Vous êtes sur la page 1sur 6

CPI 2013 – Tlemcen Algérie – 21-23 octobre 2013

Optimisation Des Approvisionnements Et Des


Echanges De Produits Dans Un Reseau De
Distribution
Lamia TRIQUI, SARI triquilamia@yahoo.fr Jean-Claude HENNET jean-claude.hennet@lsis.org
BP 230, Laboratoire de Productique de Tlemcen, LSIS, CNRS-UMR 6168,
Faculté des Sciences de l’Ingénieur, UABB, Aix-Marseille Université, Faculté de Saint Jérôme,
Tlemcen 13000, Algérie Marseille, France

Résumé : Dans ce travail, nous étudions un réseau de l’investissement mais bon marché en utilisation. Dans ce
distribution monoproduit en utilisant un modèle contexte nous allons étudiés et proposés des installations de
d’optimisation stochastique à deux étapes avec recours. Le stocks locaux pouvant aussi être utilisés par les autres
problème posé a deux types de variables de décision. Les entreprises afin de profiter des avantages des deux
premières variables concernent l’approvisionnement des stocks
locaux à partir de fournisseurs ou d’entrepôts externes. Les
approches tout en limitant leurs inconvénients, Nous nous
variables du second type concernent l’échange de produits situons dans le cadre monoproduit, où les marchandises
entre distributeurs. Elles correspondent à la phase de stockées par les distributeurs sont de même type et
coopération entre distributeurs, qui survient à la réalisation parfaitement échangeables. Le problème qui se pose alors
des demandes locales. Dans la phase prévisionnelle, les est double. Il s’agit d’une part pour chaque entreprise, de
demandes sont incertaines. En utilisant la méthode des déterminer sa propre quantité à commander, en fonction de
scénarios, le problème prévisionnel global est formulé comme la demande estimée à chaque point de vente. Il s’agit d’autre
un programme linéaire déterministe pour lequel on garantit part d’organiser les échanges de produits entre les
l’existence d’une solution. Ce modèle et la méthode de entreprises en fonction des demandes locales réelles
résolution associée sont appliqués à un exemple industriel.
Notre contribution vise à modéliser les échanges entre centres
II. REVUE DE LA LITTERATURE
de distribution, ce qui permet d’analyser et d’expertiser des
formes de communication dans l'organisation globale dans le
cas de données réelles. Nous optimisons globalement les Dans ce travail, nous étudions un problème de gestion
approvisionnements et les échanges entre distributeurs. des stocks dans un réseau de distribution composée d’un
entrepôt central et de plusieurs grossistes Dans ce cadre,
MOTS-CLES : Gestion de stocks, Théorie des Jeux, l’étude traite plus particulièrement le problème de gestion
Programmation stochastique. des stocks chez les vendeurs, sur la base d’une période de
livraison commune. Cette période constitue un horizon
décisionnel sur lequel la demande est incertaine au départ,
I. INTRODUCTION mais devient connue avec certitude au cours de l’horizon.
Ce problème décisionnel à deux étapes peut être interprété
L'entreprise moderne se caractérise par la globalisation comme un jeu biforme, tel qu’introduit par Brandenburger
des échanges commerciaux et la diversification des acteurs et Stuart (2007). Dans le cas étudié, le jeu biforme consiste
qui le composent. Pour survivre dans un tel environnement, en l’enchainement d’un jeu stratégique entre chaque
l'entreprise doit développer des approches analytiques vendeur et le fournisseur, et d’un jeu coopératif pour lequel
innovantes pour traiter des problèmes liés aux demandes les produits peuvent être échangés entre les vendeurs de
clients, aux délais d’approvisionnement et à la fiabilité des façon à satisfaire au mieux les demandes locales. Comme le
centres de distribution et des fournisseurs. Dans ce contexte, modèle étudié peut s’appliquer aussi bien à un réseau de
un problème auquel sont confrontées de nombreuses détaillants face à un grossiste qu’à un réseau de grossistes
entreprises, en particulier dans la vente de détail, est celui du face à un entrepôt central, nous parlerons par la suite d’un
choix entre une installation locale de stockage de produits fournisseur et d’un réseau de vendeur, de façon à couvrir les
ou la prise de décision est centraliser (un décideur central deux cas.
