Vous êtes sur la page 1sur 9

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/231538025

Simulation D'une chaîne logistique à echelle réelle sous Arena

Conference Paper · May 2010


DOI: 10.13140/RG.2.1.3640.9681

CITATIONS READS

0 881

3 authors:

Bensmaine Abderrahmane Lyes Benyoucef


Abou Bakr Belkaid University of Tlemcen Aix-Marseille Université
14 PUBLICATIONS   88 CITATIONS    115 PUBLICATIONS   1,294 CITATIONS   

SEE PROFILE SEE PROFILE

Zaki Sari
Abou Bakr Belkaid University of Tlemcen
152 PUBLICATIONS   392 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Heuristics for Flow shop scheduling problem View project

Manufacturing Scheduling under uncertainties View project

All content following this page was uploaded by Bensmaine Abderrahmane on 27 November 2015.

The user has requested enhancement of the downloaded file.


International Conference On Industrial Engineering and Manufacturing ICIEM’10, May, 9-10, 2010, Batna, Algeria

Simulation D’une Chaîne Logistique À Echelle Réelle


sous Arena®
A. Bensmaine1, L. Benyoucef2 et Z. Sari1
1
Laboratoire d’Automatique, Université de Tlemcen, Algérie ({a_bensmaine, z_sari}@mail.univ-tlemcen.dz)
2
INRIA-Nancy Grand-Est, COSTEAM-Project, ISGMP Bat. A, Metz, 57000, France (lyes.benyoucef@loria.fr)

Résumé -- Le contexte économique actuel est instable. Il logistiques [1].


oblige les entreprises industrielles à passer à une nouvelle
forme d’organisation, qui intègre les partenaires logistiques Une gestion réussie d’une chaîne logistique nécessite
afin de conserver un avantage concurrentiel. Cette nouvelle une connaissance solide des performances de cette chaîne,
forme organisationnelle, nommée « la chaîne logistique », est pour pouvoir prendre les bonnes décisions et prévoir au
d’un intérêt majeur sur le plan économique, vu l’importance mieux.
des gains potentiels promis en comparaison avec une
stratégie de gestion interne. Néanmoins, elle présente un L’évaluation des performances d’une chaîne logistique
système complexe difficile à évaluer, et donc difficile à fait souvent appel à la simulation informatique, qui, quant à
maitriser et gérer. La simulation informatique, grâce aux elle, est un outil puissant qui a prouvé son habilité à
avantages qu’elle offre, se présente comme un outil idéal pour analyser des systèmes complexes comportant des
analyser des systèmes comportant des phénomènes phénomènes stochastiques et dynamiques. Grâce à ses
stochastiques, dont les chaines logistiques font partie. Dans ce avantages [19], la simulation informatique est considérée
travail, nous présentons une modélisation/simulation d’une comme la seule perspective pour analyser les performances
chaîne logistique à échelle réelle sous Arena/SIMAN, un outil de cas à échelle réelle.
de simulation très populaire auprès des industriels. Nous
nous intéressons plus précisément à la création du modèle de
simulation, comment elle se fait à partir du cas d’étude et les II. CHAINES LOGISTIQUES
différentes techniques et astuces utilisées pour aboutir au
A. Definition
modèle final.
Dans la littérature, plusieurs définitions ont été données
I. INTRODUCTION à la chaîne logistique, parmi lesquelles on trouve des
définitions simplistes :
Les entreprises industrielles modernes concurrent dans  "Une chaîne logistique est une série d'activités et
un contexte économique instable, et supervisent des usines
d'organisations par lesquelles passent des matériaux
de productions géographiquement distribuées. Pressées par
dans leurs parcours, à partir des fournisseurs
une compétition globale dans un marché mondiale
initiaux jusqu'aux clients finaux" [2].
imprévisible, elles s’efforcent de fournir des produits et des
services de haute qualité aux clients. Et d’autres plus précises:
 "Une chaîne logistique est un réseau de toutes les
Dans ce contexte, nombreuses sont les entreprises à la organisations qui participent à :
recherche de nouvelles formes d’organisation et d’alliance l'approvisionnement, la production, la distribution
afin de conserver un avantage concurrentiel. Les ou la vente d'un produit au client final. Une chaîne
organisations, qui par le passé se sont senties protégées de logistique forme un réseau complexe de flux
la concurrence étrangère à bas prix, constatent maintenant
physique (matière/financier) et non physique
qu’elles doivent non seulement créer de la valeur pour
(information)." [5] ;
leurs clients, mais garantir des prix inferieurs à ceux
L’intérêt accordé à la notion de chaîne logistique résulte
proposés par les concurrents sur le marché.
d’une vision globale de l’entreprise. Les études montrent
Cet accroissement de compétitivité dans tous les que les gains potentiels par une entreprise qui s’intéresse
secteurs industriels pousse les entreprises vers la recherche uniquement à sa gestion interne sont très limités si on les
d’une optimisation supplémentaire de leurs processus compare aux gains potentiels sur toute la chaîne logistique,
organisationnel, et particulièrement la poursuite de d’où l’intérêt de dépasser les frontières de l’entreprise et
nouvelles formes de collaboration avec leurs compléments intégrer tous les partenaires (fournisseurs, centres de
logistiques. Par conséquence, au niveau de l’entreprise est distribution, etc.), de manière à ce que les produits
apparue une orientation progressive vers une perspective
demandés soient fabriqués, avec la qualité exigée, et
externe de conception et d’implémentation de nouvelles
distribués aux bons clients, aux bons moments, en profitant
stratégies de gestion, ce qui est généralement nommé la
de la synergie des partenaires à travers une gestion globale
gestion de la chaîne logistique. Comme le constatent les
praticiens, la concurrence dans un futur proche ne sera pas de la chaîne [4].
entre différentes entreprises mais entre différentes chaînes

