Vous êtes sur la page 1sur 226

OLIVIER LABARTHE

MODELISATION ET SIMULATION ORIENTES


AGENTS DE CHANES LOGISTIQUES DANS UN
CONTEXTE DE PERSONNALISATION DE
MASSE : MODLES ET CADRE
MTHODOLOGIQUE

Thse de doctorat en cotutelle prsente


la Facult des tudes suprieures de l'Universit Laval
dans le cadre du programme de doctorat en Sciences de l'Administration
pour l'obtention du grade de Philosophiae Doctor (Ph.D.)

DEPARTEMENT D'OPERATIONS ET SYSTEMES DE DECISION


FACULT DES SCIENCES DE L'ADMINISTRATION
UNIVERSIT LAVAL
QUBEC

Thse de doctorat en cotutelle prsente


la Facult des sciences et techniques de l'Universit Paul Czanne
dans le cadre de la formation doctorale en Informatique
pour l'obtention du grade de Docteur

FACULT DES SCIENCES ET TECHNIQUES


UNIVERSIT PAUL CZANNE
MARSEILLE

2006

Olivier Labarthe, 2006


A mes parents,
Sophie.
Remerciements
Le travail de recherche prsent dans ce manuscrit a t ralis dans le cadre d'une
cotutelle de thse tablie entre l'Universit Paul Czanne et l'Universit Laval. Ce
travail a t effectu au Laboratoire des Sciences de l'Information et des Systmes
Marseille, ainsi qu'au CENtre de recherche sur les Technologies de l'Organisation
Rseau Qubec. Je tiens remercier l'ensemble des personnes appartenant ces deux
laboratoires de recherche qui ont tout mis en uvre pour l'accomplissement de cette
collaboration franco-qubcoise.

Je tiens exprimer mes profonds remerciements Monsieur Bernard ESPINASSE,


Professeur l'Universit Paul Czanne, pour son encadrement, sa disponibilit, sa
confiance et pour le soutien qu'il a su m'accorder durant toutes ces annes. Son
exprience et ses comptences scientifiques ont toujours t sources d'enrichissement
me permettant de mener bien ce travail de recherche.

Je dsire sincrement remercier Monsieur Benoit MONTREUIL, Professeur


l'Universit Laval, pour avoir eu le privilge d'tre son tudiant de doctorat. Ses
qualits scientifiques, ses conseils et son dynamisme ont contribu l'aboutissement de
ce travail de recherche. Je le remercie pour la grande confiance qu'il m'a accorde et
pour la vision innovante de la recherche qu'il a toujours su m'inculquer.

Je tiens exprimer toute ma gratitude Monsieur Alain FERRARINI, Matre de


Confrences l'Universit Paul Czanne, pour son encadrement, sa disponibilit, sa
rigueur et sa patience. Je tiens le remercier pour m'avoir guid depuis le dbut et pour
m'avoir soutenu dans mes activits d'enseignement. Ses qualits scientifiques et
humaines ont largement soutenu ce travail de recherche.

Je tiens remercier chaleureusement Monsieur Grard BEL, Matre de Recherche


l'ONERA, et Monsieur Olivier BOISSIER, Professeur l'NS des Mines de Saint-
tienne, pour avoir accept d'tre les rapporteurs de cette thse. Que Monsieur Angel
RUIZ BARTOLOME, Professeur Adjoint l'Universit Laval, soit remerci pour avoir
accept d'tre examinateur.

J'aimerai adresser mes remerciements Erwan pour sa collaboration et ses conseils


aviss sur l'ensemble de ce travail de recherche, Ronald pour les nombreuses heures
qu'il m'a accord lors de la phase de dveloppement, et Julien pour son pilotage et co-
pilotage. Je dsire aussi remercier pour leur soutien et leur amiti Amin, David,
Fabien, Franck, Maz, Gregory, Ithu, Loran, Marc, Mumu et Sbastien.

Enfin, de manire plus personnelle, je souhaite remercier ma famille pour leur soutien
inconditionnel. Le dernier des mercis est adress Sophie qui accompagne ma vie,
merci pour m'avoir encourag, support et pour avoir accept tant de sacrifices durant
ces annes.
Rsum
Les chanes logistiques reprsentent un avantage concurrentiel que les entreprises
cherchent prenniser. La simulation s'inscrit naturellement auprs des dcisionnaires
comme un outil d'aide la dcision. Notre travail de recherche porte sur la dfinition
d'une approche de modlisation et de simulation oriente agents de chanes logistiques
dans un contexte de personnalisation de masse. Nous proposons un cadre
mthodologique structur selon trois niveaux d'abstraction: Modle de Domaine,
Modle Conceptuel et Modle Oprationnel. Les modles de Domaine, issus de la
modlisation d'entreprise, sont tendus au contexte de personnalisation de masse. Les
modles Conceptuels et Oprationnels, drivs du modle de Domaine, sont dvelopps
selon le paradigme agent. Une architecture logicielle, compose de deux socits
d'agents en interaction, assure l'implmentation et l'excution d'agents cognitifs et
ractifs. Un cas industriel est trait et les rsultats de simulations sont interprts.
Abstract
Supply chains represent a comptitive advantage that companies try to maintain.
Simulations represent a decision-making tool naturally used by decision-makers for the
dfinition of alternative stratgies. Our research work concerns the dfinition of an
agent oriented approach to model and simulate supply chains in a mass customisation
context. We propose a methodological framework structured according to three levels of
abstraction: Domain Model, Conceptual Model and Operational Model. The Domain
models, stemming from the enterprise modelling, are adapted to the mass customisation
context. The Conceptual and Operational models, derived from the Domain Model, are
developed according to the agent paradigm. A simulation platform, consisted of two
societies of agents in interaction, assures the implementation and the excution of
cognitive and reactive agents. An industrial case is presented and simulation results are
interpreted.
Table des matires
CHAPITRE 1 : INTRODUCTION GENERALE 13

CHAPITRE 2 : PROBLMATIQUE 17
1 INTRODUCTION 17

2 L A PRISE EN COMPTE DE L'EVOLUTIVIT DE L'ENVIRONNEMENT DES ENTREPRISES 18

3 LA MODLISATION DE CHANES LOGISTIQUES 19

4 LA SIMULATION ORIENTE AGENTS DE CHANES LOGISTIQUES 21

5 CONCLUSION 22

CHAPITRE 3 : REVUE DE LITTRATURE 23


1 INTRODUCTION 23

2 LES CHANES LOGISTIQUES 24


2.1 VOLUTIONS, DFINITIONS ET OBJECTIFS 24
2.1.1 volutions du concept 24
2.1.2 Dfinitions gnrales 25
2.1.3 Objectifs et enjeux 26
2.2 LA GESTION DE LA CHANE LOGISTIQUE 28
2.2.1 Politiques de gestion 28
2.2.2 Progiciels 30
2.2.3 Supports d'changes et de traitements des donnes 31
2.3 LA PERSONNALISATION DE MASSE 33
2.3.1 Production de masse versus personnalisation de masse 33
2.3.2 Produits fonctionnels versus produits innovants 34
2.3.3 volutions centres consommateurs 35
2.4 SYNTHSE 36

3 LES APPROCHES DE MODLISATION DES CHANES LOGISTIQUES 37


3.1 MODLES ORGANISATIONNELS 39
3.1.1 Approches hirarchiques 39
3.1.2 Approches htrarchiques 40
3.2 MODLES ANALYTIQUES 42
3.3 MODLES POUR LA SIMULATION 43
3.3.1 Simulations vnements discrets 44
3.3.2 Travaux de simulation orients objets 45
3.4 SYNTHSE 46

4 LES SYSTMES MULTI-AGENTS 47


4.1 DFINITIONS GNRALES 48
4.1.1 Agents 48
4.1.2 Systmes multi-agents 49
4.2 MODLES D'AGENT 50
4.2.1 Agents ractifs 5/
4.2.2 Agents Cognitifs 52
4.2.3 Agents Hybrides 53
4.3 INTERACTIONS ENTRE AGENTS 54
4.3.1 Communication 55
4.3.2 Coordination 56
4.3.3 L'mergence et l'auto-organisation 59
AA MTHODOLOGIES DE CONCEPTION 59
4.4.1 Mthodologies issues de l'ingnierie des connaissances 60
4.4.2 Mthodologies issues des mthodologies orientes Objets 62
4.4.3 Mthodologies centres sur les Agents 64
4.5 SYNTHSE 66

5 L A MODLISATION ET LA SIMULATION ORIENTES AGENTS DE CHANES LOGISTIQUES 67


5.1 INTRTS DE L'APPROCHE AGENT 68
5.1.1 Modlisation oriente agents 68
5.1.2 Simulation par systmes multi-agents 70
5.1.3 Chanes logistiques et systmes multi-agents : Analogies 71
5.2 TRAVAUX DE MODLISATION ET DE SIMULATION AGENTS DE CHANES LOGISTIQUES 73
5.3 SYNTHSE 83

6 CONCLUSION 86

CHAPITRE 4 : COORDINATION ET MODLISATION DE CHANES LOGISTIQUES


DANS UN CONTEXTE DE PERSONNALISATION DE MASSE 87

1 INTRODUCTION 87

2 COORDINATION DE CHANES LOGISTIQUES 88


2.1 TEMPS DE RPONSE ET RELATIONS CLIENTS 89
2.2 LE POINT DE PNTRATION DE L'ORDRE 90
2.3 LE POINT DE DCOUPLAGE 92
2.4 SYNTHSE 93

3 APPROCHE DE MODLISATION RETENUE 93


3.1 MODLE STRUCTUREL 94
3.1.1 Les rseaux de responsabilit 94
3.1.2 Les rles des centres 96
3.1.3 Les niveaux organisationnels 97
3.2 MODLE DYNAMIQUE 100
3.2.1 Reprsentation des centres du Modle Structurel par centres NetMan 100
3.2.2 Modes de coordination 102
3.3 SYNTHSE 104

4 PROPOSITION D'UN CADRE DE COORDINATION 105

5 CONCLUSION 107

CHAPITRE 5 : CADRE MTHODOLOGIQUE POUR LA MODLISATION ET LA


SIMULATION ORIENTES AGENTS DE CHANES LOGISTIQUES 108

1 INTRODUCTION 108

2 CONCEPTION DE SIMULATIONS 109


2.1 PROBLMATIQUE GNRALE 109
2.2 DFINITION D'UN PROCESSUS DE CONCEPTION 112
3 PROPOSITION D'UN CADRE MTHODOLOGIQUE 113
3.1 NIVEAUX D'ABSTRACTION 113
3.2 PHASES DE TRANSITION 115
3.3 CADRE GNRAL 116

4 MODLISATION CONCEPTUELLE A G E N T 117


4.1 PROBLMATIQUE GNRALE 117
4.2 AGENTIFICATION DU MODLE DE DOMAINE 119
4.2.1 Des centres aux Agents-Acteurs 121
4.2.2 Interactions physiques entre Agents-Acteurs 121
4.2.3 Interactions infQrmationnelles entre Agents-Acteurs 122
4.2.4 Dfinition des frontires organisationnelles 123
4.2.5 Des activits de centres aux Agents-Activits 123
4.2.6 Interactions physiques des Agents-Activits 124
4.2.7 Interactions informationnelles des Agents-Activits 125
5 MODLISATION OPRATIONNELLE A G E N T 126
5.1 PROBLMATIQUE GNRALE 126
5.2 SPCIFICATION DU MODLE CONCEPTUEL AGENT 127
5.2.1 Des Agents Conceptuels aux Agents-Cognitifs 128
5.2.2 Reprsentation par socits d'agents 129
5.2.3 Dfinition des liens de responsabilit 130
6 ARCHITECTURE D'AGENT RETENUE 131
6.1 LE MODLE DE L'AGENT ACTEUR 132
6.2 SPCIFICATION DES COMPORTEMENTS D'AGENTS 133
6.2.1 Agent Unified Modelling Language 134
6.2.2 Reprsentation de Comportement d'Agents 136
6.3 SPCIFICATION DES INTERACTIONS ENTRE AGENTS 138
6.4 IMPLMENTATION DU MODLE OPRATIONNEL AGENT 139

7 CONCLUSION 141

CHAPITRE 6 : ILLUSTRATIONS DE LA COORDINATION DE CHANES LOGISTIQUES


CENTRES CONSOMMATEURS 142
1 INTRODUCTION 142

2 PROPOSITION D'UN ENVIRONNEMENT DE SIMULATION 143


2.1 L'ENVIRONNEMENT DE DVELOPPEMENT DE LA SOCIT COGNITIVE : M A J O R C A 143
2.2 L'ENVIRONNEMENT DE DVELOPPEMENT DE LA SOCIT RACTIVE : ANYLOGIC 147
2.3 ARCHITECTURE DE L'ENVIRONNEMENT DE SIMULATION 150
2.4 LE COUPLAGE ANYLOGIC - MAJORCA 152

3 CHANE LOGISTIQUE CENTRE CONSOMMATEURS 156


3.1 LE SYSTME REL 156
3.1.1 Prsentation gnrale du cas industriel 157
3.1.2 Niveaux de personnalisations relatifs l'industrie du golf 159
3.2 MISE EN UVRE DU CADRE MTHODOLOGIQUE 160
3.2.1 Modle de Domaine 760
3.2.2 Modle Conceptuel Agent 165
3.2.3 Modle Oprationnel Agent 767
4 LE SYSTME MULTI-AGENTS 171
4.1 IMPLMENTATION DE LA SOCIT D'AGENTS COGNITIFS 171
4.2 IMPLMENTATION DE LA SOCIT D'AGENTS RACTIFS 174
4.3 INTERACTIONS ENTRE SOCITS D'AGENTS RACTIFS ET COGNITIFS 176

5 CONDUITE DES TRAVAUX DE SIMULATION 179


5.1 PARAMTRES DE SIMULATION 179
5.1.1 La demande et les offres 179
5.1.2 Le paramtrage des agents ractifs 182
5.1.3 Dfinition des scnarii 185
5.2 RSULTATS DE SIMULATION 189
5.2.1 Expression des besoins et des offres 189
5.2.2 Partage de modles de demande 195
5.2.3 Point de dcouplage pour les produits de type varit 199
5.3 SYNTHSE 201

6 CONCLUSION 202

CHAPITRE 7 : CONCLUSION GNRALE ET PERSPECTIVES 204


1 BILAN DES TRAVAUX DE RECHERCHE PRSENTS 204

2 PERSPECTIVES DE RECHERCHE 207

BIBLIOGRAPHIE
Table des figures
FIGURE 1 EXEMPLE DE CHANE LOGISTIQUE 26
FIGURE 2 PROGICIELS DE GESTION DE CHANES D'APPROVISIONNEMENT (SUPPLY CHAIN MANAGEMENT).. 31
FIGURE 3 PROCESSUS DE CRATION D'UN MODLE 38
FIGURE 4 CONCEPTIONS DE MODLES DE CHANES LOGISTIQUES 39
FIGURE 5 CLASSIFICATION DES MODLES POUR LA SIMULATION 44
FIGURE 6 LES MTHODOLOGIES ORIENTES AGENTS 60
FIGURE 7 ENTITS DE MODLISATION ORIENTES QUATIONS ET AGENTS 69
FIGURE 8 L'ARCHITECTURE MASCOT 75
FIGURE 9 MODLE SWARM ASSOCI L'ARCHITECTURE DE SIMULATION 76
FIGURE 10 MODLE D A S C H DE CHANE LOGISTIQUE 77
FIGURE 11 MODLE DE L'AGENT ENTREPRISE 80
FIGURE 12 MODLE MULTI-AGENTS DE CHANE LOGISTIQUE 81
FIGURE 13 ARCHITECTURE DU SMA DE SIMULATION 83
FIGURE 14 DTERMINATION DU TEMPS DE RPONSE 90
FIGURE 15 LES POINTS DE PNTRATION DE L'ORDRE 91
FIGURE 16 LE POINT DE DCOUPLAGE 92
FIGURE 17 LE POSITIONNEMENT DU POINT DE DCOUPLAGE 93
FIGURE 1 8 LE CENTRE : LMENT DE LA CHANE LOGISTIQUE 95
FIGURE 19 LES PROCESSUS DE TRANSFORMATION D'UN CENTRE 96
FIGURE 20 EXEMPLE DE RSEAU DE RESPONSABILIT 99
FIGURE 21 MODE DE DCOMPOSITION PAR RSEAU DE RESPONSABILIT 99
FIGURE 22 LA CIRCULATION DES FLUX PHYSIQUES ENTRE CENTRES NETMAN 101
FIGURE 23 EXPRESSIONS DES BESOINS ET DES OFFRES AU SEIN DU MODLE DYNAMIQUE 102
FIGURE 24 PRINCIPE D'CHANGE DE MODLES ENTRE CENTRES NETMAN 103
FIGURE 25 INTERACTIONS PHYSIQUES ET INFORMATIONNELLES AU SEIN DU MODLE DYNAMIQUE 104
FIGURE 26 CADRE DE RFRENCE POUR LA COORDINATION DES ACTEURS DE CHANES LOGISTIQUES 106
FIGURE 27 ABSTRACTION DE MODLES DANS UNE DMARCHE DE SIMULATION 109
FIGURE 28 LES TROIS SOUS-CHAMPS DE LA SIMULATION 110
FIGURE 29 LES INTERVENANTS DANS LA CONCEPTION D'UN OUTIL DE SIMULATION 111
FIGURE 30 LA CONCEPTION DE SIMULATIONS 112
FIGURE 31 TAPES DE MODLISATION ET DE SIMULATION 114
FIGURE 32 CADRE MTHODOLOGIQUE POUR LA MODLISATION ET LA SIMULATION ORIENTE AGENTS ... 116
FIGURE 33 L'ORGANISATION D'UN SYSTME MULTI-AGENTS 117
FIGURE 34 LES CONCEPTS D'UN SYSTME ORIENT AGENTS 118
FIGURE 35 LES LMENTS CONCEPTUELS DU SYSTME MULTI-AGENTS 119
FIGURE 36 LES FORMALISMES RETENUS 120
FIGURE 37 REPRSENTATION DES AGENTS-ACTEURS 121
FIGURE 38 INTERACTIONS PHYSIQUES ENTRE AGENTS-ACTEURS 121
FIGURE 39 INTERACTION INFORMATIONNELLE UNIQUE ENTRE AGENTS-ACTEURS 122
FIGURE 40 INTERACTIONS INFORMATIONNELLES MULTIPLES ENTRE AGENTS-ACTEURS 122
FIGURE 41 REPRSENTATION DES FRONTIRES ORGANISATIONNELLES 123
FIGURE 42 REPRSENTATION DES AGENTS-ACTIVITS 123
FIGURE 43 INTERACTIONS PHYSIQUES ENTRE AGENTS-ACTIVITS 124
FIGURE 44 INTERACTIONS INFORMATIONNELLES AU SEIN DE L'ORGANISATION MULTI-AGENTS 125
FIGURE 45 LES FORMALISMES RETENUS 127
FIGURE 46 REPRSENTATION DE LA SOCIT DCISIONNELLE 128
FIGURE 47 REPRSENTATION DE LA SOCIT RACTIVE 129
FIGURE 48 REPRSENTATION DES LIENS ENTRE SOCIT DCISIONNELLE ET SOCIT RACTIVE 130
FIGURE 49 ARCHITECTURE DU MODLE DE L'AGENT ACTEUR 132
FIGURE 50 EXEMPLE DE DIAGRAMME D'TAT 135
FIGURE 51 EXEMPLE DE DIAGRAMME DE SQUENCE 135
FIGURE 52 CONVENTION DE REPRSENTATION DU FORMALISME RCA 136
FIGURE 53 PLAN COMPORTEMENTAL D'UN AGENT COGNITIF 137
FIGURE 54 CHANGES DE MESSAGES ENTRE AGENTS COGNITIFS ET AGENTS RACTIFS 138
FIGURE 55 IMPLMENTATION DU MODLE DE L'AGENT ACTEUR 139
FIGURE 56 DVELOPPEMENT DU MODLE DE L'AGENT ACTEUR 140
FIGURE 57 ARCHITECTURE D'UN AGENT COGNITIF 144
FIGURE 58 ENVIRONNEMENT DE DVELOPPEMENT DES AGENTS COGNITIFS 145
FIGURE 59 ARCHITECTURE LOGICIELLE D'UN AGENT COGNITIF 146
FIGURE 60 ARCHITECTURE GNRALE DU LOGICIEL ANYLOGIC 147
FIGURE 61 ENVIRONNEMENT DE DVELOPPEMENT DES AGENTS RACTIFS 149
FIGURE 62 ARCHITECTURE GNRALE DE LA PLATE-FORME DE SIMULATION 151
FIGURE 63 SOLUTION DE COUPLAGE DE L'ARCHITECTURE LOGICIELLE RETENUE 152
FIGURE 64 COUPLAGE AGENTS COGNITIFS ET AGENTS RACTIFS 153
FIGURE 65 REPRSENTATION D'UN MESSAGE ACL PAR UN FAIT MESSAGE DANS JESS 154
FIGURE 66 EXEMPLE DE COUPLAGE ENTRE UN AGENT COGNITIF ET UN AGENT RACTIF 155
FIGURE 67 EXEMPLE DE CHANE LOGISTIQUE DE L'INDUSTRIE DES BTONS DE GOLF 157
FIGURE 68 MODLE STRUCTUREL DU CAS INDUSTRIEL 162
FIGURE 69 MODLE STRUCTUREL RETENU 162
FIGURE 70 L ' EXPRESSION DES BESOINS ET DES OFFRES DANS LE MODLE DYNAMIQUE 163
FIGURE 71 MODLE DYNAMIQUE DANS LE CADRE DE L ' ASSEMBLAGE LA COMMANDE 164
FIGURE 72 MODLE CONCEPTUEL AGENT PARTIEL DU CAS INDUSTRIEL 165
FIGURE 73 INTERACTIONS AU SEIN DE L'ORGANISATION MULTI-AGENTS RETENUE 166
FIGURE 74 MODLE OPRATIONNEL AGENT DE L'ORGANISTION MULTI-AGENTS RETENUE 167
FIGURE 75 PROTOCOLES DE RLE PR-CLIENT ET PR-FOURNISSEUR 168
FIGURE 76 PROTOCOLES DE RLE PR-GESTION-OF ET PR-LANCEMENT-OF 168
FIGURE 77 DIAGRAMMES TATS TRANSITIONS DES DTAILLANTS 169
FIGURE 78 LES MESSAGES AU SEIN DU MODLE DE L'AGENT ACTEUR 170
FIGURE 79 PRINCIPE GNRAL DE TRADUCTION RCA-JESS 171
FIGURE 80 REPRSENTATION D'UNE COMPTENCE COGNITIVE PAR UN FAIT STRUCTUR 172
FIGURE 81 TRADUCTION D'UNE TRANSITION EXTERNE PAR UNE RGLE JESS 173
FIGURE 82 TRADUCTION D'UN TAT DE COMMUNICATION PAR UNE RGLE JESS 174
FIGURE 83 L A SOCIT RACTIVE AU SEIN DE L'ENVIRONNEMENT DE DVELOPPEMENT ANYLOGIC 175
FIGURE 84 AGENT RACTIF DE TYPE DTAILLANT 175
FIGURE 85 U N EXEMPLE D'INTERACTIONS ENTRE LES SOCITS D'AGENTS COGNITIFS ET RACTIFS 176
FIGURE 86 DIAGRAMME DE SQUENCE DANS LE CADRE DU PR-CLIENT ET PR-FOURNISSEUR 176
FIGURE 87 FAITS ASSOCIS L'TAT DE COMMUNICATION METTRE CALL FORPROPOSAL 177
FIGURE 88 FAITS ASSOCIS L'TAT D'ACTION LMENTAIRE ANALYSER OFFRE 178
FIGURE 89 FAITS ASSOCIS L'TAT D'ACTION LMENT AIRE ANALYSER BESOIN 178
FIGURE 90 PROFIL DE LA DEMANDE PAR NIVEAU DE PERSONNALISATION 180
FIGURE91 PROFIL DE DEMANDE DU MAGASIN 1 PAR JOUR ET PAR NIVEAU DE PERSONNALISATION 180
FIGURE 92 LES PARAMTRES D'UN AGENT RACTIF DE TYPE DISTRIBUTEUR 182
FIGURE 93 LES ATTRIBUTS DU COMPOSANT PROCESSQ 183
FIGURE 94 POSITION DES POINTS DE DCOUPLAGE POUR LES SCNARII 1 ET 2 186
FIGURE 95 PARTAGE DE MODLES DE DEMANDE DANS LES SCNARII 2 ET 3 186
FIGURE 96 POSITION DES POINTS DE DCOUPLAGE POUR LE SCNARIO 3 187
FIGURE 97 VOLUTIONS DES NIVEAUX DE STOCK DE TYPE POPULAIRE CHEZ LES DTAILLANTS 190
FIGURE 98 NOMBRES DE VENTES PERDUES PAR LES DTAILLANTS 191
FIGURE 99 CHIFFRES D'AFFAIRE RALISS PAR LES DTAILLANTS 191
FIGURE 100 VOLUTIONS DES NIVEAUX DE STOCK DE TYPE POPULAIRE CHEZ LES DISTRIBUTEURS 192
FIGURE 101 COMMANDES LIVRES EN RETARD PAR LES DISTRIBUTEURS 193
FIGURE 102 PRVISION DE LA DEMANDE RALISE PAR L'AGENT RACTIF EXPDITION 193
FIGURE 103 LES ACTIVITS DU CENTRE RESPONSABLES DE L'ASSEMBLAGE DES BTONS DE GOLF 194
FIGURE 104 VOLUTION DU STOCK DE TYPE POPULAIRE CHEZ L'AGENT RACTIF EXPDITION 194

10
FIGURE 105 LIVRAISONS RALISES PAR L'ASSEMBLEUR DE BTONS DE GOLF 195
FIGURE 106 NIVEAUX DE STOCK DE TYPE POPULAIRE DES DISTRIBUTEURS - SCNARIO 2 196
FIGURE 107 LIVRAISONS EN RETARD DES DISTRIBUTEURS-SCNARIO 2 197
FIGURE 108 PRVISIONS DE L'AGENT EXPDITION - SCNARIO 2 197
FIGURE 109 ACTIVITS DU CENTRE D'ASSEMBLAGE DES BTONS DE GOLF - SCNARIO 2 198
FIGURE 110 STOCK DE TYPE POPULAIRE DE L'AGENT RACTIF EXPDITION - SCNARIO 2 198
FIGURE 111 NOMBRE DE LIVRAISONS EN RETARD DE PRODUITS DE TYPE VARIT PAR LES DTAILLANTS 199
FIGURE 112 NIVEAUX DE STOCK DES DISTRIBUTEURS DE TYPE POPULAIRE ET VARIT 200
FIGURE 113 NIVEAUX DE STOCK DE TYPE POPULAIRE ET VARIT DES DISTRIBUTEURS 200

II
Liste des tableaux
TABLE 1 VOLUTIONS DES SYSTMES D'INFORMATIONS POUR LA GESTION DE CHANES LOGISTIQUES 32
TABLE 2 PRODUCTION DE MASSE VERSUS PERSONNALISATION DE MASSE 34
TABLE 3 PRODUITS FONCTIONNELS VERSUS PRODUITS INNOVANTS 35
TABLE 4 VOLUTION DU CONCEPT DE CHANE LOGISTIQUE 36
TABLE 5 TRAVAUX DE SIMULATION VNEMENTS DISCRETS DE CHANES LOGISTIQUES 46
TABLE 6 PROJETS DE MODLISATION ET DE SIMULATION ORIENTS AGENTS 84
TABLE 7 ABSTRACTION DU SYSTME REL PAR NIVEAUX ORGANISATIONNELS 98
TABLE 8 PARAMTRES DES OFFRES PRODUITS 160
TABLE 9 DEMANDE PAR TRIMESTRE PAR NIVEAU DE PERSONNALISATION OFFERT 180
TABLE 10 DLAIS EN JOUR PAR NIVEAU DE PERSONNALISATION POUR LES SCNARII 1 ET 2 181
TABLE 11 LES PARAMTRES D'INITIALISATION DES STOCKS DE TYPE POPULAIRE 183
TABLE 12 LES TEMPS D'OPRATIONS PAR CENTRE ET PAR PRODUIT 184
TABLE 13 LES COMPOSANTS ASSOCIS AUX AGENTS RACTIFS 184
TABLE 14 DLAIS EN JOUR PAR NIVEAU DE PERSONNALISATION POUR LE SCNARIO 3 188
TABLE 15 LES VALEURS D'INITIALISATION DES STOCKS DU SCNARIO 3 188

12
Chapitre 1 : Introduction gnrale

La mondialisation transforme fondamentalement l'environnement des entreprises


industrielles. Dans ce contexte, les capitaux, les biens et les hommes sont dsormais
mobiles l'chelle plantaire. De fait, l'ouverture des marchs qui en rsulte, offre la
possibilit aux entreprises de diversifier leurs sources d'approvisionnement et leurs
points de distribution. Cette internationalisation des changes se traduit par un
environnement fortement concurrentiel ou la survie des entreprises dpend de leur
capacit rpondre aux besoins issus de la demande. Face une offre plthorique, les
consommateurs devenus nomades, souhaitent disposer de produits toujours plus
personnaliss.
Afin de rpondre aux pressions d'une concurrence mondialise, les entreprises
cooprent davantage avec leurs environnements (fournisseurs, clients, etc.). Ces
transformations relationnelles ont donn lieu l'mergence de rseaux d'entreprises,
organisations dans lesquelles s'inscrivent les chanes logistiques. Procurant un avantage
concurrentiel bas sur la cration de valeur, l'intgration des entreprises au sein de
chanes logistiques leur permet de rduire leurs cots, d'augmenter la productivit de
leurs actifs, de maximiser leurs profits, de mettre en exergue des capacits nouvelles de
flexibilit et de ractivit.

Les volutions organisationnelles des entreprises industrielles se sont accompagnes par


des progrs notables raliss dans les sciences et les technologies de l'information et de
la communication. Le dploiement de ces nouvelles technologies a favoris la naissance
et la croissance de la nouvelle conomie. Ainsi, en termes d'interactions,
l'intensification du partage de l'information entre les entreprises et leurs
environnements a eu un impact considrable au niveau des oprations et des processus
industriels. Il en dcoule une complexification des prises de dcisions lies la gestion
et la circulation de produits personnaliss. Ces contraintes impliquent une analyse et
un ajustement des chanes logistiques existantes et venir en termes d'oprations, de
processus et d'interactions.
Les chanes logistiques reprsentent un avantage concurrentiel que les entreprises
cherchent prenniser. En vue d'ajuster continment leurs structures et leurs
fonctionnements, il apparat essentiel aux dcisionnaires de pouvoir tudier leurs

13
organisations. La conduite d'exprimentations soutenant de telles tudes est
difficilement ralisable sur un systme rel. Il devient alors ncessaire de disposer de
modles et d'outils adapts pour en faciliter l'tude et l'analyse.

Les outils actuels, de modlisation et de simulation des systmes industriels, prsentent


certaines faiblesses dans l'apprhension de contraintes inhrentes aux chanes
logistiques. Ainsi, s'il est possible de modliser de telles organisations par des mthodes
de modlisation d'entreprises, la prise en compte explicite notamment de leur agilit, de
la dynamique de leurs environnements, s'avre difficile par l'utilisation de ces
mthodes. Ces limites impliquent des capacits nouvelles de reprsentation bases sur
une vision distribue de la chane logistique.
Par ailleurs, des cadres de modlisation de rseaux manufacturiers permettent
d'exprimer, partir des concepts d'autonomie des composants de la chane logistique,
les proprits telles que la diversit des configurations structurelles et la dcentralisation
des processus dcisionnels.

Les modles rsultants des mthodes de modlisation d'entreprises et des cadres de


modlisation de rseaux manufacturiers sont difficilement exploitables dans des
environnements de simulation. Les outils de simulation ncessitent l'laboration de
modles ddis qui ne s'appuient gnralement pas sur une modlisation lie au
domaine de l'tude. La phase d'implmentation des modles pour la simulation est
beaucoup plus lie aux contraintes de dveloppement qu'aux spcificits du systme
rel tudi.
Ceci souligne la difficult actuelle d'obtenir des simulations qui expriment directement
les contraintes lies aux chanes logistiques. Cette difficult est accentue lors de la
transformation de modles d'entreprises ou de rseaux manufacturiers, mode de
reprsentation statique, en modles pour la simulation, mode de reprsentation
dynamique. D'une part, cette phase de transformation confronte deux domaines qui
disposent d'approches de conceptions de modles diffrentes. D'autre part, il n'existe
pas de mthodologie favorisant la continuit de conception des modles d'un domaine
l'autre.

Dans ce contexte, nous proposons un cadre mthodologique adapt la modlisation et


la simulation orientes agents de chanes logistiques. Les systmes multi-agents, qui
relvent de l'Intelligence Artificielle Distribue, sont particulirement indiqus pour la
reprsentation comportementale des entits qui composent le systme et pour l'tude de
la dynamique de leurs interactions. Ce cadre mthodologique assure un continuum dans
l'expression des modles issus du domaine, et ce, jusqu' leur mise en uvre pour
simulation. Pour cela, nous proposons une architecture logicielle qui supporte le
dveloppement, l'excution, l'volution et la rutilisation de simulations orientes

14
agents. Cette architecture repose sur deux socits d'agents en interaction pour la
modlisation et la simulation des processus dcisionnels et des processus de ralisation
d'actions.
Afin de mettre en vidence la dynamique de l'environnement, nous proposons une
approche de modlisation de chanes logistiques centres sur les consommateurs. Cette
approche s'appuie sur un cadre de modlisation de rseaux manufacturiers existant que
nous tendons la prise en compte du contexte de personnalisation de masse. La
dynamique d'un tel environnement nous conduit proposer un cadre de coordination
distribu, bas sur diffrents niveaux de personnalisation, adapt la gestion des
interdpendances entre les entreprises de la chane logistique.

Le manuscrit se dcompose selon les chapitres suivants :

Dans le deuxime chapitre est dvelopp le contexte et la problmatique de recherche


qui relve de trois principaux domaines : les systmes industriels complexes, les
systmes multi-agents, la modlisation et la simulation de systmes complexes. Ce
chapitre introduit les axes de recherche lis la modlisation et la simulation oriente
agents de chanes logistiques soumises la forte dynamique de leur environnement.

Au cours du troisime chapitre est prsent un tat de l'art des travaux scientifiques qui
traitent des chanes logistiques, des systmes multi-agents et des approches de
modlisation et de simulation orientes agents de chanes logistiques. Enfin, une
synthse de ces travaux explicite les choix ayant orient nos travaux vers la dfinition
d'un cadre mthodologique.

Le quatrime chapitre est consacr la proposition d'une approche de modlisation de


chanes logistiques. Le contexte de personnalisation de masse a ncessit l'laboration
d'un cadre de coordination bas sur l'tablissement des relations entre les acteurs de la
chane logistique et les consommateurs. Ce cadre, associ la dfinition d'un niveau de
personnalisation pour chaque activit implique dans la chane logistique, repose sur les
notions de "point de pntration de la commande", point d'entre de la commande dans
le flux physique des produits, et de "point de dcouplage" permettant de sparer les
activits gres en flux pousses de celles gres en flux tirs. Le positionnent relatif de
ces deux points conditionne notamment les politiques de gestion et les relations entre
acteurs de la chane logistique.

Dans le cinquime chapitre, nous proposons un cadre mthodologique pour la


modlisation et la simulation orientes agents de chanes logistiques. Ce cadre
mthodologique s'articule autour de trois niveaux de modlisation : domaine,
conceptuel et oprationnel. Pour chacun des niveaux sont prsents les modles

15
spcifiques, les formalismes retenus, ainsi que les processus d'laboration voire de
drivation de ces modles. Ce chapitre se termine par la proposition d'une architecture
logicielle assurant l'implmentation et la simulation de modles oprationnels agents,
modles drivs des modles conceptuels agents eux-mmes drivs des modles de
domaine.

Le sixime chapitre illustre la mise en uvre du cadre mthodologique et de


l'architecture logicielle. Cette illustration est ralise partir d'un cas industriel de
chanes logistiques centres consommateurs issus de l'industrie du golf. La prsentation
des phases de conception est dtaille ainsi que la spcification et l'implmentation du
cas industriel au sein de l'environnement de modlisation et de simulation propos.

Enfin, dans le chapitre de conclusion gnrale, nous prsentons un bilan de nos travaux
de recherche en mettant en avant nos principales contributions, et leurs limites, ainsi que
les diffrentes perspectives qui leurs sont associes.

16
Chapitre 2 : Problmatique

1 Introduction

En rponse la mondialisation de la comptitivit, o le maintien et la conqute de parts


de marchs s'avrent plus difficiles, les entreprises industrielles s'organisent autour du
concept de chane logistique. Ce concept permet d'apprhender l'ensemble des
processus de transformation d'un produit ou d'une famille de produits, du fournisseur
de matires premires jusqu'au consommateur final. Ce type d'organisation est
actuellement en train de se gnraliser l'ensemble des entreprises, et ce,
indpendamment de leur taille. Les entreprises se regroupent la recherche d'un
quilibre entre rentabilit et satisfaction des consommateurs. Cette recherche
s'accompagne par un partage de ressources, d'informations et de connaissances.

La complexit organisationnelle qui dcoule d'un fonctionnement multi-entreprises


requiert des mthodes, des modles et des outils adapts pour en dcrire, tudier et
amliorer la conception et la gestion. Les entreprises rencontrent de nombreux
problmes dcisionnels lis la conception et la gestion des chanes logistiques. La
nature non-dterministe de l'environnement des entreprises contraint les dcisionnaires
utiliser des outils d'analyse pour valuer les performances de leurs organisations. La
modlisation et la simulation offrent aux dcisionnaires des outils d'analyses
dynamiques pour comprendre, amliorer et contrler le fonctionnement des entreprises
et celui de la chane logistique.

Notre problmatique de recherche porte sur la modlisation et la simulation de chanes


logistiques soumises la dynamique de l'environnement. Nous exposons au cours de ce
chapitre les facettes qui la composent, savoir : (i) la prise en compte de l'vonativit de
l'environnement des entreprises, (ii) la modlisation de chanes logistiques, et (iii) la
simulation oriente agents de chanes logistiques.

IV
2 La prise en compte de l'volutivit de
l'environnement des entreprises

L'volution des marchs montre une redfinition du positionnement des entreprises face
la demande. Le dveloppement d'habilits diffrenciatrices sur leurs environnements
concurrentiels les contraint soumettre une offre de produits hautement paramtrables,
et ce, dans des dlais de plus en plus courts, [RAUTENSTRAUCH et al, 2002]. La
comprhension et l'anticipation des attentes des consommateurs orientent les processus
de cration de valeurs. Les entreprises adaptent leurs comportements en adquation avec
les caractristiques de l'environnement.
Actuellement, les consommateurs se prsentent comme les donneurs d'ordres. La
personnalisation des produits engendre un environnement fortement dynamique li la
volatilit des exigences des consommateurs. Afin de satisfaire au mieux la demande, les
chanes logistiques migrent vers une configuration de production de type
personnalisation de masse, [PINE, 1993].

Les chanes logistiques "centres consommateurs" sont soumises la distribution


massive de produits personnaliss et / ou sur mesure, [TSENG and PILLER, 2003]. Les
stratgies d'affectation des ressources, de gestion des stocks, de pilotage des flux
physiques, deviennent alors diriges par la demande, [HOOVER et al, 2001]. Ceci donne
lieu la dfinition de segments produits / marchs qui conditionnent la circulation des
flux le long des chanes logistiques existantes et venir. La gestion de produits
personnaliss ncessite la mise en uvre de politiques de gestion complexes, et
s'appuient pour cela sur des cadres de relations clients multiples (Make To Stock, Make
To Order, etc.).
Dans ce contexte dynamique, les modles prdictifs classiques d'anticipation de la
demande s'avrent limits par le manque de donnes, d'historiques ou la granularit
mme de ces modles.

La prise en compte de l'volution des entreprises dans un environnement fortement


dynamique, constitue la premire facette de notre problmatique. L'association de
facteurs tels que l'irrgularit de la demande, l'htrognit des marchs, la rduction
des dlais de livraison, renforce cette dynamique lie la diversification et la
personnalisation des produits. L'association de ces facteurs rend compte de la
complexit grandissante laborer des politiques de gestion capables d'anticiper les
activits de transformation des produits. La diversit des approvisionnements, le
dimensionnement des units de stockage, l'agilit et la rapidit des livraisons,
accentuent les difficults optimiser des flux de produits personnaliss. De fait, les
entreprises qui oprent conjointement la satisfaction de la demande, voluent dans un

18
contexte o les prises de dcisions et les interactions sont contraintes par la volatilit
des exigences des consommateurs.
En consquence, les modes de coordination associs, doivent rpondre la multiplicit,
la dispersion et la nature dcentralise des processus dcisionnels et des activits de
transformation des produits.

Les entreprises qui forment une chane logistique s'unissent autour de la fabrication et
de la distribution d'une ou plusieurs familles de produits. Le dveloppement de produits
personnaliss et leur production grande chelle complexifie considrablement leurs
modes de gestion. De plus, la dynamique des exigences des consommateurs complexifie
la mise en uvre des modes de coordination (dlais de livraisons variables, offre
individualise, etc.).
Des outils mthodologiques pour l'analyse des liens entre les caractristiques des
produits et la coordination des entreprises s'avrent ncessaires. De tels outils doivent
permette de dcrire la complexit de ces liens, afin d'expliciter les flux physiques et
informationnels impliqus. Ceci passe par l'laboration de modles permettant de
reprsenter des organisations de rseaux d'entreprises en vue de les tudier. La section
suivante est consacre la modlisation des chanes logistiques.

3 La modlisation de chanes logistiques

Modliser une chane logistique consiste dcrire sa structure et son fonctionnement


afin de l'tudier en vue d'amliorer ses performances et sa position concurrentielle. Les
outils de modlisation conduisent l'laboration de modles, reprsentations abstraites
du systme sous forme discursive, graphique et parfois formelle.

Les outils de modlisation dvelopps dans le domaine de la modlisation d'entreprise


sont largement utiliss pour reprsenter les chanes logistiques, [DOLGUI et al, 2005].
Cependant, ces outils l'apprhendent comme une organisation de type entreprise et non
comme une organisation de type rseau d'entreprises. De fait, les proprits de la
structure organisationnelle telles que l'autonomie des entits et la dynamique des
interactions ne sont gnralement pas exprimes ou explicites au sein de ces modles.
Leur conception, principalement base sur la thorie des systmes [LE MOIGNE, 1977],
s'appuie sur une dcomposition hirarchique de l'entreprise. Les liens d'interactions qui
unissent les fonctions des entreprises dfinissent la structure du rseau d'entreprises. Il
est relativement difficile d'obtenir une reprsentation de ces interactions au sein d'un
modle unique (flux informationnels, matriels et montaires). Le recours la
modlisation d'entreprise consiste coupler des modles d'entreprises (vision

19
fonctionnelle) des modles d'entreprises en rseaux (vision transversale des fonctions
en interactions).

Une partie de ces difficults peut tre leve par l'utilisation de cadre de modlisation de
rseaux manufacturiers. En effet, ces approches sont directement bases sur une vision
distribue de l'organisation et l'apprhendent comme un rseau de centres ou
d'entreprises autonomes et proactives, qui interagissent et coordonnent leurs activits
pour l'atteinte d'objectifs communs.

Les outils de modlisation issus de la modlisation d'entreprise ou des cadres de


modlisation des rseaux manufacturiers proposent une reprsentation statique du
systme, [BUSSMANN et al, 2004]. Afin de prdire le comportement de l'organisation
face la dynamique de son environnement, il s'avre ncessaire d'avoir recours des
outils d'analyse dynamique. Cependant, l'exploitation des modles dits "statiques" dans
des outils d'analyses dynamiques est rendue difficile par l'utilisation de formalismes de
modlisation diffrents.

Les outils logiciels pour la simulation de systmes industriels proposent en gnral un


environnement de dveloppement dans lequel la conception des modles est facilite
par l'utilisation de composants (Serveurs, Convoyeurs, Units de Stockage, Ressources
de transformation, etc.). Par consquent, la conception du modle est conditionne par
l'environnement de dveloppement et par le niveau d'expertise de l'utilisateur. De plus,
les considrations relatives aux processus dcisionnels et la circulation des flux
informationnels sont gnralement cartes de ces modles.

La reprsentation de chanes logistiques, s'inscrivant dans un contexte de


personnalisation de masse, ncessite la mise en uvre de capacits de modlisation
adaptes, mme de dcrire la nature dynamique des interactions au sein d'un modle
unique. Cela constitue la deuxime facette de notre problmatique.
Afin d'analyser et d'tudier le comportement de la chane logistique, il convient de
pouvoir reprsenter sa dynamique dans le but de la simuler. Ceci engendre des
problmes spcifiques lis l'exploitation des outils de simulation que nous abordons
au cours de la section suivante.

20
4 La simulation oriente agents de chanes
logistiques

Les entreprises ralisent que l'volution des marchs implique le dveloppement de


nouvelles formes de coordination avec leur environnement. L'tablissement de ces
relations doit susciter un avantage concurrentiel essentiel leurs survies. Les entreprises
cherchent adapter leurs comportements afin d'apporter une rponse individuelle et
collective satisfaisante, ceci, dans le but d'accrotre leurs performances.

Des outils d'analyses dynamiques sont alors ncessaires pour tudier le comportement
de la chane logistique face son environnement. Une telle valuation peut tre obtenue
par la simulation et s'inscrire ainsi dans une dmarche plus globale d'aide la dcision.
La dfinition de diffrents scnarii autorise la conduite d'exprimentations favorisant
l'valuation et l'analyse des performances du systme tudi, [ZEIGLER et al, 2000], II
est ainsi possible de raliser des tudes comparatives sur diffrentes alternatives
oprationnelles, organisationnelles et dcisionnelles. Cependant, les outils d'analyses
dynamiques ne sont gnralement pas bass sur des formalismes de modlisation
d'entreprise ou de rseaux manufacturiers. De plus, ils ne proposent pas de rgles
mthodologiques pour transformer les modles "statiques", issus de ces approches de
modlisation, en modles exploitables dans des environnements de simulation.

Les systmes multi-agents, issus des travaux de l'Intelligence Artificielle Distribue,


fournissent des outils appropris pour la modlisation et la simulation de problmes
industriels, [PARUNAK, 2000]. Les proprits qui dfinissent les agents, l'autonomie, la
pro-activit, la ractivit et la sociabilit, [JENNINGS et al, 1998], rendent l'approche de
modlisation multi-agents particulirement adapte la problmatique de modlisation
et de simulation de chanes logistiques. Les modles qui en rsultent sont composs
d'un ensemble d'entits dynamiques, ou agents, dont les comportements dpendent de
leurs interactions et de l'environnement au sein duquel ils voluent. Ce paradigme
garanti l'autonomie dcisionnelle et la distribution des interactions entre les entits du
systme, et facilite leur implmentation dans un processus de simulation.

Les chanes logistiques et les systmes multi-agents voluent dans un environnement ou


les entits sont autonomes et les processus dcisionnels dcentraliss. Les dcisions
mises par les entreprises donnent lieu un processus permanent d'ajustement de
l'organisation au sein de laquelle elles voluent (ordonnancement, planification, gestion
des stocks, etc.). Les modles obtenus pour la simulation, selon l'approche de
modlisation oriente agents, intgrent une dimension comportementale. La conception

21
de modles pour la simulation oriente agents de chanes logistiques dfinit la troisime
facette de notre problmatique.

5 Conclusion

A l'heure de la comptitivit globale, la chane logistique revt une importance capitale


dans la dfinition des stratgies d'entreprises. Son architecture conditionne les prises de
dcisions relatives la circulation des flux matriels, informationnels et montaires. Son
volution, qui dpend de la dynamique du march et de la proposition de valeur, conduit
les entreprises dvelopper de nouvelles formes de coordinations. Ceci, afin de disposer
d'une flexibilit et d'une ractivit suffisante pour rpondre favorablement la
demande.

La modlisation et la simulation, qui constituent des techniques d'analyse et


d'anticipation dcisionnelles, permettent d'apprhender la complexit de ces systmes
sociotechniques et favorisent la comprhension de leurs fonctionnements. A l'heure
actuelle, ces techniques sont appliques de manire croissante aux problmatiques de
gestion des chanes logistiques. Cependant, il est difficile de concevoir des modles qui
s'appuient sur des outils de modlisation capables de reprsenter la dynamique de ces
systmes.

La nature dynamique de l'environnement doit tre explicitement prise en compte ds la


phase de modlisation. Dans un contexte de personnalisation de masse, l'allure de la
demande contraint la structure de la chane logistique et ses modes de gestion. La
reprsentation d'une organisation multi-entreprise, en considrant sa nature alatoire,
ncessite le recours des outils de modlisations adapts. L'exploitation de ces modles
ncessite la dfinition d'une approche de simulation spcifique.

Par consquent, la revue de littrature propose au chapitre suivant, est consacre aux
thmes de recherche identifis lors de la problmatique, savoir : les chanes
logistiques, les approches de modlisation des chanes logistiques, les systmes multi-
agents et enfin la modlisation et la simulation de chanes logistiques par systmes
multi-agents.

22
Chapitre 3 : Revue de littrature

1 Introduction

Dans cette revue de littrature, aprs avoir introduit la notion de chane logistique nous
prsentons les diffrentes approches de gestion qui se sont dveloppes autour de ce
concept. Les chanes logistiques sont des systmes complexes, lieux d'interactions entre
de multiples entreprises aux fonctionnements diffrents (stratgies, organisations,
savoir-faire, etc.). Leurs conceptions, fonctionnements et volutions sont lis la
dynamique de leurs environnements. L'une de ces volutions concerne la prise en
compte des besoins individualiss des consommateurs, inscrivant ces systmes
complexes dans un contexte fortement dynamique : la personnalisation de masse.

En vue d'anticiper cette dynamique, la modlisation constitue un moyen d'apprhender


la complexit inhrente aux chanes logistiques. Les modles permettent d'tudier les
rponses du systme rel face la dynamique de son environnement selon diffrentes
hypothses. Alors que les modles analytiques dcrivent le comportement global d'un
systme partir d'quations, les modles individus-centres apprhendent le
comportement du systme par la reprsentation et la simulation des comportements des
individus composant le systme. Ces derniers modles s'appuient sur l'observation
d'une population d'individus, sur la description de leurs comportements et de leurs
interactions.

Nous montrons pourquoi les systmes multi-agents sont actuellement utiliss pour la
modlisation et la simulation de chanes logistiques. A partir des travaux de simulation
orients agents, nous montrons comment les agents sont utiliss pour modliser les
entits ou les processus dcisionnels au sein de ces systmes complexes. Les agents
disposent des mmes proprits que celles qui caractrisent les entits ou les processus
dcisionnels, savoir autonomie, pro-activit, ractivit et sociabilit. Cependant, les
diffrents travaux de recherche divergent sur l'approche retenue pour l'obtention de
simulations orientes agents.

23
2 Les chanes Logistiques

Cette section est consacre la prsentation du concept de chane logistique. Dans un


premier temps nous exposons les volutions, les dfinitions, les objectifs et les enjeux
que recouvre ce concept. Ensuite, nous dcrivons les principes de gestion qui en
assurent le fonctionnement. Une sous-section est consacre la prsentation des
mutations environnementales lies la personnalisation de masse. Enfin, nous
proposons une synthse des travaux prsents.

2.1 volutions, dfinitions et objectifs

La chane logistique trouve son essence dans la possibilit qu'elle offre aux entreprises
de gnrer des profits supplmentaires tout en accroissant leur flexibilit et leur
ractivit. Les synergies d'entreprises rsistent plus efficacement aux pressions
concurrentielles comme nonc dans [LEE and BILLINGTON, 1995], "La bataille pour
dominer le march ne sera pas une bataille d'entreprises mais de chanes logistiques."
La partie suivante est consacre l'mergence de ce concept selon une perspective
historique.

2.1.1 volutions du concept


Dans les annes 1940, la logistique concerne les fonctions physiques lies aux flux de
distribution. Le contexte conomique de la fin des annes 1950 contraint les entreprises
estimer leur efficacit par l'analyse et le contrle des cots, [BOWERSOX et al, 1986].
Ce mode d'analyse cre un renouvellement d'intrts dans la fonction logistique.

Entre les annes 1960 et 1970 apparat le management fonctionnel qui consiste sparer
les principales fonctions de gestion de l'entreprise (achats, livraisons, etc.). Ce
dcoupage, bas sur l'analyse financire des centres de profits, a modifi l'image de la
logistique, passant d'une fonction de distribution une fonction de gestion matrielle et
informationnelle intgre l'ensemble des autres fonctions, [BALLOU, 1992].

A partir des annes 1970, la fonction logistique de l'entreprise est plus particulirement
apprhende par l'optimisation des lancements d'ordres de fabrication, des achats, des
plans de production et des systmes de distribution [HESKETT, 1973]. SLATER en 1976,
cit dans [GANESHAN et al, 1998], soutient qu'une approche prenant en compte la
globalit des canaux logistiques devrait considrablement rduire les cots et amliorer
la qualit des oprations.

24
Pendant les annes 1980, les entreprises responsabilisent et unifient la plupart de leurs
fonctions autour de la logistique, [COLIN et PACH, 1988]. Cette volution donne cette
fonction un rle clef dans les stratgies d'entreprise, [SHAPIRO, 1984], notamment en
coordonnant les autres fonctions pour servir la production et la distribution physique.

Les annes 1990 voient l'mergence d'alliances externes et de partenariats, dans le but
d'accrotre la comptitivit des partenaires du systme logistique, bas sur l'optimisation
des flux, [CHRISTOPHER, 1992]. L'tablissement de ces liens constitue un avantage
stratgique qui ncessite la mise en uvre de modes de coopration et de coordination
entre les entreprises, [SHAPIRO, 2001].

Ces volutions peuvent tre regroupes selon trois priodes de management distinctes :
la logistique spare (avant 1975), la logistique intgre (de 1975 1990) et la
logistique coopre (depuis 1990), [AKBARI JOKAR et al, 2002]. Ainsi, durant les vingt
dernires annes la logistique a volu vers une logistique globale intgrant depuis le
fournisseur du fournisseur jusqu'au client du client. Cette logique d'intgration s'est
accompagne par le dploiement des nouvelles technologies de l'information et de la
communication, ainsi que sur l'apport considrable des systmes informatiss d'aide
la dcision (exemples : l'optimisation et la simulation).

2.1.2 Dfinitions gnrales

L'emploi du terme "chanes logistiques" (Supply Chain) provient des faits suivants : (i)
chaque acteur reprsente un maillon de la chane, (ii) chaque transition constitue
une/des opration(s) de logistique interne / externe qui relient les maillons de la chane.
Au travers de la littrature scientifique de nombreuses dfinitions du terme sont
formules.

LEE et BILLINGTON dfinissent une chane logistique comme : "Un rseau


d'installations qui assure les fonctions d'approvisionnements en matires premires, de
transformation de ces matires premires en composants puis en produits finis, et de
distribution des produits finis aux clients." [LEE awJBlLLINGTON, 1993].

TEIGEN et BARBUCEANU proposent la dfinition suivante : "La chane logistique est un


rseau de fournisseurs, d'entreprises, de dpts, de centres de distribution et de
dtaillants, au travers desquels les matires premires sont acquises, transformes, et
dlivres aux clients", [TEIGEN and B ARBUCEANU, 1996].

Enfin, ces dfinitions peuvent tre compltes par celle propose dans [MENTZER et al.,
2001] : "Une chane logistique est un groupe d'au moins trois entits directement

25
impliques dans les flux amonts et avals de produits, de services, de finances et/ou
d'informations, qui vont d'une source jusqu'au client."

Cette organisation en rseau d'entreprises, aux activits diverses et complmentaires,


implique une circulation bidirectionnelle de flux le long de la chane logistique. Une
illustration de l'ensemble des dfinitions est propose sur la Figure 1.

Flux Aval (Matriel et Informationnel)

Fournisseurs Transporteurs Centres de Manufacturiers Centres de Points de Consommateurs


distribution distribution ventes

4
Flux Amont (Matriel, Informationnel et Montaire)

Figure 1 EXEMPLE DE CHANE LOGISTIQUE

L'exemple de la Figure 1 prsente les intervenants, leurs rles et leurs interactions dans
la structure d'une chane logistique. Les matires premires issues des fournisseurs sont
achemines, via les transporteurs, vers les centres de distribution. Ces derniers dlivrent
les matires premires auprs des manufacturiers. Celles-ci subissent diverses tapes de
transformation avant de prendre le statut de produit fini. Ces derniers sont livrs vers les
centres de distribution, dans lesquels ils sont stocks ou bien directement dirigs vers
les marchs. Les points de vente, qui constituent diffrentes zones de march, mettent
ainsi disposition les produits finis auprs des consommateurs. Les flux
informationnels, qui circulent en amont et en aval, concernent l'ensemble des donnes
qui sont partages entre les entreprises (commandes, dlais, etc.).

Les chanes logistiques constituent un systme conomique et social constitu d'un


ensemble d'entreprises inter-agissantes. De tels systmes mettent en uvre des
processus de coopration, de coordination et de ngociation en vue d'assurer leur
efficacit et leur prennit dans la satisfaction de la demande.

2.1.3 Objectifs et enjeux

Le march oriente les stratgies des entreprises dont l'accomplissement passe par le
dveloppement d'une avance technologique ou conomique sur leurs environnements
concurrentiels. Afin de rpondre favorablement aux mutations de l'environnement, les

26
entreprises doivent tre capables de livrer "le bon produit dans la bonne quantit au bon
endroit au bon moment et au cot minimal", source [NEVEN-WORKGROUP, 1989].

Au niveau de la chane logistique, les enjeux conomiques se dclinent selon de


multiples critres qui portent sur la maximisation des profits et la minimisation des
cots de fabrication, de transaction, de distribution, de stockage, de transport, etc. Cette
organisation inter-entreprise se concrtise par la mise en commun d'objectifs
conomiques. Afin d'apprhender les interrelations et les interactions que ces projets
engendrent, il convient de connatre et de comprendre les dcisions qui en dcoulent.
Trois niveaux de dcisions sont gnralement reconnus en fonction des horizons
temporels de prise de dcisions [ANTONY, 1966].

Le niveau stratgique (long terme : mois annes) dfinit les politiques


d'investissement et de gestion, par la mise en place d'objectifs financiers et
commerciaux, [SIMCHI-LEVI et al, 1999]. Ces dcisions permettent de dessiner la
structure de la chane logistique (choix des partenaires, localisation des infrastructures
etc.), [ARNTZENe/a/., 1995].
Le niveau tactique (moyen terme : semaine mois) se focalise sur la mise en uvre des
dcisions stratgiques, par la cration de plans de production, plans de livraisons, et la
mise en cohrence de la politique commerciale suivant les contraintes capacitaires,
[CHOPRA anJ MEINDL, 2001]. Ce niveau se concentre sur la ralisation prvisionnelle
d'quilibre entre charge et capacit.
Le niveau oprationnel (court terme : jour semaine) optimise l'chelle de chaque site
les programmes correspondant l'horizon tactique fig. Ce niveau se charge de raliser
les contrles et les mesures des performances (investissement des stocks, niveau de
service, etc.), [GIARD, 2003]. Ce niveau se charge de raliser et de ragir en temps rel
sur les planifications et les ordonnancements prvisionnels excuter.

Les entreprises qui composent une chane logistique sont de nature htrognes, tant sur
un plan organisationnel que dcisionnel. Ainsi, les prises de dcisions sont axes sur la
coordination et la synchronisation des flux et des ressources, dans le but de satisfaire la
demande en termes de prix, qualit et dlai.
La sous-section suivante est consacre aux approches de gestion dans la chane
logistique. Ces approches concernent les relations qui s'tablissent entre les entreprises
pour assurer la coordination et de la synchronisation des flux.

27
2.2 La gestion de la chane logistique

Au cours des annes 1960, le dcoupage fonctionnel des entreprises s'est orient vers
l'tude des interactions entre la fonction logistique en interne et l'ensemble des acteurs
externes (entrepts, centrales d'achats, points de ventes, etc.). En identifiant le rle clef
de cette fonction, les entreprises ont fdr l'ensemble de leurs fonctions autour de la
logistique (la production, les achats, les ventes, la finance, les ressources humaines,
etc.). Cette unification a permis aux entreprises de se focaliser sur le dveloppement
d'une gestion physique de la distribution, gnratrice de bnfices issus de la rduction
des stocks et de la diminution des temps de rponses. L'obtention de tels rsultats est
due l'amlioration de la coordination entre les fonctions engendrant une circulation
plus efficace des produits vers les sources de demande.

La gestion de la chane logistique, ou Suppty Chain Management, est issue du


dploiement des habilits de management de la fonction logistique l'ensemble des
entreprises interagissant dans le cycle de vie d'une ou plusieurs familles de produits.
Les problmatiques lies ce type de gestion se sont initialement dveloppes au sein
de groupes de classes mondiales. Ces groupes souhaitaient coordonner leurs multiples
entrepts et/ou sites de production en termes de flux de matires et d'informations.

2.2.1 Politiques de gestion

La gestion de la chane logistique concerne le pilotage et l'quilibrage de flux


physiques, informationnels et financiers. L'intgration des clients et des fournisseurs,
par les entreprises, a eu un impact considrable dans la mise en uvre des politiques de
gestion au niveau stratgique, tactique et oprationnel.

