Académique Documents
Professionnel Documents
Culture Documents
yasaman.kazemi@ndsu.edu, jun.zhang@ndsu.edu
Abstrait:
But: Le but de cette étude est de prendre des décisions optimales sur le prix de détail et la commande
quantité pour deux mécanismes avancés de coordination de la chaîne d'approvisionnement, Vendor Managed Inventory
(VMI) et Planification Collaborative Prévision et Approvisionnement (CPFR), dans le cadre d'un tarif
Une analyse de sensibilité est également menée pour obtenir des informations managériales.
les décisions optimales et les comparaisons de performances sont accomplies. L'analyse de sensibilité est
également menée pour montrer comment le coût de production et le coût de détention des stocks affectent
Résultats:Les décisions optimales et les bénéfices totaux attendus sont influencés par les modèles de demande,
coût de production, coût de détention des stocks et prix de transfert interne. en outre , les résultats de
l'étude de cas révèle que CPFR surpasse VMI en termes de bénéfice total attendu plus élevé et
-547-
Machine Translated by Google
le mécanisme de coordination et la prise de décision dans l'incertitude sont essentiels pour les gestionnaires et
le combine avec une demande sensible aux prix dans des paramètres stochastiques pour maximiser le profit total.
De nombreuses études ont travaillé sur le partage d'informations au sein de la chaîne d'approvisionnement ; cependant,
déterminer le prix de vente optimal et la quantité de commande et comparer les performances de VMI
et CPFR lorsque la demande est sensible au prix et stochastique n'ont pas été signalés par le passé
Littérature.
Mots-clésÿ: demande sensible au prix, VMI, CPFR, profit de la chaîne d'approvisionnement, optimisation de la simulation, optimal
1. Introduction
Si les entreprises ont l'intention de survivre sur le marché concurrentiel d'aujourd'hui, elles doivent développer des chaînes
d'approvisionnement solides et répondre rapidement aux besoins des clients. Dans l'intervalle, les chaînes d'approvisionnement
sont sujettes à des incertitudes qui ont des effets d'entraînement négatifs à mesure qu'elles remontent l'approvisionnement
chaîne. Les incertitudes peuvent être réduites par la disponibilité d'informations sur les niveaux de stocks,
prix, délais, demande, etc. De plus, les problèmes liés à l'effet coup de fouet peuvent
également être atténuée (Emerson, Zhou & Piramuthu, 2009). L'« effet coup de fouet » est un phénomène dans lequel les
fluctuations de la séquence de commandes deviennent plus importantes pour les fournisseurs qui sont plus éloignés des
clients (Ouyang, 2007). Observations dans les opérations industrielles (Bamford & Forrester,
2003ÿ; Forrester, 1958; Magee & Boodman, 1967) données macroéconomiques (Baganha & Cohen,
1998ÿ; Holt, 1960; Kahn, 1987; Naish, 1994; Ramey & Ramey, 1991) et simulé
des expériences telles que le Beer Game (Goodwin & Franklin, 1994 ; Simchi-Levi, Kaminsky & Simchi-Levi, 2003 ; Sterman,
1989) ont révélé d'énormes surcoûts de la chaîne d'approvisionnement dus à ce phénomène (Cooke, 1998 ; Lee,
Le partage d'informations peut atténuer l'effet coup de fouet, car il introduit un certain degré de coordination et de transparence
dans l'ensemble de la chaîne et aide à répartir les stocks dans l'ensemble de l'approvisionnement.
enchaîner efficacement les étapes. L'avantage du partage d'informations rapporté dans la littérature varie
considérablement, et dépend largement de l'étape de la chaîne d'approvisionnement qui nous intéresse et du scénario de la
demande des clients (Aviv, 2001, 2002ÿ; Cachon et Fisher, 2000ÿ; Chen, 1998ÿ; Chen, Drezner, Ryan et Simchi-Levi, 2000ÿ;
Gavirneni, Kapuscinski et Tayur, 1999ÿ; Lee, So et Tang, 2000ÿ; Zhao et Simchi-Levi, 2006). Le partage d'informations n'a
(variabilité des commandes), mais aussi pour ajouter de la valeur à la chaîne (Chen, et al., 2000 ; Gaur, Giloni &
-548-
Machine Translated by Google
Seshadri, 2005 ; Lee, et al., 1997ÿ; Lee, et al., 2000). De nombreuses études ont tenté de mesurer
la valeur du partage d'informations (VOI) dans une chaîne d'approvisionnement, qui a généralement été définie comme
le rapport entre le coût de la chaîne d'approvisionnement avec partage d'informations et le coût de la chaîne d'approvisionnement
sans partage d'informations (Ketzenberg, Laan & Teunter, 2006 ; Mohtadi & Kinsey, 2005).
