3.1 Modle de simulation
Nous avons suivi les tapes suivantes pour dfinir le modle de simulation :

1- tablir, sous forme dterministe, un modle tableur Excel pour un systme de
stock avec transshipment de deux dtaillants identiques.
2- Dfinir les entres du modle (cellules dhypothse ou assumption cells) pour
reprsenter les variables alatoires des demandes clients suivant la distribution
normale tout en spcifiant la moyenne et lcart type (cf. Figure 4). Cette tape
permet dexcuter la simulation de Monte Carlo sur ce modle. Les cellules
dhypothse sont identiques en distribution et indpendantes entre les dtaillants et
travers les priodes (cf. Figure 7, dcocher loption enable correlation).

Figure 4. Reprsentation de deux cas tudis, dans ce mmoire, pour la distribution normale des
demandes clients alatoires (la demande doit tre positive)

3- Dfinir les sorties du modle (cellules de prvision ou forecast cells) qui
reprsentent les mesures de performance du systme de stock : cot total, taux de
service, taux de transshipment, etc. (cf. Figure 5).

Annexe 151

Figure 5. Spcification de la cellule de prvision pour le cot total du systme

4- Rgler les options pour excuter la simulation de Monte Carlo :
i) le nombre dessais est choisi gal 500 ; il est prouv, dans (Gentry et al. 05c), que
ce nombre est suffisant pour obtenir des estimations exactes de la valeur moyenne
dune mesure de performance. Lintervalle de confiance est gal 95% (cf. Figure
6). A la fin de lexcution de la simulation, Crystal Ball indique, parmi les
solutions values, les solutions se situant dans lintervalle de confiance et celles
se trouvant en dehors.
ii) le gnrateur de nombres alatoires est initialis la valeur de dbut seed gale
999 (valeur par dfaut). Ceci permet de produire le mme ordre des nombres
alatoires chaque fois quon excute la simulation (cf. Figure 7). Crystal Ball
utilise le gnrateur de nombres alatoires appel Multiplicative Congruential
Generator dont la formule est comme suit :
) 1 2 mod( ) * 62089911 (
31
< r r
Selon cette formule itrative, le gnrateur a une priode de longueur 2
31
-2 ou
2 147 483 646. Ceci signifie que le cycle des nombres alatoires se rpte aprs
plusieurs milliards dessais (Gentry et al. 05c).
iv) choisir le mode dexcution en vitesse normale parce que le nombre de cellules est
important dans notre modle tableur Excel et les relations de dpendance entre les
cellules sont complexes (cf. Figure 7).

Figure 6. Spcification de nombre dessais, de lintervalle de confiance, des paramtres du
gnrateur de nombres alatoires et de la mthode de simulation
Annexe 152

Figure 7. Prcision de la vitesse de simulation et les options dexcution

Aprs la ralisation de ces tapes, nous obtenons un modle de simulation pour notre
systme de stock avec transshipment. Cependant, la simulation ne nous permet pas de
trouver les seuils optimaux de stock minimisant le cot total. Il nous faut alors
intgrer une phase doptimisation qui est lobjet de la section suivante.
3.2 Modle doptimisation
Nous avons poursuivi les tapes suivantes pour dfinir le modle doptimisation :

5- Dfinir les cellules des variables de dcision (decision cells) qui reprsentent, pour
chaque dtaillant, le point de commande et le niveau de recompltement. Chaque
variable de dcision est dtermine par une borne infrieure, une borne suprieure
et un pas de discrtisation (cf. Figure 8) ;

A la fin de ces tapes (1-5), nous obtenons le modle du systme de stock de deux
dtaillants avec transshipment comme le montre le tableau 1. Pour des raisons de
clart, nous avons limit la prsentation du modle 10 priodes seulement et ces
afin de visualiser les mouvements du transshipment.

Figure 8. Dclaration des variables de dcision pour le dtaillant 1

6- Lancer loptimisation par OptQuest afin de dterminer la meilleure
combinaison des couples (s
i
, S
i
) qui conduit au cot total minimum tout en
satisfaisant le taux de service dsir. La procdure de loutil OptQuest se droule
en quatre tapes :
Annexe 153

ltape 1 spcifie les variables de dcision programmes dans le modle tableur
Excel (cf. Figure 9),
ltape 2 spcifie les contraintes du modle ; dans notre cas, nous navons
aucune contrainte entre les variables de dcision,
ltape 3 indique la fonction objectif optimiser (cot total) et le critre
satisfaire en indiquant au moins une borne (taux de service) (cf. Figure 10),
ltape 4 permet de spcifier le nombre maximum de simulations effectuer
lOptQuest (cf. Figure 11). Nous avons choisi deffectuer 1000 simulations pour
dterminer 2 ou 4 variables de dcision et 2000 simulations pour 8 ou 12
variables. Notre choix sest bas sur le guide donn dans (Evans et al. 04) (cf.
Tableau 2).

Variables de dcision Nombre minimum de simulations
Moins que 10 100
Entre 10 et 20 500
Entre 20 et 50 2000
Entre 50 et 100 5000

Tableau 2. Nombre minimum de simulations pour dterminer un nombre donn de variables de
dcision

A la fin de cette tape, nous sauvegardons, dans le modle tableur Excel, la meilleure
solution obtenue par lOptQuest.

