Optimal Decisions and Comparison of VMI and CPFR U

Machine Translated by Google
Revue deGénie industriel et La gestion

JIEM, 2013 - 6 (2): 547-567 - ISSN en ligne : 2013-0953 - ISSN imprimé : 2013-8423
http://dx.doi.org/10.3926/jiem.559
Décisions optimales et comparaison du VMI et du CPFR
dans une demande incertaine sensible aux prix
Yasaman Kazemi, Jun Zhang
Université d'État du Dakota du Nord (États-Unis)
yasaman.kazemi@ndsu.edu, jun.zhang@ndsu.edu
Reçu : septembre 2012

Accepté : mars 2013
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
environnement de demande incertaine sensible, et de comparer les performances de VMI et CPFR.
Une analyse de sensibilité est également menée pour obtenir des informations managériales.
Conception/méthodologie/approcheÿ:Les modèles analytiques sont d'abord appliqués pour formuler un profit
problème de maximisationÿ; de plus, en appliquant des procédures de solution d'optimisation de simulation,
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
décisions et les bénéfices totaux en VMI et CPFR.
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
prix de détail inférieur.
Cette étude ne considère qu'un seul fournisseur et un seul détaillant dans

Rechercher les limites / les implications:
la structure de la chaîne d'approvisionnement.
-547-
Journal de génie industriel et de gestion - http://dx.doi.org/10.3926/jiem.559
Les implications pratiques:

Les connaissances tirées de cette étude sur la performance de chaque
le mécanisme de coordination et la prise de décision dans l'incertitude sont essentiels pour les gestionnaires et
praticiens du secteur susceptibles d'appliquer les mécanismes de coordination envisagés.
Originalité/valeurÿ: Cette étude inclut le coût de production dans le modèle mathématique 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
quantité de commande, prix de vente 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,
Padmanabhan & Whang , 1997).
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
pas seulement permis de réduire l'effet coup de fouet
(variabilité des commandes), mais aussi pour ajouter de la valeur à la chaîne (Chen, et al., 2000 ; Gaur, Giloni &
-548-
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
Inventaire géré (VMI) et planification collaborative, prévision et réapprovisionnement (CPFR).
L'inventaire géré par le fournisseur est une stratégie de chaîne d'approvisionnement dans laquelle le vendeur ou le fournisseur reçoit
la responsabilité de gérer le stock du client ou du détaillant (Gronalt & Rauch, 2008). Le
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
également adapté le mécanisme VMI (Cachon & Fisher, 2000).
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
participé au processus de commande peut adapter ses activités au service client.
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
fabricant au détaillant est élevé, plus le total
des économies sur les coûts de maintien des stocks pour le fabricant seront réalisées.
La question de la visibilité de la demande a retenu l'attention de certains chercheurs en supply chain.
Småros & Holmström (2000), ont étudié les effets d'une visibilité accrue de la demande dans le
chaîne d'approvisionnement, et leur modèle de simulation a démontré qu'en combinant le traditionnel
les données de commande et les informations de vente disponibles auprès des clients VMI, le fabricant peut bénéficier d'une
augmentation même partielle de sa visibilité.
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
de prise de décision dans la chaîne d'approvisionnement. Deuxièmement, quelques informations
les délais seront supprimésÿ; par conséquent, les deux facteurs peuvent être utilisés pour atténuer le coup de fouet
effet (Disney & Towill, 2003).
Malgré toutes les réussites concernant la VMI, de nombreuses recherches suggèrent le contraire. Augmentation du niveau de
détails nécessaires à la planification de l'approche, coûts administratifs élevés, établissement de la confiance
-549-
entre les membres de la chaîne d'approvisionnement et un engagement fort sont parmi les limites
ont déclaré utiliser VMI dans une chaîne d'approvisionnement
La planification collaborative, la prévision et le réapprovisionnement (CPFR) est définie comme une «
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
planification de la production et des achats, la prévision de la demande et l'inventaire.
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
distorsion de l'information ou de l'effet coup de fouet. Raghunathan (1999)
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 -
établissement de référence, établissement de prévisions locales et collaboration.
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
seul fabricant et d'un seul détaillant où la capacité de production est limitée.
Le modèle proposé a indiqué que le CPFR conduit à des avantages substantiels pour la chaîne d'approvisionnement
système, mais l'ampleur dépend de la capacité du fabricant à collecter les avancées
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
Stenger (2001) et al., a indiqué que le CPFR augmente le taux de remplissage,
diminue les stocks de la chaîne d'approvisionnement, réduit le temps de cycle de la chaîne d'approvisionnement et augmente l'actionnariat
richesse.
-550-
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,
les décisions les plus importantes du VMI et du CPFR, sous
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
configuration. La section 3 présente l'énoncé du problème. Modélisation mathématique et solution
procédure sont présentées dans la section 4. La section 5 présente l'étude de cas et les résultats. Enfin, la conclusion et les
recherches futures sont présentées dans la section 6.
2. Paramétrage du système
La chaîne d'approvisionnement étudiée dans cet article comprend les principaux éléments suivantsÿ: un
fabricant, un entrepôt, un détaillant et des clients finaux. Le fabricant est considéré
en tant que vendeur tout au long du journal et on suppose que les produits manufacturés sont stockés dans l'entrepôt du
détaillant et qu'ils seront réapprovisionnés par le fabricant. Le flux de matière
part de l'amont (fabricant), d'autre part, le flux d'informations dépendant
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
d'approvisionnement et de la chaîne d'approvisionnement dans son ensemble.
La demande est supposée stochastique et sensible au prix. La demande avec dépendance au prix peut être grossièrement
classée en deux casÿ: les types de demande additive et la demande multiplicative.
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
structure au type de demande additive, et le paramètre de la pente est stochastique.
2.1. Configurations de VMI et CPFR
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-
Figure 1. La configuration du système VMI
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.
Figure 2. La configuration du système CPFR
-552-
2.2. Notations et hypothèses de base
Le tableau 1 présente les notations et les paramètres utilisés dans cet article.
Notation La description
DANS
MTP Bénéfice total du fabricant en VMI