La plupart des pratiques innovantes de coordination de la chaîne d'approvisionnement dépendent en effet de la conception
des produits, des processus et de la chaîne d'approvisionnement (Lee et al., 2000). Au cours des dernières décennies, diverses
pratiques de collaboration ont été appliquées à travers différentes approches telles que Vendor
L'inventaire géré par le fournisseur est une stratégie de chaîne d'approvisionnement dans laquelle le vendeur ou le fournisseur reçoit
concept de VMI a d'abord été mis en œuvre avec succès entre Wal-Mart et Procter & Gamble en
la fin des années 1980. Depuis lors, d'autres sociétés telles que Shell Chemical, Campbell Soup et Johnson & Johnson ont
Étant donné que le détaillant ne passera pas de commandes dans VMI, le coût de commande du détaillant est éliminé
et le fournisseur est responsable du processus de réapprovisionnement. Réduction des frais d'administration pour
le détaillant, ainsi que des coûts de livraison inférieurs pour le vendeur, sont rapportés par Holmström,
Främling, Kaipia et Saranen (2002). Lorsque la responsabilité de la commande est transférée au fournisseur, celui qui a
Kuk (2004), a également indiqué que la mise en œuvre de la VMI peut réduire l'incidence des ruptures de stock
situations, augmenter le niveau de service à la clientèle et réduire les coûts en raison d'une augmentation de
rotation des stocks et une diminution des niveaux de stock de sécurité. Zhao & Simchi-Levi (2006)
appliqué un modèle déterministe du système VMI pour examiner les économies de coûts dues au programme VMI, et a
découvert que plus le ratio du coût de détention des stocks est élevé ou plus le ratio de délai de réapprovisionnement du
des économies sur les coûts de maintien des stocks pour le fabricant seront réalisées.
Småros & Holmström (2000), ont étudié les effets d'une visibilité accrue de la demande dans le
les données de commande et les informations de vente disponibles auprès des clients VMI, le fabricant peut bénéficier d'une
L'inventaire géré par le vendeur est un sujet d'intérêt particulier dans l'effet coup de fouet (Disney & Towill, 2003).
Potentiellement, VMI offre deux sources possibles de réduction du coup de fouet. Premièrement, il y a l'élimination d'un niveau
les délais seront supprimésÿ; par conséquent, les deux facteurs peuvent être utilisés pour atténuer le coup de fouet
Malgré toutes les réussites concernant la VMI, de nombreuses recherches suggèrent le contraire. Augmentation du niveau de
-549-
Machine Translated by Google
entre les membres de la chaîne d'approvisionnement et un engagement fort sont parmi les limites
processus entre deux partenaires commerciaux utilisé pour convenir d'un plan et de prévisions conjoints, surveiller
succès par le réapprovisionnement, et reconnaître et répondre à toutes les exceptions » (Holmström et al., 2002). CPFR est une
tentative de coordonner différentes activités au sein des partenaires commerciaux de la chaîne d'approvisionnement, telles que la
service de réapprovisionnement (Fliedner, 2003). L'un des avantages du CPFR par rapport au VMI est l'élimination
d'incertitude grâce à l'amélioration des communications et des collaborations au sein de la chaîne d'approvisionnement
partenaires commerciaux (Attaran & Attaran, 2007). Étant donné que le CPFR augmente le partage d'informations dans l'ensemble
de la chaîne d'approvisionnement et améliore la visibilité de la demande, l'incertitude peut être réduite en raison de la réduction de la
a étudié les avantages du CPFR dans une chaîne d'approvisionnement composée d'un fabricant et de deux
détaillants indépendants basés sur le modèle classique du marchand de journaux. Les résultats du modèle
les analyses indiquent que, par rapport au système traditionnel, le coût du fabricant est réduit lorsque le CPFR est appliqué.
Aviv (2001) a développé un modèle compliqué pour aborder le système CPFR basé sur une chaîne d'approvisionnement en deux
étapes avec un seul produit. L'auteur construit trois scénarios différents basés sur des politiques de prévision et de commande -
paramètre de prévision. Les résultats ont montré que la prévision locale surpasse le réglage de base
de 11,4ÿ%, et la prévision collaborative coûterait moins cher en moyenne de 19,43ÿ% que dans le
réglage de base. Aviv (2004), a développé un modèle dynamique descriptif d'une chaîne d'approvisionnement simple composée d'un
Le modèle proposé a indiqué que le CPFR conduit à des avantages substantiels pour la chaîne d'approvisionnement
demander des informations et réviser les plans de production. Attaran et Attaran (2007) ont étudié
plusieurs cas dans lesquels le CPFR a été mis en œuvre, et a conclu que les entreprises connaissent des variations de la demande,
achètent ou vendent un produit sur une base périodique, et celles qui traitent des produits hautement différenciés en bénéficieront le
plus.
