Vous êtes sur la page 1sur 10

9

e
Confrence Internationale de Modlisation, Optimisation et SIMulation - MOSIM12
06 au 08 Juin 2012 - Bordeaux - France
Performance, interoprabilit et scurit pour le dveloppement durable
GESTION COOPRATIVE DE STOCKS DE PRODUITS FINIS DANS
UN RESEAU DE DISTRIBUTION


Lamia TRIQUI,

BP 230, Laboratoire de Productique de Tlemcen,
Facult des Sciences de lIngnieur, Universit
dAboubekr Belkad, Tlemcen 13000, Algrie
triquilamia@yahoo.fr
Jean-Claude HENNET

LSIS, CNRS-UMR 6168, Aix-Marseille Universit,
Facult de Saint J rme, Avenue Escadrille Normandie
Niemen, 13397 Marseille Cedex 20, France
jean-claude.hennet@lsis.org

RESUME : Cet article analyse le problme de gestion des stocks dans un rseau de distribution de produits de mme
type. Ce problme est analys comme un problme de programmation stochastique avec recours. Les dcisions de la
premire phase concernent lapprovisionnement des stocks locaux partir de fournisseurs ou dentrepts externes au
rseau de distribution. La seconde phase, dite phase de recours, introduit la coopration entre distributeurs, travers
lchange de produits entre eux, qui survient ds que les demandes locales relles se sont manifestes. En utilisant la
mthode des scnarios, ce problme est formul comme un programme linaire dterministe pour lequel on garantit
lexistence dune solution. Un exemple industriel appuie cette approche de modlisation et permet dvaluer la
complexit du problme dans le cas de donnes relles.

MOTS-CLES : Gestion de stocks, Thorie des Jeux, Programmation stochastique.

1 INTRODUCTION
Un problme auquel sont confrontes de nombreuses
entreprises, en particulier dans la vente de dtail, est ce-
lui du choix entre une installation locale de stockage de
produits ou une installation commune plusieurs entre-
prises. Le stockage commun permet des conomies
dchelle. En revanche, il peut occasionner des cots de
transport importants. Quant au stockage local, il est co-
teux du point de vue de linvestissement mais bon mar-
ch en utilisation. Pour profiter des avantages des deux
techniques tout en limitant leurs inconvnients, on envi-
sage linstallation de stocks locaux pouvant aussi tre
utiliss par les autres entreprises. Nous nous situons
dans le cadre monoproduit, o les marchandises stockes
par les distributeurs sont de mme type et parfaitement
changeables. Le problme qui se pose alors est double.
Il sagit dune part pour chaque entreprise, de dterminer
sa propre quantit commander, en fonction de la de-
mande estime chaque point de vente. Il sagit dautre
part dorganiser les changes de produits entre les entre-
prises en fonction des demandes locales relles.

La premire partie de larticle consiste en une tude bi-
bliographique sur le problme de gestion de stocks en
deux tapes. On pose ainsi les principes dune utilisation
la fois prive et collective de stocks locaux. Puis on
sappuie sur les travaux existants, en particulier (Plam-
beck et Taylor, 2005), (Chatain et Zemsky, 2007, Wong
et al., 2007) pour modliser le problme et le rsoudre
comme un jeu biforme. Ce type de jeux combine des
aspects stratgiques et des aspects coopratifs. Il nces-
site de dvelopper une mthodologie approprie, inspire
de la thorie des jeux stratgiques et de la thorie des
jeux coopratifs.

Le problme de minimisation du cot total du systme se
prsente comme un problme de programmation stochas-
tique avec recours (voir par exemple Birge et Louveau,
1997). Dans la premire phase, les distributeurs consti-
tuent leur stock sur la base dune demande future incer-
taine, aussi bien pour leur propre zone de distribution
que pour les zones des autres distributeurs. La phase
suivante, dite phase de recours , consiste ajuster les
stocks aux demandes relles observes, en organisant des
changes de produits entre vendeurs.

La modlisation propose dans cet article repose sur la
mthode des scnarios, qui permet dapprocher un pro-
blme de programmation linaire stochastique par un
programme linaire de grande dimension. Nous mon-
trons en particulier que, malgr lventualit de stocks
locaux rsiduels et de ruptures de stocks locales, le pro-
blme peut tre formul comme un problme avec re-
cours total, ce qui garantit lexistence dune solution
optimale. Deux options mergent alors pour la rsolution
des problmes de ce type : soit la rsolution directe de
trs grands problmes de programmation linaire, soit
leur dcomposition et la mise en uvre dalgorithmes
itratifs.

Ltape ultrieure, qui sort du cadre de cet article, con-
sistera construire une politique de rpartition des co-
nomies gnres par la pratique cooprative entre les
acteurs du systme de faon assurer la stabilit et
lefficacit du rseau dentreprises.

MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France
Un exemple industriel sert de support et dapplication
numrique cette tude. Il sagit dun rseau de distribu-
tion darticles de literie, plus particulirement de mate-
las, fabriqus dans la rgion de Tlemcen, en Algrie. Cet
exemple illustre la mthodologie propose et permet
dvaluer la complexit numrique du problme r-
soudre.
2 ANALYSE DU PROBLEME DE GESTION DES
STOCKS PAR LA THEORIE DES JEUX
Le problme de base considr dans ce travail est celui
de la gestion des stocks entre deux niveaux dune chane
de distribution : entre un entrept central et plusieurs
grossistes, ou entre un grossiste et plusieurs dtaillants.
Dans ce cadre, ltude traite plus particulirement le pro-
blme de gestion des stocks chez les vendeurs, sur la
base dune priode de livraison commune. Cette priode
constitue un horizon dcisionnel sur lequel la demande
est incertaine au dpart, mais devient connue avec certi-
tude au cours de lhorizon. Ce problme dcisionnel
deux tapes peut tre interprt comme un jeu biforme,
tel quintroduit par Brandenburger et Stuart (2007). Dans
le cas tudi, le jeu biforme consiste en lenchainement
dun jeu stratgique entre chaque vendeur et le fournis-
seur, et dun jeu coopratif pour lequel les produits peu-
vent tre changs entre les vendeurs de faon satis-
faire au mieux les demandes locales. Comme le modle
tudi peut sappliquer aussi bien un rseau de dtail-
lants face un grossiste qu un rseau de grossistes face
un entrept central, nous parlerons par la suite dun
fournisseur et dun rseau de vendeur, de faon couvrir
les deux cas.

2.1 Les modles de jeu biformes
Un tour dhorizon des travaux raliss sur des problmes
voisins du problme pos va nous permettre den affiner
la reprsentation.
Anupindi et al. (2001) analysent un systme constitu de
n dtaillants. Les dtaillants possdent des installations
de stock locales ainsi que des entrepts centraliss. Dans
la premire tape du jeu (tape non-cooprative), chaque
dtaillant dtermine son niveau de stock local et rserve
un niveau de stock dans chaque entrept centralis. Dans
la deuxime tape du jeu (tape cooprative), aprs les
ralisations des demandes, les dtaillants peuvent former
des coalitions et livrer les produits entre les diffrentes
installations de stock appartenant cette coalition, dans
le but de compenser la demande non-satisfaite dun d-
taillant grce au stock rsiduel dun autre. Les auteurs
montrent quen gnral, le cur de ce jeu biforme nest
pas vide et dterminent une allocation dutilit qui est
dans le cur.
Plambeck et Taylor (2005) analysent un modle consti-
tu de deux entreprises de fabrication. Dans la premire
tape, chaque entreprise dtermine sa capacit de pro-
duction et son investissement sur linnovation, qui in-
fluence sa productivit future. Dans la deuxime tape,
les entreprises sassocient pour mettre en commun leurs
capacits de production rsiduelles. Les auteurs ont mon-
tr que cette politique est plus profitable que des poli-
tiques indpendantes, tout en assurant les investisse-
ments sur linnovation.
Chatain et Zemsky (2007) tudient les relations entre des
entreprises de fabrication qui veulent externaliser la ges-
tion de certaines de leurs fonctions et les fournisseurs qui
sont leurs prestataires potentiels. Dans la premire tape
du jeu, les fournisseurs dcident de rentrer ou non dans
le march. La deuxime tape est constitue des ngocia-
tions entre les fournisseurs et les entreprises dans le mar-
ch.
Wong et al. (2007) utilisent un jeu biforme dans le con-
texte de la mise en commun des pices de rechange. Les
entreprises possdent des stocks des pices de rechange
utilises dans le cas dune panne dans le systme de pro-
duction. Dans la premire tape du jeu, chaque entreprise
dcide de son niveau de stock nominal pour le stock lo-
cal des pices de rechange. Dans la deuxime tape, les
entreprises ont loption de livrer les pices de rechange
entre elles et ngocient donc sur l'allocation des cots
rsultants.

Ces tudes bibliographiques confirment dune part que le
problme pos consiste bien en la rsolution dun jeu
biforme. Dautre part, ils incitent formuler le processus
dcisionnel comme deux problmes doptimisation im-
briqus: un problme de dcision stratgique en environ-
nement incertain, puis un problme de dcision coopra-
tive au sein du rseau de vendeurs. En terme de pro-
grammation stochastique, le modle global peut tre vu
comme un modle de recours, tel qutudi en particulier
par Wetz (1983), Rockafellar and Wetz (1991), Kolom-
vos (2007).

