Vous êtes sur la page 1sur 2

6e Conférence Francophone de MOdélisation et SIMulation - MOSIM’06 - du 3 au 5 avril 2006 – Rabat- Maroc

« Modélisation, Optimisation et Simulation des Systèmes : Défis et Opportunités ».

SIMULATION DE PRISE DE DECISION DANS LA SUPPLY CHAIN : UNE


APPROCHE MULTI AGENTS
Samia GAMOURA-CHEHBI, Yacine OUZROUT et Abdelaziz BOURAS

Centre de recherche CERRAL – Laboratoire PRISMa


Université Lumière Lyon 2
Campus porte des Alpes,
160 boulevard de l’université
69676 Bron CEDEX
samia.chehbi@univ-lyon2.fr, yacine.ouzrout@univ-lyon2.fr et abdelaziz.bouras@univ-lyon2.fr

RESUME : Afin d’améliorer leurs performances, et celles des chaînes logistiques auxquelles elles participent, les
entreprises actuelles sont dans l’obligation de remettre en question leurs processus de collaboration et de partage
d’information avec leurs différents partenaires. Cette problématique est l’une des plus étudiées dans le domaine des
systèmes d’information et des outils d’aide à la décision appliqués à la gestion des chaînes logistiques (Supply Chain
Management). Nous présentons, dans cet article, un modèle d’organisation multicouche à base d’agents pour la
simulation des interactions entre les acteurs d’une chaîne. Nous proposons une version étendue du cas du « Beer
Game » pour la validation de notre modèle. Dans cette étude de cas, plusieurs stratégies de prise de décisions
collaboratives ont été étudiées, analysées, et simulées sous la plate forme JADE®. A partir des résultats des simulations,
nous allons tenter d’illustrer l’impact des choix de certaines stratégies de collaboration et des comportements des
agents sur la performance globale de la chaîne.

MOTS-CLES : collaboration, architecture multicouche, organisation multi-agent, Beer Game, prise de décision
collaborative, simulation.

6. BIBLIOGRAPHIE agents, JP. Briot et Y Demazeau, Ed. Hermes, Lavoisier,


ISBN 2-7462-0336-7, pp 139-172, 2001.
Apolloni S., Lando M., Savino M., « Methodological Assess-
Ferber J., Les systemes multi-agents: vers une intelligence col-
ment for Product Demand Forecasting through Neural
lective, Ed. InterEditions, ISBN 2-7296-0665-3, pp 97-
Networks », IProceedings of the 3rd international confer-
155, France, 1995.
ence, Canada, 2001.
Forrester J.W., « Industrial dynamics - A major breakthrough
Beaufils B., Modèles et simulations informatiques des pro-
for decision-makers », Harvard Business Review, Vol.4, pp
blèmes de coopération entre agents, Thèse de doctorat,
36-66, 1958.
Université des Sciences et Technologies de Lille, 2000.
Hong Y., Zhenxin Y., Edwin T.C., « A strategic Model for
Benameur H., Chaib-draa B., Kropf P.G., Multi-item auctions
Supply Chain Design with Logical Constraints: Formula-
for automatic negotiation. Journal of Information and
tion and Solution », Computer & Operations Research,
Software Technologies, vol 44, N°5, 2002, p. 165-176.
Vol.30, pp 2135-2155, 2003.
Chaib-draa B., Moulin B., Jarras I., « Agent et Systèmes Mul-
Kimbrough S.O, Wu D., Zhong F., « Computers play the beer
tiagents », In Principes et architecture des systèmes multi-
game: Can artificial agents manage supply chains? », Deci-
agents, JP. Briot et Y Demazeau, Ed. Hermes, Lavoisier,
sion Support Systems, Vol.33, pp 323-33, 2002.
ISBN 2-7462-0336-7, pp 27-60, 2001.
Kowalczyk R., Phiong V., Dunstall S., Owends B. Towards
Chehbi S., Derrouiche R., Ouzrout Y., Bouras A., « Multi
Supporting Collaborative Scheduling in Adaptive Supply
Agent Supply Chain Architecture to Optimize Distributed
Networks with Negotiation Agents. Journal of Decision
Decision Making », Proceedings of the 7th World Multi-
Systems, Vol 13., 2004.
conference on Systemics, Cybernetics and Informatics,
USA, 2003. Le bars M., Un Simulateur Multi-Agent pour l’Aide à la Déci-
sion d’un Collectif : Application à la Gestion d’une Res-
Chehbi S., Ouzrout, Y., Bouras, A., Multi-Layers Supply chain
source Limitée, Thèse de doctorat, Université de Paris 6-
modelling based on Multi-Agent Approach, Emerging So-
Dauphine, 2003.
lutions for Future Manufacturing systems. Ed. L.M. Cam.,
Springer, ISBN 0-387-22828-4, pp. 307-314, 2004. Mathieu P., Muller J.P, Systèmes multi agent et systèmes com-
plexes. Ed. Lavoisier, Hermes, ISBN-2-7462-0555-6, pp
Dodd C., Kumara S.R., « A Distributed multi agent model for
126-137, France, 2002.
value nets », IEA/IAE, pp 718-727, 2001.
Moyaux T., Chaib-draa B., D’Amours S., « Multi-agent coor-
El Fallah-Seghrouni A., « Modèles de coordination d’agents
dination based on tokens: Reduction of the bullwhip effect
cognitifs », In Principes et architecture des systèmes multi-
6e Conférence Francophone de MOdélisation et SIMulation - MOSIM’06 - du 3 au 5 avril 2006 – Rabat- Maroc
« Modélisation, Optimisation et Simulation des Systèmes : Défis et Opportunités ».

in a forest supply chain », Proceedings of the 2nd Interna-


tional Joint Conference on Autonomous Agents and Multi-
Agent Systems (AAMAS), Australie, 2003.
Parunak H.V.D., Brueckner S., Sauter J., Matthews R., « Dis-
tinguishing Control and Plant Dynamics in Enterprise
Modeling », Proceedings of the 2nd DARPA-JFACC Sym-
posium on Advances in Enterprise Control. Minneapolis,
USA, 2000.
Rota K., Coordination Temporelle de Centres Gérant de Façon
Autonome des Ressources. Application aux Chaînes Logis-
tiques Intégrés en Aéronautique, Thèse de doctorat, Uni-
versité de Toulouse, 1998.
Shapiro J., Modeling the Supply Chain Duxbury, Ed. Duxbury
Resource Center, ISBN 0534373631, 2000.
Simchi-Levi D., Kaminiski P., Simchi-Levi E., Desingning and
Managing the Supply Chain : Concepts, Strategies and
Case Strudies, Ed. McGraw Hill , 2000.
Sterman J.D., « Modeling managerial behavior: Misperceptions
of feedback in a dynamic decision making experiment »,
Management science, Vol. 03, pp 321-339, 1989.