DANS
TPB Bénéfice total du détaillant en VMI

C
MTP Bénéfice total du fabricant en CPFR
C
TPB Bénéfice total du détaillant dans CPFR
R Taux de production annuel
ré Demande stochastique fonction de a' et b'

DANS
UN M Configurer le coût du fabricant dans VMI

C
UN M Configurer le coût du fabricant dans CPFR
DANS
UN B Coût de commande du détaillant dans VMI

C
UN B Coût de commande du détaillant dans CPFR
Q Quantité de production, quantité de commande

DANS
hM Coût annuel de détention des stocks du fabricant en VMI

C
hM Coût annuel de détention des stocks du fabricant en CPFR
DANS
hB Coût annuel de détention des stocks du distributeur en VMI

C
hB Coût annuel de détention des stocks du distributeur en CPFR
c Prix d'achat unitaire du détaillant (prix de transfert)
P prix de vente unitaire du détaillant
dans
Coût unitaire de production
b' Pente de la demande avec une distribution de probabilité connue
un' Intercepter la valeur de la demande
Tableau 1. Notation du modèle pour la comparaison des bénéfices
De plus, les hypothèses suivantes sont faites dans cet article :
• 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 taux de production est fini et supérieur au taux de demande.
• Le prix de transfert (c) est le prix auquel le fabricant vend ses produits au détaillant.
On suppose que c est déterminé par la négociation entre deux parties.
• L'inventaire sera examiné en permanence et le détaillant commande une taille de lot de Q lorsque
le stock disponible atteint le point de réapprovisionnement.
• L'horizon temporel de la planification est fini.
• Le délai de commande supposé constant.
• La pénurie n'est pas autorisée.
• Le cycle de vie du produit est supérieur à la période de planification.
-553-
• Il y a un seul fabricant en amont (M) et un seul détaillant (B) comme
partenaire en aval.
• Le fabricant doit utiliser le détaillant pour atteindre les clients finaux.
• La demande du détaillant est stochastique et sensible au prix.
• 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
pas de pénurie ou d'excédent de stock à la fin de chaque période ou cycle.
• Les contraintes de capacité du fabricant sont ignorées.
• 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
performance de VMI et CPFR dans une demande sensible au prix.
Les décisions optimales du prix de vente au détail et de la quantité de commande sont déterminées afin de maximiser
les profits du vendeur et du détaillant. La performance de chacun des mécanismes sous un
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
résultats sont servis de référence pour analyser
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.
Système de chaîne d'approvisionnement Décision du vendeur Décision du détaillant
VMI Quantité commandée (Q) Prix de détail (P)
CPFR Prix de détail (P), quantité commandée (Q)
Tableau .2 Variables de décision dans VMI et CPFR
-554-
4. Modélisation mathématique et procédure de résolution
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.
4.1. Mesures économiques dans la chaîne d'approvisionnement VMI
La demande étant stochastique, nous recherchons la valeur espérée du profit. Le

le bénéfice total attendu du détaillant serait égal à soustraire les revenus du
paiements au fabricant qui est indiqué dans l'équation (1):
ETP(
DANS
= informatique ÿÿÿ
cD) = ÿ ÿ ÿ
( P
ÿ
c
B
) ( DfD) ( )dD (1)
0
Où f(D) est la fonction de densité de probabilité de la demande.
Le bénéfice total attendu du fabricant comprend les éléments suivants et il est

montré dans l'équation (2):
Revenus attendus - Coûts d'établissement attendus du fabricant et du détaillant - Attendus

coûts de stockage du fabricant et du détaillant – coût de production prévu
DANS DANS DANS DANS
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
ÿ DANS DANS DANS DANS