2.2 Reprsentation par modle de recours
En programmation stochastique, les modles de recours
sont des modles dcisionnels plusieurs tapes, pour
lesquel des dcisions sont prises squentiellement, en
fonction dinformations qui deviennent plus prcises
dune tape la suivante (Birge et Louveau, 1997).
Dans le modle deux tapes, les dcisions de la pre-
mire tape sont prises sur la base de prvisions, prenant
souvent la forme de distributions de probabilit des va-
riables du problme. Dans la deuxime tape, les va-
riables du problme deviennent dterministes et sont
connues du ou des dcideurs. Les dcisions de la pre-
mire tape ne peuvent pas tre remises en question,
mais elles sont compltes par les dcisions de la se-
conde tape.
Le problme essentiel de la programmation stochastique
en deux tapes avec recours, est le choix des dcisions de
la premire tape qui doivent anticiper non seulement les
informations incertaines qui arriveront la deuxime
tape, mais aussi les dcisions de recours qui seront
prises quand les donnes deviendront connues.
La rsolution exacte des problmes de programmation
stochastique en deux tapes avec recours tant gnrale-
ment trs difficile, voire impossible, les chercheurs du
MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France
domaine ont plutt explor les mthodes approximatives.
Parmi celles-ci, la mthode dite de scnarios , telle
que propose par Rockafellar et Wets en 1991 a consti-
tu une avance dterminante. Selon cette mthode, le
problme global doptimisation deux tapes est repr-
sent sous une forme dterministe, obtenue en rempla-
ant les esprances mathmatiques des variables du pro-
blme par des moyennes entre chantillons, ces chantil-
lons provenant de scnarios respectant les principaux
moments (moyenne, variance) des lois de probabilit des
variables. Les valeurs des variables de dcision de la
premire tape peuvent alors tre obtenues par rsolution
de ce problme global.
Le modle de recours et la mthode des scnarios sont
particulirement bien adapts au problme de gestion de
stocks dans un rseau de vendeurs. Les variables du pro-
blme sont alors les demandes chacun de ces centres,
ces demandes tant estimes la premire tape et con-
nues avec prcision la seconde tape.
3 GESTION DES STOCKS DE PRODUITS FINIS
DANS UN RESEAU DE VENDEURS
3.1 Gestion locale prvisionnelle en environnement
incertain
Les commandes passes par chaque vendeur au
fournisseur sont supposes priodiques avec la mme
priodicit et la mme date de commande pour tous. Le
systme est donc suppos synchronis, et le problme
pos chaque dtaillant sur chaque priode de rfrence
est analogue au problme dit de vendeur de journaux .
3.1.1 Calcul des quantits conomiques de recompl-
tement
Le modle du vendeur de journaux repose sur
lhypothse dune demande alatoire
i
x sur la priode
de rfrence, pour chaque vendeur { } n i , , 1 e . Les
demandes aux diffrents vendeurs sont supposes
indpendantes et rparties suivant des lois gaussiennes,
notes ) , (
2
i i
m N o , dont les fonctions de rpartition sont
notes ) (
i i
y F , avec :
) ( ) (
i
i i
i i
m y
F y F
o

= (1)
o F est la fonction de rpartition de la loi normale
centre rduite, qui prend la valeur :
dt e z F
t
z
2
2
2
1
) (


}
=
t
. (2)
Si lon suppose que pour tous les vendeurs, les cots
dachats, de stockage et de rupture de stocks sont
proportionnels aux quantits, avec comme cots
unitaires respectifs
i
c ,
i
h ,
i
r tels que
i i i
r c h < < .

Pour chaque vendeur { } n i , , 1 e , en labsence de tout
change entre vendeurs, la fonction de cot minimiser
dpend de la quantit de recompltement,
i
y et de ltat
de stock initial
0
i
y . Elle scrit :
)] 0 , max( [
)] 0 , max( [ ) (
0
i i i
i i i i i i i
y x r E
x y h E y y c J
+
+ =
(3)

Cette expression peut tre dveloppe ainsi :







On en dduit la condition ncessaire doptimalit:

. 0 ) ( ) ( = + + =
c
c
i i i i i i
i
i
y F h r r c
y
J


Do
i i
i i
i i
h r
c r
y F
+

= *) ( . Cest la fraction critique ,


et .
) ( *
1
i i
i i
i i
h r
c r
F y
+

=

. (4)
3.1.2 Quantits de recompltement associes une
qualit de service

Il est noter que la formule (4) peut tre gnralise au
cas o les paramtres de cot ne sont pas connus avec
prcision ou sont jugs secondaires vis--vis de la
fiabilit du systme. En effet, si lon impose la
probabilit maximale de rejet dune demande, note c ,
qui correspond une qualit de service c 1 , alors la
condition (4) peut tre remplace par (5) :

) 1 ( *
1
c =

i i
F y . (5)

La formule (4) peut alors tre considre comme un
choix particulier de qualit de service, justifi par le
calcul conomique.
La formule (5) conduit au niveau de commande du
vendeur donn par :

) 1 ( *
1
c o + =

F m y
i i i
(6)

En supposant que la mme qualit de service c 1 est
requise de tous les vendeurs, le quantit totale de
recompltement des vendeurs sur la priode de
rfrence, note QTRD (pour Quantit Totale de
Recompltement Dcentralis) est :
0
0
0
0
) ( ) ( ) (
) ( ) ( ) ( ) ( ) (
i i
y
i i i i i i
i
y
i i i
y
i i i i i i
y c dx x F h r y r c
x dF y x r x dF x y h y y c J
i
i
i
+ + =
+ + =
}
} }

MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France
| |. ) 1 (
1
1

+ =
n
i
i i
F m QTRD c o (7)

Le cot total associ ce recompltement est not
CTRD. Il vaut :
| |. ) 1 (
1
1

+ =
n
i
i i i i
F c m c CTRD c o (8)
3.1.3 Quantits de recompltement pour un modle de
recours approche stratgique.