Figure 9. Fentre reprsentant les variables de dcision (tape 1)

Figure 10. Fentre dfinissant lobjectif vis (tape 3)
Annexe 154

S1 140 S2 142 cot de commande 100,00 cot total 19 671,00 Lgende : Assumption cell
s1 77 s2 78 Cot de possession 1,00 Taux de service 99,73 Forecast cell
L1 1 L2 1 cot de rupture 25,00 %TR 4,63 Decision variable cell
Sigma_1 10 sigma_2 10 cot de transshipment 10,00
Mu 1 40 mu 2 40
Dtaillant 1
Priode
Position
de stock
au
dbut
Niveau
de stock
au
dbut
Arrive
de cmd
Cmd
reue
Dmd
Dmd
nombre
entier
Niveau
de stock
la fin
Passation
de cmd
Quantit
de cmd
Position
de stock
la fin
Priode
programme
de la cmd
Quantit
de
rupture
TR
D2?
Quantit
de
transsh
D2
Quantit
perdue
Cot de
transsh
Cot de
possession
Cot de
rupture
Cot de
commande
Cot total
1 140 140 48,18 48 92 FAUX 0 92 0 0 FAUX 0 0 0,00 92,00 0,00 0,00 92,00
2 92 92 FAUX 0 39,88 40 52 VRAI 88 140 4 0 FAUX 0 0 0,00 52,00 0,00 100,00 152,00
3 140 52 FAUX 0 21,06 21 31 FAUX 0 119 0 0 FAUX 0 0 0,00 31,00 0,00 0,00 31,00
4 119 31 VRAI 88 42,44 42 57 VRAI 83 140 6 0 FAUX 0 0 0,00 57,00 0,00 100,00 157,00
5 140 57 FAUX 0 59,78 60 0 FAUX 0 83 0 3 VRAI 3 0 30,00 0,00 0,00 0,00 30,00
6 83 0 VRAI 83 55,53 56 27 VRAI 113 140 8 0 FAUX 0 0 0,00 27,00 0,00 100,00 127,00
7 140 27 FAUX 0 54,66 55 0 FAUX 0 113 0 28 VRAI 16 12 160,00 0,00 300,00 0,00 460,00
8 113 0 VRAI 113 40,76 41 72 VRAI 68 140 10 0 FAUX 0 0 0,00 72,00 0,00 100,00 172,00
9 140 72 FAUX 0 29,38 29 43 FAUX 0 111 0 0 FAUX 0 0 0,00 43,00 0,00 0,00 43,00
10 111 43 VRAI 68 49,35 49 62 VRAI 78 140 12 0 FAUX 0 0 0,00 62,00 0,00 100,00 162,00
Dtaillant 2
Priode
Position
de stock
au
dbut
Niveau
de stock
au
dbut
Arrive
de cmd
Cmd
reue
Dmd
Dmd
nombre
entier
Niveau
de stock
la fin
Passation
de cmd
Quantit
de cmd
Position
de stock
la fin
Priode
programme
de la cmd
Quantit
de
rupture
TR
D1?
Quantit
de
transsh
D1
Quantit
perdue
Cot de
transsh
Cot de
possession
Cot de
rupture
Cot de
commande
Cot total
1 142 142 17,78 18 124 FAUX 0 124 0 0 FAUX 0 0 0,00 124,00 0,00 0,00 124,00
2 124 124 FAUX 0 37,61 38 86 FAUX 0 86 0 0 FAUX 0 0 0,00 86,00 0,00 0,00 86,00
3 86 86 FAUX 0 52,31 52 34 VRAI 108 142 5 0 FAUX 0 0 0,00 34,00 0,00 100,00 134,00
4 142 34 FAUX 0 54,33 54 0 FAUX 0 108 0 20 VRAI 20 0 200,00 0,00 0,00 0,00 200,00
5 108 0 VRAI 108 26,35 26 79 FAUX 0 79 0 0 FAUX 0 0 0,00 79,00 0,00 0,00 79,00
6 79 79 FAUX 0 27,38 27 52 VRAI 90 142 8 0 FAUX 0 0 0,00 52,00 0,00 100,00 152,00
7 142 52 FAUX 0 36,4 36 0 FAUX 0 90 0 0 FAUX 0 0 0,00 0,00 0,00 0,00 0,00
8 90 0 VRAI 90 19,69 20 70 VRAI 72 142 10 0 FAUX 0 0 0,00 70,00 0,00 100,00 170,00
9 142 70 FAUX 0 43,81 44 26 FAUX 0 98 0 0 FAUX 0 0 0,00 26,00 0,00 0,00 26,00
10 98 26 VRAI 72 21,78 22 76 VRAI 66 142 12 0 FAUX 0 0 0,00 76,00 0,00 100,00 176,00

Tableau 1. Modle tableur Excel dun systme de stock avec transshipment de deux dtaillants identiques en cots, demandes et dlais

Annexe 155

Figure 11. Fentre reprsentant la limite de lexcution de la simulation (tape 4)

7- Enfin, nous excutons la meilleure solution obtenue par la simulation de Monte
Carlo en effectuant 10 000 essais afin dobtenir des estimations plus exactes. Crystal
Ball cre ensuite un rapport de rsultats dans lequel les mesures de performance sont
reprsentes sous forme de diagrammes et de mesures statistiques (cf. Figures 12-14).