(2)
. . h .Q Q h. 2
= ÿ ÿ
D f DAQ(). B ÿ
D f DAQ(). M ÿ ÿ M ÿ B
( . ( 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* .
4.2. Mesures économiques dans la chaîne d'approvisionnement CPFR
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-
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
4.3. Procédure de solution
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:
• Définissez une valeur initiale pour le prix de vente (P).
• Générer N échantillons aléatoires de b' selon sa distribution de probabilité. Chaque échantillon
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
prix P * afin de maximiser le profit attendu du détaillant.
• Définissez une valeur initiale de quantité de commande (Q).
-556-
• Pour chaque scénario de demande, calculez le bénéfice du fabricant en utilisant le bénéfice
DANS DANS DANS DANS
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
N DANS DANS DANS DANS
1
DA. ( Qh
.
ET . hQ
.
profit du fabricant en utilisant ETP

(
J
C
) 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
afin de maximiser le profit attendu du fabricant.
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.
• Générer N échantillons aléatoires de b' selon sa distribution de probabilité. Chaque échantillon de
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 .
équation . Calculez ensuite l'espérance

ÿ ÿ je ÿ ÿ ÿ
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
• Utilisez l'algorithme de recherche optimal d'Excel pour déterminer Q * et P * simultanément afin de
maximiser le profit conjoint espéré.
• 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
profits des détaillants dans le VMI.
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
des connaissances managériales également.
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-
La pente de la demande (b') suit une distribution uniformeÿ: b ~ U [b ÿ b .b , b + b . b ] où b est supposé
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.
Figure 3. Histogramme d'un échantillon de demande du marché lorsque ÿ = 0,1
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
Tableau 3. Paramètres utilisés dans l'étude de cas
-558-
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
provenant d'une industrie fabriquée proche de la pratique locale.
5.2. résultats et discussion
Les résultats dérivés de l'étude de cas pour chaque mécanisme de la chaîne d'approvisionnement sont présentés dans le tableau 4
et Tableau 5. La comparaison des décisions et du profit total est illustrée à la figure 3.
*
Variation de la demande Q* P Bénéfice du fabricant Bénéfice du détaillant Bénéfice total attendu
dix% 395,21 15,57 2431.87 7836.43 10268.30
30% 395,21 15,55 2431.22 7820.08 10251.29
70% 395,21 15,50 2429.90 7787.29 10217.19
Tableau 4. Résultats de l'étude de cas pour CPFR
*
Variation de la demande Q* P Bénéfice du fabricant Bénéfice du détaillant Bénéfice total attendu
dix% 366,53 17,61 2383.78 7681.46 10065.23
30% 366,43 17,57 2382.98 7664.94 10047.92
70% 366,32 17,52 2381.38 7631.82 10013.20
Tableau 5. Résultats de l'étude de cas pour VMI
Figure 4. Comparaison de Q *, P * et Bénéfice total attendu sous
-559-
Les résultats et la comparaison ci-dessus impliquent queÿ:
• 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
variation de la demande à un niveau minimum afin de maintenir un profit élevé.
• 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
plus de ventes et plus de profit pour l'ensemble de la chaîne d'approvisionnement.
• 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
partenaires de la chaîne d'approvisionnement lorsque la demande est sensible au prix.
5.3. Analyse de sensibilité
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,
deux ensembles d'analyses de sensibilité sous le même
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-
*
quantité de commande optimale (Q ) diminue. Toujours selon l'équation 2, lorsque le coût de production
augmente, il serait raisonnable de s'attendre à ce que la quantité commandée diminue.
Figure 5. Impact du coût de production sur Q * , P * , et c dans VMI
L'impact du coût de possession du fabricant sur la quantité de commande optimale et la vente au détail optimale
prix en VMI
La figure 6 montre l'impact de la modification du coût de possession du fabricant ( prix hM