Un exemple dmontre l'implication de ces impacts au niveau physique, informationnel


et financier. L'effet coup de fouet (bullwhip effect) se prsente comme une distorsion de
l'information qui se propage entre les entreprises et amplifie les phnomnes
d'augmentation des quantits commandes et de raccourcissement des dlais. Ceci est
d diffrentes causes : (i) demande de marge de scurit, (ii) traitement par lots, (iii)
fluctuation des prix, et, (iv) rationnement et stockage des produits, [LEE et al, 1997].
L'effet coup de fouet est la consquence de plusieurs facteurs dont la mauvaise prise en
compte de la demande relle par la chane logistique. Lorsque les entreprises s'orientent
vers la satisfaction de la demande, il devient alors possible de rduire ces impacts.

En rponse ces nouveaux dfis de gestion, les entreprises ragissent par la


transformation des fondements en termes de planification et de dcisions. Ces
fondements, qui fournissent des cadres de rfrence managriaux, s'appuient sur des
grandes approches de management industriel telles que : MRP (Material Requirement
Planning), MRPII (Manufacturing Ressource Planning), JIT (Just In Time), ToC
(Theory of Constraints) [GOLDRATT et Cox, 2002], TQM {Total Quality Management),
Six-Sigma, Lean Production [WOMACK et al, 1990], Agile Manufacturing [GOLDMAN
and PREIS, 1991], et QRM (Quick Response Manufacturing). Par la suite nous nous
focalisons sur les approches les plus employes : MRP, MRP II, JIT et QRM.

La mthode MRP, apparue dans les annes 1960, est un systme de pilotage des
ressources bas sur les prvisions de ventes et les nomenclatures de produits, [ORLICKY,
1975]. Les donnes commerciales sont transformes en donnes de production, et
partir de l'tat des stocks et des en-cours, un programme directeur de production est
ralis afin de dterminer les plans d'approvisionnement et de fabrication. Ce systme
de gestion correspond un pilotage en flux pousss ou mode push. Les produits sont
pousss de l'amont vers l'aval. Ce mode de pilotage engendre le stockage de produits,
soit parce que le dlai de production est suprieur au dlai de livraison demand ou
accept par les consommateurs (anticipation de la demande sur des bases
prvisionnelles), soit pour des raisons conomiques favorisant la production en grande
quantit gnrant une diminution des cots (conomies d'chelle, quantits
conomiques, etc.). Les activits de transformation et de distribution sont dclenches
par prlvements dans un stock de produits finis, de matires premires ou de
composants (to Stock).
La mthode MRP II, volution du MRP, concerne la planification de l'ensemble des
ressources d'une entreprise. Elle est constitue des fonctions suivantes : plan
stratgique, plan industriel et commercial, programme directeur de production, calcul
des besoins, planification des besoins en capacit et suivi de l'excution des plans.

Le JIT est une philosophie de gestion constitue de mthodes de gestion de production


dveloppe dans les annes 1950 au sein de la socit TOYOTA par T. OHNO. Il s'agit de
produire la quantit et la qualit demande, et ce, au moment o le besoin est mis. Ceci
permet de supprimer les stocks ainsi que les multiples cots inhrents aux gaspillages.
Cette approche de gestion en flux tirs et ses mthodes sont largement utiliss dans les
entreprises, notamment dans l'industrie automobile (exemple : les tiquettes Kanban).
Dans le cadre d'un pilotage des flux dirig par la demande, flux tir ou mode pull, les
activits de transformation et de circulation des produits sont diriges par la demande.
Ces activits dbutent suite la rception de commandes fermes (to Order).

Le QRM est une mthode base sur la rduction des dlais de livraison des produits, et
ce, pour l'ensemble des oprations manufacturires. Il s'agit d'apporter une rponse
favorable aux consommateurs pour la fabrication de produits personnaliss. Le but tant
d'identifier et de rduire les activits sans valeur ajoute afin d'atteindre la rduction
souhaite des dlais de livraisons.

Les volutions environnementales des entreprises ont fait merger de nouvelles


mthodes de gestion de la chane logistique. Le CPFR, {Collaborative Planning
Forecasting andReplenishment) [CHAPMAN et al., 2000], est une mthode de gestion de
l'offre et de la demande qui s'appuie sur le partage de plans commerciaux et de
prvisions entre les entreprises. Le pilotage des stocks de type VMI (Vendor Managed
Inventory), [WALLER et al, 1999], est une mthode au sein de laquelle le fournisseur
assure la gestion et le rapprovisionnement des stocks chez le donneur d'ordre.

Les chanes logistiques deviennent de plus en plus complexes de par leurs aptitudes
adopter des comportements adquats face la volatilit des marchs. L'ECR (Efficient
Customer Response), est une mthode stratgique qui s'tablie entre l'industrie et le
commerce, dans laquelle les acteurs cooprent en vue de satisfaire les besoins du
consommateur final. Il s'agit d'organiser la chane de valeur en rendant les systmes
d'changes plus efficients, moins coteux et plus ractifs la dynamique du march.

L'intgration des clients et des fournisseurs dans la dfinition des pratiques de gestion
des entreprises les oblige mettre en uvre des nouveaux modles, mthodes et outils
de gestion. Ces nouveaux modes de fonctionnement s'avrent plus complexes de par la
diversit des liens et des informations qui leurs sont associs. L'information est rendue
plus accessible pour les entreprises dpendamment des contraintes de confidentialit.

Afin d'valuer leur fonctionnement et leurs performances face la dynamique de


l'environnement, les entreprises doivent disposer d'outils leur permettant d'valuer et
d'analyser leurs comportements dcisionnels et oprationnels. La partie suivante est
consacre la prsentation des outils informatiss.

2.2.2 Progiciels
La gestion, le pilotage et le contrle des chanes logistiques s'appuient sur diffrents
outils informatiss, [KUMAR, 2001]. Les principaux progiciels de gestion industrielle,
utiliss comme outils d'aide la dcision sont les suivants : (i) APS {Advanced
Planning and Scheduling), (ii) ERP (Enterprise Resource Planning), (iii) SCE (Supply
Chain Excution), et, (iv) MES (Manufacturing Execution System). La Figure 2
prsente le champ d'application de ces progiciels de gestion, en fonction des niveaux
dcisionnels et des activits sur lesquels ils interviennent, source CXP International.

30
Acheter Fabriquer Stocker Livrer Vendre

Aimes

OptlmUaHandu iaulogMIqur

pop Semaine*
Administratif
X ctal CPAO Gntlonddm Gestion rtrs * vf BtfX
stocks trttusports ^

M E S
WMS TM AOM

EDI / Internet [>


Figure 2 PROGICIELS DE GESTION DE CHANES D'APPROVISIONNEMENT (SUPPLY CHAIN MANAGEMENT)

Les progiciels APS portent sur la planification et l'optimisation de la circulation des


flux le long de la chane logistique. Les APS, prsents comme la version volue de
l'ERP, fournissent une solution qui optimise le travail collaboratif en fonction
d'objectifs tels que le taux de service et les marges sur les activits. Les progiciels
intgrs ERP permettent de grer les fonctions transactionnelles de l'entreprise. Intgr,
signifie que le progiciel couvre au minimum trois fonctions parmi la Comptabilit, la
Gestion de Production, la Gestion Commerciale, la Gestion des Achats, la Gestion des
Stocks, la Gestion des Transports, la Gestion des Ressources Humaines, etc., [SOMERS
and NELSON, 2001]. Les Progiciels SCE permettent d'optimiser les fonctions Logistique
et Distribution en s'intressant au cycle de traitement des commandes. Ils regroupent
trois fonctions : (i) la gestion de l'entreposage, W.M.S. (Warehouse Management
System), (ii) la gestion des transports, T.M. {Transport Management), et, (iii) la gestion
avance des commandes, A.O.M. {Advanced Order Management). Les progiciels MES
concernent le contrle, l'optimisation et l'excution de la production. Ils fournissent, en
temps rel, des informations sur l'excution des ordres de fabrication, afin d'optimiser
les activits de production du lancement jusqu' l'obtention des produits finis.

2.2.3 Supports d'changes et de traitements des donnes


L'implantation de progiciels de gestion intgrs ncessite la mise en uvre de systmes
d'informations. Ces systmes permettent aux entreprises, via la communication, le
traitement et la mmorisation de donnes, de matriser leurs fonctions en interne, et de
supporter l'change d'informations avec leurs clients et leurs fournisseurs. Quelle que
soit sa dnomination (Systme d'Information Organisationnel, Systme d'Information
et de Dcision, etc.), chaque systme a en filigrane l'organisation des donnes, des.
procdures de traitement et de mmorisation, des moyens humains et techniques mis en
uvre pour la gestion de l'information, [GALACSI, 1986]. Selon l'approche systmique,

31
le systme d'information tablit le lien entre le systme de pilotage et le systme
oprant, [LE MOIGNE, 1977], II informe le systme de pilotage des performances du
systme oprant, et assure la transmission des instructions du systme de pilotage vers
le systme oprant. Cette approche est utilise par la mise en uvre de la mthode
MERISE qui concerne la conception des systmes d'information, [NANCl et al, 2001].

Dans le cadre des chanes logistiques, la mise en relation de systmes d'informations


d'entreprises souvent htrognes, ncessite la mise en uvre d'un systme
d'information transversal, [PICARD and TANG-TAYE, 2000]. L'volution des systmes
d'information tend vers davantage d'intgration des connaissances au service des prises
de dcisions. SHAPIRO prsente une distinction entre les systmes d'informations
transactionnels et analytiques, [SHAPIRO, 2001]. Les premiers concernent les moyens
mis en uvre pour assurer le partage des donnes, tandis que les seconds portent sur
l'analyse, la gestion et le traitement des donnes. Le partage et le traitement des donnes
vont permettre l'entreprise d'adapter son comportement dans le temps en vue d'tre en
adquation avec les caractristiques de son environnement. Le traitement de
l'information doit donner lieu un processus d'ajustement permanent du comportement
de l'entreprise. Afin de mettre en vidence ces types de systmes, la Table 1 prsente
l'volution des systmes d'information, [YUAN et al, 2002].

Systmes Objectifs et fonctions Limitations

Processus de transactions fonctionnels : Manque d'intgration entre les diverses


Legacy Systems commandes, gestion des stocks, comptabilit zones fonctionnelles de l'entreprise

Electronic Data Interchange Echanges de donnes informatises entre Donnes de transactions changes avec
(EDI) partenaires des partenaires pr dtermins

Enterprise Ressource Planning Intgration des zones fonctionnelles l'intrieur des Concentration intra-entreprise, faible
(ERP) compagnies capacit analytique

Gestion de chane logistique Outils analytiques pour le planning et dcisions Manque d'intgration avec les systmes
(SCM) stratgiques dans la gestion de la chane ERP

Business-to-Business Place de march lectroniques, transactions avec Manque de support intelligent pour la
Business-to-Consumer les clients et les fournisseurs travers l'Internet collaboration des compagnies

Systme multi-agents Supporte et automatise la collaboration dans la Actuellement du domaine de la recherche


gestion de la chane logistique

Table 1 VOLUTIONS DES SYSTMES D'INFORMATIONS POUR LA GESTION DE CHANES LOGISTIQUES

Les Legacy Systems, dvelopps de manire indpendante, exploitent des ressources


matrielles et logicielles souvent incompatibles. L'EDI, [PACH et SAUVAGE, 2004],
s'inscrit comme une structure d'change de donnes informatises mais ne propose pas
un niveau lev de traitement, d'analyse et de partage des connaissances. Les ERP,
comme systme d'information de l'entreprise, se limitent aux oprations de gestion et
d'analyse, laissant apparatre une limitation au niveau du support collaboratif dans le
cadre de chanes logistiques. Les SCM, systme d'information de la chane logistique,
ne permettent pas de faire abstraction de l'htrognit des systmes d'information dont
disposent les entreprises. Le commerce lectronique concerne la transaction par Internet
de donnes bases sur des modles d'achats et de ventes mais il ne propose pas des
modles d'change qui soient axs sur le partage de connaissances pour le
dveloppement de stratgies fondes sur la collaboration. Les systmes multi-agents
sont composs d'agents autonomes et communicants, capables d'excuter des processus
dcisionnels ou des activits en fonction des modifications de l'environnement. Les
systmes multi-agents sont prsents au cours de la section 4.

A l'heure actuelle, l'information est rendue disponible en temps rel. Ceci dmontre la
ncessit actuelle pour les entreprises de disposer et d'exploiter efficacement les
Systmes d'Informations pour la planification et la prise de dcisions. Ces systmes
constituent des supports indispensables pour la mise en uvre et l'exploitation efficace
des mthodes et outils de gestion.

2.3 La personnalisation de masse

L'volution du contexte conomique positionne les entreprises dans un march qui se


dfinit actuellement comme dirig par les consommateurs. A ceci s'ajoute une pression
concurrentielle constante qui les contraint se distinguer par le dveloppement
d'habilits diffrenciatrices, telles que l'innovation ou encore l'avance technologique,
[ANDERSON et al, 1997]. Cet environnement a donn lieu l'mergence du concept de
personnalisation de masse (Mass Customizatiori). Afin d'assurer leur prennit, les
entreprises proposent une offre de produits et de services associs qui sont bass sur la
satisfaction des consommateurs, [BLACKWELL and BLACKWELL, 2001].
La personnalisation de masse permet de fabriquer, dans un large volume, des produits
qui rpondent aux besoins individuels des consommateurs. Pour cela les entreprises
adaptent leurs structures organisationnelles afin de dlivrer des produits dans des dlais
plus rapides que ceux ncessaires leur fabrication [PARTANEN and HAAPASALO, 2004].

2.3.1 Production de masse versus personnalisation de masse


La production de masse et la personnalisation de masse sont traditionnellement
prsentes comme des paradigmes de production opposs, [SELLADURAI, 2004].
Cependant, la mise en uvre performante d'une stratgie de personnalisation de masse
ne repose pas sur la typologie des ressources manufacturires et logistiques utilises,
mais plutt sur des problmatiques lies la gestion des produits innovants, comme le
montrent les tudes prsentes dans [DURAY, 2002]. Le concept de personnalisation de
masse implique un ajustement des mthodes de gestion manufacturires
conventionnelles orientes vers la production de masse. Afin de mettre l'accent sur les

33
diffrences majeures que cela implique, la Table 2 propose une comparaison de ces
deux paradigmes de production, [PINE, 1993].

Production de masse Personnalisation de masse

Principes Stabilit et contrle du processus Flexibilit et adaptabilit pour obtenir une


pour avoir une production efficiente diversit et une personnalisation
Objectifs Conception, production, marketing Conception, production, marketing et
et livraison de biens et de services livraison de biens et de services prix
bas prix. Tout le monde ou la plupart raisonnables, varis et personnaliss. Tout
peut acheter les produits. le monde peut satisfaire exactement ses
besoins.
Principales -Stabilit de la demande -Demande fragmente
caractristiques -Large march homogne -Niche de march htrogne
-Biens et services standard -Biens et services personnaliss, haut
-Qualit uniforme et bas prix degr de qualit
-Long cycle de dveloppement des -Court Cycle de dveloppement des
produits produits
-Long cycle de vie des produits -Court cycle de vie des produits

Table 2 PRODUCTION DE MASSE VERSUS PERSONNALISATION DE MASSE

Les lments prsents dans ce tableau soulignent les aspects stratgiques mettre en
uvre pour voluer d'une stratgie de production de masse celle de personnalisation
de masse. Ces principes reposent sur la conception de produits, de composants standard
ou modulaires, qui une fois assembls sauront rpondre aux besoins individuels des
consommateurs. La diffrentiation retarde base sur la combinaison de modules
standard, permet de rduire le temps de dveloppement de produits toujours plus
innovants.

Les applications de ces concepts dans un contexte industriel sont prsents dans [PINE et
al, 1995] et [KOTHA, 1995]. Cependant, les lments prsents lors de ces travaux ne
fournissent pas de rponses prcises sur l'implmentation d'une stratgie de
personnalisation de masse. Ce constat a vu l'mergence de recherches plus spcifiques
portant sur la proposition de modles pour la mise en uvre d'une telle stratgie,
[AHLSTROM et al, 1999] et [GILMOUR and PINE, 2000]. Enfin, [DURAY et al, 2000]
proposent une typologie des pratiques de personnalisation de masse en vue de leur
implmentation.

2.3.2 Produits fonctionnels versus produits innovants

Deux types de chanes logistiques peuvent s'opposer en fonction de la rponse qu'elles


apportent face la demande. Le premier type, concerne la fabrication et la livraison de
produits disposant de caractristiques dfinies, sur lesquels s'appliquent des modles de
prvisions de ventes. Le second type, s'intresse aux produits possdant des
caractristiques diffrenciatrices, telles que l'innovation, la distinction par les

34
composants, la personnalisation ou le sur mesure, et sur lesquels des modles de
prvisions sont difficilement ralisables. Dans ce dernier cas, le recours aux techniques
de prvisions de ventes classiques est limit par le manque de donnes ou d'historiques.
De plus, la prvision de produits sur mesure possde un pourcentage d'erreur trs lev.
Une tude prsente Table 3, [FISHER, 1997], met en avant les lments caractristiques
qui diffrencient deux configurations de chanes logistiques face la demande.

Fonctionnelle Innovatrice
Aspects de la demande demande prdictible demande imprdictible
Cycle de vie du produit Plus de deux ans 3-12 mois

Marge sur cots variables 5-20 pour cent 20-60 pour cent

Largeur de gamme Faible leve

Erreurs de prvisions 10 pour cent 40-100 pour cent

Taux moyen de rupture de stock 1 -2 pour cent 10-40 pour cent

Fin de vente, rduction des prix 0 pour cent 10-25 pour cent

Dlai pour raliser les produits sur commande 6-12 mois 1 jour 2 semaines

Table 3 PRODUITS FONCTIONNELS VERSUS PRODUITS INNOVANTS

Un certain nombre de caractristiques surlignent les difficults engendres par une


stratgie axe sur la proposition de produits innovants. Outre les erreurs de prvisions
leves, ces lments font apparatre des changements au niveau de la gestion des
produits et des fonctions qui les supportent. La courte dure des cycles de vie des
produits permet d'largir l'tendue de l'offre afin de satisfaire l'ensemble des besoins
des consommateurs. La rentabilit leve induite par l'offre en produits innovants incite
les entreprises augmenter la varit de ces derniers.

Ces caractristiques font merger de nouvelles exigences au niveau de la conception et


de la gestion des produits. Les chanes logistiques doivent tre capables de rpondre
favorablement aux besoins des consommateurs, et ce, dans les meilleurs dlais.

2.3.3 volutions centres consommateurs


Afin de faire face la volatilit des exigences des consommateurs, caractrise par une
modification dynamique des produits, les chanes logistiques adaptent leurs
architectures et leurs modes de pilotage. Dans ce contexte, le dlai qui s'coule entre
l'mission de la commande et la livraison correspond au temps ncessaire la
personnalisation du produit. La Table 4, propose dans [CHRISTOPHER and TOWILL,
2000], met en relief les consquences de la personnalisation de masse et s'appuie pour
cela sur diffrentes phases d'volution.

35
Phase d'volution de la
1 II II IV
chane logistique
Situation dans le temps de
Dbut 1980 Fin 1980 Dbut 1990 Fin 1990
la chane logistique
Philosophie de la chane
Dirig par les produits Orient march Dirig par le march Dirig par les clients
logistique
Dcoupage fonctionnel Chane logistique Chane logistique Chane logistique personnalise
Type de chane logistique au plus juste au plus juste au plus juste + agile au plus juste + agile
(Lean Functional) (Lean Supply Chain) (Leagile Supply Chain) (Leagile)
Elments diffrendateurs du
Qualit Cots Disponibilit Dlais
march
(a) Cot (a) Disponibilit (a) Dlai (a) Qualit
Qualificatifs du march (b) Disponibilit (b) Dlai (b) Qualit (b) Cot
(c) Dlai (c) Qualit (c) Cot ici Disponibilit
(a) Rotation des stocks (a) Temps de passage (a) Partage du march (a) Satisfaction client
Mesure des performances
(b) Cots de production (b) Cots physiques (b) Cots totaux (b) Valeur ajoute

Table 4 EVOLUTION DU CONCEPT DE CHANE LOGISTIQUE

L'volution du concept de chanes logistiques montre l'avantage concurrentiel qui


rsulte de la prise en compte des clients dans la dfinition des stratgies. En vue
d'apporter une rponse favorable aux qualificatifs dominants du march, les activits de
transformations des produits sont dclenches suite la rception de commandes fermes
(exemple: Production sur commande). Les modes de pilotages qui en rsultent,
ncessitent l'laboration de stratgies d'affectation de ressources manufacturires et de
distribution, adapts la transformation et la circulation de produits hautement
paramtrables. Les modes de pilotages, tirs par la demande, s'inscrivent alors dans une
trame axe sur l'acclration des flux (matriels, financiers et informationnels).
L'atteinte de tels objectifs est conditionne par la conception de produits et de processus
adapts [FEITZINGER and LEE, 1997]. L'utilisation de mthodes standardises et de
structures de produits modulaires contribue la rduction des dlais de livraison et
l'acclration de la personnalisation des produits.

L'volution du march, caractris par un changement dynamique des besoins, contraint


les dcisionnaires grer des produits innovants considrs comme imprdictibles pour
la gestion de leurs activits de transformation et de distribution. Au niveau des chanes
logistiques cette volution, consquente une production de type personnalisation de
masse, modifie le comportement des entreprises face la demande.

2.4 Synthse

L'volution du contexte conomique et technologique a positionn le consommateur au


cur de la dfinition des stratgies d'entreprises. Par consquent, les entreprises doivent
adopter des comportements adquats face des consommateurs devenus nomades et
volatiles. Les principaux travaux relatifs aux chanes logistiques, dvelopps ces vingt
cinq dernires annes, se sont concentrs sur des problmatiques majoritairement axs
sur le dveloppement d'outils de gestion, sur les processus d'intgration (slection des

36
partenaires, modes de coordination, etc.) et d'optimisation (localisation de sites, gestion
des approvisionnements, etc.).

Le phnomne de personnalisation de masse induit une dynamique environnementale


qui se caractrise par une demande erratique en termes de consommateurs, de produits
et de zones de marchs. La mondialisation des changes contribue complexifier la
gestion des flux entre les entreprises le long de la chane logistique. L'amplification des
flux physiques dnote d'une stratgie commerciale offrant davantage de produits
innovants ou personnaliss des prix attractifs dans des dlais toujours plus courts.
Face la redfinition permanente des exigences des consommateurs s'ajoutent les
incertitudes et les alas dans la ralisation de prvisions (productions, ventes, etc.).

Afin d'valuer les capacits des entreprises utiliser leurs ressources pour rpondre
favorablement aux besoins exprims par les consommateurs il convient de les
modliser.

3 Les approches de modlisation des chanes


logistiques

La modlisation est un processus de reprsentation qui permet d'obtenir une image


approche du systme rel suite une phase d'abstraction. Ce processus facilite l'tude
et la comprhension des systmes. Modliser un systme ncessite la dfinition de
nombreuses hypothses simplificatrices. Il n'est videmment pas possible de dcrire de
manire identique l'environnement rel dans lequel volue le systme que l'on dsire
modliser.

L'tude des systmes ncessite une reprsentation abstraite qui passe par la cration
d'un modle pouvant tre aussi bien mental que conceptuel. Un modle peut tre obtenu
de diffrentes manires soit par quations mathmatiques, soit par rgles procdurales
ou encore par processus graphiques, et ce, selon diffrents niveaux d'abstraction. Le
modle doit dcrire de manire la plus approche possible le systme tudi. Il est
important de noter que les modles servent dcrire et reproduire la manire dont le
systme va se comporter selon un ensemble de conditions. La Figure 3 prsente les
processus mis en uvre lors de la cration d'un modle.

37
Observateur

Figure 3 PROCESSUS DE CRATION D'UN MODLE

Les modles sont largement utiliss car ils sont moins coteux que l'utilisation de
systmes physiques rels et rendent possibles la conduite d'expriences multiples. A
condition qu'ils soient une description adquate de la ralit, mener des expriences sur
ces modles permet de sauver du temps et rend possible l'accomplissement de
nombreux tests. Dans le contexte conomique actuel, l'analyse des modles ou des
rsultats d'exprimentations va permettre aux entreprises d'valuer l'agilit de leurs
organisations et d'anticiper leurs ractions face la dynamique de l'environnement
(concurrence, innovations, etc.). Cette valuation s'inscrit dans une dmarche de
comprhension et d'amlioration de leurs processus de cration de valeurs.

La mise en uvre d'un projet de chane logistique, oblige les entreprises matriser
leurs processus en interne afin d'apprhender leurs interactions en externe. Dans ce
cadre, de multiples approches de modlisation sont utilises afin d'en dcrire et analyser
l'organisation. Une taxonomie de ces modles est prsente dans [MIN and ZHOU,
2002]. Cette taxonomie met en vidence le large spectre couvert par les modles
analytiques (Modles Dterministes et Modles Stochastiques). Notons que la classe de
modles "dirigs par les technologies de l'information" {IT-driven Models) est
compose des WMS et des ERP qui ont dj t voqus la sous-section 2.2.2,
auxquels sont associs les Systmes d'Informations Gographiques {Gographie
Information System) qui concernent la manipulation et la visualisation de donnes
gographiques, [SHAP1RO, 2001]. La simulation, introduite au niveau des modles
hybrides {Hybrid Models), ne comporte aucune prcision sur les paradigmes de
conception. De plus, cette taxonomie ne considre pas les modles d'entreprises utiliss
pour reprsenter ces organisations multi-entreprises.

Dans cette section, afin de mettre en vidence les objectifs, les principes et les enjeux de
la modlisation des chanes logistiques, nous prcisons les approches informatiques
utilises pour la conception de modles pour la simulation et nous dcrivons les classes
de modles issues de la modlisation d'entreprises. Pour cela, nous proposons une
taxonomie compose de trois grandes classes de modles prsente la Figure 4. Une
classification plus dtaille des modles pour la simulation est propose la Figure 5.

38
Modlisation de chanes logistiques

Modles
J Modles
1
Modles pour
organisationnels analytiques la simulation

1 Modles vnements discrets

1
Approche
J
Approche
!
Thorie du
1
Recherche
1
Approche Approche
1
Approche
hirarchique htrarchique contrle Oprationnelle Objets Acteurs Agents

Figure 4 CONCEPTIONS DE MODLES DE CHANES LOGISTIQUES

La premire classe est issue de la modlisation des systmes. Une sous-section sera
ddie aux approches de modlisation des processus et des activits pour la
reprsentation des organisations complexes. Dans un deuxime temps, nous focalisons
sur les modles dvelopps dans le cadre des approches analytiques. Enfin, nous
aborderons les modles pour la simulation et les paradigmes de modlisation qui leur
sont associs.

3.1 Modles organisationnels

En thorie de l'organisation de l'entreprise, de nombreuses coles se sont succdes


depuis le dbut du sicle dernier (l'cole Classique, l'cole des Relations Humaines,
etc.), [PLANE, 2003]. De nombreux travaux s'appuient sur la thorie gnrale des
systmes, [VON BERTALANFFY, 1976], dveloppe au sein de l'cole de la Gestion par
les Systmes, pour la modlisation de la chane logistique. Cette thorie, considre
l'organisation comme un systme complexe, volutif et ouvert (changes avec son
environnement). Les approches de modlisation, qui dcoulent de cette thorie,
reprsentent l'organisation1 (systme de production, entreprise, chanes logistique, etc.)
partir de ses entits, ses activits, ses processus, ses fonctions, sa structure et son
comportement. Nous appelons les modles qui dcoulent de cette approche de
modlisation les modles "organisationnels". Dans cette sous-section, nous dcrivons les
principales approches de modlisation qui apprhendent l'organisation selon des
approches hirarchiques (cartsienne et systmique) ou htrarchiques.

3.1.1 Approches hirarchiques


L'approche cartsienne, dveloppe dans les annes 1970, s'appuie sur une analyse
fonctionnelle et hirarchique des systmes. Pour cela, elle prconise la dcomposition
d'un systme en sous systmes fonctionnels (exemple : la mthode SADT, Structure

De nombreuses approches de modlisation sont dcrites dans [MONTEIRO, 2001] et [FRAYRET, 2002].

39
Analysis and Design Technique, [Ross and SCHOMANN, 1977]). Cependant, cette
approche prend peu en compte les interactions entre les sous-systmes.

L'approche systmique, est apparue dans les annes 1980 face la complexification
croissante des organisations et de leurs environnements, [LE MOIGNE, 1977]. Sur la base
de la systmique, le domaine de la modlisation d'entreprise s'est dvelopp pour
l'tude et l'analyse des systmes de production. Cependant, les entreprises ont volu
vers de nouvelles formes d'organisations. Afin d'apprhender ces volutions, la
modlisation d'entreprise s'est tendue au-del des frontires de l'entreprise.

Comme l'exposent CRESTANI et DOUMEINGTS dans l'analyse prospective de la


modlisation d'entreprise, [CRESTANI et DOUMEINGTS, 2003], les travaux issus de ce
domaine appliqus aux chanes logistiques, se dcomposent selon deux niveaux :
Le niveau local s'appuie sur une vision fonctionnelle de l'entreprise base sur
les concepts d'activits, de ressources, de processus, de flux, etc. Il offre une
reprsentation du comportement des composants de l'entreprise et s'appuie pour
cela sur divers langages de modlisation (exemple : les Rseaux de Ptri,
[WANG, 1998]).
Le niveau global propose une vision transversale des fonctions de l'entreprise et
dcrit ainsi les liens d'interaction existant avec son environnement. A ce niveau,
les cadres de modlisation s'inscrivent dans une dmarche mthodologique de
modlisation d'entreprise (exemples : GRAI-GIM [CHEN and DOUMEINGTS,
1996], PERA [WILLIAMS, 1998] et CIMOSA [VERNADAT, 1999]).

Le domaine de la modlisation d'entreprise repose sur une dcomposition hirarchique


pour reprsenter les fonctions de l'entreprise en interactions qui composent la chane
logistique. D'une part il est ncessaire de dfinir un modle pour reprsenter l'entreprise
(niveau local), et d'autre part il est ncessaire de dfinir un modle pour la description
des relations entre entreprises (niveau global). Ce mode de reprsentation ne permet pas
de rendre compte, au sein d'un modle unique, de la nature distribue et de l'autonomie
dcisionnelle des fonctions de l'entreprise en interactions.

3.1.2 Approches htrarchiques

Sur la base des travaux prsents dans [DUFFIE and PIPER, 1986], de nombreuses
approches de modlisation apprhendent l'organisation selon une vision htrarchique.
L'organisation est compose d'lments autonomes (responsables du contrle de leurs
activits), co-oprants, [HATVANY, 1985], et relis via un rseau de communication,
[DUFFIE, 1990]. L'volution des architectures dans les systmes manufacturiers,
caractrise par l'autonomie et l'interaction entre les composants, est prsente dans

40
[DILTS et al, 1991]. Dans le cadre de la modlisation des systmes de pilotages
htrarchiques, TRENTESAUX recense quatre approches de modlisation : (i) l'approche
par processus, (ii) l'approche holonique, (iii) les approches en mergences2, et, (iv)
l'approche multi-agents, [TRENTESAUX, 2002].

L'approche par processus reprsente l'organisation comme un ensemble d'entits, en


interactions, pour la ralisation de processus et/ou d'activits. A l'origine des travaux de
DUFFIE, ces modles d'entits reprsentaient des processus, [DUFFIE, 1990].
Le modle SCOR {Supply Chain Opration Rfrence) du Supply Chain Council,
s'intresse au diagnostic, la conception, la mise en uvre, l'valuation et le contrle
de la gestion des chanes logistiques. Ce modle s'appuie sur la dfinition de cinq
processus : Plan, Source, Make, Deliver et Return. La dmarche dbute par un Business
Process Reengineering permettant de capturer les processus existants afin de les
transformer en de nouveaux processus dsirs. L'tape suivante s'appuie sur le
Benchmarking. Il s'agit de quantifier les performances oprationnelles des concurrents
en vue de les transformer en objectifs internes pour amliorer la gestion de
l'organisation considre. Enfin, l'analyse des meilleures pratiques ou Best Practices
caractrise les systmes d'organisation et d'information qui produisent les meilleures
performances.
Le projet NetMan, [MONTREUIL et al, 2000] et [FRAYRET et al, 2001], propose un cadre
de modlisation de rseaux manufacturiers, au sein duquel, les entits reprsentent des
units d'affaires responsables, autonomes et gnratrices de profit. Ces units ou centres
NetMan interagissent selon diffrents modes de coordinations bass sur le partage de
flux matriels et informationnels.

L'approche holonique repose sur la reprsentation des entits de l'organisation partir


de holons, [KOESTLER, 1990]. Les holons sont gnralement constitus de deux parties,
l'une traitant des flux d'informations et la seconde des flux physiques, [VAN BRUSSEL et
al, 1998]. Un systme d'holons qui cooprent pour l'atteinte d'un but ou d'un objectif
commun est dnomm une holarchie, [VAN LEEUWEN andNORRIE, 1997]. Une vision
dtaille des HMS (Holonic Manufacturing System) est prsente dans [McFALARME
and BUSSMAN, 2000].

En termes Rapproches en mergences, les approches bioniques [OKINO, 1993],


adaptent les modles issus de la science du vivant aux systmes industriels. Les
approches fractales, [WARNECKE, 1993] et [VENKATADRI et al, 1997], utilisent les
proprits des structures fractales pour reprsenter l'organisation. Une comparaison

2
Ces approches de modlisation sont dcrites dans [DA SILVEIRA, 2003]

41
entre les
approches holoniques, bioniques et fractales est prsente dans
[THARUMARAJAH, 2003].

L'approche multi-agents fait l'objet d'une section part entire au sein de ce chapitre.
Nous aborderons la description de cette approche et des travaux relatifs la
modlisation des chanes logistiques au cours de la section 4 et la section 5.

Les approches de modlisation qui reposent sur une vision htrarchique de la chane
logistique reposent sur la reprsentation des composants du systme. Ce mode de
reprsentation permet de caractriser l'autonomie des composants du systme ainsi que
leurs interactions. Cependant, ces approches de modlisation proposent une
reprsentation statique de l'organisation du systme. Afin d'tudier l'volution du
systme et le comportement de ces composantes il apparat ncessaire d'avoir recours
des outils d'analyse dynamiques.

3.2 Modles analytiques

Les modles analytiques reprsentent la chane logistique selon une perspective


quantitative. En thorie des organisations, ces modles sont issus de l'cole
mathmatique. Les domaines de recherche, qui s'inscrivent au sein de cette cole,
abordent la rsolution de problmes quantitatifs suivant diffrentes approches,
[PARUNAK et al., 1999]. Nous retenons particulirement les travaux dvelopps selon
les approches issues de la Thorie du Contrle et de la Recherche Oprationnelle.

L'approche Thorie du Contrle modlise la chane logistique partir d'quations


diffrentielles ou aux diffrences afin d'apprhender sa dynamique dans le temps. Elle
value les comportements du systme, par l'utilisation d'outils mathmatiques
(transformes de Laplace, en Z, etc.). Par exemple, l'tude de la stabilit d'un systme
VMI {Vendor Managed Inventory) s'appuie sur les diagrammes de causalit, les
quations aux diffrences et les transforms en Z, [DISNEY and TOWILL, 2002]. Une
revue de travaux relatifs cette approche est prsente dans [ORTEGA and LIN, 2004].

L'approche Recherche Oprationnelle, vise laborer les meilleures dcisions en


fonction d'un ou plusieurs critres tout en respectant les contraintes du systme
modlise. Cette approche repose sur les thories d'optimisation, la thorie des jeux, les
statistiques, l'algorithmique, et s'applique aux systmes linaires et non linaires. Par
exemple, le modle d'optimisation stratgique prsent dans [LAKHAL et al, 2001],
porte sur la maximisation de la valeur ajoute des activits. Des revues de littrature

42
sont prsentes dans [COHEN and HUCHZERMEIER, 1998], [GOETSCHALCKX, 2000],
[SCHM1DT and WlLHELM, 2000] et [GEUNES arfPARDALOS, 2003].

Dans les approches analytiques, la complexit inhrente la modlisation du systme


rel ncessite l'laboration d'hypothses simplificatrices qui peuvent tre trs
restrictives. Ainsi, l'approche Thorie du Contrle reprsente la dynamique du systme
dans le temps, mais s'appuie pour cela sur des hypothses de linarisation des
comportements. Les modles qui en rsultent ncessitent d'adapter les conditions du
monde rel et ne permettent pas de reprsenter l'ensemble des chanes logistiques dans
toute leur complexit. De mme, l'approche Recherche Oprationnelle ncessite des
approximations statistiques et n'est pas directement base sur une chelle temporelle.
Ainsi les caractristiques dynamiques du systme sont difficilement apprhendables.
Les alas et les perturbations ne sont pas facilement reprsentables dans les approches
analytiques, ce qui engendre le recours des approximations (exemple : lois de
distribution). Certaines approches analytiques sont limites dans la prise en compte du
temps et les interactions dans le systme ne sont pas toujours modlises. Comme nous
le verrons par la suite, ces limitations peuvent tre leves par le recours la simulation.

3.3 Modles pour la simulation

La simulation repose sur l'exploitation d'un ensemble de modles et mthodes


permettant d'approcher, d'imiter, de simuler, le comportement d'un systme physique
rel, [LAW and KELTON, 1982]. La simulation permet de conduire un processus
exprimental sur un modle, ce dernier devant agir et ragir de manire similaire au
systme rel, [QuAU, 1986], afin de connatre le comportement dynamique du modle
et de prdire son comportement futur, [CLAVER et al., 1996]. La simulation est ainsi
adapte pour l'tude des systmes qui voluent avec et dans le temps ou qui voluent de
manire alatoire, [ANGERHOFER and ANGELIDES, 2000].

Les modles et les travaux de simulation sont utiliss pour dcrire, expliquer et prvoir
les comportements des systmes physiques rels, sans que cela ncessite une
intervention auprs de ces derniers. De plus, l'utilisation des modles rend possible la
conduite d'expriences multiples. Les applications de modlisation et de simulation
d'entreprises trouvent leurs origines dans le domaine de recherche portant sur la
Dynamique des Systmes, [FORRESTER, 1961]. Le modle de FORRESTER reprsente
l'entreprise comme un ensemble de flux dont le dbit est contrl par des dcisions et
dont les entres sorties des stocks sont mesures. La simulation permet d'observer le
comportement de multiples variables (chiffre d'affaires, niveaux de stocks, etc.).

43
3.3.1 Simulations vnements discrets
Les modles pour la simulation sont de natures diffrentes et se distinguent par leur
volution face la composante temporelle. Une classification des modles est prsente
la Figure 5, [CASSANDRAS and LAFORTUNE, 1999].

Invariant suivant Variant suivant


le temps le temps

Linaire Non Linaire

Etats continus Etats discrets Modles


vnements discrets

Dirige par le Dirige par les


temps vnements

Dterministe ] Stochastique

Temps discret [Temps continu

Figure 5 CLASSIFICATION DES MODLES POUR LA SIMULATION

Dans un modle continu, l'tat du systme est dfini pour chaque instant dans le temps.
Dans un modle discret, les changements d'tats du systme interviennent en des
instants rpartis de manire discrte sur l'axe du temps, [ZEIGLER et al, 2000].
Dans un modle dterministe une valeur prcise est associe aux variables et aux
paramtres. Tandis que dans les modles stochastiques, des distributions de probabilit
sont utilises pouvant gnrer des rsultats diffrents.

La majorit des travaux de simulation de chanes logistiques reposent sur des modles
vnements discrets (variables discrtes ou phnomnes continus discrtiss). Ce type
de modle est adapt aux caractristiques dynamiques de tels systmes complexes, afin
d'assurer une prise en compte des non linarits des comportements. Le recours la
simulation, comme outil d'analyse, favorise la comprhension du comportement du
systme face la composante temporelle.

COQUILLARD et HILL prsentent trois approches informatiques pour la conception de


modles discrets pour la simulation, [COQUILLARD et HILL, 1997], les objets, les acteurs
et les agents. Il existe peu de travaux significatifs pour l'approche acteur dveloppe par
HEWITT. Les concepts tels que l'autonomie, les tats mentaux, la communication par
actes du langage et l'organisation en socits d'agents sont des notions qui diffrencient
le concept d'objet celui d'agent, [WOOLDRIDGE and ClANCARlNl, 2000]. De nombreux
travaux de recherche utilisent les agents pour la conduite de travaux de simulation. La

44
section suivante est consacre la prsentation non exhaustive de travaux significatifs
bass sur l'approche oriente objets pour la simulation vnements discrets.

3.3.2 Travaux de simulation orients objets


Dans [BAGGCHI et al, 1998], les simulations s'intressent la conception de chanes
logistiques par la localisation des sites. Les auteurs prsentent les principes de
modlisation qui dcoulent de cette approche, ainsi que l'architecture du Supply Chain
Simulator d'IBM qui s'appuie sur le logiciel SIMPROCESS. INGALLS et KASALES
montrent l'intrt de la simulation pour l'analyse des performances dans un contexte
dynamique en comparant les rsultats d'un modle d'optimisation ceux fournis par le
simulateur CSAT de Compaq (bas sur le logiciel ARENA), [INGALLS and KASALES,
1999]. Dans [JAIN et al, 2001], est prsente une description des processus
d'abstraction considrer dans le dveloppement d'un modle pour la simulation d'une
chane logistique (base sur le logiciel ARENA). Les simulations permettent d'valuer
les dcisions stratgiques en termes de conception. Dans [CHATFIELD et al, 2005], les
auteurs proposent une architecture de simulation oriente objets pour la cration, le
stockage et l'excution du modle via un langage d'change d'informations bas sur
XML (Supply Chain Modeling Language). Nous proposons Table 5 une comparaison
des travaux de simulation vnements discrets prsents prcdemment3.

Parmi les travaux prsents, peu s'appuient sur un cadre mthodologique de


modlisation des chanes logistiques. En effet, le domaine de l'tude et les objectifs de
simulation guident les phases de conception des modles. Plus rcemment, des travaux
de recherche sont initis afin de dterminer les lments gnriques constitutifs des
modles, [ROSSETTI and CHAN, 2003]. BISWAS et NARAHARI proposent un outil de
simulation compos d'une bibliothque d'objets (lments de la chane logistique) et
d'un modle objet pour la rsolution de problmes supportant les techniques
d'optimisation et de simulation, [BISWAS and NARAHARI, 2004]. Ces travaux ne
reposent pas sur une approche de modlisation qui s'appuie sur une vision de domaine.

3
Une revue de littrature dtaille comparant les travaux de simulation de chanes logistiques est
propose dans [TERZI and CAVALIERI, 2004].

45
"""~"~~-^^__^ Travaux Baggchie/a/,, 1998 Ingallsam/Kasales, 1999 Jaine/a/.,2001 Chatfield et a/., 2005
Caractristiques "---^.
Conception de chanes Dcisions stratgiques Conception de chanes Gestion stratgique du
Domaine de l'lude logistiques et localisation face la dynamique de la logistiques {500 sites, 50 partage de l'information
de sites demande et aux erreurs tats et 27 pays) (Bullwhip effect)
de prvisions

Mthode de Composants graphiques Composants graphiques Diagramme de flux Graphiques


reprsentation (nuds et arcs)

Reprsentation Continue Non prcis Loi exponentielle, loi Non disponible


temporelle des activits normale

Planning de livraison Politique (TL et LTL) Non prcis Non prcis Par groupage ou priorit

Politique de gestion des VM1 Non prcis Possession vs VMI Non prcis
stocks

Gnration des ordres Sur commande Sur commande Donnes historiques Nud client ou politique
fabrication / livraison de stockage

Mthode de prvision Par priode Non prcis Lissage simple, double Non prcis

Temps de cycle, Revenus Niveaux de service Variabilit des dlais


Niveaux de service, Cots
Indicateurs de Revenus et cots Profits avant / aprs taxes Rotations des stocks Mthodes de prvisions
performances Inventaire et WIP Niveaux de service
Utilisation des ressources Utilisation des ressources Dlais de livraison tude sur la porte du
Retours produits Niveaux de stocks Bullwhip effect

Tableurs et rapports VBA Visual Basic VSCE {VisualSupply


Interfaces financiers MS Excel M S Excel Chain Editor)
Visual Basic et JAVA

SISCO
Outils logiciels SIMPROCESS ARENA ARENA {Simulator for Integrated
Supply Cha'm Oprations)

Table 5 TRAVAUX DE SIMULATION VNEMENTS DISCRETS DE CHANES LOGISTIQUES

L'offre logicielle pour la modlisation et la simulation de systmes industriels est


importante (ARENA, PROMODEL, etc.). Cependant, ces outils informatiss s'avrent bien
souvent limits pour la simulation des processus dcisionnels.

3.4 Synthse

Afin d'apprhender et de rduire la complexit du systme rel, la modlisation est une


tape essentielle pour l'tude des systmes complexes et dynamiques. Pour la
conception de modles de chanes logistiques nous avons prsent les trois principales
approches de modlisation : organisationnelle, analytique et la simulation. Les modles
"organisationnels" offrent une reprsentation qui ne permet pas d'obtenir une valuation
comportementale du systme dans le temps face aux stimuli environnementaux. Les
modles analytiques, qui s'appuient sur une reprsentation mathmatique du systme,
ncessitent des approximations (exemple : allure de la demande dans un contexte de
personnalisation) et sont limites dans la prise en compte du temps. La conduite de
simulations permet une observation du comportement et de la dynamique du systme
dans le temps.

46
La conception de simulations repose essentiellement sur deux approches de
programmation : objets et agents. Les proprits qui dfinissent les agents (autonomie,
pro-activit, ractivit et sociabilit) offrent des capacits de modlisation et de
simulation plus ralistes pour l'tude comportementale des chanes logistiques. A
l'heure actuelle, de nombreux travaux de recherche s'appuient sur le paradigme agent
pour la conception de simulations dans le milieu industriel (conception de produits,
planification, contrle, etc.). La section suivante propose un tat des lieux sur les
systmes multi-agents.

4 Les systmes multi-agents

Le paradigme de l'Intelligence Artificielle (IA), visant concentrer les capacits


intelligentes en une entit unique, s'est rvl insuffisant pour rsoudre certains types de
problmes complexes. Afin de combler certaines limites de FIA, un sous domaine a
merg prnant le passage d'une "intelligence individuelle" une "intelligence
collective". L'alternative de l'Intelligence Artificielle Distribue (IAD) consiste
distribuer l'expertise sur un groupe d'entits autonomes en interactions, permettant ainsi
de parer le schma de centralisation de FIA, [FERBER, 1995]. Tout comme la rsolution
distribue de problmes {Distributed Problem Solving), les Systmes Multi-Agents
(SMA) constituent un axe important de la recherche en IAD, [MOULIN and CHAIB-
DRAA, 1996].

Les SMA se concentrent sur l'tude des comportements collectifs qui rsultent de
l'organisation et des interactions entre agents pour la rsolution de problmes. Les SMA
permettent ' ...de modliser le comportement d'un ensemble d'entits expertes, plus ou
moins organises selon des lois de type social. Ces entits ou agents, disposent d'une
certaine autonomie, et sont immerges dans un environnement dans lequel et avec
lequel elles interagissent.', [ERCEAU and FERBER, 1991].

Cette section est consacre la prsentation des agents, des interactions entre les agents
dans les SMA et des mthodes de conception de SMA. Dans un premier temps nous
posons les dfinitions relatives au paradigme agent et aux SMA. Afin de complter ces
dfinitions nous proposons une description des trois grandes classes de modles
d'agents. La sous-section suivante est consacre aux interactions entre agents dans les
SMA. Par la suite, nous dcrivons les mthodes de conception de SMA. Enfin, nous
proposons une synthse des travaux prsents lors de cette section.

47
4.1 Dfinitions gnrales

Au travers de la littrature, les travaux reconnus comme prcurseurs dans le domaine de


recherche des agents et des SMA sont les suivants : (i) le modle d'Acteur pour la
rsolution de problmes par l'envois de messages asynchrones, [HEWITT, 1977], (ii)
l'architecture "blackboard" pour le partage d'informations entre agents, [ERMAN et al.,
1980], (iii) le protocole de rseau contractuel pour l'allocation de tches "Contract Net
protoco", [SMITH, 1980], et, (iv) le systme Distributed Vehicle Monitoring Task,
[LESSER and CORKILL, 1983].
Ces travaux, l'origine des systmes multi-agents, ont fait merger de nombreux
concepts et de dfinitions qui caractrisent le paradigme "agents".

4.1.1 Agents

II n'existe pas l'heure actuelle, dans la littrature scientifique, de consensus sur la


dfinition d'un agent tant les disciplines dans lesquelles il est fait rfrence sont
nombreuses. Cependant, la dfinition propose dans [JENNINGS et al, 1998] est
largement reprise au sein de la communaut des systmes multi-agents. Cette dfinition
est la suivante : Un agent est un systme informatique, situ dans un environnement, et
qui agit d'une faon autonome et flexible pour atteindre les objectifs pour lesquels il a
t conu. Dans [WOOLDRIDGE and JENNINGS, 1995], les auteurs dfinissent le concept
d'agent selon les proprits suivantes :

^autonomie : l'agent opre sans l'intervention directe d'un tiers (humain ou


autres) et ne subit aucun contrle sur les actions qu'il ralise, ni sur son tat
interne ;

La ractivit : l'agent peroit son environnement et rpond d'une manire


opportune aux changements qui se produisent dans celui-ci ;

La pro-activit : l'agent doit tre capable de montrer des comportements dirigs


par des buts internes, en prenant des initiatives ;

La sociabilit : les agents sont en interactions entre eux grce des langages de
communication et des rgles de sociabilit communes.

L'importance accorde aux proprits nonces ci-dessus, dans la dfinition de l'agent,


va dpendre des besoins applicatifs. En effet, dans certains cas une ou plusieurs
proprits vont tre accentues et dans d'autres cas des proprits additionnelles
s'avrent ncessaires, [CHAIB-DRAA et al., 2001]. Actuellement, les agents constituent
un champ de recherche actif au sein duquel de nombreuses applications sont
dveloppes. Dans [FRANKLIN and GRAESSER, 1996], [NWANA, 1996] et [BRIOT et

4X
DEMAZEAU, 2001], les auteurs dressent un tour d'horizon des agents selon diffrents
domaines (les agents cognitifs, les agents logiciels, les agents mobiles, etc.).

Deux coles coexistent selon le degr d'intelligence et de connaissance allou aux


agents, [LABIDI et LEJOUAD, 1993]. L'une concerne des agents qui ralisent des actions
par l'adoption de comportements simples : les agents ractifs. La seconde se rfre aux
agents qui sont capables de planifier et de prendre des dcisions, mettant ainsi en uvre
des comportements labors : les agents cognitifs. Cette dichotomie concernant les
agents est explicite dans la sous-section 4.2.

Les agents sont considrs comme des entits agissantes dans une socit d'autres
agents. La partie suivante est consacre la dfinition des systmes composs d'un
ensemble d'agents : les systmes multi-agents.

4.1.2 Systmes multi-agents


Quelque soit le domaine d'application ou le degr d'intelligence des agents, dvelopper
un systme multi-agents require la dfinition d'un certain nombre d'lments. Dans
[FERBER, 1995], les lments qui entrent dans la composition d'un systme multi-agents
sont les suivants:

Un environnement E, c'est--dire un espace disposant gnralement d'une


mtrique.

Un ensemble d'objets O. Ces objets sont situs, pour tout objet, il est possible
d'associer une position dans E. Ces objets sont passifs, ils peuvent tre perus,
crs, dtruits et modifis par les agents.

Un ensemble A d'agents qui sont des objets particuliers (A O), lesquels


reprsentent les entits actives du systme.

Un ensemble de relations R qui unissent des objets (et donc des agents) entre
eux.

Un ensemble d'oprations Op permettant aux agents de A de percevoir,


produire, consommer, transformer et manipuler des objets de O.

Des oprateurs chargs de reprsenter l'application de ces oprations et la


raction du monde cette tentative de modification, que l'on appellera les lois
de l'univers.

49
Pour concevoir un systme multi-agents, il ne suffit pas de placer plusieurs agents dans
un mme environnement, il faut en plus que ces agents interagissent. L'analyse et le
dveloppement d'un systme multi-agents ncessitent la prise en compte de multiples
dimensions. Dans l'approche Voyelle AEIO, [DEMAZEAU, 1995], quatre dimensions
sont identifies : l'Agent, l'Environnement, les Interactions, l'Organisation.

Les modles d'organisation s'intressent aux structures et aux rgles de cohabitation


entre les agents (Hirarchies, Auto-organisations, etc.). Les modles d'interaction
passent par l'laboration d'un ensemble de rgles en adquation avec la granularit4
d'un agent (Communication, Coordination, etc.). Les modles d'environnement
correspondent aux milieux dans lesquels voluent les agents (exemple : reprsentation
spatiale). Les modles d'agent concernent plus particulirement la description interne
des agents (Architectures, reprsentation des connaissances, etc.). Ces derniers modles
sont prsents de manire plus prcise dans la sous-section suivante.

4.2 Modles d'agent

Tout comme la dfinition d'agent, il n'existe pas l'heure actuelle de consensus pour
dfinir ce qu'est un modle d'agent, tant ces modles sont nombreux au travers de la
littrature. L'agent peroit les modifications de son environnement et dispose de
capacits d'actions sur celui-ci. Il s'agit alors de dterminer, parmi les actions possibles,
la plus approprie afin que l'agent puisse satisfaire ses objectifs, [WOOLDRIDGE, 1999].
Outre le domaine d'application, les modles d'Environnement, d'Interaction et
d'Organisation vont influer sur le choix ou la conception d'un modle d'agent.

Trois principales architectures permettent d'apporter un lment de rponse ces


problmes de dcisions: les architectures d'agents ractifs, les architectures d'agents
cognitifs et les architectures d'agents hybrides. Dans [BOISSIER, 2001], une analyse
dtaille des architectures d'agents est propose. Au cours de cette analyse, l'auteur
distingue au niveau de la spcification des agents, deux approches de description :
architecturale et formelle. La premire porte sur l'organisation interne de l'agent
(fonctions et interrelations des composants). La seconde concerne les tats mentaux
manipuls par l'agent ainsi que leurs relations (croyances, connaissances, dsirs,
intentions, obligations et engagements).

Degr de dtail des connaissances de l'agent, [LABIDI et LEJOUAD, 1993],

50
Cette sous-section n'a pas pour but de proposer une revue exhaustive des modles
d'agents existants5. Nous souhaitons exposer les trois grandes classes de modles
d'agents afin de positionner notre proposition qui sera dtaille dans le Chapitre 5.

4.2.1 Agents ractifs


Les agents ractifs rpondent la loi de stimulus/action. Leurs comportements sont
rgis par une srie de rgles qu'ils mettent en uvre en rponse aux stimuli de
l'environnement. Ces agents ne possdent pas de reprsentation explicite de leur
environnement. De plus, ils ne disposent pas de mmoire ni de buts explicites et
utilisent un protocole et un langage de communication rduit. Les agents ractifs ne
possdent pas un comportement individuel intelligent, mais le comportement qui
merge de leurs interactions peut tre "intelligent". La simulation constitue un domaine
privilgi pour l'utilisation des systmes d'agents ractifs, [BOUSQUET et LE PAGE,
2001].

Les premiers travaux raliss selon cette approche s'apparentent l'architecture


Subsumption prsente dans [BROOKS, 1986]. Selon cette architecture, un agent dispose
d'un ensemble de comportements qui sont hirarchiss en fonction de leur complexit.
Ces comportements se situent entre la perception et l'action. Un comportement peut
inhiber toute action d'un comportement de niveau infrieur.
Au sein de l'approche Eco-Rsolution, [FERBER, 1989], les agents cherchent un tat de
satisfaction en ayant recours trois comportements (satisfaction, agression et fuite). Si
un agent gne un autre agent dans sa qute de satisfaction, il est agress, dclenchant
chez lui un dplacement dans l'environnement (fuite).
Dans le systme MANTA (Modeling an ANThill Activity), [DROGOUL, 1993], les agents
disposent de trois types d'oprations (perception, slection et activation) pour la
ralisation d'un ensemble de tches. Celles-ci sont caractrises par trois paramtres
(poids, seuil et niveau d'activation) qui voluent en fonction des stimuli de
l'environnement. Lorsqu'une tche est active, cela conduit l'agent raliser une
squence d'actions primitives sur l'environnement via ses effecteurs.
Dans [SAUTER et ah, 2002], les agents reprsentent des phromones synthtiques et des
vhicules robotiss. Les vhicules robotiss utilisent les phromones pour se dplacer
au cours de missions de combats.

La mtaphore de socits d'insectes est largement reprise pour dfinir les systmes
d'agents ractifs (exemple : l'thologie). Au sein de ces socits les activits des
individus sont coordonnes, sans pour cela faire intervenir de communications ou de
raisonnements complexes. Dans [BONABEAU et al, 1999], sont prsents de nombreux

5
Des revues dtailles sont proposes dans [NWANA, 1996], [MuLLER, 1998] et [BOISSIER, 2001].
modles qui s'inspirent des phnomnes de comportements de groupes issues des
socits d'insectes.

4.2.2 Agents Cognitifs

Les agents cognitifs disposent d'une reprsentation explicite de l'environnement et des


autres agents. Ils peuvent tenir compte de leurs passs et disposent de buts explicites.
Ces agents sont capables d'effectuer des oprations complexes et mettre en uvre des
modes de collaboration des fins de rsolutions de problmes.

Dans [ERCEAU et FERBER, 1991], les auteurs proposent la dfinition suivante : Les
systmes cognitifs comprennent un petit nombre d'agents, qui disposent d'une capacit
de raisonnement sur une base de connaissances, d'une aptitude traiter des
informations diverses lies au domaine d'application, et d'informations relatives la
gestion des interactions avec les autres agents et l'environnement.

L'architecture d'un agent cognitif est compose de mcanismes de prises de dcisions.


A partir de la reprsentation de son environnement, l'agent va mettre en uvre ces
mcanismes, bass sur le raisonnement, afin de dterminer les actions accomplir.
Nous dcrivons deux approches de conception d'architectures d'agents se basant sur la
notion d'tat mental, qui permet de prciser les mcanismes de dcisions adopts.

Les architectures BDI (Belief Dsire, Intention) caractrisent un agent au travers de ses
croyances, dsirs et intentions, [RAO and GEORGEFF, 1991a et 1991b]. Les croyances
(Belief) reprsentent ce que l'agent connat de l'environnement et des autres agents qui
existent dans le mme environnement. Les dsirs (Dsire) correspondent aux diffrents
tats vers lesquels l'agent peut vouloir transiter. Les intentions (Intention) reprsentent
les tats vers lesquels l'agent a choisi de s'engager. En fonction des informations
perues de l'environnement, l'agent rvise ses croyances, dfinit les diffrentes options
( partir de ses dsirs et de ses intentions courantes), filtre les options possibles et met
en uvre les actions poursuivre bases sur les intentions qui leurs sont associes.
Les principaux systmes qui s'appuient sur une architecture de type BDI sont : IRMA
(Intelligent Resource-bounded Machine Architecture) [BRATMAN, 1987] et [BRATMAN
et al, 1988], PRS (Procdural Reasoning System) [GEORGEFF and LANSKY, 1987] et
[GEORGEFF and INGRAND, 1989] suivi de dMARS (distributed Multi-Agent Reasoning
System) [D'iNVERNO et ai, 1997], COSY [BURMEISTER and SUNDERMEYER, 1992],
ADEPT [JENNINGS et al, 2000], et enfin RETSINA (Reusable Environment for Task-
StructuredIntelligent Networked Agents) [SYCARA et al, 2003].

52
Pour la conception d'agents cognitifs, SHOHAM propose un paradigme de
programmation appel Agent Oriente Programming (AOP), [SHOHAM, 1993]. Ce
paradigme se dcline en trois composants : (i) un langage formel avec une syntaxe et
une smantique pour dcrire les tats mentaux des agents, (ii) un langage de
programmation interprt pour programmer les agents, et, (iii) un processus
d'agentification pour traduire les applications en agents. Chaque agent est spcifi en
termes d'ensembles : (ii) de capacits, (ii) de croyances initiales, (iii) d'engagements
initiaux, et, (iv) de rgles d'engagements (comment l'agent agit). Chaque rgle
d'engagement est compose d'une condition de message, d'une condition d'tat mentale
et d'une action. Si le message reut par l'agent rempli les conditions d'une rgle
d'engagement, alors la rgle est dclenche et l'agent est engag dans l'action.

4.2.3 Agents Hybrides

L'approche de conception d'agents hybride tente de rpondre par l'intgration, la


diversification des activits qui sont ralises par un agent. Cette approche prconise la
dcomposition modulaire des comportements afin d'assurer une gestion plus efficiente
des ressources de l'agent. Un agent hybride est une architecture d'agent qui combine un
systme ractif un systme cognitif. Le systme ractif assure la ralisation des
activits de type rflexes en rponse aux stimuli de l'environnement. Ces activits ne
ncessitent pas la mise en uvre de raisonnements complexes. Le systme cognitif
assure la ralisation d'activits bases sur la planification et la dlibration, ncessitant
la mise en uvre de raisonnements complexes.