Dans le cas dune politique deux tapes, la premire
phase est prvisionnelle et la deuxime phase vise
compenser les carts entre les demandes relles et les
demandes prvues chez les diffrents dtaillants. Mais
les deux phases ne sont pas indpendantes. De plus, la
phase prvisionnelle anticipe la demande locale, comme
pour la section prcdente, mais elle doit aussi anticiper
les changes entre dtaillants qui doivent prendre place
dans la seconde phase. En notant, comme
prcdemment, { } n i y
i
, , 1 ), ( e les quantits de
recompltement, on introduit maintenant les prix
unitaires et les quantits de produits changes entre
couples de dtaillants : ) , (
ij ij
q t du dtaillant i vers le
dtaillant j et ) , (
ji ji
q t , du dtaillant j vers le dtaillant
i avec { } { } i j n j n i = e e , , , 1 , , , 1 .
En outre, on doit tenir compte des cots de transport,
supposs proportionnels aux quantits transportes, avec
des cots dchange unitaires nots )) ((
ij
d . Les cots de
transport sont pays par les acheteurs de marchandises,
en plus des prix dachat de ces marchandises.
Dans une approche locale et stratgique, le problme qui
se pose chaque dtaillant est de minimiser le critre de
cot suivant :

| |
)] 0 , ) ( max( [
)] 0 , ) ( max( [
) ( ) (
1
1
1
0
i
n
i j
j
ji ij i i
i
n
i j
j
ij ji i i
n
i j
j
ij ij ji ji ji i i i i
y q q x r E
x q q y h E
q q d E y y c I
+ +
+ +
(
(
(

+ + =

=
=
=
=
=
=
t t
(9)

On reconnait bien ici un problme de thorie des jeux
stratgiques dans le fait que le critre dutilit de chaque
joueur dpend du comportement des autres joueurs.

3.1.4 Formulation du problme partir de la mthode
des scnarios cas du recours complet

Dans le cadre des jeux coopratifs, on supposera que
toutes les dcisions sont prises collectivement, de faon
minimiser la fonction de cot globale, .
1

=
=
n
i
i
I I
Le problme rsoudre est alors un problme
doptimisation stochastique deux tapes. Lorsque la
dcision de recompltement est prise, les paramtres de
la deuxime phase ne sont pas encore connus. Ils doivent
donc tre anticips de faon probabiliste. Une mthode
efficace pour rsoudre de tels problmes consiste
dcomposer les variables du problme de dcision en
deux ensembles : un ensemble relatif aux dcisions de la
premire tape et un ensemble de variables de recours,
qui dpendent de la ralisation des variables alatoires.
Ici, il est naturel de choisir comme variable de premire
tape, les variables de recompltement,
{ } n i
i
y , , 1 ), ( e et comme variables de deuxime
tape les quantits de produits ) (
ij
q ,
{ }, , , 1 ( n i e { } n j , , 1 e ), qui pourront transiter entre
les dtaillants lorsque les demandes se seront ralises.

La complexit de rsolution du problme de
programmation stochastique deux tapes conduit
utiliser une mthode dite de scnarios , telle que
propose par Rockafellar et Wets, 1991. Plutt que de
reprsenter chaque demande
i
x comme une variable
alatoire de loi de probabilit ) , (
2
i i
m N o , on construit
des scnarios qui respectent approximativement ces lois.

Par exemple, et pour ne pas trop augmenter le nombre
de scnarios traiter, on pourra envisager 3 possibilits
de valeurs possibles, notes
i
x
~
pour chaque demande
i
x :
-
i i
i
m x o 2
~
= avec probabilit ( )
i
x
~
Prob =1/8
-
i
i
m x =
~
avec probabilit ( )
i
x
~
Prob =3/4
-
i i
i
m x o 2
~
+ = avec probabilit ( )
i
x
~
Prob =1/8.

Un scnario, not
k
s est caractris par linstanciation
des n variables de demandes. Ainsi, le nombre total de
scnarios est de
n
3 , soit par exemple 729 scnarios pour
n=6.

Notons aussi que les variables de dcision
{ } n i y
i
, , 1 ), ( e sont des variables relatives la premire
phase, et quil ne sagit pas dajuster leurs valeurs pour
chaque scnario. Leurs valeurs doivent tre communes
tous les scnarios. Cependant, elles ne seront
MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France
dtermines quaprs rsolution conjointe des deux
phases.

A chaque scnario k dfini par ( )
k
n
k
x x
~
, ,
~
1
est associe
une probabilit p
k
dfinie par :
( )
k
i
n
i
k
x p
~
Prob
1 =
H = . (10)
En supposant que le recours est complet, c'est--dire que
pour chaque scnario, la demande locale peut tre
satisfaite entirement, sans rupture de stock ni stock
excdentaire, le problme global peut tre formul sous
la forme linaire suivante :

(PL) Minimiser
1 1 1 1

= = =
=
= (
(
(

+ =
n
i
K
k
n
i
n
i j
j
k
ji ji k i i
q d p y c J


{ } { }
{ } { } {} { } K k i n j n i q
K k n i x q q y
k
ij
k
i
n
i j
j
k
ij
k
ji i
, , 1 , , , 1 , , , 1 0 avec
, , 1 , , , 1 ,
~
) ( sous
1


e e e >
e e = +

=
=

Les variables du problme (PL) sont dune part les
variables de recompltement, { } n i
i
y , , 1 ), ( e ,
communes tous les scnarios, dautre part les variables
de recours, qui diffrent selon le scnario. Ces variables
de recours sont les quantits
k
ij
q , qui reprsentent les
quantits de produits transitant du vendeur i vers le
vendeur j dans le scnario k. Lhypothse de recours
complet correspond la satisfaction parfaite de toutes les
demandes
k
i
x
~
. Nous allons voir dans la section suivante
comment cette hypothse de recours complet peut tre
leve.