De nombreuses études ont utilisé une approche de simulation afin d'analyser les systèmes de la chaîne d'approvisionnement (Disney
& Towill, 2003ÿ; Lau, Huang et Mak, 2004ÿ; Southard et Swenseth, 2008ÿ; Waller, Johnson &
Davis, 1999; Zhang, 2007; X. Zhao, Xie & Leung 2002). De plus, Sari (2008), a comparé
CPFR et VMI via un modèle de simulation complet. Les résultats ont révélé que la réduction
dans le coût total de la chaîne d'approvisionnement dérivé du CPFR est nettement plus élevé que dans le VMI, et le niveau de service
client est également beaucoup plus élevé dans le CPFR. Une autre étude de simulation qui a été menée par Ganeshan, Boone et
diminue les stocks de la chaîne d'approvisionnement, réduit le temps de cycle de la chaîne d'approvisionnement et augmente l'actionnariat
richesse.
-550-
Machine Translated by Google
Bien que le VMI et le CPFR aient été largement étudiés et comparés dans la littérature, les performances
de VMI et de CPFR dans le cadre d'une demande sensible aux prix n'a pas été évaluée. Cependant, il existe
plusieurs exemples de produits dont la demande est sensible au prix de détail (Ouyang, 2007). Par conséquent, cet article se
concentre sur le développement de modèles mathématiques pour déterminer le prix de détail optimal et la quantité de commande,
demande stochastique sensible aux prix. Une comparaison du VMI et du CPFR est également fournie. Sensible
une analyse est également menée pour acquérir une vision managériale.
Le reste du document est structuré comme suit : la section suivante traite du système
procédure sont présentées dans la section 4. La section 5 présente l'étude de cas et les résultats. Enfin, la conclusion et les
2. Paramétrage du système
La chaîne d'approvisionnement étudiée dans cet article comprend les principaux éléments suivantsÿ: un
en tant que vendeur tout au long du journal et on suppose que les produits manufacturés sont stockés dans l'entrepôt du
sur le type de coordination, est en amont dans la VMI et est partagé avec l'ensemble de la chaîne d'approvisionnement en
CPFR. Avec le niveau amélioré de partage d'informations dans VMI et CPFR, le modèle stochastique de la demande peut être
tracé et des décisions optimales peuvent être prises afin de maximiser le profit de chaque membre de la chaîne
La demande est supposée stochastique et sensible au prix. La demande avec dépendance au prix peut être grossièrement
types (Dana Jr & Petruzzi, 2001). Les types de demande additive sont tels que d(P) = ÿ – ÿP où ÿ et
ÿ sont respectivement l'intersection et la pente de la fonction de demande. P est le prix de détail et,
et d(P) représente la demande sensible aux prix. Les types de demande multiplicatifs sont tels que
d(P) = aP–b, où a et b sont des valeurs constantes. Dans cette étude, la demande suit une évolution similaire
La figure 1 montre la configuration du système VMI. Dans le système VMI, le fabricant est
responsable de la gestion des stocks dans l'entrepôt du détaillant, et donc il/elle est en
prise en charge du coût de détention. Étant donné que le détaillant ne passera pas de commande, le fabricant recevra
des informations sur la demande du marché directement auprès des clients finaux et il/elle détermine la quantité de commande.
-551-
Machine Translated by Google
La figure 2 illustre le système CPFR. Dans le système CPFR, le détaillant et le fabricant partagent l'autorité
sur l'ensemble du système. Les parties prennent des décisions conjointes sur la gestion du
opérations sur l'ensemble du système, y compris la production, la transformation et la distribution. Dans
De plus, il n'y a pas de limite au transfert d'informations entre le détaillant et le fabricant dans
La chaîne d'approvisionnement. La demande du marché est directement transférée aux deux parties et le
détaillant reçoit également les informations sur le plan de production du fabricant et utilise ces informations
pour gérer la logistique entrante et le processus de distribution.
-552-
Machine Translated by Google
Le tableau 1 présente les notations et les paramètres utilisés dans cet article.
Notation La description
DANS
dans
Coût unitaire de production
• Le modèle traite d'un seul fournisseur et d'un seul détaillant pour un seul produit.
• La demande est fonction du prix de vente (P) ; D(P) = a' – b'P, où (a' > b' > 0) et b' est
stochastique.
• Le prix de transfert (c) est le prix auquel le fabricant vend ses produits au détaillant.
• L'inventaire sera examiné en permanence et le détaillant commande une taille de lot de Q lorsque
-553-
Machine Translated by Google
partenaire en aval.
• Un taux de demande est supposé pour toute l'année, et chaque fois que l'inventaire atteint zéro, le
détaillant sera réapprovisionné par Q, par conséquent, les temps de cycle seront inégaux et il y a
• Dans VMI, le fabricant est responsable du paiement du coût de détention des stocks au
l'entrepôt du détaillant.