La courbe en vert reprsente la distribution normale

Figure 12. Diagramme de distribution du cot total en fonction de la variation alatoire des
demandes clients

La courbe en vert reprsente la distribution normale

Figure 13. Diagramme de distribution du taux de transshipment en fonction de la variation alatoire
des demandes clients
Annexe 156

Figure 14. Diagrammes de distribution du taux de service en fonction de la variation alatoire des
demandes clients

4. Comparaison entre deux systmes de stock
En nous basant sur (Glover et al. 98), nous avons procd lexcution de la
simulation de Monte Carlo sur 10 000 essais pour les systmes sans transshipment et
avec transshipment. Dans notre tude, nous nous sommes intress seulement la
valeur moyenne dune mesure de performance. Nous avons utilis loption overlay
Charts de Crystal Ball qui nous permet dillustrer les diffrences en mesures de
performance entre les deux systmes (cf. Figures 15-16).

Figure 15. Comparaison du cot total entre un systme sans transshipment et le complete pooling

Figure 16. Comparaison du taux de service entre un systme sans transshipment et le complete
pooling
Rfrences bibliographiques 157

Rfrences bibliographiques

(Allen 61) Allen S.G. A redistribution model with set-up charge. Management Science,
1961, vol. 1, p 99-108.
(Allen 62) Allen S.G. Computation for the redistribution model with set-up charge.
Management Science, 1962, p 482-489.
(Aneja et Noori 87) Aneja Y. The optimality of (s, S) policies for a stochastic inventory
problem with proportional and lump-sum penalty cost. Management Science.
1987, vol. 33, n 6, p 750-755.
(Archibald 81) Archibald B.C. Continuous review (s, S) policies with lost sales. Management
Science, 1981, vol. 27, n 10, p 1171-1177.
(Archibald et al. 97) Archibald T.W., Sassen S.A.E., Thomas L.C. An optimal policy for a two-
depot inventory problem with stock transfer. Management Science, 1997, vol.
43, n2, p 173183.
(Archibald et al. 09) Archibald T.W., Blacka D., Glazebrook K.D. An index heuristic for
transhipment decisions in multi-location inventory systems based on a
pairwise decomposition. European Journal of Operational Research, 2009
vol. 192, n 1, p 69-78.
(Axster 90) Axster S. Modelling emergency lateral transshipments in inventory systems.
Management Science, 1990, vol. 36, n11, p 1329-1338.
(Axster et Rosling 93) Axster S., Rosling K. Installation vs.. Echelon Stock Policies for
Multilevel Inventory Control. Management Science, 1993, vol. 39, n 10, p
1274-1280.
(Axster 97) Axster S. Simple evaluation of echelon stock (R,Q) policies for two-level
inventory systems. IIE Transactions, 1997, vol. 29, p 661-669.
(Axster et Juntti 97) Axster S., Juntti L. Comparison of echelon stock and installation stock
policies with policy adjusted order quantities. Int. J. Production Economics,
1997, p 48, l-6.
(Axster 03a) Axster S. Evaluation of unidirectional lateral transshipments and
substitutions in inventory systems. European Journal of Operational Research,
2003, vol. 149, p 438-447.
(Axster 03b) Axster S. A New Decision Rule for Lateral Transshipments in Inventory
Systems. Management Science, 2003, vol. 49, n 9, p 1168-1179.
(Axster 03c) Axster S. Supply chain operations: serial and distribution inventory systems. A.
G. de Kok and S. C. Graves, Eds., Handbooks in OR & MS, Vol. 11, Elsevier,
2003.
(Axster et al. 04) Axster S., Kleijn M., de Kok T.G. Stock rationing in a continuous review
two-echelon inventory model. Annals of Operations Research, 2004, vol. 126,
p 177-194.
(Axster 05) Axster S. A simple procedure for determining order quantities under a fill rate
constraint and normally distributed lead-time demand. European Journal of
Operational Research, 2006, vol. 174, n 1, p 480-491.