3.1.5 Formulation du problme partir de la mthode
des scnarios cas gnral

Pour passer du cas de recours complet au cas gnral, il
suffit dajouter un vendeur fictif, numrot par exemple
n+1, et de faire jouer ce centre le rle de fournisseur
externe fictif pour le cas des demandes qui excdent
loffre et le rle de centre de demande fictif vers lequel
seront expdis le produits en excdent. Lintroduction
de ce centre fictif saccompagne dune dfinition
naturelle des cots unitaires de transport qui le
concernent :

{ }
{ }

e =
e =
+
+
. satisfaite non demande une d' agit s' il puisqu'
re excdentai stock un d' agit s' il puisqu'
n , 1, i
n , 1, i
1
1 ,

i ,i n
i n i
r d
h d


Le programme linaire modifi prend alors la forme
suivante, trs proche du cas avec recours complet.

Minimiser J = c
i
y
i
+ p
k
d
ji
q
ji
k
j =1
j =i
n+1

i =1
n+1






(

(
(
(
k=1
K

i =1
n

(PLG)

{ } { }
{ } { }. , , 1 , , 1 , , 1 , 0 avec
, , 1 , , , 1 ,
~
) ( sous
1
1
K k i j n j i q
K k n i x q q y
k
ij
k
i
n
i j
j
k
ij
k
ji i


e = + e >
e e = +

+
=
=
Le fait que le cas gnral ait t ramen au cas avec
recours complet est intressant car il garantit lexistence
dune solution optimale borne pour le problme (PLG).

On constate ainsi que le problme de programmation
stochastique avec recours peut tre rsolu de faon
approximative par la mthode des scnarios, par un
programme linaire 2Kn
2
+n variables et Kn
contraintes, ce qui donne par exemple, pour K=3
n
, et
n=6, 52494 variables et 4374 contraintes. Toutes les
variables du problme tant relles positives, le
problme peut tre rsolu par les logiciels courants,
comme C-PLEX ou XPRESS-MP pour des problmes
de moins de 1000000 de variables, cest dire pour
lesquels le nombre de distributeurs est au plus n=8. Pour
les problmes de plus grande taille, on peut signaler
lexistence de techniques de dcomposition avec
itrations primales-duales, comme la mthode dite L-
shaped de Van Slyke and Wetz (1969).

Il est noter que les seules variables dont la valeur
optimale est significative pour le problme de dcision
sont les n variables de recompltement,
{ } n i
i
y , , 1 ), ( e .

3.2 Gestion des changes entre vendeurs en envi-
ronnement dterministe
Ayant calcul les quantits optimales de recomplte-
ment, notes { } n i
i
y , , 1 ),
*
( e par rsolution du pro-
blme (PLG), la formulation de ce problme nous in-
dique aussi comment rsoudre le problme de gestion
des changes dans la seconde phase du problme, lors-
que la demande en chaque centre i, est devenue dtermi-
niste, note
i
x . Il est important que ce problme
dchange entre vendeurs soit rsolu globalement et non
localement, pour conserver la proprit doptimalit du
fonctionnement coopratif. Il sagit donc alors de r-
soudre le problme, not (PLD), de minimisation du cot
total des changes en environnement dterministe
MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France

+
=
+
=
=
=
1
1
1
1
Minimiser
n
i
n
i j
j
ji ji
q d Q
(PLD)
{ }
{ } i j n j i q
n i y x q q
ij
i i
n
i j
j
ij ji
= + e >
+ e =

+
=
=
, 1 , , 1 , 0 avec
. 1 , , 1 pour
*
) ( sous
1
1



3.3 Evaluation de performances des politiques de
gestion de stocks avec recours
3.3.1 Evaluation des cots lis aux changes de pro-
duits entre vendeurs

Du point de vue du calcul des performances de la
politique de gestion de stocks avec recours, on peut
valuer de faon approximative, partir de la solution du
problme (PLG), les esprances mathmatiques des
quantits transportes de tous les centres i vers tous les
centres i j = , ainsi que les stocks rsiduels moyens et
les demandes moyennes non satisfaites chez chaque
vendeur.
3.3.2 Evaluation des performances de la politique de
commande

Dans le cadre de la politique dchanges de produits
entre vendeurs, la commande du rseau de vendeurs au
fournisseur peut tre considre globalement. La
demande totale du rseau de vendeurs est alors la somme
des demandes vers tous les vendeurs :

.
1

=
=
n
i
i
x X
En tant que somme de n variables alatoires gaussiennes
supposes indpendantes, ) , (
2
i i
m N o , la demande totale
X est une variable alatoire gaussienne de distribution
) , (
1
2
1

= =
n
i
i
n
i
i
m N o et de fonction de rpartition :
|
|
|
|
|
|
.
|

\
|

= u

=
=
n
i
i
n
i
i
m Y
F Y
1
2
1
) (
o
.
Pour le rseau de vendeurs considr globalement, le
montant de la commande brute initiale obtenu par la
formule du vendeur de journaux est :
) 1 ( )* (
1
1
*
c u = =

=

n
i
i
Y Y .