L'architecture InteRRaP {Intgration of Reactive Behavior and Rational Planning),


[MiiLLER, 1997], est compose d'une hirarchie de trois couches parallles. La premire
couche, Comportements, constitue la partie ractive de l'agent. Ce dernier ragit aux
modifications de l'environnement en fonction de rgles d'actions dfinies pour la
ralisation de tches routinires. La deuxime couche, Planification Locale, constitue la
partie cognitive de l'agent. Celle-ci permet la slection de plans gnriques orients vers
les buts. La troisime couche, Coopration, concerne planification cooprative pour la
modlisation et la gestion des interactions avec les autres agents (exemple : mise en
uvre de stratgies de ngociations). L'agent dispose d'une base de connaissance
hirarchique qui assure la manipulation des informations et la rvision ses croyances. Le
premier niveau de la base de connaissances, associ la couche Comportements,
concerne le modle du monde (croyances de l'agent sur l'environnement). Le deuxime
niveau, la couche Planification Locale, reprsente le modle mental de l'agent
(croyances dont il dispose sur lui-mme). Le troisime niveau, la couche Coopration,
s'intresse au modle social (croyances de l'agent sur les autres agents du SMA).
Parmi les autres architectures d'agents hybrides citons la Touring Machine, chaque
couche correspond un niveau d'abstraction [FERGUSON, 1992], qui s'inscrit comme
une architecture horizontale selon la classification propose dans [MLLER et al, 1995],
puisque les couches de raction, planification et modlisation, se situent entre la
perception et l'action. Le modle ASTRO, [OCCELLO, 2003], est un modle d'agent qui
dispose d'aspects ractifs et cognitifs afin de tenir compte des contraintes lies au
contexte de temps rel.

Les architectures hybrides s'avrent plus efficaces pour apprhender les capacits de
dcisions et d'actions des agents dans le temps lors de la phase de conception du SMA.
Cependant, il n'existe pas de vritable guide mthodologique pour guider la conception
d'applications utilisant de ce type d'architectures. Comme nous l'avons vu au cours de
cette sous-section, la conception d'agents constitue une problmatique importante dans
le domaine de recherche des SMA. De plus, les interactions entre agents influent sur les
architectures d'agents concevoir et exploiter. Les caractristiques et les proprits
lies au domaine d'application de notre travail de recherche, savoir les chanes
logistiques, vont nous confronter des choix relatifs aux architectures d'agents. Ces
choix sont dtaills au cours du Chapitre 5. La sous-section suivante est consacre la
description des interactions possibles entre agents.

4.3 Interactions entre agents

Les systmes multi-agents sont des systmes dans lesquels plusieurs entits cohabitent
travers un environnement commun. Cette cohabitation s'effectue selon une approche
concurrentielle ou selon une approche cooprative (dlgation de tches, atteinte d'un
but commun, partage de ressources, etc.). La problmatique qui porte sur la coopration
tente de rpondre aux interrogations suivantes : qui fait quoi, quand, o, comment, avec
quelles ressources, sous quelles conditions, et avec qui.

Les interactions entre agents peuvent tre orients par les buts (compatibles ou
incompatibles), les ressources (conflictuelles ou non) ou les capacits des agents
(suffisantes ou insuffisantes), [FERBER, 1995]. Pour l'auteur, l'interaction se dfinie de
la manire suivante : Une interaction est la mise en relation dynamique de deux ou
plusieurs agents par le biais d'un ensemble d'actions rciproques, c'est un lment
ncessaire la constitution d'organisations.

Les relations que les diverses formes d'interactions engendrent, peuvent donner lieu
des situations de natures multiples (collaboration, conflit, comptition, coordination,
ngociation, dpendance, etc.). Ces diffrentes formes d'interactions sont prsentes de

54
manire dtaille dans [BOND and GASSER, 1988], [O'HARE and JENNINGS, 1996] et,
[WEISS, 1999]. Les agents peuvent interagir soit directement, d'agent agent, soit
indirectement par modification de leur environnement. L'objectif de cette sous-section
est d'introduire les principales interactions entre agents dans les SMA. La
communication est ncessaire toute interaction entre agents cognitifs. La
communication (par envoi de messages) permet de dvelopper diffrents types
d'interactions dans des contextes conflictuels ou non : de la coordination, la
collaboration, la coopration la ngociation.

4.3.1 Communication
Au niveau de la communication dans les systmes multi-agents deux modes se
distinguent : la communication indirecte via l'environnement et la communication
directe, [KONING et PESTY, 2001]. Dans la communication indirecte, au niveau des
agents ractif, des signaux placs dans l'environnement sont dtects et interprts par
les agents (exemple : les phromones pour les fourmis). Au cours de cette partie nous
focalisons plus particulirement sur les communications directes par changes de
messages entre agents cognitifs.

La communication permet aux agents d'changer des donnes, des informations et des
connaissances afin qu'ils puissent se coordonner pour la ralisation de leurs activits.
Ce mode d'interaction forme l'un des aspects fondamental dans la dfinition de la
proprit de sociabilit. L'une des caractristiques sociales d'un agent repose sur son
aptitude interagir avec d'autres agents. La communication par changes de messages
entre agents facilite la coordination de leurs actions et s'inscrit dans la dfinition de
l'organisation sociale, [CHAIB-DRAA et ai, 2001].

L'envoi, la rception et l'interprtation des messages ncessitent le recours des


langages de communication. Ces langages vont permettre de supporter la
communication entre les agents. Il existe deux principaux langages de communication
qui ont tous deux pour origine la thorie des actes de langage propose dans [SEARLE,
1969]. Ces langages sont :

K.QML {Knowledge Query Manipulation Language) dvelopp en 1993 par le


consortium DARPA-KSE (Knowledge Sharing Effort), [FININ et al, 1994].

ACL (Agent Communication Language) propos en 1997 par la FIPA


(Foundation for Intelligent Physical Agents), [FIPA, 1997].

55
Ces langages reposent sur la dfinition de performatives (KQML) ou actes de
communication (ACL) dont renonciation constitue l'expression d'un acte
(accomplissement d'une action). KQML et ACL se distinguent au niveau de la
smantique des actes du langage utiliss. En effet, le langage ACL fortement inspir des
travaux de KQML, propose un langage auquel s'ajoute la dfinition de protocoles
d'interactions, [KONING et PESTY, 2001], dont la smantique est base sur ARCOL
[SADEK, tal. 1997].

Les protocoles forment l'ossature des modes d'interaction entre les agents, et de plus,
assurent une cohrence dans l'change des messages. La FIPA propose de nombreux
protocoles dont notamment le protocole Contract-Net [FIPA, 2002], prsent dans
[SMITH, 1980]. Ce protocole permet de spcifier les interactions en prcisant la nature
des actes de communication, le rle des agents et l'enchanement des messages.
L'utilisation des actions de communication constitue un lment clef dans la mise en
uvre d'un processus de coordination entre agents.

4.3.2 Coordination

Un systme multi-agents est un systme distribu au sein duquel il n'existe


gnralement pas de contrle centralis ni de point de vue global. Les agents agissent de
manire autonome mais ne disposent pas localement de toutes les comptences,
ressources ou informations requises pour assurer la cohrence des actions communes
dans le systme multi-agents, [JENNINGS, 1996]. La nature distribue du contrle, des
donnes, des connaissances associes la nature dynamique de l'environnement, gnre
un degr d'incertitude lev dans la prise de dcisions et la ralisation d'actions par les
agents, [DURFEE, 2001]. Cette incertitude est principalement due la vision partielle des
agents sur le systme, l'htrognit des objectifs individuels, l'utilisation de
ressources partages ou rares et l'interfrence d'actions. Par consquent, les
comportements collectifs produits par les interactions entre les agents ncessitent la
dfinition de processus de coordination adapts. Ces processus vont permettre
d'atteindre une cohrence globale du systme rsultant des actions individuelles, [BOND
W G A S S E R , 1988].

Dans [FERBER, 1995], l'auteur propose la dfinition suivante pour la coordination : La


coordination des actions, dans le cadre de la coopration, peut donc tre dfinie comme
l'articulation des actions individuelles accomplies par chacun des agents de manire
ce que l'ensemble aboutisse un tout cohrent et performant. Il s'agit ainsi de disposer
dans l'espace et le temps les comportements des agents de telle manire que l'action du
groupe soit amliore soit par une augmentation des performances, soit par une

56
diminution des conflits. La coordination des actions est donc l'une des principales
mthodes pour assurer la coopration entre agents autonomes.

En vue d'atteindre un but commun, les agents sont amens coordonner leurs actions et
leurs ressources afin d'viter tout conflit dans l'accomplissement de leurs tches. Dans
la littrature, de nombreuses approches sont proposes pour coordonner les actions ou
les buts des agents. Une revue dtaille de ces approches et des travaux de coordination
par planification dans les systmes multi-agents est propose dans [EL FALLAH-
SEGHROUCHNI, 2001]. Par la suite nous prsentons les travaux majeurs qui reposent sur
les mcanismes d'allocations de tches, de planification et de ngociations.

Allocation de tches

Dans le cadre de l'allocation de tches centralise, un agent dcompose un problme en


sous-problmes et alloue les tches ncessaires sa rsolution aux diffrents agents.
Pour l'allocation de tches dcentralise, chaque agent dispose de capacits pour
dcomposer un problme en sous-problmes et rpartir les tches associes auprs de
diffrents agents. Le protocole du rseau contractuel, Contracts Net [SMITH, 1980],
permet d'effectuer une allocation distribue et dynamique des tches. Un agent offreur
dcompose les tches en sous-tches et met un appel d'offres auprs des autres agents.
Les agents valuent l'offre et soumettent une proposition selon leurs intrts. L'offreur
examine les propositions et slectionne un candidat pour l'attribution de la tche.

Planification

La coordination par planification multi-agents permet de confronter les plans gnrs


par les agents afin de dtecter les ventuels conflits. GEORGEFF propose une approche
dans laquelle un agent centralise les plans des autres agents, [GEORGEFF, 1983].
L'ensemble des agents communique leurs plans auprs d'un agent qui est en charge de
les synchroniser. Cette opration consiste dtecter les conflits ventuels afin de les
rsoudre par l'envoi de messages de synchronisation.

Afin de prendre en considration la dynamique de l'environnement, DURFEE et LESSER


proposent un modle de coordination appel PGP {Partial Global Planning), [DURFEE
and LESSER, 1988 et 1989]. Dans ce modle, chaque agent construit une reprsentation
des actions et des interactions d'un groupe d'agents. Sur la base de raisonnements, les
agents utilisent cette reprsentation (PGP) afin de dterminer comment les actions et les
interactions du groupe d'agents peuvent affecter leurs activits.

57
En vue d'apprhender la dynamique de l'environnement, JENNINGS propose une
approche de coordination par planification base sur les engagements et les conventions,
[JENNINGS, 1993 et 1996]. L'engagement est gnralement tudi dans la perspective
d'actions ponctuelles que les agents s'engagent raliser si les circonstances restent
inchanges. La convention dcrit les circonstances selon lesquelles un agent doit
reconsidrer ses engagements et indiquer la direction approprie des actions pour
retenir, rectifier ou abandonner ses engagements. Cette approche est utilise dans
[CLOUTIER, 1999], pour la coordination d'agents bass sur la thorie des contrats.

Ngociation

La coordination repose sur l'organisation dans l'espace et dans le temps des actions des
agents. Cette organisation doit favoriser l'obtention d'un comportement du systme
multi-agents cohrent favorisant la synergie des agents pour l'atteinte de leurs objectifs
individuels. Cependant, certaines situations peuvent s'avrer gnratrices de conflits.
Afin de limiter leurs effets, de nombreuses techniques de ngociations pour la
coordination dans les systmes multi-agents sont proposes dans la littrature,
[JENNINGS et al, 2001]. Ces techniques de rsolution de conflits sont issues de
diffrents domaines de recherche (thorie de la dcision, conomie, etc.).

La thorie des jeux est utilise pour la recherche de compromis entre agents pour le
partage de tches ou la rsolution de conflits. Un agent rationnel cherche maximiser
ses intrts individuels reprsents sous la forme de fonctions d'utilit. La ngociation,
modlise sous forme de jeu, consiste trouver une solution qui convienne l'ensemble
des joueurs sans pour cela en dsavantager un, [ROSEINSCHEIN and ZLOTKIN, 1994].

La vente aux enchres offre des protocoles de ngociation dans lesquels un vendeur
souhaite maximiser son profit et les acheteurs souhaitent minimiser leurs cots.
Plusieurs processus d'enchres sont proposs dans la littrature (Anglaise, Hollandaise,
etc.). De nombreuses autres approches s'appuient sur la ngociation pour coordonner les
agents (le vote, la formation de coalition, etc.), [SANDHOLM, 1999].

Les interactions entre les agents constituent un point essentiel dans la construction des
systmes multi-agents. La coordination constitue une problmatique centrale dans les
systmes multi-agents et dans l'tude des chanes logistiques. La coordination apparat
comme tant un lment caractristique d'amlioration des performances de la chane
logistique. Ces aspects seront abords au cours du chapitre suivant.

5H
4.3.3 L'mergence et l'auto-organisation

L'mergence et l'auto-organisation sont deux notions fondamentales qui reposent sur la


notion d'interaction, pour la modlisation de phnomnes du monde rel selon
l'approche multi-agents. Chacune d'elles ncessitant un niveau de proccupation macro
(comportement global du systme modlis) pour la spcification systme multi-agents,
et un niveau micro (comportement individuel des individus du systme) pour la
conception du systme multi-agents.

Les phnomnes mergents rsultent des interactions entre entits individuelles ainsi
que des interactions existantes entre les entits individuelles et leur environnement. Le
comportement du systme est imprdictible partir de l'analyse du comportement des
individus qui le composent. Ceci signifie que les descriptions ralises un niveau
macro ne rsultent pas d'une simple composition de proprits individuelles dfinies au
niveau micro, [MLLER, 2002]. Dans un systme multi-agents le comportement global
du systme modlis merge des interactions qui se produisent entre les agents et leur
environnement.

Une seconde notion importante dans les systmes multi-agents est la notion d'auto-
organisation dont une dfinition est propose dans [GLEIZES, 2004] : L'auto-
organisation fait rfrence un processus au cours duquel la structure du systme
apparat souvent sans une contrainte explicite qui provient de l'extrieur du systme.
Ainsi, l'auto-organisation peut se dfinir comme tant l'aptitude d'un systme se
structurer, s'organiser lui-mme sans tre dirige par une source extrieure. Dans un
systme multi-agents, les interactions des agents entre eux et avec leur environnement,
selon un niveau micro, vont faire apparatre des structures au niveau de l'organisation
multi-agents (niveau macro).

Par la suite nous allons nous intresser aux mthodologies de conception de systmes
multi-agents relevant du niveau macro et du niveau micro.

4.4 Mthodologies de conception

De nombreuses mthodologies d'analyse et de conception de systmes multi-agents


s'inspirent de mthodologies de modlisation existantes (issues de l'ingnierie des
connaissances ou Orientes Objets). Les mthodologies orientes agents tendent les
mthodologies existantes afin d'assurer une prise en compte explicite des concepts qui
entourent le paradigme agent pour la construction d'agents et de systmes multi-agents,
[IGLESIAS et al, 1998].
Paralllement, la maturit du paradigme agent a favoris le dveloppement de
mthodologies directement centres sur les agents. Celles-ci offrent une prise en compte
explicite des rles, des comportements autonomes, des interactions et de l'organisation
sociale, [WOOLDRIDGE and CIANCARINI, 2000]. La Figure 6 prsente une classification
de travaux significatifs dvelopps dans le champ de recherche du Gnie Logiciel Agent
ou AOSE (Agent-OrientedSoftware Engineering), source [ALONSO et al, 2004],

Mthodologies orientes agents

I
Mthodologies centres Mthodologies issues des Mthodologies issues de
sur les Agents mthodologies orientes Objets l'ingnierie des connaissances
1
Prometheus (2003) ODAC (2003) MAS-CommonKADS (1999)
Trapos (2003) MaSE(2001) CoMoMas(1997)
SODA (2001) MASSIVE (2001)
Styx(2001) DESIRE (1997)
Gaia (2000) AAII (1996)
HLIM (1999) AOEMEM (1996)
Cassiopea(1995) AOAD (1996)
MASBJ1994)

Figure 6 LES MTHODOLOGIES ORIENTES AGENTS

Cette sous-section a pour objectif de prsenter un chantillon des principales


mthodologies orientes agents issues de l'ingnierie des connaissances, issues des
mthodologies orientes objets et centres sur les agents6.

4.4.1 Mthodologies issues de l'ingnierie des connaissances


Les mthodologies orientes agents bases sur l'ingnierie des connaissances
s'intressent la manipulation et la modlisation de la connaissance dans les modles
d'agents et dans le systme multi-agents. Ces mthodologies s'inspirent gnralement
de la mthodologie CommonKADS, [SCHREIBER et al, 1997], issue de l'ingnierie des
systmes base de connaissances. Au cours de cette partie nous prsentons les deux
principales mthodologies orientes agents qui reposent sur une extension de la
mthodologie CommonKADS : MAS-CommonKADS et CoMoMAS.

La mthodologie MAS-CommonKADS, [IGLESIAS et al, 1996], se concentre sur la


modlisation de systmes multi-agents. Elle s'appuie pour cela sur la mthodologie
CommonKADS, et de plus, intgre des mthodologies orientes objets ainsi que des
techniques de description de protocoles. Ces extensions ont pour objectifs de prciser la
modlisation des agents et de leurs interactions dans un contexte multi-agents. Une
illustration de cette mthodologie est propose dans [IGLESIAS et al, 1997].

6
Des revues de littrature sur ces mthodologies sont proposes dans [TVEIT, 2001], [WEISS, 2002],
[DAM W WINIKOFF, 2003] et [PICARD, 2004].

60
La premire phase concerne la conceptualisation, par l'utilisateur, des besoins et du
systme. Pour cela, les cas d'utilisation (use cases) de la mthodologie de gnie logiciel
oriente Objets OOSE (Object Oriente! Software Engineering) [JACOBSON et al, 1992],
sont utiliss, et les interactions entre les cas d'utilisation sont reprsentes l'aide de
diagrammes de squences de messages MSC (Message Squence Charts) [RUDOLPH et
al, 1996]. Les phases d'analyse et de conception du systme multi-agents reposent sur
la conception des modles suivants :

Modle d'Agent (Agent model): dcrit les capacits et les caractristiques des
agents (raisonnements, connaissances, buts, services, etc.).
Modle de tche (Task model): dcrit les tches pouvant tre ralises par les
agents (les buts) ainsi que la dcomposition des tches et les mthodes de
rsolution de problmes.
Modle d'Expertise (Expertise model): dcrit les connaissances des agents pour
la ralisation de tches. La modlisation des connaissances est base sur
l'utilisation de KADS.
Modle de Coordination (Coordination model): dcrit les interactions entre
agents et les capacits conversationnelles. La modlisation des interactions est
obtenue par l'utilisation d'un langage SDL (Spcification and Description
Language) [TURNER, 1993], et MSC.
Modle d'Organisation (Organisation model): dcrit l'organisation du systme
multi-agents. La modlisation de l'organisation repose sur l'extension du
modle objet de la mthodologie OMT (Object Modeling Technique)
[RUMBAUGHe/a/., 1991.
Modle de Communication (Communication model): dcrit les interactions
entre les utilisateurs et les agents pour le dveloppement d'interfaces adaptes.
Modle de Conception (Design model): dcrit le systme multi-agents sur la
base des modles prcdents et se dcompose selon les modles suivants : (i)
Conception du Rseau (Network design) ou dploiement de l'infrastructure du
rseau d'agents, (ii) Conception d'Agent (Agent design) concerne les choix des
architectures d'agents, et, (iii) Conception de Plateforme (Platform design) qui
concerne la slection des plateformes de dveloppement d'agents pour chaque
type d'architecture d'agent.

GLASER propose la mthodologie CoMoMAS pour le dveloppement de systmes


multi-agents, [GLASER, 1996]. Cette mthodologie s'appuie sur l'analyse du systme
selon diffrents points de vue : analyse des besoins, analyse fonctionnelle, analyse des
comptences, analyse sociale et analyse des modes de coopration. Les modles
d'agents constituent les principaux modles rsultants de la mthodologie CoMoMAS.
Les comptences de planification et de raisonnement ainsi que les connaissances

61
ractives et coopratives, servent la dfinition du modle d'agent. Le dveloppement
du systme multi-agents est ax sur la reprsentation d'entits inter-agissantes (agents
logiciels et agents utilisateurs) qui disposent de diffrents types de connaissances.

Les mthodologies prsentes, pour la conception de systmes multi-agents, sont issues


de la modlisation des systmes bases de connaissances. Ce processus de description,
essentiellement fond sur la modlisation des connaissances des agents, ne permet pas
au concepteur d'exprimer les connaissances au niveau collectif. Ainsi, certaines
proprits ou caractristiques du domaine d'application sont peu ou pas prises en
compte durant la phase de modlisation.

4.4.2 Mthodologies issues des mthodologies orientes Objets


Certaines mthodologies orientes agents proposent des extensions des mthodologies
orientes objets afin d'apprhender les concepts du paradigme agent. Les mthodologies
orientes objets servent de rfrence pour l'analyse et la conception des systmes multi-
agents et sont adaptes aux contraintes de dveloppement de systmes multi-agents. Au
cours de cette partie nous prsentons deux mthodologies orientes agents qui tendent
des mthodologies orientes objets : AOEM et MaSE.

La mthodologie AOEM ou AOMEM pour Agent Oriented methodology for Enterprise


Modelling, [KENDALL et al, 1996], combine des mthodologies orientes objets
l'approche de modlisation fonctionnelle IDEF {Intgration DEfinition for Function
modelling) ainsi qu' la dmarche de modlisation d'entreprises CIMOSA {Computer
Integrated Manufacturing Open System Architecture), [VERNADAT, 1999].

Dans un premier temps, il s'agit d'identifier et de dcrire les fonctions du systme par la
conception de diagrammes IDEFO (dcomposition hirarchique et fonctionnelle). La
deuxime tape consiste transformer les diagrammes IDEFO en utilisant la notation
des cas d'utilisation {use cases de la mthodologie OOSE). Ensuite, les modles
dynamiques de la mthodologie OMT sont utiliss pour dcrire les interactions entre les
cas d'utilisation et entre les acteurs et les cas d'utilisation. La troisime tape porte sur
la conception du systme orient agents. Les agents reprsentent les acteurs des cas
d'utilisation et sont dfinis selon des architectures BDI.

La mthodologie MaSE {Multiagent Systems Engineering), [DELOACH et ai, 2001],


propose d'assister les phases de dveloppement et de dploiement de systmes multi-
agents. Cette mthodologie offre un guide de conception de la phase de spcification
jusqu' son implmentation. Elle est compose de deux phases principales : analyse
{Identifier les buts, Appliquer les cas d'utilisation et Perfectionner les rles) et

62
conception (Crer les classes d'agent, Construire les conversations, Assembler les
classes d'agent et Concevoir le systme). Les tapes associes cette mthodologie sont
les suivantes :

Identifier les buts (Capturing Goals): identifie les buts du systme afin de les
structurer et de les reprsenter sous la forme d'une hirarchie.
Appliquer les cas d'utilisation (Applying Use Cases): identifie les rles et leurs
interactions selon deux sous-tapes : Cas d'utilisation et Diagrammes de
squence. Les cas d'utilisation dfinissent le comportement gnral du systme,
ses fonctionnalits, son environnement (utilisateurs et acteurs) et les rles du
systme. Les diagrammes de squence reprsentent les messages changs entre
les rles.
Perfectionner les rles (Refining Rles): identifie la dcomposition
fonctionnelle du systme selon deux sous-tapes : Rles et Tches Concurrentes
(Rles et Conurent Tasks). Chaque rle correspond au moins un but dont il
est responsable de l'accomplissement, auquel s'ajoute un ensemble de tches
correspondantes. Lors de la cration des modles de rles, les interactions entre
les rles sont dfinies en connectant les tches entre elles. Le modle de Tches
Concurrentes permet de reprsenter, l'aide d'automates tats finis, les tches
ralises par les rles pour l'accomplissement de leurs buts respectifs.
Crer les classes d'agent (Creating Agent Classes): identifie le systme multi-
agents par la description des architectures d'agents et de leurs liens
conversationnels. Une classe d'agent prcise les rles qui lui sont assigns.
Construire les conversations (Constructing Conversations): permet de dfinir
les protocoles de coordination entre deux agents. Il s'agit de dtailler, l'aide
d'automates tats finis, les comportements des agents durant la conversation.
Assembler les classes d'agent (Assembling Agent Classes): spcifier
l'architecture interne des agents.
Concevoir le systme (System Design): spcifier la distribution des agents selon
l'architecture physique du systme.

La mthodologie MaSE s'appuie sur les principes issus du Gnie Logiciel pour la
conception de systmes multi-agents. Elle s'inspire fortement des diagrammes proposs
dans UML (UnifiedModelingLanguage) [BOOCH tal, 2000],

La mthodologie AOEM permet d'identifier les agents partir des diagrammes IDEFO.
Cependant, ces diagrammes ne permettent pas de modliser explicitement les processus
de prise de dcisions. Au niveau de la mthodologie MaSE, l'identification des agents
repose sur la notion de rles. Cette approche permet ainsi d'exprimer les comportements
des agents sur la base de la responsabilit des tches qu'ils doivent raliser pour
l'accomplissement de leurs buts. Cependant, lors de l'tape Reflning Rles, il n'est pas
prcis les critres permettant d'associer plusieurs buts un rle. De plus, aucune
prcision n'est apporte en ce qui concerne l'organisation multi-agents, tant au niveau
conceptuel qu'au niveau de son oprationnalisation.

4.4.3 Mthodologies centres sur les Agents


Les mthodologies centres sur les agents sont caractrises par la prise en compte des
concepts du paradigme agent. Les proprits telles que l'autonomie, la ractivit, la pro-
activit et la sociabilit sont explicitement considres lors des phases d'abstraction du
systme tudi. Ainsi, la structure de l'organisation multi-agents est spcifie ds la
phase d'analyse du systme. Il s'agit pour ces mthodologies d'intgrer, au niveau de la
phase d'analyse et de conception, des notions qui ne sont pas explicitement dfinies
dans les approches bases sur les mthodologies orientes Objets. Cette partie est
consacre la prsentation des deux mthodologies suivantes : Gaia et DACS.

La mthodologie Gaia, [WOOLDRIDGE et al., 2000], s'intresse l'analyse et la


conception de systmes multi-agents. Elle s'appuie pour cela sur une description de
niveau micro (structure de l'agent) et de niveau macro (socit d'agents). Les agents
sont identifis partir des notions de rles et de responsabilits. Chaque rle est
compos de quatre attributs : responsabilits, permissions, activits et protocoles. Les
responsabilits dfinissent ce que l'agent est suppos faire. Les permissions dfinissent
les ressources qu'un rle peut utiliser. Les activits reprsentent les tches qu'un rle
peut raliser sans interaction avec d'autres rles. Les protocoles dfinissent comment les
agents interagissent afin de remplir leurs rles. Cette mthodologie repose sur la
conception des six modles suivants :

Modle de Rle (Rle Model): identifie les diffrents rles que joueront les
diffrents agents prsents dans le systme. Les rles sont dfinis en fonction des
attributs prsents prcdemment.
Modle d'Interaction (Interaction Model): identifie les protocoles de
communication entre les rles.
Modle d'Agent (Agent Model): identifie les agents du systme en les associant
aux diffrents rles.
Modle de Service (Service Model): identifie les services associs avec chaque
rle et spcifie les proprits de ces services (exemple : les pr-conditions).
Modle d'Accointance (Acquaintance Model): identifie la structure de
l'organisation multi-agents en dfinissant les liens de communication entre les
agents.

64
Une extension de la mthodologie Gaia est propose dans [ZAMBONELLI et ai, 2003]
afin d'intgrer deux niveaux d'abstractions organisationnels : rgles organisationnelles
et structures organisationnelles {organisational rules et organisational structures). Les
rgles organisationnelles expriment, lors de la phase d'analyse, les rgles sociales sous
la forme de contraintes pour l'excution des protocoles et des activits lies aux rles.
Les structures organisationnelles servent dfinir, au niveau de la phase de conception,
la topologie du systme agents capable de mettre en application les rgles
organisationnelles dfinies lors de la phase d'analyse.

La mthodologie Gaia ne propose pas de critres explicites pour l'identification des


rles, aussi bien au niveau individuel qu'au niveau social. De plus, il n'est pas prcis la
manire d'associer les processus de dcisions aux rles et aux agents. Dans le cadre des
chanes logistiques, les rles des entreprises ou encore les fonctions de l'entreprise
dfissent les responsabilits qui leur incombent au niveau du pilotage des flux
physiques.

La mthodologie DACS (Designing Agent-based production Control System),


[BUSSMANN et al, 2004], est oriente vers le dveloppement de systmes multi-agents
pour le contrle de systmes de production. Elle s'appuie pour cela sur l'identification
des agents et sur la conception des interactions qui les unissent. En outre, elle est
oriente vers les concepteurs de systmes industriels qui ne disposent pas
ncessairement de connaissances spcifiques dans le domaine des systmes multi-
agents. Cette mthodologie est compose des trois tapes suivantes :

Analyse des processus dcisionnels (Analysis of dcision making): identifie les


dcisions qui interviennent pour le contrle d'un systme de production. Il
s'agit, l'issue de cette tape, d'obtenir un modle de dcisions au sein duquel
sont reportes : les tches dcisionnelles, ainsi que les dpendances entre
dcisions qui requirent des interactions.
Identification des agents (Identification of agents): identifie l'architecture du
systme multi-agents. Il s'agit de grouper les tches dcisionnelles en fonction
de diffrents critres, et ensuite affecter un agent par groupe de dcisions
identifi. Au cours de cette tape sont dfinis : les agents, les dcisions dont ils
assurent la responsabilit, ainsi que les besoins d'interactions par agent.
Slection des protocoles d'interaction (Slection of interaction protocols):
identifie, partir d'une librairie existante, les protocoles adapts aux situations
d'interactions. Ces protocoles sont par la suite adapts aux situations courantes.

L'application de la mthodologie DACS permet d'identifier, sur la base de critres


dcisionnels, les agents ainsi que leurs responsabilits. Les interactions entre les

65
dcisions vont dfinir l'architecture du systme multi-agents. Cette mthodologie a t
applique au sein de la socit DaimlerChrysler pour le contrle d'une unit
d'assemblage de tableaux de bord. La mthodologie DACS n'adresse aucune
recommandation sur le choix d'architecture d'agent. De plus, cette mthodologie ne
repose pas sur une modlisation de domaine (systme de production) pour la conception
du systme multi-agents. Enfin, les considrations d'oprationnalisation du modle
multi-agents sont cartes du cadre mthodologique.

La classification propose par [ALONSO et al, 2004] la Figure 6, s'intresse aux


mthodologies orientes agents proposes dans la littrature. Cependant, cette
classification n'incorpore pas la mthodologie ADELFE et ne considre pas les
environnements de programmation consacrs la conception de modles de simulation
multi-agents.

ADELFE est une mthodologie oriente agent ddie la construction de systmes


multi-agents auto-organisateurs, [BERNON et al, 2001]. ADELFE est structure selon
deux phases principales : l'analyse et la conception. La phase d'analyse est compose de
trois tapes qui servent : (i) dcrire l'utilisation du systme au travers d'une tape
d'expression des besoins, (ii) identifier les entits du systme, et, (iii) identifier les
agents adaptatifs. La phase de conception s'intresse dfinir le comportement des
agents et de l'environnement. Le comportement d'un agent est dcrit par sept modules
qui relvent de la communication, des croyances, des comptences et des habilits
sociales.

Au niveau de ces environnements nous pouvons notamment cit la plate-forme Cormas


ddie la conception de modles pour la simulation multi-agents, [LE PAGE et al,
2000]. Cormas7 est compose de trois modules permettant : (i) de modliser les entits
du systme ainsi que leurs interactions, (ii) de contrler la dynamique du systme multi-
agents, et (iii), d'observer la simulation selon diffrents points de vue. Cette plate-forme
s'inscrit particulirement dans le domaine de la gestion des ressources renouvelables.

4.5 Synthse

De nombreux travaux de recherche sur les systmes multi-agents s'intressent


l'organisation d'une socit d'entits autonomes : les agents. En gnral, un agent ne
possde pas toutes les capacits ou ressources ncessaires pour la rsolution de
problmes ou la ralisation de tches. Il s'agit alors d'tudier les phnomnes plus
globaux rsultant des interactions entre agents et permettre une rsolution distribue de

7
http://cormas.cirad.fr

66
problmes. Les capacits d'action, de raisonnement, de communication, sont
gnralement dfinies en fonction des modles d'agents. Deux grandes approches,
ractives et cognitives, sont traditionnellement distingues.

Les mthodologies orientes agents s'intressent des problmes de conception de


systmes multi-agents relatifs : l'identification des agents, la spcification des
capacits de raisonnement, l'organisation du systme multi-agents et la reprsentation
des interactions entre agents. Elles ont pour objectifs de guider le concepteur dans les
phases d'analyse et de conception de systmes multi-agents.

Dans la majorit des mthodologies, la phase amont de spcification des besoins est
gnralement oriente vers la conception du systme multi-agents. De plus, peu de
mthodologies intgrent une phase aval d'implmentation ou d'oprationnalisation des
modles agents rsultants. Au sein de certaines mthodologies comme ADELPHE ou
encore TROPOS, [GlUNCHlGLiA et al, 2001], une tape dtaille est consacre
l'analyse et la spcification des besoins, intgrant de plus des prconisations
d'implmentation. Cependant, la majorit des mthodologies prsentes proposent un
guide de conception dtach du domaine du systme modlis. Ainsi, certaines
proprits du domaine d'application ne sont pas retenues lors de la phase d'analyse des
besoins ou de spcification du systme tudi. Cet enjeu de gnricit peut s'avrer
restrictif lorsque le systme tudi dispose de proprits qu'il est ncessaire d'exprimer
au niveau des agents et de l'organisation multi-agents.

5 La modlisation et la simulation orientes


agents de chanes logistiques

Un intrt majeur de la modlisation oriente agents est qu'elle permet en gnral une
simulation autorisant une tude de la dynamique du systme considr. La
reprsentation du systme, qu'il soit physique, biologique, conomique ou encore
social, peut s'appuyer sur diffrentes approches de modlisation. L'approche de
modlisation oriente agents permet de reprsenter le systme travers l'identification
et la spcification du comportement des individus en interactions qui le composent. Ces
individus peuvent voluer et agir sans contrle ni intervention extrieure (autonomie),
peuvent percevoir leurs environnements et rpondre ces modifications (ractivit),
initier des comportements dirigs par des buts internes (pro-activit), et interagir avec
d'autres individus (habilit sociale).

67
Dans cette section, nous montrons tout d'abord pourquoi les agents sont
particulirement adapts pour modliser et simuler les comportements des chanes
logistiques. Ensuite, diffrents travaux de modlisation et de simulation sont prsents.
Ces travaux s'intressent des problmatiques telles que la conception, l'tude et
l'valuation de l'impact de diffrentes stratgies et politiques de gestion.

5.1 Intrts de l'approche agent

Les proprits qui caractrisent les systmes multi-agents apparaissent particulirement


adapts pour la modlisation et la simulation des systmes distribus et dynamiques.
Les proprits des agents sont adaptes pour la reprsentation et l'tude
comportementale des entits qui constituent les chanes logistiques.

La dfinition de telles tudes doit permettre aux organisations ou entreprises d'valuer


les risques encourus ou les bnfices envisags qui sont associs aux multiples prises de
dcisions. Ces organisations disposent d'objectifs, de contraintes et de configurations
diffrentes (organisationnelles, dcisionnelles, etc.). Cependant, ces organisations sont
interdpendantes quant l'amlioration des performances globales du systme.

5.1.1 Modlisation oriente agents


Les modles individus centrs, ou Individual Based Models, s'intressent l'tude des
interactions entre entits lmentaires et de leurs organisations. Ces modles reposent
sur une approche de modlisation qui est largement reprise dans la communaut des
systmes multi-agents. La modlisation oriente agents, ou Agent Based Modeling,
s'intresse la reprsentation des comportements des entits du systme et de leurs
interactions. L'utilisation des systmes multi-agents pour modliser les systmes
dynamiques complexes conduit des modles plus ralistes que ceux obtenus par des
approches de modlisation plus conventionnelles, [PARUNAK, 1996].

Les agents autonomes sont adapts pour l'tude de problmatiques issues de systmes
dcentraliss, dynamiques et modulaires. L'approche agent offre la possibilit de
concevoir plus facilement des modles proches des systmes physiques tudis. En
effet, l'association agent / entit permet de reprsenter de faon plus raliste une srie
d'entits et de processus dcisionnels. Ce mode de reprsentation permet d'apprhender
le systme comme une organisation d'entits en interactions, au sein de laquelle la
connaissance et la prise de dcisions sont dcentralises. Ceci repose principalement sur
la modularit de reprsentation des comportements. De plus, les rponses apportes par
les entits face aux changements, par ractivit ou par pro-activit, permettent de
prendre en compte la nature dynamique du systme. Enfin, cette approche favorise
l'volutivit du systme par sa reconfiguration qui s'effectue sans remettre en cause la
totalit du systme.

PARUNAK et al. opposent deux approches de modlisation pour l'tude et l'observation


comportementale des systmes face leurs dynamiques : la modlisation orientes
quations et la modlisation orientes agents, [PARUNAK et al, 1998]. Ces deux
approches de modlisation reposent sur la description de deux types d'entits, les
individus et les observables, illustrs la Figure 7.

Comportements quations

Individus * Observables

Figure 7 ENTITS DE MODLISATION ORIENTES QUATIONS ET AGENTS

Les individus sont des entits distinctes qui ralisent des actions au travers d'un
comportement dfini l'intrieur de rgions actives. Les individus sont caractriss par
des observables dont ils transforment les valeurs par leurs actions.

Les observables sont des caractristiques mesurables (quantifiables) des individus. Les
observables sont rattachs l'un l'autre par des quations. Ils servent prdire le
comportement du systme global travers le temps.

La modlisation oriente quations, ou EBM pour Equation-Based Modeling, exprime


les relations existantes entre les observables par un ensemble d'quations. Le modle est
constitu d'un ensemble d'quations et l'excution du modle consiste les valuer.
Ceci produit l'volution des observables dans le temps. L'unit lmentaire du modle,
l'quation, rsulte du comportement des individus, mais ne le reprsente pas
explicitement. Cette mthode s'excute partir d'quations qui sont values, ce qui
permet aux systmes EBM de renvoyer un rsultat global comprenant le comportement
de tous les individus sans distinction. Le modle est simul partir de sa construction et
de son excution.

La modlisation oriente agents, ou ABM pour Agent-Based Modeling, est base sur la
conception de modles qui sont constitus d'un ensemble d'agents. Ces agents
encapsulent les comportements de chaque individu afin de construire un systme.
L'excution du modle consiste simuler ses comportements par lesquels les individus
interagissent librement. La tendance des ABM est de dfinir les comportements en
termes d'observables accessibles par les individus. Le comportement d'un individu peut

69
dpendre d'observables gnrs par d'autres individus. Cette mthode permet de
rcuprer les rsultats des comportements de chaque individu.

La nature distribue de l'organisation, l'aspect dynamique des interactions, la prise de


dcisions distribue, sont autant de proprits qui rendent "naturelle" l'approche agent
pour la modlisation de chanes logistiques. La modlisation oriente agents est
particulirement adapte pour la reprsentation d'organisations qui disposent de
structures modulaires o la prise de dcision est distribue et l'environnement est
fortement dynamique.

5.1.2 Simulation par systmes multi-agents


Les proprits des systmes multi-agents favorisent la conduite de simulations bases
sur des entits autonomes afin d'apprhender le fonctionnement complexe du systme
rel modlis. Ce type de simulation s'intresse la description et l'tude
comportementale du systme rel par l'excution des agents en interactions, et ce, dans
un contexte dynamique. Les simulations orientes agents sont constitus d'un ensemble
d'entits autonomes, les agents, dont les comportements dpendent de leurs interactions
et de l'environnement au sein duquel ils sont situs. Ces modles reprsentent les
actions individuelles des agents, les interactions entre les agents ainsi que les
consquences de ces interactions sur l'environnement.

Dans le cas des chanes logistiques, les simulations orientes agents sont bases sur la
reprsentation comportementale des entits. Le dveloppement de simulations orientes
agents doit fournir aux dcisionnaires des outils les autorisant mener des tudes
prospectives sur le comportement de leur organisation, mais aussi sur le comportement
de l'organisation au sein de laquelle ils voluent.

Les simulations par systmes multi-agents peuvent s'envisager comme un outil d'aide
la dcision dont les observations sont lies au fonctionnement de la chane logistique,
la gestion des flux, l'analyse des processus dcisionnels, et l'valuation des
performances. Ces performances peuvent se formaliser en termes d'objectifs divers qui
sont directement lis des facteurs qualitatifs et / ou quantitatifs. La performance
globale du systme va dpendre de la performance locale des entreprises qui le
composent. L'valuation des performances peut s'obtenir travers la conduite de
simulations selon diffrents scnarii contextuels.

La conduite de simulations et l'observation du comportement des entits qui les


composent mettent ainsi en avant des applications orientes sur l'exploitation du
paradigme agent. En effet, le traitement, l'analyse, la gestion et le partage de

70
l'information s'inscrit comme un lment caractristique et fondamental permettant aux
dcisionnaires de la chane logistique la conduite d'exprimentations comportementales
afin de dterminer la robustesse, l'efficacit et la flexibilit de la prise de dcision lie
la gestion des ressources et la circulation des flux.

5.1.3 Chanes logistiques et systmes multi-agents : Analogies


L'application des systmes multi-agents comme approche de modlisation dans un
contexte industriel permet de reprsenter les centres de dcisions sous la forme de
rseaux pour le pilotage des systmes de production, [BAUER et al, 2002]. La
modlisation par systmes multi-agents permet ainsi d'apprhender la nature dynamique
de la chane logistique, favorisant l'tude de la coordination des ressources qui sont
associes aux diffrentes entreprises en interactions.

Les chanes logistiques et les systmes multi-agents peuvent se dfinir comme des
rseaux d'entits8 qui cooprent pour l'atteinte d'objectifs communs et individuels, le
partage de ressources ainsi qu' la rsolution de problmes. Ces problmes dpassent
leurs capacits ou connaissances individuelles. De faon gnrale, nous constatons les
analogies suivantes9 entre les systmes industriels et les systmes multi-agents:

La multiplicit des entits agissantes: Multiples entits aux rles et


comptences diffrents pour la ralisation de tches communes.
Les proprits des entits: Les acteurs possdent des objectifs, moyens et
comptences ncessaires l'excution de tches, et suivent pour cela un
ensemble de rgles de gestion. Les agents possdent des objectifs, comptences,
rles et capacits de raisonnement, qu'ils mettent en uvre selon diffrents
modes dcisionnels complexes.
L'habilit sociale des entits: Les prises de dcision se font au travers de
mthodes de coordination et / ou de ngociation entre les acteurs. Les agents
sont autonomes, sensibles aux modifications de l'environnement, proactifs
(initient les prises de dcisions et d'actions) et disposent de capacits sociales.
Les capacits dcisionnelles: Apprentissage et raisonnement sont ncessaires
la prise de dcision individuelle et collective pour les acteurs. Capacits de
raisonnement, connaissances acquises ou modifies par interaction avec
l'environnement sont possibles pour les agents.

8
Nous utilisons le terme d'acteur pour les entits relatives aux chanes logistiques et celui d'agents pour
les systmes multi-agents.
9
Les analogies prsentes sont adaptes des lments de comparaisons proposs dans [YUAN et al,
2002].

71
La coordination entre entits: Coordination des acteurs par le partage de flux
matriels, informationnels, montaires ou dcisionnels. Coordination des
activits des agents par interactions avec les autres agents.
La distribution et l'incompltude de l'information: Un acteur accde des
informations incompltes, partages le long des frontires du systme. Les
agents possdent des informations incompltes, les partages d'informations et /
ou de connaissances s'effectuent par changes de messages.
La rpartition des tches: Les tches des acteurs peuvent tre dcomposes et
donnes en responsabilits d'autres acteurs. Les agents peuvent dlguer des
tches ou bien partager des tches pour la rsolution de problmes complexes.
L'volutivit des systmes: Structure dynamique, les acteurs s'inscrivent ou
quittent la chane logistique. Les agents peuvent rejoindre le systme et d'autres
peuvent tre dtruits.

Les chanes logistiques et les systmes multi-agents sont des systmes composs
d'entits qui interagissent en fonction de leurs rles et comptences. Ces interactions
s'effectuent l'intrieur de structures organisationnelles (entreprises ou socits
d'agents). Au sein de ces structures, les acteurs et les agents disposent de moyens, de
ressources et de capacits leur permettant de raliser individuellement ou collectivement
diffrentes fonctions, tches ou activits. Ainsi la modlisation et la simulation par les
systmes multi-agents permettent de considrer :

La nature distribue des systmes, facilitant ainsi la prise en compte des non
linarits des comportements des individus.
Les environnements changeants, l'autonomie des agents ragir aux
modifications de l'environnement de manire ractive ou pro-active.
La complexit et la variabilit des dcisions, prise en compte grce la capacit
des agents rsoudre des problmes de manire distribue par coopration.
Un comportement de coopration sans altruisme. La capacit des agents
rsoudre des problmes par interactions, permettant de reproduire les
comportements coopratifs des entits du systme.

Ces analogies montrent que les individus possdent des informations, des connaissances
incompltes ou des capacits limites. De plus, le contrle, les donnes, les
informations, les connaissances et les prises de dcisions sont dcentraliss et distribus
au sein du systme. Les systmes multi-agents proposent un cadre de modlisation
adapt pour la reprsentation de rseaux d'agents autonomes qui mettent en uvre des
processus dcisionnels htrognes.

72
5.2 Travaux de modlisation et de simulation agents de
chanes logistiques

De nombreux projets de modlisation et de simulation orients agents appliqus aux


systmes industriels ont vu le jour10 depuis le dbut des annes 1990. Ces travaux
apprhendent et reprsentent les systmes manufacturiers comme des rseaux d'entits
intelligentes et organises (ateliers de production, entreprises, chanes logistiques, etc.).

Au cours de cette sous-section nous proposons une description non exhaustive des
travaux de recherche orients agents pour la modlisation et / ou la simulation de
chanes logistiques. Il s'agit de proposer une analyse comparative des dmarches
utilises pour la conception de modlisation et de simulations orientes agents. Cette
analyse repose sur quatre critres de comparaisons qui sont les suivants : les objectifs
des travaux de recherche, (ii) les problmatiques souleves, (iii) la dmarche de
modlisation agent retenue, et, (iv) les caractristiques majeures des travaux. Une
version synthtique des travaux de recherche est prsente la Table 6.

1) ISCM (Integrated Supply Chain Management) - Enterprise Intgration


Laboratory - University of Toronto

Le projet ISCM, dvelopp au laboratoire EIL de l'Universit de Toronto autour de Fox


et BARBUCEANU, repose sur l'tude des problmes de coordination de la chane
logistique au niveau tactique et oprationnel. Ce projet a donn lieu la conception de
Y Agent Building Shell (ABS) pour le dveloppement d'applications multi-agents, ainsi
qu' la formalisation d'un langage de coordination, [BARBUCEANU and Fox, 1996]. Le
langage COOL, pour COOrdination Language, s'intresse la modlisation de
protocoles de conversation lors de processus de ngociations complexes entre agents,
[BARBUCEANU and Fox, 1995].

La validation du langage COOL a ncessit la conception d'une plate forme de


simulation agent. La plate-forme Supply Chain Demonstrator, dveloppe par TEIGEN,
modlise l'entreprise et son intgration dans une chane logistique par l'utilisation du
langage COOL, [TEIGEN and BARBUCEANU, 1996]. La plate-forme dispose de deux
types d'agents cooprants (fonctionnels et informationnels) pour la rsolution de
problmes bass sur les contraintes, [TEIGEN, 1997]. Les simulations conduites
permettent d'tudier et d'analyser les degrs de coopration entre agents selon les
niveaux de performances du systme.

10
[PARUNAK, 1998], [SHEN awdNoRRiE, 1999], [Wu et al, 2000]et plus rcemment [FRAYRET et al,
2005] dressent un panorama des travaux de recherche qui s'appuient sur la modlisation multi-agents
pour la reprsentation de systmes manufacturiers.

73
Le Supply Chain Demonstrator permet de modliser et de simuler des classes de
conversations plus ou moins complexes qui disposent d'un haut degr de coopration.
La validation du COOL est atteinte par le dveloppement et la mise en uvre de
protocoles de coordination entre agents pour la rsolution de conflits, [Fox et al, 2000].

Cette plate-forme offre une grande capacit de reprsentation des communications.


Cependant, la conduite des exprimentations ne concerne que l'tude des protocoles de
coordination. De plus, la chane logistique propose ne permet pas d'tudier l'impact de
la variabilit de la demande sur le comportement des entreprises considres.

2) Supply Chain Modeling and Analysis - Intelligent Coordination and


Logistics Laboratory - Carnegie Mellon

Le projet Supply Chain Modeling and Analysis, dvelopp par SADEH SMITH et
SWAMINATHAN l'ICLL de Carnegie Mellon, propose un environnement de
modlisation et de simulation pour analyser les stratgies de gestion de la chane
logistique. Dans [SWAMINATHAN et al., 1998], est prsent une approche de conception
des modles multi-agents. Suite l'analyse d'lments caractristiques issus des
rseaux d'entreprises, les auteurs prsentent une dmarche de modlisation qui s'appuie
sur une bibliothque d'lments gnriques compose d'lments structurels et
fonctionnels.

Les lments structurels permettent de recenser les acteurs qui entrent dans la
composition de la chane logistique. Ces lments sont reprsents par des agents
assurant les activits de production et de transport (Supplier agent, Retailer agent, etc.).
Les lments fonctionnels permettent de dcrire le comportement de chacun des agents
par la spcification des dcisions mises et des actions ralises. Ces lments servent
la dfinition des modes de coordination lis la circulation des flux matriels. Ces
modes sont bass sur des protocoles d'interactions utilisant l'change de messages.

La proposition d'une bibliothque d'lments gnriques ne permet pas de reprsenter


l'ensemble des chanes logistiques. Cette bibliothque n'intgre pas les consommateurs,
puisque l'allure de la demande est considre comme un paramtre d'entre. De plus,
ces travaux de recherche ont abouti proposition d'une modlisation multi-agents et
d'une architecture de simulation, mais ne proposent pas de rsultats de simulation.

74
3) MASCOT (Multi-Agent Supply Chain coordination Tool) - Intelligent
Coordination and Logistics Laboratory - Carnegie Mellon

Le projet MASCOT, dvelopp par HILDUM SADEH et TSENG l'ICLL de Carnegie


Mellon, s'intresse aux protocoles de coordination pour la planification de la chane
logistique. SADEH et al. proposent une plate-forme de simulation multi-agents pour la
planification et l'ordonnancement selon deux niveaux dcisionnels, [SADEH et al.,
1999]. Au niveau oprationnel, les agents se chargent de la prise de dcisions sur un
horizon court terme. Au niveau stratgique et tactique, les agents sont responsables
des dcisions long et moyen terme. La coordination entre agents s'effectue de manire
latrale et verticale suivant diffrents protocoles d'interactions. La Figure 8 illustre
l'architecture MASCOT, source [SADEH tal, 1999].

/ftn Aken Ttet 2 AlitnmteTtet 1 Supplier

Figure 8 L'ARCHITECTURE MASCOT

En s'appuyant sur cette architecture, KJENSTAD tudie l'impact de quatre politiques de


gestion sur le comportement des acteurs de la chane logistique, [KJENSTAD, 1998]. Ces
travaux sont repris dans [SADEH et al. 2003] afin d'tudier trois politiques de
coordination latrale. La premire politique estime les dates de livraison des futures
commandes sur la base de donnes historiques (Lead-Neg/C). La deuxime politique
s'appuie sur des ordonnancements capacit finie pour les entreprises situes en aval de
celle qui reoit l'offre (FCS-Neg/C). La troisime politique repose sur des calculs
capacit finie de chaque entreprise (Sync-Neg/C). Les rsultats moyens, obtenus aprs
vingt simulations de 150 jours montent que la politique qui possde le plus petit dlai et
le meilleur profit est celle base sur la coordination latrale capacit finie (Sync-
Neg/C). Cette politique permet d'anticiper les engagements sur les livraisons en
fonction du stock et de la charge prvisionnelle.

75
Le projet MASCOT s'intresse la coordination des acteurs selon deux niveaux. D'une
part la demande est considre comme un paramtre d'entre et d'autre part les choix
conceptuels des lments de la chane logistique sont guids par les objectifs du projet.
Ainsi, la reprsentation des lments ne peut tre obtenue que par l'utilisation de deux
types d'agents comme prsent la Figure 8.

4) Les travaux de STRADER, LIN et SHAW - Iowa State University,


National Sun Yat-Sen University et University of Illinois

STRADER, LIN et SHAW s'intressent la simulation de trois stratgies de gestion de la


chane logistique, en utilisant pour cela la plate-forme SWARM11. Un partage efficace
de l'information permet de remplacer les stocks qui servent absorber l'incertitude tout
en maintenant des temps de cycle acceptables, [STRADER et al, 1998] et [STRADER et
al, 1999].Le modle est constitu du contrleur qui orchestre la simulation, du modle
statistique pour la gnration de donnes et du modle simuler. La Figure 9 prsente
l'architecture de la plate-forme de simulation, source [STRADER et al, 1998].

OFP Modal Swan


(a Swan

Figure 9 MODLE SWARM ASSOCI L'ARCHITECTURE DE SIMULATION

Les stratgies de partage de l'information sont: pas d'information partage,


informations partages sur l'approvisionnement et informations partages sur les
prvisions et la demande. Les simulations sont conduites en fonction de trois politiques
de relation client: produire sur commande (MTO), assembler sur commande (ATO), et
produire sur stock (MTS). Une relation ATO possde de meilleures performances en
termes de temps de cycle de l'ordre et de cots de stockage. Dans le cas de la politique
MTS, le partage des prvisions et des commandes rduit le niveau de stock mais
augmente le temps de cycle de l'ordre.

11
Plate-forme de simulation multi-agents dveloppe au Santa Fe Institute.

76
L'approche de modlisation propose facilite la reprsentation des chanes logistique
complexes, grce notamment sa structure de dcomposition rcursive. Cependant, les
interactions entre les agents sont spcifies partir de canaux de communication
prtablis caractrisant le type de message chang. Ceci ne permet pas de rendre
compte de la nature dynamique de la chane logistique.

5) DASCh {Dynamic Analysis of Supply Chains) - ERIM's Center for


Electronic Commerce - Ann Arbor, USA et University of Michigan

Le projet DASCh, dvelopp au Center for Electronic Commerce sous la responsabilit


de PARUNAK, a pour objectif de simuler et d'analyser la dynamique des chanes
logistiques, [PARUNAK et al, 1999]. Les modles sont constitus des agents suivants :
(i) Company qui reprsente des sites recevant en entre des objets qu'ils transforment en
sorties (produits finis ou semi-finis), (ii) PPIC {Production Planning and Inventory
Control) modlise les algorithmes de planification et de gestion des stocks de type
MRP, et, (iii) Shipping modlise les dlais et les incertitudes engendres par les
mouvements de matriels et d'informations. Les agents Shipper assurent le transport des
matires et les agents Mailer la transmission d'informations. Cette approche de
modlisation est prsente Figure 10, source [PARUNAK et al, 1999].

Figure 10 MODLE D A S C H DE CHANE LOGISTIQUE

Cette approche de modlisation a t applique au cas de la chane logistique de


DaimlerChrysler, [BRUECKNER et al, 2005]. Le modle est compos de deux sites de
production de composants, d'un site de matires premires et du site DaimlerChrysler.
Les auteurs proposent une politique de propagation de l'information dans lequel les
prvisions sont calcules par DaimlerChrysler et diffuses tous les sites.

77
Le modle multi-agents ne permet pas de reprsenter diffrents niveaux dcisionnels.
De plus, seule la politique de gestion MRP est prise en considration pour la
planification des ordres d'achats et de fabrication. Enfin, les protocoles d'interactions
pour la coordination de la chane logistique sont orients vers un sens de circulation de
l'information qui s'effectue uniquement de l'aval vers l'amont.

6) ANTS (Agent Network for Task Scheduling) - ERIM's Center for


Electronic Commerce - Ann Arbor, USA

Le projet ANTS, dvelopp au Center for Electronic Commerce sous la responsabilit


de SAUTER, porte sur la gestion de chanes logistiques. Chaque sous-ensemble de la
chane est compos de producteurs et de consommateurs, [SAUTER and PARUNAK,
1999]. Les agents dveloppent un ordonnancement de tches engagement minimal
(Least Commitment Scheduling), diffrant l'ordonnancement au dernier moment. Les
agents parcourent la fentre de temps des profils d'engagements la recherche
d'opportunits pour optimiser l'ordonnancement. Les agents mettent des dcisions en
fonction de critres probabilistes, leur permettant ainsi d'ajuster leurs activits en
fonction de la dynamique de l'environnement. L'approche par engagement minimal est
base sur la flexibilit des capacits et permet au systme de rpondre rapidement aux
changements dynamiques de l'environnement. Le systme doit pouvoir rpondre
favorablement aux changements mme aprs que les engagements soient contracts.

La dmarche prsente montre que les agents peuvent disposer de plans de charge
largement sur-capacitaires. De plus les agents mettent en uvre des comportements
simples (axs sur la ractivit) et des conversations limites, ce qui n'est pas satisfaisant
pour reprsenter l'ensemble des chanes logistiques.

7) NETMAN (NETworked MANufacturing) - CENTOR (Centre de


recherche sur les technologies de l'organisation rseau) - Universit
Laval

Le projet NETMAN, dvelopp au CENTOR de l'Universit Laval initi par


MONTREUIL, D'AMOURS et LEFRANOIS, propose une approche htrarchique pour la
reprsentation de la structure organisationnelle des rseaux manufacturiers. Cette
approche de modlisation est base sur l'identification et l'implantation d'units d'affaire
autonomes et inter dpendantes, [MONTREUIL et al, 2000]. Chaque unit d'affaire est
reprsente par des centres NetMan qui collaborent et se coordonnent entre eux.

Chaque centre NetMan est dfini comme un systme d'agent responsable de la gestion
de ses activits et de ses ressources au sein du rseau manufacturier. Ainsi, les concepts

78
dvelopps dans cette approche de modlisation, par la dfinition de centres
(autonomes, ractifs, pro-actifs et sociables), permettent de dfinir la structure
organisationnelle du systme multi-agents, [FRAYRET et al, 2001]. La dfinition des
responsabilits induit la mise en uvre de processus dcisionnels labors ainsi que
l'tablissement de relations entre centres NetMan. Les modes d'interaction entre les
agents sont spcifis l'aide de cadres de coordination, [CLOUTIER et al, 2001].

Les cadres de coordination sont formaliss par l'utilisation de contrats et de


conventions. Les contrats et les conventions sont bass sur l'utilisation du modle CAT
{Convention Agreement Transaction), [CLOUTIER, 1999]. Ce modle permet de
supporter les activits de coordination entre les agents au sein d'un mme centre
NetMan pour la planification de la capacit et la gestion des ressources. De plus, ce
modle permet d'assurer la coordination entre diffrents centres NetMan. Les approches
dveloppes au cours de ce projet ont t appliques dans un contexte industriel au sein
de la socit Prvost Car Inc. du groupe Volvo. Dans ce contexte une plate-forme de
simulation multi-agents a t dveloppe dans le but d'assurer l'adquation entre la
demande et les capacits de production des lignes d'assemblages d'autocars selon un
large ventail d'options pour la personnalisation.

Dans un contexte de personnalisation de masse il apparat ncessaire d'explorer la


conception de modles de coordination afin de reprsenter la nature des informations
changes. De plus, le projet NetMan ne propose pas de guide mthodologique
prcisant les phases de passage des modles NetMan aux modles multi-agents pour la
simulation orient agents.

8) Les travaux de Thierry MOYAUX - DAMAS / FORAC - Universit


Laval

Ces travaux de recherche s'intressent la rduction de l'impact de l'effet coup de fouet


dans une chane logistique. Il s'agit de proposer et de tester diffrents mcanismes de
coordination afin d'valuer les stratgies de gestion des entreprises impliques dans un
rseau manufacturier de l'industrie papetire, [MOYAUX, 2004], Les deux principes
dfinis pour la mise en uvre des mcanismes de coordination sont : (i) commander aux
fournisseurs exactement les besoins mis par les consommateurs, et (ii) les entreprises
peuvent ragir une fois chaque changement de consommation dans le march.

Chaque entreprise est modlise par un agent qui dispose d'une stratgie prcise pour la
passation de commandes. L'objectif est de comparer les mcanismes de coordinations
distribus rsultant des stratgies de passage des commandes. Les simulations portent
d'une part sur une chane logistique homogne (stratgie de commande identique pour
toutes entreprises), et d'autre part sur une chane logistique htrogne (stratgie de
commande qui minimise le cot individuel de chaque entreprise).

Les rsultats de simulation montrent que la mise en uvre des mcanismes de


coordination proposs permet de rduire l'effet coup de fouet dans les deux types de
chanes logistiques. L'approche de modlisation retenue, un agent par entreprise, permet
d'valuer la diversit des configurations au niveau inter-entreprises, et ce, que dans le
cas de stratgies de passation de commandes.