cherche l’optimum global pour l'ensemble du système), et
une installation commune à plusieurs entreprises ou chaque Un tour d’horizon des travaux réalisés sur des problèmes
acteur de la chaine cherche chacun a maximisé son optimum voisins du problème posé va nous permettre d’en affiner la
local. Le stockage commun permet des économies d’échelle représentation. Anupindi et al. (2001) analysent un système
mais il peut occasionner des coûts de transport importants. constitué de n détaillants. Les détaillants possèdent des
Quant au stockage local, il est coûteux du point de vue de
installations de stock locales ainsi que des entrepôts utilisées dans le cas d’une panne dans le système de
centralisés. Dans la première étape du jeu (étape non- production. Dans la première étape du jeu, chaque entreprise
coopérative), chaque détaillant détermine son niveau de décide de son niveau de stock nominal pour le stock local
stock local et réserve un niveau de stock dans chaque des pièces de rechange. Dans la deuxième étape, les
entrepôt centralisé. Dans la deuxième étape du jeu (étape entreprises ont l’option de livrer les pièces de rechange entre
coopérative), après les réalisations des demandes, les elles et négocient donc sur l'allocation des coûts résultants.
détaillants peuvent former des coalitions et livrer les
produits entre les différentes installations de stock Ces études bibliographiques confirment d’une part, que
appartenant à cette coalition, dans le but de compenser la le problème posé consiste bien en la résolution d’un jeu
demande non-satisfaite d’un détaillant grâce au stock biforme. D’autre part, ils incitent à formuler le processus
résiduel d’un autre. Ce type de jeux combine des aspects décisionnel comme deux problèmes d’optimisation
stratégiques et des aspects coopératifs. Il nécessite de imbriqués : un problème de décision stratégique en
développer une méthodologie appropriée, inspirée de la environnement incertain, puis un problème de décision
théorie des jeux stratégiques et de la théorie des jeux coopérative au sein du réseau de vendeurs. En terme de
coopératifs. On s’appuie sur les travaux existants, en programmation stochastique, le modèle global peut être vu
particulier Plambeck et Taylor (2005) qui analysent un comme un modèle de recours, tel qu’étudié en particulier
modèle constitué de deux entreprises de fabrication. Dans la par Wetz (1983), Rockafellar and Wetz (1991), Kolomvos
première étape, chaque entreprise détermine sa capacité de (2007).
production et son investissement sur l’innovation, qui
influence sa productivité future. Dans la deuxième étape, les III. DESCRIPTION DU MODELE
entreprises s’associent pour mettre en commun leurs
capacités de production résiduelles. Les auteurs ont montré Un exemple industriel sert de support et d’application
que cette politique est plus profitable que des politiques numérique à cette étude. Il s’agit d’un réseau de distribution
indépendantes, tout en assurant les investissements sur d’articles de literie, plus particulièrement de matelas,
l’innovation. Chatain et Zemsky (2007) étudient les fabriqués dans la région de Tlemcen, en Algérie. il s'agit
relations entre des entreprises de fabrication qui veulent d'un réseau de distribution multi-échelons de produits finis
externaliser la gestion de certaines de leurs fonctions et les composés d’un entrepôt central qui alimente trois centres de
fournisseurs qui sont leurs prestataires potentiels. Dans la distribution identifiés par leurs zones de localisation, qui à
première étape du jeu, les fournisseurs décident de rentrer leur tour alimentent des grossistes dans la région où chaque
ou non dans le marché. La deuxième étape est constituée des grossiste est connecté à un ensemble de détaillants et chaque
négociations entre les fournisseurs et les entreprises dans le détaillant est connecté à un ensemble de clients finaux c’est
marché. Wong et al. (2007) utilisent un jeu biforme dans le à dire qu’un produit passe par plusieurs étages avant
contexte de la mise en commun des pièces de rechange. Les d’arriver au client final. La chaîne étudiée est illustrée par la
entreprises possèdent des stocks des pièces de rechange Fig 1.