1
International Conference On Industrial Engineering and Manufacturing ICIEM’10, May, 9-10, 2010, Batna, Algeria

B. Les composants d’une chaîne logistique chaînes logistiques appelé EASY-SC. Il est développé sous
Java incluant des méthodes d’optimisation pour déterminer
Dans toute chaîne logistique il existe une combinaison
les valeurs de quelques paramètres comme le point de
d’organismes qui assument des fonctions différentes.
commande et le choix du routage.
Certaines sont des fournisseurs, d’autres producteurs, des
distributeurs, des détaillants, des clients finaux (des Chatfield [14] décrit SISCO (Simulator for Integrated
entreprises ou des particuliers) et des fournisseurs de Supply Chain Operations), un outil graphique de
services (transport, design de produit, finances) [7]. simulation Orienté Objet. L’auteur a critiqué les outils déjà
réalisés et présente SISCO comme remédiassions à ces
Un fournisseur est responsable de la fabrication (ou
critiques ; il sépare bien entre l’interface et l’engin (cœur)
assemblage) des produits pour qu’ils soient vendus aux
ce qui facilite l’utilisation distribuée.
acheteurs (usines, centres de distribution ou clients finaux).
Une usine fabrique et assemble la matière première et les L’outil SNOW (Supply-chain Network Optimization
composants afin d'obtenir des produits finis destinés au Workbench) d’IBM est présenté par Ding [15]. Ce logiciel,
marché. Le rôle du centre de distribution dans une chaîne développé sous l’environnement Eclips (un IDE Java), est
logistique est triple et consiste en : la réception, le utilisé dans le cadre de la conception des chaînes
stockage et l'expédition des produits de différentes natures logistiques. SNOW inclut quelques méthodes analytiques
(matières premières, composants, produits finis, etc.). Le d’optimisation pour résoudre les problèmes de localisation
client représente le « client final dans » dans une chaîne et de transport. Il utilise l’optimisation et la simulation
logistique. Les clients sont généralement les nœuds d’un d’une manière séquentielle.
réseau, où les opérations de transport des flux de matières
B. Simulations des chaînes logistiques en utilisant Arena :
touchent à leurs fins.
Arena est un outil de simulation populaire basé sur un
C. Evaluations des performances des chaînes logistiques concept orienté objet pour une modélisation complètement
graphique. Le modèle est créé en plaçant des blocs sur
Généralement, l’évaluation des performances d’un l’espace de travail Arena, puis en créant des liaisons entres
système quelconque peut être menée de trois façons : ces différents blocs.
1. les méthodes analytiques ;
2. la simulation ; Vu ça simplicité et flexibilité, cet outil permet de
3. l’expérimentation physique. simuler pratiquement tout système à événements discrets,
Dans le contexte des chaînes logistiques, les approches notamment les chaînes logistiques.
analytiques ne sont pas très utilisées car le modèle Ingalls [16] présente CSCAT (Compaq Supply Chain
mathématique correspondant est très complexe pour être Analysis Tool), un package Arena développé par Compaq
résolu. Pour l’expérimentation physique, elle souffre de pour la simulation des chaînes logistiques. Son objectif
limitations techniques et de coût [10]-[8]-[9]. La principal est de répondre aux questions : quel est le profit
simulation semble donc la seule perspective pour analyser de l’organisation pour une configuration donnée ? Et quel
les performances de cas à échelle réelle. Elle permet est le niveau de service pour le client pour une
l’évaluation des performances et/ou de la structure de la configuration donnée ? Le modèle est définit avec 9
chaîne logistique avant l’implémentation du système. structures (client, entreprise, stock, produit...).