(Ball et al. 00) Ball M.O., Chen C.Y., Zhao Z.Y. Available to promise. Working paper, Robert
H Smith School of Business, University of Maryland, College Park, 2000.
(Ball et al. 02) Ball M.O., Chen C.Y., Chen M., Rashid L., Zhao Z. Scalable supply chain
infrastructures: system integration and embedded decision models. Working
paper, Robert H Smith School of Business, University of Maryland, College
Park, 2002.
(Baganha et al. 96a) Baganha M.P., Pyke D.F., Ferrer G. The undershoot of the re-order point:
Tests of an approximation. International Journal of Production Economics,
1996, vol. 45, p 311-320.
(Baganha et al. 96b) M.P. Baganha, D.F. Pyke, G. Ferrer. The residual life of the renewal
process: a simple algorithm. Working paper, University Nova de Lisbon,
Portugal, 1996.
(Banerjee et al. 03) Banerjee A., Burton J., Banerjee S. A simulation study of lateral shipments
in single supplier, multiple buyers supply chain networks. Int. J. Production
Economics, 2003, vol. 8182, p 103114.
(Bertrand et Bookbinder 98) Bertrand L.P., Bookbinder J.H. Stock Redistribution in Two-
Echelon Logistics Systems. The Journal of the Operational Research Society,
1998, vol. 49, n 9, p 966-975.
(Bertazzi et al. 05) Bertazzi L., Paleta G., Speranza M.G. Minimizing the total cost in integrated
Vendor-Managed Inventory system. Journal of Heuristics, 2005, vol. 11, p
393-419.
(Burton et Banerjee 05) Burton J., Banerjee A. Cost-parametric analysis of lateral transhipment
policies in two-echelon supply chains. International Journal of Production
Economics, 2005, vol. 93-94, p 169-178.
(Chiou 08) Chiou Chuang-Chun. Chapter 21: Transshipment Problems in Supply Chain
Systems: Review and Extensions. In: Supply Chain, Theory and Applications,
ISBN 978-3-902613-22-6, 2008, p 427-448.
(Chen et al. 01) Chen C.Y., Zhao Z.Y., Ball M.O. Scalable supply chain infrastructures: system
integration and embedded decision models. Information Systems Frontiers,
2001, vol. 3, n 4, p 477-488.
(Clark et Scarf 60) Clark A.J., Scarf H. Optimal Policies for a Multi-Echelon Inventory
Problem. Management Science, 1960, vol. 6, n 4, p 475-490.
(Clay 90) Clay P. Advanced available to promise: concepts/techniques. American
Production & Inventory control Society, conference proceeding CFPIM, 1990.
(Cohen et al. 88) Cohen M.A., Kleindorfer P.R., Lee H.L. Service constrained (s, S) inventory
systems with priority demand classes and lost sales. Management Science,
1988, vol. 34, n 4, p 482-499.
(Dada 92) Dada M. A two-echelon inventory system with priority shipments.
Management Science, 1992, vol. 8, p 1140-1155.
(Das 75) Das C. Supply and redistribution rules for two-location inventory systems: one
period analysis. Management Science, 1975, vol. 21, n 7, p 765-776.
(Diks et De Kok 96) Diks E.B., de Kok A.G. Controlling a divergent 2-echelon network with
transhipments using the consistent appropriate share rationing policy.
International Journal of Production Economics, 1996, vol. 45, p 369-379.
(Diks et de Kok 99) Diks E.B., de Kok A.G. Computational results for the control of a divergent
N-echelon inventory system. Int. J. Production Economics, 1999, vol. 59, p
327-336.
(Dupont 98) Dupont L. La gestion industrielle. Herms, Paris, 1998.
(Dirk 07) Dirk J. Monte Carlo simulation as process control aid. Proceedings of the 2007
Crystal Ball User Conference, 2007, 9 p.
(Ehrhardt et Mosier 84) Ehrhardt R., Mosier C. A Revision of the Power Approximation for
Computing (s, S) Policies. Management Science, 1984, vol. 30, n 5, p 618-
622.

(Ehrhardt 84) Ehrhardt R. (s, S) Policies for a Dynamic Inventory Model with Stochastic Lead
Times. Operations Research, 1984, vol. 32. n 1. p 121-132.
(Ekren et Sunderesh 08) Ekren B.Y., Sunderesh S. H. Simulation based optimization of multi-
location transshipment problem with capacitated transportation. Proceedings of
the 2008 Winter Simulation Conference, 2008, p 2632-2638.
(Eppen et Schrage 81) Eppen G., Schrage L. Centralized ordering policies in a multi-warehouse
system with lead times and random demand. Management Science, 1981, vol.
16, p 51-67.
(Evers 01) Evers P. T. Heuristics for assessing emergency transhipment. European
Journal of Operational Research, 2001, vol. 129, p 311-316.
(Evans et Olson 98) Evans J.R., Olson D. Inventory simulation with lost sales. In : Introduction
to simulation and risk analysis, New York, Prentice-Hall, 1998.
(Evans 00) Evans J.R. Spreadsheets as a tool for teaching simulation. INFORMS
Transactions on Education, 2000, vol. 1, n 1, 13 p.
(Evans et al. 04) Evans J.R.,Wainwright E., Gentry B., Blankinship D. OptQuest 2.3 for
Crystal Ball Users Guide. Decisioneering Inc. Denver, CO and Optimization
Technologies, Inc. Boulder, 1988-2004. 190 p.
(Federgruen et Zipkin 84) Federgruen A., Zipkin P. An Efficient algorithm for Computing
Optimal (s, S). Operations Research, 1984, vol. 32, p 1268-1285.
(Federgruen et Zipkin 85) Federgruen A., Zipkin P. Computing Optimal (s, S) policies in
inventory models with continuous demands. Advances in Applied Probability,
1985, vol. 17, n 2, p 424-442.
(Feldman 78) Feldman R.M. A continuous review (s, S) inventory system in a random
environment. J. Appl. Prob, 1978, vol. 15, p 654-659.
(Freeland et Porteus 80) Freeland J.R., Porteus E.L. Evaluating the Effectiveness of a New
Method for Computing Approximately Optimal (s, S) Inventory Policies.
Operations Research, 1980, vol. 28, n 2, p 353-364.
(Fu 94) Fu M.C. Sample path derivatives for (s, S) inventory systems. Operations
Research, 1994, vol. 42, n 2, p 351-364.
(Fu et Healy 97) Fu M.C., Healy K.J. Techniques for optimisation via simulation: an
experimental study on an (s, S) inventory system. IIE Transactions, 1997, vol.
29, p 191-199.
(Geunes et al. 01) Geunes J.P., Ramasesh R.V., Hayya J.C. Adapting the newsvendor model for
infinite-horizon inventory systems. Int. J. Production Economics, 2001, vol.
72, p 237-250.
(Goldman 03) Goldman L. I., Evans-Hilton E., Emmett H. Crystal Ball for six sigma tutorial.
Proceedings of 2003 the Winter Simulation Conference, 2003, p 293-300.
(Graves 85) Graves S.C. A multi-echelon inventory model for a reparable item with one-
for-one replenishment. Management Science, 1985, vol. 31, n 10, p 1247-
1257.
(Gross et Harris 73) Gross D., Harris C.M. Continuous review (s, S) inventory models with
state-dependent leadtimes. Management Science, 1973, vol. 19, n 5, p 567-
574.
(Gentry 05a) Gentry B., Wainwright E., Blankinship D. Crystal Ball 7.2 Getting Started
Guide. 1988-2005, Decisioneering, Inc. 118 pages.
(Gentry 05b) Gentry B., Wainwright E., Blankinship D. Crystal Ball 7.2 User Manual.
1988-2005, Decisioneering, Inc. 392 pages.
(Gentry 05c) Gentry B., Wainwright E., Blankinship D. Crystal Ball 7.2 Reference
Manual. 1988-2005, Decisioneering, Inc. 74 pages.
(Glover 77) Glover F. Heuristics for integer programming using surrogate constraints.
Decision Sciences, 1977, vol. 8, p 156-166.
(Glover 86) Glover F. Future paths for integer programming and links to artificial
intelligence. Comput. Oper. Res., 1986, vol. 13, n 5, p 533549.