DANS
) 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.
Figure 6. Impact du coût de possession du fabricant sur Q * , P * et c dans VMI
-561-
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
prix (P *) augmente et la quantité commandée (Q *) diminue. Ainsi, lorsque le coût de production
(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
la demande diminue et la quantité de commande diminue en conséquence.
Figure 7. Impact du coût de production sur Q * et P * en CPFR
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
prix (P *) augmente et la quantité de commande optimale (Q *) diminue. Comme on l'attend de
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
le fait diminuer la quantité de commande afin d'éviter le surcoût.
* et P * en CPFR
Figure 8. Impact du coût de possession du fabricant sur Q
-562-
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
6. Conclusion et recherches futures
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
un bénéfice global plus élevé et un prix de vente inférieur à ceux de VMI.
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-
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
des processus commerciaux, 13(3), 390-404. http://dx.doi.org/10.1108/14637150710752308
En ligneAviv, Y. (2001). L'effet de la prévision collaborative sur la performance de la chaîne d'approvisionnement.
Sciences de gestion, 47(10), 1326-1343. http://dx.doi.org/10.1287/mnsc.47.10.1326.10260
En ligneAviv, Y. (2002). Bénéficier des processus conjoints de prévision et de réapprovisionnementÿ: le cas
de la demande auto-corrélée. Gestion des opérations de fabrication et de service, 4(1), 55-74.

http://dx.doi.org/10.1287/msom.4.1.55.285
En ligneAviv, Y. (2004). Prévisions collaboratives et gestion des stocksÿ: capacité

Considérations. Saint-Louis, Missouri, 34.
Baganha, MP, & Cohen, MA (1998). L'effet stabilisateur des stocks dans les chaînes d'approvisionnement.
Recherche opérationnelle, 46(3), 72-83. http://dx.doi.org/10.1287/opre.46.3.S72
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
informations centralisées sur la demande. Science du management, 44(12), 221-234.

http://dx.doi.org/10.1287/mnsc.44.12.S221
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
Sciences, 46(3), 436-443. http://dx.doi.org/10.1287/mnsc.46.3.436.12069
Cooke, JA (1998). VMI : impact très mitigé ? Gestion logistique et distribution.
Dana Jr, JD et Petruzzi, Caroline du Nord (2001). Note : Le modèle du marchand de journaux avec demande endogène.
Sciences de gestion, 47(11), 1488-1497. http://dx.doi.org/10.1287/mnsc.47.11.1488.10252
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-
Emerson, D., Zhou, W. et Piramuthu, S. (2009). Goodwill, pénalité d'inventaire et adaptation
gestion de la chaîne logistique. Journal européen de la recherche opérationnelle, 199(1), 130-138.

http://dx.doi.org/10.1016/j.ejor.2008.11.007
En ligneFledner, G. (2003). CPFR : un outil émergent de la supply chain. Gestion & Données Industrielles
Systèmes, 103(1), 14-21. http://dx.doi.org/10.1108/02635570310456850
Forrester, JW (1958). Dynamique industrielle : une avancée majeure pour les décideurs.
Revue commerciale de Harvard, 36(4), 37-66.
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
Chaînes. Sciences de gestion, 45(1), 16-24. http://dx.doi.org/10.1287/mnsc.45.1.16
Goodwin, JS, & Franklin, SG (1994). Le jeu de la distribution de bière : utiliser la simulation pour enseigner
pensée systémique. Journal du développement de la gestion, 13(8), 7-15.
http://dx.doi.org/10.1108/02621719410071937
Gronalt, M., & Rauch, P. (2008). SILVA FENNICA. Silva Fennica, 42 ans, 1.
Holmström, J., Främling, K., Kaipia, R. et Saranen, J. (2002). Planification collaborative
prévision et réapprovisionnement : de nouvelles solutions nécessaires à la collaboration de masse. Chaîne d'approvisionnement
La gestion: Un International Journal, 7(3), 136-145.
http://dx.doi.org/10.1108/13598540210436595
Holt, CC (1960). Planification de la production, des stocks et de la main-d'œuvre : Prentice Hall.
Kahn, JA (1987). Stocks et volatilité de la production. La revue économique américaine,
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:
déterminants et résultats. Information & gestion, 41(5), 645-654.

http://dx.doi.org/10.1016/j.im.2003.08.002
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,
42(5), 919-941. http://dx.doi.org/10.1080/00207540310001628911
-565-
Lee, HL, Padmanabhan, V., & Whang, S. (1997). Distorsion de l'information dans une chaîne d'approvisionnement : la
effet coup de fouet. Sciences de gestion, 43(4), 546-558. http://dx.doi.org/10.1287/mnsc.43.4.546
Lee, HL, So, KC et Tang, CS (2000). La valeur du partage d'informations dans une offre à deux niveaux
chaîne. Sciences de gestion, 46(5), 626-643. http://dx.doi.org/10.1287/mnsc.46.5.626.12047
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:
Application au secteur alimentaire. Journal américain d'économie agricole, 87(3), 582-599.