III. SIMULATION DES CHAINES LOGISTIQUES, ETAT DE Vieira [5]-[6] propose un modèle hiérarchique à trois
L’ART niveaux : le premier niveau, le plus générale, est composé
des quatre éléments principaux (usine, entrepot,
A. Simulation des chaînes logistiques avec des outils fournisseur et client) et leur intégration issue des ordres et
développés : du flux des matériaux/informations. Le deuxième niveau
Rossetti [12] a développé un Framework de simulation constitue une modélisation intermédiaire, de chaque
des chaînes logistiques en utilisant les éléments membre de la chaîne. La modélisation détaillée est sur le
fondamentaux nécessaires à la modélisation d’une chaîne 3ème niveau. Pour mesurer les performances de la chaîne,
logistique générique. Il présente une étude conceptuelle l’auteur utilise trois indicateurs : le temps de cycle entre
orientée objet. détaillant et producteur, la variation de la moyenne totale
du stock dans la chaîne logistique et la variation de la
Biswas [11] propose un modèle Orienté-Objet pour
production/demande chez les fournisseurs.
son outil DESSCOM (Decision Support for Supply Chains
through Object Modeling), avec deux types d’objets : objet Persson [17] a créé un package Arena qui respecte le
de structure (Client, Ordre, Usine, …) et objet de modèle SCOR. La conception de la chaîne se fait par
"politiques" (Politique de : stockage, production, gestion placement des composants sur l’espace dédié d’une
des ordres, …). manière graphique très simple.
Cope et al. [18] présente une approche qui génère un
Liu et al. [13] ont développé un outil de simulation des

