Académique Documents
Professionnel Documents
Culture Documents
1. Introduction
Afin de demeurer concurrentielles, les entreprises doivent continuellement offrir des articles de
haute qualité à des prix compétitifs. Pour y parvenir, elles doivent réduire les coûts de chacune
des composantes de leur chaîne logistique. Du côté des approvisionnements, les entreprises
doivent diminuer le coût des matières premières ainsi que le coût des opérations
d’approvisionnement. L’approvisionnement coordonné de plusieurs articles est une solution qui
peut contribuer à cet objectif. Il s’agit de gérer simultanément une famille d’articles achetés chez
un même fournisseur ou transportés conjointement.
Dans le cadre de cette recherche, et afin d’être plus près de la réalité observée dans les
entreprises, nous avons premièrement étudié le cas où le coût commun de commande est une
fonction par paliers de la quantité commandée (nous parlerons de quantité ou de poids de façon
équivalente). Cela reflète davantage la structure de ce coût dans le cas où il s’agit du coût de
transport des articles commandés et où l’entreprise utilise sa flotte interne pour effectuer ce
transport. Lorsqu’une entreprise utilise deux ou plusieurs types de camions, deux ou plusieurs
paliers seront nécessaires pour illustrer les différentes combinaisons de coûts fixes
envisageables. Tel qu’illustré à la Figure 1, un coût fixe Ks correspond à une combinaison
quelconque, représentée par un palier, de camions permettant de transporter la quantité
commandée à un coût minimum.
K3
K2
K1
Qté
b1 b2
Dans un deuxième temps, le cas où le coût commun de commande est une fonction linéaire par
morceaux est abordé. Cette structure représente le coût de transport des articles commandés
lorsque l’entreprise fait appel à une flotte externe (en charges partielles) pour effectuer le
transport. Tel qu’illustré à la Figure 2, un coût fixe ou variable Ks est attribué à chaque morceau.
$
K4
K3
K2
K1
Qté
b0 b1 b2 b3 b4 b5 b6
Dans les deux cas, le coût commun de commande ne dépend pas des types d’articles inclus dans
la commande tandis que le coût individuel de commande de l’article i, noté k i, est encouru
seulement lorsque cet article est commandé. La demande nette est déterministe, dynamique
(varie dans le temps) et s’étale sur un horizon composé de T périodes. Notons dit la demande
nette du type d’article i pour la période t. L’objectif de ce problème est de déterminer les
quantités x it à commander de chaque type d’articles i pour chaque période t de façon à minimiser
la somme des coûts de commande et de stockage sur l’horizon de planification.
Pour formuler le problème, nous utilisons la notation suivante. Pour chaque article i ∈ {1, 2, …,
N}, chaque palier du coût commun de commande s ∈ {1, 2, …, M} et chaque période t ∈ {1, 2,
…, T} :
∑y it ≤ N ∑ z st t = 1, …, T (4)
i =1 s =1
N M
∑p x i it ≤ ∑ bs z st t = 1, ..., T (5)
i =1 s =1
M
∑z st ≤1 t = 1, ..., T (6)
s =1
M
∑ ∑ (K ) ( )
T N
Minimiser : s −1 ,t u st + K st v st + ∑ k it y it + hit I it (9)
t =1 s =1 i =1
Sujet aux contraintes :
Iit-1 + x it = Iit + dit i = 1, …, N; t = 1, …, T (10)
T
xit ≤ ∑ dir yit i = 1, …, N; t = 1, …, T (11)
r=t
N M
∑ y it ≤ N ∑w st t = 1, ..., T (12)
i =1 s =1
( )
N M
∑w st ≤1 t = 1, ..., T (14)
s =1
3. Revue de la littérature
Zangwill (1966) et Veinott (1969) ont été les premiers à investiguer les problèmes
d’approvisionnement coordonné de plusieurs articles avec demande dynamique. Les approches
de résolution proposées par Zangwill (1966), Veinott (1969), Kao (1979), Silver (1979) et
Haseborg (1982) sont basées sur la programmation dynamique, tandis que celles de Erenguc
(1988), Federgruen et Tzur (1994), Kirca (1995) et Robinson et Gao (1996) sont basées sur la
méthode de séparation et d’évaluation progressive (branch and bound). La plus récente
contribution à ce problème revient à Boctor et al. (2003) qui proposent deux nouvelles
formulations mathématiques basées sur la programmation linéaire dont les temps de résolution
sont significativement inférieurs à ceux de la formulation classique.
Kao (1979) est le premier à proposer une heuristique itérative pour résoudre le problème
d’approvisionnement coordonné. D’après l’auteur, il n’est pas évident de déterminer le nombre
d’itérations nécessaires pour la résolution d’un problème avec plus de deux articles. Fogarty et
Barringer (1987) présentent une heuristique, simple et facile à utiliser, basée sur la
programmation dynamique. Cette méthode est une extension de l’algorithme de Wagner et
Whitin (1958) et de la procédure de Fordyce et Webster (1984). Selon Silver et Kelle (1988),
l’inconvénient de l’heuristique précédente est qu’elle impose que chaque commande doit inclure
la demande de tous les articles entre la période de la commande et celle de la commande
suivante. Silver et Kelle (1988) proposent une méthode pour améliorer la solution en relaxant
cette restriction.
Atkins et Iyogun (1988) proposent une adaptation de l’heuristique de Silver et Meal (1979)
originalement conçue pour la résolution de problèmes d’approvisionnement à un seul article.