9) Les travaux de Olivier TELLE - ONERA Centre de Toulouse

Ces travaux de recherche s'intressent l'valuation des activits logistique dans


l'industrie aronautique. Les objectifs sont de proposer un outil d'aide la dcision
pour l'valuation de la performance d'un rseau d'approvisionnement. L'outil propos
facilite l'valuation des gains rsultants des amliorations lies au pilotage des flux
entre le donneur d'ordres et ses fournisseurs. Il s'agit de dterminer les informations
pertinentes changer pour amliorer les performances individuelles des entreprises et
celles de la chane logistique. La Figure 11 prsente l'approche de modlisation agent
retenu pour la conception de modles d'entreprises, source [TELLE, 2003].

Informa rioi,

Figure 11 MODLE DE L'AGENT ENTREPRISE

L'approche de modlisation propose dans [TELLE, 2003], dfinit un agent Entreprise


lui-mme structur selon quatre sous-agents. L'ensemble des sous-agents reprsente
l'entreprise par un systme de planification et un systme physique (approvisionnement,
distribution et production). Les exprimentations menes s'intressent l'influence du
donneur d'ordre sur les performances de ses fournisseurs. Ainsi les tudes conduites par
simulation permettent d'valuer les impacts lis l'envoi par le donneur d'ordre ses
fournisseurs des plans d'approvisionnements et des prvisions. Il s'agit d'tudier

80
l'influence de la frquence d'envoi des plans d'approvisionnement et la taille des
horizons de prvisions.

10) Les travaux de Jonatan GJERDRUM, Nilay SHAH et Lazaros G.


PAPAGEORGIOU - University Collge London et Imprial Collge
London

Ces travaux de recherche s'intressent l'association de systmes multi-agents aux


techniques d'optimisation, [GJERDRUM et al, 2001]. L'optimisation, utilise de manire
locale pour identifier un ordonnancement optimal, fournit aux agents un ensemble
d'objectifs atteindre afin de guider leurs dcisions (politique de production, utilisation
des ressources, etc.). L'valuation des performances porte sur le systme de contrle du
rapprovisionnement et de son effet sur le fonctionnement de la chane logistique. L'un
des objectifs est de rduire ses cots de fonctionnement, tout en maintenant un degr
lev de rponse face la demande. La Figure 12 reprsente les flux informationnels et
matriels entre les acteurs, source [GJERDRUM et al, 2001].

- Ufi.'IIL l UllllISl

- irentparutio
* coniir

ashtwc
IF1IIM 11 It EH k * llu&lklif jLllNjV'Ull

i ExLoglcK
roply

Figure 12 MODLE MULTI-AGENTS DE CHANE LOGISTIQUE

Dans le cadre de ces travaux, deux agents Warehousse mettent des ordres de
rapprovisionnement, pour un mme processus, auprs de deux agents Factory par
l'intermdiaire de l'agent intLogistics. Par consquent, les deux agents Warehousse se
partagent les mmes ressources d'approvisionnement. L'agent IntLogistics doit
dterminer l'agent Factory qui sera en charge de rapprovisionner l'agent Warehousse,
et ce, en fonction du cot le plus bas. La performance de la chane logistique est

Kl
mesure en utilisant un indicateur appel OTIF (on time in full), qui correspond la
somme des ordres pouvant tre dlivrs par les sites manufacturiers (Facory) divis par
la somme totale des ordres dlivrs par les sites manufacturiers et les sous traitants. Le
problme d'ordonnancement de chaque site de production est rsolu par un outil
d'optimisation, tandis que la prise de dcision tactique et les politiques de contrle sont
raliss par un systme multi-agents.

Les interactions reprsentes ne concernent que le niveau inter-sites. Cette approche de


modlisation oriente agent concerne la description du fonctionnement de la chane
logistique au niveau inter-sites. De plus, la dmarche d'oprationnalisation du modle
multi-agents n'est pas prcise.

11) Les travaux de Stphane Galland - Laboratoires Mthodes


Scientifiques pour la Gestion Industrielle et Systmes Multi-Agents -
ENS Mines de Saint-tienne

Ces travaux de recherche s'intressent la conception d'une approche mthodologique


multi-agent pour la simulation :'MflMJA.-S.Cette approche repose sur quatre phases : (i)
spcification, (ii) conception, (iii) ralisation, et, (iv) exprimentation. Ces phases
permettent de supporter la modlisation et la simulation de systmes industriels
distribus. La phase de spcification concerne la conception d'un modle abstrait
s'appuyant sur un formalisme s'inspirant de la modlisation d'entreprise. La phase de
conception permet de traduire le modle abstrait en un modle multi-agents. Au travers
de la phase de ralisation les considrations informatiques sont prises en considration
avec le choix des outils de simulation et des plate-formes multi-agents. La phase
d'exprimentation s'intresse au dploiement et l'utilisation du modle de simulation
rsultant de la phase prcdente.

L'infrastructure assurant la mise en uvre du processus de simulation est compose


d'un systme multi-agents et d'outils de simulation. Le systme multi-agents est
compos de sous-systmes multi-agents. Les outils de simulations sont des logiciels
pouvant tre de nature diffrente. Un sous-systme multi-agents est compos d'un outil
de simulation et d'un ensemble d'agents qui appartiennent deux grandes classe. Les
agents de type Ag reprsentent des entits physiques ou abstraites du systme modlis.
Les agents de type AgF sont des facilitateurs qui assurent les interactions entre les sous-
systmes multi-agents. Un exemple dune architecture d'un systme multi-agents est
prsent la Figure 13, source [GALLAND, 2001].
Figure 13 ARCHITECTURE DU SMA DE SIMULATION

L'architecture propose s'inscrit dans un contexte de simulation distribue. Cette


approche mthodologique favorise la conception de modles de simulation qui
interagissent. Les travaux de recherche prsents dcrivent de manire dtaille les
phases de spcification, de conception et de ralisation. Cependant, la phase
d'exprimentation ne prsente pas de rsultats de simulation. De plus, l'exploitation du
formalisme propos pour la conception du modle abstrait ncessite des comptences
dans le domaine de la simulation.

5.3 Synthse

Dans la littrature scientifique, nous constatons un nombre croissant de publications


relatives la modlisation et / ou la simulation de chanes logistiques par systmes
multi-agents. Comme l'a montr la prsentation prcdente d'un certain nombre de
projets, ces travaux s'inscrivent dans des finalits diverses et mettent en uvre
l'approche agent de faon spcifique. Pour clore cette section une comparaison des
projets de recherche est prsente la Table 6, adapte de [LABARTHE, 2000].
Projets Finalits Problmatiques Modlisation Caractristiques

Supply-Chain Demonstrator Intgration des tude de la 1 agent logistique Utilisation de classes de


[TEIGEN, 1997] entreprises la coopration 1 agent/entreprise conversations complexes
chane logistique 1 agent client

Supply Chain Modeling and Formation de la Dfinition de modles 4 agents de production Proposition d'une
Analysis chane logistique multi-agents pour la 1 agent de transport bibliothque d'lments
[SWAMINATHAN tal., 1998] simulation 5 lments de contrle gnriques

MASCOT Planification et Impacts des politiques 3 agents/entreprise : Dfinition et


[KJENSTAD, 1998] ordonnancement de gestion sur les 1 agent planificateur comparaison de
[SADEHe/a/.,2003] par coordination acteurs de la chane 2 agents ordo. protocoles d'interactions

[STRADERe(a/., 1998] Partage de valuer les Relations clients


[STRADER et al, 1999] l'information performances par 8 agents/entreprise multiples
stratgies de gestion

DASCh Gestion globale Analyse du 1 agent/entreprise Propagation des


[PARUNAK e/a/., 1999] de la chane comportement 1 agent/information prvisions de vente
[BRUECKNER et al, 2005] logistique dynamique de la 1 agent/matriel l'ensemble des
chane logistique 1 agent PPIC/entreprise fournisseurs du rseau

ANTS mergence Tester une politique de 1 agent/ressource Affectation des tches


[SAUTER and PARUNAK, 1999] d'ordo. par rservation de capacit 1 agent/matriel sur les ressources par
pilotage ractif au plus tard 1 agent/processus engagements

NETMAN Gestion de Analyse des modes de Reprsentation de la


[MONTREUIL et al, 2000] rseaux agiles et coordination distribus structure
[CLOUTIERefa/.,2001] distribus dans un contexte 1 agent/centre NetMan organisationnelle multi-
[FRAYRETero/,,2001] dynamique agents

Coordination valuer diffrentes Proposition, valuation et


[MOYAUX, 2004] face l'effet stratgies de passage 1 agent/entreprise comparaison de modes
coup de fouet de commandes de coordination

Relation donneur tude sur la 1 agent/entreprise Analyse de l'influence


[TELLE, 2003] d'ordres / performance du rseau dcompos en 4 sous- des frquences de
fournisseur d ' approvisionnement agents partage de l'information

Optimisation du tude des politiques 1 agent spot market Couplage d'un outil
[GJERDRUMe(a/.,2001] rseau logistique de 1 agent/site du rseau d'optimisation au
rapprovisionnement 1 agent/transporteur systme multi-agents

Simulations de Elaboration d'une Outils de simulation Proposition d'un


systmes approche formalisme de
[GALLAND, 2001] industriels mthodologique pour Agents Facilitateur spcification et d'une
distribus la modlisation et la Agents de Simulation architecture de SMA
simulation agents

Table 6 PROJETS DE MODLISATION ET DE SIMULATION ORIENTS AGENTS

L'ensemble des projets de recherche prsents la Table 6 proposent diffrentes


dmarches de modlisation et de simulation orientes agents. Le spectre couvert par ces
projets s'tend de la gestion d'unit manufacturire, [SAUTER and PARUNAK, 1999],
jusqu' la gestion globale de la chane logistique, [BRUECKNER et ai, 2005]. Cette
diffrence de reprsentation, d'un point de vue organisationnel, influence les approches
de modlisation orientes agent retenues pour la conception des modles pour

84
simulation. Le domaine de l'tude et les problmatiques tudies influencent le niveau
d'abstraction retenu, conditionnent l'obtention du modle ainsi que la conception de
l'organisation multi-agents.

Les agents sont utiliss pour la reprsentation des entits de la chane logistique. La
spcification de leurs comportements est dtermine par le niveau d'abstraction du
modle. De fait, les rles jous par les agents et leur nombre sont diffrents d'un projet
l'autre. Les agents possdent des comptences, des comportements, des capacits de
communication et de prise de dcisions qui s'tendent de la gestion d'une ressource
matrielle la gestion stratgique d'une entreprise. Dans la majorit des projets un
agent est souvent associ une entreprise ou un site de distribution.

Bien que dans certains projets les classes de problmes et les approches de modlisation
soient proches voire identiques, la manire dont les problmatiques sont formalises ne
permet pas de comparer les rsultats de simulation obtenus. Ceci est le cas pour le projet
DASCh et les travaux prsents dans [STRADER et al, 1998]. En effet, ces deux projets
s'intressent l'impact du partage de l'information sur les performances de la chane
logistique. Seulement dans le cas des travaux de STRADER, LIN et SHAW, cette tude se
focalise sur l'identification de la meilleure politique de gestion adopter en fonction de
la relation client. Le projet DASCh se concentre sur la variation des niveaux de stocks.

Nous pouvons remarquer que dans la majorit des projets, le systme multi-agents
obtenu ne repose pas sur une mthodologie de conception. Seule l'approche MjtMA-S
offre une dmarche mthodologique pour la modlisation et la simulation orientes
agent. L'analyse des diffrents projets montre que les agents sont utiliss pour
modliser des acteurs ou des processus dcisionnels au sein des chanes logistiques.
Cependant, l'ensemble des projets divergent sur l'approche retenue pour l'obtention du
modle pour la simulation oriente agents. Dans le cadre du projet NetMan le systme
multi-agents est obtenu suite la reprsentation du systme tudi par un cadre de
modlisation de rseau manufacturier. La prise en compte de concepts issus de la
modlisation d'entreprise est aussi assure dans le cadre de l'approche Mjs9A.JH.-S. En
effet, les autres projets ne s'appuient pas sur une modlisation de domaine pour la
conception du systme multi-agents. De plus, la majorit des projets ne prcise pas la
phase d'oprationnalisation permettant de passer d'un modle agent de niveau
conceptuel un modle agent de niveau oprationnel pour la conduite des
exprimentations par simulation. Seule l'approche M^MPL-S prcise cette phase de
passage par l'utilisation de formalisme adapts, mais le nombre de concepts exprims
sous forme d'artefacts apparat limit.
6 Conclusion

La conception et la gestion de chanes logistiques s'orientent vers les exigences de


consommateurs devenus plus nomades. La mondialisation oblige les entreprises
rpondre favorablement aux besoins personnaliss. Ces volutions comportementales
engendrent un change accrue d'informations entre les acteurs (commandes, prvisions,
niveaux de stocks, dlais, etc.). Afin d'tudier et d'analyser ces volutions structurelles
et dynamiques il est ncessaire de modliser ces rseaux d'entreprises.
Les difficults inhrentes la modlisation de la chane logistique sont principalement
dues aux causes suivantes : (i) l'htrognit des entits qui la composent, (ii) la
complexit des interactions, (iii) la prise en compte de l'environnement, et (iv) la
diversit des structures organisationnelles.

La prise en compte de la dynamique est une tape importante dans la cration des
modles pour la simulation. Les proprits qui caractrisent les systmes multi-agents,
apparaissent "naturelles" pour l'tude et la reprsentation comportementale des entits
qui constituent la chane logistique, entits soumises la nature dynamique des
interactions. Les systmes multi-agents offrent la possibilit de reprsenter et
d'exprimer explicitement les individus, leurs comportements et leurs interactions. La
simulation par systme multi-agents s'appuie sur la spcification du comportement
d'entits autonomes dont les interactions dfinissent le comportement du systme.

De nombreux projets de recherche s'intressent l'analyse du comportement de la


chane logistique dans le cadre de l'change de donnes. Au niveau de la conception des
modles pour la simulation, la demande est gnralement spcifie comme un paramtre
d'entre. Cependant, dans un contexte de personnalisation des produits, cette demande
est difficile obtenir par l'exploitation de modles prdictifs classiques du fait du
manque de donnes ou d'historiques.

Afin de guider les tapes de modlisation, de l'expression des besoins jusqu'


l'obtention d'exprimentations, nous proposons un cadre mthodologique qui repose sur
une dmarche pour la conception de simulations orientes agents. La chronologie des
modles dvelopps, adapts aux objectifs de l'tude, s'inspire des dmarches
classiques du gnie logiciel (modles en V, approches descendantes, etc.). Ce cadre
mthodologique s'articule autour de trois niveaux de modlisation qui assurent
l'ensemble des tapes de conception de la simulation.

Le chapitre suivant est consacr la prsentation du premier niveau qui concerne la


modlisation de chanes logistiques dans un contexte de personnalisation de masse.

86
Chapitre 4 : Coordination et
modlisation de chanes logistiques
dans un contexte de
personnalisation de masse

1 Introduction

Auparavant les entreprises taient perues comme des organisations indpendantes


tandis que les consommateurs taient regroups par classes ou catgories. Actuellement
cette vision s'inverse, les consommateurs deviennent des individus distincts aux besoins
personnaliss et les entreprises se regroupent sous la forme de chanes logistiques.
L'individualisation de l'offre qui rsulte de l'volution des marchs, ncessite la
dfinition de modes de gestion assurant la coordination des entreprises face la varit
grandissante des produits. En termes de processus logistiques, les besoins conditionnent
la vitesse de circulation des flux physiques le long des canaux d'approvisionnement et
de distribution. Au niveau des processus manufacturiers, les besoins rgissent les
activits de transformation et de personnalisation des produits.

Les processus manufacturiers et logistiques qui s'inscrivent dans un contexte de


personnalisation de masse, intgrent de nouvelles contraintes relatives
l'interdpendance des activits des entreprises. Bas sur diffrents niveaux de
personnalisation, nous proposons un cadre de coordination qui prcise la nature des
relations entre les consommateurs et la chane logistique en termes de processus de
transformation, d'approvisionnement et de distribution. Afin d'tudier le cadre de
coordination propos dans un contexte dynamique, nous retenons l'approche de
simulation pour la conduite d'exprimentations.
Une telle approche ncessite l'laboration d'un modle de la chane logistique. En vue
d'obtenir une reprsentation adapte, nous appuyons ce processus de description sur
l'utilisation de modles et de formalismes spcifiques lis au domaine des rseaux
manufacturiers.
L'approche de modlisation retenue est base sur la description de la structure et de la
dynamique du systme tudi. La reprsentation de la structure va permettre de dcrire
l'architecture de l'organisation multi-entreprise. Cette structure est compose d'un
ensemble d'entreprises en interactions organises sous la forme de rseaux (sites de
production, centres de distribution, etc.). Le comportement de la chane logistique
rsulte du comportement de chaque entreprise face aux stimuli de l'environnement.

Nous prsentons, dans un premier temps, la problmatique gnrale lie la


coordination des chanes logistiques. Par la suite, nous dcrivons l'approche de
modlisation des chanes logistiques retenue et la phase de construction de ces modles.
En premier lieu nous abordons la dmarche de conception du modle structurel. Ensuite,
nous dcrivons le cadre de modlisation de rseaux manufacturiers utilis pour la
conception du modle dynamique. Une section est consacre la proposition d'un cadre
de coordination de chanes logistiques dans le contexte de la personnalisation de masse.
Enfin, nous concluons ce chapitre par la dfinition des besoins qui dcoulent de
l'intgration de cette approche de modlisation dans un processus plus gnral de
simulation oriente agents.

2 Coordination de chanes logistiques

La coordination recouvre la gestion d'activits dpendantes, distinctes et


complmentaires, de manire atteindre des oprations cohrentes suivant les objectifs
du systme. Les activits de coordination dans une chane logistique concernent
principalement la gestion et le pilotage des flux (informationnel, matriel et montaire)
et reposent sur la capacit des entreprises planifier et contrler l'ensemble de leurs
processus en accord avec les autres entreprises. Ces activits de coordination s'tendent
du fournisseur de matires premires jusqu'aux points de consommation.

MALONE et CROWSTON prcisent la coordination selon la gestion des dpendances, "Si


la coordination est dfinie comme la gestion des dpendances, alors davantage de
progrs peuvent tre possible en caractrisant les diffrentes sortes de dpendances et
en identifiant les processus de coordination qui peuvent tre utiliss pour les grer",
[MALONE and CROWSTON, 1994].

Afin d'explorer diffrents modes de coordination, dans un contexte de personnalisation


de masse, nous introduisons la notion de temps de rponse, de relation client, de point
de pntration de l'ordre et de point de dcouplage. Le temps de rponse concerne le
temps qui s'coule entre la confirmation d'une commande et sa rception. La relation
client s'intresse au mode de gestion des processus de transformation et de distribution
de la chane logistique face la demande. Le point de pntration de l'ordre s'intresse
la relation qui existe entre activits et commande. Le point de dcouplage reprsente
une frontire organisationnelle entre le pilotage des flux en mode tir et le pilotage des
flux en mode pouss.

2.1 Temps de rponse et relations clients

L'interprtation des besoins conditionne la relation qu'entretient la chane logistique


auprs des consommateurs. Les dlais de livraison souhaits ou accepts par les
consommateurs contraignent les temps de rponses proposs. Ces rapports multiples,
entre temps proposs et dlais accepts, dfinissent les modes de gestion et de
circulation des produits le long des canaux d'approvisionnement et de distribution. Les
habilits multiples mises en uvre afin de garantir des temps de rponses satisfaisants
constituent la relation client. Il s'agit des modes de gestion et de distribution des
produits adopts par les entreprises face aux dlais de livraison accepts par les
consommateurs. Une classification de relations clients est prsente dans [MARTEL et
ORAL, 1995] dont les principaux types sont les suivants :

Approvisionnement sur Commande (Supply to Order)


Approvisionnement sur Stock {Supply to Stock)
Fabrication sur Commande {Make to Order),
Fabrication sur Stock {Make to Stock),
Assemblage sur Commande {Assemble to order),
Assemblage sur Stock {Assemble to Stock),
Emballage sur Commande {Pack to Order),
Emballage sur Stock {Pack to Stock),
Livraison sur Commande {Deliver/Ship to Order),
Livraison sur Stock {Deliver/Ship to Stock).

Chaque activit de transformation et de distribution des produits dispose de deux modes


de pilotage des flux physiques : sur stock ou sur commande. La relation Fabrication sur
Commande signifie que le lancement en fabrication est dirig par le carnet de
commandes fermes, vitant ainsi le stockage des produits et les frais financiers
rattachs. A contrario, la relation Fabrication sur Stock signifie que le lancement en
fabrication est dirig par des donnes prvisionnelles sur les commandes venir. Cela
conduit au stockage des produits rsultant des activits de transformation. Dans le cadre
de la relation Assemblage sur Commande, chaque activit d'assemblage est ralise
suite la rception d'une commande ferme. Une reprsentation des principales relations

89
clients est prsente la Figure 14, source [MARTEL et ORAL, 1995]. Cette
reprsentation s'intresse au rapport qu'il existe entre les tapes des processus
manufacturiers et logistique face au temps de rponse.

Temps de rponse
Temps total d'approvisionnement, de production, de distribution et de vente

Temps de rponse maximal accept par les clients

stock assemblage fabrication fabrication


rgional. sur sur sur
production
pour stock commande commande mesure
stock
local
tapes
Figure 14 DTERMINATION DU TEMPS DE RPONSE

Les produits personnaliss s'inscrivent gnralement dans un mode de pilotage des flux
physiques qui est tir par la demande. Les activits de personnalisation sont dclenches
suite la rception de commandes fermes. Ce mode de pilotage permet aux entreprises
d'viter le stockage de produits personnaliss. D'une part, les produits personnaliss
disposent gnralement d'une valeur ajoute suprieure aux produits standards. D'autre
part, le stockage de produits personnaliss reprsente un risque financier lev. En effet,
ces produits rpondent des besoins individualiss et sont synonymes de pertes plus
importantes lorsqu'ils ne sont pas vendus.

2.2 Le point de pntration de l'ordre

La relation client est dpendante de l'expression des besoins et de la coordination des


activits d'approvisionnement, de transformation, de distribution et de personnalisation.
D'une part, le temps de rponse propos contraint le potentiel d'offre et de ralisation,
d'autre part, l'expression des besoins conditionne la relation qui s'tabli entre les
consommateurs et les activits de la chane logistique.

90
HOOVER et al. caractrisent la relation client par la dfinition du point de pntration de
l'ordre (Order Pntration Point) [HOOVER et al, 2001]. Ce point prcise l'activit de
transformation ou de distribution des produits concerne par un ordre ou une commande
ferme pour une relation client donne. Les auteurs recensent diffrentes mthodes de
placement du point de pntration de l'ordre ainsi que leurs conditions d'applications.
Diffrents cas de figure de placement du point de pntration de l'ordre, illustrant la
classification des relations clients nonces prcdemment, sont prsents la Figure
15, source [HOOVER et al, 2001].

Livraison sur
commande

Ibutlon / Em
Emballage ^ Fabrication Approvisionnement

Emballage sur
commande

/ / /
Distribution < Emballage < Fabrication Mpprovisionnemen

Fabrication sur
commande

Distribution ^ Emballage ^ Fabrication Approvisionnement

Approvisionnement
sur commande

Distribution ^ Emballage ^ Fabrication Approvisionnement

Figure 15 LES POINTS DE PNTRATION DE L'ORDRE

La personnalisation de masse dans les chanes logistiques ncessite une adaptation des
approches de gestion actuellement utilises pour la rduction des temps de rponses et
l'obtention de dlais de livraison plus courts. L'une de ces adaptations consiste
coordonner les activits d'approvisionnement, de transformation et de distribution qui
s'inscrivent en flux tirs et en flux pousss.

91
2.3 Le point de dcouplage

La frontire entre le pilotage des flux en mode tir et en mode pouss est matrialise
par un stock de produits dont la localisation est appele le point de dcouplage,
[CHRISTOPHER and TOWILL, 2000]. Cet inventaire stratgique constitue une frontire
dans le mode de pilotage relatif la circulation des flux physiques. La position du point
de dcouplage rgit les relations qui s'tablissent entre les entreprises dans la chane
logistique ds lors qu'elles se situent en amont ou en aval de ce point. En amont, les
produits sont transforms et livrs sur la base de prvisions ou par lots dont la taille est
dtermine par calcul d'une quantit conomique (dans les systmes de gestions de type
MRP, APS, etc.). Le contexte Lean s'appuie sur la recherche de la performance du
systme par l'amlioration continue pour une production dsigne au plus juste
(efficience). Les objectifs du Lean sont : (i) la rduction des cycles de production, (ii) la
diminution des stocks, (iii) l'augmentation de la productivit, et (iv) l'amlioration de la
qualit. En aval, les produits sont transforms et livrs suite la rception de
commandes fermes. Dans un contexte Agile le systme est adapt en permanence face
la dynamique de son environnement (efficacit). La Figure 16 illustre la notion de point
de dcouplage telle que dfinie par [CHRISTOPHER and TOWILL, 2000],

Lean ^^^ Agile

T
Prvisions de niveaux gnriques Dirig demande

Quantits en lots conomiques Configurations localises

Maximiser l'efficience Maximiser l'efficacit


Inventaire
Stratgique

Figure 16 LE POINT DE DCOUPLAGE

Diffrents cas de figure de positionnement du point de dcouplage sont prsents la


Figure 17, source [CHILDERHOUSE and TOWILL, 2000]. Le premier cas de figure
s'intresse la relation Achat sur Commande selon laquelle les passations d'ordres
d'achats de matires premires et / ou de composants sont dclenches auprs des
fournisseurs suite la rception de commandes fermes. Le second cas traite de la
relation Fabrication sur Commande, signifiant que le lancement en fabrication est dirig
par les commandes fermes. Le troisime cas considre la relation Assemblage sur
Commande, selon laquelle l'activit d'assemblage est provoque en rponse une
commande ferme. Enfin, le quatrime cas s'intresse la relation Livraison sur Stock,
notifiant que la livraison du / des produit(s) fini(s) est ralise suite la rception d'une
commande par le dtaillant (Retailer).
Fournisseur Manufacturiers / Dtaillant Client final
Matires Premires Assembleurs

Achat sur commande

Fabrication sur commande

Assemblage sur commande

Livraison sur stock

Demande en amont du U. u \/~^l \ Y Demande en aval du


point de dcouplage Y ^A' point de dcouplage

Figure 17 LE POSITIONNEMENT DU POINT DE DCOUPLAGE

Au bas de la figure, deux graphiques permettent d'apprhender l'allure de la demande


dans le temps. En amont du point de dcouplage, la demande est relativement stable.
Les activits de transformation et de distribution des produits sont ralises sur la base
de prvisions. Le graphique se situant en aval du point de dcouplage, s'inscrivant dans
un mode de pilotage en flux tirs, montre une oscillation de la demande due la
variabilit des commandes mises par les consommateurs. Cette variabilit dmontre la
ncessit de coordonner les activits des entreprises dans un mode de pilotage des flux
tirs par la demande, cas des chanes logistiques voluant dans un contexte de
personnalisation de masse.

2.4 Synthse

Face la personnalisation de produits grande chelle, les chanes logistiques doivent


rpondre une demande erratique et mettre en uvre des relations clients multiples.
Afin de simuler les modes de pilotage induits par la nature de la demande, il est
ncessaire de disposer d'un cadre de modlisation adapt. La section suivante est
consacre la prsentation des lments retenus pour reprsenter la structure et le
comportement de la chane logistique.

3 Approche de modlisation retenue

La conception de modles de chanes logistiques s'appuie sur un ensemble de


spcifications lies la structure et aux comportements du systme. La reprsentation
de l'organisation dsigne la structure du systme, l'aspect statique, et / ou le
comportement des lments de cette structure face aux modifications de
l'environnement, l'aspect dynamique.

93
L'approche de modlisation propose au cours de cette section repose sur la dfinition
de deux modles complmentaires que sont le modle structurel et le modle
dynamique. Le modle structurel recense les lments de la chane logistique et les liens
d'interactions physiques entre ces lments. Le modle dynamique dcrit dans le temps
le comportement du systme et des lments qui le composent. Une telle approche de
reprsentation ncessite une rflexion sur la modlisation de la chane logistique et
ncessite par l mme de partir d'une modlisation issue du domaine des rseaux
manufacturiers.

3.1 Modle Structurel

La conception du modle structurel concerne la reprsentation de l'architecture de la


chane logistique. Lors de cette tape de niveau conceptuel, il s'agit de reprsenter la
structure de l'organisation considre. Pour cela, nous proposons de dcrire le systme
rel comme un rseau d'units d'affaires plus ou moins autonomes. Nous retenons le
terme de centre pour dfinir chaque unit d'affaire relie au niveau physique par des
flux matriels.

L'approche de modlisation retenue repose sur la reprsentation des centres et des flux
physiques dcrits selon des liens clients / fournisseurs. Chaque centre est dfini par un
processus mtier, le rle, qui prcise la nature de ses responsabilits dans la chane
logistique. Cette sous-section est consacre la conception du modle structurel par la
prsentation de l'approche de modlisation retenue, les rseaux de responsabilit.

3.1.1 Les rseaux de responsabilit


Une chane logistique est compose d'un ensemble de centres autonomes et
complmentaires (entreprises, services, dpartements, etc.). Chaque centre est
caractris par un rle et une ou plusieurs responsabilits. Un rle permet de prciser la
mission du centre au sein de l'organisation en termes de processus mtier. Les
responsabilits prcisent le fonctionnement interne du centre ainsi que les relations avec
son environnement.

Afin de reprsenter la structure de la chane logistique, nous retenons l'approche de


modlisation par rseaux de responsabilit propose dans [MONTREUIL and
LEFRANOIS, 1996]. Cette approche offre un cadre conceptuel considrant
l'organisation comme un rseau de centres en interactions. La description du systme
rel repose sur l'identification de chaque centre disposant de responsabilits dfinies
dans le temps, envers des clients, des fournisseurs, des produits, des procds ou

94
processus et des processeurs. Ce mode de reprsentation repose sur l'identification des
responsabilits de chaque centre. La Figure 18 illustre les principaux concepts qui
dfinissent la notion de centre et de responsabilits, source [MONTREUIL et al., 1998].

Transformation de forme
Transformation de temps
Transformation de statut
Transformation d'espace

Fournisseur Client

Combinaisons de
clients, produits Incitants de forme
extrants, procds, Incitants de prix
processeurs, Incitants de qualit
produits intrants et Incitants de temps
fournisseurs.

Figure 18 LE CENTRE : LMENT DE LA CHANE LOGISTIQUE

Un centre est compos d'un ensemble de processus. Chaque processus est constitu
d'un ensemble d'oprations charges de transformer les produits intrants, provenant
d'un ou plusieurs centres fournisseurs, en produits extrants, dlivrs auprs d'un ou de
plusieurs centres clients. Les activits de transformations des produits sont dfinies en
termes de forme, de temps, de statut et d'espace. En fonction de leurs responsabilits
respectives, les centres tentent de rpondre adquatement aux incitants mis par leurs
clients. Les incitants traduisent la nature des besoins exprims par les clients face aux
diffrents aspects des produits (forme, prix, qualit et temps).

Au niveau structurel nous proposons de reprsenter la chane logistique en utilisant


l'approche de modlisation par rseaux de responsabilit. Le systme rel est considr
comme un rseau de centres en interactions. Chaque centre est caractris par un rle et
un ensemble de responsabilits en termes de processus de transformation, de stockage et
de distribution des produits. Les responsabilits produits intrants et extrants prcisent
les relations existantes entre les centres au niveau physique selon les liens clients /
fournisseurs.

95
Ce mode de reprsentation permet de retranscrire au niveau conceptuel l'architecture de
la chane logistique. D'autre part, il s'agit de dcrire son fonctionnement en interne ainsi
que son fonctionnement au sein du rseau de responsabilit. Un exemple bas sur le
mode de reprsentation propos est prsent la Figure 19. Sur cet exemple, le centre
considr est responsable de la ralisation des processus d'assemblage.

Centre 1 Jntrant Extrant


Centre 4

Centre 2 Centre 5

Centre 3 Extrant
Centre 6
Intrant

Fournisseurs Clients
Lgende
Processus (Production,
| | Centre V Stock d'intrants
Assemblage, Groupage,
^^- Flux de matires y Stock d'en cours Finition, Emballage,
Distribution, Vente)
i=> Manutention et transport T Stock d'extrants

Figure 19 LES PROCESSUS DE TRANSFORMATION D'UN CENTRE

L'exemple prsent la Figure 19 met en vidence les lments considrer dans la


phase de conception du modle structurel. Dans un premier temps il s'agit de
reprsenter le fonctionnement interne du centre en prcisant ses responsabilits au
niveau des processus. Dans un second temps sont reports, sur la base des
responsabilits lies aux produits, les liens d'interactions physiques entre les centres et
entre les processus. Ces liens d'interactions sont dfinis par les flux de matires et des
liens de manutention et de transport.

Nous dfinissons dans la partie suivante, les principaux rles retenus pour caractriser
les responsabilits des centres.

3.1.2 Les rles des centres


Une chane logistique est compose de centres qui disposent de responsabilits
complmentaires. Ces responsabilits, relatives aux processus, confrent un rle prcis
pour chaque centre considr au sein de l'organisation. Une typologie des rles,
permettant de traduire d'une manire gnrale la nature de ces responsabilits, est
propose dans [MONTREUIL, 2002] et [MONTREUIL, 2006], Cette traduction s'appuie sur
la dfinition de sept rles principaux qui sont les suivants :

96
Producteur : Fabrique des produits, des modules ou des pices par des
oprations sur des matriaux ;

Processeur : Ralise des oprations sur des produits ou des pices selon les
devis de clients ;

Assembleur : Assemble des produits ou modules partir de pices ou modules


dlivrs par des fournisseurs ;

Personnaliseur12 : Ralise des commandes personnalises partir de produits et


de modules ;

Distributeur : Reoit, stocke, prpare et expdie des produits, modules et pices


pour satisfaire des commandes ou requis de clients.

Dtaillant : Accomplit des actes de commerce. Reoit, stocke et prpare des


produits pour satisfaire des commandes ou requis de clients.

Transporteur : Dplace, transporte, manipule des biens entre les centres selon
les ordres des clients.

Cette typologie permet de dcrire les principaux rles qui s'inscrivent dans une chane
logistique. Un centre dispose d'un rle prcis au sein de l'organisation. Afin de prendre
en considration le contexte de personnalisation de masse, et ce, ds la phase de
conception du modle structurel, nous proposons d'ajouter un huitime rle qui est celui
du consommateur. Dans le but d'apprhender les comportements de ces individus
distincts aux besoins personnaliss il apparat ncessaire de les reprsenter, et ce, ds la
phase de modlisation.

La reprsentation de la structure de la chane logistique repose sur l'identification des


diffrents centres, de leurs rles et de leurs responsabilits. Un centre peut se
dcomposer son tour comme un rseau de centre. Afin de prciser ce mode de
dcomposition, nous abordons dans la partie suivante les niveaux organisationnels que
nous considrons dans la phase de conception du modle structurel.

3.1.3 Les niveaux organisationnels


La structure de la chane logistique peut tre considre selon diffrents niveaux
organisationnels. L'approche de modlisation par rseau de responsabilit est

12
Personnaliseur est une traduction adapte du terme anglais Fulfiller.
confronte un problme d'abstraction : quel niveau de dcomposition s'arrter dans
la reprsentation de la structure organisationnelle de la chane logistique ? Afin
d'apporter une rponse, nous dfinissons diffrents niveaux organisationnels pour
l'laboration du modle structurel. Pour cela, nous proposons un cadre unifi
s'appuyant sur les liens d'interactions entre centres de natures diffrentes.

Afin de reprsenter la structure de la chane logistique, il convient de prciser le niveau


d'abstraction considrer lors de la conception du modle structurel. La dfinition de
ces niveaux repose sur les liens d'interactions entre les centres d'un point de vue
structurel. Le principe de dcomposition par rseaux de responsabilit s'appuie sur la
reprsentation des centres selon diffrents niveaux organisationnels. Ainsi, un centre
appartenant un rseau de responsabilit de niveau n peut tre reprsent par un ou
plusieurs centres au rseau de responsabilit de niveau n - 1. La Table 7 prsente les
diffrents niveaux d'abstraction considrs dans la dfinition du modle structurel.

Niveau Organisationnel Niveau structurel Dcomposition par rseau de responsabilits


Chane Logistique Liens inter entreprises rseau de responsabilits de niveau n

Entreprise Liens inter unit d'affaire rseau de responsabilits au niveau n - 1

Unit d'affaire Liens inter cellules rseau de responsabilits au niveau n - 2


Cellules Liens inter systmes de conduite Groupe de ressources
Ressources Liens inter Systmes physique Groupe d'oprateurs / processeurs

Table 7 ABSTRACTION DU SYSTME REL PAR NIVEAUX ORGANISATIONNELS

Les rseaux de responsabilit qui dcoulent de ces tapes de dcomposition,


reprsentent le systme rel selon diffrents niveaux d'abstractions. Cette dmarche
introduit une rcursivit dans la reprsentation de l'organisation considre (Chanes
Logistiques, Entreprises, Units d'affaire, Cellules ou Ateliers, Ressources Humaines /
Matrielles). Ce mode de reprsentation dcrit d'un point de vue organisationnel, les
relations existantes entre les centres ainsi que la nature de ces interactions.

Une chane logistique, reprsente par un rseau de responsabilit, est compose d'un
ensemble de centres qui ralisent des activits complmentaires pour la fabrication et la
distribution d'une ou plusieurs familles de produits. Chaque centre est caractris par un
rle, des liens d'interactions de type clients / fournisseurs, et par un ensemble de
processus. La Figure 20 illustre un rseau de responsabilit au niveau organisationnel
chane logistique. L'exemple prsent s'intresse la description d'un manufacturier
charg de l'assemblage de btons de golf.

98
Producteur de tiges Personnaliseur de
pour btons de golf btons de golf

Producteur de manches
pour btons de golf

Producteur de ttes Distributeur de


pour btons de golf btons de golf

Fournisseurs Entreprise Clients


Lgende Rles des centres
| Centre (Entreprise) ^ Stock d'intrants !""] Processeur (Processor)
^ Stock d'en cours 1*"] Producteur (Producer)
^ Flux de matires
| 1 Assembleur (AssemWer)
c=z^ Manutention et transport V Stock d'extrants Q Personnaliseur (Fullfiter)
Processus (Production, ~) Distributeur (Distributor)
Assemblage, Groupage, | 2 Dtaillant {Retailer)
Finition, Emballage,
Distribution, Vente, ...) 1 ] Consommateur (Customer)

Figure 20 EXEMPLE DE RSEAU DE RESPONSABILIT

Un rseau de responsabilit au niveau organisationnel chane logistique peut se


dcomposer en un nouveau rseau de responsabilit au niveau organisationnel
Entreprise. Une telle approche implique une redfinition des objectifs de reprsentation
par niveau, comme illustr la Figure 21. L'entreprise responsable de l'assemblage des
btons de golf est dcompose en un nouveau rseau de responsabilit compos de trois
centres disposant chacun d'un rle spcifique.

Rseau de responsabilit de niveau n (Chane logistique)

Assembleur de btons de golf

Tiges

Rseau de responsabilit de niveau n - 1 (Entreprise)


Figure 21 MODE DE DCOMPOSITION PAR RSEAU DE RESPONSABILIT

99
La reprsentation de la chane logistique repose en premier lieu sur l'approche de
modlisation par rseaux de responsabilit. Cette modlisation de domaine s'intresse
l'aspect statique du systme. Afin d'apprhender son aspect dynamique, nous
prsentons la sous-section suivante, le cadre de modlisation retenu pour la
reprsentation comportementale des centres.

3.2 Modle Dynamique

Le Modle Dynamique s'intresse la description du comportement des centres dfinis


au sein du Modle Structurel. Pour cela nous retenons le cadre conceptuel de rseaux
manufacturiers propos dans le projet NetMan {Networked Manufacturing),
[MONTREUIL et al, 2000] et [FRAYRET et al, 2001]. Ce cadre intgre l'approche de
modlisation par rseaux de responsabilit et prcise la diversit des flux
informationnels changs. Il autorise la reprsentation de modes de coordination entre
les centres en identifiant, sur la base de leurs stratgies, les relations physiques et
informationnelles mises en uvre face la dynamique de l'environnement.

Le cadre conceptuel de rseaux manufacturiers NetMan s'intresse la conception et


l'oprationnalisation de la structure organisationnelle de rseaux hirarchiques ou
htrarchiques. Les centres collaborent et se coordonnent par interactions de flux
informationnels et physiques. Les flux informationnels utiliss pour traduire les modes
de coordination sont : (i) l'expression des besoins, (ii) l'expression des offres, (iii) les
informations de coordination, et, (iv) le partage d'informations par la transmission de
modles. Ce cadre conceptuel recouvre la planification, le contrle et la gestion des
activits des centres dans un environnement dynamique.

Au cours de cette sous-section nous prsentons la phase de conception du Modle


Dynamique. Nous proposons une extension du cadre conceptuel NetMan pour intgrer
le point de dcouplage dans la modlisation de la chane logistique. Dans cette optique,
nous prcisons la nature et le principe d'changes d'informations relatifs la
coordination des centres. Comme nous le verrons dans le chapitre suivant le Modle
Dynamique est adapts aux besoins de simulation. D'un point de vue mthodologique
ce modle est une adaptation du Modle Structurel.

3.2.1 Reprsentation des centres du Modle Structurel par


centres NetMan

Le Modle Dynamique doit prciser le comportement de chaque centre tout en dcrivant


les modes d'interaction et de coordination. La complexit de reprsentation des
comportements implique la proposition d'un cadre de modlisation adapt.

100
Les centres du Modle Structurel sont reprsents dans le Modle Dynamique par des
centres NetMan, [MONTREUIL et al, 2000] et [FRAYRET et al, 2001]. Nous proposons
d'intgrer le point de dcouplage lors de cette tape de modlisation. Son
positionnement sur le rseau de centre va permettre de prciser les activits de
personnalisation des produits, les modes de circulation des flux physiques, ainsi que la
nature des informations changes. Une illustration du Modle Dynamique intgrant le
point de dcouplage dans un contexte d'assemblage la commande, base sur
l'exemple propos la Figure 20, est prsente la Figure 22.

Producteur de tiges Personnaliseur de


pour btons de golf btons de golf

Producteur de manches ',\ V~7/'D^ 1BTI\i


pour btons de golf [ L " / V VD> Y L - / i

Producteur de ttes
pour btons de golf

Lgende Rles
! j Centre NetMan V Stock d'intrants i i Processeur (Processor)
DDD
Producteur (Producer)
^ ^ Flux de matires y Stock d'en cours
Assembleur (Assembler)
crr> Manutention et transport Stock d'extrants Personnaliseur (Fulfiller)
Processus (Production, DP Point de Dcouplage D Distributeur (Distributor)

Finition, Emballage, T Stock en transit U Dtaillant (Retaiter)


Distribution, Vente, ...) D Consommateur (Customer)

Figure 22 LA CIRCULATION DES FLUX PHYSIQUES ENTRE CENTRES NETMAN

L'exemple de la Figure 22 s'intresse une relation consommateurs \ chane logistique


de type Assemblage la commande. Par consquent, le point de dcouplage se situe au
niveau du centre ayant la responsabilit de l'assemblage, prcisant ainsi le processus
concern par la personnalisation des produits.

Le Modle Dynamique propose une reprsentation du comportement de chaque centre


recens dans le Modle Structurel. Ceci, en vue de prciser les modes d'interaction mis
en uvre dans la chane logistique. L'expression des besoins dans un contexte de
personnalisation de masse, mis du centre client vers le centre fournisseur, caractrise
les niveaux de personnalisation associs aux exigences des consommateurs. La
traduction des besoins dfinit les activits requises pour assurer la personnalisation des
produits. Les offres, mises du centre fournisseur vers le centre client, expriment les
responsabilits des centres au niveau des processus de transformation des produits. Les
offres dterminent les niveaux de personnalisation et les dlais de livraison associs. La
Figure 23 illustre le concept de centre NetMan ainsi que l'ensemble des lments
ncessaires l'laboration du Modle Dynamique.

101
Producteur de tiges j Personnaliseur de
pour btons de golf btons de golf

Producteur de manches
pour btons de golf

Producteur de ttes Distributeur de


pour btons de golf btons de golf

Lgende Rles
L7_7 Centre NetMan V Stock d'intranls LJ Processeur (Processor)
D Producteur (Producer)
- Flux de matires V Stock d'en cours
LJ Assembleur (Assembler)
i=^^

Manutention et transport
Processus (Production,
Stock d'extrants
Personnaliseur (Fulfiller)

Assemblage, Groupage, v Point de Dcouplage Distributeur (Dislributor)


Dtaillant (Refaite/-)
Finition, Emballage, ne Point de Dcouplage LJ
Distribution, Vente, ...) Consommateur (Customer)
T Stock en transit D
Expression des besoins
Expression des offres

Figure 23 EXPRESSIONS DES BESOINS ET DES OFFRES AU SEIN DU MODLE DYNAMIQUE

Dans le cadre de l'assemblage la commande, le besoin mis auprs des dtaillants est
report jusqu' l'activit d'assemblage. La position du point de dcouplage conditionne
le mode de circulation des flux physiques le long du rseau de centres. En amont du
point de dcouplage les flux physiques sont pousss sur la base de prvisions. En aval
les flux sont tirs par la demande, conditionnant les dcisions relatives la ralisation
des activits de transformation des produits.

Chaque centre doit coordonner ses activits avec les autres centres de la chane
logistique en vue de rpondre la demande. Les commandes traduisent un niveau de
personnalisation par produit et rgissent la circulation des flux physiques et
informationnels. La partie suivante est consacre la description de la circulation des
flux informationnels orients vers la proposition de modes de coordination.

3.2.2 Modes de coordination

Les centres doivent coordonner leurs activits face la dynamique de leur


environnement. Pour cela, il apparat ncessaire de prciser la nature des informations
changes ainsi que les principes d'change de ces informations. Au travers du cadre
conceptuel de rseaux manufacturiers NetMan, deux types de flux informationnels sont
dfinis pour assurer la coordination des centres. Ces flux sont : (i) les informations de
coordination qui s'inscrivent dans le sens de circulation des flux physiques, et, (ii) le
partage d'informations qui s'appuie sur la transmission de modles de centres. Ces
modles fournissent une reprsentation du comportement des centres NetMan. Ils
offrent la possibilit de spcifier la nature des informations changes (exemples :
capacit d'une activit, politique de gestion des stocks, etc.). L'exemple prsent la

102
Figure 24 illustre le principe d'changes de modles entre deux centres NetMan, source
[MONTREUIL et al, 2000].

Ntadle manufacturier
iation des modles clients poui
planifier le dploiement de la riiirtl Qient V Matires Premires
production rseau
Manufackii
LT1TJ fotodle de Centre NetMan
V En cours

ii
j r~ Besoins Centre NetMan Ffodult Fini

Flux de matires et

tt
Activits (Production,
Flux de matires
J information de coordination
Assemblage, Groupage,
Expression des besoins Finition, Errba liage,
Distribution, Vente)
Utilisation des modles fournisseur Fartage d'informations
pour gnra" les cff res client: (Modles fournisseurs Manutention et transport
et clients, coordination)
Msejour priodique -
des rrodles

Modle manufactu Modle de transport

Modle de s t o c k "

Figure 24 PRINCIPE D'CHANGE DE MODLES ENTRE CENTRES NETMAN

En vue de dfinir la nature des informations changer au sein des modles de


coordination, nous retenons la coordination des activits par la mise en place de mesures
d'valuation de la performance standardise, propose dans [MINTZBERG, 1979]. La
standardisation des procds permet ainsi de spcifier les critres de partage et de
compatibilit de l'information. Afin de dfinir les modles de coordination entre les
centres NetMan, il convient de prciser les modes de transmission des modles. Pour
cela, nous retenons les types de coordination proposs dans [TEIGEN, 1997], l'une intra-
centre et l'autre inter-centres. Dans le cadre des chanes logistiques nous proposons que
la mesure d'valuation de la performance s'effectue selon deux niveaux : les
performances de chaque centre et les performances du rseau de centres.

Dans le but de retranscrire ces deux types de coordination, nous proposons que les
modles de centres NetMan soient constitus de deux types de modles : les modles de
centres et les modles de rseau. Les modles de rseau concernent les performances du
rseau de centre. Les modles de centre concernent les performances de chaque centre
et sont partags selon les liens physiques de type client / fournisseur. Les premiers
dcrivent la coordination des centres au sein de la chane logistique et les seconds
s'intressent la coordination interne des activits de chaque centre. Les modles de
centre NetMan disposent de deux modes de transmission, l'un aval et le second amont.

L'analyse des performances permet aux centres de disposer d'informations, d'un point
de vue local et global, sur le fonctionnement du rseau et sur le fonctionnement des
centres avec lesquels ils sont en relation. Ce mode de transmission permet de spcifier
le contenu des informations changes entre les centres du rseau afin qu'ils puissent
coordonner leurs activits respectives. Dans le contexte de la personnalisation de masse,
les modles de centres NetMan contribuent dfinir la gestion des interdpendances

103
entre les centres afin de garantir un temps de rponse acceptable auprs des
consommateurs. Pour cela, nous proposons que la transmission des modles de centres
NetMan s'effectue entre les consommateurs et le point de dcouplage. Ainsi les
consommateurs au sein des modles de centres NetMan seront reprsents par des
modles de demande. Ce mode de reprsentation est illustr la Figure 25 dans le cas
d'une relation consommateur / chane logistique de type assemblage la commande. La
transmission des modles s'effectue entre les consommateurs et l'Assembleur.

Modles de Rseau

Modles de Centres

^ Personnaliseur
^Finition, Emballqp^

Mise jour priodique


des modles

Modle Manufacturier Modle Manufacturier Modle Manufacturier


(Assembleur ) {Personnaliseur) (Distributeur)

Lgende Rles
[_~~j Centre NetMan V Stock d'intrants
Processeur(Processor)

!
:
j Modles de Centre NetMan V Stock d'en cours
a Producteur {Producer)
Assembleur (Assembler)
| ) Demande
Stock d'extrants u
Personnaliseur (Futfiller)
Distributeur (Distributor)
Modles de demande DP Point de Dcouplage
Dtaillant (Retaler)
TTTl Transmission de modles T Stock en transit
Consommateur (Customer)

(A) Processus (Production, Partage d'informations


Assemblage, Groupage, Flux de matires
Finition, Emballage,
Distribution, Vente, ..,) Manutention et transport

* Expression des besoins - - *


Expression des offres

Figure 25 INTERACTIONS PHYSIQUES ET INFORMATIONNELLES AU SEIN DU MODLE DYNAMIQUE

Les formats de commandes dfinissent la typologie du rseau logistique dans le cadre


de la personnalisation de masse, impliquant une circulation ddie des flux
informationnels et matriels. Le choix de rponse la demande, la relation-client ainsi
que le positionnement du point de dcouplage dfinissent la configuration structurelle et
la dynamique des comportements des centres.

3.3 Synthse

Une chane logistique est compose de centres qui disposent de comptences et de


savoir-faire complmentaires, ncessaires la ralisation d'une ou plusieurs familles de
produit. Cette complmentarit ncessite la mise en uvre de processus de coordination
adapts en vue d'apporter une rponse collective satisfaisante face la demande. Par la

104
suite, nous dfinissons un cadre de rfrence pour assurer la coordination de chanes
logistiques dans un contexte de personnalisation de masse.

4 Proposition d'un cadre de coordination

Collectivement responsables d'activits de transformation et de distribution de matires


premires, de composants et de produits finis, chaque entreprise dispose d'un ou de
plusieurs rles au sein de la chane logistique. La nature de chaque rle est dfinie sur la
base de responsabilits en termes de processus de transformation des produits (de
forme, de temps, d'espace, etc.).

Dans le but d'laborer un cadre de coordination de chanes logistiques, nous proposons


de dcrire cette organisation multi-entreprise selon deux niveaux de reprsentation. Le
premier niveau s'appuie sur l'identification des entreprises qui interagissent par change
de flux physiques. Nous appelons ce niveau de reprsentation le rseau d'acteurs. Le
second niveau propose une vue dtaille du rseau d'acteurs. Ce niveau est bas sur la
reprsentation des activits de chaque entreprise (acteur) qui interagissent par change
de flux physiques. Nous appelons le rseau qui dcoule de ce niveau de reprsentation
le rseau d'activit. Ces deux niveaux de reprsentations prcisent l'interdpendance au
niveau de la circulation des flux physiques entre les acteurs et entre leurs activits
respectives.

Dans le cadre de la personnalisation de masse, afin de caractriser les activits de


personnalisation des produits, nous introduisons le point de pntration de l'ordre au
niveau du rseau d'acteurs et du rseau d'activits. Pour cela, nous proposons
d'associer chaque activit recense sur le rseau d'activit un point de pntration de
l'ordre. Placer le point de pntration de l'ordre consiste dterminer le point d'entre
des commandes dans le flux physique des produits. Ainsi, l'mission d'une commande
par les consommateurs est matrialise sur le rseau d'activit. Ceci, dans le but de
prciser les activits qui sont dclenches suite la rception de commandes fermes.

La position du point de pntration de l'ordre permet d'identifier les activits qui


s'inscrivent dans un mode de pilotage en flux tirs. Nous proposons de dfinir un niveau
de personnalisation pour chaque couple activit / point de pntration de l'ordre
recens le long du rseau d'activit. Un niveau de personnalisation est dfini pour
chaque activit dans le but d'adapter les activits de la chane logistique. La proposition
d'un produit personnalis ncessite la mise en uvre d'activits de transformation
adaptes aux besoins exprims par les consommateurs. Les niveaux de personnalisation

105
s'tendent de la livraison des produits finis jusqu' la fabrication sur mesure de matires
premires. Une fois que l'activit responsable de la personnalisation est identifie il
apparat ncessaire de prciser les modes de circulation des produits personnaliss.
Nous proposons de positionner le point de dcouplage sur le rseau d'activits en
fonction des niveaux de personnalisation. Cette mthode de placement conditionne les
politiques de gestion et les relations entre acteurs se situant en amont et en aval de ce
point. La position du point de dcouplage prcise la nature de la relation client, ainsi les
acteurs doivent tre en mesure d'estimer les temps de rponse de la chane logistique en
fonction des commandes reues.

Nous avons propos dans [LABARTHE et al., 2003b], un cadre de rfrence pour assurer
la coordination de la structure de la chane logistique dans un contexte de
personnalisation de masse. Ce cadre de coordination, prsent la Figure 26, s'appuie
sur la classification des activits, dont les acteurs assurent la responsabilit, selon
diffrents niveaux de personnalisation.

Manufacturier Manufacturier Centre de Points de vente Consommateur


distribution
Rseau
d'acteurs

Rseau [ Approtirtonnement \ Production Assemblage Groupage Finition Emballage'^ Distribution \ Vente


d'activit

Relations clients

Fabrication sur mesure

Achats la commande

Fabrication sur commande

blage la commande

Groupemenl la commande

Finkion la commande

Emballage la commande

>n la commande

Lgende

C y Transport V ^ Point de dcouplage Flux physique * Commande client H Fournisseur B aient

Figure 26 CADRE DE RFRENCE POUR LA COORDINATION DES ACTEURS DE CHANES LOGISTIQUES

Les formats de commandes dfinissent la typologie de la relation client dans le cadre de


la personnalisation des produits. Ceci implique un mode de circulation ddi des flux
informationnels et matriels. Le choix de rponse la demande, la relation-client ainsi

106
que le positionnement du point de dcouplage dfinissent la configuration et le
fonctionnement de la chane logistique.

5 Conclusion

La personnalisation de masse implique un ajustement des systmes manufacturiers et


logistiques en termes d'oprations, de processus et d'interactions. Face la dynamique
de l'environnement, ces ajustements ncessitent le dveloppement de nouvelles
capacits de flexibilit et de ractivit, tant au niveau de la conception que du pilotage
de la chane logistique. Les stratgies d'affectation des ressources et de gestion des flux
tentent de rpondre favorablement aux exigences des consommateurs dans un contexte
personnalis. La mise en uvre de cadres de relations clients multiples et la localisation
d'inventaires stratgiques tentent de satisfaire les contraintes de pilotage de la chane
logistique dans un contexte sur commande.

Les proprits relatives au contexte de personnalisation de masse nous ont conduit la


proposition d'une approche de modlisation de chanes logistiques. Les modles qui en
dcoulent, s'appuient sur une description structurelle et comportementale base sur les
concepts du domaine tudi. Dans un premier temps, nous dcrivons la structure du
systme ainsi que les interactions physiques, ensuite, nous spcifions la dynamique des
interactions informationnelles. Enfin, nous avons propos un cadre de rfrence pour la
coordination des chanes logistiques qui repose sur une classification des niveaux de
personnalisation. Cette premire tape de modlisation s'intresse aux composants et la
nature de leurs interactions. Cependant, les modles prsents ne permettent pas de
dcrire la mise en uvre, par les centres, des processus dcisionnels.

Afin d'apprhender et de dcrire les processus dcisionnels, d'un point de vue social et
local, nous proposons dans le chapitre suivant une dmarche de modlisation base sur
le paradigme agents. Cette dmarche intgre les modles structurels et dynamiques, et
s'intresse leur transformation dans une approche de conception de simulations
orientes agents. Le chapitre suivant est consacr la description de cette approche de
conception travers la proposition d'un cadre mthodologique pour la modlisation et
la simulation orientes agents de chanes logistiques.

107
Chapitre 5 : Cadre mthodologique
pour la Modlisation et la Simulation
orientes agents de chanes
logistiques

1 Introduction

De nombreux travaux de recherche s'appuient sur le paradigme agent pour la


modlisation et \ ou la simulation de chanes logistiques. Ce paradigme fournit une
approche qui facilite la reprsentation de tels systmes complexes. La conception de
modles oriente agents pour la simulation ncessite la mise en uvre de connaissances
et de comptences spcifiques. Comme nous avons pu le constater lors de la revue de
littrature, un large champ de recherche est consacr la dfinition de mthodologies
guidant les concepteurs dans le dveloppement de systmes multi-agents. Cependant, le
caractre gnrique de ces approches ne permet pas d'exprimer l'ensemble des
proprits relatives au domaine du systme tudi.

Afin d'apprhender la dynamique des chanes logistiques dans un contexte de


personnalisation de masse, nous proposons un cadre mthodologique orient agents
pour la modlisation et la simulation. Ce cadre est structur selon trois niveaux
d'abstraction : modle de domaine, modle conceptuel et modle oprationnel. Pour
chaque niveau d'abstraction, nous prsentons les formalismes d'expression des modles
retenus. Les modles de Domaine s'appuient principalement sur une approche de
modlisation de rseaux manufacturiers que nous tendons au contexte de
personnalisation de masse. Les modles prsents au cours du Chapitre 4 composent le
Modle de Domaine. Les modles Conceptuels et Oprationnels orients agents, sont
drivs du modle de Domaine selon une approche mthodologique spcifique que nous
dtaillons au cours de ce chapitre.

108
2 Conception de simulations

La modlisation et la simulation orientes agents de chanes logistiques complexes et


dynamiques, en particulier celles caractrises par la personnalisation de masse,
ncessite la dfinition d'une dmarche de conception adapte.

Au cours de cette section nous abordons les diffrentes phases ncessaires la


conception de simulations. Pour cela nous prsentons les besoins et les modles qui
dcoulent de cette approche exprimentale.

2.1 Problmatique gnrale

La simulation permet de conduire un processus exprimental sur un modle, ce dernier


devant agir et ragir de manire similaire au systme rel. La simulation est une
reprsentation abstraite de la ralit qui passe par la cration de modles, [LAW and
KELTON, 1982].

FRANTZ propose une dmarche gnrale de conception de simulations afin de


comprendre comment le systme du monde rel ragit certains stimuli, [FRANTZ,
1995]. Cette dmarche ncessite le dveloppement de deux modles complmentaires :
le modle conceptuel et le modle de simulation. Le modle conceptuel fournit une
image approche du systme rel selon un niveau d'abstraction donn. Ce modle est
ensuite implment en un modle de simulation. Ce dernier constitue une reprsentation
informatique du modle conceptuel pour l'excution de simulations par les utilisateurs.
La Figure 27 prsente les modles et les phases considres par l'auteur dans une
dmarche de simulation.

Crdibilit

109
Utilisateurs )

Excution
Figure 27 ABSTRACTION DE MODLES DANS UNE DMARCHE DE SIMULATION

La simulation oriente agents doit fournir des moyens de prdiction sur l'volution d'un
systme par le biais de l'exprimentation, conduisant une observation dans le temps
des agents, de leur organisation, de leurs comportements et de leurs interactions avec les
autres individus. L'tat du systme rsulte du comportement de chaque individu et de
leurs interactions. La conception de simulations orientes agents pose un ensemble de

109
problmes rsultant de ses hrdits multiples, [LABARTHE et al, 2004b]. Une
simulation oriente agents est la fois un produit logiciel, un outil de simulation et un
produit logiciel base d'agents. Aussi sa conception soulve de nombreuses difficults
relevant de ces trois hrdits la fois.