(Glover et Laguna 93) Glover F., Laguna M. Tabu search. In Modern Heuristic Techniques for
Combinatorial Optimization, ed. C. Reeves, 1993, 60-150. Blackwell
Publishers: Oxford.
(Glover 96) Glover F. Tabu search and adaptive memory programming.advances,
applications and challenges. Interfaces in Computer Science and Operations
Research, eds. Barr, Helgason and Kennington, Kluwer Academic Publishers,
1996.
(Glover et al. 98) Glover F., Kelly J.P., Laguna M. The OptQuest approach to Crystal Ball
simulation optimization. Working paper, Graduate School of Business
Administration University of Colorado, 1998, p 1-12.
(Herer et Rashit 99) Herer Y.T., Rashit A. Lateral Stock Transshipments in a Two-Location
Inventory System with Fixed and Joint Replenishment Costs. Naval Reseach
Logistics, 1999, vol. 46, p 525-545.
(Herer et Tzur 01) Herer Y.T., Tzur M. The Dynamic Transshipment Problem. Naval Research
Logistics, 2001, vol. 48, p 386-408.
(Herer et al. 02) Herer Y.T., Tzur M., Ycesan E. Transshipments: An emerging inventory
recourse to achieve supply chain leagility. International Journal of production
economics, 2002, vol. 80, p 201-212.
(Herer et Tzur 03) Herer Y.T., Tzur M. Optimal and heuristic algorithms for the multi-location
dynamic transshipments problem with fixed transshipment costs. IIE
Transactions, 2003, vol. 35, p 419-432.
(Herer et al. 04) Herer Y.T., Tzur M., Ycesan E. The multi-location transshipment problem.
Working paper, 2004.
(Hill et Johansen 06) Hill R.M., Johansen S.G. Optimal and near-optimal policies for lost sales
inventory models with at most one replenishment order outstanding. European
Journal of Operational Research, 2006, vol. 169, p 111132.
(Hu et al. 05) Hu J., Watson E., Schneider H. Approximate solutions for multi-location
inventory systems with transshipments. International Journal of production
economics, 2005, vol. 97, p 31-43.
(Iyer et Schrage 92) Iyer A. V., Schrage L.E. Analysis of the deterministic (s, S) inventory
problem. Management Science, 1992, vol. 38, n 9, p 1299-1313.
(Janssen et al. 98) Janssen F., Heuts R., de Kok T. On the (R, s, Q) inventory model when
demand is modelled as a compound Bernoulli process. European Journal of
Operational Research, 1998, vol. 104, p 423-436.
(Jeong et al. 02) Jeong B., Sim S.B., Jeong H.S., Kim S. W. An available-to-promise system for
TFT LCD manufacturing in supply chain. Computers & Industrial
Engineering, 2002, vol. 43, p 191-212.
(Johansen et Hill 00) Johansen S., Hill R. The (r,Q) control of a periodic-review inventory
system with continuous demand and lost sales. Int. J. Production Economics,
2000, vol. 68, p 279-286.
(Johnson 68) Johnson E.L. On (s, S) policies. Management Science, 1968, vol. 33, n 2, p 215
227.
(Jonsson et Silver 87) Jonsson H., Silver E.A. Analysis of a two-echelon inventory control
system with complete redistribution. Management Science, 1987, vol. 33, n 2,
p 215227.
(Karmarkar 87) Karmarkar U.S. The multi location multi period inventory problem: bounds
and approximations. Management Science, 1987, vol. 33, n 1, p 86-94.
(Kaplin 70) Kaplin R.S. A dynamic inventory model with stochastic lead times.
Management Science, 1970, vol. 16, p 491-507.
(Kleijnen et Wan 07) Kleijnen Jack P.C., Wan J. Optimization of simulated systems: OptQuest
and alternatives. Simulation Modelling Practice and Theory, 2006, vol. 15, p
354-362.