FIGURE 1. SCHEMA D’UN RESEAU DE DISTRIBUTION

GO1

Centre de GO2
Distribution
ORAN CLIENTS
GOm FINAUX
ENTREPOT
CENTRAL GA1

Centre de GA2
Distribution
ALGER
GAw

GAN 1
Centre de
Distribution GAN 2
ANNABA

GAN z
Afin de simplifier la modélisation nous supposons que payés par les acheteurs de marchandises, en plus des prix
l’entrepôt central est à capacité infinie, les produits livrés d’achat de ces marchandises.
sont du même type et la livraison des produits s'effectue
Dans une approche locale et stratégique, le problème qui
avec des véhicules de même capacité. De plus, nous faisons
se pose à chaque détaillant est de minimiser le critère de
l’hypothèse que les commandes passées par chaque centre
coût suivant :
de distribution à l'entrepôt central sont périodiques avec la
même périodicité et la même date de commande pour tous.  
 n 
Le système est donc supposé synchronisé, et le problème
posé à chaque détaillant sur chaque période de référence est
I i  ci ( yi  yi0 )  E
 j 1

( ji  d ji ) q ji   ij qij 


analogue au problème dit de « vendeur de journaux » en  j i 
d'autre terme chaque centre de distribution est confronté à n

une demande aléatoire xi sur la période de référence. Ces E[ hi max( yi   (q


j 1
ji  qij )  xi ,0)]  (1)
variables aléatoires sont supposées indépendantes et j i
réparties suivant des lois gaussiennes, notées N(mi,  i ).
2
n

Plusieurs connexions de transport existent entre les


E[ ri max( xi   (q
j 1
ij  q ji )  yi ,0)]

différentes zones de distribution et le coût de transport j i

dépend de la distance parcourue, Dans une première On reconnait bien ici un problème de théorie des jeux
approche, nous supposons que le cout de transport ne stratégiques dans le fait que le critère d’utilité de chaque
dépend que de la distance parcourue, et qu’il est joueur dépend du comportement des autres joueurs.
proportionnel aux quantités transportées. Les commandes
La complexité de résolution du problème de
des centres de distribution sont satisfaites par l’entrepôt
programmation stochastique à deux étapes conduit à utiliser
central. Ensuite, lorsque les demandes des clients se
une méthode dite de « scénarios », telle que proposée par
réalisent, la demande excédentaire d’un centre peut
Rockafellar et Wets, 1991. Plutôt que de représenter chaque
éventuellement être satisfaite par les autres centres de
demande "xi" comme une variable aléatoire de loi de
distribution voisins.
probabilité N(mi,  i ), on construit des scénarios qui
2

A partir de cette description, le modèle respectent approximativement ces lois.


d’approvisionnement nous incite à formuler le processus
Par exemple, et pour ne pas trop augmenter le nombre de
décisionnel comme deux problèmes d’optimisation
scénarios à traiter, on pourra envisager 3 possibilités de
imbriqués : un problème de décision stratégique en ~
valeurs possibles, notées xi avec :
environnement incertain, puis un problème de décision
xi  mi  2 i avec probabilité Prob xi  =1/8
~ ~
coopérative au sein du réseau de vendeurs. En termes de
avec probabilité Prob xi  =3/4
programmation stochastique, le modèle global de la ~ ~
x  mi
i
politique de commande des différents vendeurs peut être vu
xi  mi  2 i avec probabilité Prob xi  =1/8.
~ ~
comme un modèle de recours en deux étapes, la première
étape étant basée sur des données prévisionnelles de
A chaque scénario k est associée une probabilité pk
demande et la seconde sur des données réelles.
définie par :
IV. FORMULATION DU PROBLEM
 
n
pk   Prob ~
xik (2)
i 1

A. Quantités de recomplètement pour un modèle de recours


- approche stratégique. En supposant que le recours est complet, c'est-à-dire que
pour chaque scénario, la demande locale peut être satisfaite
Dans le cas d’une politique à deux étapes, la première entièrement, sans rupture de stock ni stock excédentaire, le
phase est prévisionnelle et la deuxième phase vise à problème global peut être formulé sous la forme linéaire
compenser les écarts entre les demandes réelles et les suivante :
demandes prévues chez les différents détaillants. Mais les  
n K
deux phases ne sont pas indépendantes. En notant, (yi), les  n n

quantités de recomplètement avec iЄ{1,....n}, et par (Пij, qij),
Minimiser J   i 1
ci y i   
k 1
pk 
 i 1 j 1
d ji q kji 