3. Énoncé du problème
L'objectif principal de cette étude est de déterminer les décisions optimales et de comparer les
Les décisions optimales du prix de vente au détail et de la quantité de commande sont déterminées afin de maximiser
la demande stochastique sensible aux prix sera mesurée et comparée afin de fournir des informations de gestion. La quantité de
commande et le prix de vente dans chaque structure de chaîne d'approvisionnement sont dérivés en maximisant le profit total et les
l'impact de la mise en œuvre des mécanismes VMI et CPFR en cas d'incertitude de la demande.
Alors que la plupart des études précédentes ne considèrent que les coûts, cette étude évalue les performances du système avec
profit. Cependant, du fait que l'analyse est stochastique, la valeur attendue du profit sera
considéré tout au long de l'étude. La quantité de commande optimale (Q *) et le prix de vente (P *) sont également
considérées comme des variables de décision tout au long de l'étude dans chacun des mécanismes de la chaîne d'approvisionnement.
Le tableau 2 illustre les variables de décision utilisées dans chacune des mesures de coordination de la chaîne d'approvisionnement.
mécanismes. Dans VMI, le fournisseur décide de la quantité de commande et le détaillant décide du prix de détail
le prix. Cependant, dans CPFR, la quantité de commande et le prix de vente au détail sont déterminés conjointement.
-554-
Machine Translated by Google
Dans cette section, des modèles mathématiques pour VMI et CPFR sont présentés pour déterminer la
prix de détail et quantité de commande afin de maximiser le profit total pour chaque partenaire dans le
chaîne d'approvisionnement.
ETP(
DANS
= informatique ÿÿÿ
cD) = ÿ ÿ ÿ
( P
ÿ
c
B
) ( DfD) ( )dD (1)
0
ET . Q h. ET . h .Q
DANS
= ÿ ÿ B ÿ B ÿ M ÿ M ÿ
ETP( M ) E c (D vD. )
2 2
Q Q
( . ( c D f. D ) ré .f ré ré
. ré( ) v )
2
0
Afin de trouver les valeurs optimales de la quantité de commande (Q *) et le prix de vente (P *), P * devrait être
déterminé pour maximiser l'équation (1), et Q * doit être déterminé pour maximiser l'équation (2)
étant donné la valeur de P* .
Au CPFR, avec une parfaite connaissance des coûts et de la demande du marché, les décideurs centralisés
déterminer les valeurs optimales du prix de détail et de la quantité de commande. Le bénéfice commun total du
l'ensemble de la chaîne d'approvisionnement est calculé comme suitÿ:
Bénéfice conjoint attendu = Revenus attendus ÿ Coût d'établissement conjoint ÿ Coûts de détention des stocks du
fabricant et détaillant ÿ Coût de production prévu
-555-
Machine Translated by Google
ÿ ÿ
C
+ C C
.
C
.
C
= ÿ
2 ÿ
( DA. M
UN
B ) ÿ
hQB ÿ
hQM ÿ
ETP( J ) Et à( P . b P. vD. )
2 2
Q
ÿ
(3)
ÿ ÿ
C
. h
C
.
C
+ C
= ÿ ÿ
2 ÿ
hQB ÿ M ÿ M
UN
B ) ÿ
( un P. b P. Q) ( UNE. ( ( D f D ) . ré .f ré ré
. ré ( ) v )
2 2
0 Q
Les valeurs optimales de la quantité de commande (Q*) et le prix de vente (P *) sont déterminés simultanément
de l'équation (3) afin de maximiser le profit conjoint total. Cependant, les décisions concernant
les opérations sont effectuées conjointement par les deux parties afin de minimiser le coût total de la chaîne d'approvisionnement. Dans
afin de partager le profit conjoint de l'ensemble de la chaîne d'approvisionnement, l'équation (4) et l'équation (5) sont
appliquée pour dériver le profit du fabricant et du détaillant, respectivement (Sajadieh & Akbari
Jokar, 2009).
DANS
C
TP M C
TP = × TP (4)
M DANS DANS
J
TP M
+ TP B
DANS
C
TP B C
TP = × TP (5)
B DANS DANS
J
TP M
+ TP B
Puisqu'il est difficile de résoudre analytiquement les équations (1), (2) et (3) pour trouver la solution optimale,
l'algorithme de recherche d'optimisation de simulation dans Excel a été utilisé pour trouver les valeurs optimales pour
quantité de commande (Q *) et le prix de vente (P *) dans VMI et CPFR dans le cadre de la demande sensible au prix. Pour
dériver les valeurs optimales de Q et P dans la chaîne d'approvisionnement VMI, les étapes suivantes sont suiviesÿ:
de b' (b'i) peut être utilisé pour calculer la demande d'échantillon (Di) en appliquant l'équation
= Pÿÿ ÿ
D ab
je je
.