Cette quantit totale de recompltement, obtenue grce
au fonctionnement coopratif du rseau de vendeurs, est
note QTRC (pour Quantit Totale de Recompltement
Coopratif) :

. ) 1 (
1 1
2 1

= =

+ =
n
i
n
i
i i
F m QTRC o c (11)

Par comparaison des quantits QTRC et QTRD, on peut
noter une diminution significative de la quantit
commande grce au fonctionnement coopratif de la
chaine. Cette diminution vaut :

. ) 1 (
1
2
1 1
2 1
(
(
(
(

+ +
=

= =
=
=

n
i
i
n
i
n
i j
j
j i i
F
QTRC QTRD
o o o o c
(12)

Cependant, le gain li la diminution de la quantit
commande risque dtre compens par le cot li aux
changes de produits entre vendeurs.

La diffrence entre ces deux quantits dterminera sil
est rentable ou non dintroduire cette phase de
fonctionnement coopratif.

Le cot total associ au recompltement coopratif
dpend de la rpartition des commandes entre les
diffrents centres de distribution, cette rpartition tant
elle-mme lie aux cots de transport entre les points de
vente.
4 APPLICATION A UN EXEMPLE
INDUSTRIEL
4.1 Description du modle
Dans ce travail, on sintresse essentiellement une
chane logistique aval, c'est--dire un processus de dis-
tribution multi-chelon de produits finis. Les produits
finis considrs sont des matelas. Bien quen ralit ils
puissent tre de diffrents types et de diffrents prix, on
se ramne une formulation monoproduit. La chaine
logistique considre est constitue dun entrept central
qui alimente plusieurs centres de distribution identifis
par leur zones de localisation, qui leur tour alimentent
des grossistes dans la rgion o chaque grossiste est
connect un ensemble de dtaillants et chaque dtail-
lant est connect un ensemble de clients finaux cest a
dire quun produit passe par plusieurs tages avant
darriver au client final. La chane tudie est illustre
par la Figure 1.




MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France








































Avec

avec :
- GT : Grossiste Tlemcen
- GO : Grossiste Oran
- GB : Grossiste Blida
- GA1 : Grossiste Alger1
- GA2 : Grossiste Alger2
- GAn : Grossiste Annaba
- D1,D2,.Dn,Dn+1,Dn+2,Di,
Dk reprsentent les diffrents dtaillants

Les centres de distribution sont classs par ordre crois-
sant de la distance par rapport lentrept central. Dans
















































cette tude nous nous concentrons sur limpact de dci-
sions et dchanges entre le 1
er
chelon et 2
me
chelon.
Au del du 2
me
chelon, nous ne disposons pas de toutes
les informations ncessaires pour effectuer une tude
dtaille sur le 3
me
chelon et 4
me
chelon. Cependant,
un des objectifs futurs du travail sera didentifier les
sous-rseaux de distribution pour lesquels la pratique
dchanges coopratifs apporte un gain conomique im-
portant, la configuration qui parat la plus prometteuse
est lorsque le fournisseur est relativement loign des
vendeurs, certains dentre eux pouvant alors tirer profit
de leur proximit gographique pour changer des pro-
duits moindre cot.
1
er
chelon 2
eme
chelon 3
eme
chelon 4
eme
chelon

Figure 1 Schma dun rseau de distribution
Centre de dis-
tribution Dpt
Alger1
Di+1, Di+2,.....Dk
D1, D2,..............Dn
Dn+1, Dn+2,.....Di
GA11
GA12
GA1k
D1, D2,..............Dn
Dn+1, Dn+2,.....Di
Di+1, Di+2,.....Dk
GB1
GB 2
GB n

Unit De
Production
Siege a Tlemcen

Entrept
central
Centre de dis-
tribution Dpt
Tlemcen
Di+1, Di+2,.....Dk
Centre de dis-
tribution Dpt
Oran
Centre de dis-
tribution Dpt
Blida
Dn+1, Dn+2,.....Di
GTw
GT 2
GT 1 D1, D2,..............Dn
D1, D2,..............Dn
Dn+1, Dn+2,.....Di
Di+1, Di+2,.....Dk
GO 1
GO 2
GOm
Centre de dis-
tribution Dpt
Annaba
Di+1, Di+2,.....Dk
D1, D2,..............Dn
Dn+1, Dn+2,.....Di
GAn 1
GAn 2
GAn k
Centre de dis-
tribution Dpt
Alger2
Di+1, Di+2,.....Dk
D1, D2,..............Dn
Dn+1, Dn+2,.....Di
GA21
GA22
GA2k










Clients
Finaux
MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France
Dans la premire tape, la demande des centres de dis-
tribution est satisfaite par lentrept central. Ensuite,
lorsque les demandes des clients se ralisent, la demande
excdentaire dun peut ventuellement tre satisfaite par
les autres centres de distribution voisin. Ce sous-rseau
dapprovisionnement et dchanges est reprsent sur la
Figure 2.

