(Kilger et Schneeweiss 00) Kilger C., Schneeweiss L. Chapter 8: Demand fulfilment and ATP.
In : Supply chain management and advanced planning: concept, models,
software and cases studies. Springer-Verlag Berlin, Heidelberg, 2000.
(Kiesmller et de Kok 06) Kiesmller G.P., de Kok A.G. The customer waiting time in an (R,
s,Q) inventory system. Int. J. Production Economics, 2006, vol. 104, p 354
364.
(Kim et Park 85) Kim D. H., Park K.S. (Q,r) Inventory Model with a Mixture of Lost Sales and
Time-Weighted Backorders. The Journal of the Operational Research Society,
1985, vol. 36, n 3, p 231-238.
(Krishnan et Rao 65) Krishnan K., Rao V. Inventory control in N warehouses. Journal of
Industrial Engineering, 1965, vol. XVI, p 212-215.
(Kruse 81) Kruse W.K. Waiting Time in a Continuous Review (s, S) Inventory System
with Constant Lead Times. Operations Research, 1981, vol. 29, n 1, p 202-
207.
(Kurkreja et Schmidt 05) Kukreja A., Schmidt C.P. A model for lumpy demand parts in a multi-
location inventory system with transshipments. Computers & operations
research, 2005, vol. 32, p 2059-2075.
(Larsen et Kiesmller 06) Larsen C., Kiesmller G.P. Developing a closed form cost expression
for an (R, s, nQ) policy where the demand process is compound generalized
Erlang. Logistics/SCM, Working paper, n L-2006-09, 2006.
(Lasanier 04) Lasanier G. Gestion des approvisionnements et des stocks dans une chane
logistique. Lavoisier, 2004.
(Laguna 97) Laguna M. Optimization of Complex Systems with OptQuest. Working paper,
Graduate School of Business Administration University of Colorado, 1997, p
1-13.
(Lee 87) Lee H.L. A multi-echelon inventory model for repairable items with
emergency transshipments. Management Science, 1987, vol. 33, n 10, p 1302-
1316.
(Lee et Billington 93) Lee H. L., Billington C. Material management in decentralized supply
chain. Operational Research, 1993, vol. 41, n 5, p 835-847.
(Lee et al. 07) Lee Y., Jung J., Jeon Y. An effective lateral transshipment policy to improve
service level in the supply chain. Int. J. Production Economics, 2007, vol. 106,
p 115-126.
(Minner et al. 03) Minner S., Silver E.A., Robb D.J. An improved heuristic for deciding on
emergency transhipments. European Journal of Operational Research, 2003,
vol. 148, p 384-400.
(Minner et al. 05) Minner S., Silver E.A. Evaluation of two extreme transhipment strategies.
International Journal of Production Economics, 2005, vol. 93-94, p 1-11.
(Morton 71) Morton T.E. The near-myopic nature of the lagged-proportions cost inventory
problem with lost sales. Operations Research, 1971, vol. 19, p 1708-1716.
(Moon et Choi 94) Moon I., Choi S. The distribution free continuous review inventory system
with a service level constraint. Computers ind. Engng, 1994, vol. 27, n 1-4, p
209-212.
(Naddor 62) Naddor E. A Comparison of (t,Z) and (z,Z) Policies. Operations Research,
1962, vol. 10, n 3, p 401-403.
(Nahmias 79) Nahmias P. Simple approximations for a variety of dynamic lead times lost sales
inventory models. Operations Research, 1979, vol. 27, n 5, p 907-924.
(Nahmias et Smith 94) Nahmias P., Smith S.A. Optimizing inventory levels in a two-echelon
retailer system with partial lost sales. Management Science, 1994, vol. 40, n
5, p 582-596.
(Needham et Evers 98) Needham P.M., Evers P.T. The influence of individual cost factors on
the use of emergency transhipments. Transp. Res.-E (Logistics and transp.
Rev.), 1998, vol. 34, n 2, p 149-160.