• Pour chaque scénario de demande, (Di), calculez le profit du détaillant en utilisant Di Pÿc Di , alors
=
calculer le bénéfice total attendu du détaillant en utilisant ETP( informatique
. cD
. )) ÿ
DANS
ÿ
(
B
N
1
ÿ ( DP.
je
ÿ
c .D je
)
N je
= 1
• Utilisez l'algorithme de recherche optimale d'Excel (en modifiant le P) pour déterminer la vente au détail optimale
-556-
Machine Translated by Google
DA ( . .
B Qh B
ET . M hQ M
.
.
je je
équation profit je
=ÿ
cD je
ÿ ÿ ÿ ÿ ÿ
vD je
)
. Calculez ensuite l'espérance
2 2
Q Q
1
DA. ( Qh
.
ET . hQ
.
) ÿ
ÿ cD ÿ
je
ÿ
je B
ÿ
B
ÿ
je M
ÿ
M
ÿ
.
vD je
)
.
2 2
N je
= 1
Q Q
• Utiliser l'algorithme de recherche d'optimisation d'Excel pour déterminer la quantité de commande optimale Q * dans
Dans CPFR, les valeurs optimales de P et Q sont déterminées dans les étapes suivantesÿ:
• Définissez les valeurs initiales du prix de vente au détail et de la quantité commandée, P et Q, respectivement.
b'(b'i)) peut être utilisé pour calculer la demande d'échantillon (Di) en appliquant l'équation
Di = a'-bi'P.
• Pour chaque scénario de demande (Di) , calculez le profit conjoint en utilisant le profit conjoint
C C C C
=
ÿ ÿ
2
ré
. ( Un M
Un +
B ) hQB . hQM .
profit ( un P. b P. vD. )
je je
2 2
Q
N
ÿ ré
C
+ C C C
1 UN
h Q .2 h Q 2.
bénéfice commun en utilisant ETP
( J
C
)
ÿ
ÿ ÿ un .P
ÿ
b P.
2 ÿ
je
. ( Un M B
) ÿ
B ÿ
M ÿ
vD. je
.
N je
= 1 Q
• Déduire les bénéfices individuels du fabricant et du détaillant à partir des équations (4) et (5)
en ce qui concerne les valeurs optimales de profit conjoint, et les valeurs optimales de fabricant et
5. Étude de cas
Cette section présente une étude de cas pour démontrer la procédure proposée pour déterminer la
quantité de commande optimale (Q *), le prix de vente (P *) dans le cadre d'une demande stochastique sensible aux prix pour
VMI et CPFR, respectivement. Une comparaison et une analyse de sensibilité sont effectuées pour obtenir
5.1. Paramétrage
Afin de mener l'étude, nous avons d'abord généré trois scénarios de taux stochastiques sensibles aux prix.
demande en appliquant l'équation additive de la demande sensible au prix D = a – bP. On suppose que le
-557-
Machine Translated by Google
être une valeur constante et ÿ est considéré comme égal à 0,1, 0,3 ou 0,7 dans chaque simulation
ÿ ÿ
respectivement. Par conséquent, la fonction de demande est dérivée comme D ~ U [ a ÿ(bÿ .b )P , un .b )P]
b +(b+ b
où P est le prix de vente. Un histogramme représentatif d'un échantillon de la demande du marché pour le
Les paramètres sélectionnés sont illustrés à la figure 3 pour clarifier la distribution de la demande du marché.
Un total de N = 10 000 échantillons dans chaque scénario de demande est pris en compte pour mener le cas
étude. Dans chaque exécution, lorsque la demande est générée, la valeur initiale du prix de détail (P) est définie sur
1 et le prix optimal (P *) qui maximise le profit du détaillant dans VMI est calculé à l'aide d'Excel
algorithme de recherche optimal. Dans l'étape suivante, en utilisant une valeur initiale de 1 pour la quantité commandée, le
le profit maximal pour le fabricant et la valeur optimale pour la quantité commandée sont trouvés.
Ce processus se répète pour la chaîne d'approvisionnement CPFR avec un processus d'optimisation légèrement différent. Dans
CPFR, nous maximisons le profit conjoint en utilisant à la fois les valeurs initiales du prix de détail et de la commande
quantité; par conséquent, les valeurs optimales sont dérivées simultanément. Ensuite, selon
Équations (4) et (5), les bénéfices individuels pour le fabricant et le détaillant sont
calculé.