Figure 2 Le sous-rseau tudi

On suppose quen environnement de demande alatoire,
chaque vendeur utilise une politique locale de gestion de
stock du type vendeur de journaux sur une priode de
rfrence commune tout le rseau. Ainsi, comme ex-
pliqu prcdemment, le stock de scurit de chaque
vendeur garantit un certain niveau de service pour les
clients.

Comme dans ltude thorique qui prcde, les de-
mandes des centres de distribution sont supposes suivre
la mme loi de probabilit mais les paramtres des dis-
tributions (moyenne, carts-type) peuvent tre diffrents.

Plusieurs connexions de transport existent entre les diff-
rentes zones de distribution. La livraison seffectue avec
plusieurs vhicules ou chaque livraison exige un char-
gement complet. Lentreprise possde trois types de v-
hicules de diffrente tailles : grand(G), moyen(M), pe-
tit(P) et lorsque la demande est grande rotation et les
moyens de transport internes narrive pas satisfaire
toute les demandes, lentreprise utilise la location de
camions selon le besoin.
Le cot de transport dpend de la distance parcouru, sa-
chant que la localisation des centres de distribution se
trouve dans des villes distinctes qui sont spares par des
distances gographique relativement importantes, sch-
matise sur la Figure 3. Dans une premire approche,
nous supposons que le cout de transport ne dpend que
de la distance parcourue, et quil est proportionnel aux
quantits transportes.




























o R1=2 Km, R2=150 Km, R3=450 Km,R4=500 Km,
R5=500 Km, R6=1000 Km, R7=150 Km, R8=200 Km,
R9= 50 Km, R10=2Km, R11=500Km, R12=450Km,
R13=500Km, R14= 500Km, R15=1000Km, R16=
350Km, R17=350 Km, R18=850Km, R19=50 Km,
R20=550Km, R21=500 Km

1: Unit de production Tlemcen( UP Tlemcen)
2: Centre de Distribution Tlemcen(CD Tlemcen)
3: Centre de Distribution Oran (CD Oran)
4: Centre de Distribution Blida(CD Blida)
5: Centre de Distribution Alger 1(CD Alger 1)
6: Centre de Distribution Alger 2(CD Alger 2)
7: Centre de Distribution Annaba(CD Annaba)

Figure 3 Le graphe du rseau de transport

A partir de cette description, le modle
dapprovisionnement avec recours fournit une dcompo-
sition en deux tapes de la politique de commande des
diffrents vendeurs, la premire tape tant base sur des
donnes prvisionnelles de demande et la seconde sur
des donnes relles.

2
1
3
4
5
6
7
R1
R2
R3
R12
R13
R14
R15
R16
R17
R18
R19
R20
R21
R7
R8
R9
R10
R11
R4
R5
R6

Unit De
Produc-
tion
Siege a
Tlemcen

Entre-
pt
central
Dpt
Tlemcen
Dpt
Oran
Dpt
Blida
Dpt
Alger1
Dpt
Alger2
Dpt Annaba
MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France
4.2 Dtermination de la politique prvisionnelle
dapprovisionnement
Lhorizon dapprovisionnement est suppos commun
tous les grossistes. Au dbut de cet horizon, chaque
grossiste passe une commande lentrept. On suppose
que cette commande sera la seule passe sur tout
lhorizon. Elle doit donc anticiper dune part la demande
locale laquelle sera confront le grossiste, et dautre
part les changes futurs entre grossistes, qui permettront
dajuster les stocks aux demandes relles.

La rpartition de la quantit de commande cooprative
(QTRC) sur les six grossistes suit une logique prvision-
nelle. Le facteur prdominant reste la demande locale
moyenne prvue. Mais les cots de transport intervien-
nent aussi dans cette rpartition, travers les paramtres
ij
d . Comme nous lavons vu prcdemment, ces para-
mtres permettent aussi de reprsenter les cots de stoc-
kage rsiduel et les cots de rupture de stock chez
chaque grossiste, par introduction dun grossiste virtuel,
numrot 7. La rsolution du problme (PLG) fournit
alors les quantits optimales de recompltement,
{ } 6 , , 1 ),
*
( e i
i
y . On en dduit la quantit totale de
recompltement coopratif :

=
=
6
1
*
i
i
y QTRC
La solution du problme (PLG) permet en outre le calcul
de la qualit de service estime pour chaque grossiste,
note { } 6 , , 1 ), ( e i
i
c , par :

k
i
K
k
k
K
k
k
i k
i
x p
q p
~
1
1
7

=
=
= c . (13)

4.3 Organisation des changes entre centres de dis-
tribution
Dans la deuxime phase de lapprovisionnement, les
demandes en chaque centre de distribution sont suppo-
ses connues. Le problme rsoudre est alors le pro-
blme de transport cot minimum (PLD) de la section
(3.2). Tel quil a t formul, ce problme est trs simple
rsoudre dans les rels. De plus, comme sa matrice de
contraintes est unimodulaire, sa solution est naturelle-
ment entire si les donnes sont elles-mmes entires.