En tant que produit logiciel, la simulation oriente agents ncessite la mise en uvre de
dmarches de gnie logiciel classiques guidant le processus de dveloppement, tout en
assurant sa qualit, sa robustesse, sa maintenabilit et son volutivit.

En tant qu'outil de simulation est soulev le problme de la conception du modle


excutable et de son implantation dans un outil de simulation. Cette complexit est
exprime par FlSHWlCK au travers d'une taxonomie qui recense, la Figure 28, les
lments composant les trois sous-champs lis la simulation, source [FlSHWlCK, 1998].
Le sous-champs Model Design concerne la conception de diffrents modles permettant
de reprsenter le systme rel (exemples : Modle Conceptuel, Modle Fonctionnel,
etc.). Le sous-champs Model Execution propose une solution oprationnelle du modle
dfini dans le sous sous-champs Model Design (exemples : algorithmes parallles, etc.).
Enfin, le sous-champs Execution Analysis regroupe l'ensemble des lments ncessaires
la visualisation et l'exprimentation pour la conduite des travaux de simulation.

Model Execution
Execution Analysis

Figure 28 LES TROIS SOUS-CHAMPS DE LA SIMULATION

La conception de simulation ncessite la mise en uvre de modles pour la conduite


d'exprimentations. Dans [FRANTZ, 1995] et [FlSHWlCK, 1998] un premier niveau de
modlisation concerne la reprsentation du systme. Les modles Structurels et
Dynamique prsents au Chapitre 4 s'inscrivent dans la phase de Model Design dfinie
dans [FISHWICK, 1998] et correspondent au Modle Conceptuel propos par [FRANTZ,
1995]. Par la suite, il s'agit de proposer une mthodologie permettant de transformer le
Modle de Domaine pour l'excution de simulation orientes agents. Cette
mthodologie devra suivre les modles de dveloppement du gnie logiciel en cascade
ou en spirale [COURDIER et al, 1998].

110
Dans [DROGOUL et al, 2002] est propos un cadre mthodologique distinguant
l'ensemble des tapes ncessaires la conception de simulations orientes agents. Ce
cadre est compos d'un Modle de domaine, d'un Modle de conception, d'un Modle
oprationnel et d'un Systme computationnel. Les auteurs identifient et agencent les
modles qui rsultent des expertises de trois intervenants que sont le thmaticien, le
modlisateur et Vinformaticien, dont les relations sont dcrites la Figure 29, selon
[MEURISSE et VANBERGUE, 2001].

Thmaticien Modlisateur Informaticien


Spcifications Conception Propos iUon
relatives au ci spcification d'une solution
domaine d'un modle oprationnelle

Vrification
Validation externe Vrification interne

Figure 29 LES INTERVENANTS DANS LA CONCEPTION D'UN OUTIL DE SIMULATION

Le thmaticien, ou expert de domaine, est charg de la phase de spcification du


systme tudi. Il exprime ses connaissances sur le systme rel travers la proposition
d'un Modle de domaine. Le thmaticien manipule pour cela deux niveaux de
connaissances. Les micro-connaissances forment les connaissances dont il dispose sur
les individus du systme. Les auteurs qualifient les macro-connaissances de "...
connaissances globales sur le systme cible, souvent tires d'observations." Le
modlisateur conoit des modles explicatifs pour la comprhension des mcanismes
entourant les phnomnes du systme. Le Modle de conception reprsente une
traduction plus formelle du Modle de domaine. Les auteurs prsentent ce modle
comme une transformation des individus du modle de domaine par des agents de
niveau conceptuel. L'informaticien s'intresse la ralisation d'une solution
informatique pour l'implmentation du Modle de conception. Il intgre les
considrations techniques pour la conception des agents.

Le cadre mthodologique propos dans [DROGOUL et al, 2002] offre une dmarche
gnrale de conception qui permet d'agencer les modles et de dlimiter les niveaux
d'expertises ncessaires leur dveloppement. Cependant, cette dmarche se veut trs
gnrale et ne fournit aucune prcision sur l'approche de modlisation prconise pour
la conception du modle par le thmaticien. De plus, la mise en uvre de ce cadre
mthodologique ncessite la dfinition de rgles de passage pour la transformation des
modles entre les diffrents niveaux d'abstraction.

111
2.2 Dfinition d'un processus de conception

La conception de simulation orientes agents ncessite la prise en compte d'un


ensemble d'lments complmentaires. Ces lments s'intressent la description du
systme tudi, la conception et la spcification de modles, et enfin, la proposition
d'un environnement de simulation. Nous considrons trois tapes gnrales dans le
processus de conception de simulation qui sont : la modlisation, l'excution et
l'exprimentation. A partir des besoins identifis prcdemment, la Figure 30 illustre
l'approche retenue pour la conception de simulation. Ce processus ne recouvre pas les
phases de validation et d'analyse des rsultats.

Processus
de
conception

Figure 30 LA CONCEPTION DE SIMULATIONS

Les flches entre les lments de conception (Cadre Exprimental, Systme multi-
agents, Modle de Domaine, etc.) sont justifies par les rtroactions ncessaires aux
validations et ajustements. Les lments d'Exprimentation (Design Exprimental et
Interface Exprimentale) interviennent au niveau de la Modlisation et de l'Excution et
favorisent la rutilisation de modles ou de composants.

Dans la suite du chapitre nous proposons un cadre mthodologique qui offre une
dmarche gnrale de conception de l'expression des besoins jusqu' l'exprimentation.
Ce cadre s'intresse essentiellement aux tapes de Modlisation et d'Excution.

112
3 Proposition d'un cadre mthodologique

Face la complexit de conception de simulations orientes agents, il s'agit d'assister


les experts non seulement durant les tapes de dveloppement des modles, par la
dfinition d'objectifs et de formalismes adapts, mais galement entre ces tapes.

Au cours de cette section, nous proposons un cadre mthodologique qui a pour origine
la modlisation de rseaux manufacturiers et mne la dfinition, la mise en uvre et
l'excution d'un systme multi-agents sur une plate-forme logicielle spcifique. Nous
prsentons les tapes considres pour la conception des modles et nous prcisons les
critres assurant le passage d'une tape une autre. Ceci, afin d'apprhender le
processus de modlisation et de simulation orientes agents, de l'abstraction du systme
rel jusqu' l'implantation logicielle.

3.1 Niveaux d'abstraction

Les travaux de recherche prsents lors de la revue de littrature proposent diffrentes


approches de modlisation de la chane logistique. Ces approches reposent sur un
mcanisme de reprsentation positionnant la phase d'abstraction entre le systme rel et
le modle multi-agents.

Nous proposons une dmarche de modlisation qui repose sur une approche
incrmentale durant laquelle diffrents modles sont labors. Dans un premier temps,
le systme rel est reprsent par une approche de modlisation lie au domaine de
l'tude. Dans un second temps, nous avons recours au paradigme agent pour traduire le
modle de domaine en un modle multi-agents. Ceci, afin de prendre en considration
l'ensemble des proprits relatives au domaine de l'tude ds la phase d'abstraction. La
transformation du modle de domaine en modle multi-agents favorise le transfert des
connaissances rapportes par l'expert du domaine, tant au niveau de la reprsentation
des individus qu'au niveau de la reprsentation de leur organisation.

Les trois intervenants, dfinis dans [MEURISSE et VANBERGUE, 2001], travaillent


conjointement dans le but de concevoir et de manipuler des modles aux objectifs
diffrents. Le thmaticien dfinit les besoins de simulation et se charge de la description
du systme par la conception du modle de domaine. Le modlisateur transforme le
modle de domaine en un modle conceptuel, et s'appuie pour cela sur le paradigme
agent, h'informaticien s'intresse l'oprationnalisation du modle conceptuel pour
l'implmentation d'agents logiciels au sein d'un environnement de simulation. De plus
Y informaticien conoit un environnement d'exprimentation pour l'exploitation des

113
simulations et des rsultats associs. Ces modles relvent des niveaux de conceptions
suivants :

Le niveau domaine a pour objet de formaliser les connaissances manipules par


l'expert de domaine sur les chanes logistiques. Il s'agit de dcrire la structure
du rseau manufacturier ainsi que les comportements de ses acteurs. Ce niveau
requiert l'utilisation de formalismes relevant du domaine de l'tude.

Le niveau conceptuel traduit le modle de domaine en s'appuyant sur une


approche de modlisation oriente agents. Le modlisateur fait abstraction des
considrations techniques lies l'excution de simulations. La modlisation
conceptuelle repose sur plusieurs modles prcisant la nature des agents et
l'architecture du systme multi-agents.

Le niveau oprationnel a pour objet de traduire le modle conceptuel afin de le


rendre opratoire. Il s'agit pour Y informaticien d'oprationnaliser le modle
conceptuel agent. Chaque agent identifi au niveau conceptuel est spcifi et
implment selon les contraintes lies l'environnement de dveloppement.

Le niveau exploitation s'intresse la mise en uvre du modle oprationnel


au sein d'un systme informatique. Il s'agit, toujours pour Y informaticien, de
prendre en compte les contraintes techniques ignores au niveau oprationnel.
Ainsi le systme multi-agents sera dploy au sein d'un environnement logiciel
autorisant son excution pour la conduite d'exprimentations par simulations.

La "colonne vertbrale" du cadre mthodologique est ainsi dfinie par la mise en relief
de l'ensemble des niveaux de conceptions. A ces niveaux, correspondent les tapes de
modlisation et de simulation prises en charge par les trois intervenants. L'articulation
de ces tapes est illustre la Figure 31.

Niveau Domaine Modlisation de domaine


(Chanes logistiques)

Niveau Conceptuel Modlisation Conceptuelle Agent

Niveau Oprationnel Modlisation Oprationnelle Agent

Niveau Exploitation Simulation Oriente Agents

Figure 31 TAPES DE MODLISATION ET DE SIMULATION

114
L'enchanement de ces tapes offre une vue d'ensemble des niveaux de conception pour
la modlisation et la simulation orientes agents. Il s'agit par la suite de dfinir les
phases de transitions qui permettent de passer d'une tape une autre.

3.2 Phases de transition

L'expert de domaine se charge de la reprsentation du systme rel et prcise les


objectifs de simulations. Les phnomnes observer sont issus des macro et micro
connaissances, dfinies dans [DROGOUL et al., 2002]. Les micro-connaissances
proviennent des observations du thmaticien sur les lments du systme rel et sur leur
organisation. La phase "d'abstraction" va permettre de retranscrire les micro-
connaissances en s'appuyant sur une modlisation lie au domaine de l'tude. Les
macro-connaissances concernent les hypothses d'exprimentation. Pour cela, il est
ncessaire de prciser les lments qui expriment ces hypothses. Les besoins vont
dlimiter l'tendue et le niveau de dtail du modle de domaine. Les observables vont
exprimer les proprits spcifier au niveau du modle conceptuel agent. Les scnarii
vont dfinir les paramtres configurer pour la conduite d'exprimentations.

Nous appelons la phase de transition entre le modle de domaine et le modle


conceptuel agent, la phase "d'agentifcation". Il s'agit, pour le modlisateur, de traduire
le modle de domaine en s'appuyant sur le paradigme agent. Les lments du modle de
domaine sont reprsents dans le modle conceptuel agent par des agents et des objets.
Ce modle propose une organisation multi-agents sur la base des observables qui
prcisent la nature des comportements simuler. Cette tape ncessite la conception de
plusieurs modles. Une phase de "validation" est ncessaire pour confronter le modle
conceptuel agent aux besoins de simulation.

Nous appelons la phase de transition entre le modle conceptuel agent et le modle


oprationnel agent, la phase de "spcification". Il s'agit de spcifier les agents dfinis au
niveau conceptuel afin de les rendre oprationnel. Pour cela, il est ncessaire de
disposer de formalismes adapts la reprsentation des comportements des agents, de
leurs tats mentaux et de leurs modes d'interaction. Ce modle constitue une solution
d'implmentation du modle conceptuel. Il fournit une vue dtaille sur la ralisation
des agents, des objets et de leurs relations. Une phase de "vrification" va permettre
d'valuer les modles raliss par changes entre le modlisateur et Y informaticien pour
la validation du modle oprationnel agent.

A partir du modle oprationnel agent, Y informaticien s'intresse la conception du


systme multi-agents. Nous appelons la phase de transition entre ces deux modles, la

115
phase "d'implmentation". Il s'agit pour l'informaticien de rendre excutable le modle
oprationnel en l'implmentant au sein d'un environnement de dveloppement agents.
Cette tape de conception ncessite la ralisation de nombreux tests pour la validation
du systme multi-agents.

Le systme multi-agents est ensuite intgr dans un environnement de simulation ou


cadre d'exprimentations suivant la phase "d'excution". Le cadre d'exprimentation
est compos de l'ensemble des composants logiciels ncessaires la conduite de
simulations, (exemple : base de donnes, interfaces homme-machine, logiciel de
simulation, etc.).

3.3 Cadre gnral

Nous prcisons les champs d'intervention des experts, les diffrents modles et les
phases de transition pour la modlisation et la simulation oriente agents au travers du
cadre mthodologique prsent la Figure 32. Le modle de domaine et le modle
conceptuel agent sont regroups dans une tape de modlisation conceptuelle. L'tape
de modlisation oprationnelle est compose du modle oprationnel agent. L'tape
d'exploitation est constitue du systme multi-agents et du cadre d'exprimentation.

Intervenants
servations

Thmaticien

Expert de Domaine

Modlisateur

Informaticien

Utilisateurs

Expert de Domaine
Figure 32 CADRE MTHODOLOGIQUE POUR LA MODLISATION ET LA SIMULATION ORIENTE AGENTS

116
La suite de ce chapitre est consacre la description des phases de transitions, des
modles et de leur processus de conception. Pour chaque niveau d'abstraction nous
prcisons leurs natures et leurs objectifs.

4 Modlisation Conceptuelle Agent

La modlisation oriente agents de la chane logistique repose sur la transformation du


Modle de Domaine. Pour cela, le modlisateur manipule plusieurs modles pour la
reprsentation des agents et de leur organisation.

Cette section est consacre la description des lments qui composent le Modle
Conceptuel Agent (MCA) et la prsentation des tapes ncessaires son laboration.

4.1 Problmatique gnrale

Modliser des systmes physiques sur la base des proprits qui dfinissent les agents et
les systmes multi-agents ncessite la prise en compte d'un ensemble d'lments,
comme prsent dans la Section 4 du Chapitre 3. L'organisation d'un systme multi-
agents comprend l'environnement, les objets de l'environnement, les agents et leurs
caractristiques individuelles (ressources, objectifs et reprsentations) ainsi que leurs
liens d'interaction (actions, perceptions et communications). Ces proprits et ces
lments sont prsents la Figure 33, source [FERBER, 1995].

Perceptions
I i ^ s > s * f~^-^ Aaents
Ressources Actions ezzsj i=i
/Environnement Objets de l'environnement\

Figure 33 L'ORGANISATION D'UN SYSTME MULTI-AGENTS

Les agents peuvent renvoyer des comportements intelligents rsultant des actions qu'ils
ralisent au sein de leur environnement. Les interactions inhrentes aux relations

117
dynamiques qui s'tablissent entre les agents, s'intressent aux actions collectives mises
en uvre au sein du systme multi-agents. La prise en compte de la dimension sociale
est ncessaire l'organisation du systme multi-agents. Les relations organisationnelles
dfinissent, au niveau de l'environnement, ce que JENNINGS nomme les sphres de
visibilit et d'influence, comme illustr la Figure 34, source [JENNINGS, 2000].

Agent
Interaction
--- Relation
organisationnelle

Sphre de visibilit
Environnement et d'influence

Figure 34 LES CONCEPTS D'UN SYSTME ORIENT AGENTS

La proposition d'un modle reprsentant l'organisation du systme multi-agents


favorise le dialogue entre le modlisateur et le thmaticien pour la validation des
concepts issus du Modle de Domaine. Le modlisateur transforme les lments du
Modle de Domaine sur la base des proprits qui dfinissent les agents et les systmes
multi-agents. Cette transformation est ralise en fonction des observables issues des
macro-connaissances.

Le positionnement des agents, l'identification des objets de l'environnement, la


dfinition des liens d'interaction agents-agents et agents-objets, sont autant d'lments
qui dessinent l'organisation du systme multi-agents. Une mise en perspective des
lments dfinis dans [FERBER, 1995] est propose la Figure 35, source [DROGOUL et
al, 2002].

118
-Un environnement
-Des objets ("passifs" ou agents stationnaires)
-Des agents (avec leurs modles comportementaux et leurs caractristiques)
Des interactions entre les agents et leur environnement '
Des interactions entre les agents et les objets
Des interactions entre les agents

Figure 35 LES LMENTS CONCEPTUELS DU SYSTME MULTI-AGENTS

Afin de faciliter la reprsentation du Modle de Domaine selon une approche de


modlisation oriente agents, nous dtaillons au cours de la sous-section suivante le
formalisme retenu pour l'laboration du modle conceptuel agent.

4.2 Agentification du Modle de Domaine

Nous avons pour objectif d'tudier les comportements d'un "systme physique" du
monde rel et d'autre part les comportements d'un "systme dcisionnel" dans lequel
des processus de dcisions complexes interviennent. Il s'agit de mettre en vidence les
comportements et les ractions du systme physique face aux dcisions issues du
systme dcisionnel, dcisions qui dpendent de l'tat du systme physique.

A travers la phase "d'agentification", nous identifions les agents associs aux centres de
la chane logistique, [LABARTHE et al., 2005]. Nous proposons de reprsenter par un ou
plusieurs agents les processus dcisionnels de chaque centre du Modle de Domaine.
Un agent modlise un individu, un logiciel, un groupe d'individu ou encore une
association individu-logiciel. Au plus haut niveau d'agrgation il est possible d'associer
un centre un agent. Ce dernier reprsente l'ensemble de ces processus dcisionnels.
Nous attribuons ces agents des comportements analogues aux processus dcisionnels
qu'ils modlisent. Pour cela, nous spcifions pour chacun d'eux les comportements qui
leur sont associs.

La phase "d'agentification" dbute par la transformation des lments du Modle de


Domaine selon deux types d'agents d'un niveau conceptuel : l'Agent-Acteur et l'Agent-
Activit. L'Agent-Acteur reprsente un centre NetMan, acteur de la chane logistique,
disposant d'un rle et d'un ensemble de comptences, comme prsent au Chapitre 4.
L'Agent-Activit reprsente un processus de transformation, de distribution ou de
stockage ralis par un Agent-Acteur.

119
Au niveau de la modlisation de domaine nous avons retenu le formalisme NetMan.En
ce qui concerne la modlisation conceptuelle agent, un formalisme de reprsentation
spcifique est propos, diffrenciant l'Agent-Acteur de l'Agent-Activit (cf. Figure 36).

Modlisation de domaine Modlisation Conceptuelle Agent


Stock d'intrants Processus (Production,
i Centre NetMan
Assemblage,
Stock d'en coure
Groupage,
NetMan Stock d'extrants Finition, Emballage, Frontire Interaction
Distribution, Vente) Agent-Acteur organisationnelle Physique
Demandi DP Point de Dcouplage
Modles de demande T Stock en transit Manutention et transport

1>J"I Transmission de " " * Expression des offres Flux de matires


' !
" ^ modles
Interaction
* Expression des besoins Partage d'informations Agent-Activit Objet Informationnelle

Figure 36 LES FORMALISMES RETENUS

La phase "d'agentification" doit permettre de maintenir une cohrence structurelle entre


le Modle de Domaine (MD) et le Modle Conceptuel Agent (MCA), elle est compose
des tches suivantes :

1. Reprsenter sur le MCA, un Agent-Acteur par centre NetMan du MD.

2. Reprsenter entre les Agents-Acteurs du MCA, les flux physiques existants entre
les centres NetMan du MD, et prciser leur nature.

3. Reprsenter entre les Agents-Acteurs du MCA, les flux informationnels


existants entre les centres NetMan du MD et prciser leur nature.

4. Dfinir les frontires organisationnelles de chaque Agent-Acteur.

5. Reprsenter sur le MCA, un Agent-Activit par processus pour chaque centre


NetMan du MD, et ce, dans les frontires organisationnelles qui le concerne.

6. Reprsenter entre les Agents-Activits du MCA, les flux physiques existants


entre les processus du MD, et spcifier les produits qui circulent sur chaque flux.

7. Reprsenter entre les Agents-Activits du MCA, les flux informationnels


existants entre les processus du MD, et prciser les informations qui circulent
sur chaque flux.

Chacune de ces tches donne lieu l'laboration d'un modle qui est complt par la
tche suivante. A la fin de la dernire tche un modle conceptuel agent est obtenu. Ce
dernier est soumis au thmaticien suivant la phase de "validation".

120
4.2.1 Des centres aux Agents-Acteurs

Cette tche constitue la premire tape de la phase "d'agentification". Il s'agit pour le


modlisateur de transformer les centres en agents afin d'obtenir une transposition
globale du MD. La Figure 37 prsente un exemple de transformation au sein duquel
chaque centre NetMan est associ un Agent-Acteur dans le MCA.

Modle de Domaine Modle Conceptuel Agent

(Agent Centre A) (Agent Centre BJ

Figure 37 REPRSENTATION DES AGENTS-ACTEURS

4.2.2 Interactions physiques entre Agents-Acteurs

Au cours de cette tche, sont reportes les interactions physiques entre les Agents-
Acteurs dfinis la tche prcdente. Il s'agit de reprsenter les liens clients /
fournisseurs recenss sur le MD. Au sein du MCA, chaque flux physique est reprsent
par une interaction physique dont la nature est prcise. Pour cela, nous reprsentons
chaque produit par un objet. Les objets qui circulent entre deux Agents-Acteurs sont
positionns sur le flux physique correspondant. Sur l'exemple propos la Figure 38 le
Centre A approvisionne le Centre B en produits de type X.

Modle de Domaine Modle Conceptuel Agent

(Agent Centre A>[xJ-HAfleint Centre B]

Figure 38 INTERACTIONS PHYSIQUES ENTRE AGENTS-ACTEURS

121
4.2.3 Interactions informationnelles entre Agents-Acteurs

Cette tche permet de traduire les interactions informationnelles entre les Agents-
Acteurs dfinis lors de la premire tche. Il s'agit de reporter sur le MCA, l'ensemble
des flux d'informations recenss sur le MD. Chaque flux d'information du MD et
reprsent sur le MCA par une interaction informationnelle dont la nature est prcise.
Une interaction informationnelle est identifie par un numro correspondant un flux
d'information du MD. A ce niveau de reprsentation plusieurs cas sont possibles, deux
exemples illustrent ces possibilits.

Dans le premier exemple, prsent la Figure 39, l'interaction informationnelle est


unique et dcoule de l'expression des besoins que le Centre B met vers le Centre A,
flche sens unique.

Modle de Domaine Modle Conceptuel Agent


Centre A

Agent Centre A ) | x |ftgent Centre B )

1 : Expression des besoins

Figure 39 INTERACTION INFORMATIONNELLE UNIQUE ENTRE AGENTS-ACTEURS

Dans le second exemple illustr la Figure 40, l'interaction informationnelle dcoule de


l'expression des besoins du Centre B vers le Centre A et du partage de modles entre les
deux centres (les modles partags sont prciss selon la lgende relative aux activits).

Modle de Domaine Modle Conceptuel Agent

-1,2,3
faeint Centre A ent Centre B
')

1 : Expression des besoins (Agent Centre B -> Agent Centre A )


2 : Partage de modles (Agent Centre B > Agent Centre A,
Modle b1)
3 : Partage de modles (Agent Centre A -* Agent Centre B,
Modle a2, a3 et a4)

Figure 40 INTERACTIONS INFORMATIONNELLES MULTIPLES ENTRE AGENTS-ACTEURS

122
4.2.4 Dfinition des frontires organisationnelles
Au cours de cette tche il s'agit de dfinir les frontires organisationnelles des Agents-
Acteurs. A ce niveau de reprsentation les interactions physiques s'tablissent entre les
frontires organisationnelles des Agents-Acteurs, comme propos la Figure 41.

Modle de Domaine Modle Conceptuel Agent

1 : Expression des besoins (Centre B Agent Centre A Agent)


2 : Partage de modles (Centre B Agent - . Centre A Agent,
Modle b1)
3 : Partage de modles (Centre A Agent > Centre B Agent,
Modle a2, a3 et a4)

Figure 41 REPRSENTATION DES FRONTIRES ORGANISATIONNELLES

4.2.5 Des activits de centres aux Agents-Activits


Cette tche permet de reprsenter les processus des centres par des Agents-Activits.
Sur l'exemple propos la Figure 42, les activits du Centre A sont reprsentes par
quatre Agents-Activits au sein des frontires organisationnelles de l'Agent Centre A.

Modle de Domaine Modle Conceptuel Agent

Activit - . Agent-Activit
Centre Activit Age nt-Acti vite
1 : Expression des besoins (Agent Centre B * Agent Centre A )
Cent e A
V Agent ai
2 : Partage de modles (Agent Centre B Agent Centre A, Modle b1 )
Cent e A
Agent a2 3 : Partage de modles (Agent Centre A - . Agent Centre B, Modle a2, a3 eta4)
Cent eA
T Agent a3
Cent e A Agent a4
Cent e B Agent b1
Cent e B
T Agent b2
Cent e B Agent b3

Figure 42 REPRSENTATION DES AGENTS-ACTIVITS

123
4.2.6 Interactions physiques des Agents-Activits
L'enchanement des activits dfinit sur le MD dtermine l'volution des processus de
transformation, de stockage et de distribution des produits. Le but de cette tche est de
reprsenter les interactions physiques entre les Agents-Activits. La circulation d'un
objet entre deux frontires organisationnelles, conduit la reprsentation d'une
interaction physique entre Agents-Activits d'un Agent-Acteur client et Agents-
Activits d'un Agent-Acteur fournisseur.

Sur l'exemple propos la Figure 43, nous considrons que la dernire activit du
centre fournisseur et la premire activit du centre client sont associes la circulation
du produit X. Ainsi, au niveau du MCA, une interaction physique reliant les Agents-
Activits a4 et bl est reprsente. La Figure 43 prsente le mode de reprsentation
retenu pour la description des interactions physiques entre les Agents-Activits,
associes la circulation des produits U, V, W, X, Y et Z.

Modle de Domaine Modle Conceptuel Agent


"1,2,3.

Agent Centra A

Activit -> Agent-Activit

Centre Activit Agent-Activit


1 : Expression des besoins (Agent Centre B > Agent Centre A )
Centre A
V Agent a i
2 : Partage de modles (Agent Centre B -> Agent Centre A, Modle b1)
Centre A Agent a2 3 : Partage de modles (Agent Centre A > Agent Centre B, Modle a2,a3 eta4)
Centre A

Centre A
T Agent a3

Agent a4

Centre B Agent b1

Centre B
Agent b2

Centre B Agent b3

Figure 43 INTERACTIONS PHYSIQUES ENTRE AGENTS-ACTIVITS

124
4.2.7 Interactions informationnelles des Agents-Activits
Au cours de cette tche, il s'agit de positionner les interactions informationnelles
associes aux Agents-Activits. Dans un second temps, le modlisateur prcise la nature
des informations changes et leurs sens de circulation.

Lors de la reprsentation des interactions informationnelles les possibilits suivantes


peuvent intervenir : (i) au sein d'une mme frontire organisationnelle un Agent-Acteur
est en interaction avec l'ensemble des Agents-Activits, (ii) les interactions sont
spcifis comme dans le cas (i) et des interactions sont dfinies entre les Agents-
Activits suivant la chronologie de transformation des produits, (iii) les interactions sont
spcifis comme dans le cas (i) et les Agents-Activits tablissent des interactions autres
que celles associes la chronologie de transformation des produits (en fonction des
observables dfinis par le thmaticien), (iv) au sein d'une mme frontire
organisationnelle un Agent-Acteur dispose d'interactions avec certains Agents-Activits
(en fonction des observables dfinis par le thmaticien), et, (v) au sein de frontires
organisationnelles diffrentes les Agents-Activits tablissent des interactions. Par
dfaut, un Agent-Acteur tabli une interaction informationnelle bidirectionnelle avec
l'ensemble des Agents-Activits au sein d'une mme frontire organisationnelle. Afin
de dcrire cette tche, la Figure 44 illustre l'exemple du cas not (ii).

Modle de Domaine Modle Conceptuel Agent

1 : Expression des besoins (Agent Centre B > Agent Centre A )


2 : Partage de modles (Agent Centre B - Agent Centre A .Modle b1)
3 : Partage de modles (Agent Centre A -> Agent Centre B, Modle a2, a3 et a4)
4 : Partage d'informations (Agent Centre A > Agent a i , Carnet de commandes) (Agent ai -Agent Centre A, Niveau de stock)
5 : Partage d'informations (Agent Centre A -> Agent a2, Plan de Production) (Agent a2 Agent Centre A, Charge relle + capacit)
6 : Partage d'informations (Agent Centre A -> Agent a3, Carnet de commandes) (Agent a3 ->Agent Centre A, Niveau de stock)
7 : Partage d'informations (Agent Centre A > Agent a4, Plan de livraison) (Agent a4 Agent Centre A, )
8: Partage d'informations (Agent ai > Agent a2, disponibilit produits) (Agent a2 > Agent a i , nouvelle date ou nouvelle quantit)

Figure 44 INTERACTIONS INFORMATIONNELLES AU SEIN DE L'ORGANISATION MULTI-AGENTS

125
5 Modlisation Oprationnelle Agent

La modlisation oprationnelle propose une solution d'implmentation du Modle


Conceptuel Agent (MCA). Cette tape conduit l'laboration d'un Modle
Oprationnel Agent (MOA) impliquant des choix d'architectures d'agents.

Cette section est consacre la description des tches ncessaires la cration du


Modle Oprationnel Agent. Pour cela, nous prsentons la dmarche retenue pour
transformer le MCA en MOA.

5.1 Problmatique gnrale

Nous proposons d'intgrer les caractristiques individuelles et sociales des agents lors
de l'laboration du Modle Oprationnel Agent. Au niveau conceptuel, deux types
d'agents participent la reprsentation du systme rel, les Agents-Acteurs et les
Agents-Activits. Pour la reprsentation des agents et de leurs comportements au niveau
oprationnel, nous proposons une approche de modlisation permettant de diffrencier
les processus oprationnels et les processus dcisionnels. Le systme multi-agents, qui
rsulte de cette approche de modlisation, est compos de deux socits d'agents
htrognes : une socit d'agents cognitifs et une socit d'agents ractifs.

Les agents prsents dans la socit d'agents cognitifs agissent de manire autonome
pour l'atteinte de leurs objectifs. Ils disposent d'une reprsentation explicite de
l'environnement et possdent des capacits de raisonnement. Les agents cognitifs
peuvent jouer plusieurs rles au sein du systme multi-agents, par la mise en uvre de
multiples plans. Les agents prsents dans la socit d'agents ractifs agissent en rponse
aux stimuli de l'environnement, leurs comportements sont prdfinis par des rgles.

Afin de dcrire les liens existants entre les deux socits d'agents, nous proposons une
architecture d'agent dfinie en tant que composition d'agents en interactions, agents de
nature cognitive et agents de nature ractive. Les agents cognitifs adoptent des
comportements complexes par la mise en uvre de processus dcisionnels labors. Les
agents ractifs adoptent des comportements simples pour la ralisation des activits de
transformation, de distribution ou de stockage.

126
5.2 Spcification du Modle Conceptuel Agent

A travers la phase de "spcification", l'informaticien transforme les agents conceptuels


sur la base d'architectures d'agents adaptes la modlisation oprationnelle. Cette
phase repose sur la dfinition des processus dcisionnels et oprationnels. Chaque agent
conceptuel est reprsent par un modle d'agent compos de deux architectures
logicielles d'agents : les agents cognitifs et les agents ractifs.

Cette distinction, au niveau des architectures logicielles d'agents, nous amne


considrer deux socits d'agents. Chaque socit regroupe les agents de mme type qui
disposent d'environnements de simulation spcifiques. Ces environnements doivent tre
coupls afin de prendre en considration les interactions entres les agents cognitifs et les
agents ractifs.

Un agent de niveau conceptuel, Agent-Acteur ou Agent-Activit, est reprsent par un


Agent-Cognitif au niveau oprationnel. Les liens d'interactions entre les Agents-
Cognitifs et les Agents-Ractifs sont bass sur la notion de responsabilit : un Agent
Cognitif est responsable de 0 ou n Agents-Ractifs, [LABARTHE et al, 2003a]. Ces
interactions sont formalises sous la forme de messages et de signaux. Un formalisme
adapt la phase de "spcification" pour l'laboration du Modle Oprationnel Agent
est illustr la Figure 45.

Modlisation Conceptuelle Agent Modlisation Oprationnelle Agent

Agent-Acteur

Frontire
organisationnelle
*
Interaction Physique
Agent Cognitif /
Dlibratif
Agent Ractif
I U I
Message
Signal

Socit d'agents Modle Agent Objet


I I Interaction Acteur
Agent-Activit obje, Informationnelle

Figure 45 LES FORMALISMES RETENUS

Les interactions physiques et informationnelles sont transformes respectivement en


signaux et en messages. La phase de "spcification" est compose des tches suivantes :

1. Crer une socit d'Agents Cognitifs /Dlibratifs en reprsentant tout agent du


MCA par un Agent Cognitif. Ensuite, reprsenter entre les agents du MOA, les
flux informationnels existants entre les agents du MCA et prciser leur nature.

2. Crer une socit d'Agents Ractifs qui participent aux processus de


transformation des objets. Ensuite, reprsenter les interactions physiques entre
les Agents Ractifs et reporter les objets qui circulent sur chacune d'elle.

127
3. Dfinir les liens de responsabilit entre les Agents Cognitifs / Dlibratifs et les
Agents Ractifs.

4. Spcifier les objets par les Diagrammes de Classe du langage UML (Unified
ModelingLanguage), [BOOCH tal, 2000].

5. Spcifier les agents Cognitifs/ Dlibratifs et Ractifs par des Diagrammes de


Classe, des Diagrammes tats-Transitions, des Diagrammes de Squences du
langage AUML (Agent Unified Modeling Language) [ODELL et al, 2001].
Spcifier les comportements des Agents Cognitifs par des diagrammes RCA
(Reprsentation de Comportements d'Agents), [TRANVOUEZ, 2001].

Par la suite nous dtaillons chacune des tches prsentes prcdemment. Une
description dtaille de l'architecture d'agent, le modle d'Agent Acteur, est propose.

5.2.1 Des Agents Conceptuels aux Agents-Cognitifs

Cette tche est consacre la transformation des agents conceptuels par des modles
d'agents. La Figure 46 illustre ce processus de transformation bas sur l'exemple
propos la Figure 44. Les Agents Cognitifs / Dlibratifs A et B correspondent
respectivement l'Agent Centre A et l'Agent Centre B, ce processus est rpt pour la
reprsentation des Agents-Activits en Agents Cognitifs / Dlibratifs.

Modle Conceptuel Agent Modle Oprationnel Agent


__1,2. 3

Socit dcisionnelle

1 : Expression des besoins (Agent Centre B -> Agent Centre A )


2 : Partage de modles (Agent Centre B -> Agent Centre A ,Modle b1 )
3 : Partage de modles (Agent Centre A -> Agent Centre B, Modle a2, a3 et a4)
4 : Partage d'informations (Agent Centre A -> Agent a ! , Carnet de commandes) (Agent a i ->Agent Centre A, Niveau de stock)
5 : Partage d'informations (Agent Centre A -^ Agent a2, Plan de Production) (Agent a2 -*Agent Centre A, Charge relle + capacit)
6 : Partage d'informations (Agent Centre A . Agent a3, Carnet de commandes) (Agent a3 >Agent Centre A, Niveau de stock)
7 : Partage d'informations (Agent Centre A - Agent a4, Plan de livraison) (Agent a4 -^Agent Centre A, )
8: Partage d'informations (Agent a i - Agent a2, disponibilit produits) (Agent a2 - Agent a i , nouvelle date ou nouvelle quantit)

Figure 46 REPRSENTATION DE LA SOCIT DCISIONNELLE

128
Au cours de cette tche, il s'agit de dfinir les modles d'agents de niveau oprationnel
pour la reprsentation des agents dfinis au niveau conceptuel. De plus, les interactions
informationnelles issues du modle conceptuel sont reprsentes par des messages. La
sous-section suivante est consacre la description des interactions physiques.

5.2.2 Reprsentation par socits d'agents


Cette tche prcise les interactions physiques dfinies entre les agents au niveau de la
modlisation conceptuelle. Pour cela, une socit ractive est cre au sein de laquelle
les Agents Ractifs modlisent des processus de transformation des produits. Les
signaux qui circulent entre les Agents Ractifs, prcisent la nature des interactions
physiques au sein du MOA.

L'exemple propos la Figure 47 illustre la socit ractive du MOA. Les agents


ractifs an et an sont associs l'agent cognitif ai pour la ralisation des activits
oprationnelles, de mme que les agents ractifs a4\ et a42 sont associs l'agent
cognitif a4. Sur l'exemple prsent, les autres agents cognitifs sont associs un seul
agent ractif pour la ralisation de leurs activits respectives. Deux objets, Ui et Xi, sont
reports sur le MOA pour reprsenter les produits intermdiaires qui interviennent dans
le processus de transformation.

Modle Conceptuel Agent Modle Oprationnel Agent

Socit dcisionnelle

Socit ractive

Figure 47 REPRSENTATION DE LA SOCIT RACTIVE

129
Cette tche est axe sur la reprsentation des activits oprationnelles et des liens
d'interactions physiques. Le modle oprationnel agent ainsi obtenu, est compos de
deux socits d'agents dfinies en fonction des modles d'agents retenus. La tche
suivante est consacre la mise en relation de ces deux socits d'agents.

5.2.3 Dfinition des liens de responsabilit


Au cours de cette tche, l'informaticien tablit les liens de responsabilit entre les
Agents Cognitifs / Dlibratifs et les Agents Ractifs. La tche prcdente tait axe sur
l'identification des agents selon deux niveaux de reprsentation comportementale. Cette
tche est oriente sur la dfinition des liens de responsabilit qu'exercent les agents de
la socit dcisionnelle sur la socit ractive. Sur l'exemple propos la Figure 48, les
agents A et B du MOA ne ralisent que des activits dcisionnelles, de fait aucun agent
ractif ne leur est associ, contrairement aux agents a; et bj.

Modle Conceptuel Agent Modle Oprationnel Agent


1, 2, 3

Socit dcisionnelle

[Agent a4)

Socit ractive

Figure 48 REPRSENTATION DES LIENS ENTRE SOCIT DCISIONNELLE ET SOCIT RACTIVE

L'agent al est responsable des activits ralises par les agents an et &n. Ces derniers
sont responsables des processus de transformation des produits Ui et U. Les activits
ralises par les agents an et au vont conditionner les comportements de l'agent al et
ses interactions auprs des agents A et a2.

Sur la base des liens de responsabilit nous reprsentons un modle d'agent : le modle
de l'Agent Acteur. Au niveau du modle conceptuel agent l'Agent-Acteur est utilis
pour reprsenter un centre du modle de domaine. Au niveau du modle oprationnel
agent le modle de l'Agent Acteur est dfini comme une architecture d'agent favorisant

130
la conception d'un systme multi-agents compos de deux socits d'agents de niveaux
de granularit diffrents et complmentaires.

La modlisation oprationnelle agent doit permettre Y informaticien de sparer la


reprsentation des processus dcisionnels des processus oprationnels. L'avantage de
cette approche est de faciliter la reprsentation des comportements des acteurs du
systme lors de la phase de "spcification".

6 Architecture d'agent retenue

Le Modle Oprationnel Agent distingue deux socits d'agents. Cette dcomposition


diffrencie les comportements, les rles et les comptences adopts par les agents. Le
rle d'un agent et les responsabilits qui lui incombent sont des proprits sociales
caractristiques qui conditionnent les processus de prise de dcision. Les agents peuvent
tre reprsents des niveaux de granularit diffrents au sein du Modle Oprationnel
Agent. Les phases de modlisation successives permettent d'identifier et de prciser la
nature des agents selon deux architectures logicielles, cognitive et ractive.

C'est partir de ce constat, savoir la prise en compte et l'exploitation des vnements,


des actions et des interactions entre les entits du systme rel, que s'est construite notre
rflexion. Les systmes dynamiques complexes sont composs d'entits distinctes
autrement appels : les acteurs du systme. Les acteurs reprsentent une entit
dcisionnelle, pour la prise de dcisions, ou une entit oprationnelle, pour la ralisation
d'actions. La modlisation oprationnelle permet de reprsenter conjointement les
activits dcisionnelles et oprationnelles. Afin d'apprhender les relations de
dpendance entre ces deux types d'activits nous proposons une architecture d'agent
facilitant la reprsentation des acteurs du systme au niveau oprationnel et
l'implmentation de cette architecture au niveau exploitation.

Au cours de cette section nous prsentons l'architecture agent retenue pour la


reprsentation des acteurs du systme rel : le modle de l'Agent Acteur. Ensuite nous
dtaillons les formalismes retenus pour la spcification des comportements d'agents et
des interactions entre agents. Enfin, nous dcrivons la phase d'implmentation du
Modle Oprationnel Agent.

131
6.1 Le modle de l'Agent Acteur

Le modle de l'Agent Acteur reprsente un acteur du systme rel, par son aspect
comportemental, par son rle social et par les responsabilits qu'il exerce au sein de
l'organisation, [LABARTHE et al, 2006a]. Le modle de l'Agent Acteur constitue une
coquille ou enveloppe dfinissant une relation de dpendance dans le temps entre deux
ou plusieurs agents. Il est compos de deux types d'agents caractriss par une structure
interne et des fonctionnalits diffrentes. Il est possible de reprsenter un Agent Acteur
par un seul agent cognitif ou bien par un seul agent ractif selon les spcificits et les
caractristiques du systme simuler. La Figure 49 illustre l'approche retenue pour la
modlisation oriente agents des acteurs de la chane logistique.

Acteur Modle Agent Acteur


Chane logistique
Reprsentation des comportements dlitjratifs
+
Communication Activit Agent
Dlibrative Cognitif

Encapsulation

Reprsentation des comportements oprationnels


+
Agent
Liens d'interactions Activit Ractif
Oprationnelle

Niveau Domaine I Niveau Conceptuel Niveau Oprationnel

Figure 49 ARCHITECTURE DU MODLE DE L'AGENT ACTEUR

Les dcisions relatives la ralisation d'activits oprationnelles sont mises par les
centres de dcisions. Le lien entre l'Acteur chane logistique et l'agent Cognitif signifie
: adopte le comportement de. Ce lien permet de dcrire le comportement d'un agent au
sein de l'organisation du systme modlis. Le principe d'encapsulation dfini la
relation suivante : le(les) agent(s) ractif(s) est(sont) responsable(s) de la ralisation des
activits oprationnelles de l'agent cognitif. Le modle de l'Agent Acteur se dcompose
en deux couches, l'une compose d'agents cognitifs, la seconde compose d'agents
ractifs.

L'agent qui reprsente les activits dlibratives est bas sur une architecture d'agents
cognitifs impliquant une reprsentation des comportements complexes. Un agent
cognitif reprsente la partie dcisionnelle d'un acteur de la chane logistique. Les
comportements dcisionnels qui lui sont associs sont dfinis sous la forme de plans.
Les dcisions mises peuvent faire intervenir des processus de communication par envoi
de messages, pour la demande d'informations ou pour la ralisation d'actions.

132
Un agent ractif reprsente une ou plusieurs activits de transformation lies un acteur
de la chane logistique. Les comportements d'un agent ractif sont dfinis sous forme
d'tats et sont lis aux comportements dcisionnels de l'agent cognitif associ. Les tats
spcifient les actions ralises suite la rception de messages de l'agent cognitif ou de
signaux provenant de l'environnement. L'agent qui ralise les activits oprationnelles
repose sur une architecture d'agents ractifs de type rflexes, [RUSSELL and NORVIG,
1995]. Les systmes d'agents ractifs rpondent la loi : Stimulus / Action. Les actions
des agents ractifs sont rgies par des rgles comportementales prdfinies. Ils ne
possdent pas de reprsentation de l'environnement et disposent d'un langage de
communication rduit.

Le modle de l'agent Acteur est constitu de deux types d'agents aux granularits
diffrentes. De par leur diffrence de granularit, la reprsentation des comportements
d'agents cognitifs et ractifs ncessite des formalismes de spcification adapts. Ces
formalismes sont prsents la partie suivante.

6.2 Spcification des comportements d'agents

La conception du Modle Oprationnel Agent permet de dfinir les modles d'agents


impliqus dans le systme multi-agents. Cette tape de modlisation intgre la phase de
spcification des agents et s'appuie pour cela sur des formalismes de reprsentation
adapts. Il s'agit de reprsenter les comportements des agents tant d'un point de vue
local que d'un point de vue social. Le niveau local recouvre les comportements
individuels de l'agent mis en uvre pour l'atteinte de ses objectifs propres. Le niveau
social concerne les comportements collectifs des agents pour la ralisation d'objectifs
communs. Chacun de ces niveaux de reprsentation implique une spcification dtaille
des comportements, des rles et des protocoles d'interactions de l'agent. L'organisation
d'un systme multi-agents s'articule autour de la dfinition des agents, des modes
d'interaction qui les relient et du niveau de coopration mis en uvre.

Le modle de l'Agent Acteur est dfini en tant que composition d'agents lmentaires
en interactions. Afin d'assurer la prise en compte des diffrences de granularit des
agents, nous retenons l'utilisation de deux formalismes de spcification des
comportements. Les comportements des agents ractifs sont spcifis l'aide du
langage de modlisation AUML (Agent Unified Modeling Languag) [ODELL et ai,
2001]. Les comportements des agents cognitifs sont spcifis l'aide de formalisme
RCA (Reprsentation des Comportements d'Agents), [TRANVOUEZ, 2001].

Les interactions entre agents cognitifs et agents ractifs se formalisent par l'envoi et la
rception de messages. La reprsentation des actions de communication s'appuie sur les

133
diagrammes de squence issus du langage de modlisation AUML pour la visualisation
du type de messages changs et leur contenu.

6.2.1 Agent Unified Modelling Language

Le langage de modlisation Agent UML est utilis pour la conception de systmes


multi-agents, [ODELL et ah, 2000]. Base sur le langage UML utilis pour les
dveloppements des diffrents composants de systmes selon l'approche objets, Unified
Modeling Language, AUML propose une langage de modlisation orient agents.
AUML capitalise les travaux d'UML en intgrant les diffrences qui existent entre les
agents et les objets. Par rapport aux objets, les agents disposent d'un ensemble de
proprits caractristiques leur permettant notamment de raliser des actions pour
l'atteinte de leurs buts (exemple : l'autonomie). Ces diffrences mettent en avant
l'insuffisance d'UML pour modliser les agents et les systmes multi-agents. A titre
d'exemple, le langage de modlisation AUML remplace la notion de mthode par celle
de service et la notion de classe par celle de but.

Les travaux de modlisation proposs dans le langage de modlisation AUML portent


essentiellement sur la modlisation des agents (diagrammes de classe), la reprsentation
de leurs comportements (diagrammes d'tat) et sur les protocoles d'interaction
(diagrammes de squence). Les diagrammes de classe sont utiliss pour reprsenter les
entits du systme rel (agents, objets) ainsi que leurs relations. Les diagrammes d'tat
sont utiliss pour reprsenter la dynamique du systme rel en dcrivant les tats et les
actions des agents. Les diagrammes de squence sont utiliss pour reprsenter les
changes de messages entre les agents.

Nous retenons l'utilisation des diagrammes d'tat pour reprsenter les comportements
des agents ractifs. Les diagrammes d'tat servent reprsenter des automates tats
finis sous forme de graphes d'tat, relis par des arcs orients qui dcrivent les
transitions. Les tats permettent de dcrire les diffrentes actions ralises par un agent
ractif en rponse aux stimuli de l'environnement. Une transition reprsente le passage
d'un tat vers un autre. Une transition est dclenche par l'arrive d'un vnement. La
Figure 50 propose sur un exemple, la reprsentation du comportement d'un agent ractif
pour la ralisation d'une activit de livraison de produits suite la rception d'un ordre.
Lorsqu'une commande ne peut tre complte, elle est retarde et place en attente.
Chaque rception de produits conduit l'valuation des commandes en souffrance afin
d'identifier si les ordres retards peuvent tre complts.

134
Livraison retarde
(Ordre)

Idle

Rception Livraison requise Livraison retarde


(Produit) (Ordre) (Ordre)
valuation valuation
des reliquats de l'ordre
Ordre lanc
Livraison ralisable
(Ordre)
Lancement
de l'ordre
Livraison ralisable
(Ordre)

Figure 50 EXEMPLE DE DIAGRAMME D'TAT

Ce type de diagramme reprsente de manire dynamique les actions ralises par un


agent ractif. Les diagrammes d'tat offrent un formalisme pour dcrire le
comportement des agents ractifs. Chaque tat concerne une action ralise par l'agent.
La transition est associe un vnement issu de l'environnement ou bien rsultant
d'une action de l'agent. Les stimuli reprsentent les interactions avec d'autres agents
(ractifs et/ou cognitifs) ou des objets situs dans le systme multi-agents.

Au sein du Modle Oprationnel Agent, les agents communiquent par changes de


messages. Nous retenons les diagrammes de squence pour reprsenter les changes de
messages. Ce type de reprsentation permet de visualiser le type de messages changs,
leur contenu, ainsi que le processus d'activits qu'ils dclenchent. La bande d'activation
reprsente les priodes d'activit des agents. Les flches reprsentent les messages
changs entre les agents. La Figure 51 illustre un exemple d'change de messages
entre deux agents, source [ODELL et ah, 2000].

Bande d'activation

Ligne de vie

Figure 51 EXEMPLE DE DIAGRAMME DE SQUENCE

Nous avons dcrit le formalisme retenu pour la spcification des agents ractifs. La
partie suivante est consacre la prsentation du formalisme de reprsentation des
comportements d'agents cognitifs.

135
6.2.2 Reprsentation de Comportement d'Agents

Les agents peuvent renvoyer des comportements intelligents, rsultats des actions
autonomes qu'ils ralisent au sein de leur environnement. Les comportements de l'agent
cognitif sont spcifis sous la forme de graphes d'tat. Le formalisme RCA pour la
Reprsentation des Comportements d'Agents, [TRANVOUEZ, 2001], est utilis pour
dcrire les comportements de l'agent. A partir des informations disponibles, l'agent met
en uvre des Plans Comportementaux en vue de satisfaire ses propres buts. Ces plans
comportementaux peuvent faire intervenir des processus de planification et de
communication.

Les plans servent spcifier et exprimer les comportements des agents selon deux
modles : individuel et social. Au sein du modle individuel sont reprsents les
comportements autarciques de l'agent (Plan Local). La spcification de ces
comportements ne ncessite pas d'interactions avec d'autres agents pour s'accomplir.
Au sein du modle social sont reprsents les comportements sociaux de l'agent
(Protocole de rles). La reprsentation des comportements des agents est spcifie sous
forme de graphes d'tat fortement typs. La Figure 52 illustre les diffrents types d'tats
et de transitions utilisant le formalisme RCA, ainsi que les symboles graphiques qui lui
sont associs.

Etats

o Etal d 'Action Elmentaire


G l) Etatd 'Attente Illimite ^ Htat Int

o Elat de Communication
V 7 Etatd 'Alterne Limite ^% ElatFina

Etat d 'Action Composite


V

Transitions

^ Transition Externe Transition interne

Figure 52 CONVENTION DE REPRSENTATION DU FORMALISME R C A

Deux types d'vnements peuvent apparatre pour dynamiser le graphe : des


vnements internes et des vnements externes. Les vnements externes
correspondent l'aspect communication du systme multi-agents, et sont lis la
rception de messages. Les vnements internes correspondent aux activits internes
l'agent. Les transitions permettent le passage d'un tat vers un autre. Ces tats peuvent
tre actifs (l'excution d'une action), ou passifs (tats d'attente). Les tats passifs sont
modifis lors de l'arrive d'un vnement externe (exemple : arrive d'un message). A

136
contrario, les tats peuvent tre actifs, c'est--dire associs l'excution d'une action
particulire. En ce qui concerne les tats actifs, trois types d'tats ont t dfinis :

tat d'action lmentaire : correspond une action simple (hors envoi de


message).

tat d'action composite : permet de faire appel l'excution d'un second Plan
Comportemental. Cet tat permet de concevoir de manire modulaire les
comportements des agents, en les dcomposant en un ou plusieurs Plans
Comportementaux.

tat de communication lmentaire : correspond l'envoi de messages. Cet


tat constitue avec les transitions externes, les points d'entre et de sortie des
flux d'informations existants entre les agents, sans lesquels aucune coordination
ou coopration ne serait possible. L'envoi d'un message se traduit par un
vnement externe chez un autre agent amenant ainsi l'activation d'une
transition externe.

Les reprsentations sous forme de graphe d'tat sont utilises pour reprsenter le
comportement d'un agent qui forme ainsi un Plan Comportemental. La Figure 53
permet d'apprhender le formalisme de reprsentation des comportements d'agents.
L'exemple propos prsente le comportement d'un client lors de l'mission d'une
commande auprs d'un agent logistique charg de vrifier si la commande est
ralisable.
flk Dbut
Besoinnon exprim I

( ) Exprimer besoin ver s


Message envoy I

e rponse agent Logistique

Rponse de l'agent Logistique

C ontr & pr op osition

Refuser contre
proposition

Fin

Figure 53 PLAN COMPORTEMENTAL D'UN AGENT COGNITIF

137
Cette approche fournit une vision des interactions existantes dans le systme, tant au
niveau local, qu'au niveau social. Le travail de conception est de plus facilit par la
simplification de l'tape d'implmentation que nous abordons au cours du chapitre
suivant.

6.3 Spcification des interactions entre agents

Au sein du Modle Oprationnel Agent les interactions entre les agents cognitifs et les
agents ractifs se formalisent par l'envoi et la rception de messages. Les interactions
entre agents peuvent se dcliner selon trois possibilits : (i) les interactions entre agents
cognitifs, (ii) les interactions entre agents cognitifs et agents ractifs, dfinis en fonction
des liens de responsabilit, et (iii) les interactions entre agents ractifs.

Dans le cas des interactions entre agents cognitifs et agents cognitifs / agents ractifs,
les diagrammes de squences AUML sont utiliss pour modliser les communications.
Il s'agit de reprsenter les messages changs en spcifiant une partie des champs des
messages. Un exemple bas sur une partie de la Figure 48 permet d'illustrer la Figure
54 la mise en uvre des diagrammes de squences AUML.

Agent-Acteur a1 Agent-Acteur a2

Agent Ractif Agent Cognitif Agent Ractif : Agent Cognitif


ai 2 "2

Requte (Livraison 100 U) |


Requte
(Dstockage 100 U,)

Indisponible
(Dstockage 100 U,) Refus (Livraison 100 U)

Requte
Confirmation (Production 100 U)
(Dstockage 100
Accord
(Production 100 U)

Refus
(Production 100 U) j
Refus (Li vraisonh 00 U)

Accord (Livraison: 100U)

Figure 54 ECHANGES DE MESSAGES ENTRE AGENTS COGNITIFS ET AGENTS RACTIFS

138
Les interactions entre les agents ractifs sont dfinies sous la forme de signaux qui
correspondent la rception ou l'envoi de produits. Ainsi le dstockage de cent
produits de type Ui correspond une interaction physique entre l'agent ractif an et
l'agent ractif ai2.

6.4 Implmentation du Modle Oprationnel Agent

La simulation oriente agents doit proposer un espace d'exprimentation servant


dfinir les phnomnes tudier par la conception de modles adapts, fournissant ainsi
un outil d'tude comportementale du systme multi-agents, des agents et objets qui le
composent. La description du comportement dynamique du systme ncessite
l'implmentation du comportement individuel des agents (niveau local) ainsi que
l'implmentation des interactions entre les agents (niveau social). Dans le cadre de la
Modlisation Oprationnelle Agent, une entit du systme rel sera reprsente par un
Agent Acteur, lui mme compos d'un agent cognitif et de zro ou plusieurs agents
ractifs.

Modle Agent Acteur Agent Acteur Implment

Socit Dcisionnelle
r
Implmentation des Plans Comportementaux
Agent
Cognitif Messages
Communications

Agent Dveloppement
Ractif d'agents ractifs
Agent Implmentation des digrammes d'tat
Ractif
Interactions Signaux

Socit Ractive

Niveau Oprationnel Niveau Exploitation

Figure 55 IMPLMENTATION DU MODLE DE L'AGENT ACTEUR

La conception du systme multi-agents dcoule de la phase "d'implmentation". Cette


phase ncessite le recours des environnements informatiques adapts pour le
dveloppement des modles d'agents et de l'organisation multi-agents. Le modle de
l'Agent Acteur implique la conception de deux socits d'agents en interactions,
chacune disposant de proprits de dveloppement spcifiques. La Figure 56 illustre les
proprits considrer pour le dveloppement des agents cognitifs et des agents
ractifs, adapte de [TRANVOUEZ, 2001].

139
Modle d'agent cognitif Modle d'agent ractif

Comportement Dcision Comptences ind |^due*s dearouDB


1
'

Fonction de Comptences Buts "gostes Noms de l'agent


dcision physiques de l'agent un en mble cognitif
d'agents, Peuw responsable
Variables Comptences s'opposer a se:
objectifs Liens clients/
dcisionnelles cogtvlives
individuels. fournisseurs

Figure 56 DVELOPPEMENT DU MODLE DE L'AGENT ACTEUR

Au niveau du modle d'agent cognitif, deux modles sont dfinis afin de distinguer les
comportements qui sont dpendants et indpendants des actions des autres agents. Le
modle individuel relve des comportements autarciques, des dcisions, des
comptences et des objectifs individuels. Les comportements individuels sont spcifis
l'aide du formalisme RCA et dcrivent, sous la forme de Plan Comportementaux, les
actions ralises par un agent selon un contexte donn. Les dcisions reprsentent les
actes de l'agent, mis en uvre de comportements adapts dans une situation donne,
dfinis partir de variables dcisionnelles. Les comptences dcrivent les comptences
cognitives que l'agent est apte raliser. Les objectifs individuels dfinissent les tats
ou les situations que l'agent souhaite atteindre. Le modle social relve des
comportements sociaux, des objectifs de groupe et des accointances. Les
comportements sociaux sont spcifis l'aide du formalisme RCA et dcrivent, sous la
forme de Protocole de Rle, les actions ralises par chacun des agents en interactions.
Les objectifs de groupe concernent les tats ou les situations que les agents souhaitent
atteindre collectivement. Les accointances reprsentent, sous forme d'annuaire, la liste
connue des agents et de leurs comptences.

Au niveau du modle d'agent ractif, deux modles sont dfinis afin de distinguer les
comportements qui sont dpendants et indpendants des actions des autres agents. Le
modle individuel relve des comportements autarciques et des comptences. Les
comportements individuels sont spcifis l'aide du langage AUML et dcrivent, sous
la forme de diagramme d'tat, les actions ralises par un agent. Les comptences
dcrivent les comptences physiques que l'agent est apte raliser. Le modle social est
compos des accointances, prcisant le nom de l'agent cognitif responsable ainsi que les
agents ractifs en interactions selon les liens de type client / fournisseur.

140
7 Conclusion

Modliser des systmes physiques ncessite la dfinition de nombreuses hypothses


simplificatrices. Nous reprsentons par des agents les acteurs du monde rel associs
la chane logistique. Le problme de modlisation se trouve reformul, puisqu'il ne
s'agit pas de construire un modle multi-agent ex-nihilo d'un systme rel, ncessitant
par exemple de passer par une phase d'expression des besoins trs gnrale. Comme
toute organisation humaine, la solution d'associer un agent une entit de la chane
logistique s'impose assez vite, ne serait-ce que pour des raisons de comprhension ou
d'interprtation par l'expert de domaine ne disposant pas de comptences en ingnierie
multi-agents. La proposition d'un cadre mthodologique s'intresse la dfinition des
tapes de conception ncessaires l'laboration de modles multi-agents, tant au niveau
conceptuel qu'au niveau oprationnel.

La Modlisation Conceptuelle Agent de chanes logistiques offre une reprsentation du


modle de domaine base sur le paradigme agents. Cette modlisation repose sur
plusieurs modles permettant de dessiner l'organisation du systme multi-agents, la
nature des agents, les comportements qui leur sont associs, ainsi que les modes
d'interaction. Le modle conceptuel agent offre une reprsentation des lments du
Modle Structurel et de leurs comportements dfinis dans le Modle Dynamique.

La Modlisation Oprationnelle Agent propose une reprsentation dtaille du modle


conceptuel agent. Afin de spcifier les agents, nous proposons de dcrire sparment les
processus oprationnels et les processus dcisionnels. Ce principe de dcomposition
repose sur deux architectures logicielles d'agents distinctes. L'une axe sur des agents
cognitifs, la seconde axe sur des agents ractifs. En vue d'assurer la conception de
simulations orientes agents, une architecture logicielle, s'appuyant sur le modle de
l'Agent Acteur, est propose pour supporter le dveloppement, l'excution, l'volution
et la rutilisation de modles orientes agents de chanes logistiques. Cette architecture
repose sur deux socits d'agents en interactions (agents cognitifs et agents ractifs).