Paramètre Valeur
un' 1500
b 50
C
.3
DANS
hB
, hB
C
.3
DANS
hM
, hM
C
12
DANS
UN B
, UN B
C
40
DANS
UN M
, UN M
dans
1
c 5.2
-558-
Machine Translated by Google
Afin de déterminer une valeur initiale pour le prix de transfert (c) dans le CPFR et le VMI, il est raisonnable de
UN
s'attendre à ce que
c >+
v puisque le fabricant ne fonctionnerait jamais sous une perte. Utilisant un
Q
approche de négociation, les bornes supérieure et inférieure du prix de transfert dans le VMI sont dérivées comme suit :
1.3 < c < 30. Après avoir effectué une analyse plus approfondie pour déterminer la valeur du prix de transfert, il est
obtenu comme 5,2 en VMI. Le tableau 3 résume les paramètres utilisés dans l'étude de cas. Les données sont
Les résultats dérivés de l'étude de cas pour chaque mécanisme de la chaîne d'approvisionnement sont présentés dans le tableau 4
*
Variation de la demande Q* P Bénéfice du fabricant Bénéfice du détaillant Bénéfice total attendu
*
Variation de la demande Q* P Bénéfice du fabricant Bénéfice du détaillant Bénéfice total attendu
-559-
Machine Translated by Google
• En CPFR, lorsque la variation de la demande augmente, le prix de vente optimal diminue afin de
attirer plus de demande, et le bénéfice total attendu diminue. Dans VMI, le même
modèle est trouvé. Lorsque la variation de la demande augmente, le prix de détail optimal et la commande
la quantité diminue et le bénéfice total attendu diminue. Cela implique que les gestionnaires doivent contrôler la
• Le prix de vente optimal (P *) est plus faible en CPFR qu'en VMI dans chaque scénario de demande.
C'est un avantage non négligeable pour CPFR car, en réalité, lorsque la demande du marché est
imprévisible et stochastique, la mise en œuvre du CPFR peut entraîner des bénéfices plus élevés. En d'autre
Autrement dit, CPFR est plus robuste aux changements et aux variations de la demande du marché. Cette
profite à la planification de la production, à la gestion des stocks, aux prévisions et à l'ordonnancementÿ; de plus,
cela fait du CPFR un mécanisme plus fiable à utiliser dans la chaîne d'approvisionnement.
• La quantité de commande optimale (Q *) est plus élevé en CPFR, ce qui implique moins de ruptures de stock au
détaillant. Selon le paramétrage de l'étude de cas, le coût de mise en place est supérieur à
le coût de détention des stocks et les coûts de productionÿ; par conséquent, le plus grand Q indique
• Le système de chaîne d'approvisionnement CPFR a un bénéfice total plus élevé que VMI lorsque la demande est le prix
sensible. En d'autres termes, CPFR fonctionne plus efficacement lorsque la demande fluctue
en pourcentage du prix. Cette affirmation est également vraie pour le fabricant et le détaillant
bénéfices individuels également. Par rapport à VMI, CPFR gagne plus de profit pour chacun des
Afin d'obtenir une meilleure compréhension managériale des variables de décision, une analyse de sensibilité a été
menées pour découvrir l'impact des paramètres sur les performances de la chaîne d'approvisionnement. Parmi les
Les paramètres étudiés, le coût de production et le coût de possession du fabricant sont identifiés comme les paramètres
importants qui ont un impact significatif sur la performance de la supply chain et sur les variables de décision. En conséquence,
variation de la demande sont menées et les résultats sont présentés dans la section suivante.
L'impact du coût de production sur la quantité de commande optimale et le prix de vente optimal en VMI
Comme le montre la figure 5, lorsque le coût de production (v) augmente dans le mécanisme VMI, le transfert
le prix (c) augmente, et par conséquent, cela aurait un impact sur le prix de vente optimal (P *). Plus le
détaillant paie pour acheter les biens du fabricant, plus le prix de détail sera élevé.
Puisque la demande est sensible au prix, lorsque le prix de détail augmente, la demande diminue et le
-560-
Machine Translated by Google
*
quantité de commande optimale (Q ) diminue. Toujours selon l'équation 2, lorsque le coût de production
L'impact du coût de possession du fabricant sur la quantité de commande optimale et la vente au détail optimale
prix en VMI
) sur le transfert
* *
(c), du prix de vente optimal (P ) et la quantité commandée (Q ) dans VMI. Il est sous-entendu que lorsque
le fabricant paie plus cher pour conserver ses stocks, il augmenterait le prix de transfert
afin de compenser l'augmentation de son coût. Par conséquent, lorsque c augmente, cela fait
le prix de détail augmente et donc la quantité de commande optimale diminue. De plus, ce
La diminution peut également s'expliquer par la modification du coût de possession. Lorsque la tenue
augmentation des coûts, le fabricant maintient moins de stocks sur le site du détaillant.