Cependant, lintroduction dun parc de vhicules de dif-
frentes tailles conduit compliquer le problme, en
introduisant en particulier des variables binaires, tout en
dtruisant lunimodularit de la matrice des contraintes.
Le problme reste nanmoins assez facile rsoudre en
variables mixtes par les logiciels classiques de Pro-
grammation linaire comme C-PLEX ou XPRESS-MP.
5 CONFRONTATION ENTRE THEORIE ET
PRATIQUE
Le modle de recours propos traduit bien la ralit
industrielle courante qui ncessite une planification dans
un univers essentiellement incertain, suivie
dajustements visant adapter le plan aux vnements
qui surviennent dans la ralit. La solution propose
dans cet article consiste modliser la phase de recours
dune faon approximative, pour en dduire les quantits
de commande des diffrents centres de distribution.

Un modle doptimisation a aussi t propos pour grer
la phase dajustement des demandes ltat des stocks.
Toutefois, les donnes que nous possdons actuellement
ne nous permettent pas encore de proposer un param-
trage raliste de ce problme. La premire condition pour
lapplication de la mthode est la dtermination des
cots de transfert unitaires, des cots de rupture et des
cots de stockage excdentaires dfinissant la matrice
)) ((
ij
d . En outre, la viabilit de la mthode dpend de
la politique de rpartition des conomies attendues de la
collaboration entre vendeurs. Pour rsoudre ce pro-
blme, la thorie des jeux coopratifs indique que cette
politique de rpartition des gains doit tre efficace et
rationnelle, de faon assurer la stabilit de la coalition
de vendeurs. Cependant, en pratique, la rpartition des
gains attendus ncessite une ngociation entre vendeurs
et ltablissement dun protocole dchanges. Plusieurs
protocoles sont actuellement ltude, avec lobjectif de
rendre oprationnelles les proprits defficacit et de
rationalit du partage . Lexemple industriel prsent sert
donc actuellement de cadre applicatif notre tude et ce
nest quultrieurement que des rsultats quantitatifs
permettront dvaluer les diffrentes politiques envisa-
ges aux diffrents maillons du rseau de distribution.
6 CONCLUSIONS
Le modle de recours propos traduit bien la ralit
industrielle courante qui ncessite une planification dans
un univers essentiellement incertain, suivie
dajustements visant adapter le plan aux vnements
qui surviennent dans la ralit. Cependant, la phase
dajustement est gnralement gre par des dcideurs
humains, car elle ncessite de la ractivit, de linitiative
et une prise de dcision multicritre. Cette phase est
donc difficile modliser, mais elle influence la
premire phase, celle de la planification. La solution
propose dans cet article consiste modliser la phase de
recours dune faon approximative, par une technique de
scnarios refltant les distributions de probabilit des
demandes locales. Les problmes linaires qui ont t
formuls permettent la mise en uvre du schma
dapprovisionnement en deux phases. La phase
prvisionnelle permet le calcul dapprovisionnement des
stocks locaux et la phase dajustement permet
dorganiser globalement les changes entre les centres
locaux en fonction des demandes relles reues.

MOSIM12 - 06 au 08 Juin 2012 - Bordeaux - France
REFERENCES

Anupindi, R., Bassok, Y., Zemel, E., 2001.A general
framework for the study of decentralized distribution
systems. Manufacturing and Service Operations
Management, 3(4), 349-368.

Arda, Y., Hennet, J .C., 2006. Inventory control in a
multi-supplier system. International Journal of
Production Economics, 104(2), 249-259.

Birge J . R. et Louveau F.V., 1997, Introduction to
Stochastic Programming, Springer Verlag, New-
York.

Brandenburger, A. and Stuart, H. (2007). Biform games.
Management Science, 53(4), 537-549.

Chatain, O. et P. Zemsky, 2007. The horizontal scope of
the firm: organizational tradeoffs vs. buyer supplier
relationships. Management Science, vol. 53(4), 550-
565.

Hennet, J .-C., and Mahjoub, S., 2010. Toward the fair
sharing of profit in a supply network formation,
International Journal of Production Economics,
127(1), 112-120.

Kolomvos G., 2007. Rsolution de grands problmes
stochastiques multi-tapes : Application un
problme de dimensionnement de capacits et de
gestion de flux et de stocks, Thse de Doctorat de
lEcole Centrale Paris.

Plambeck, E. et T.A. Taylor, 2005. Sell the plant ? The
impact of contract manufacturing on innovation,
capacity, and profitability. Management Science, vol.
51(1), 133-150.

R.T. Rockafellar R.T., et Wets, R.J .B., 1991. Scenarios
and policy aggregation in optimization under
uncertainty. Mathematics of Operations Research,
16(1), 119147.

Van Slyke R. et Wets, R.J .B., 1969, L-shaped linear
programs with applications to optimal control and
stochastic programming. SIAM Journal on Applied
Mathematics, 17, 638-663.
Wets, R.J .B., 1983. Solving stochastic programs with
simple recourse. Stochastics, 10(3-4), 219242.

Wong, H., van Oudheusden, D. et D. Cattrysse, 2007.
Cost allocation in spare parts inventory pooling.
Transportation Research Part E, vol. 43, 370-386.