Le modle de l'Agent Acteur repose sur une architecture d'agent particulire pour la
ralisation du systme multi-agents. Lors de la phase "d'implmentation", il s'agit pour
Y informaticien de rendre excutable le modle oprationnel agent pour son exploitation.
Pour cela, nous avons prsent l'ensemble des formalismes de spcifications retenus
pour oprationnaliser l'architecture d'agent propose au niveau oprationnel. Les
environnements de dveloppement ncessaires l'oprationnalisation de l'architecture
agent propose sont prsents au cours du chapitre suivant.

141
Chapitre 6 : Illustrations de la
coordination de chanes logistiques
centres consommateurs

1 Introduction

Au cours de ce chapitre, nous illustrons travers un cas industriel la mise en uvre du


cadre mthodologique propos au chapitre prcdent. Cette illustration concerne, au
niveau exploitation, la simulation d'une chane logistique dans un contexte de
personnalisation de masse. Suite la phase "d'implmentation", nous dcrivons les
tapes de conception du systme multi-agents et du cadre d'exprimentation. La phase
"d'implmentation" a pour but de rendre excutable le Modle Oprationnel Agent par
la conception d'un systme multi-agents.

La conception du systme multi-agents ncessite l'utilisation de langages


d'implmentation pour programmer les agents et leur organisation. Ce travail, ralis
par Y informaticien, repose sur l'exploitation de langages informatiques lie des plates-
formes de dveloppement spcifiques. Pour l'implmentation des socits d'agents
ractifs et cognitifs, nous retenons deux environnements de dveloppement qui
permettent d'assurer la prise en compte des spcificits des architectures d'agents. A
travers le couplage de ces deux environnements, nous proposons une plate-forme de
simulation multi-agents pour la conception du cadre d'exprimentation. Son
exploitation permet d'illustrer, partir de scnarios contextuels, diffrents modles de
coordination de chanes logistiques dans un contexte de personnalisation de masse.

Dans un premier temps, nous prsentons l'environnement de simulation par la


description de la plate-forme informatique propose pour l'implmentation du systme
multi-agents. Ensuite, nous dfinissons le contexte de l'tude par la description du cas
industriel retenu. La section suivante concerne la mise en uvre du cadre
mthodologique orient agents. Au cours de la quatrime section nous prsentons les
rsultats de simulation obtenus.

142
2 Proposition d'un environnement de
simulation

La proposition d'une plate-forme de simulation multi-agents a pour vocation de fournir


un espace paramtrable pour l'tude comportementale de systmes complexes. Dans
cette section, nous abordons les principales caractristiques de la plate-forme
informatique propose pour la simulation oriente agents de chanes logistiques.
L'environnement de simulation permet de manipuler des modles et d'tudier le
comportement du systme et des entits qui le compose. De plus, il fournit des moyens
d'apprhension et de prdiction de phnomnes par le biais de l'exprimentation se
concrtisant par l'excution de diffrents scnarii.

Au cours de cette section nous dtaillons les caractristiques de conception de la plate-


forme de simulation multi-agents propose. Dans un premier temps, nous prsentons les
environnements de dveloppement retenus pour l'implmentation des agents cognitifs,
des agents ractifs et des objets. Ensuite, nous dcrivons l'architecture gnrale de
l'environnement de simulation intgrant les plates-formes de dveloppement agents.

2.1 L'environnement de dveloppement de la socit


cognitive : MAJORCA

La description du modle d'agent cognitif permet de prciser la nature des composants


ou lments spcifier pour la reprsentation des agents et du systme multi-agents.
Suite cette phase de spcification intervient la phase de dveloppement pour
implmenter les modles dcrits prcdemment. Cette phase de dveloppement s'appuie
sur l'utilisation d'outils logiciels qui fournissent des services ou applications pour le
dveloppement des agents et des systmes multi-agents, [LABARTHE et al, 2006b].

Pour le dveloppement des agents cognitifs nous retenons la plate-forme MAJORCA


pour Moteur Agents Jess Orient Reprsentation de Comportement d'Agents propose
par Erwan TRANVOUEZ dans [TRANVOUEZ, 2001]. MAJORCA est une plate-forme qui
fournit un environnement de dveloppement de systmes multi-agents bas sur la notion
de Plans Comportementaux spcifis l'aide du formalisme RCA. L'architecture d'un
agent cognitif est compose de quatre modules principaux : Communication,
Connaissances, Dcision et Expertise. Cette architecture s'appuie sur les approches
AOP et BDI prsentes dans la partie 4.2.2 du chapitre 2. La Figure 57 illustre les liens
d'interaction existants entre chaque module, source [TRANVOUEZ, 2001].

143
Communication Dcision
Couche Syntaxique Gestionnaire des Plans
Comportementaux (GPC)
Couche Smantique Ractions aux vnements
Message *>^^ Critres dcisionnels
Filtrage(et rponse) des
messages hors contexte . en contexte

1
i *

Expertise
Message type I inform Rponses
Sociale Individuelle
Connaissances Protocole Plan local
de rle
Sociales Individuelles
O<>
Accointances Comptences
Extraits des connaissances Croyances Mtier
individuelles des autres Mmoire de travail
agents
Infrences
Actions lmentaires
Calculs d 'ordonnancement, etc

Figure 57 ARCHITECTURE D'UN AGENT COGNITIF

Le module Communication s'intresse la gestion des messages entrants et sortants en


provenance ou destination des autres agents. L'expression et l'interprtation des
messages sont assures par deux couches : syntaxique et smantique. La couche
syntaxique est charge de vrifier les rgles grammaticales du langage utilis pour
l'change de messages. La couche smantique relve de la comprhension du message
pour son interprtation par l'agent. Ces deux aspects relatifs aux messages sont abords
dans la description des langages de communication propose dans la partie 4.3.1 du
chapitre 3. Un message hors contexte gnre un message d'erreur spcifiant que la
conversation ou le protocole est inconnu.

Le module Connaissances est compos des informations dont l'agent dispose sur lui-
mme (Connaissances individuelles) et sur les autres agents (Connaissances sociales).
Les connaissances individuelles reprsentent les comptences cognitives que l'agent est
apte raliser. Les connaissances sociales portent sur les accointances de l'agent ainsi
que sur les informations dont ils disposent sur des agents ou des groupes d'agents. Les
messages vont permettre de mettre jour les connaissances sociales de l'agent.

Le module Dcision contrle les actions mises en uvre par l'agent au sein du module
Expertise. Le dclenchement de ces actions est obtenu en rponse aux messages en
contexte selon deux modes. Dans le mode de type rflexe, les plans sont dclenchs en
raction aux vnements dtects. Dans le second mode, de type rflchi, le

144
Gestionnaire de Plans Comportementaux est charg d'activer ou de dsactiver les Plans
Comportementaux lorsque les conditions de dclenchement des plans sont runies.

Le module Expertise dcrit sous forme de plans, la manire dont sont mises en uvre
les comptences de l'agent par la ralisation d'un ensemble d'actions cognitives. Ce
module est compos de l'ensemble des Plans Comportementaux (Protocole de Rle et
Plan Local) qui reprsentent sous forme de graphes les actions ralisables par un agent.
Ces plans dfinissent le comportement de l'agent selon une squence d'actions
lmentaires de type envoi de message ou ralisation de calculs.

L'implantation des Plans Comportementaux est ralise dans la plate-forme logicielle


de dveloppement de systmes experts Jess pour Java Expert System Shell [FRIEDMAN-
HILL, 2000]. Jess contient un moteur d'infrence permettant l'excution de programmes
CLIPS, C Language Integrated Production System, directement intgrable au code Java.
CLIPS est une plate-forme logicielle permettant de dvelopper facilement des systmes
experts, conue en 1984 au Jonhson Space Center de la NASA. Jess est un portage du
langage de programmation orient objets Java de CLIPS. Jess permet de dvelopper des
systmes experts en intgrant du code Java.

Une solution d'implmentation des graphes RCA est propose sur la base de rgles Jess
l'aide d'une procdure de traduction dont l'architecture logicielle est dtaille la
Figure 58, source [TRANVOUEZ, 2001].

Fichier Jess
Spcification graphique
d'un PC la souris Transcription du graphe
RCA en rgies JESS

SEdit (Java)
Traducteur (Java)
Spcification du formalisme
RCA ( Fichier XML) Spcification de la procdure
de traduction (Fichier texte)
Sauvegarde du graphe
RCA reprsentant le PC
Sauvegarde du graphe
RCA reprsentant le PC

1. Aide la 2. Aide au
conception dveloppement
Fichier XML

Figure 58 ENVIRONNEMENT DE DVELOPPEMENT DES AGENTS COGNITIFS

JAPHA est un outil graphique d'aide la conception de graphes RCA et XML2JESS est
un outil de traduction, [MOYAUX, 2000]. Il s'agit pour l'utilisateur de concevoir de
manire graphique les Plans Comportementaux. Cet outil d'aide la conception a t

145
dvelopp avec le logiciel SEdit, propos par Jacques FERBER et Olivier GUTKNECHT,
pour la manipulation des composants graphiques qui composent le formalisme RCA.
Les graphes obtenus sont sauvegards dans des fichiers XML. Le code contenu dans les
fichiers XML sont alors traduits en code Jess.

Au sein de la plate-forme de dveloppement d'agents cognitifs, chaque instance du


moteur d'infrence Jess est associe un agent. Chaque agent utilise le standard ACL
introduit par la FIPA pour la mise en uvre des actions de communication, tel que
dcrit la partie 4.3.1 du chapitre 2. Ces actions ou primitives sont implmentes en
Java au sein du Package JavaACL, [CLOUT1ER, 1999]. La Figure 59 illustre les
composantes logicielles utilises pour le dveloppement d'un agent cognitif, adapte de
[TRANVOUEZ, 2001].

Transport des messages Moteur d'infrence


(JavaACL) (JESS)

Communication Dcision

Gestionnaire de PC
Couche Syntaxique
Expertise
Couche Smantique
' Sociale Individuelle i

Protocole Plan local


de rle

Connaissances
Actions lmentaires
Autres Calculs simples Calculs
Comptences
connaissances Complexes

Lgende

Dvelopp en Java Dvelopp en CLIPS/JESS

Figure 59 ARCHITECTURE LOGICIELLE D'UN AGENT COGNITIF

146
2.2 L'environnement de dveloppement de la socit
ractive : Anylogic

La phase d'implmentation concerne le dveloppement informatique des modles


dcrits lors de la modlisation oprationnelle agent. Prcdemment nous avons introduit
l'environnement retenu pour le dveloppement des agents cognitifs. Au niveau de la
socit ractive deux types d'lments sont prendre en considration lors de la phase
d'implmentation : les agents ractifs et les flux physiques de produits. La socit
ractive permet de reprsenter et de simuler le niveau physique du systme rel tudi.
Les modles d'agents ractifs reposent sur des comportements de type rflexes spcifis
l'aide de diagramme d'tat. Dans un premier temps, la phase d'implmentation des
agents ractifs concerne la programmation de ces diagrammes. Dans un second temps,
les produits qui circulent le long de la chane logistique, sont modliss par des Objets
issus de la Programmation Oriente Objet. Il s'agit de modliser informatiquement un
ensemble d'lments du monde rel en un ensemble d'entits informatiques.

L'implmentation des produits ncessite un environnement de dveloppement Orient


Objet. De plus, cet environnement doit permettre d'implmenter les diagrammes d'tat
pour la modlisation et la simulation des agents ractifs. Pour cela nous avons retenu le
logiciel Anylogic qui est une plate-forme logicielle pour le dveloppement et la
simulation de systmes complexes discrets, continus et hybrides. Anylogic propose un
environnement de simulation vnements discrets dveloppe en Java. La Figure 60
illustre l'architecture du logiciel Anylogic, source XJ Technologies13.

Ports Statecharts Variables Active Objects Java API


Messages - discrte ODE Encapsulation Animation
Statecharts - hybrid DAE Hierarchy
Timers NAE Inheritance
Events Matrixes

Hybrid

Discrte Continuous

UML-RT

Java

Figure 60 ARCHITECTURE GNRALE DU LOGICIEL ANYLOGIC

1
www.xjtek.com

147
Le moteur de simulation et les animations sont entirement dvelopps en Java. La
modlisation Objet, qui repose sur UML-RT pour UML for Real Time, consiste crer
une reprsentation informatique des lments du monde rel adapte la reprsentation
des systmes temps rel. Cette adaptation par rapport UML rend simulables et
excutables les modles, facilitant ainsi la description des interconnexions entre les
Objets. Au sein du logiciel Anylogic, les Objets sont dfinis sous le terme d'Activ
Objects s'appuyant sur les principes de la programmation oriente objets :
l'encapsulation, l'hritage et la hirarchie.

Le dveloppement de modles vnements discrets repose sur la dfinition de cinq


lments principaux : Ports, Messages, Statecharts, Timers et Events. Les Ports
reprsentent les interfaces bidirectionnelles des Objets, utilises pour recevoir ou
envoyer des Messages. Les Messages sont des Objets qui permettent de reprsenter les
mcanismes d'interactions discrets entre les Active Objects. Les Statecharts sont des
diagrammes d'tat qui sont utiliss pour spcifier les comportements des Active Objects.
Les Timers sont des temporisateurs utiliss pour dclencher la ralisation d'actions sur
l'chelle du temps. Les Events, pour vnements, dfinissent des occurrences un point
prcis dans le temps qui peuvent changer l'tat du systme. La gestion et la
synchronisation des vnements, Event Scheduling, est assure par un moteur de
simulation propre au logiciel Anylogic. Il s'agit de placer les vnements sur l'chelle
du temps et de choisir, parmi ceux qui sont ligibles, l'ordre de leur excution.

L'architecture logicielle prsente prcdemment est compose d'un ensemble


d'lments qui sont utiliss pour la conception de modles vnements discrets. A
ceci s'ajoute une bibliothque d'Objets de type entreprise, nomme Enterprise Library,
au sein de laquelle sont dfinis un ensemble de composants informatiques. Ces
composants sont des Objets permettant de modliser des activits ou des processus de
systmes manufacturiers et logistiques. La bibliothque de type entreprise est compose
d'un ensemble de composants utiliss pour reprsenter des activits de stockage, de
manutention, de transport, d'assemblage, de lotissement, etc. Par exemple, le composant
nomm Queue est utilis pour la reprsentation d'units de stockage. Ce composant
dispose d'attributs, donnes utiliss pour caractriser l'objet, comme la capacit de
stockage, ainsi que de mthodes qui caractrisent les actions que l'objet peut raliser,
comme les politiques de prlvement des entits {First In First Out, Last In First Out,
etc.).

La conception de modles vnements discrets, dvelopps au sein du logiciel


Anylogic, repose sur l'utilisation d'lments graphiques et la programmation oriente
objets. Dans le mode graphique, les composants sont manipuls dans une interface de
dveloppement facilitant ainsi la conception du modle. Les composants utiliss dans le

148
mode graphique sont les Active Objects, les Ports, les Timers, les Statecharts et les
composants dfinis dans Y Enterprise Library. Par la suite des liens sont utiliss pour
relier les composants entre eux. Ces liens reprsentent des canaux assurant la circulation
des objets de type Message. Le mode programmation oriente objets est utilis pour
coder les attributs et les mthodes de chaque objet du modle. La Figure 61 illustre, au
travers d'un exemple, l'interface de dveloppement propose dans Anylogic pour la
conception d'un modle vnements discrets. Dans cet exemple un Active Object
reprsente un agent ractif au sein du modle. Chaque Active Object est spcifi en
fonction des rles dfinis au cours de la partie 3.1.2 du Chapitre 4. Dans l'interface de
dveloppement chaque agent ractif reprsente une instance d'un Active Object. Par la
suite il s'agit de caractriser chaque agent en dfinissant leurs attributs respectifs. Enfin,
les interactions entre les agents sont reprsentes par des liens connects aux Ports.
Chaque agent dispose d'un ou de plusieurs comportements qui sont dfinis de manire
graphique sous la forme de diagrammes d'tat.

* tek w- ir*t w
i 8 H < t ^ , x # a or
il

i Interface de dveloppement

Active Objects I M W**I Socit d'Agents Ractifs


modllsant < "g ^ * " 1
les Agents Ractifs

Objets r
modllsant les entits J
du monde rel [_
Fichier externe
Base de donne
Dtail de l'agent Personnallseur

i ~ ~
Parsonralseu
gueu >| P""3 queuel
a'a' a'a ftS a'D

Composants de type,
Enterprise Library
.._ -.. i
Reprsentation du comportement
par diagramme d'tats

Figure 61 ENVIRONNEMENT DE DVELOPPEMENT DES AGENTS RACTIFS

Le choix du logiciel Anylogic a de plus t motiv par les possibilits qu'il offre en
termes d'interoprabilit (Classes Java, Bases de Donnes, etc.), favorisant ainsi la mise
en relation des socits d'agents cognitifs et ractifs.

149
2.3 Architecture de l'environnement de simulation

En nous appuyant sur la modlisation oprationnelle agent introduite au chapitre 5 et en


considrant les contraintes de dveloppement relatives aux deux socits d'agents, nous
dtaillons au cours de cette section l'architecture gnrale de l'environnement de
simulation orient agents.

Suite l'tape de conception du systme multi-agents intervient la phase "d'excution".


Lors de cette phase, il s'agit pour Y informaticien de rendre excutable, pour la conduite
de simulations, le systme multi-agents. L'environnement de simulation orient agents
propos, repose en premier lieu sur l'interoprabilit des moteurs d'infrence Jess et du
moteur de simulation dfini dans AnylogicO. D'autre part, il s'agit de dfinir les
interfaces accessibles par les utilisateurs pour concevoir les modles, dfinir les
scnarii, visualiser l'volution du systme et de ces composants, et enfin exploiter les
rsultats de simulation. Pour cela nous proposons une architecture de l'environnement
de simulation compos des lments suivants : (i) Majorca pour l'excution des agents
cognitifs, (ii) Anylogic pour la simulation de la socit ractive, et, (iii) une base de
donnes pour l'enregistrement des paramtres des scnarii et la sauvegarde des rsultats
de simulation.

L'excution de la socit cognitive consiste instancier un moteur d'infrence Jess pour


chaque agent dfini lors de la modlisation oprationnelle. ces agents s'ajoutent trois
agents de service ncessaires l'excution de toute simulation : l'Agent Pages Blanches
(Agent Name Server ou ANS), l'Agent Pages Jaunes (Register-Agent ou R-Agent) et
l'Agent Gestionnaire d'Evnements (Agent Events Scheduler). \JAgent Name Server
gre la communication entre les agents cognitifs dans le systme multi-agents. Chaque
agent cognitif doit se connecter l'ANS pour pouvoir exister dans le systme multi-
agents. Le R-Agent est un agent rpertoire auprs duquel les agents cognitifs
s'inscrivent en prcisant leur nom et leurs comptences, et ce, afin de pouvoir tre
sollicit par l'envoi de message en vue de cooprer avec un ou plusieurs autres agents
cognitifs. L'Agent Events Scheduler est charg de relier les messages entre la socit
ractive et la socit cognitive par interaction avec un gestionnaire d'vnements.

L'excution de la socit ractive consiste instancier un moteur de simulation


Anylogic, au sein duquel sont excuts l'ensemble des Active Objects reprsentant les
agents ractifs dfinis lors de la modlisation oprationnelle. Nous avons dfini, au sein
du moteur de simulation, un composant appel Gestionnaire d'vnements qui est
charg de la transmission des messages entre socit ractive et Y Agent Events
Scheduler. De plus, le logiciel Anylogic fournit une interface de dveloppement pour
l'animation des Active Objects, des composants de Y Enterprise Library et des objets de

150
type Messages. A l'instanciation du moteur de simulation, une interface graphique est
excute permettant de visualiser l'animation du modle.

La base de donnes assure l'interface entre l'utilisateur et le logiciel Anylogic en ce


qui concerne l'exploitation des donnes du modle. La base de donnes est utilise pour
la saisie des paramtres des modles, l'enregistrement des donnes de simulation et
l'affichage des rsultats. La Figure 62 illustre l'architecture gnrale de la plate-forme
de simulation oriente agents ainsi que les liens existants entre Majorca, Anylogic et
la Base de Donnes. L'exemple prsent est issu de la reprsentation du Centre A au
niveau oprationnel abord au paragraphe 5.2.3 du chapitre 5.

Base de
Utilisateur(s) Donnes

Figure 62 ARCHITECTURE GNRALE DE LA PLATE-FORME DE SIMULATION

L'identification d'un acteur de la chane logistique par un Agent Acteur rend possible
l'tude du comportement de la chane globale et des acteurs qui la composent, de par la
modularit du formalisme. Le modle pour la simulation est obtenu en positionnant les
diffrents rles composant la socit ractive. Chaque rle, issu des rseaux de
responsabilit, est reprsent par un Active Object dans Anylogic. Une fois
positionns, les agents, identifis par rles, sont relis selon les liens clients /
fournisseurs. Cette approche reprsentant le comportement des agents fournit aux
concepteurs et aux utilisateurs une vision des interactions existantes dans le systme,

151
tant au niveau local (comportement de l'agent), qu'au niveau social (comportement du
systme).

Afin de prciser les changes de messages entre le Gestionnaire d'vnements et


VAgent Events Scheduler, un diagramme de squence est prsent la Figure 63. Au
travers de ce diagramme les interactions entre les agents ractifs et cognitifs sont
dcrites sur la base de l'exemple propos la fin du Chapitre 5 la Figure 54. Les
agents cognitifs sont situs au sein d'un mme environnement et peuvent par
consquent changer directement des messages. Les interactions entre les agents ractifs
et les agents cognitifs ncessitent une transformation des messages adapts aux deux
environnements informatiques retenus pour le dveloppement et l'excution du systme
multi-agents.

Agent Ractif Agent Ractif : Gestionnaire Agent Events Agent Cognitif Agent Cognitif
d'vnements Scheduler

! ! I
i Requte
I I ! (Livraison 100 U)
i Inform (agent a
Requte 1, Inform (agent a,,)
(Dstockage 100 U,
Indisponible _
Inform (agent a,)
i i l
ir^t j | | \ .
! (Dstockage 100 U,
f\/\ r^C s
ILJ

| (Livraison 100 U)
H | Inform (agent a ^

Confirmation

j(Dstockage 100 U,)
:
Requte
L (Production 100 U)|
Inform (agei i Inform (agent a12)
n ta 12 )p|
;
Inform (agent a, ) X Accord
L L (Livraison 100 U)

Refus
0
! (Production 100 U) j Refus
| (Livraison 100 U) | ti
Figure 63 SOLUTION DE COUPLAGE DE L'ARCHITECTURE LOGICIELLE RETENUE

Nous abordons dans la partie suivante les considrations retenues pour effectuer le
couplage entre le logiciel Anylogic et la plate-forme de dveloppement Majorca.

2.4 Le couplage Anylogic - Majorca

Le dveloppement des agents de la socit ractive et des agents de la socit cognitive


repose sur l'utilisation de deux environnements diffrents. La proposition d'un
environnement de simulation orient agents implique le couplage du logiciel Anylogic
avec la plate-forme de dveloppement Majorca. Ce couplage doit permettre d'assurer
l'interoprabilit entre les deux environnements de simulation retenus.

152
Au sein du modle de l'Agent Acteur les agents cognitifs communiquent par change de
messages et les agents ractifs interagissent par changes de signaux (vnements).
Nous proposons d'intgrer un composant appel Gestionnaire d'vnements charg de
transformer les signaux mis par les agents ractifs en messages. De plus ce composant
transforme les messages des agents cognitifs en signaux interprtables par les agents
ractifs. La Figure 64 illustre l'architecture propose, sur la base du modle de l'Agent
Acteur, pour assurer le couplage des environnements de simulation retenus.

Modle Agent Acteur Agent Acteur

Socit Dcisionnelle
Implmentation des Plans Comportementaux
Agent
Messages
Cognitif

Agent
Ractif Implmentation des diagrammes d'tat
Agent
Ractif
Signaux

Socit Ractive

Niveau Oprationnel Niveau Exploitation

Figure 64 COUPLAGE AGENTS COGNITIFS ET AGENTS RACTIFS

Les liens de communication qui s'tablissent entre les agents dans le systme multi-
agents forment l'ossature des modes d'interaction. Il devient alors ncessaire pour les
agents de disposer de mcanismes leur permettant de participer des conversations en
leur y attribuant chacun un rle. La spcification du comportement des agents est
construite sur la base de formalismes et de langages de communication. Les interactions
entre les agents cognitifs et les agents ractifs reposent sur ce constat et ncessitent la
mise en uvre d'lments assurant l'change de messages entre les deux socits
d'agents. Il s'agit d'assurer l'interoprabilit entre la plate-forme de dveloppement
multi-agents Majorca et le logiciel AnylogicO. L'environnement de simulation propos
repose sur l'interaction des instances de moteurs d'infrence Jess et les instances des
Active Objects du moteur de simulation d'Anylogic. Cette phase de couplage est
facilite par le fait que les deux environnements de dveloppement retenus reposent sur
un langage de programmation commun : Java.

La dfinition de modes d'interaction entre la socit ractive et la socit cognitive,


ncessite l'tablissement de liens de communication entre les agents cognitifs et les
agents ractifs. Notre choix s'est port sur le langage ACL-FIPA de par sa syntaxe riche
et souple pour la reprsentation du contenu des messages changs, et pour sa capacit
supporter des protocoles de conversation complexes permettant de raliser des activits

153
de ngociation et de collaboration. En nous appuyant sur le modle de l'Agent Acteur,
nous proposons d'tablir des liens de communication sur la base du langage ACL-FIPA.

Chaque agent cognitif, associ une instance du moteur d'infrence Jess, utilise des
primitives de communication du standard de la FIPA implmentes en Java. Ces
standards fixent le contenu et la forme des messages changs. L'enchanement de ces
messages est dtermin par un protocole de conversation qui structure et assure la
continuit et la cohrence des dialogues. Les services offerts par la librairie Java-ACL
sont regroups en une extension de Jess, ce qui facilite les phases d'implmentation lors
de la conception du systme multi-agents. JavaACL est une librairie de fonctions de
communication qui supporte le standard de communication ACL et utilise le protocole
TCP-IP pour l'change de messages. Les douze paramtres de messages spcifis par la
norme FIPA, [FIPA, 1997], sont reprsents dans la partie gauche de la Figure 65. La
librairie Java-ACL est compose de fonctions qui permettent de transformer un message
ACL. La partie droite de la Figure 65 prsente la structure d'un message ACL associe
un fait dans Jess.

(message-ACL (message
:performative <string-expression> Inform
: content <expression> "Rupture de stock p r o d u i t X'
:conversation-id <expression> agentl-Inventory-2
:enveloppe <expression> nil
:in-reply-to <expression> nil
:language <expression> CLIPS
:ontology <expression> nil
:protocol <expression> Inventory
:receiver <expression> agent2
:reply-by <expression> now
:reply-with <expression> nil
:sender <expression> agentl

Figure 65 REPRSENTATION D'UN MESSAGE ACL PAR UN FAIT MESSAGE DANS JESS

La traduction des signaux ou des messages conditionne les comportements adopts par
les agents cognitifs et les agents ractifs. Les liens de communication dfinissent ainsi
les modes d'interaction entre les agents. L'interaction agent cognitif - agent ractif
repose sur l'change de message entre les deux environnements de dveloppement
retenus. Au sein de la plate-forme de dveloppement multi-agents Majorca un message
ACL est reprsent par un fait Jess qui comporte les douze paramtres de messages
spcifis par la norme FIPA. Un message mis par un agent cognitif un agent ractif
est transform dans Anylogic en un objet de type Message. Ce processus de
transformation est assur par le Gestionnaire d'vnements prsent la Figure 64. Les
messages mis par les agents ractifs vers les agents cognitifs sont transforms en fait
Jess par le Gestionnaire d'vnements. Le couplage Anylogic - Majorca est illustr
par exemple la Figure 66.

154
Nom du fait Jess ["(message (message
r ?performative inform
content "Event_12_I370_0"
?conv-id nil
envelope nil
?in-reply-to nil
lang CLIPS
Structure du fait
ontology
protocol
Agenti nil
Stock_Level

Majorca
receiver
reply-by
?reply-with
sender)
r ^F agenti
nil
nil
personnaiiseurl)

Dclaration CName: Message


"Fields: String _type
integer j d
String _name Port messagelnD Port messageOut!
String _format
Constructeur
String __product Gestionnaire :
integer _quantity;
String _from
String __to __..* M receive j
Port messageln
send Name: Message
Fields: "Event"
Port productlnnp8raonnasei/rt[^Jport messageOut 12

"Stock_Level"
D 1370"
Port productOut 0
"personnaliseuri
Anylogic "agenti"

Figure 66 EXEMPLE DE COUPLAGE ENTRE UN AGENT COGN1TIF ET UN AGENT RACTIF

Les communications entre les agents cognitifs sont reprsentes par des plans
comportementaux l'aide du formalisme. La reprsentation des communications entre
les agents cognitifs et les agents ractifs repose sur l'utilisation de diagrammes de
squences dfinis dans AUML. La sous-section suivante est consacre la prsentation
dtaille de l'architecture gnrale de l'environnement de simulation.

Le travail de conception est de plus facilit par la simplification de l'tape


d'implmentation. En effet, les outils de description des comportements graphiques pour
la reprsentation des diagrammes d'tat, permettent par le biais des interactions, de
visualiser les scnarios de coordination et les points de synchronisation, ce qui s'inscrit
de manire raliste dans le cadre de la gestion des chanes logistiques. Au cours de cette
section nous avons prsent l'architecture gnrale de l'environnement de simulation.
La section suivante est consacre la mise en uvre de simulations orientes agents de
chane logistique dans un contexte de personnalisation de masse.

155
3 Chane logistique centre consommateurs

La production grande chelle de produits personnaliss a un impact considrable sur


les chanes logistiques. La gestion de ces organisations fortement dynamiques, ncessite
le dveloppement d'outils d'aide la dcision adapts. Cette section prsente le cas
industriel retenu pour la mise en uvre du cadre mthodologique de modlisation et de
simulation orientes agents de chanes logistiques centres consommateurs.

En vue d'illustrer le principe de coordination que nous avons propos au cours du


Chapitre 4, nous avons dfini une chane logistique reposant sur un cas pratique raliste.
La chane logistique considre doit nous permettre de tester la capacit de
fonctionnement de l'architecture logicielle prcdemment dfinie pour l'excution de
simulation orientes agents. Au cours de cette section, nous introduisons le cas
industriel retenu ainsi que la modlisation de domaine, la modlisation conceptuelle
agent, la modlisation oprationnelle agent et l'application informatique qui en rsulte.
Nous dtaillons la chane logistique retenue pour l'tude et l'analyse de la coordination
dans un contexte de personnalisation de masse.

3.1 Le systme rel

La chane logistique considre est inspire de trois manufacturiers majeurs appartenant


l'industrie du golf. A partir de donnes collectes dans [MONTREUIL and POUL1N,
2005] sur le fonctionnement de ces trois manufacturiers, une chane logistique reprenant
les diffrentes caractristiques relatives cette industrie est propose la Figure 67. Les
entreprises qui composent la chane logistique sont considres comme juridiquement
autonomes et collectivement responsables pour approvisionner les produits finis sur
l'ensemble des zones marchs. En amont se trouve un ensemble de fournisseurs chargs
d'acheminer les composants ou les matires premires dont ils assurent la production,
vers le manufacturier de produits finis (manufacturier de btons de golf).

156
Flux informationnel

Sous-traitant -\
Moules DEMANDE
Fournisseur
Ttes moules

Fournisseur x 4 zones de march


Tiges
x1 March Europe
Fournisseur
Manches
Fournisseur
Ttes forges
rasa x 4 zones de march

B
x1 March USA
Fournisseur Manufacturier Centre de Point de vente Consommateur Flux
distribution physique Autres Marchs

Figure 67 EXEMPLE DE CHANE LOGISTIQUE DE L'INDUSTRIE DES BTONS DE GOLF

Les ventes mondiales des btons de golf se rpartissent sur cinq marchs majeurs : (i)
les tats-Unis, (ii) le Canada, (iii) l'Europe, (iv) l'Asie, et, (v) les autres continents
(Amrique Centrale et Latine, Australie et l'Afrique). Chaque march est compos d'un
ensemble de zones de march. Cette segmentation est principalement due la dfinition
macroscopique qui rgit la reprsentation des marchs. Une zone de march permet de
reprsenter plus en dtail les spcificits d'une partie du march. Par exemple, le
march des tats-Unis se dcompose en zones de march Nord-est, Nord-ouest, Sud-
ouest, Sud-est. Chaque zone de march est compose de consommateurs, de points de
ventes (dtaillants) et de distributeurs.

3.1.1 Prsentation gnrale du cas industriel

Les consommateurs peuvent acqurir ou commander des btons de golf auprs de


dtaillants. Les commandes sont mises lorsque les produits sont indisponibles ou si les
consommateurs souhaitent des btons de golf disposant de caractristiques spcifiques.
La seconde possibilit offerte aux consommateurs consiste passer des commandes via
une interface consommateur / chane logistique (exemple : cas du commerce
lectronique). Ceci leur offre la possibilit de commander des produits existants ou bien
de spcifier / paramtrer des btons de golf selon leurs souhaits. Chaque consommateur
appartient une zone de march.

Les points de ventes, ou dtaillants, forment une interface physique entre le


consommateur et la chane logistique. Ils reprsentent des magasins de sport, des
grandes surfaces, des franchises, des magasins spcialiss dans le golf ou des clubs

157
sportifs de golf. Au niveau des points de vente se situent des stocks physiques de
produits finis. Ainsi un consommateur pourra choisir d'acqurir un produit prsent chez
le dtaillant, ou bien spcifier un dsir particulier auprs de ce dernier se concrtisant
par la passation d'une commande. Le dtaillant pourra soit commander le produit auprs
d'un autre dtaillant, le commander auprs d'un distributeur, ou bien le commander
auprs du manufacturier de btons de golf. Le nombre de dtaillants est spcifi par
zone de march.

Les distributeurs sont chargs de stocker et d'approvisionner les points de vente en


produits finis afin de rpondre la demande. Au sein du cas industriel propos nous
retrouvons deux types de distributeurs : un distributeur pour chaque march et un
distributeur principal pour l'alimentation des distributeurs par march. Le distributeur
principal est en relation directe avec le manufacturier charg de l'assemblage et de la
personnalisation des btons de golf.

Le manufacturier de btons de golf est charg de l'assemblage des produits finis. Ses
sources d'approvisionnement sont constitues de fournisseurs responsables de la
production des diffrents composants formant les btons de golf. Les oprations
ralises au sein de ce manufacturier sont principalement des activits manufacturires.
D'une part pour la modification des composants (dcoupe de la tige, ajustement des
angles d'une tte, ...) et d'autre part pour l'assemblage physique des composants
(insertion du manche sur la tige, insertion de la tte sur la tige). De plus, ce
manufacturier assure les activits de personnalisation des produits finis et / ou des
composants. Le manufacturier peut recevoir des composants personnaliser et
assembler les btons de golf. Ce manufacturier est en relation avec plusieurs types
d'entreprises : (i) le distributeur principal, vers lequel l'assembleur achemine les
produits finis, (ii) un manufacturier pour les activits de sous-traitance d'assemblage, et,
(iii) l'ensemble des fournisseurs de composants et de matires premires.

Au sein de la chane logistique un manufacturier est responsable, en tant que sous-


traitant, d'oprations qui ncessitent une comptence d'assemblage particulire. Celui-
ci reoit en entre, de la part du manufacturier charg de l'assemblage, des produits finis
ou des composants sur lesquels il ralise des oprations particulires. Ensuite il renvoie
vers le manufacturier charg de l'assemblage les produits finis ou les composants ainsi
traits (exemples : ajustement d'angles, longueurs de dcoupe spcifiques, ...).

En amont du rseau, intervient un ensemble de fournisseurs pour l'acheminement de


composants ou de matires premires dont ils assurent la production. Les fournisseurs
retenus pour le cas industriel sont les suivants : (i) un manufacturier de ttes de golf, un
manufacturier de tiges (Shaft), (iii) un manufacturier de manche (Grip), et, (iv) un

158
manufacturier de ttes forges. Le manufacturier de ttes de golf est en relation avec un
sous traitant pour la fabrication de moules de ttes de golf. Il reoit en entre des
spcifications techniques relatives la conception d'un nouveau moule, et livre un
moule matre rpondant ces spcifications.

3.1.2 Niveaux de personnalisations relatifs l'industrie du golf

Le cas industriel est caractris par une demande qui est fonction des niveaux de
personnalisation des produits dfinis par march. Le niveau de personnalisation est
dcrit selon la relation qu'entretient la chane logistique avec le consommateur. Les
consommateurs peuvent soit acheter les produits auprs des points de vente (passation
de commandes en cas d'indisponibilits ou de produits spcifiques), soit passer des
commandes via une interface consommateur / chane logistique. Ce dernier cas donne la
possibilit d'acqurir diffrents produits depuis ceux dits Populaires jusqu'aux produits
Sur-mesure, caractrisant ainsi diffrents niveaux de personnalisation.

La demande par niveau de personnalisation est considre comme tant l'un des
lments essentiels formant la dynamique de l'environnement de la chane logistique.
En termes de produits nous considrons cinq niveaux de personnalisation, [POULIN et
al, 2006], qui sont les suivants :

Populaire (Popularizing), btons populaires, ce niveau est compos de douze


btons diffrents obtenus par combinaison partir de quatre ttes, trois tiges et
un manche. Les modles de ttes et de tiges sont dfinis pour une anne et un
march donns. La prsence physique des produits finis se situe au niveau des
dtaillants, des centres de distribution et du manufacturier charg de
l'assemblage.

- Varit (Varietizing), btons varits, ces btons sont dj fabriqus et sont en


attente de livraison aux centres de distribution. Ceci reprend le concept de
produits finis dfini prcdemment en proposant un nombre de combinaisons
plus important.

Accessoire (Accessorizing), adopte une politique de gestion base sur


l'Assemblage la commande. Ce niveau permet de proposer aux
consommateurs une combinaison plus grande de composants, qu'il est
impossible de stocker de par sa grande diversit.

- Paramtre (Parametring), paramtrage spcifique d'un ou de plusieurs


composants entrant dans la fabrication d'un bton de golf.

159
Sur-mesure (Tailoring), production sur mesure de certains ou de tous les
composants.

Dans la Table 8 sont prsents les caractristiques associes au niveau de


personnalisation et aux marchs considrs, dans l'exemple propos le march illustr
est le Canada. Pour chaque niveau de personnalisation diffrentes combinaisons de
produits finis sont proposs en fonction de l'assemblage des composants.

March Canadien Nombre d'options par paramtre


Paramtres pour l'offre d'ensemble de fers Populaire Varit Accessoire Paramtre Sur Mesure
Modles de tte de golf 2 4 4 4 4
Alliage de mtal 1 1 1 2 4
Disponibilit des faces par modles 2 2 2 2 2
Lofts par modle 1 1 1 3 7
Angle du lie par modle 1 1 5 9 13
Sole grlnds par modle 1 2 2 3 6
Type de tige et de torsion par modle 3 12 20 40 60
Longueur par tige 1 1 5 15 30
Poids ajust par tige 1 1 5 5 19
Type de manche par tige 1 3 10 20 35
Taille du manche 1 1 2 6 6
Nombre de combinaison d'ensemble de fers 12 576 800 000 466 560 000 125 483 904 000
Offre de Service (chiffres moyens)
Dlai de livraison (jours) 1 3 5 10 30
Fiabilit de livraison (taux d'accomplissement) 95% 95% 90% 90% 75%
Pnalit pour retard de livraison (par jour de retard) $20 $10 $10 $10 $25
Prix $850 J900 $1000 $1 200 $2 000

Table 8 PARAMTRES DES OFFRES PRODUITS

3.2 Mise en uvre du cadre mthodologique

Cette sous-section illustre la mise en uvre du cadre mthodologique orient agents sur
le cas industriel prcdemment prsent. Cette illustration est obtenue par la
prsentation des modles qui dcoulent des diffrentes phases de conception. Pour cela,
nous dtaillons le Modle de Domaine, le Modle Conceptuel Agent et le Modle
Oprationnel Agent. Chacun de ces modles, appliqus au cas industriel, rsulte des
diffrentes phases de modlisation associes au cadre mthodologique (abstraction,
agentification et spcification) menant la conduite des travaux de simulation.

3.2.1 Modle de Domaine

La phase d'abstraction, dfinie au sein du cadre mthodologique, permet l'expert de


domaine (thmaticieri) d'obtenir une image approche du systme rel. Cette phase
s'appuie sur deux modes de reprsentation lis aux chanes logistiques. L'utilisation de
l'approche de modlisation par rseaux de responsabilit conduit la conception du
Modle Structurel. L'utilisation du cadre conceptuel de rseaux manufacturiers propos

160
dans le projet NetMan, donne lieu l'laboration du Modle Dynamique. Nous
prsentons les deux modles qui rsultent de ces deux modes de reprsentation,
appliqus au cas industriel de chane logistique centre consommateurs.

1) Modle Structurel

Nous considrons le niveau organisationnel Chane Logistique au sein duquel sont


dcrits les liens d'interactions entre les entreprises du systme rel. Ainsi, chaque
entreprise dfinie la Figure 67 (fournisseurs, manufacturiers, centres de distribution et
points de vente) est reprsente par un centre au sein du Modle Structurel. Le
fonctionnement interne de chaque centre est alors prcis en termes de responsabilits
au niveau des processus de transformation et de stockage. Sur la base des
responsabilits lies aux produits, sont reports les liens d'interactions physiques entre
les centres et entre les processus. De plus, un rle est attribu chaque centre, ainsi les
fournisseurs disposent du rle de Producteur, les sous-traitants sont associs des
Processeurs, le manufacturier de btons de golf est reprsent comme un Assembleur,
les centres de distribution sont considrs comme des Distributeurs et les points de
vente comme des Dtaillants.

Les Producteurs ont pour responsabilit l'approvisionnement de l'Assembleur en


composants. L'Assembleur et le Processeur ont pour responsabilits les tapes de
transformation des composants menant la ralisation des produits finis (incluant tous
les niveaux de personnalisation). Une fois ces tapes de transformation accomplies, les
produits finis sont achemins vers les Distributeurs puis vers les Dtaillants. Les
Distributeurs livrent les produits finis vers les Dtaillants qui ont la responsabilit de les
proposer la vente auprs des Consommateurs. Les Dtaillants forment une interface
physique entre le Consommateur et la chane logistique. Le nombre de Dtaillants et le
nombre de Consommateurs sont spcifis par zone de march. La Figure 68 illustre le
Modle Structurel du systme rel considr au niveau structurel selon les liens inter
entreprises, soit le niveau organisationnel chane logistique.

161
Producteur de
Ttes Moules

Producteur de
Tiges {Shaft)

Producteur de I
manches {Grlp) \

Producteur de
Ttes Forges

Lge de Rles des centres

Centre (Entreprise) V Stock d'intrants Q] Processeur {Prossor)


1 1 Producteur (Producer)
Nombre de centre y Stock d'en cours
Assembleur (Assembler)
Flux de matires Stock d'extrants
Q Personnaliser (Fulfiller)
Manutention et transport
Distributeur (Distributor)
Processus (Production, AsSOI Nage, ( Dtaillant (Retaller)
Groupage, Finition, Embal ge
Q Consommateur (Customer)
Distribution, Vente,...)

Figure 68 MODLE STRUCTUREL DU CAS INDUSTRIEL

Pour la conduite des travaux de simulation nous considrons une partie du Modle
Structurel du cas industriel dfini la Figure 68. Il s'agit d'obtenir un modle de chane
logistique qui rduise le nombre de donnes considrer au niveau de la dfinition des
scnarii et au niveau de l'exprimentation. Pour cela, nous focalisons sur une zone de
march partielle compose de cinq dtaillants. Nous retrouvons un distributeur pour le
march considr, un distributeur principal, un assembleur, un processeur et trois
producteurs. Les centres retenus pour la mise en uvre du cadre mthodologique sont
prsents la Figure 69.

Flux informationnel L___ "~


_j

Processeur de ^ T
Btons de golf * #
DEMANDE
March Amrique
"1 Distributeur
Producteur de | 1 Produits Finis
Ttes Moules >
J Si ixi
1 Zone de march Est
1x5 ;x82QQ0
Producteur de 1
Tiges (Shaft) \

Producteur de
manches (Grlp)
f 2E-^ Assembleur de 3r
Btons de golf

Figure 69 MODLE STRUCTUREL RETENU

2) Modle Dynamique

Le Modle Dynamique dcrit, au niveau organisationnel considr, la manire dont les


modles (de rseau et de centre) sont partags entre les centres de la chane logistique.
Ce mode de reprsentation met en vidence le comportement des centres face aux
exigences des consommateurs, traduisant ainsi la dynamique de la demande. Les
consommateurs peuvent acqurir un produit fini prsent chez un Dtaillant, ou passer

162
une commande pour acqurir un produit fini personnalis ou un produit fini non
disponible. Ces interactions sont reprsentes sur le Modle Dynamique par les liens
d'expression des besoins, d'expression des offres et de partage d'informations. Un
Dtaillant commande les produits finis auprs d'un Distributeur se situant dans le mme
march. Chaque Dtaillant appartient un march et met des commandes auprs du
Distributeur principal de produits finis. Ce dernier s'approvisionne auprs de
l'Assembleur de Btons de Golf. L'Assembleur dispose d'un ensemble de fournisseurs
qui sont reprsents par les Producteurs. Ceux-ci sont responsables de
l'approvisionnement des composants, dpendamment des rgles d'affaires instaures.
La Figure 70 illustre un premier niveau dans la reprsentation du Modle Dynamique de
la Figure 69, puisque les informations changes portent essentiellement sur
l'expression des offres et des besoins.

I ProoJWIur de r^~"
! Btons de golf i

j Distributeur ,
luits Finisj-

Lgende Rles

L"_l Centre NetMan V Stock d'intrants


a Processeur(Processor)
Producteur (Producer)
L~_l Modles de Centre NetMan y Stock d'en cours
a Assembleur (Assembler)
Demande Stock d'extrants
D
en T Personnaliseur (Fulfiller)
,->, Modles de demande DP Point de Dcouplage
a Distributeur (Distributor)

m Transmission de modles "I Stock en transit

a
Dtaillant (Retailer)
Consommateur (Customer)
4 Partage d'informations
Processus (Production,
Assemblage, Groupage, Flux de matires
Finition, Emballage,
Distribution, Vente, ...) r=> Manutention et transport

.... Expression des besoins - - *


Expression des offres

Figure 70 L'EXPRESSION DES BESOINS ET DES OFFRES DANS LE MODLE DYNAMIQUE

163
Le Modle Dynamique prsent la Figure 71, reprend une partie du rseau de
responsabilit dfini la Figure 68. Les centres reprsents sont : (i) le Producteur de
tiges, (ii) l'Assembleur de btons de golf, (iii) le Distributeur principal de produits finis,
(iv) un Distributeur de march, (v) un Dtaillant appartenant une zone de march, et,
(vi) un ensemble de Consommateurs. La relation client considre est l'Assemblage la
commande. Dans cette relation, les Consommateurs expriment leurs besoins sous
formes de commandes auprs des Dtaillants. Ces besoins remontent le long du rseau
de responsabilit jusqu'au point de dcouplage. Ce stock stratgique se situe chez
l'Assembleur de btons de golf. Les activits de transformation s'effectuent en flux tirs
du point de dcouplage jusqu'aux Consommateurs.

Modles de Rseau

Modles de Centres
, , .._.-rT._.,

idutts Finis; 4k __!--

Mise jour priodique


des modles

Modle Manufacturier Modle Manufacturier Modle Manufacturier


(Assembleur ) (Distributeur) (Distributeur)

Lgend ; Rles

! i Centre NetMan V Stock d'intrants


a Processeur(Processor)
! i Modles de Centre NetMan v Stock d'en cours D Producteur (Producer)
l ] Assembleur {Assembler)
Demande Stock d'extra nts Personnaliseur (Fulfiller)
Modles de demande DP Point de Dcouplage

D Distributeur (Distributar)
U Dtaillant (Retailer)
Transmission de modles T Stock en transit
U Consommateur (Customer)
4-* Partage d'informations
Processus (Production,
Assemblage, Groupage, Flux de matires
Finition, Emballage,
Distribution, Vente, ...) Manutention et transport

Expression des besoins Expression des offres

Figure 71 MODLE DYNAMIQUE DANS LE CADRE DE L'ASSEMBLAGE LA COMMANDE

Le Modle Dynamique propose une image approche du systme rel prenant en


considration les interactions et leurs natures au niveau des centres composant la chane
logistique. Ce modle procure un mode de reprsentation permettant d'exprimer
diffrentes configurations structurelles tant au niveau physique qu'informationnel. Ainsi
le positionnement du point de dcouplage configure le pilotage des flux physique et
conditionne le partage de modle entre les centres. A ce niveau de modlisation,
l'expert de domaine dispose d'outils lui permettant d'exprimer les besoins de
simulation, la nature des observables et la trame des diffrents scnarii.

164
3.2.2 Modle Conceptuel Agent

Le Modle Conceptuel Agent est une reprsentation du Modle de Domaine obtenue par
l'utilisation de rgles de drivation relatives la phase d'"Agentification". La Figure 72
illustre le Modle Conceptuel Agent des centres Distributeur de produits finis et
Distributeur, prcdemment prsents la Figure 71. L'expression des besoins
correspond l'mission de commandes entre l'Agent Distributeur et l'Agent
Distributeur PF. Ces commandes sont composes d'une date d'mission, d'une
rfrence de produit, d'un niveau de personnalisation et d'une quantit. Les dlais de
livraison associs aux niveaux de personnalisation sont envoys par l'Agent
Distributeur PF l'Agent Distributeur sous la forme d'expression des offres. Le partage
de modles correspond un partage d'informations concernant les performances amont
et aval de la chane logistique. Chaque Agent-Acteur (Agent Distributeur PF et Agent
Distributeur) interagit avec un ensemble d'Agent-Activit. Ces agents sont responsables
des activits de transformation des produits. Les agents al et bl sont responsables du
stockage et du dstockage des produits finis. Les agents a2 et b2 sont responsables des
activits de prparation des commandes pour livraison. Les agents a3 et b3 sont
responsables de la livraison des produits finis commands.

Modle de Domaine Modle Conceptuel Agent

j Distributeur j * "ipistrihiilBurj ||| )


Bduits Finisi- _ -ifc> i V

A c t i v i t . - Agent-Activit
Centre Activit Agent-Activit

Distributeur PF*
V Agent ai
Expression des besoins (Agent Distributeur- Agent Distributeur PF )
Distributeur PF
Agent a2 Partage de modles (Agent Distributeur Agent Distributeur PF)
Distributeur PF Agent a3 Partage de modles (Agent Distributeur PF -> Agent Distributeur)
Expression des offres (Agent Distributeur PF -> Agent Distributeur)
Distributeur
V Agent b1
Partage d'informations (Agent Distributeur PF -> Agent a i , Niveaux de stock)
Distributeur
Agent b2 Partage d'informations (Agent Distributeur PF -> Agent a2, Carnet de commandes)
Partage d'informations (Agent Distributeur PF -> Agent a3, Plan de livraison)
Distributeur Agent b3
Partage d'informations (Agent a2 - Agent a i , Ordre de dstockage)
* Distributeur Produits Finis = Distributeur PF Partage d'informations (Agent a2 Agent a3, Commandes prtes pour livraison)
10 Partage d'informations (Agent Distributeur- Agentb3, Plan de livraison)
11 Partage d'informations (Agent Distributeur -> Agent b2, Carnet de commandes)
12 Partage d'informations (Agent Distributeur -> Agent b1, Niveaux de stock)
13 Partage d'informations (Agent b2 + Agent b1, Ordre de dstockage)
14 Partage d'informations (Agent b2 -> Agent b3, Commandes prtes pour livraison)

Figure 72 MODLE CONCEPTUEL AGENT PARTIEL DU CAS INDUSTRIEL

165
Cette tape de conception du Modle Conceptuel Agent est ralise en fonction des
objectifs des trois intervenants dans le cadre mthodologique. La proposition du modle
illustr la Figure 72 est directement issue du Modle de Domaine manant de l'expert
de domaine. Ainsi, le modlisateur travaille conjointement avec l'expert de domaine et
l'informaticien selon diffrentes phases de conception menant la dfinition du Modle
Conceptuel Agent. En fonction des besoins de simulation, des observables, du niveau de
description du systme rel au niveau organisationnel et des scnarii, le modlisateur
peut choisir de rduire ou d'augmenter le nombre d'Agents-Acteurs ou d'Agents-
Activits prsents dans le Modle Conceptuel Agent. La Figure 73 illustre le modle qui
rsulte de la conception de plusieurs modles issus d'interactions entre le modlisateur
et l'expert de domaine et entre le modlisateur et l'informaticien.

Interactions Physiques

1 : Btons de Golf (tous niveaux) 1 : Expression des besoins


2 : Btons de Golf (Populaire, Varit, Accessoire, Paramtre) 2 : Expression des offres
3 : Btons de Golf (Sur mesure) 3 : Partage de modles
4 : Ttes Moules et Tiges (Paramtre) 4 : Partage d'informations
5 : Manches (Populaire, Varit, Accessoire, Paramtre)
6 : Btons (Populaire, Varit, Accessoire, Paramtre)
7 : Btons (Populaire, Varit, Accessoire)
8 : Btons (Paramtre)
9 : Ttes moules, Tiges et Manches (Sur mesure)
10 : Ttes moules et Tiges (Populaire, Varit, Accessoire)
11 : Ttes Moules (tous niveaux)
12 : Tiges (tous niveaux)
13 : Manches (tous niveaux)

Figure 73 INTERACTIONS AU SEIN DE L'ORGANISATION MULTI-AGENTS RETENUE

Au niveau des centres les Agents-Acteurs, les Agents-Activits et les objets sont
identifis par des noms prcis. Le modle rsultant de cette tape de conception permet
de dfinir les comportements qui sont assurs par les agents au sein de l'organisation
multi-agents. Les Agents-Acteurs Dtaillant (Agent Magasin de 1 5) assurent les
activits de vente, de stockage et de dstockage des produits finis, ainsi que la gestion
des interactions informationnelles. Les Agents-Acteurs Distributeur (Agent Dpt 1 et
Agent Dpt) assurent les activits de distribution, de transport, de stockage et de
dstockage des produits finis, ainsi que la gestion des interactions informationnelles.

166
L'Agent-Acteur Processeur (Agent GolfStickProcessor), les Agents-Acteurs Producteur
(Agent Head, Agent Shaft et Agent Grip) et l'Agent-Activit Producteur (Agent Iron)
assurent les activits de stockage, dstockage, production et transport des composants
ou produits semi-finis, ainsi que la gestion des interactions informationnelles. L'Agent-
Acteur Assembleur (Agent Pong) assure les activits de stockage et de dstockage des
composants, produits semi-finis et produits finis, ainsi que la gestion des interactions
informationnelles avec les Agents-Activits chargs des processus de transformation
(production, assemblage et personnalisation). Les activits de production au sein de
l'Assembleur sont prises en charges par l'Agent-Activit Producteur (Agent Iron). Les
activits d'assemblage sont assures par l'Agent-Activit Assembleur (Agent
GolfStick). Les activits de personnalisation des produits sont effectues par l'Agent-
Acteur Personnaliseur (Agent Fulfiller). Les Agents-Activits en relation avec l'Agent
Pong partagent des informations relatives la ralisation des processus de
transformation (exemple : Plan de charge).

3.2.3 Modle Oprationnel Agent

Au sein du Modle Oprationnel prsent la Figure 74, nous illustrons la phase de


"spcification" dfinie dans le cadre mthodologique. Les Agents-Acteurs et les Agents-
Activits dcrits prcdemment sont reprsents l'aide du modle de l'Agent-Acteur.

nteractions informationnelles du MCA


Message

^ f f r i y j . . ; , | jg ..*ajifip..|f.-
i ! Z": "VJ ^~i

Objets Agents Ractifs Agents Cognitifs / Dlibratifs <

1 : Btons de Golf (tous niveaux) a: Consommateurs B : Agent Magasin 1


2 : Btons de Golf (Populaire, Varit, Accessoire, Paramtre) b: Magasin 1 (Dtaillant) C: Agent Magasin 2
3 : Btons de Golf (Sur mesure) c: Magasin 2 (Dtaillant) I) Agent Magasin 3
4 : Ttes Moules et Tiges (Paramtre) d: Magasin 3 (Dtaillant) E : Agent Magasin 4
5 : Manches (Populaire, Varit, Accessoire, Paramtre) e: Magasin 4 (Dtaillant) F : Agent Magasin 5
6 : Btons (Populaire, Varit, Accessoire, Paramtre) f : Magasin 5 (Dtaillant) G: Agent Dpt 1
7 : Btons (Populaire, Varit, Accessoire) g: Dpt 1 (Distributeur) H: Agent Dpt
8 : Btons (Paramtre) h: Dpt (Distributeur) Z : Agent Pong
9 : Ttes moules, Tiges et Manches (Sur mesure) i : Expdition (Distributeur) J : Agent Iron
10 : Ttes moules et Tiges (Populaire, Varit, Accessoire) j : Iron (Assembleur) L : Agent GolfStick
11 : Ttes Moules (tous niveaux) k: Produits semi-finis (Distributeur) M : Agent Fulfiller
12 : Tiges (tous niveaux) I : GolfStick (Producteur) O : Agent GolfStickProcessor
13 : Manches (tous niveaux) m: Fulfiller (Personnaliseur) P : Agent Head
n: Rception (Distributeur) Q : Agent Shaft
o: GolfStickProcessor (Processeur) R : Agent Grip
p: Head (Producteur)
q: Shaft (Producteur)
r : Grip (Producteur)

Figure 74 MODLE OPRATIONNEL AGENT DE L'ORGANISTION MULTI-AGENTS RETENUE

167
Les agents prsents dans la socit dcisionnelle mettent en uvre des comportements
complexes pour la ralisation d'activits dcisionnelles (exemple : dfinition de plans
de livraisons, etc.). Les comportements des agents sont spcifis l'aide du formalisme
RCA (Reprsentation de Comportements d'Agents) [TRANVOUEZ, 2001]. Dans le cadre
d'une relation client/fournisseur les agents cognitifs mettent en uvre les Plans
Comportementaux illustrs la Figure 75. Ces plans reprsentent les comportements
des agents, correspondant aux interactions informationnelles spcifies sur le MOA en
tant qu'expression des besoins (PR-CLIENT) et des offres (PR-FOURNISSEUR).
Ainsi, chaque Agent-Acteur peut tre client, fournisseur ou les deux la fois.

tat initial tat initial

Beso/n dtect Rception cfp

^ H mettre call for proposai (cfp) J, j Analyse du besoin

Besoin envoy
/
T
Offre propose
mettre nouveau besoin fl| .( Q ) Attente offre ^ B mettre offre
(
T envoy
Nouveau besoin Offre reue Nouveau besoin \ Offre envoye
reu \

Analyser besoin j'NouM A \JQ) Attente rponse


\ ^ offre {

Besoin Identique N.
\
Y ) Analyser offre

Offre inchange
Accord reu

^ B mettre accord ^ B mettre ordre de livraison

! Accord envoy Ordre envoy

I n tat final ^ B tat final

Protocole de Rle : PR-CLIENT Protocole de Rle : PR-FOURNISSEUR

Figure 75 PROTOCOLES DE RLE PR-CLIENT ET PR-FOURNISSEUR

Les Plans Comportementaux prsents la Figure 76 correspondent aux comportements


des agents dans le cas du partage d'informations entre l'Agent Pong et les Agents Iron,
GolfStick et Fulfiller.

Batoin Inexistant

Protocole de Rle : PR-GESTION-OF Protocole de Rle : PR-LANCEMENT-OF

Figure 76 PROTOCOLES DE RLE PR-GESTION-OF ET PR-LANCEMENT-OF

168
Les agents prsents dans la socit ractive sont chargs de la ralisation d'activits
oprationnelles sous forme de comportements simples (exemple : rception de produits
finis, expdition de produits finis, etc.). Leurs comportements sont implments l'aide
de diagrammes tats transitions UML/AUML. Les vnements reus par les agents
ractifs dclenchent l'activation de graphes d'tat et les vnements mis rsultent des
actions de l'agent.

Au niveau des agents ractifs de type Dtaillant deux diagrammes d'tat sont utiliss
pour reprsenter leurs comportements, comme illustr la Figure 77. La rception d'une
commande pour un produit populaire dclenche de diagramme Deliver_product, lorsque
le produit est disponible en stock la vente est ralise, dans le cas ou le produit est
indisponible la vente est perdue. En ce qui concerne les autres niveaux de
personnalisation un dlai de livraison est associ chaque commande. La rception de
produits dclenche le diagramme Deliverjyroduct lorsqu'une livraison doit tre
effectue. A la fin de la journe si la livraison d'un produit n'a pas t effectue la
commande est place dans un carnet de reliquats. A la rception de produits le carnet
des reliquats est examin par l'activation du diagramme Deliver_backorder, afin de
vrifier les livraisons en retard ralisables.