(zdemir et al. 06) zdemir D., Ycesan E. Herer Y.T. Multi-location transhipments problem
with capacitated transportation. European Journal of Operational Research,
2006, vol. 175, p 602-621.
(Olssen 09) Olssen F. Optimal policies for inventory systems with lateral transshipments.
International Journal of Production Economics, 2009, vol. 118, p 175-184.
(Olssen 10) Olssen F. An inventory model with unidirctional lateral transshipments.
European Journal of Operational Research, 2010, vol. 200, p 725-732.
(Paterson et al. 11) Paterson C., Kiesmller G., Teunter R., Glazebrook K. Inventory models
with lateral transshipments: A review. European Journal of Operational
Research, 2011, vol. 210, p 125136.
(Pimor 03) Pimor Y. Logistique : Production, Distribution, Soutien. Dunod, Paris, 2003.
(Porteus 72) Porteus E.L. The optimality of generalized (s, S) policies under uniform
demand densities. Management Science, 1972, vol. 18, n 11, p 644-646.
(Pyke et Cohen 90) Pyke D.F., Cohen M.A. Pus hand pull in manufacturing and distribution
systems. Journal of Operational Management, 1990, vol. 9, n 1, p 24-43.
(Richards 75) Richards F.R. Comments on the Distribution of Inventory Position in a
Continuous-Review (s,S) Inventory System. Operations Research, 1975, vol.
23, n 2, p 366-371.
(Rota-Franz et al. 01) Rota-Franz K., Bel G., Thierry C. Gestion des flux dans les chanes
logistiques. Dans Performance industriel et gestion des flux, 2001, p 153-187.
(Robinson 90) Robinson L. Optimal and approximate policies in multi-period, multi-location
inventory models with transshipments. Operations Research, 1990, vol. 38, p
278-295.
(Rosling 99) Rosling K. The square-root algorithm for single-item inventory optimization.
Lund University, Sweden, Working paper, 1999.
(Rao et al. 03) Rao A., Paternina C.D., Montoya-Torres J.R. Un modle de simulation
intelligente pour la gestion de stocks. MOSIM 03, du 23 au 25 avril 3003-
Toulouse (France). p 160-164.
(Scarf 59) Scarf H.E. Bayes Solutions of the Statistical Inventory Problem. The Annals of
Mathematical Statistics, 1959, vol. 30, n 2, p 490-508.
(Scarf 02) Scarf H.E. Inventory theory. Operations Research, 2002, vol 50, n1, p 186-
191.
(Scarf 05) Scarf H.E. Optimal inventory policies when sales are discretionary. Int. J.
Production Economics, 2005, vol. 9394, p 111119.
(Sahin 79) Sahin I. On the stationary analysis of continuous (s, S) inventory systems with
constant lead times. Operations Research, 1979, vol. 27, n 4, p 717-729.
(Sahin 82) Sahin I. On the objective function behavior in (s, S) inventory models.
Operations Research Letters, 1982, vol. 30, n 4, p 709-724.
(Satyendra et Venkata 05) Satyendra K., Venkata R. Evaluating lateral transshipment policy in a
two-echelon inventory system. Journal of Comparative International
Management, 2005, vol. 8, n 2, p 12-22.
(Sherbrooke 68) Sherbrooke C.C. METRIC: Multi Echelon Technique for Recoverable Item
Control. Management Science, 1968, vol. 16, n 1, p 122141.
(Schneider 78) Schneider H. Methods for Determining the Re-order Point of an (s, S) Ordering
Policy when a Service Level is Specified. The Journal of the Operational
Research Society, 1978, vol. 29, n 12, p 1181-1193.
(Schneider 79) Schneider H. The service level in inventory control system. Engineering and
Process Economics, 1979, vol. 4, p 341-348.
(Schneider et Ringuest 90) Schneider H., Ringuest J.L. Power approximation for computing (s,
S) inventory policies using service level. Management Science, 1990, vol. 36,
n 7, p 822- 834.
(Schneider et Rinks 91) Schneider H., Rinks D.B. Empirical study of a new procedure for
allocating safety stock in a wholesale inventory system. International Journal
of Production Economics, 1991, vol. 24, p 181- 189.

(Sethi et Cheng 97) Sethi S.P., Cheng F. Optimality of (s, S) policies in inventory models with
markovian demand. Operations Research, 1997, vol. 45, n 6, p 931-939.
(Seila 05) Seila A. F. Spreadsheet simulation. Proceedings of the 2005 Winter Simulation
Conference, 2005, p 33-40.
(Silver el al. 98) Silver E.A., Pyke D.F., Peterson R. Inventory management and production
planning and scheduling. John Wiley & Sons, Inc., 1998.
(Sripathomswat 08) Sripathomswat K.. Comparison of different policies in a logistic network :
product-location problem. Thse de doctorat, Institut polytechnique de
Grenoble, 2008.
(Tagaras et Cohen 92) Tagaras G., Cohen M.A. Pooling in two-location inventory systems with
non-negligible replenishment lead times. Management Science, 1992, vol. 38,
n 8, p 1067-1083.
(Tagaras 99) Tagaras G. Pooling in multi-location periodic inventory distribution system. The
International Journal of Management Science, 1999, vol. 27, p 39-59.
(Tempelmeier 00) Tempelmeier H. Inventory service levels in the customer supply chain. OR
Spectrum, 2000, vol. 22, p 361-380.
(de Terssac et Maggi 96) de Terssac G., Maggi B. Autonomie et conception. Dans Coopration
et conception sous la direction de G. de Terssac et E. Friedberg, 1996, p 243-
266. Octares Editions.
(Tlili et al. 07) Tlili M., Campagne J.P., Bahroun Z. Nouvelles approches doptimisation dun
systme de distribution multi chelons intgrant le transshipment. 7e Congrs
international de gnie industriel (CIGI07) 5-8 juin 2007 Trois-Rivires,
Qubec (CANADA), 2007, 12 p.
(Tlili et al. 08a) Tlili M., Moalla M., Campagne J.P., Bahroun Z. Un modle bas simulation-
optimisation pour un systme de distribution deux stocks intgrant le
transshipment. 7e Confrence Internationale de MOdlisation et SIMulation
(MOSIM08), March 31 - April 2, Paris, France, 2008, 9 p, Proceeding p.
1240-1248.
(Tlili et al. 08b) Tlili M., Moalla M., Campagne J.P., Bahroun Z. A simulation-optimization
model for two-echelon, multi-location inventory system with transshipment
and lost sales. 2
nd
International Conference on Information system, Logistics
and Supply chain (ILS 2008), 26-28 Mai aux tats unis, 2008, 11 p.
(Tlili et al. 08c) Tlili M., Moalla M., Campagne J.P., Bahroun Z. Assessing pooling policies in
multi-retailer inventory system with lost sales. 20
th
European Modeling and
Simulation Symposium (EMSS08), Biatico, Italy, September 17-19, 2008, 8 p.
(Tlili et al. 10a) Tlili M., Moalla M., Campagne J.P., Bahroun Z. The transshipment problem in
a multi-echelon inventory system with lost sales. 3
nd
International Conference
on Information system, Logistics and Supply chain (ILS 2010), 14-16 avril
Casablanca (Morocco), 2010, 10 p.
(Tlili et al. 10b) Tlili M., Moalla M., Campagne J.P., Bahroun Z. Gestion de stocks avec
transshipment dans un rseau de distribution multi chelons. 8e Confrence
Internationale de MOdlisation et SIMulation (MOSIM10), 10 au 12 mai
2010 - Hammamet - Tunisie, 2010, 10 p.
(Thomassen et Lorenzen 01) Thomassen M. A., Lorenzen M. The dynamic costs of coordination
and specialization: production activities and learninig processes in the Danish
construction and furniture industries. DRUID Nelson and winter conference,
Aalborg, 12-15 June, 2001, 25 p.
(Tsay et al. 99) Tsay A.A., Nahmias S., Agrawal N. Modeling Supply Chain Contracts: A
review, in: Quantitative Models for Supply Chain Management. Kluwer
Academic Publishers, Boston, p 299-336
(Veinott et Wagner 65) Veinott A.F., Wagner H.M. Computing optimal (s, S) inventory
policies. Management Science, 1965, vol. 11, n 5, p 525-552.