2
International Conference On Industrial Engineering and Manufacturing ICIEM’10, May, 9-10, 2010, Batna, Algeria

modèle de simulation Arena à partir des données exprimées Les véhicules sont convoyés en utilisant différents
en XML. Ce simulateur vise la simplicité d’utilisation, il moyens de transport des usines aux zones clients en
permet de générer automatiquement les blocks du modèle passant par les différents sites. En effet, tous les véhicules
Arena à partir des informations et de la structure de la produits par les trois usines, de type MTS (Make To
chaîne modélisée codés en XML. Stock : véhicules standards) et MTO (Make To Order :
véhicules avec options spécifiques), sont accumulées dans
IV. MOTIVATION le CDC. Afin de réduire le coût de transport, les véhicules
MTS sont transportés en bateau vers RDC1, où ils sont
Une chaîne logistique est un système complexe pouvant stockés par anticipation
s’étendre à une architecture internationale. L’analyse des
performances d’une chaîne logistique est d’un intérêt . Au contraire, pour diminuer le temps de transport, les
majeur pour les décideurs, et la simulation informatique se véhicules MTO sont convoyés directement par train vers le
propose comme l’outil idéal pour cette tâche. RDC correspondant. Les véhicules sont distribués par
camions aux zones clients.
Dans la littérature, plusieurs auteurs se sont intéressés à
la simulation des chaînes logistiques, via des outils qu’ils Les six clients génèrent des demandes hebdomadaires
indépendantes. La quantité demandée suit une loi normale
ont développés par eux même ou en utilisant des logiciels
de moyenne égale à 10 et une variance égale à 3. Chaque
qui existent sur le marché, dont le célèbre Arena.
demande est divisée en deux parties : une partie pour des
Les travaux basés sur Arena concernent, dans la véhicules de type MTS (60% de la quantité initiale) et le
majorité des cas, le développement de stratégies de reste pour les véhicules de type MTO (40% de la quantité
modélisation ou des packages prêts à l’emploi qui servent initiale). Une date due est associée à chaque demande
comme moyens de modélisation, mais nul ne propose un client suivant une loi Triangulaire TRIANG(2,6,6) (Les
modèle complet pour un cas à échelle réelle. En effet, la paramètres de cette loi sont exprimés en semaines).
phase de création du modèle est complètement omise, et
Les deux types de demandes sont traités différemment.
les modèles utilisés ne sont pas, dans la majorité des cas,
Une demande MTO est affectée à l’usine la moins chargée,
tirés à partir du monde réel.
en comparant sa capacité de production et les ordres de
Pour remédier à ce manque, nous présentons dans cet production déjà affectés en attente de leurs traitements.
article une modélisation d’une chaîne logistique à échelle Les demandes MTS sont servies par les RDCs selon le
réelle en utilisant le logiciel simulation Arena. stock disponible dans RDC1 car en effet, les autres RDCs
(2, 3 et 4) ne possèdent pas de moyens de stockage. Au
cas où une rupture du stock est observée dans RDC1, les
V. CAS D’ETUDE
demandes MTS sont mises en attente jusqu’à la prochaine
La chaîne logistique étudiée dans le cadre de ce travail livraison.
est un réseau de production/distribution pour un type de
véhicule à l’échelle internationale [20]. Comme le réseau est géré en flux tirés, tous les
véhicules fabriqués ont déjà leurs propres destinations.
La fonction principale de ce réseau est de produire les Tous les véhicules assemblés dans les usines sont d’abord
différents véhicules et les distribuer aux clients selon leurs acheminés par train jusqu’à CDC. De là, les véhicules
demandes spécifiques. Face à une concurrence de plus en MTO sont envoyés directement par train aux RDCs dans le
plus forte sur le marché, l’entreprise cherche à évaluer les but de réduire le temps de transport. Pour les véhicule
performances de ce réseau en termes de niveau de MTS, ils sont stockés dans CDC jusqu’à réception d’un
satisfaction du client final (Le Taux de commandes nouveau ordre d’approvisionnement généré par RDC1.
satisfaites dans les délais et le Temps de réponse moyen).
Dans le but d’optimiser les coûts de transport, ces
Fig. 1 Illustre la configuration du réseau étudié. Ce véhicules sont transportés par bateau puis par train jusqu’à
réseau est composé de trois usines (Usine1, 2 et 3), cinq RDC1, où ils sont stockés. Le processus de livraison
centres de distribution (CDC, RDC1, RDC2, RDC3 et commence si des demandes clients de type MTS sont en
RDC4) et six zones clients. Les trois usines ainsi que CDC attente dans RDC1. Pour les demandes émises par des
sont situes dans le pays A. Les autres sites sont dans un clients directement rattachés à RDC1, les véhicules sont
autre pays B. livrés par camions. A l’inverse, pour les demandes
transmises par les autres RDCs (2, 3 et 4), les véhicules
sont transportés par camions aux RDCs respectives puis
livrés par camions également aux clients finaux.
Etant donné que les camions représentent un moyen de
transport maitrisable avec une taille de charge relativement
faible (quantité transporté entre 7 et 10 véhicules), un
camion ne peut pas être considéré prêt à quitter son
emplacement si la quantité présente à transporter est
Figure 1. Configuration de la chaîne logistique étudiée inférieure à sa capacité.
3
International Conference On Industrial Engineering and Manufacturing ICIEM’10, May, 9-10, 2010, Batna, Algeria