1
tat initial
Livraison effectue
1
tat initial
Livraison effectue

Livraison dtecte
I Produit Indisponible Rception produits Produit indisponible
Rception produit

Analyser stock Analyser stock

Produit disponible Produit disponible

Traiter livraison Traiter livraison

Deliver_product Deliver_backorder
Figure 77 DIAGRAMMES TATS TRANSITIONS DES DTAILLANTS

Les agents ractifs de type Distributeur disposent de trois diagrammes d'tat adapts
la ralisation des activits de stockage, dstockage, prparation et livraison des produits.
Un diagramme d'tat prparejjroduct est utilis pour le dstockage et la mise en
container de produits pour livraison. Un diagramme d'tat deliver_product_delay
permet d'assurer la gestion des commandes en retard. Un troisime diagramme
concerne la prparation des containers et leur regroupement en fonction des
destinataires pour le chargement et le dpart de camions vers les clients (qui peuvent
tre de type Distributeur et Dtaillant).

169
Les agents ractifs de type Producteur, Assembleur, Processeur et Personnaliseur
disposent d'un diagramme d'tat pour la gestion des ordres de fabrication et d'un
diagramme d'tat pour la ralisation des activits de transformation des produits. Ainsi,
l'agent ractif GolfStick est responsable d'une activit de production compose d'un
processus de transformation, cet agent dispose alors de deux diagrammes d'tat. L'agent
ractif Fulfiller est responsable d'une activit de personnalisation des produits qui est
compose de quatre processus de transformation, cet agent est alors compos de huit
diagrammes d'tats.

L'architecture agent propose, le modle de l'Agent Acteur, repose sur l'interaction de


deux socits d'agents. Ces interactions donnent lieu des changes de messages entre
agents cognitifs et agents ractifs. La Figure 78 prsente la nature des messages qui sont
reus et mis par l'agent cognitif. Ainsi, l'initialisation des niveaux de stocks, les
quantits de produits rceptionns et les niveaux journaliers de consommation vont
permettre l'agent cognitif de mettre jour sa base de connaissance par l'activation de
rgles pouvant conduire l'activation de Plans Comportementaux. L'mission d'un
message disposant du protocole Commande active le Protocole de Rle PR-CLIENT.
Lorsqu'un accord est trouv avec un fournisseur l'agent cognitif indique la quantit de
produits en attente de livraison en envoyant un message de type Order. Dans le cadre de
Protocole de Rle PR-LANCEMENT-OF lorsqu'un Ordre de Fabrication est mis, un
message utilisant le protocole Deliver est envoy vers l'agent ractif. Les changes
d'informations entre les agents ractifs peuvent porter sur des partages de prvisions de
ventes ou de livraison, ainsi l'agent ractif informe l'agent cognitif des prvisions
reues d'autres agents ractifs.

Messages changs au sein du Modle Agent Acteur

: Stock-lnit (Initialisation des niveaux de stocks / rfrence produits)


: Receive (Quantits de produits rceptionns / rfrence produits)
: Stock-Level (Niveau de stock des produits consomms dans une journe / rfrence produits)
: Commande (Quantits de produits commander / rfrence produits)
: Forecast (Quantits de produits livrer / rfrence produits / priode)
: Order (Nombre de produits commands / rfrence produits)
: Deliver (Nombre de produits fabriquer ou livrer / rfrence produits)

Figure 78 LES MESSAGES AU SEIN DU MODLE DE L'AGENT ACTEUR

La section suivante est consacre la prsentation du systme multi-agents obtenu suite


la phase d'implmentation du Modle Oprationnel Agent. Nous illustrons le
dveloppement informatique des agents cognitifs et des agents ractifs.

170
4 Le systme multi-agents

Le Modle Oprationnel Agent est compos de deux socits d'agents en interactions.


La conception du systme multi-agents implique l'implmentation d'une socit
d'agents ractifs, simulant les comportements du systme physique (flux de matire,
etc.), mais galement l'implmentation d'une socit d'agents cognitifs, simulant les
comportements du systme de gestion et de pilotage. De part leur diffrence de
granularit, les agents sont spcifis l'aide de formalismes de reprsentation des
comportements adapts. Par la suite, les diagrammes et les graphes reprsentant les
comportements des agents sont implments au sein d'environnements informatiques
spcifiques. Au cours de cette section nous dtaillons les tapes d'implmentation des
agents dvelopps au sein des environnements MAJORCA et Anylogic.

4.1 Implmentation de la socit d'agents cognitifs

Les agents cognitifs sont utiliss pour simuler des comportements complexes adopts
dans le cadre de processus de prise de dcision. Il s'agit de reproduire des stratgies
dcisionnelles telles qu'elles peuvent tre mise en uvre au sein d'une chane
logistique. Chaque agent cognitif repose sur une architecture d'agent de type BDI base
de plans. Les plans sont spcifis sous forme de graphes d'tat selon le formalisme de
Reprsentation de Comportements d'Agents (RCA). La programmation des agents
cognitifs est ralise au sein de l'environnement de dveloppement MAJORCA. Cet
environnement permet de traduire les graphes RCA en code Jess afin d'obtenir des
agents programms. Le processus de traduction repose sur la dfinition de rgles Jess
pour chaque transition et tat d'action, comme dcrit la Figure 79, source
[TRANVOUEZ, 2001]. Un Plan Comportemental est compos d'un ensemble de rgles
Jess. Ces rgles, excutes lorsque les conditions d'activation sont remplies, rgissent la
ralisation des actions associes aux agents.

Transition f \^

f tat 1 J
Traduction en rgle Jess ^ ^

I I
(defrule nom-de-la rgle
I
Conditions d'activation
=>
Actions
)
Figure 79 PRINCIPE GNRAL DE TRADUCTION RCA-jESS

171
Les connaissances individuelles et sociales des agents sont utilises pour la mise en
uvre de comptences cognitives. Les connaissances, reprsentes par des faits
structurs Jess, peuvent tre modifies lors de l'activation de rgles de mise jour ou
partages dans le cadre d'change d'informations. La mise en uvre des comptences
cognitives correspond l'activation de Plans Comportementaux. Chaque Plan
Comportemental est dcrit par un fait structur Jess qui contient le nom du plan, le type
de plan, les conditions d'activation lorsqu'elles sont ncessaires, le protocole
d'activation, le rle de l'agent ainsi que les Plans Comportementaux que le plan peut
activer ou des plans qui l'activent. Le fait structur Jess dcrivant le Protocole de Rle
PR-CLIENT est prsent la Figure 80.

(plan-cmptal
(nom CLIENT )
(type PR )
(condition FALSE )
(protocole Commande )
(rle Client )
(dclenche )
(declenche-par )

Figure 80 REPRSENTATION D'UNE COMPTENCE COGNITIVE PAR UN FAIT STRUCTUR

Dans le cadre du Protocole de Rle PR-CLIENT propos la Figure 75, l'activation du


Plan Comportemental requiert l'arrive d'un message utilisant le protocole Commande,
comme spcifi la Figure 80. Ce message va dclencher une transition correspondant
l'excution d'une rgle Jess. Les conditions d'activation des rgles dpendent du type
de transition. Pour une transition externe, un fait indiquant la prsence d'un message est
ncessaire, comme illustr la Figure 81 pour la transition nomme Besoin dtect.
Lorsque les conditions d'activation de la rgle sont remplies une ou plusieurs actions
sont ralises. Le fait (pian-conv ?pian-id ?conv-id) est compos de deux
variables qui identifient les instances des Plans Comportementaux et des conversations
qui leurs sont associes. Ainsi, un agent peut excuter simultanment plusieurs Plans
Comportementaux.

Dans l'exemple de la Figure 81, la premire action consiste supprimer certains faits
utiliss en tant que conditions d'activation ( r e t r a c t ?p ?m). Une deuxime action
permet d'insrer un nouveau fait, reprenant une partie des lments du fait message.
Une troisime action insre un nouveau fait t a t autorisant le changement d'tat actif
de l'instance du Plan Comportemental PR-CLIENT. Ce changement d'tat permet de

172
faire voluer le Protocole de Rle, en activant la rgle Jess relative l'tat de
communication mettre call for proposai (cfp).

.REGLE de TRANSITION EXTERNE : tat Intt -> tat 1

label : Rception message agent reactif


Commentaire :

(defrule TE-PR-CLIENT-lnit-1

; Reprsentation de la transition externe de lnlt->1

?p <- (InH CLIENT ?plan-id ) j Fait pour l'Initialisation du PR-CLIENT

(plan-conv ?plan-id ?conv-ld } 1 Fait pour activation d'une transition externe


?m <- (message
confirm
?conterit
?conv-ld
?enveloppe V Conditions d'actlvatlons de la rgle
?ln-r-to
CLIPS Fait contenant le message ACL
?ontology
Commande
?*myself*
?reply-by
?reply-with
?sender

J
(retract ?p ?m) Y Suppression des Faits InH et message
Insertion d'un Fait reprenant les lments du Fait message

(bind $?cont (explode$ ?content)) L Rcupration des Informations contenues dans la variable ?content du Fait message /

(assert (event-plan (Type Order) (Name (nth$ 2 $?cont)) (Format confirm) (Product (nth$ 3 $?cont)) (Quantity (nth$ 4 $?cont)) (From (rith$ 5 $?cont)) (To ?"myself*) (Level (nth$ 6 $?cont)) {plan-id ?plan-id) ))

(assert
(tat
(plan CLIENT )
(plan-id ?plan-ld)
Les conditions tant vrifies, t'tat suivant est activ
(etat-id 1 )
(description "Emettre cfp")

(printout t ' J e transite de l'tat Inlt vers l'tat 1 dans " ?plan-id crtf)

); FIN defrule TE-PR-CLIENT-lnit-1

Figure 81 TRADUCTION D'UNE TRANSITION EXTERNE PAR UNE RGLE JESS

Dans l'exemple propos la Figure 81, l'insertion d'un fait t a t , relatif l'instance
d'un Plan Comportemental, permet d'activer l'tat de communication mettre call for
proposai (cfp), comme dcrit la Figure 75. Au travers de cette activation, la rgle Jess
associe est dclenche, impliquant au niveau des actions l'envoi d'un message vers un
agent qui joue le rle de fournisseur. Les informations concernant l'identification du
fournisseur, associ une rfrence de produit, sont reprsentes par le fait
fournisseur dans la partie d'activation de la rgle. Le contenu du message est
compos des lments prsents dans le fait event-plan. L'insertion d'un fait r s u l t a t
va autoriser 1* activation de la transition interne nomm Besoin envoy. La description de
la rgle Jess associe l'tat de communication mettre call for proposai (cfp) est
prsente la Figure 82.

173
REGLE DE COMMUNICATION : t 11 (Communication)
Label : "Emettre cfp"
Commentaire :

defrule ACTION-PR-CLIENT-1
?e<- (tat
(plan CLIENT)
(plan-jd ?plan-id) Informations sur l'tal couran
(etat-id 1)

?m <- (event-plan (Type Order) (Name ?Name) (Format confirm) (Product ?Product) (Quantity ?Quantity) (From ?From) (To ?'myself*} (Level ?l_evel) (plan-id ?plan-id) )

(plan-conv ?plan-id ?conv-id }


Fait ncessaire
(fournisseur (name ?agent) (product ?Name)) l'activation de la rgle

(boucle ?num)

(retract ?e ?m)

(bind ?ContentAgent (implode$ (create$ ?num VFrom ?Praduct ?Quantity ?From ?Level)))

(assert
(rsultat
(plan CLIENT)
(plan-id ?plan-id)
(etat-ioi!
(valeur
(send-message
cfp
?ContentAgent
?conv-id
Ingertion d'un fait indiquant l'envoi d'un message.
nil Active une transition interne
CLIPS

?'myself*

(printout t "Je suis dans l'tat 1 de " ?plan-id crlf)

) ; FIN defrule ACTION-PR-CLIENT-1

Figure 82 TRADUCTION D'UN TAT DE COMMUNICATION PAR UNE RGLE JESS

L'tape suivante dans l'implmentation de la socit d'agents cognitifs concerne l'ajout


de modules gnriques de gestion de l'agent. Cette partie se situe sur deux niveaux
distincts. Il faut en premier lieu crer les agents partir des fichiers obtenus lors des
tapes de traduction. Ensuite, il faut constituer le systme multi-agents en ajoutant les
agents auxiliaires lors de la phase d'initialisation : l'ANS, le R-Agent et l'Agent
Interface. La dernire tape consiste activer le systme multi-agents afin d'excuter
les agents pour pouvoir en observer les comportements par simulation.

4.2 Implmentation de la socit d'agents ractifs

Les agents prsents dans la socit ractive sont implments l'aide du logiciel
AnylogicO. Ce logiciel est utilis pour simuler les activits oprationnelles de la chane
logistique. La Figure 83 illustre l'organisation des agents ractifs ainsi que les
interactions physiques au sein de l'environnement de dveloppement. Chaque agent
dispose de quatre composants de type Port, deux pour l'change de messages et deux
pour l'change de produits (chaque produit tant reprsent par un Objet). Dans le cas

174
des agents de type Dtaillant trois composants Port sont utiliss, deux pour l'change de
messages et un pour la rception de produits, comme illustr la Figure 84. Les ports
receivejDrder et deliverOrder sont utiliss pour distinguer la nature des messages
provenant des agents cognitifs. Les composants de type Lane reprsentent une distance
entre deux agents ractifs. Pour le paramtrage d'un Objet Lane nous utilisons les
attributs de distance et de vitesse pour simuler les temps de transports. Des Objets de
type truck sont responsables des activits de livraisons et circulent sur les composants
de type Lane. Dans le cas de Lane2, Lanel et Lane les connexions des ports de sortie
s'effectuent de manire dynamique.

Q magasinl
consommateurs
? -Q

Q magash3

D rnagasin4
Marrai Zone : Canada
M e s s a g e s depuis
agents cognitifs

Q magasins

Figure 83 LA SOCIT RACTIVE AU SEIN DE L'ENVIRONNEMENT DE DVELOPPEMENT ANYLOGIC

Chaque agent ractif de type dtaillant est compos d'un composant Queue qui
reprsente l'inventaire de produits finis. Lorsqu'un produit prsent en inventaire est
vendu il est immdiatement dstock, reprsentant ainsi le processus de vente

Rstailer

DD
J pioductln

( ^ initialiser
i ^ delver_product

^ dovBrj3ack_orders
i.Jj venfler_carnetjiraiso

' ' ^ calcul JVevisions

rsc ive_Order D D deliver_Order

Figure 84 AGENT RACTIF DE TYPE DTAILLANT

175
4.3 Interactions entre socits d'agents ractifs et cognitifs

Au cours de cette section nous avons prsent la mise en uvre des agents au niveau de
l'implmentation. Chaque socit d'agent a t dcrite de manire distincte. Il s'agit
dans cette partie de dtailler, sur la base d'un exemple, l'implmentation du systme
multi-agents. Pour cela, nous prcisons les interactions entre (i) les agents cognitifs
Agent Magasin 3 et Agent Dpt 1, (ii) l'agent cognitif Agent Magasin 3 et l'agent
ractif Magasin 3, et (iii) l'agent cognitif Agent Dpt 1 et l'agent ractif Dpt 1. Ces
interactions font intervenir les deux Protocoles de Rles dfinis la Figure 75. Dans le
cas de l'mission d'une commande entre un client et un fournisseur les messages
changes sont reprsents la Figure 85.

Agent Dpt 1 Agent Magasin 3

1 : Besoin dtect
2 : mettre besoin sou la forme d'un call for proposai
3 : mettre offre sous la forme d'un propose
4 : mettre rponse sous la forme d'un accept-proposal
5 : mettre ordre de livraison
6 : mettre ordre de rapprovisionnement

Dpt 1 Magasin 3

Figure 85 UN EXEMPLE D'INTERACTIONS ENTRE LES SOCITS D'AGENTS COGNITIFS ET RACTIFS

La phase de spcification des interactions entre agents, relative l'change des


messages, est reprsente l'aide des diagrammes de squence dfinis dans AUML. Un
exemple de diagramme de squence est propos la Figure 86, permettant ainsi
d'illustrer les communications entre les agents cognitifs et ractifs dfinies dans les
Protocoles de Rles proposs la Figure 75.

Agent Ractif Agent Ractif : Gestionnaire Agent Events Agent Cognitif Agent Cognitif
Magasin 3 Dpt 1 d'vnements Scheduler Agent Dpt 1 Agent Magasin 3

Inform (Agent Magasin 3,: 20, 1111011010101011 Inform (Agent


i iSin 3, 20,
i1110110101Q1011^n inform (Magasin 3,20, = 1111011010101011) j
D cfp (20,
rH. 1111011010101011)

propose (2, 20,


1111011010101011)
accept-proposal
confirm (Dpt 1, confirm (Dpt 1,
(Magasin 3, 2, 20,
: confirm (Magasin 3, 2, Magasin 3, 2, 20, Magasin 3, 2, 20,
1111011010101011)
J111011010101011)


I 20, 1111011010101011

* fi 1111011010101011)1
:
Inform (Magasin 3, 2, 20, Inform (Magasin 3, 2,20, ! 1111011010101011)
Inform (2,20,|1111011010101011) i|J111011010101011) r
*
Figure 86 DIAGRAMME DE SQUENCE DANS LE CADRE DU PR-CLIENT ET PR-FOURNISSEUR

176
Le message envoy de l'agent ractif Magasin 3 vers l'agent cognitif Agent Magasin 3
contient des informations concernant la quantit ainsi que la rfrence de produits
commander (20 produits de rfrence 1111011010101011). Le message envoy par
l'agent cognitif Agent Dpt 1 vers l'Agent Magasin 3 est compos de l'offre, de la
quantit et de la rfrence produits (dlai de 2 jours pour 20 produits de rfrence
1111011010101011). Aprs acceptation de l'offre, ces informations seront transmises
aux agents ractifs correspondants pour la mise jour des plans de livraison de l'agent
ractif Dpt 1 et de la liste des rceptions de l'agent ractif Magasin 3.

Au cours de la partie concernant l'implmentation de la socit d'agents cognitifs, nous


avons prsent les rgles Jess utilises pour dynamiser l'volution des Plans
Comportementaux. Dans cette partie nous prsentons les faits utiliss par les agents
cognitifs pour la reprsentation des connaissances individuelles et sociales. Au niveau
du Protocole de Rle PR-CLIENT, la Figure 87 illustre les faits Jess dfinis comme
prmisses la rgle relative l'tat de communication mettre call for proposai (cfp).
Pour mettre un besoin auprs d'un fournisseur, l'agent cognitif Agent Magasin 3
traduit l'arrive d'un message provenant de l'agent ractif Magasin 3 sous la forme d'un
fait de type event-pian. Le besoin est envoy auprs du fournisseur associ au produit
rapprovisionner dont le nom est contenu dans le fait fournisseur.

(event-plan
(Type Order)
(Name Magasin 3)
(Format confirm)
(fournisseur
(Product 1111011010101011)
(name Agent Dpt 1)
(Quantity 20)
(product 1111011010101011)
(From Magasin 3)
(To Agent Magasin 3)
(Level Popularizing)
(plan-id 1)
)

Figure 87 FAITS ASSOCIS L'TAT DE COMMUNICATION METTRE CALL FOR PROPOSAL

En rponse la rception d'un besoin, le fournisseur met auprs du client un message


contenant une offre, correspondant un dlai de livraison. Cette offre est value en
fonction du stock disponible et du stock prvisionnel par rfrence de produit. Le
message du fournisseur est traduit sous la forme d'un fait structur de type offre-
propose, comme illustr la Figure 88. L'agent cognitif Agent Magasin 3 dispose
d'une connaissance en ce qui concerne le dlai de livraison du produit command,
reprsent sous la forme du fait dlai. Lorsque l'offre est identique le fait reste
inchang.

177
(offre-propose
(Type Order)
(Name Magasin 3)
(Format propose) (dlai
(Product 1111011010101011 ) (Product 1111011010101011)
(Quantity 20) (Level Populaire)
(From Agent Dpt 1) (Valeur 2)
(To Agent Magasin 3) (Fournisseur Agent Dpt 1 )
(Level Populaire)
(Dlai 2)
(plan-id 1)
)

Figure 88 FAITS ASSOCIS L'TAT D'ACTION LMENTAIRE ANALYSER OFFRE

Dans le cas ou le dlai propos est infrieur ou suprieur celui contenu dans le fait
dlai, les connaissances de l'agent sont mises jour par la modification de la variable
Valeur dfinie dans le fait dlai. Un dlai suprieur peut conduire la modification de
la quantit commande. Dans ce cas, l'agent cognitif analyse le besoin en fonction de
l'tat du stock et de la consommation journalire du produit considr. Le fait stock-
levei reprsente la connaissance de l'agent cognitif sur l'tat du stock pour chaque
produit stock. La variable Jour du fait consommation correspond au nombre de jour
qui se sont couls depuis le dernier rapprovisionnement. La variable Valeur indique le
nombre de produits consomms depuis le dernier rapprovisionnement. La variable
Journalier prcise la consommation moyenne journalire du produit considr.

(consommation
(stock-level (Rfrence 1111011010101011 )
(Product 1111011010101011 ) (Jour 5)
(Quantity 20) (Valeur 15)
(Level Populaire) (Level Populaire)
(Journalier 3)

Figure 89 FAITS ASSOCIS L'TAT D'ACTION LMENTAIRE ANALYSER BESOIN

Lorsque l'offre est accepte un message est envoy de l'agent cognitif Agent Magasin 3
vers l'agent Ractif Magasin 3. Un fait appel stock-previsionnel est mis jour
considrant la quantit de produits commands. Les agents cognitifs disposent de
connaissances sur l'tat du stock, le nom des fournisseurs, les offres des fournisseurs,
les consommations journalires des produits. Dans le cadre de partage de modle, ces
connaissances intgrent les prvisions de vente des clients.

Au cours de cette partie nous avons trait Pimplmentation de l'architecture du Modle


de l'Agent Acteur. Dans la section suivante, nous dfinissons les diffrents scnarii
contextuels conduisant l'tape d'exprimentation par simulations orientes agents.

178
5 Conduite des travaux de simulation

La conduite des exprimentations porte sur la simulation de processus de gestion et de


modes de coordination de chanes logistiques dans un contexte de personnalisation de
masse. Ce contexte particulier permet d'apprhender la nature dynamique de
l'environnement du systme rel. La demande est compose de multiples
consommateurs aux besoins personnaliss. La chane logistique prsente la Figure 69
sert de systme rfrent pour la simulation des diffrents modes de gestion. Ces modes
s'intressent au pilotage de flux physiques et informationnels ainsi qu'aux processus
dcisionnels qui leurs sont associs.

Au cours de cette section, nous dfinissons les paramtres de simulation utiliss pour la
configuration des scnarii. Dans un deuxime temps, nous prsentons les rsultats
obtenus par la simulation de diffrentes politiques de gestion. Enfin, nous analysons les
rsultats obtenus par l'tude de diffrents indicateurs de performances relatifs au
fonctionnement de chaque centre ainsi qu'au fonctionnement de la chane logistique.

5.1 Paramtres de simulation

Les paramtres de simulation se situent au niveau de la Base de Donnes et du logiciel


de simulation Anylogic. La combinaison de l'ensemble de ces paramtres, prsents au
sein de deux environnements informatique, forme un scnario de simulation. Au cours
de cette sous-section, nous dtaillons les lments que nous considrons dans la
configuration des paramtres de simulation.

5.1.1 La demande et les offres


Dans l'industrie des btons de golf les ventes des dtaillants sont gnralement
saisonnires due une baisse de la demande lors du quatrime trimestre et, une
remonte lors du premier trimestre, comme prsent la Table 9, source [POULIN et al.,
2005]. Les besoins des consommateurs sont matrialiss par des commandes prcisant
la date et l'horaire d'mission, la rfrence et la quantit de produit, le march et la zone
de march ainsi que le nom du dtaillant. Dans un premier temps, il s'agit de gnrer la
demande pour l'ensemble des niveaux de personnalisation en fonction des diffrentes
zones de march. Pour cela, les commandes sont enregistres dans une Base de Donnes
donnant la possibilit l'utilisateur d'obtenir une vision agrge ou dtaille de la
demande, comme illustr la Figure 90 et la Figure 91.

179
Trimestre 1 Trimestre 1 Trimestre 1 Trimestre 2 TrirtiBstre 2 Trimestre 2 Trimestre 3 Trimestre 3 Trimestres Trimestre 4 Trimestre 4 Trimestre 4

Prvisions March Quantit / Moyenne / cart-type Quantit / Moyenne/ cart-type Quantit / Moyenne / cart-type Quantit / Moyenne/ cart-type
Canadien trimestre jour journalier trimestre jour journalier trimestre jour journalier trimestre jour journalier
Populaire 12 500 139 7 18 750 208 10 7 500 83 4 2 500 28 3

Varit 5 50 61 6 8 250 92 5 3 300 37 4 1 100 12 2

Accessoire 50 56 8 7 500 83 8 3 000 33 3 1 000 11 2

Paramtre 1 250 14 3 1 875 21 3 750 8 2 250 3 1

Sur-mesure 750 8 3 1 125 13 4 450 5 2 150 2 1

total 25 000 417 ri 37 500 625 30 15 000 250 15 5 000 83 9

Table 9 DEMANDE PAR TRIMESTRE PAR NIVEAU DE PERSONNALISATION OFFERT

KHAIITH '
lu.
Somtn d* OTY

Figure 90 PROFIL DE LA DEMANDE PAR NIVEAU DE PERSONNALISATION

Figure 91 PROFIL DE DEMANDE DU MAGASIN 1 PAR JOUR ET PAR NIVEAU DE PERSONNALISATION

180
La demande est dfinie par trimestre, par niveau de personnalisation et par march selon
une loi normale dont les paramtres sont indiqus dans la Table 9. Les valeurs de la
moyenne et de l'cart-type sont utilises pour l'ensemble des scnarii.

La dfinition des paramtres concernant les offres produits, prsentes la Table 8, et la


rpartition des offres par march, dfinie la Table 9, permet de gnrer les commandes
associes aux besoins des consommateurs. Au sein de la chane logistique la proposition
de dlais est dpendante des offres existantes. Ainsi, dans la Table 10 sont recenss les
dlais en jour proposs par les agents ds la rception d'une commande, et ce, pour
chaque niveau de personnalisation.

Niveau Populaire Varit Accessoire Paramtre Sur-mesure


Agent
Magasin 1 0 3 3 7 14
Magasin 2 0 3 3 7 14
3
co

Magasin 3 0 7 14
Magasin 4 0 3 3 7 14
Magasin 5 0 3 3 7 14
Dpt 1 1 3 3 7 14
Dpt 1 3 3 7 14
co

Pong 3 7 14
Head 1 3 3 6 14
Shaft 1 3 3 6 14
Grip 1 3 3 6 14
GolfStickPorcessor Non dfini Non dfini 1 Non dfini Non dfini
Iran (dlai interne) 0 0 0 0 0
GolfStick (dlai interne) 0 0 0 0 0
Fulfiller (dlai interne) 0 0 0 0 0

Table 10 DLAIS EN JOUR PAR NIVEAU DE PERSONNALISATION POUR LES SCNARII 1 ET 2

Lorsqu'aucune rgle de gestion des stocks de produits n'est spcifie pour un niveau de
personnalisation, la propagation des commandes l'ensemble des agents de la chane
logistique est ralise, de l'aval vers l'amont. Ainsi, une commande pour un produit de
niveau Sur-mesure mise auprs de l'agent ractif Magasin 5 est transmise dans le
mme temps aux agents ractifs Dpt 1, Dpt, Expdition, Fulfiller, Head, Shaft et
Grip. La dfinition des dlais est rgie par les rgles de gestion des produits mise en
uvre par chaque agent ractif. Le paramtrage des offres est directement ralis dans
le logiciel AnylogicO. Ce point est dtaill dans la partie suivante, puisqu'elle est
consacre au paramtrage des agents ractifs.

181
5.1.2 Le paramtrage des agents ractifs
Au niveau des agents ractifs nous avons dfini un ensemble d'attributs communs. Un
exemple de configuration relative l'agent ractif Dpt 1 est propos la Figure 92. Il
s'agit de renseigner le nom de l'agent (centerName), l'agent cognitif avec lequel il est
en relation selon le modle de l'Agent Acteur (agent), les informations relatives au
march auquel il appartient (marketZone et country), les offres par niveau de
personnalisation (l'ensemble des attributs commenant par _delay), le fournisseur de
l'agent (supplier), les heures d'ouverture et de fermeture du centre (openTime et
closeTime), les seuils d'inventaire et la taille des commandes dans le cadre d'une
politique de gestion des stocks (seuil et ordre), la prsence d'un point de dcouplage
pour un niveau de personnalisation donn (dans l'exemple l'agent ne dispose pas de
stocks de produits de type varit puisque dcouplage_Varietizing = false ), la relation
avec un agent cognitif (dans l'exemple la relation existe puisque agentBased = true ), et
la prsence d'une collaboration se concrtisant par le partage de modles (dans
l'exemple le modle de demande est partag puisque forecastBased = true).

Proptrtte

General | Repkatii

Nwm: [ depotl
Type:

Parametors:
Nui Vdm
cenlerName "itapoll-
<gent "gen)DK>(1"
marketZorio "1-
coirtry

1
.dotoyVariotaing
_derayAccessotiang 3
_delayParametri>ig /
detayTaikxing 14
suppfcei "dw<x"
openTrne II
closeTime 1U
Ni M
ordre IWI
decouplago_Vaieli2iig MM
agMBased (lue
forecastSased tfue

Figure 92 LES PARAMTRES D'UN AGENT RACTIF DE TYPE DISTRIBUTEUR

Le positionnement du point de dcouplage constitue un paramtre au sein de la socit


d'agents ractifs. Ce paramtre est spcifi sous la forme d'une variable boolenne :
dcouplage_Varietizing. Lorsque cette variable est gale True, un stock de dcouplage
est prsent chez l'agent ractif concern. Pour le paramtrage de ce stock trois valeurs
sont ncessaires : la taille initiale, le seuil initial et l'ordre initial. La valeur taille initiale
reprsente, pour chaque rfrence de produit, la quantit prsente en inventaire au dbut
de la simulation. Le seuil initial reprsente le niveau de stock qui doit dclencher un
ordre d'achat. L'ordre initial reprsente le nombre de produits rapprovisionner. Les

182
valeurs de seuil et d'ordre voluent en cours de simulation en fonction des dcisions
mises par les agents cognitifs selon le modle de l'Agent Acteur. Pour l'ensemble des
scnarii de simulation nous dtaillons la Table 11 les valeurs d'initialisation des stocks
des agents ractifs.

Niveau Stocks de type Populaire


Stock Taille Seuil Ordre
Agent initial initiale initial initial
Magasin 1 Vrai 240 5 10
Magasin 2 Vrai 240 5 20
Magasin 3 Vrai 240 5 20
Magasin 4 Vrai 240 5 20
Magasin 5 Vrai 240 5 20
Dpt 1 Vrai 1000 50 100
Dpt Vrai 1200 50 100
Pong Vrai 3600 Non dfini Non dfini

Table 11 LES PARAMTRES D'INITIALISATION DES STOCKS DE TYPE POPULAIRE

Les composants issus de la bibliothque Enterprise Library, disposent d'attributs


servant au paramtrage de leurs comportements. Ainsi, pour les processus de
transformation des produits nous utilisons les composants ProcessQ associs des
composants de type Ressource. Dans l'exemple de la Figure 93 un attribut
_processTime est affect chaque Objet de type Product. Cet attribut renseigne le temps
d'opration reprsent par l'attribut delayTime du composant ProcessQ.

fil Uistribut' # Model H Model %f\ ,\ QM3

NW! |Q

NMM
ornlM

[>; iil.l

tfMoutmo

Figure 93 LES ATTRIBUTS DU COMPOSANT PROCESSQ

183
Les temps d'oprations sont dfinis en minute pour chaque agent en fonction des
processus de transformation mis en uvre. La Table 12 recense les temps d'oprations,
par niveau de personnalisation, paramtrs pour l'ensemble des scnarii de simulation.
Lorsqu'un agent ractif est responsable d'un processus de transformation associ un
niveau de personnalisation un temps d'opration est report dans la table. Le terme non
dfini prcise que l'agent ractif n'est pas responsable du processus de transformation
associ un ou plusieurs niveaux de personnalisation.

l'induit Btons Btons de golf


Agent
Populaire Varit Accessoire Paramtre Sur-mesure Populaire Varit Accessoire Paramtre Sur-mesure
GolfStickPorcessor Non dfini Non dfini Non dfini 4 Non dfini Non dfini Non dfini Non dfini Non dfini Non dfini
Iron Non dfini Non dfini Non dfini Non dfini Non dfini 2 3 3 4 Non dfini
GolfStick 2 3 3 Non dfini Non dfini Non dfini Non dfini Non dfini Non dfini Non dfini

Fulfiller Non dfini Non dfini Non dfini Non dfini 5 Non dfini Non dfini Non dfini Non dfini 5

Table 12 LES TEMPS D'OPRATIONS PAR CENTRE ET PAR PRODUIT

Les valeurs reportes la Table 12 sont utilises par le composant ProcessQ au niveau
de l'attribut delayTime. Au sein de l'agent ractif GolfStick le temps effectivement
travaill est de 10 heures par jour (ouverture 8 heures et fermeture 18 heures). Cet
agent dispose de 4 ressources pour un seul processus de transformation. Sa capacit de
production disponible pour le niveau de personnalisation Populaire est de 1 200
produits. La Table 13 prsente la nature et le nombre de composants issus de
bibliothque Enterprise Library associs aux agents ractifs.

Composant Queue ProcessQ Ressource


Agent
Magasin 1 I Non dfini Non dfini

Magasin 2 1 Non dfini Non dfini

Magasin 3 1 Non dfini Non dfini

Magasin 4 1 Non dfini Non dfini

Magasin 5 1 Non dfini Non dfini

Dpt 1 2 Non dfini Non dfini

Dpt 2 Non dfini Non dfini

Pong 5 Non dfini Non dfini

Head 1 Non dfini Non dfini

Shaft 1 Non dfini Non dfini

Grip 1 Non dfini Non dfini

GolfStiokPorcessor 3 1 1

Iron 1 1 4

GolfStick 1 1 4

Fulfiller 3 4 4

Table 13 LES COMPOSANTS ASSOCIS AUX AGENTS RACTIFS

Nous avons prsent au cours de cette partie les principaux paramtres dfinissant les
comportements des agents ractifs. La partie suivante est consacre la prsentation des
diffrents scnarii.

184
5.1.3 Dfinition des scnarii
Au cours de cette partie, nous prsentons les trois scnarii que nous avons retenus pour
la conduite des simulations. La dmarche d'exprimentation repose sur la simulation de
diffrentes politiques de gestion et de pilotage de la chane logistique. Ces politiques
sont dfinies pour illustrer le cadre de rfrence de coordination propos dans le
Chapitre 4. Les objectifs de ces travaux de simulation sont de plusieurs ordres. Il s'agit
en premier lieu d'accomplir une mise en uvre complte du cadre mthodologique
propos au Chapitre 5. En deuxime lieu, nous souhaitons valider les propositions
conceptuelles relatives au Modle de l'Agent Acteur. En troisime lieu, nous voulons
valider nos choix en termes de ralisations informatique au travers de l'environnement
de simulation propos. Enfin, nous dsirons montrer les nombreuses possibilits qui
sont offertes par l'outil de simulation pour mener des tudes comparatives via
l'exploitation des rsultats.

La conduite d'exprimentations par simulation facilite l'tude et l'analyse


comportementale des organisations. Nous proposons trois scnarii permettant d'tudier
et d'analyser diffrentes configurations organisationnelles. Chaque scnario repose sur
une stratgie de gestion et de pilotage de la chane logistique faisant intervenir des
modes d'interactions physiques et informationnels associs des processus dcisionnels
spcifiques. Nous souhaitons observer l'impact des comportements individuels sur le
comportement global du systme.

Pour le premier scnario, nous considrons que le stock de dcouplage des produits de
type populaire se situe au niveau des dtaillants. Les produits des autres niveaux de
personnalisation sont approvisionns, assembls et livrs la commande, comme
illustr la Figure 94. Les agents ractifs de type Dtaillant, Distributeur ainsi que
l'agent Expdition, l'agent Head, l'agent Shaft et l'agent Grip, maintiennent des stocks
de produits finis de type populaire selon la mthode de rapprovisionnement du point de
commande (quantits fixes, dates variables), comme indiqu la Table 11. Les offres
des agents ractifs sont celles dfinies dans la Table 10. En ce qui concerne la
dtermination des ordres de fabrication par l'agent ractif Expdition, elle s'appuie sur
un calcul des besoins nets issu de l'approche de gestion MRP (Material Requirements
Planning). La nomenclature des produits de type populaire est dcompose afin
d'obtenir les ordres de fabrication ainsi que les ordres d'achats des composants selon
une stratgie de production au plus tard. L'ensemble des ordres sont alors transmis de
l'agent ractif Expdition vers l'Agent Pong qui met en uvre les Plans
Comportementaux adapts. Au niveau des informations partages, elles ne concernent
que les offres et les besoins, comme illustr la Figure 70.

185
Assembleur Centre de Centre de Points de vente Consommateur
distribution distribution
Rseau
d'acteurs

Rseau Demande
d'activit

Relations clients

Achats la commande
dcouplage

Assemblage h la commande

Livraison la commande

Flux pouss Flux tir


Lgende

C j ) Transport \jf Poinl de dcouplage ^ ^ Flux physique ^ Commande client ED Clienl

Figure 94 POSITION DES POINTS DE DCOUPLAGE POUR LES SCNARII 1 ET 2

Au cours de ce premier scnario nous souhaitons observer le comportement des agents


ractifs et cognitifs pour un niveau de coordination dans lequel deux types
d'informations sont partags : les besoins et les offres. Ce niveau nous permet de
simuler un partage en temps rel des commandes d'un niveau de personnalisation autre
que Populaire. Il s'agit d'observer la ractivit et la flexibilit de la chane logistique
dans le cadre de la personnalisation de masse. En ce qui concerne l'outil de simulation,
nous souhaitons valider l'interoprabilit des trois environnements informatique.

Dans le deuxime scnario nous considrons la configuration organisationnelle illustre


la Figure 94 ainsi que les paramtres dfinis dans la Table 10 et la Table 11. Au
niveau des informations partages nous ajoutons un niveau de collaboration
supplmentaire qui se concrtise par le partage de modles de demande entre les agents
cognitifs. Les modles de demande remontent le long de la chane logistique des Agents
Magasin vers l'Agent Pong. Le Modle Dynamique associ ce mode de partage
d'informations est prsent la Figure 95.

rz
... > Consommateur

Figure 95 PARTAGE DE MODLES DE DEMANDE DANS LES SCNARII 2 ET 3

186
Le deuxime scnario a pour objectif d'illustrer le comportement de la chane logistique
dans le cadre de partage de modles de rseaux. Dans ce cas de figure les connaissances
des agents cognitifs sont alimentes par des donnes relatives l'volution de la
demande. Nous souhaitons observer les dcisions mises et leurs implications au niveau
des niveaux de stocks et de la taille des ordres d'achats, impliquant un niveau de
collaboration suprieur celui propos dans le premier scnario.

En ce qui concerne le troisime scnario, les configurations organisationnelles


prcdemment dfinies sont modifies par le dplacement du point de dcouplage pour
les produits de type varit, comme prsent la Figure 96. Le point de dcouplage se
situe au niveau de l'agent ractif Dpt 1 visant obtenir une circulation des produits
finis tirs par la demande en aval de ce point, et une circulation des produits finis en
flux pousss en amont.

Producteur Centre de Centre de Points de vente Consommateur


distribution distribution
Rseau
d'acteurs

Rseau
d'activit

Flux pouss Flux tir


Lgende

d) Transport Point de dcouplage x physiqm * Commande clicnl 0 Client

Figure 96 POSITION DES POINTS DE DCOUPLAGE POUR LE SCNARIO 3

Le point de dcouplage se matrialise par un stock de produits finis permettant de


rpondre plus rapidement la demande. La position de ce stock engendre une
modification des offres pour les produits de type varit. Ainsi, les dlais pour ce
produit sont de deux jours pour les agents ractifs de type dtaillant et l'agent ractif
Dpt 1. Les nouveaux dlais associs au scnario 3 sont reports dans la Table 14.

187
Niveau Populaire Varit Accessoire Paramtre Sur-mesure
Agent
Magasin 1 0 2 3 7 14
Magasin 2 0 2 3 7 14
Magasin 3 0 2 3 7 14
Magasin 4 0 2 3 7 14
Magasin 5 0 2 3 7 14
Dpt 1 1 2 3 7 14
Dpt 1 3 3 7 14
Pong 1 3 3 14
Head 1 3 6 14
Shaft 1 3 3 6 14
Grip 1 3 3 6 14
GolfStickPorcessor Non dfini Non dfini 1 Non dfini Non dfini
Iron (dlai interne) 0 0 0 0 0
GolfStick (dlai interne) 0 o 0 0 0
Fulfiller (dlai interne) 0 0 0 0 0

Table 14 DLAIS EN JOUR PAR NIVEAU DE PERSONNALISATION POUR LE SCNARIO 3

La modification de la structure organisationnelle de la chane logistique dans le cadre du


scnario 3 implique un paramtrage des stocks de produits de type varit. Ces
nouveaux paramtres sont dfinis dans la Table 15.

Niveau Stocks de type Populaire Stocks de type Varit


Stock Taille Seuil Ordre Stock Taille Seuil Ordre
Agent initial initial initial initial initial initial
initiale initiale
Magasin 1 Vrai 240 5 10 Non dfini Non dfini Non dfini Non dfini

Magasin 2 Vrai 240 5 20 Non dfini Non dfini Non dfini Non dfini

Magasin 3 Vrai 240 5 20 Non dfini Non dfini Non dfini Non dfini

Magasin 4 Vrai 240 5 20 Non dfini Non dfini Non dfini Non dfini

Magasin 5 Vrai 240 5 20 Non dfini Non dfini Non dfini Non dfini

Dpt 1 Vrai 1000 50 100 Vrai 3456 3 5


Dpt Vrai 1200 50 100 Non dfini Non dfini Non dfini Non dfini

Pong Vrai 3600 Non dfini Non dfini Non dfini Non dfini Non dfini Non dfini

Table 15 LES VALEURS D'INITIALISATION DES STOCKS DU SCNARIO 3

Le troisime scnario s'intresse au cadre de rfrence pour la coordination des activits


de la chane logistique dans le cadre de la personnalisation de masse. La modification
du positionnement du point de dcouplage pour le niveau de personnalisation varit
implique la mise en uvre de modes de gestion et de pilotage adapts cette nouvelle
configuration organisationnelle.

188
Nous avons propos trois diffrents scnarii permettant d'illustrer trois niveaux de
collaboration. Chaque niveau fait intervenir des processus dcisionnels adapts la
circulation des flux physiques. Le choix de ces trois scnarii repose sur l'observation du
comportement individuel et social des agents cognitifs, responsables des activits
oprationnelles ralises par les agents ractifs. L'un des objectifs tant de valider le
Modle de l'Agent Acteur au travers de la sparation des activits dcisionnelles et
oprationnelles. Le deuxime objectif s'intresse la mise en uvre de la plate-forme
informatique propose au travers d'un cas industriel. Le troisime aspect concerne
l'application complte du cadre mthodologique, de l'expression des besoins jusqu' la
conduite de simulations. Le quatrime objectif est relatif l'exploitation du cadre de
rfrence pour la coordination des acteurs de la chane logistique. Enfin, le dernier
objectif est reli l'exploitation des rsultats de simulation.

Les rsultats de simulation que nous avons considrs, au travers de multiples


indicateurs de performances, sont prsents de manire dtaille dans la sous-section
suivante.

5.2 Rsultats de simulation

Au cours de cette sous-section nous prsentons les rsultats de simulation obtenus selon
trois diffrents scnarii de gestion et de pilotage d'une chane logistique dans un
contexte de personnalisation de masse. Ces rsultats sont prsents sous la forme de
graphiques extraits de la Base de Donnes. Nous avons cr une table pour chaque rle
prsent dans le Modle de Domaine et implment au sein de la socit d'agents ractifs
(Dtaillant, Distributeur, etc.). Les rsultats prsents s'intressent aux performances
des agents ractifs. Ces performances sont conditionnes par les processus dcisionnels
mis en uvre par les agents cognitifs.

Les donnes extraites de la Base de Donnes sont fournies par le logiciel Anylogic.
L'horizon de simulation reprsente une anne complte. Les donnes sont sauvegardes
en cours de simulation la fin de chaque journe simule.

5.2.1 Expression des besoins et des offres

Dans la dfinition de ce scnario, nous observons principalement le comportement de la


chane logistique face l'volution de la demande en ce qui concerne les produits de
type populaire. Les produits de ce niveau de personnalisation sont stocks par
l'ensemble des agents ractifs. Les agents cognitifs tentent de rpondre favorablement
la demande tout en adaptant leurs politiques de gestion des stocks.

189
Les paramtres relatifs l'initialisation des stocks des agents ractifs de type dtaillant
sont prsents la Table 11. Il s'agit d'offrir la possibilit l'utilisateur de tester
diffrentes valeurs concernant la taille des stocks initiaux. C o m m e prsent la Figure
97, nous constatons qu'en dbut de simulation le stock de type populaire est de 2 4 0
produits. A u cours de la simulation la taille du stock va rapidement diminuer et
s'adapter au niveau de la demande pour chaque dtaillant. la lecture de ce graphique,
nous pouvons comparer les comportements des dtaillants dans la dfinition de
stratgies de rapprovisionnement. Cependant, ce graphique ne nous permet pas de
dduire la quantit de produits commands par les consommateurs auprs de chaque
dtaillant.

iiiiiPiiiiniiiiKii niiiiiPiiiPi niiiNiniiiii iiiiiiniiguiiwniniuiiiiiiiiiufinniuiuuinuuin


Janvier Fvrier Mars Avril Maiil Juin Juillet Aot Septembre Octobre Novembre [

Trimestre 1 Trimestre 2

Figure 97 VOLUTIONS DES NIVEAUX DE STOCK DE TYPE POPULAIRE CHEZ LES DTAILLANTS

La mise en uvre des Protocoles de Rles par les agents cognitifs de type dtaillant a
un impact sur les quantits de produits de type populaires commands auprs des
fournisseurs. Un des indicateurs de performance servant valuer les politiques de
rapprovisionnement concerne le nombre de ventes perdues. Le graphique propos la
Figure 98 permet de visualiser la rpartition des pertes relatives aux ventes non ralises
causes par des ruptures de stock.

190
lll'iiii il llllniil r lliiili !" Il ilfi , ItiMiiii ! lllhii : i|il ni' ii ! ih m I !l!i'n
Janvier ' Fvrier Mars Juillet Aot Septembre Octobre Novembre Dcembre

Trimestre 1

Figure 98 NOMBRES DE VENTES PERDUES PAR LES DTAILLANTS

Pour le march Canadien une structure de prix de vente est propose dans la Base de
Donnes pour chaque niveau de personnalisation. La Figure 99 illustre l'volution du
chiffre d'affaire pour chaque dtaillant. Ces donnes permettent de classer les dtaillants
en fonction des ventes ralises et ainsi estimer le niveau de demande pour chacun
d'eux.

Janvier Fvrier Mars I Avril Mai Juin Juillet Aot Septembre Octobre Novembre Dcembre

Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4

Figure 99 CHIFFRES D'AFFAIRE RALISS PAR LES DTAILLANTS

191
Nous venons de prsenter les principaux rsultats associs aux performances des agents
ractifs de type dtaillant. Leurs performances dpendent en premier lieu des stratgies
dfinies par les agents cognitifs qui en assurent la responsabilit. En second lieu les
performances de ces agents dpendent des stratgies mises en uvre par leurs
fournisseurs. Nous allons prsent nous intresser aux performances des agents ractifs
de type distributeur.

Les paramtres relatifs l'initialisation des stocks des agents ractifs de type
distributeur sont prsents la Table 11. Ces paramtres font intervenir des stocks
initiaux, des seuils et des ordres de commandes levs. En effet, les agents ractifs et
cognitifs de type distributeur sont responsables de l'approvisionnement de l'ensemble
des dtaillants au niveau des produits de type populaire. La Figure 100 montre
l'volution des niveaux de stock pour l'agent ractif Dpt 1 et l'agent ractif Dpt.

BiaiBSBIK II! il IIII! III i l III ! SI 1 H !


Janvier Fvrier Mars Avril Mai ' Juin I Juillet Aot Septembre j Octobre Novembre ' Dcembre

Figure 100 VOLUTIONS DES NIVEAUX DE STOCK DE TYPE POPULAIRE CHEZ LES DISTRIBUTEURS

Lorsqu'un produit command n'est pas disponible en inventaire, celui-ci est plac dans
une liste de commandes en retard. Lors de la rception de produits, l'agent ractif
regarde en priorit cette liste afin d'effectuer les commandes qui sont ralisables. La
Figure 101 illustre les commandes qui ont t livres en retard suite une rupture de
stocks. Ce graphique donne une indication sur les performances des stratgies de
gestion des stocks labors par les agents cognitifs via la modification des paramtres
de seuil et d'ordre de commande.

192
Trimestre 2
" " ' Sept, l"""1
Trimestre 3 I Oct

Trimestre 4

Figure 101 COMMANDES LIVRES EN RETARD PAR LES DISTRIBUTEURS

Le Calcul des Besoins Nets est aliment par les prvisions pour les produits de type
populaire. Le CBN et les prvisions sont raliss par l'agent ractif Expdition. Les
prvisions conditionnent les activits de transformation de l'assembleur de btons de
golf. La Figure 102 montre les carts entre les prvisions et la demande relle.

Figure 102 PRVISION DE LA DEMANDE RALISE PAR L'AGENT RACTIF EXPDITION

193
Au niveau de la Figure 103 sont dtaills, pour tous les niveaux de personnalisation, le
nombre de btons de golf assembls (RECQTY) et livrs (DELQTY), ainsi que le
nombre de composants approvisionns (ORD QTY).

SomtwdeML.QTY

Figure 103 LES ACTIVITS DU CENTRE RESPONSABLES DE L'ASSEMBLAGE DES BTONS DE GOLF

Le graphique prsent la Figure 104, montre l'volution du stock de produits finis


alimentant l'agent ractif Dpt. La Figure 105 dcrit les livraisons ralises par l'agent
ractif Expdition pour chaque niveau de personnalisation.

Janvier Fvrier Mars Avril Juin | Juillet Aot Septembre | Octobre Novembre Dcembre

Figure 104 VOLUTION DU STOCK DE TYPE POPULAIRE CHEZ L'AGENT RACTIF EXPDITION

194
Figure 105 LIVRAISONS RALISES PAR L'ASSEMBLEUR DE BTONS DE GOLF

Dans le premier scnario les processus dcisionnels sont essentiellement lis des
ngociations concernant des quantits de produits commander. Les dcisions mises
dterminent combien, quoi et quand commander. Il s'agit pour un agent cognitif
occupant le rle de client, de trouver un compromis entre niveau de service et cots de
stockage. Le partage d'informations entre le client et le fournisseur va permettre aux
deux agents de modifier leurs connaissances. Le client met jour ses connaissances sur
le fournisseur en fonction des offres proposes pour chaque produit pour le niveau de
personnalisation populaire. Le fournisseur met jour ses connaissances sur le
comportement du client au niveau des consommations de produits finis. Les rsultats de
simulation montrent que le stock de produits finis de type populaire prsent chez l'agent
ractif Expdition permet d'absorber le pic saisonnier qui intervient au cours du
deuxime trimestre.

5.2.2 Partage de modles de demande

Dans le deuxime scnario les paramtres initiaux de simulation sont identiques au


premier scnario. Au niveau du partage de modles de demande, il s'agit de tester un
niveau de collaboration dans lequel les agents changent leurs croyances face
l'volution de la demande. Les agents ractifs de type dtaillant mettent leurs
prvisions de vente auprs de leur fournisseur, dans l'exemple propos il s'agit de
l'agent ractif Dpt 1. Ce mode de transmission est assur jusqu' l'agent ractif

195
Expdition. Ce dernier intgre les donnes relatives aux prvisions des dtaillants afin
d'alimenter le Calcul des Besoins Nets. Au cours de cette partie nous prsentons les
graphiques montrant une diffrence majeure par rapport aux graphiques prsents dans
le premier scnario.

Au sein de la chane logistique nous constatons une relle modification des


performances au niveau des agents ractifs de type distributeur. La stratgie de partage
de modles de demande permet de rduire l'incertitude concernant le nombre de
produits de type populaire maintenir en stock. tant donn que les prvisions sont
partages de manire hebdomadaire, nous constatons une gestion des stocks en "dents
de scie" au niveau de l'agent ractif Dpt 1. En effet, l'agent cognitif Agent Dpt 1
dispose d'informations sur l'volution prvisionnelle de la demande, mais ne possde
pas de connaissances sur la rpartition de la demande sur la priode de prvision
considre. Les performances lies aux niveaux de stocks des agents de type
distributeur, dans le cadre du partage de modle de demande, sont illustres la Figure
106.

Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4

Figure 106 NIVEAUX DE STOCK DE TYPE POPULAIRE DES DISTRIBUTEURS - SCNARIO 2

Comme dans le premier scnario nous considrons les livraisons effectues en retard par
les agents ractifs de type distributeur. Nous pouvons constater que les retards
occasionns par les ruptures de stock se situent principalement au niveau du deuxime
trimestre. Comparativement avec le premier scnario, la taille des commandes en retard
est plus leve, comme prsent la Figure 107.

196
Figure 107 LIVRAISONS EN RETARD DES DISTRIBUTEURS - SCNARIO 2

L'agent ractif Expdition intgre l'ensemble des prvisions reues des agents ractifs
en aval de la chane logistique pour effectuer le Calcul des Besoins Nets. La Figure 108
illustre les carts entre la demande relle (commandes mises par l'Agent Dpt) et les
produits de type populaire lancs en fabrication sur la base des prvisions.

S 6 7 8 9 29 30 31 32 33 34 35 36 37 3e 39 40 41 42 43 44 4S 46 47 4Q 49 50 51 52

Figure 108 PRVISIONS DE L'AGENT EXPDITION ~ SCNARIO 2

197
La Figure 109 dtaille, pour tous les niveaux de personnalisation, le nombre produits
assembls (REC QTY), livrs (DELQTY) et approvisionns (ORD QTY).
L'volution du stock de produits finis de type populaire prsent chez l'agent ractif
Expdition est reprsente la Figure 110.

Somme de ORDJ2TY

Somme de DEL_QTY

Trimestre 1

Figure 109 ACTIVITS DU CENTRE D'ASSEMBLAGE DES BTONS DE GOLF - SCNARIO 2

Janvier Fvrier Mai Juillet Aot ictobre Novembre Dcembre

Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4

Figure 110 STOCK DE TYPE POPULAIRE DE L'AGENT RACTIF EXPDITION - SCNARIO 2

Le deuxime scnario implique un partage d'informations ax sur la collaboration des


agents cognitifs. Ainsi, le partage des modles de demande permet aux agents cognitifs

198
de disposer d'informations plus dtailles sur l'volution de la demande. Ces
informations vont permettre de manipuler de nouvelles connaissances sur le
comportement de la chane logistique. Les dcisions mises par les agents cognitifs vers
les agents ractifs vont intgrer ces nouvelles connaissances sur les prvisions de la
demande.

Les processus dcisionnels mis en uvre au sein de la socit d'agents cognitifs,


impliquent une vision des agents qui s'tend sur un horizon de planification plus long
que dans le premier scnario. Comme le prsente la courbe de prvision la Figure 108,
les valeurs se rapprochent de la demande des dtaillants. Cependant, un effet en "dents
de scie" est observ au niveau des stocks de produits chez les distributeurs. En dbut de
priode de prvision les distributeurs ajustent leurs niveaux de stocks de type populaire
afin de minimiser les impacts relis aux retards de livraison. Cet effet se fait ressentir au
niveau de l'volution des stocks de produits finis de l'agent ractif Expdition.

5.2.3 Point de dcouplage pour les produits de type varit


La dfinition du troisime scnario repose sur le positionnement d'un point de
dcouplage pour les produits de type varit chez l'agent ractif Dpt 1. Ce stock
stratgique permet d'obtenir une rduction des dlais au niveau des offres proposes
auprs des consommateurs. Lorsqu'un produit de type varit n'est pas disponible la
date promise par le dtaillant, la commande est place dans une liste de livraisons en
retard. La Figure 111 illustre, pour chaque dtaillant, les produits livrs en retard.

Trimestre 3

Trimestre 2

Trimestre 1

Figure 111 NOMBRE DE LIVRAISONS EN RETARD DE PRODUITS DE TYPE VARIT PAR LES DTAILLANTS

199
Il existe 576 rfrences disponibles pour les produits de type varit. Les retards de
livraison occasionns chez les dtaillants sont la rpercussion des difficults rencontres
par l'agent ractif Dpt 1 au niveau de la gestion des stocks. tant donn que le
partage de modles de demande est utilis, l'volution du niveau de stock suit la
tendance observe au cours du deuxime scnario. Sur le graphique propos la Figure
112 nous constatons un effet en "dents de scie". Cependant, cet effet ne s'applique pas
aux produits de type varit. La Figure 113 prsente les niveaux de stocks des deux
agents ractifs agent Dpt et agent Dpt 1.

!iN[if i rf irMnnnnMnFnmirinMiMm ni! nui miliniinniiniiiiinnniuinniiiiniiii


Janvier Fvrier Mars | Avril Ma i Juin j Juiillet Aot Septembree | Octobre Novembre Dcembre I

Trimestre 1 Trimestre 2 Trimestre 3

Figure 112 NIVEAUX DE STOCK DES DISTRIBUTEURS DE TYPE POPULAIRE ET VARIT

Janvier Fvrier Mars I Avril Mai Juin I Juillet Aot Septembre I Octobre Novembre Dcembre

Figure 113 NIVEAUX DE STOCK DE TYPE POPULAIRE ET VARIT DES DISTRIBUTEURS

200
Au niveau du troisime scnario, l'impact de la configuration organisationnelle simule
devient plus localis. L'agent ractif Dpt 1, de par le positionnement du point de
dcouplage, est responsable de la gestion et du stockage des produits finis de type
varit. Ce choix stratgique, au niveau de la chane logistique, permet de rduire les
dlais de livraison associs ce niveau de personnalisation. Cependant, l'agent ractif
Dpt 1 doit maintenir un stock de produits finis forte valeur ajoute disposant d'un
grand nombre de rfrences. Il s'agit pour l'Agent cognitif Dpt 1 d'identifier les
rfrences de type varit qui possde une forte consommation journalire afin de
rduire le nombre de livraisons en retard.

La modification du positionnement du point de dcouplage pour les produits finis de


type varit a un impact sur la dfinition de stratgies de gestion et de pilotage au sein la
chane logistique. Ainsi, nous constatons que la rduction du dlai de livraison
occasionne des livraisons en retard au niveau des dtaillants. De plus, l'Agent cognitif
Dpt 1 doit dfinir des paramtres de gestion des stocks li permettant d'obtenir un
niveau de service satisfaisant, tout en considrant la fluctuation de la demande.

5.3 Synthse

Au cours de cette section nous avons prsent les rsultats de simulation associs aux
diffrents scnarii de gestion et de pilotage d'une chane logistique situe dans un
contexte de personnalisation de masse. L'tude de ces rsultats permet de mettre en
vidence les contraintes lies l'approvisionnement, la production, l'assemblage et le
stockage de produits personnaliss. Sur la base de ces contraintes, les agents cognitifs
mettent en uvre des Plans Comportementaux adapts aux rles qu'ils occupent au sein
du systme multi-agents. Le dclenchement de ces plans est conditionn par les
informations mises par les agents ractifs dont ils assument la responsabilit selon le
modle de l'Agent Acteur.

L'tude des rsultats des trois scnarii permet d'analyser diffrents comportements, tant
au niveau de la chane logistique, qu'au niveau de chaque centre. Les rsultats associs
au premier scnario montrent des performances relies des stratgies dfinies de
manire locale. Ainsi chaque agent cognitif met des dcisions en fonction des
croyances dont ils disposent sur les performances des autres agents. Il s'agit de
comportements "autarciques" dans lequel l'intrt individuel prime. Dans le deuxime
scnario nous constatons une volution des performances de la chane logistique. Cette
volution est obtenue par le partage d'informations entre les agents cognitifs. Ces
informations alimentent les processus dcisionnels dans la dfinition de stratgies de

201
gestion communes. Enfin, dans le dernier scnario nous valuons la modification de la
structure organisationnelle de la chane logistique. Cette modification montre la
ncessit, pour l'agent responsable de la gestion du point de dcouplage, de disposer de
connaissances sur les modes de gestion mis en uvre par les agents cognitifs en aval et
en amont de ce stock stratgique.

6 Conclusion

Ce chapitre nous a tout d'abord permis d'illustrer, travers un cas industriel, la mise en
uvre du cadre mthodologique propos au chapitre prcdent. Cette illustration
concerne, au niveau exploitation, la simulation du fonctionnement d'une chane
logistique dans un contexte de personnalisation de masse.

Pour raliser cette simulation, nous avons propos un environnement logiciel permettant
l'implmentation du Modle Oprationnel Agent, en s'appuyant notamment sur le
modle d'agent "Agent Acteur" dfini prcdemment. Cet environnement de simulation
permet de simuler deux socits d'agents, cognitifs et ractifs, par la mise en uvre
deux plates-formes logicielles spcifiques couples, l'une multi-agents (MAJORCA), et
l'autre pour la simulation vnements discrets (Anylogic).