(PL)

les quantités de produits échangées entre couples de  j i 


n
détaillants : du détaillant i vers le détaillant j et (Пji, qji) du
détaillant j vers le détaillant i avec (iЄ{1,....n}, jЄ{1,....n}). De
sous y i   (q
j 1
k
ji xik ,  i  1,  , n, k  1,  , K 
 q ijk )  ~
      (3)                          
j i
plus, on doit tenir compte des coûts de transport, supposés
avec qijk  0 i  1,  , n, j  1,  , n  
i , k  1,  , K 
proportionnels aux quantités transportées, avec des coûts
d’échange unitaires notés (dij). Les coûts de transport sont
Pour passer du cas de recours complet au cas général, il quantités de commande des différents centres de
suffit d’ajouter un vendeur fictif, numéroté par exemple distribution.
n+1, et de faire jouer à ce centre le rôle de fournisseur
Un modèle d’optimisation a aussi été proposé pour gérer
externe fictif pour le cas des demandes qui excèdent l’offre
la phase d’ajustement des demandes à l’état des stocks. Pour
et le rôle de centre de demande fictif vers lequel seront
ce faire des expériences numériques sont effectuées et
expédiés le produits en excédent. L’introduction de ce
analysées en utilisant le logiciel GLPK.
centre fictif s’accompagne d’une définition naturelle des
coûts unitaires de transport qui le concernent :
d i , n 1  hi i  1,  , n puisqu' il s' agit d' un stock excédentaire VI. RESULTATS NUMERIQUES

d n 1,i  ri i  1,  , n puisqu' il s' agit d' une demande non satisfaite. Pour donner un échantillon des résultats pouvant être
obtenus grâce à l’utilisation de notre modèle, nous allons
Le programme linéaire modifié prend alors la forme définir dans un premier temps les paramètres utilisées. Bien
suivante, très proche du cas avec recours complet. entendu, ce paramétrage dépend du cas étudié. Dans ces
exemples, nous nous restreignions volontairement au cas
 
n K  n 1 n 1  d’un mono produit dans un réseau de transport plus
Minimiser J 
i 1

ci yi 
k 1
pk   
 i 1 j 1
d ji q kji  (PLG)  

particulièrement une entreprise et un ensemble de trois
 j i  centres de distributions.
 
n 1
Pour déterminer l'efficacité de notre algorithme, nous
sous yi   j 1
(q kji  qijk )  ~   
xik ,  i  1,, n , k  1,, K 
avons implémenté de manière similaire deux procédures
j i
pour la première méthode : l'échange entre centres de
avec qijk  0 i, j  1,, n  1, j  i, k  1,, K .                             (4) distribution n'est pas autorisé pour la seconde méthode nous
  introduisant la notion d'échange entre différents centres
Le fait que le cas général ait été ramené au cas avec selon les besoins. Les paramètres du problème sont
recours complet est intéressant car il garantit l’existence présentés de la façon suivante :
d’une solution optimale bornée pour le problème (PLG).
 Demande : la demande de chaque centre de
B. Organisation des échanges entre centres de distribution distribution xi suit une loi de distribution normale de
en environnement déterministe : moyenne mi et d’écart type σi.
Ayant calculé les quantités optimales de  Cout unitaire de transport : Ces coûts sont générés à
recomplètement, notées (yi*),i Є {1,....n} par résolution du partir des distances parcourues. Le tableau 1
problème (PLG), la formulation de ce problème nous représente les coûts unitaires de transport "ci"
indique aussi comment résoudre le problème de gestion des associés au déplacent depuis l'unité de production
échanges dans la seconde phase du problème, lorsque la vers le centre i et les coûts unitaires de transport dij
demande en chaque centre i, est devenue déterministe, notée associés au déplacement d'un centre i vers le centre j.
xi.
n 1 n 1
Minimiser Q   d ji q ji (PLD) TABLEAU 1: LES COÛTS UNITAIRES DE TRANSPORT
i 1 j 1
j i Centre 1 /c1 Centre 2 /c2 Centre 3 /c3
n 1
Unité de 30 100 200
sous j 1
(q ji  qij )  xˆ i  y i* pour i  1,  , n  1
       (5)                                                         
production
j i
Centre 1 0 80 190
avec qij  0 i, j  1,  , n  1, j  i
Centre 2 80 0 110
Centre 3 190 110 0

V. APPLICATION A UN EXEMPLE INDUSTRIEL


Afin de conserver l'équilibre du système, l'analyse
Pour illustrer la validité et l’efficacité des algorithmes numérique de notre modèle a déterminer un cout de
développés, nous nous intéressons de traiter cette stockage h = 1000 et un cout de rupture r = 2000.
problématique dans un réseau de distribution précis, Nous présentons dans cette section les résultats
l’entreprise de Literie Maghrébine. Dans ce cadre, nous numériques. Deux analyses expérimentales ont été réalisées
proposons une solution qui consiste à modéliser la phase de pour évaluer les performances de notre algorithme principal
recours d’une façon approximative, pour en déduire les
Nous avons effectué une première phase d’expériences Nous évaluons d’une part l’impact du coût total de transport,
en faisons varier le coût de stockage "h" pour les différentes et d’autre part l’impact des quantités totales de demandes.
valeurs de 100 jusqu'à 4000, pour les deux structures Nous résumons l'ensemble des résultats dans le tableau 2 et
proposées modèle avec échange et modèle sans échange. le tableau 3.