Iyogun (1991) propose une deuxième adaptation de cette même heuristique ainsi que deux
adaptations de l’heuristique dite d’équilibrage pièce-période. Joneja (1990) propose une nouvelle
heuristique itérative semblable à celle de Atkins et Iyogun (1988) et la compare avec celle de Kao
(1979). La déviation moyenne de cette dernière par rapport à l’optimum est faible lorsque la taille
des familles est petite tandis que celle de Joneja (1990) donne de meilleurs résultats lorsque le
nombre d’articles est grand. Federgruen et Tzur (1994) proposent la méthode d’ajout gloutonne.
Chung et Mercan (1994) présentent une heuristique basée sur la programmation dynamique et
évaluent sa performance en comparant ses solutions aux solutions optimales obtenues par la
méthode de Erenguc (1988).
Boctor et al. (2003) ont testé plusieurs heuristiques pour le problème d’approvisionnement
coordonné de plusieurs articles avec demande dynamique en plus d’en proposer une nouvelle.
Une analyse comparative est également effectuée. De toutes les heuristiques existantes, la plus
performante est celle de Fogarty et Barringer (1987). Boctor et al. (2003) proposent une
heuristique basée sur la technique de perturbation qui surclasse toutes les méthodes existantes. À
ce jour, cette méthode permet d’obtenir la déviation moyenne par rapport à l’optimum la plus
faible, soit 0,014%.
Nous avons adapté cinq heuristiques connues (Fogarty et Barringer, 1987; Silver et Meal, 1973;
De Matteis et Mendoza 1968; Federgruen et Tzur, 1994; Boctor et al., 2003) pour prendre en
compte les deux nouvelles formes de la fonction du coût commun de commande. De plus, nous
avons adapté la méthode d’amélioration de Silver et Kelle (1988).
Les approches de résolution proposées sont les mêmes pour les deux versions du problème
d’approvisionnement coordonné de plusieurs articles avec demande dynamique, soit le cas où le
coût commun de commande est variable en paliers ou est linéaire par morceaux. Seul le calcul du
coût commun de commande diffère.
L’heuristique de Fogarty et Barringer (1987) est très simple à utiliser et est une extension de
l’algorithme de programmation dynamique de Wagner et Whitin (1958). Le problème est
simplifié en exigeant que lorsqu’une commande est lancée, cette dernière doit couvrir toutes les
demandes de tous les articles jusqu’à la commande suivante. Ainsi, la solution optimale du
problème simplifié est obtenue en solutionnant le programme dynamique suivant :
N t
n t r −1
cqt = K q ∑ pi ∑ d ir z q + ∑ {k iq yiq + ∑ d ir (∑ hik )}
i=1 r =q i =1 r = q +1 k=q
n t
z q = 1 si ∑ ∑d ir > 0, et z q = 0 autrement.
i =1 r= q
t
yiq = 1 si ∑ d ir > 0, et yiq = 0 autrement.
r= q
L’adaptation de l’heuristique de Silver et Meal (1973) cherche à minimiser le coût pertinent total
par période. Pour déterminer la taille de la commande à passer pour une période L, l’heuristique
calcule le coût total par période si la commande couvre la demande jusqu’à la période L, L+1, …
et jusqu’à la période t où le coût total par période dépasse celui correspondant à la période t – 1.
Alors, la commande de la période L couvrira la demande jusqu’à la période t-1 et la commande
suivante est lancée à la période t. Si la dernière commande est lancée à la dernière période, alors
on compare cette option à celle de regrouper cette commande avec la précédente, et on choisie
celle qui donne le coût total le plus faible.
La méthode d’ajout gloutonne a été proposée par Federgruen et Tzur (1994). Initialement, une
commande est effectuée à la première période afin de couvrir la demande de tout l’horizon.
Ensuite, toutes les possibilités de commander à une autre période t sont envisagées et la
possibilité qui diminue le plus le coût total est retenue. Cette étape est ensuite répétée jusqu’à ce
qu’il soit impossible de diminuer le coût total davantage.
Boctor et al. (2003) proposent une méthode de réduction gloutonne qui est l’inverse de la
méthode d’ajout gloutonne. Tout d’abord, une commande est effectuée à chaque période où il y a
une demande nette positive. Ensuite, toutes les possibilités de regrouper une commande avec la
précédente sont envisagées. La possibilité qui diminue le plus le coût total est retenue. Les
possibilités de regrouper d’autres commandes sont ensuite calculées jusqu’à ce que le coût total
ne diminue plus.
D’après les résultats du Tableau 1, nous pouvons conclure que l’heuristique de Fogarty et
Barringer (1987) est la meilleure pour les deux versions du problème, soit dans le cas où le coût
commun de commande est variable en paliers ou soit dans le cas où le coût commun de
commande est linéaire par morceaux. Les résultats détaillés de chaque heuristique pour chacun
des 24 groupes de problèmes et pour chacune des fonctions de coûts sont disponibles dans
Levasseur (2003).
Le Tableau 2 présente les temps de résolution moyens pour chacun des ensembles de 720
problèmes. On constate que les temps de résolution des heuristiques sont pratiquement
négligeables. Le temps moyen pour obtenir les solutions optimales est raisonnable bien qu’il
varie sensiblement en fonction de la taille des problèmes et du nombre de paliers dans la fonction
de coûts.
TABLEAU 2. LES TEMPS DE RÉSOLUTION EN SECONDES
Deux paliers Trois paliers Linéaire par morceaux
6. Références