-561-
Machine Translated by Google
L'impact du coût de production sur la quantité de commande optimale et le prix de vente optimal en CPFR
Puisqu'il n'y a pas de prix de transfert (c) dans CPFR, seulement (P *) et (Q *) sont pris en compte dans
analyse de sensibilité. La figure 7 illustre les résultats de l'analyse de sensibilité lorsque le coût de production augmente en
CPFR. Similaire à VMI, lorsque le coût de production augmente, la vente au détail optimale
(v) augmente, le prix de détail prend une valeur plus élevée afin de compenser l'effet négatif de
augmentation du coût de production dans l'équation du profit conjoint. Lorsque le prix de détail augmente, le
Impact du coût de possession du fabricant sur la quantité de commande optimale et le prix de vente optimal dans
CPFR
La figure 8 montre que lorsque le coût de possession du fabricant (hM C) augmente, le prix de vente optimal
Équation 3, lorsque le coût de possession augmente, le prix de vente optimal doit augmenter pour
éviter un manque à gagner. Le fait que le fabricant doive payer plus de frais de stockage
* et P * en CPFR
Figure 8. Impact du coût de possession du fabricant sur Q
-562-
Machine Translated by Google
L'impact du coût de possession et du coût de production du fabricant sur les bénéfices de la chaîne d'approvisionnement
DANS C
La figure 9 montre que l'augmentation du coût de possession de fabrication (hM ), (hM ) et le
coût de production (v) diminuer le profit total et le profit total conjoint pour VMI et CPFR
respectivement. Toutefois, CPFR conserve toujours un profit supérieur à VMI lorsque la holding
le coût ou le coût de production augmente. Cela implique que CPFR est plus efficace et robuste que
VMI en présence d'un coût de production et d'un coût de stockage plus élevés.
Figure 9. Impact du coût de maintien de fabrication et du coût de production sur les performances VMI et CPFR
Cette étude examine la prise de décision optimale dans deux types de pratiques de partage d'informations avancées
dans une chaîne d'approvisionnement avec un fabricant (fournisseur) et un détaillantÿ: Vendor Managed Inventory
(VMI) et Collaborative Planning Forecasting and Replenishment (CPFR). Deux
les variables de décision, quantité de commande (Q) et prix de vente au détail (P), sont optimiséesÿ; la performance
mesure (bénéfice total de la chaîne d'approvisionnement) est également examinée pour chacun des mécanismes ci-dessus sous un
demande sensible au prix. La procédure d'optimisation de la simulation est appliquée pour trouver la
les décisions.
Dans l'ensemble, selon les analyses, une plus grande variation de la demande diminue le bénéfice attendu du
fabricant et du détaillant ainsi que le bénéfice de l'ensemble de la chaîne d'approvisionnement. L'analyse de sensibilité
menée dans l'étude révèle également que l'augmentation de deux paramètres, le coût de production et le coût de
possession du fabricant, diminue la quantité de commande optimale et augmente le prix de vente au détail.
dans les deux mécanismes de la chaîne d'approvisionnement. Cependant, en toutes circonstances, le CPFR maintient toujours
Le cadre conceptuel utilisé par cette étude peut servir de base à de futures études sur l'offre
coordination de la chaîne et comme base pour développer de nouveaux types de mécanismes de coordination. Futur
la recherche pourrait prendre en compte plusieurs détaillants, plusieurs fabricants dans la chaîne d'approvisionnement
et examiner les variables de décision appropriées et d'autres mesures de performance en fonction du prix
demande sensible.
-563-
Machine Translated by Google
Références
Attaran, M., & Attaran, S. (2007). Gestion collaborative de la chaîne d'approvisionnementÿ: le plus
pratique prometteuse pour la construction de chaînes d'approvisionnement efficaces et durables. Journal de gestion
Baganha, MP, & Cohen, MA (1998). L'effet stabilisateur des stocks dans les chaînes d'approvisionnement.
Bamford, DR et Forrester, PL (2003). Gérer les changements planifiés et émergents dans un environnement de gestion
des opérations. Journal international des opérations et de la gestion de la production, 23(5), 546-564. http://dx.doi.org/
10.1108/01443570310471857
Cachon, GP, & Fisher, M. (2000). La gestion des stocks de la chaîne d'approvisionnement et la valeur du 46(8) partagé,
information. La gestion Science, 1032-1048.
http://dx.doi.org/10.1287/mnsc.46.8.1032.12029
Chen, F. (1998). Les points de commande Echelon, les points de commande d'installation et la valeur de
Chen, F., Drezner, Z., Ryan, JK et Simchi-Levi, D. (2000). Quantification de l'effet coup de fouet dans un
chaîne d'approvisionnement simpleÿ: l'impact des prévisions, des délais et des informations. La gestion
Dana Jr, JD et Petruzzi, Caroline du Nord (2001). Note : Le modèle du marchand de journaux avec demande endogène.
Disney, SM et Towill, DR (2003). Inventaire géré par le fournisseur et réduction du coup de fouet dans une chaîne
d'approvisionnement à deux niveaux. Journal international des opérations et de la gestion de la production, 23(6),
625-651. http://dx.doi.org/10.1108/01443570310476654
-564-
Machine Translated by Google
En ligneFledner, G. (2003). CPFR : un outil émergent de la supply chain. Gestion & Données Industrielles
Forrester, JW (1958). Dynamique industrielle : une avancée majeure pour les décideurs.