TABLEAU 2 : COUT TOTAL POUR UN MODELE SANS ECHANGE ET AVEC ECHANGE EN FONCTION DU COUT DE STOCKAGE

h coût de stockage 100 300 500 800 1400 2000 3000 4000
Cout Total avec échange 525 485,61 715 535,49 858 092,77 994 239,79 1 134 855,19 1 275 470,59 1 509 829,59 1 744 188,59
Cout Total sans échange 776 565,20 1 019 154,00 1 076 470,00 1 162 444,00 1 334 392,00 1 506 340,00 1 792 920,00 2 079 500,00

TABLEAU 3 : QUANTITE TOTALE POUR UN MODELE SANS ECHANGE ET AVEC ECHANGE EN FONCTION DU COUT DE STOCKAGE

h coût de stockage 100 300 500 800 1400 2000 3000 4000
Quantités avec échange 4580 4500 4120 3600 3600 3600 3600 3600
Quantités sans échange 5480 3600 3600 3600 3600 3600 3600 3600

Nous observons qu'une variation croissante du coût de sont identiques. Par contre, le cout total des deux procédures
stockage allant de : "100 à 4000 " entraine une augmentation avec échange et sans échange présente un écart important,
du coût total optimal du réseau de distribution ainsi que le c'est-à-dire que pour la même quantité qui circule dans le
coût total du réseau de distribution pour un modèle sans système le cout de la fonction objective pour le modèle sans
échange est supérieur à celui du modèle avec échange et échange est nettement supérieur au cout total pour un
l'écart entre les deux procédures est plus au moins stable modèle avec échange.
autour d'une certaine valeur. Par ailleurs pour la même
Nous avons effectué une deuxième phase d’expériences
variation du coût de stockage nous observons que la quantité
en faisant varier cette fois ci le cout de rupture "r" pour les
totale qui circule dans notre réseau est constituée de deux
différentes valeurs : 500 jusqu'à 4000 pour les deux
phases : la première phase pour un coût de stockage allant
structures proposées : modèle avec échange et modèle sans
de 100 a 800 où les quantités livrées diminuent
échange. Pour une seconde fois, nous évaluons d’une part
progressivement pour les deux configurations proposées :
l’impact du coût total de transport, et d’autre part l’impact
modèle avec échange et modèle sans échange
des quantités totales de demande. Nous résumons l'ensemble
Dans la deuxième vague de valeur ou le cout de stockage des résultats dans le tableau 4 et tableau 5.
varie entre 1000 et 4000 et les quantités des deux modèles

TABLEAU 4 : COUT TOTAL POUR UN MODELE SANS ECHANGE ET AVEC ECHANGE EN FONCTION DU COUT DE RUPTURE

r cout de rupture 500 1000 1500 2000 2500 3000 3500 4000
Cout Total avec échange 648525,47 794292,59 917702,09 1041111,59 1164521,09 1264477,93 1316484,77 1367900,27
Cout Total sans échange 771200 920720 1070240 1219760 1369280 1518800 1668320 1817840

TABLEAU 5 : QUANTITE TOTALE POUR UN MODELE SANS ECHANGE ET AVEC ECHANGE EN FONCTION DU COUT DE STOCKAGE
r cout de rupture 500 1000 1500 2000 2500 3000 3500 4000
Quantités échangées 3180 3600 3600 3600 3600 4080 4120 4120
Quantités sans échange 3600 3600 3600 3600 3600 3600 3600 3600