(Veinott 66) Veinott A.F. On Finding Optimal Policies in Discrete Dynamic Programming
with No Discounting. The Annals of Mathematical Statistics, 1966, vol. 37, n
5, p 1284-1294.
(Veramani et Joshi 97) Veramani D., Joshi P. Methodologies for rapid and effective response to
requests for quotation (RFQs). IIE Transactions, 1997, vol. 29, p 825-838.
(Viswanathan 97) Viswanathan S. Note. Periodic review (s, S) policies for joint replenishment
inventory systems. Management Science, 1997, vol. 43, n 10, p 1447-1454.
(Wagner et al. 65) Wagner H.M., Ohagan M., Lundh B. An empirical study of exact and
approximately optimal inventory policies. Management Science, 1965, vol. 11,
n 7, p 690-723.
(Wilson 34) Wilson R. A scientific routine for stock control. Hardvard Business Review,
1934, vol. 13, n 2, p 116-128.
(Wong et al. 05) Wong H., Cattrysse D., Oudheusden D.V. Inventory pooling of repairable
spare parts with non-zero lateral transshipment time and delayed lateral
transshipments. European Journal of Operational Research, 2005, vol. 165, p
207-218.
(Xiong et al. 03) Xiong M., Tor S.B., Khoo L.P., Chen C.H. A web-enhanced dynamic BOM-
based available-to-promise system. International Journal of Production
Economics, 2003, vol. 84, p 133-147.
(Xu 97) Xu K. A multi-location continuous review (Q, R) inventory model with
emergency transhipments. PhD dissertation, University of Maryland, 1997,
184 p.
(Xu et al. 03) Xu K., Evers P.T., Fu M.C. Estimating customer service in a two-location
continuous review inventory model with emergency transhipments. European
Journal of Operational Research, 2003, vol. 145, p 569-584.
(Yao et al. 07) Yao Y., Evers P.T. et Dresner M.E. Supply chain integration in Vendor-Managed
Inventory. Decision Support Systems, 2007, vol. 43, p 663-674.
(Zabel 62) Zabel E. A note on the optimality of (S, s) policies in inventory theory.
Management Science, 1962, vol. 43, n 1, p 123-125.
(Zabawa et Mielczarek 07) Zabawa J., Mielczarek B. Tools of Monte Carlo simulation in
inventory management problems. Proceedings 21st European Conference on
Modelling and Simulationi (ECMS), 2007, ISBN 978-0-9553018-2-7 / ISBN
978-0-9553018-3-4 (CD), 6 p.
(Zhang et al. 01) Zhang R.Q., Hopp W.J., Supatgiat C. Spreadsheet Implementable Inventory
Control for a Distribution Center. Journal of Heuristics, 2001, vol. 7, p 185
203.
(Zheng et Federgruen 91) Zheng Y.S., Federgruen A. Finding optimal (s, S) policies is about as
simple as evaluating a single policy. Operations Research, 1991, vol. 39, n 4,
p 654-665.
(Zheng 92) Zheng Y. On proprieties of stochastic inventory systems. Management science,
1992, vol. 38. n 1, p 87-103.


These

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITE DE TUNIS EL MANAR

FACULTE DES SCIENCES DE TUNIS

dans laquelle intervient le cot de rupture.

dans laquelle intervient le seuil de

) pour le centre de distribution et s

Vous aimerez peut-être aussi