Les autres modes de transport (maritime et ferroviaire) La partie (b) est consacrée à la réception des véhicules
sont gérés différemment. En effet, chaque fin de journée provenant du centre de distribution. Pour chaque véhicule
les trains et le bateau transportent les produits finis en entrant, nous recalculant la quantité restante de sa
attente d’être transportés vers leurs destinations, quelque commande d’origine en soustrayant "1". Après chaque
soit la charge à transporter. soustraction, nous vérifions l’état de la commande en
question, c'est-à-dire que nous vérifions si elle est
Pour la gestion de ses ordres d’approvisionnement en
complètement satisfaite ou il manque encore quelques
véhicules de types MTS, le RDC1 envoie ses commandes à
véhicules. Les commandes qui ne sont pas encore
CDC. Si le stock dans CDC le permet, ces véhicules sont
complètement satisfaites sont remises dans la file d’attente.
livrés, dans le cas contraire, ces ordres sont mis en attente
Ce teste est effectué dans la partie (c) du sous-modèle, où
dans CDC jusqu’à sa prochaine livraison. Pour la gestion
nous enregistrons la différence entre la date due et la date
de ses ordres d’approvisionnement en véhicules de types
de satisfaction, en vue de calculer le taux de satisfaction à
MTS, CDC les envoie directement aux différentes usines.
la fin de la simulation.
Ces ordres sont considérés comme des ordres de
production par les usines. B. Centres de distribution
Les centres de distributions de la chaîne logistiques
VI. MODELE DE SIMULATION étudiée n’ont pas tous le même mode de fonctionnement.
Afin de maintenir une ressemblance visuelle entre la En effet, ils diffèrent entre eux par le nombre de
structure de la chaîne logistique réelle et la partie visible du connexions et la politique de stockage utilisée.
modèle réalisé, nous avons utilisé des sous-modèles pour
une poursuite "intuitive" du déroulement de la simulation, Le RDC2 (Fig. 3) représente un centre intermédiaire qui
ne possède aucun moyen de stockage. Pour cette raison,
son modèle est très simple si nous le comparons avec le
modèle du RDC1 ou du CDC.

Figure 3. Sous-modèle RDC2 et 4


Le RDC4 est identique au RDC2 puisqu’ils ont le même
mode de fonctionnement. La même chose peut être
Figure 2. Le modèle de simulation sous Arena. soulignée pour le RDC3, à part qu’il possède deux sortie
vu qu’il serve deux clients à la fois.
chacun des sous modèle représente un composant de la
chaine logistique (usine, client et entrepôt) (Fig. 2). Le modèle du RDC1 (Fig. 5) est relativement plus
Le niveau global, ou le niveau I, contient les principales compliqué en le comparant avec les autres RDCs. Cette
entités qui composent la chaîne, notamment les usines complexité et due au fait qu’il joue le rôle de distributeur
(Factory1, Factory2 et Factory3), les centres de principal dans le pays B, qu’il gère un stock MTS, et qu’il
distribution (CDC, RDC1, RDC2, RDC3 et RDC4) ainsi serve à la fois deux clients ainsi que les autres RDCs. La
que les clients (Client1 jusqu’au Client6). Chacune de ces partie (a) du modèle du RDC1 est responsable de la
entités est représentée par un sous-modèle regroupant un réception des véhicules provenant du CDC, alors que la
ensemble de blocs Arena qui servent à le faire fonctionner.
partie (b) surveille le stock, quand le stock minimal est
Dans ce niveau du modèle, pour ne pas l’encombrer avec
atteint, elle génère une commande et l’envoie au CDC.
plusieurs liaisons entre les sous-modèles, nous ne
représentons pas le flux d’information d’une manière Le reste du sous-modèle RDC1 est chargé de la
explicite, i.e. il n’existe pas une liaison visible qui servira à réception et le traitement des commandes provenant des
transmettre une commande client à son fournisseur. Par clients 1 et 2 ainsi que celles provenant des autres RDCs.
contre, le flux physique est explicité via des liaisons Le stock dans le RDC1 ne satisfait pas nécessairement
visibles. toutes les commandes, pour cette raison, ces commandes
A. Client passent d’abord par le module de teste "Deliverable"
Le sous-modèle "client" est composé de trois parties avant d’être répondues. Ce teste vérifie que le stock
(FiG. 4). La partie (a) est la responsable de la génération disponible est plus grand que la quantité de véhicules
des commandes. Une fois une commande générée, une demandée par une commande donnée. Dans le cas ou le
copie d’elle est mise dans la liste des commandes en attente stock est insuffisant, la commande est mise en attente dans
d’être satisfaites, puis elle est divisée en deux une file d’attente dédiée.
commandes différentes : MTS envoyée au RDC en amant,
et MTO envoyée à l’usine la moins chargée.