Afin de valider le cadre mthodologique, nous avons dtaill les tapes de conception et
les phases de transition, menant de l'abstraction du systme rel jusqu' la conduite
d'exprimentations. Appliqu au cas industriel, nous avons implment et excut un
systme multi-agents nous permettant d'analyser le comportement d'une chane
logistique de type personnalisation de masse. Dans ce contexte fortement dynamique, le
comportement de la chane logistique n'est pas prdfini, mais il merge des
interactions entre les agents qui reprsentent les acteurs de la chane.

Au niveau de la conduite d'exprimentations par simulations orientes agents, nous


avons atteint un premier niveau nous permettant de mener des tudes et des analyses sur
le comportement de chanes logistiques. A travers la dfinition de diffrentes interfaces
exprimentales, nous avons obtenu de nombreux rsultats de simulation. La proposition
et la simulation de diffrents scnarii nous ont permis de dfinir de multiples indicateurs
de performances.

Les diffrents rsultats obtenus pour ces trois scnarii montrent bien tout l'intrt de
notre outil dans la comprhension du comportement et du pilotage des chanes
logistiques, notamment de chanes logistiques centres consommateurs. Ces

202
exprimentations nous ont permis de dfinir diffrents indicateurs de performances
spcifiques. Ces exprimentations montrent aussi la pertinence du cadre de coordination
que nous avons propos pour la coordination des chanes logistiques centres
consommateurs, notamment l'intrt de la notion de point de dcouplage que nous
avons introduit.

203
Chapitre 7 : Conclusion gnrale et
perspectives

1 Bilan des travaux de recherche prsents

Les entreprises ralisent que l'volution des marchs ncessite le dveloppement de


relations de collaboration, impliquant un change avec leurs fournisseurs et leurs
clients. Depuis plusieurs annes ces relations reprsentent un enjeu concurrentiel ax sur
la comptitivit de rseaux d'entreprises. Gnralement associs aux chanes
logistiques, ces rseaux font face un contexte conomique fortement concurrentiel,
dirig par la satisfaction des consommateurs. La prise en compte de la dynamique de la
demande, issue de la volatilit des exigences des consommateurs, est devenue un atout
stratgique primordial.

En consquence, il apparat indispensable pour les entreprises d'adapter leurs


comportements afin d'accrotre leurs performances et celles du rseau dans lequel elles
voluent. L'outil de simulation s'inscrit naturellement auprs des diffrents acteurs de la
chane logistique comme un outil d'aide la dcision. Il permet aux multiples
decisionnaires d'valuer leur performance et de tester de nouvelles stratgies par la
dfinition d'alternatives organisationnelles. La possibilit de mener de telles analyses
peut donner lieu l'valuation de nouvelles stratgies, par exprimentations avec l'outil
de simulation, en vue d'apporter une rponse individuelle et collective satisfaisante face
aux exigences dynamiques du march.

L'laboration d'un tel outil de simulation ncessite de disposer d'une modlisation


adquate de la chane logistique. Comme nous l'avons montr lors de la revue
littrature, si les diverses modlisations actuellement disponibles permettent de
modliser la structure organisationnelle de la chane, elles ne permettent pas la prise en
compte explicite de son agilit et de la dynamique de son environnement. Ces limites
impliquent des capacits nouvelles de reprsentation bases sur une vision distribue
centre sur les acteurs de la chane logistique.

204
De plus, ces modlisations, principalement issues du domaine de la modlisation
d'entreprise, sont difficilement exploitables dans les environnements de simulation
actuels, qui ncessitent l'laboration de modles ddis ne s'appuyant pas sur une
modlisation lie au domaine de l'tude. En effet, l'implmentation de modles de
simulation est plus lie des contraintes de dveloppement logiciel qu' des spcificits
du systme rel tudi. Il est ainsi actuellement difficile d'exprimer directement les
contraintes lies aux chanes logistiques. Cette difficult est accentue lors de la
transformation de modles d'entreprise, reprsentations statiques, en modles pour la
simulation, reprsentations dynamiques. Pour cette transformation, il n'existe pas
notre connaissance, de mthodologie favorisant une continuit de conception d'un
modle d'entreprise un modle de simulation.

L'approche oriente agents nous tant apparus pertinente notamment pour la prise en
compte de comportements individuels au niveau des diffrents acteurs de la chane,
notre travail de recherche s'est concentr sur la dfinition d'une approche de
modlisation pour la simulation oriente agents de chanes logistiques dans un contexte
de personnalisation de masse.

Notre principale contribution consiste en la proposition d'un cadre mthodologique


permettant une modlisation et une simulation orientes agents de chane logistique. Ce
cadre mthodologique est structur selon trois niveaux d'abstraction, Domaine,
Conceptuel et Oprationnel. A chacun de ces niveaux est dvelopp un modle
spcifique de la chane : Modle de Domaine, Modle Conceptuel Agent et Modle
Oprationnel Agent.

Les Modles de Domaine s'appuient sur la reprsentation des rseaux manufacturiers,


proposs en modlisation d'entreprise, tendus au contexte de personnalisation de
masse. Les Modles Conceptuels et Oprationnels, drivs du Modle de Domaine, sont
des modles orients agents dvelopps selon une approche mthodologique adapte.
L'utilisation du cadre mthodologique assure un continuum de l'expression des modles
issus du domaine d'application, jusqu' leur mise en uvre pour simulation sur une
plateforme informatique spcifique.

La conception du Modle de Domaine offre un mode de reprsentation qui intgre les


proprits lies aux chanes logiques, et ce, ds la phase d'abstraction du systme rel.
Le contexte de personnalisation a impliqu la prise en compte de concepts de pilotage
des flux (pousss par des systmes de gestion ou tirs par la demande). Afin d'assurer la
coordination des activits de la chane logistique dans un contexte fortement
dynamique, cas de la personnalisation de masse, nous avons propos un cadre de
rfrence qui repose sur huit niveaux de personnalisation, chacun de ces niveaux tant

205
associ la position d'un point de dcouplage. Le modle obtenu ce niveau
d'abstraction favorise l'expression de l'expert de domaine quant la description du
systme rel et la dfinition des objectifs de simulation.

Suite la conception du Modle de Domaine, nous avons propos une approche de


modlisation oriente agents menant la dfinition de deux niveaux d'abstraction. Nous
avons utilis le paradigme agent dont nous avons mis en lumire la pertinence et les
limites des dmarches actuelles. Ceci nous conduisant proposer un Modle
Conceptuel Agent pour la description des aspects structurels et dynamiques des rseaux
manufacturiers. Ce modle offre, d'un point de vue conceptuel, une traduction du
Modle de Domaine en intgrant les proprits qui rgissent les agents et les systmes
multi-agents.

Le niveau conceptuel ne nous permettant pas d'obtenir des agents excutables ou


oprationnels, nous avons propos un troisime niveau d'abstraction pour la conception
d'organisations multi-agents. Ces organisations sont dcrites au sein du Modle
Oprationnel Agent, selon un modle d'agent spcifique : le modle de "l'Agent
Acteur". Ce modle est utilis pour sparer les activits dcisionnelles des activits
oprationnelles lors de la phase d'implmentation de l'organisation multi-agents.

Afin de valider les diffrentes tapes du cadre mthodologique nous avons dvelopp
une plate-forme de simulation pour l'implmentation du Modle Oprationnel Agent et
l'excution du systme multi-agents. Un environnement logiciel permettant
l'implmentation le Modle Oprationnel Agent le modle selon le "l'Agent Acteur" a
t propos, afin de simuler deux socits d'agents (cognitifs et ractifs). Ceci conduit
au couplage de deux plates-formes logicielles spcifiques, l'une multi-agents
(MAJORCA) et l'autre reposant sur un simulateur vnements discrets (Anylogic).

En suivant le cadre mthodologique propos, nous avons trait le cas industriel


prcdemment introduit dfinissant une chane logistique centre consommateurs. Ceci
nous a conduits l'laboration des diffrents modles de la chane logistique
considre, Modle de domaine, Modle Conceptuel Agent et Modle Oprationnel
Agent. Ce dernier a t implment dans l'environnement de simulation que nous avons
prcdemment dfini et le systme multi-agents obtenu nous a permis d'analyser le
comportement de la chane logistique. Dans ce contexte fortement dynamique, ce
comportement n'est pas prdfini, mais il merge des interactions entre les agents qui
reprsentent les acteurs de la chane logistique.

Afin d'illustrer tout l'intrt de cette approche de modlisation et de simulation


orientes agents des chanes logistiques, nous avons conduit sur ce cas industriel et avec

206
notre plate-forme de simulation plusieurs exprimentations. Nous avons tudi trois
scnarii contextuels de gestion et de pilotage de la chane logistique qui nous sont
apparu pertinents : le premier scnario considre une chane logistique disposant d'un
point de dcouplage situ au niveau des dtaillants, mais sans partage de modle de
demande entre les partenaires. Le deuxime scnario considre la mme chane
logistique avec un partage de modle de demande entre les partenaires et enfin le
troisime considre une nouvelle position du point de dcouplage.

Les diffrents rsultats obtenus pour ces trois scnarii montrent bien tout l'intrt de
notre outil dans la comprhension du comportement et du pilotage des chanes
logistiques, notamment celles centres consommateurs, permettant ainsi de dfinir
diffrents indicateurs de performances spcifiques. Ces exprimentations montrent aussi
la pertinence du cadre de coordination que nous avons propos pour la coordination des
chanes logistiques centres consommateurs.

2 Perspectives de recherche

En ce qui concerne le volet informatique, le couplage ralis entre les deux plates-
formes pourrait tre renforc. Cependant, l'idal serait de disposer d'un seul
environnement permettant la simulation des deux socits d'agents. La mise en uvre
de l'outil de simulation ralis est encore difficile pour un utilisateur non averti. Des
interfaces utilisateurs plus conviviales pourraient tre dveloppes, ce serait un premier
pas vers un systme d'aide la dcision plus oprationnel.

Si les outils de trace et d'explication sont suffisants dans Anylogic, ceux lis la
plateforme MAJORCA sont limits. Cela pourrait prsenter des difficults lors de
l'implmentation de comportements plus complexes d'agents cognitifs. Une migration
vers une plate-forme plus labore comme JADE14, disposant dj de tels agents,
pourrait tre envisage.

Les rsultats prsents au Chapitre 6 illustrent les possibilits qui sont offertes aux
utilisateurs pour mener des analyses sur le comportement des entreprises et de la chane
logistique. Les rsultats de simulation sont obtenus sur la base de trois stratgies de
gestion. La mise en uvre de l'ensemble des stratgies de partage des modles,
associes aux modles dynamiques, fournirait une grille d'analyse plus complte sur les
comportements du systme physique face la nature des informations changes.

' Java Agent DEvelopment Framework

207
Au niveau des consommateurs, il nous apparat important de pouvoir modliser leurs
comportements afin de prendre en considration les besoins des clients ds la
soumission d'une demande. Des travaux sont dj engags dans cette perspective afin
d'analyser la variabilit de la demande en termes de dlais de livraison, [MONTREUIL et
al, 2006].

Les modles que nous avons proposs sont actuellement utiliss pour la simulation d'un
centre de distribution dans un contexte de personnalisation de masse, [LAGERWAARD,
2006]. Le niveau organisationnel considr se situe au niveau Entreprise. Les
simulations conduites sont actuellement orientes sur les agents ractifs. La suite de ce
projet consiste dvelopper et intgrer la socit d'agents cognitifs.

Les premiers rsultats de simulation que nous avons obtenus provenaient de trois
scnarii permettant, de faon partielle, de valider le cadre de modlisation et le cadre de
coordination que nous avons propos dans cette recherche. Les Plans Comportementaux
des divers agents associs aux acteurs de la chane sont adapts des situations
typiques, permettant de valider l'ensemble de nos travaux de recherche. La gestion de
perturbations sur la chane, au niveau global et au niveau de chacun des acteurs de la
chane pourrait aussi tre tudie.

Enfin, les travaux de recherche prsents s'intressent la simulation d'un systme


sociotechnique particulier : les chanes logistiques. Cependant, nous considrons que la
mise en uvre du cadre mthodologique peut s'tendre d'autres domaines d'tudes.
Diffrents formalismes de modlisation, adapts au systme rel tudi, peuvent ainsi
tre intgrs au niveau du Modle de Domaine. Cette adaptation ncessiterait une
redfinition des rgles de passage entre le Modle de Domaine et le Modle Conceptuel
Agent.

208
Bibliographie
AHLSTROM, P. and WESTBROOK, R. (1999) 'Implications of mass customization for
oprations management', International Journal of Oprations and Production
Management, vol. 19, n 3, pp. 262-275.
AKBARI JOKAR, M.R., DUPONT, L. et FREIN, Y. (2002) 'volution du concept de
logistique', Revue Franaise de Gestion Industrielle, vol. 21, n 3, pp. 5-22.
ALONSO, F., FRUTOS, S., MARTINEZ, L. and MONTES, C. (2004) 'SONIA: A
Methodology for Natural Agent Development', Proceedings ofthe 5th International
Workshop on Engineering in the Agents World.
ANDERSON, D.L., BRITT, F.F. and FAVRE, D.J. (1997) 'The Seven Principles of Supply
Chain Management', Supply Chain Management Review.
ANGERHOFER, B.J. and ANGELIDES, M.C. (2000) 'System Dynamics Modelling in
Supply Chain Management: Research Review', Proceedings of the 2000 Winter
Simulation Confrence, JoiNES, J.A., BARTON, R.R., KANG, K. and FiSHWICK, P.A.
(Eds).
ANTONY, R.N. (1966) Planning and Control Systems: a Framework for Analysis,
Harvard University Press.
ARNTZEN, B.C., BROWN, G.G., HARRISON, T.P. and TRAFTON, L. (1995) 'Global supply
chain management at Digital Equipment Corporation', Interfaces, vol. 25, pp. 69-
93.
BAGGCHI, S., BUCKLEY, S., ETTL, M. and LIN G. (1998) 'Exprience using the IBM
Supply Chain Simulator', Proceedings of the 1998 Winter Simulation Confrence,
MEDEIROS, D.J., WATSON, E.F., CARSON, J.S. and MANIVANNAN, M.S. (Eds).

BALLOU, R. (1992) Business Logistics Management, Englewood Cliffs.


BARBUCEANU, M. and Fox, M.S. (1995) 'COOL: A Language for Describing
Coordination in Multi Agent Systems', Proceedings of the First International
Confrence on Multi-Agent Systems.
BARBUCEANU, M. and Fox, M.S. (1996) 'The Architecture of an Agent Building Shell',
in WOOLDRIDGE, M., MLLER, J.P. and TAMBE, M. (Eds), Intelligent Agents II, pp.
235-250, Springer-Verlag, 1995.
BAUER, M., VAN ELST, L., FISCHER, K., FREISLEBEN, B., FUNK, P., GROBE, G., PAUL,
G., THOMAS, S.M. and VOGLER, H. (2002) 'AgentSurvey: Assessing the state ofthe
Art of Industrial Applications Using Agent Technology and AI', Proceedings ofthe
Fifteenth Canadian Confrence on Artificial Intelligence.

209
BERNON, C , CAMPS, V., GLEIZES, M.P. et GLIZE P. (2001) 'La conception de systmes
multi-agents adaptatifs : contraintes et spcificits' Atelier de Mthodologie et
Environnements pour les Systmes Multi-Agents, Grenoble du 25 au 28 juin.
BISWAS, S. and NARAHARI, Y. (2004) 'Object oriented modeling and dcision support
for supply chains', European Journal of Operational Research, vol. 153, n 3, pp.
704-726.
BLACKWELL, R.D. and BLACKWELL, K. (2001) 'The century of the consumer:
Converting Supply Chains into Demand Chains', in WOODS, J.A. and MARIEN, E.J
(Eds), Supply Chain Yearbook, 2001 Edition, McGraw-Hill.
BOISSIER, O. (2001) 'Modles et architectures d'agents', dans BRIOT, J.P. et
DEMAZEAU, Y., Principes et architecture des systmes multi-agents, Herms.

BONABEAU, E., DORIGO, M. and THERAULAZ, G. (1999) Swarm Intelligence: From


Natural to Artificial Systems, Oxford University Press, New York.
BOND, A.H. and GASSER, L. (1988) Readings in Distributed Artificial Intelligence,
Morgan Kaufmann Publishers.
BOOCH, G., RUMBAUGH, J. et JACOBSON, I. (2000) Le guide de l'utilisateur UML,
Eyrolles.
BOUSQUET, F. et LE PAGE, C. (2001) 'Systmes multi-agents et cosystmes', dans
BRIOT, J.P. et DEMAZEAU, Y., Principes et architecture des systmes multi-agents,
Herms.
BOUSQUET, F., LE PAGE, C. et MLLER, J.P. (2002) 'Modlisation et simulation multi-
agent', Actes des deuximes assises du GRD13 (CNRS).
BOWERSOX, D.J., CLOSS, D.J. and HELFERICH, O.K. (1986) Logistical Management,
Macmillan Publishing, New York.
BRATMAN, M.E. (1987) Intention, Plans, and Practical Reason, Harvard University
Press.
BRATMAN, M.E., ISRAL, D., and POLLACK, M. (1987) 'Plans and resource bounded
practical reasoning', Computational Intelligence, vol. 4, pp. 349-355.
BRIOT, J.P. et DEMAZEAU, Y. (2001) Principes et architecture des systmes multi-
agents, Herms.
BROOKS, R. (1986) 'A robust layered control System for a mobile robot', IEEE Journal
of Robotics and Automation, vol. 2, n 1, pp. 14-23.
BRUECKNER, S., BAUMGAERTEL, H., PARUNAK, H.V.D., VANDERBOK, R. and WILKE, J.
(2005) 'Agent Models of Supply Network Dynamics: Analysis, Design, and
Opration', in HARRISON, T.P., LEE, H.L. and NEALE, J.J. (Eds), The Practice of
Supply Chain Management: Where Theory and Application Converge, Springer
Verlag.

210
BURMEISTER, B. and SUNDERMEYER, K. (1992) 'Cooprative problem solving guided by
intentions and perception' Proceedings of the Third European Workshop on
Modelling Autonomous Agents and Multi-Agent Worlds, WERNER, E. and
DEMAZEAU, Y., (Eds).

BUSSMANN, S., JENNINGS, N.R. and WOOLDRIDGE, M. (2004) Multiagent Systems for
Manufacturing Control, A Design Methodology, Springer Verlag.
CASSANDRAS, C. and LAFORTUNE S. (1999) Introduction to discrte event Systems,
Kluwer Acadmie Publishers, Boston, MA.
CHAIB-DRAA, B., JARRAS, I. et MOULIN B. (2001) 'Systmes multi-agents : principes
gnraux et applications', dans BRIOT, J.P. et DEMAZEAU, Y., Principes et
architecture des systmes multi-agents, Herms.
CHAPMAN, L.D., LATHON, R. and PETERSEN, M. (2000) DAMA Model for
Collaboration, Sandia National Laboratories Report.
CHATFIELD, D.C., HARRISON, T.P. and HAYA, J.C. (2005) 'SISCO: An Object-oriented
supply chain simulation System', Dcision Support Systems, Article in Press.
CHEN, D. and DOUMEINGTS, G. (1996) 'The GRAI-GIM rfrence model, architecture
and methodology', in BERNUS, P., NEMES, L. and WILLIAMS, T. (Eds), Architecture
for Enterprise intgration, Chapman & Hall, chapter 7, pp. 102-126.
CHILDERHOUSE, P. and TOWILL, D.R. (2000) 'Engineering Supply Chain to Match
Customer Requirements', Journal of Logis tics Information Management, vol. 13, n
6, pp. 337-346.
CHOPRA, S. and MEINDL, P. (2001), Supply Chain Management- Strategy, Planning,
Opration, Prentice-Hall.
CHRISTOPHER, M. (1992) Logistics, The stratgie Issues, Chapman & Hall.
CHRISTOPHER, M. and TOWILL, D.R. (2000) 'Supply chain migration from lean and
functional to agile and customised', International Journal of Supply Chain
Management, vol. 5, n 4, pp. 206-213.
CLAVER, J.F., PITT D. et GELINIER, J. (1996) Gestion de flux en entreprise: modlisation
et simulation, Herms.
CLOUTIER, L. (1999) Une Approche Multi-Agents par Conventions et Contrats pour la
Coordination de l'Entreprise Rseau, thse de doctorat, Universit d'Aix-Marseille
III.
CLOUTIER, L., FRAYRET, J.M., D'AMOURS, S., ESPINASSE, B. and MONTREUIL, B.
(2001) 'A Commitment-Oriented Framework for Networked Manufacturing Co-
ordination', International Journal of Computer Integrated Manufacturing, vol. 14,
n 6, pp. 522-534.
COHEN, M.A., and HUCHZERMEIER, A. (1998) 'Global Supply Chain Management: A
Survey of Research and Applications', in TAYUR, S., GANESHAN, R. and MAGAZINE,

211
M. (Eds), Quantitative Models for Supply Chain Management, Kluwer Acadmie
Publishers, chapter 21, pp. 669-702.
COLIN, J. et Pach, G. (1988), La logistique de distribution, Chotard et Associs
diteurs, Paris.
COQUILLARD, P. et HlLL, D. (1997) Modlisation et Simulation des cosystmes,
Masson.
COURDIER, R., MARCENAC, P. et GIROUX, S. (1998) 'Un processus de dveloppement
en spirale pour la simulation multi-agents', Revue L'Objet, vol. 4, pp. 73-86.
CRESTANI, D. et DOUMEINGTS, G. (2003) 'Modlisation d'entreprise (GRP)', dans AS
PRODLOG Production et logistique dans l'entreprise tendue : modles et outils
collaboratifs, Rapport Final de l'Action Spcifique n 35.
DA SILVEIRA, M. (2003) Sur la distribution avec redondance partielle de modles
vnements discrets pour la supervision de procds industriels, thse de doctorat,
Universit Paul Sabatier de Toulouse.
DAM, K.H. and WINIKOFF, M. (2003) 'Comparing Agent-Oriented Mthodologies',
Proceedings ofthe Fifth International Bi-Conference Workshop on Agent-Oriented
Information Systems.
DELOACH, S.A., WOOD, M.F. and SPARKMAN, C.H. (2001) 'Multiagent Systems
Engineering', International Journal of Software Engineering and Knowledge
Engineering, vol. 11, n 3, pp. 231-258.
DEMAZEAU, Y. (1995) 'From Interactions to Collective Behaviour in Agent-Based
Systems', Proceedings ofthe First European Confrence on Cognitive Science.
DILTS, D.M., BOYD, N.P. and WHORMS, H.H. (1991) 'The volution of control
architectures for automated manufacturing Systems', Journal of Manufacturing
Systems, vol. 10, n 1, pp. 79-93.
DISNEY, S.M. and TOWILL, D.R. (2002) 'A discrte transfer fonction model to dtermine
the dynamic stability of a vendor managed inventory supply chain', International
Journal of Production Research, vol. 40, nl, pp. 179-204.
DOLGUI, A., SOLDER, J. and ZAIKJN, O. (2005) Supply Chain Optimisation
Product/Process Design, Facility Location and Flow Control, Springer.
DROGOUL, A. (1993) De la simulation multi-agent la rsolution collective de
problmes. Une tude de l'mergence de structures d'organisation dans les
systmes multi-agents, thse de doctorat, Universit de Paris 6.
DROGOUL, A., VANBERGUE, D. and MEURISSE, T. (2002) 'Multi-Agent Based
Simulation: Where are the Agents ?', Proceedings of Multi-Agent Based Simulation.
DUFFIE, N.A. and PIPER, R.S. (1986) 'Non- Hierarchical Control of Manufacturing
Systems', Journal of Manufacturing Systems, vol. 5, n 2, pp. 137- 139.
DUFFIE, N.A. (1990) 'Synthesis of heterarchical manufacturing Systems', Computers in
Industry, vol. 14, n 1-3, pp. 167-174.

212
DURAY, R., WARD, P.T., MILLIGAN, G.W. and BERRY, W.L. (2000), 'Approaches to
mass customization: configurations and empirical validation', Journal of Oprations
Management, vol. 18 n 6, pp.605-625.
DURAY, R. (2002) 'Mass customization origins: mass or custom manufacturing',
International Journal of Oprations and Production Management, vol. 22, n 3, pp.
314-328.
DURFEE, E.H. and LESSER, V.R. (1988) 'Using Partial Global Plans to Coordinate
Distributed Problem Solvers', in GESSER, L., and HUHNS, M.N. (Eds), Distributed
artificial intelligence, Morgan Kaufmann Publishers, chapter 10, pp. 229-243.
DURFEE, E.H. and LESSER, V.R. (1989) 'Negotiating Task Dcomposition and
Allocation Using Partial Global Planning', in BOND, A.H. and GASSER, L. (Eds)
Readings in Distributed Artificial Intelligence, Morgan Kaufmann Publishers, pp.
285-293.
DURFEE, E.H. (2001) 'Scaling Up Agent Coordination Stratgies', IEEE Computer, vol.
34, n 7, pp. 39-46.
EL FALLAH-SEGHROUCHNI, A. (2001) 'Modles de coordination d'agents cognitifs',
dans BRIOT, J.P. et DEMAZEAU, Y., Principes et architecture des systmes multi-
agents, Herms.
ERCEAU, J. et FERBER, J. (1991) 'L'Intelligence Artificielle Distribue', La recherche,
vol. 22, pp. 750-758.
ERMAN, L.D., HAYES-ROTH, F. LESSER V.R and REDDY, D.R. (1980) 'The Hearsay II
speech understanding system; Integrating knowledge to rsolve uncertainty', ACM
Computing Survey, vol. 12, pp. 213-253.
FEITZINGER, L. and LEE, H. (1997) 'Mass customization at Hewlett-Packard: The power
of postponement', Harvard Business Review, vol. 75, pp. 116-121.
FERBER, J. (1989) 'Eco Problem Solving: how to solve a problem by interactions',
Proceedings ofthe 9' workshop on Distributed Artificial Intelligence.
FERBER, J. (1995) Les Systmes Multi-Agents, vers une intelligence collective,
InterEditions.
FERGUSON, LA. (1992) TouringMachines : An Architecture for Dynamic, Rational,
Mobile Agents, PhD thesis, University of Cambridge.
FERRARINI, A., LABARTHE, O. and ESPINASSE, B. (2001a) 'Modlisation multi-agents de
chanes logistiques', Actes du 4eme Congrs International de Gnie Industriel.
FERRARINI, A., LABARTHE, O. and ESPINASSE, B. (2001b) 'Modelling and Simulation of
Supply Chains with a Multiagent System', Proceedings of the 13th European
Simulation Symposium.
FININ,T., LABROU, Y. and MAYFIELD, J. (1994) 'KQML as an agent communication
language', Proceedings of the 3rd International Confrence on Information and
Knowledge Management.

213
FIPA (1997) Agent Communication Language, Foundation for Intelligent Physical
Agents, www.fipa.org/specs/fipa00018/.
FIPA (2002) FIPA Contract Net Interaction Protocol Spcification, Foundation for
Intelligent Physical Agents, www.fipa.org/specs/fipa00029/.
FISHER,M. (1997) 'What is the right supply chain for your product', Harvard Business
Review, March, pp. 105-116.
FISHWICK, P.A. (1998) 'A taxonomy for simulation modeling based on programming
language principles', IIE Transactions, vol. 30, n 9, pp. 811-820.
FORRESTER, J. (1961) Industrial dynamics, MIT Press.
Fox, M.S., BARBUCEANU, M. and TEIGEN, R. (2000) 'Agent-Oriented Supply-Chain
Management', International Journal of Flexible Manufacturing Systems, vol. 12, n
2-3, pp. 165-188.
FRANKLIN, S. and GRAESSER, A. (1996) 'Is it an Agent, or just a Program?: A
Taxonomy for Autonomous Agents', Proceedings of the Third International
Workshop on Agent Thories, Architectures, andLanguages.
FRANTZ, F.K. (1995) 'A taxonomy of model abstraction techniques', Proceedings ofthe
27th confrence on Winter simulation.
FRAYRET, J.M., D'AMOURS, S., MONTREUIL, B. and CLOUTIER, L. (2001) 'A Network
Approach to Operate Agile Manufacturing Systems', International Journal of
Production Economies, vol. 74, n 1-3, pp. 239-259.
FRAYRET, J.M. (2002) A Conceptual Framework to Operate Collaborative
Manufacturing Networks, thse de doctorat, Universit Laval.
FRAYRET, J.M., D'AMOURS, S., ROUSSEAU, A. and HARVEY, S. (2005) 'Agent-based
Supply Chain Planning in the forest products industry', Working Paper, Research
Consortium in e-Business in the Forest Products Industry.
FRIEDMAN-HILL, E.J. (2000) Jess, The Java Expert System Shell,
http://herzberg.ca.sandia.gov/jess/docs/index.html
GALACSI (1986) Les systmes d'information, analyse et conception, Dunod, Paris.
GALLAND, S. (2001) Approche multi-agents pour la conception et la construction d'un
environnement de simulation en vue de l'valuation des performances des ateliers
multi-sites, thse de doctorat, Universit Jean Monnet.
GANESHAN, R., JACK, E., MAGAZINE, M. and STEPHENS, P. (1998) 'A taxonomic review
of supply chain management research', in TAYUR, S., GANESHAN, R. and
MAGAZINE, M. (Eds), Quantitative Models for Supply Chain Management, Kluwer
Acadmie Publishers, chapter 27, pp. 839-879.
GEORGEFF, M.P. (1983) 'Communication and interaction in multi-agent planning',
Proceedings ofthe Third National Confrence on Artificial Intelligence.

214
GEORGEFF, M.P. and LANSKY, A.L. (1987) 'Reactive reasoning and planning: an
experiment with a mobile robot' Proceedings of the 6th National Confrence on
Artiflcial Intelligence.
GEORGEFF, M.P. and INGRAND, F.F. (1989) 'Decision-Making in an Embedded
Reasoning System' Proceedings of the Twelfth International Joint Confrence on
Artificial Intelligence.
GEUNES, J. and PARDALOS, P.M. (2003) 'Network Optimisation in Supply Chain
Management and Financial Engineering: An Annoted Bibliography', Networks, vol.
42, n 2, pp. 66-84.
GIARD, V. (2003) Gestion de la production et des flux, Economica.
GlLMOUR, J., and PINE II, B.J. (1997) 'The four faces of mass customization', Harvard
Business Review, vol. 75, pp. 91-101.
GIUNCHIGLIA, F., MYLOPOULOS, J. and PERINI, A. (2001) 'The Tropos Software
Development Methodology: Processes, Models and Diagrams', Technical Report
DIT-02-008, Informatica e Telecomunicazioni, University of Trento.
GJERDRUM, J. SHAH, N. and PAPAGEORGIOU, L.G. (2001) 'A combined optimization
and agent-based approach to supply chain modelling and performance assessment',
Production Planning & Control, vol. 12, n 1, 81-88.
GLASER, N. (1996) Contributing to Knowledge Modeling in a Multi-Agent Framework:
the CoMoMAS Approach, thse de doctorat, Universit Henri Poincar.
GLEIZES, M.P. (2004) Vers la rsolution de problmes par mergence, Habilitation
diriger des recherches, Universit Paul Sabatier.
GOETSCHALCKX, M. (2000) 'Stratgie Planning Network', in STADLER, H. and KILGER,
C. (Eds.), Supply chain management and advanced planning: Concepts, models,
software, and case studies, Springer, New York, chapter 5, pp. 79-95.
GOLDMAN, S.L. and PREIS, K. (1991) 21S> Century Manufacturing Enterprise Strategy,
Iacocca Institute Report.
GOLDRATT, E.M. et Cox, J. (2002) Le But, un processus de progrs permanent,
AFNOR.
HATVANY, J. (1985) 'Intelligence and coopration in heterarchic manufacturing
Systems', Robotics and Computer-Integrated Manufacturing, vol. 2, n 2, pp. 101-
104.
HESKETT,J. (1973) 'Sweeping changes in distribution', Harvard Business Review, vol.
51,n2,pp. 123-132.
HEWITT, C. (1977) 'Viewing Control Structures as Patterns of Message Passing',
Artificial Intelligence, vol. 8, n 3, pp. 323-364.
HINKKANEN, A., KALAKOTA, R., SAENGCHAROENRAT, P., STALLAERT, J. and
WHINSTON, A.B. (1997) 'Distributed Dcision Support Systems for Real-Time

215
Supply Chain Management Using Agent Technologies', in KALAKOTA, R. and
WHINSTON, A.B. (Eds), Readings in Electronic Commerce, Addison Wesley.
HOOVER, W.E., ELORANTA, E., HOLMSTROM, J. and HUTTUNEN, K. (2001) Managing
The Demand Supply Chain: Value Innovations for Customer Satisfaction, Wiley,
New-York.
IGLESIAS,C.A., GARIJO, M., GONZALEZ, J.C. and VELASCO, J.R. (1996) 'A
methodological proposai for multiagent Systems development extending
CommonKADS', Proceedings of the 10' Banff Knowledge Acquisition for
Knowledge-Based Systems Workshop, GAINES, B. and MUSEN, M. (Eds).
IGLESIAS,C.A., GARIJO, M., GONZALEZ, J.C. and VELASCO, J.R. (1997) 'Analysis and
Design of Multiagent Systems Using MAS-CommonKADS', Proceedings of the
Fourth International Workshop on Agent Thories, Architectures and Languages,
SINGH, M.P., RAO, A.S. and WOOLDRIDGE, M.J. (Eds).

IGLESIAS, C.A., GARIJO, M. and GONZALEZ, J.C. (1998) 'A survey of agent-oriented
mthodologies', Proceedings of the 5th International Workshop on Agent Thories,
Architectures, and Languages, MLLER, J.P., SlNGH, M.P. and RAO, A.S. (Eds).
INGALLS, R.C. and KASALES, C. (1999) 'CSCAT: The Compaq Supply Chain Analysis
Tool', Proceedings of the 1999 Winter Simulation Confrence, FARRINGTON, P.A.,
NEMBHARD, H.B., STURROCK, D.T. and EVANS, G.W. (Eds).

D'INVERNO, M., KINNY, D., LUCK M., and WOOLDRIDGE, M.J. (1997) 'A Formai
Spcification of dMARS', Proceedings of the Fourth International Workshop on
Agent Thories, Architectures and Languages, SlNGH, M.P., RAO, A.S. and
WOOLDRIDGE, M.J. (Eds).

JACOBSON, L, CHRISTERSON, M., JONSSON, P. and VERGAARD, G. (1992) Object-


Oriented Software Engineering. A Use Case Driven Approach, ACM Press.
JAIN,S., WORKMAN, R.W., COLLINS, L.M., ERVIM, E.C. and LATHROP, A.W. (2001)
'Development of a High-Level Supply Chain Simulation ModeP, Proceedings ofthe
2001 Winter Simulation Confrence, PETERS, B.A., SMITH, J.S., MEDEIROS, D.J. and
ROHRER, M.W. (Eds).
JENNINGS, N.R. (1993) 'Commitments and Conventions: The Foundation of
Coordination in Multi-Agent Systems', The Knowledge Engineering Review, vol. 8,
n 3, pp. 223-250.
JENNINGS, N.R. (1996) 'Coordination Techniques for Distributed Artificial
Intelligence', Foundations of Distributed Artificial Intelligence, O'HARE, G. and
JENNINGS, N. (Eds), John Wiley and Sons.

JENNINGS, N.R., SYCARA, K., and WOOLDRIDGE, M. (1998) 'A Roadmap of Agent
Research and Development', Autonomous Agents and Multi-Agent Systems, vol. 1,
n l , p p . 7-38.
JENNINGS, N.R., FARATIN, P., NORMAN, T.J., O'BRIEN, P., ODGERS, B. and ALTY, J.L.
(2000) 'Implementing a Business Process Management System using ADEPT: A

216
Real-World Case Study', International Journal of Applied Artificial Intelligence,
vol. 14, n 5, pp. 421-465.
JENNINGS, N.R. (2000) 'On agent-based software engineering', Artificial Intelligence,
vol. 117, pp. 277-296.
JENNINGS, N.R., FARATIN, P., LOMUSCIO, A.R., PARSONS, S., SIERRA, C. and
WOOLDRIDGE, M. (2001) 'Automated Negotiation: Prospects, Methods and
Challenges', International Journal of Group Dcision and Negotiation, vol. 10, n
2, pp. 199-215.
KENDALL, E.A., MALKON, M.T. and JIANG, C. (1996) 'A methodology for developing
agent based Systems for enterprise intgration', Proceedings ofthe First Australian
Workshop on Distributed Artificial Intelligence.
KJENSTAD, D. (1998) Coordinated Supply Chain Scheduling, Ph.D. Thesis, Norwegian
University of Science and Technology.
KOESTLER, A. (1990) The Ghost in the Machine, Arkana.
KONING, J.L. et PESTY, S. (2001) 'Modles de communication' dans BRIOT, J.P. et
DEMAZEAU, Y., Principes et architecture des systmes multi-agents, Herms.

KOTHA, S (1995), 'Mass customization: implementing the emerging paradigm for


comptitive advantage', Stratgie Management Journal, vol. 16, pp.21-42.
KUMAR, K. (2001) 'Technology for Supporting Supply Chain Management:
introduction', Communications ofthe ACM, vol. 44, n 6, pp. 58-61.
LABARTHE,O. (2000) Modlisation multi-agents de chanes logistiques, Mmoire de
DEA, Universit d'Aix-Marseille III.
LABARTHE, O., TRANVOUEZ, E., FERRARINI, A., ESPINASSE, B. and MONTREUIL, B.
(2003a) 'A Heterogeneous Multi-Agent Modelling for Distributed Simulation of
Supply Chains', Proceedings of the lst International Confrence on Holonic and
Multi-Agent Systems for Manufacturing.
LABARTHE, O., FERRARINI, A., MONTREUIL, B. and ESPINASSE, B. (2003b) 'Cadre de
coordination distribu de chane logistique par mesure des performances', Actes du
5eme Congrs International de Gnie Industriel.
LABARTHE, O., MONTREUIL, B., FERRARINI, A. and ESPINASSE, B. (2004a)
'Modlisation Muti-Agents pour la Simulation de Chanes Logistiques de Type
Personnalisation de Masse', Actes de la 5eme Confrence Francophone de
Modlisation et SIMulation.
LABARTHE, O., TRANVOUEZ, E., ESPINASSE, B., FERRARINI, A. et MONTREUIL, B.,
(2004a) 'Vers une dmarche de conception de simulation oriente agents : Des
chanes logistiques aux systmes socio-techniques', Rapport de Recherche LSIS-
CENTOR n LSIS.RR.2004.007.
LABARTHE, O., ESPINASSE, B., FERRARINI, A. and MONTREUIL, B. (2005) 'A
Methodological Approach for Agent Based Simulation of Mass Customizing Supply

217
Chains', Journal of Dcision Systems, Spcial Issue Dcision support for industrial
engineering and logistics, vol. 14, n 4, pp. 397-425.
LABARTHE, O., FERRARINI, A., ESPINASSE, B. and MONTREUIL, B. (2006a) 'Multi-Agent
modeling for simulation of customer-centric Supply Chain', International Journal of
Simulation and Process Modelling, to appear.
LABARTHE, O., ESPINASSE, B., FERRARINI, A. and MONTREUIL, B. (2006b) Toward a
methodological framework for agent-based modelling and simulation of supply
chains in a mass customization context', Simulation Practice and Theory, to appear.
LABIDI,S. et LEJOUAD, W. (1993) De l'Intelligence Artificielle Distribue aux Systmes
Multi agents, Rapport de recherche INRIA Sophia Antipolis, n 2004.
LAGERWAARD, J. (2006) Business Intelligence Design in Distribution Center : Multi-
Agent-Based Modeling, Master's Thesis Opration Research & Management
Science, Tilburg University.
LAKHAL, A., MARTEL, A., KETTANI, O. and ORAL, M. (2001) 'On the optimization of
supply chain networking dcisions', European Journal of Operational Research,
vol. 129, n 2, pp. 259-270.
LAW, A.M. and KELTON, W.D. (1982) Simulation Modeling and Analysis, McGraw-
Hill.
LE MoiGNE, J.L. (1977) La thorie du systme gnral, thorie de la modlisation,
Presses Universitaires de France.
LE PAGE, C , BOUSQUET, F., BAKAM, L, BAH, A. and BARON, C. (2000) 'CORMAS : A
multiagent simulation toolkit to model natural and social dynamics at multiple
scales', In Proceedings ofthe Confrence The ecology ofscales.
LEE, H.L and BILLINGTON, C. (1993) 'Material management in decentralized supply
chains', Oprations Research, vol. 41, n 5, pp. 835-847.
LEE,H.L and BILLINGTON, C. (1995) 'The volution of supply-chain-management
models and practice at Hewlett-Packard', Interfaces, n 25, pp. 42-63.
LEE,H.L., PADMANABHAN, V. and WHANG, S. (1997) 'The bullwhip effect in supply
chains', Sloan Management Review, vol. 38, n 3, pp. 93-102.
LESSER, V.R. and CORKILL, D.G. (1983) 'The Distributed Vehicle Monitoring Testbed:
A Tool for Investigating Distributed Problem Solving Networks', AI Magazine, vol.
4, n3,pp. 15-33.
MALONE, T.W. and CROWSTON, K. (1994) 'The Interdisciplinary Study of
Coordination', ACM Computing Surveys, vol. 26, n 1, pp. 87-119.
MARTEL, A. et ORAL, M. (1995) Les dfis de la comptitivit : visions et stratgies,
Tome II, Publi-Relais, Montral.
MCFALARME, D.C. and BUSSMAN, S. (2000) 'Developments in holonic production
planning and control', International Journal of Production Planning and Control,
vol. 11, n 6, pp. 522-536.

218
MENTZER, J.T., DEWITT, W., KEEBLER, J.S., MIN, S., Nix, N.W., SMITH, CD. and
ZACHARIA, Z.G. (2001) 'Defning the Supply Chain Management', Journal of
Business Logistics, vol. 22, n 2, pp. 1-26.
MEURISSE, T. et VANBERGUE, D. (2001) 'Et maintenant qui le tour ? Aperu de
Problmatiques de Conception de Simulations Multi-Agents', Actes de la
confrence Agents Logiciels - Coopration - Apprentissage - Activits Humaines.
MIN,O. and ZHOU, G. (2002) 'Supply chain modelling: past, prsent and future',
Computers & Industrial Engineering, vol. 43, n 1-2, pp. 231-249.
MlNTZBERG, H. (1979) The structuring of organizations: A synthesis of the research,
Prentice-Hall.
MONTEIRO, T. (2001) Conduite distribue d'une coopration entre entreprises, le cas de
la relation donneurs d'ordres - fournisseurs, thse de doctorat, Institut National
Polytechnique de Grenoble.
MONTREUIL, B. and LEFRANOIS, P. (1996) 'Organizing factories as responsibility
networks', Progress in Material Handling Research, pp. 375-411.
MONTREUIL, B., THIBAULT Y. and PAQUET, M. (1998) 'Dynamic Network Factory
Planning and Design', Proceedings of the International Colloquium on Materials
Handling Research.
MONTREUIL, B., FRAYRET, J.M. and D'AMOURS, S. (2000) 'A Stratgie Framework for
Networked Manufacturing', Computers inlndustry, vol. 42, n 2-3, pp. 299-317.
MONTREUIL, B. (2002) 'Analyse et conception d'usines', Documents de cours,
Universit Laval.
MONTREUIL, B. and LABARTHE, O. (2004) 'Interactive Distributed Multi-Agent
Modeling and Simulation of Customer-Centric Demand and Supply Chains',
Proceedings ofthe International Confrence on Oprations Research / Management
Sciences Practice.
MONTREUIL, B. and POULIN, M. (2005) 'Demand and supply network design scope for
personalised manufacturing', International Journal of Production Planning &
Control, vol. 16, n 5, pp. 454-469.
MONTREUIL, B. (2006) 'Facilities Network Design: A Recursive Modular Protomodel
Based Approach', Proceedings of the International Colloquium on Materials
Handling Research.
MONTREUIL, B., LABARTHE, O., CLOUTIER, C. and ZHENG, X. (2006) 'Modlisation des
clients pour la simulation de dates de livraison', Actes de la 6eme Confrence
Francophone de Modlisation et SIMulation.
MOULIN, B and CHAIB-DRAA, B. (1996) 'An Overview of Distributed Artificial
Intelligence', in O'HARE, G. and JENNINGS, N. (Eds), Foundations of Distributed
Artificial Intelligence, John Wiley & Sons.

219
MOYAUX, T. (2004) Design, Simulation and Analysis of Collaborative Stratgies in
Multi-Agent Systems: The Case of Supply Chain Management, thse de doctorat,
Universit Laval.
MOYAUX, T. (2000) Spcification de comportements d'agents dans un systme multi-
agents, Mmoire de DEA, Universit d'Aix-Marseille III.
MLLER, J.P., PlSCHEL, M. and THIEL, M. (1995) 'Modeling reactive behaviour in
vertically layered agent architectures', 'm Intelligent Agents: Thories, Architectures,
andLanguages, WOOLDRIDGE, M.J. and JENNINGS, N. (Eds).
MlJLLER, J.P. (1997) The Design of Intelligent Agents: A Layered Approach, Springer
Verlag.
MULLER, J.P. (1998) 'Architectures and applications of intelligent agents: A survey',
The Knowledge Engineering Review, vol. 13, n 4, pp, 353-380.
MiLLER, J.P. (2002) Des systmes autonomes aux systmes multi-agents : Interaction,
mergence et systmes complexes, Habilitation diriger les recherches, Universit
Montpellier II.
NANCI, D., ESPINASSE, B., COHEN, B., ASSELBORN, J.C. et HECKENROTH, H. (2001)
Ingnierie des systmes d'information : MERISE, Vuibert, Paris.
NEVEN-WORKGROUP (1989) 'Performance Indicators in Logistics', IFS Publications,
Springer-Verlag.
NWANA, H.S. (1996) 'Software agents: An overview', Knowledge Engineering Review,
vol. 11, n 3, pp. 205-244.
O'HARE, G. and JENNINGS, N. (1996) Foundations of Distributed Artificial Intelligence,
John Wiley and Sons.
OCCELLO, M. (2003) Mthodologie et Architectures pour la Conception de Systmes
Multi-Agents, Habilitation diriger des recherches, Universit Pierre Mends France
de Grenoble.
ODELL, J., PARUNAK, H.V.D. and BAUER B. (2000) 'Extending UML for Agents',
Proceedings of the Agent-Oriented Information Systems Workshop, WAGNER, G.,
LESPERANCE, Y. and Yu, E. (Eds).

ODELL, J., PARUNAK, H.V.D. and BAUER, B. (2001) 'Representing agent interaction
protocols in UML', Proceedings of the First International Workshop on Agent-
Oriented Software Engineering, ClANCARlNl, P. and WOOLDRIDGE, M. (Eds).
OKINO,N. (1993) 'Bionic Manufacturing System', in PEKLENIK, J. (Ed), Flexible
Manufacturing System: past - prsent -future, CIRP, Paris, pp. 73- 95.
ORLICKY, J. (1975) Material Requirement Planning, McGraw-Hill.
ORTEGA, M. and LIN, L. (2004) 'Control theory applications to the production-inventory
problem :a review', International Journal of Production Research, vol. 42, nl 1, pp.
2303-2322.

220
PACH, G. et SAUVAGE T. (2004) La Logistique : enjeux stratgiques, Vuibert, Paris
PADGHAM, L. and WINIKOFF, M. (2002) 'Prometheus: A Methodology for Developing
Intelligent Agents', Proceedings of the Third International Workshop on Agent-
Oriented Software Engineering.
PARTANEN, J. and HAAPASALO, H. (2004) 'Fast production for order fulfillment:
Implementing mass customization in electronics industry', International Journal of
Production Economies, vol. 90, n 2, pp. 213-222.
PARUNAK, H.V.D. (1996) 'Applications of distributed artificial intelligence in industry',
in O'HARE, G. and JENNINGS, N. (Eds), Foundations of Distributed Artificial
Intelligence, John Wiley & Sons.
PARUNAK, H.V.D. (1998) 'What Can Agents Do in Industry, and Why? An Overview of
Industrially-Oriented R&D at CEC, Proceedings of the Second International
Workshop on Cooprative Information Agents II, Learning, Mobility and Electronic
Commerce for Information Discovery on the Internet.
PARUNAK, H.V.D., SAVIT, R. and RlOLO, R.L. (1998) Agent-Based Modeling vs.
Equation-Based Modeling: A case Study and User 's Guide, Center for Electronic
Commerce Report.
PARUNAK, H.V.D., SAVIT, R., RIOLO, R.L. and CLARK, S.J. (1999) DASCh: Dynamic
Analysis ofSuppfy Chains, Center for Electronic Commerce Final Report.
PARUNAK, H.V.D. (2000) 'A Practitioners' Review of Industrial Agent Applications',
Autonomous Agents andMulti-Agent Systems, vol. 3, n 4, pp. 389-407.
PICARD, G. (2004) Mthodologie de dveloppement de systmes multi-agents adaptatifs
et conception de logiciels fonctionnalit mergente, thse de doctorat, Universit
Paul Sabatier de Toulouse III.
PICARD, P. and TANG-TAYE, J.P. (2000) 'Impacts de la mise en uvre d'une alliance
logistique sur les systmes d'information des acteurs', Actes des Troisimes
Rencontres Internationales de la Recherche en Logistique.
PlNE II, B.J. (1993), Mass Customization - The New Frontier in Business Comptition,
Harvard Business School Press, Boston.
PINE II, B.J., PEPPERS, D., and ROGERS, M. (1995) 'Do you want to keep your
customers forever?', Harvard Business Review, vol. 75, n 3, pp. 103-114.
PLANE J.M. (2003), Thorie des organisations, Dunod.
POULIN, M., MONTREUIL, B. and MARTEL, A. (2006) 'Implications of personalization
offers on demand and supply network design: a case from the golf club industry',
European Journal of Operational Research, vol. 169, pp. 996-1009.
QuAU, P. (1986) loge de la simulation: de la vie des langages la synthse des
images, Champ Vallon, Paris.

221
RAO, A.S. and GEORGEFF, M.P. (1991a) 'Asymmetry thesis and side-effect problems in
linear time and branching time intention logics' Proceedings of the Twelfth
International Joint Confrence on Artificial Intelligence.
RAO, A.S. and GEORGEFF, M.P. (1991b) 'Modeling rational agents within a BDI-
architecture' Proceedings of Knowledge Reprsentation and Reasoning, FiKES, R.
and SANDEWALL, E. (Eds).
RAUTENSTRAUCH, C , SEELMANN-EGGEBERT, R. and TUROWSKI, K. (2002) Moving into
Mass Customization - Information Systems and Management Principles, Springer.
ROSEINSCHEIN, J.S. and ZLOTKIN, G. (1994) Rules of Encounter: Designing
Conventions for Automated Negotiation Among Computers, MIT Press.
ROSS, D.T. and SCHOMANN, K.E. (1977) 'Structured analysis for requirement
dfinition', IEEE Transactions on Software Engineering, vol. 3, n 1, pp. 16-34.
ROSSETTI, M.D. and CHAN, H.T. (2003) 'A prototype Object-oriented supply chain
simulation framework', Proceedings of the 2003 Winter Simulation Confrence,
CHICK, S., SNCHEZ, P.J., FERRIN, D. and MORRICE, D.J. (Eds).

RUDOLPH, E., GRABOWSKI, J. and GRAUBMANN, P. (1996) 'Tutorial on message


squence charts (MSC)', Proceedings of FORTE/PSTV96 Confrence.
RUMBAUGH, J., BLAHA, M., PREMERLANI, W., EDDY, F. and LORENSEN, V. (1991)
Object-Oriented Modeling and Design, Prentice-Hall.
RUSSELL, S. and NORVIG, P. (1995) Artificial Intelligence: A Modem Approach,
Prentice-Hall.
SADEH, N.M., HILDUM, D.W. KJENSTAD, D. and TSENG, A. (1999) 'MASCOT: An
Agent-Based Architecture for Coordinated Mixed-Initiative Supply Chain Planning
and Scheduling', Proceedings ofthe ThirdInternational Confrence on Autonomous
Agents.
SADEH, N.M., HILDUM, D.W. and KJENSTAD, D. (2003) 'Agent-based e-Supply Chain
Dcision Support', Journal of Organizational Computing and Electronic
Commerce, vol. 13, n 3-4, pp. 225-241.
SADEK, M.D., BRETIER, P. and PANAGET, F. (1997) 'Artimis: natural dialogue meets
rational agency', Proceeding oflJCAI'97, Nagoya, Japan.
SAUTER, J.A. and PARUNAK, H.V.D. (1999) 'ANTS in the Supply Chain', Proceedings
of the Workshop on Agent based Dcision Support System for Managing the
lnternet-Enabled Supply Chain.
SAUTER, J.A., MATTHEWS, R., PARUNAK, H.V.D. and BRUECKNER, S. (2002) 'Evolving
adaptive pheromone path planning mechanisms' Proceedings of the flrst
international joint confrence on Autonomous agents and multiagent Systems.
SANDHOLM, T.W. (1999) 'Distributed Rational Dcision Making', in WEISS, G. (Ed),
Multi-Agent Systems : A Modem Approach to Distributed Artificial Intelligence,
MIT Press.

222
SCHMIDT, G. and WILHELM, E.W. (2000), 'Stratgie, tactical and operational dcisions
in multi-national logistics networks: a review and discussion of modelling issues'
InternationalJournal of Production Research, vol. 38, n 7, pp. 1501-1523.
SCHREIBER, G., AKKERMANS, H., ANJEWIERDEN, A., D E HOOG, R., SHADBOLT, N., VAN
DE VELDE, W.and WIELINGA, B. (1997) Knowledge Engineering and Management :
The CommonKADS Methodology, MIT Press.
SEARLE, J.R. (1969) Speech acts, Cambridge University Press.
SELLADURAI, R.S. (2004) 'Mass customization in oprations management: oxymoron or
reality?', Omga The International Journal of Management Science, vol. 32, pp.
295-300.
SHAPIRO,R.D. (1984) 'Get leverage from logistics', Harvard Business Review, vol. 62,
pp.119-126.
SHAPIRO, J.F. (2001) Modeling the Supply Chain, Pacific Grove, Wadsworth Group.
SHEN, W., ULIERU, M. and NORRIE, D. (1999) 'Implementing The Internet Enabled
Supply Chain Through A Collaborative Agent System', Proceedings of the
Workshop on Agent based Dcision Support System for Managing the Internet-
Enabled Supply Chain.
SHEN,W. and NORRIE, D. (1999) 'Agent-Based Systems for Intelligent Manufacturing:
A State-of-the-Art Survey', Knowledge and Information Systems, vol. 1, n 2, pp.
129-156.
SHOHAM, Y. (1993) 'Agent oriented programming', Artificial Intelligence, vol. 60, n 1,
pp.51-92.
SlMCHi-LEVl, D, KAMINSKY, P and SlMCHl-LEVI, E (1999) Designing and managing the
supply chain: concepts stratgies and case studies, Irwin/McGraw-Hill.
SMITH, R.G. (1980) 'The contract net protocol: high-level communication and control in
distributed problem solver', IEEE Transactions on Computers, vol. 29, n 12, pp.
1104-1113.
SOMERS, T.M. and NELSON, K. (2001) 'The Impact of Critical Success Factors across
the Stages of Enterprise Resource Planning Implementations', Proceedings of the
34th Hawaii International Confrence on System Sciences.
STRADER, T.J., LIN, F.R. and SHAW, M.J. (1998) 'Simulation of Order Fulfillment in
Divergent Assembly Supply Chains', Journal of Artificial Societies and Social
Simulation, vol. 1, n 2.
STRADER, T.J., LIN, F.R. and SHAW, M.J. (1999) 'The impact of information sharing on
order fulfillment in divergent differentiation supply chains', Journal of Global
Information Management, vol. 7, n 1, pp. 16-25.
SWAMINATHAN, J.M., SMITH, S.F. and SADEH, N.M. (1998) 'Modeling Supply Chain
Dynamics: A Multiagent Approach', Dcision Sciences, vol. 29, n 3, pp. 607-632.

223
SYCARA, K., PAOLUCCI, M., VAN VELSEN, M. and GIAMPAPA, J.A. (2003) 'The
RETSINA MAS Infrastructure', Autonomous Agents and Multi-Agent Systems, vol.
7, n 1-2, pp. 29-48.
TEIGEN, R. and BARBUCEANU, M. (1996) The Supply Chain Demonstrator, Enterprise
Intgration Laboratory Report.
TEIGEN,R. (1997) Information Flow in a Supply Chain Management System, Ph. D.
Thesis, University of Toronto.
TELLE, O. (2003) Gestion de chanes logistiques dans le domaine aronautique : Aide
la coopration au sein d'une relation Donneur d'Ordres/Fournisseurs, thse de
doctorat, cole Nationale Suprieure de l'Aronautique et de l'Espace.
S. and CAVALIERI, S. (2004) 'Simulation in the supply chain context: a survey',
TERZI,
Computers in Industry, vol. 53, pp. 3-16.
THARUMARAJAH, A. (2003) 'From fractals and bionics to holonics', in DEEN, S.M. (Ed),
Agent-Based Manufacturing, Springer-Verlag, Berlin, chapter 2, pp. 11-30.
TRANVOUEZ, E. (2001) IAD et Ordonnancement : une approche cooprative du
rordonnancement par systmes multi-agents, thse de doctorat, Universit d'Aix-
Marseille III.
TRENTESAUX, D. (2002) Pilotage htrarchique des systmes de production.
Habilitation diriger des recherches, Universit de Valenciennes et du Hainaut-
Cambrsis.
TSENG, M.M. and PILLER F.T. (2003) The Customer Centric Enterprise Advances in
Mass Customization and Personalization, Springer.
TURNER, K.J. (1993) Using Formai Description Techniques, John Wiley and Sons.
TVEIT, A. (2001) 'A survey of Agent-Oriented Software Engineering', Proceedings of
the First NTNU Computer Science Graduate Student Confrence.
VENKATADRI, U., RARDIN, R.L. and MONTREUIL, B. (1997) 'A Design Methodology for
Fractal Layout Organization', HE Transactions, vol. 29, n 10, pp. 911-924.
VERNADAT, F. (1999) Technique de Modlisation en Entreprise : Application aux
Processus Oprationnels, Economica, Paris.
VAN BRUSSEL, H., WYNS, J., VALCKENAERS, P., BONGAERTS, L. and PEETERS, P.
(1998) 'Rfrence architecture for holonic manufacturing Systems: PROSA',
Computers in Industry, vol. 37, n 3, pp. 255- 274.
VAN LEEUWEN, E.H. and NORRIE, D. (1997) 'Holons and holarchies', Manufacturing
Engineer, vol. 76, n 2, pp. 86-88.
VON BERTALANFFY, L. (1976) General System Theory: Foundations, Development,
Applications, George Braziller.
WALLER, M., JOHNSON, M.E. and DAVIS, T., (1999) 'Vendor Managed Inventory in the
retail Supply Chain', Journal of Business Logistics, vol. 20, n 1, pp. 183-203.

224
WANG J. (1998) Timed Ptri Nets, Theory and Application, Kluwer Acadmie
Publishers.
WARNEKE, H.J. (1993) The fractal company, Springer Verlag.
WE1SS, G (1999) Multi-Agent Systems: A Modem Approach to Distributed Artificial
Intelligence, MIT Press.
WElSS, G (2002) 'Agent Orientation in Software Engineering', Knowledge Engineering
Review, vol. 16, n 4, pp. 349-373.
WILLIAMS, TJ. (1998) The Purdue Enterprise Rfrence Architecture and Methodology
(PERA), Chapman & Hall, London.
WOMACK, J.P., JONES, D.T. and ROOS, D. ( 1990) The Machine That Changea the World:
The Story ofLean Production, Rawson Associates, New York.
WOOLDRIDGE, M. and JENNlNGS, N. (1995) 'Intelligent Agent: Theory and practice',
Knowledge Engineering Review, vol. 10, n 2, pp. 115-142.
WOOLDRIDGE, M. (1999) 'Intelligent Agent', in WEISS, G. (Ed), Multi-Agent Systems :
A Modem Approach to Distributed Artificial Intelligence, MIT Press.
WOOLDRIDGE, M. and CIANCARINI, P. (2000) 'Agent-Oriented Software Engineering:
The State of the Art', Proceedings of the First International Workshop on Agent-
Oriented Software Engineering, CIANCARINI, P. and WOOLDRIDGE, M. (Eds).
WOOLDRIDGE, M, JENNINGS, N. and KlNNY, D. (2000) 'The Gaia methodology for
agent -oriented analysis and design', Autonomous Agents and Multi-Agent Systems,
vol. 3, n 3, pp. 285-312.
Wu, J., ULIERU, M., COBZARU, M. and NORRIE, D. (2000) 'Agent-based Supply Chain
Management Systems: State of the Art and Implementation Issues', Proceedings of
the International Congress on Intelligent Systems and Applications.
YUAN, Y., LIANG, T.P. and ZHANG, J.J. (2002) Using Agent Technology to Support
Supply Chain Management: Potentials and Challenges, Research Report, Me
Master University.
ZAMBONELLI, F, JENNINGS, N.R. and WOOLDRIDGE, M. (2003) 'Developing Multiagent
Systems: The Gaia Methodology', ACM Transactions on Software Engineering and
Methodology, vol. 12, n 3, pp. 317-370.
ZEIGLER, B.P., PRAEHOFER, H.P. and KlM, T.G. (2000) Theory of Modeling and
Simulation, Acadmie Press.

225