Ganeshan, R., Boone, T. et Stenger, AJ (2001). L'impact de l'inventaire et de la planification des flux
paramètres sur la performance de la chaîne d'approvisionnementÿ: une étude exploratoire. Revue internationale de
Économie de la production, 71(1-3), 111-118. http://dx.doi.org/10.1016/S0925-5273(00)00109-2
Gaur, V., Giloni, A., & Seshadri, S. (2005). Partage d'informations dans une chaîne d'approvisionnement sous ARMA
demande. Sciences de gestion, 51(6), 961-969. http://dx.doi.org/10.1287/mnsc.1050.0385
Gavirneni, S., Kapuscinski, R., & Tayur, S. (1999). Valeur de l'information dans l'offre capacitive
Goodwin, JS, & Franklin, SG (1994). Le jeu de la distribution de bière : utiliser la simulation pour enseigner
http://dx.doi.org/10.1108/02621719410071937
Gronalt, M., & Rauch, P. (2008). SILVA FENNICA. Silva Fennica, 42 ans, 1.
http://dx.doi.org/10.1108/13598540210436595
77, 667-679.
Ketzenberg, ME, Laan, E., & Teunter, RH (2006). Valeur de l'information en boucle fermée
Chaînes. Production et Opérations La gestion, 15(3), 393-406.
http://dx.doi.org/10.1111/j.1937-5956.2006.tb00253.x
En ligneKuk, G. (2004). Efficacité des stocks gérés par les fournisseurs dans l'industrie électroniqueÿ:
Lau, JSK, Huang, GQ et Mak, K. (2004). Impact du partage d'informations sur l'inventaire
réapprovisionnement dans des chaînes d'approvisionnement divergentes. Revue internationale de recherche sur la production,
-565-
Machine Translated by Google
Lee, HL, Padmanabhan, V., & Whang, S. (1997). Distorsion de l'information dans une chaîne d'approvisionnement : la
Lee, HL, So, KC et Tang, CS (2000). La valeur du partage d'informations dans une offre à deux niveaux
Magee, JF, & Boodman, DM (1967). Planification de la production et contrôle des stocks. Vol. 131.
New York : McGraw Hill.
Mohtadi, H., & Kinsey, JD (2005). Échange d'informations et comportement stratégique dans les chaînes d'approvisionnementÿ:
En ligneOuyang, Y. (2007). L'effet du partage d'informations sur la stabilité de la chaîne d'approvisionnement et le bullwhip 182(3),
les systèmes et les implications de la chaîne d'approvisionnement. Sciences de la décision, 30(4), 1053-1071. http://dx.doi.org/
10.1111/j.1540-5915.1999.tb00918.x
Sajadieh, MS, & Akbari Jokar, MR (2009). Optimisation des politiques d'expédition, de commande et de tarification
dans une chaîne d'approvisionnement en deux étapes avec une demande sensible aux prix. Transportation Research Part E:
En ligneSari, K. (2008). Sur les bénéfices du CPFR et du VMI : une étude de simulation comparative.
International Journal de Production Économie, 113(2), 575-586.
http://dx.doi.org/10.1016/j.ijpe.2007.10.021
Simchi-Levi, D., Kaminsky, P., & Simchi-Levi, E. (2003). Conception et gestion de l'approvisionnement
Småros, J., & Holmström, J. (2000). Point de vue : toucher le consommateur via la VMI e-grocery.
Southard, PB et Swenseth, SR (2008). Évaluer le stock géré par le fournisseur (VMI) dans
-566-
Machine Translated by Google
En ligneSterman, JD (1989). Modélisation des comportements managériaux : perceptions erronées du feedback dans une dynamique
Waller, M., Johnson, ME et Davis, T. (1999). Inventaire géré par le fournisseur dans l'approvisionnement au détail
En ligneZhang, C. (2007). Conception et simulation du partage d'informations sur la demande dans une chaîne d'approvisionnement.
Simulation La modélisation Entraine toi et La théorie, 15(1), 32-46.
http://dx.doi.org/10.1016/j.simpat.2006.09.011
Zhao, X., Xie, J. et Leung, J. (2002). L'impact de la sélection du modèle de prévision sur la valeur de
partage d'informations dans une chaîne d'approvisionnement. Revue européenne de recherche opérationnelle, 142(2),
321-344. http://dx.doi.org/10.1016/S0377-2217(01)00300-9
Zhao, Y., & Simchi-Levi, D. (2006). Analyse des performances et évaluation de l'assemblage à la commande
Le contenu de l'article est fourni sous une licence Attribution-Non Commercial 3.0 Creative commons. Les lecteurs sont autorisés à copier, distribuer
et communiquer le contenu de l'article, à condition que les noms de l'auteur et du Journal of Industrial Engineering and Management soient inclus.
Il ne doit pas être utilisé à des fins commerciales. Pour voir le contenu complet de la licence, veuillez visiter
http://creativecommons.org/licenses/by-nc/3.0/.
-567-