4
International Conference On Industrial Engineering and Manufacturing ICIEM’10, May, 9-10, 2010, Batna, Algeria

Figure 4. Sous-modèle "Client"

Figure 5. Sous-modèle "RDC1"

5
International Conference On Industrial Engineering and Manufacturing ICIEM’10, May, 9-10, 2010, Batna, Algeria

Figure 6. Sous-modèle "CDC"

Figure 7. Sous-modèle "Usine"

6
International Conference On Industrial Engineering and Manufacturing ICIEM’10, May, 9-10, 2010, Batna, Algeria

Figure 8. Sous-modèle "ligne d’assemblage"

À chaque réception d’une quantité de véhicules MTS d’assemblage, le nombre de véhicules risque d’être très
par le RDC1, les commandes en attente sont réévaluées, en élevé à l’entrée de la ligne d’assemblage. Pour cette raison,
vue de les satisfaire. nous subdivisons les commandes MTS en plusieurs sous-
commandes de tailles moins importantes, qui seront par la
Dans le cas ou le stock est suffisant pour répondre à
suite facilement manipulées (partie (d)).
une commande, la quantité demandée est retirée du stock
et regroupé via un bloc "batch" en vue de l’envoyer à la Le système d’assemblage dans les usines est constitué
destination de la commande. principalement d’une ligne d’assemblage à modèles
mélangés (Mixed Model Assembly System) composée de
Le sous-modèle CDC (Fig. 6) possède une architecture
six stations d’assemblage (Fig. 8). Dans ce type de lignes
qui s’approche à celle du RDC1. Il est constitué de quatre
d’assemblage, le système de manutention (convoyeur)
parties principales : une partie gestion de commande (a),
avance d’une station à l’autre avec une vitesse constante,
une deuxième pour la réception des véhicules (b), une
et les véhicules qu’il porte sont espacés d’une manière
partie pour le transport (d) et une dernière qui surveille le
équitable. Si l’assemblage sur une station particulière se
stock (c).
fait manuellement, les ouvriers suivent l’avancement du
C. Usine : convoyeur tout en réalisant leur tâche ; une fois la tâche
Nous avons modélisé une usine (Fig. 7) par un ensemble accomplie, ils reviennent au point du convoyeur qui
de blocs pouvant être regroupés en trois parties ; (a) et (b) correspond au début de leur station. Le temps de retour au
pour la gestion des commandes MTS et MTO point du début est négligeable par rapport au temps
respectivement, une partie (c) concernant le transport, ainsi consacré à l’accomplissement de l’opération.
qu’une ligne d’assemblage qui représente le cœur de
l’usine (la partie (d) est décrite ci-dessous). Dans la pratique, il existe des parties dans le modèle ou
on doit faire appel à l’optimisation, en vue d’avoir une
Une commande reçue est tout de suite transformée en meilleure représentation du monde réel.
véhicules en attente de passer par la ligne d’assemblage
pour être assemblés. Le nombre de ces véhicules est égal à VII. RESULTATS NUMERIQUES
la taille de la commande. Les véhicules assemblés sortant
Le modèle a été simulé sur un horizon d’une année. Une
qui sortent de la ligne d’assemblage sont stockés
période de réchauffement, d’une durée d’un mois, est
temporairement dans l’attente d’être transportés à leurs
utilisée pour diminuer l’impact des conditions initiales sur
destinations respectives.
la simulation. Nous ne tenons pas compte des valeurs
Suivant le calendrier de transport, les véhicules en prises par les indicateurs de performance dans le premier
attente sont groupés des blocs "batch", puis envoyés vers mois lors des analyses statistiques.
le CDC. Etant donné que la taille d’une commande MTS
Les indicateurs de performance pris en compte par ce
est relativement importante, et que chaque commande est
modèle de simulation sont le Taux de satisfaction (Taux
transformée en véhicules en attente de passer par a ligne
des commandes satisfaites dans les délais) et le Temps de
7
International Conference On Industrial Engineering and Manufacturing ICIEM’10, May, 9-10, 2010, Batna, Algeria

réponse moyen (Temps de réponse à une commande [7] S. Umed and Y. T. Lee, “Design specifications of a generic supply
chain simulator”. Proceedings of the 2004 Winter Simulation
client). Conference. 2004.
La simulation a été lancée sur un Pentium IV 3GHz. [8] M. J. Tarokh and M. Golkar, “Supply chain simulation methods”.
Les résultats suivants ont été obtenus : Service Operations and Logistics, and Informatics. 2006.
[9] C. Thierry, A. Thomas and G. Bel, “La simulation pour la gestion
des chaînes logistiques”. Lavoisier. 2008.
Temps de réponse moyen Taux de satisfaction
(semaines) [10] J. S. Carson, “Introduction to modeling and simulation”.
Proceedings of the 2005 Winter Simulation Conference. 2005.
5,83 69,84%
[11] S. Biswas and Y. Narahari, “Object oriented modeling and decision
TABLEAU I. RÉSULTATS OBTENUS support for supply chains”. European Journal of Operational
Research, 153:704–726. 2004.