D'après, les résultats obtenus dans le tableau 4 nous à celui du modèle avec échange, En contrepartie, les
constatons que le coût total de transport est une fonction qui quantités livrées varient différemment pour les deux
croit proportionnellement en augmentant le cout de rupture structures proposées. On remarque que pour un modèle avec
pour les deux configurations proposées : modèles avec échange la quantité livrée par chaque centre évolue en
échange et modèle sans échange. Nous remarquons aussi augmentant le cout de rupture mais la quantité globale qui
que pour un cout de rupture allant de 100 a 4000, le coût circule dans le système reste fixe. Cela peut être expliqué
total de transport pour un modèle sans échange est supérieur par le fait que la décision est centralisée et qu'un centre
pourra être alimenté par un autre dans le but d'améliorer REFERENCES
l'objectif global.
[1] Anupindi, R., Bassok, Y., Zemel, E., 2001. « A general framework
Par ailleurs pour un modèle sans échange on remarque for the study of decentralized distributionsystems», Manufacturing
que la quantité reste fixe en augmentant le cout de rupture and Service Operations Management, 3(4), 349-368.
est cela est du au fait que chaque centre décide par lui même [2] Birge J. R. et Louveau F.V., 1997, « Introduction toStochastic
Programming», Springer Verlag, New-York.
de la quantité livrée indépendamment des autres centres.
[3] Brandenburger, A. and Stuart, H. (2007). « Biform games»,
A partir du tableau 4 et le tableau 5 nous avons Pour la Management Science, 53(4), 537-549.
même plage de données la même quantité livrée pour les [4] Chatain, O. et P. Zemsky, 2007. « The horizontal scope of the firm:
organizational tradeoffs vs. buyer supplier relationships»,
deux structures étudiées : modèle avec échange et modèle Management Science, vol. 53(4), 550-565.
sans échange. nous constatons que le coût de la fonction [5] Kolomvos G., 2007. « Résolution de grands problèmes stochastiques
objective pour le modèle sans échange est nettement multi-étapes : Application à un problème de dimensionnement de
capacités et de gestion de flux et de stocks», Thèse de Doctorat de
supérieure au coût total pour un modèle avec échange ce qui l’Ecole Centrale Paris
nous permet de dire que l'algorithme résout efficacement le [6] Plambeck, E. et T.A. Taylor, 2005. « Sell the plant ? The impact of
problème et qu'il fournit une amélioration par rapport au contract manufacturing on innovation, capacity, and profitability»,
modèle décentralisé. Management Science, vol. 51(1), 133-150.
[7] R.T. Rockafellar R.T., et Wets, R.J.B., 1991.« Scenarios and policy
Le but des approches abordées dans cette étude est aggregation in optimization under uncertainty », Mathematics of
d'assurer la collaboration et la coordination des décisions Operations Research, 16(1), 119–147.
entre les différents acteurs pour permettre une coopération [8] TRIQUI, L., et Hennet, J.-C., 2012 « Gestion coopérative de stocks
de produits finis dans un réseau de distribution», Preprints 9ème
efficace. Conférence Internationale de Modélisation, Optimisation et
SIMulation (MOSIM'12), Bordeaux (France), Juin 2012.
La mise en place de ce genre de processus de
[9] Van Slyke R. et Wets, R.J.B., 1969, « L-shaped linear programs with
coordination implique la nécessite de connaitre leur impact, applications to optimal control and stochastic programming», SIAM
qu’il soit positif ou négatif, sur la performance globale. Des Journal on Applied Mathematics, 17, 638-663.
couts de stockage ou des couts de rupture très élevés, [10] Wong, H., van Oudheusden, D. et D. Cattrysse, 2007« Cost allocation
influencent négativement la performance globale du système in spare parts inventory pooling», Transportation Research Part E,

et donc peuvent être éliminés.

VI. CONCLUSION ET PERSPECTIVE

Dans ce travail, nous avons étudié un réseau de


distribution monoproduit, composé d’un entrepôt central et
trois centres de distributions pour deux configurations
différentes dans ce contexte nous avons comparé entre une
structure centralisée avec sont équivalente décentralisée. Ce
type de problème nous incite à étudier l'application en
utilisant des modèles de recours multi-étapes qui met en
évidence des couplages entre les variables prévisionnelles
fixées à la première étape qui permettent le calcul
d’approvisionnement des stocks locaux et les variables
d’ajustement affectées aux étapes ultérieures qui permettent
d’organiser globalement les échanges entre les centres de
distribution fonction des demandes réelles reçues en
intégrant la méthode des scénarios.
Les résultats numériques que nous avons obtenus ont
permis d’évaluer l'efficacité de l'algorithme proposé pour
chaque configuration. De plus, ils nous indiquent que la
centralisation de la décision qui entraine une collaboration
entre centres est nettement plus avantageuse pour le réseau
global qu'une organisation décentralisée.
Nos futurs travaux vont s’orienter à étendre ce travail en
appliquant la théorie des jeux pour la configuration
centralisée mono-étage et mono-produit afin d'analyser les
répartitions des bénéfices entre centres de distribution.