VIII. CONCLUSION [12] M. D. Rossetti, and H. T. Chan, “A prototype object-oriented supply


chain simulation framework”. Proceedings of the 2003 Winter
Dans la littérature, plusieurs travaux ont concerné la Simulation Conference. 2003.
simulation des chaînes logistiques via l’outil Arena, [13] J. Liu, W. Wang, Y. Chai and Y. Liu, “Easy-sc: A supply chain
s’adressant au développement de stratégies de simulation tool”. Proceedings of the 2004 Winter Simulation
modélisation ou des packages prêts à l’emploi, mais aucun Conference. 2004.
de ces travaux ne proposent un modèles complets pour des [14] D. C. Chatfield, T. P. Harrison and J. C. Hayya, “SISCO: An object-
cas à échelle réelle, et la phase de création du modèle est oriented supply chain simulation system”. Decision Support
souvent omise ou décrite très brièvement. Systems, 42:422–434. 2006.

Dans le cadre de ce travail nous avons présenté une [15] H. Ding, W. Wang, J. Dong, M. Qiu, and C. Ren, C. “IBM supply-
chain network optimization workbench: an integrated optimization
manière de créer un modèle de simulation Arena d’une
and simulation tool for supply chain design”. Proceedings of the
chaîne logistique à échelle réelle à partir d’une description 2007 Winter Simulation Conference. 2007.
textuelle de celle-ci. La conception du modèle n’était pas
[16] R. G. Ingalls, “CSCAT: The COMPAQ supply chain analysis tool”.
une tâche aisée, nous avons utilisé en total plus de 650 Proceedings of the 1998 Winter Simulation Conference. 1998.
blocs Arena pour modéliser la chaîne entière avec ses
différentes fonctionnalités et règles de gestion. Simuler [17] F. Persson and M. Araldi, “The development of a dynamic supply
chain analysis tool-integration of SCOR and discrete event
harmonieusement un tel nombre de modules est une simulation”. International Journal of Production Economics. 2007.
opération très délicate, aussi bien pendant la conception
[18] D. Cope, M. S. Fayez, M. Mollaghasemi and A. Kaylani, “Supply
que pendant la validation.
chain simulation modeling made easy: an innovative approach”.
Néanmoins, cette difficulté de modélisation est Proceedings of the 2007 Winter Simulation Conference. 2007.
compensée par la grande flexibilité qu’offre cet outil de [19] C. A. Chung, “Simulation Modeling Handbook, A Practical
simulation, grâce au principe de blocs primitifs. Ce Approach”. CRC PRESS. 2004.
principe, proche des langages de programmation, ne limite [20] H. Ding, “une approche d'optimisation basée sur la simulation pour
pas le modélisateur par une vision standard des entités la conception des chaînes logistiques : Applications dans les
composant la chaîne logistique, car en effet, le industries automobile et textile” Ph.D. Dept. Automatique. Univ.
modélisateur a un accès direct aux moindres détails sur le Metz ; 2004.
modèle, et par conséquence, la chaîne conçue est très
personnalisable.

RÉFÉRENCES
[1] M. Christophe, “Logistics and supply chain management: Strategies
for reducing costs and improving services”. Pitman publishing.
1992.
[2] D. Waters, “Logistics - An Introduction to Supply Chain
Management”. Palgrave Macmillan. 2003.
[3] M. Hugos, “Essentials of Supply Chain Management”. John Wiley
and Sons, Inc. 2003.
[4] D. Kassmann and R. Allgor, “Supply chain design, management
and optimization”. 16th European Symposium on Computer Aided
Process Engineering. 2006.
[5] G. E. Vieira, “Ideas for modeling and simulation of supply chains
with arena”. wsc, pages 357–366. 2004.
[6] G. E. Vieira and O. C. Júnior, “A conceptual model for the creation
of supply chain simulation models”. Proceedings of the 2005 Winter
Simulation Conference. 2005.

View publication stats