http://dx.doi.org/10.1111/j.1467-8276.2005.00749.x
Naish, HF (1994). Lissage de la production dans le modèle d'inventaire quadratique linéaire. Le
Économique, 104(425), 864-875. http://dx.doi.org/10.2307/2234980
En ligneOuyang, Y. (2007). L'effet du partage d'informations sur la stabilité de la chaîne d'approvisionnement et le bullwhip 182(3),
effet. Revue européenne de recherche opérationnelle, 1107-1121.

http://dx.doi.org/10.1016/j.ejor.2006.09.037
En ligneRaghunathan, S. (1999). Prévision et réapprovisionnement collaboratifs interorganisationnels
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
Ramey, G., & Ramey, VA (1991). Engagement technologique et coût de l'économie

fluctuation. Bureau Nationale de la Recherche Economique.
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:
Logistics and Transportation Review, 45(4), 564-571. http://dx.doi.org/10.1016/j.tre.2008.12.002
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
chaîne : concepts, stratégies et études de cas. Irwin/McGraw-Hill.
Småros, J., & Holmström, J. (2000). Point de vue : toucher le consommateur via la VMI e-grocery.
Journal international de la gestion du commerce de détail et de la distribution, 28(2), 55-61.

http://dx.doi.org/10.1108/09590550010315098
Southard, PB et Swenseth, SR (2008). Évaluer le stock géré par le fournisseur (VMI) dans
environnements non traditionnels utilisant la simulation. Revue internationale d'économie de la production,
116(2), 275-287. http://dx.doi.org/10.1016/j.ijpe.2008.09.007
-566-
En ligneSterman, JD (1989). Modélisation des comportements managériaux : perceptions erronées du feedback dans une dynamique
décision fabrication expérience. La gestion Science, 321-339.

http://dx.doi.org/10.1287/mnsc.35.3.321
Waller, M., Johnson, ME et Davis, T. (1999). Inventaire géré par le fournisseur dans l'approvisionnement au détail
chaîne. Journal of Business Logistics, 20, 183-204.
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
systèmes à délais séquentiels stochastiques. Recherche opérationnelle-Baltimore puis
Linthicum, 54(4), 706. http://dx.doi.org/10.1287/opre.1060.0302
Journal de génie industriel et de gestion, 2013 (www.jiem.org)
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-

Optimal Decisions and Comparison of VMI and CPFR U

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Optimal Decisions and Comparison of VMI and CPFR U

Transféré par

Droits d'auteur :

Formats disponibles

Machine Translated by Google

Revue deGénie industriel et La gestion

Décisions optimales et comparaison du VMI et du CPFR

dans une demande incertaine sensible aux prix

Yasaman Kazemi, Jun Zhang

Université d'État du Dakota du Nord (États-Unis)

Reçu : septembre 2012

environnement de demande incertaine sensible, et de comparer les performances de VMI et CPFR.

Conception/méthodologie/approcheÿ:Les modèles analytiques sont d'abord appliqués pour formuler un profit

problème de maximisationÿ; de plus, en appliquant des procédures de solution d'optimisation de simulation,

décisions et les bénéfices totaux en VMI et CPFR.

prix de détail inférieur.

Cette étude ne considère qu'un seul fournisseur et un seul détaillant dans

la structure de la chaîne d'approvisionnement.

Journal de génie industriel et de gestion - http://dx.doi.org/10.3926/jiem.559

Les implications pratiques:

praticiens du secteur susceptibles d'appliquer les mécanismes de coordination envisagés.

Originalité/valeurÿ: Cette étude inclut le coût de production dans le modèle mathématique et

quantité de commande, prix de vente optimal

Padmanabhan & Whang , 1997).

pas seulement permis de réduire l'effet coup de fouet

Journal de génie industriel et de gestion - http://dx.doi.org/10.3926/jiem.559

Inventaire géré (VMI) et planification collaborative, prévision et réapprovisionnement (CPFR).

la responsabilité de gérer le stock du client ou du détaillant (Gronalt & Rauch, 2008). Le

également adapté le mécanisme VMI (Cachon & Fisher, 2000).

participé au processus de commande peut adapter ses activités au service client.

fabricant au détaillant est élevé, plus le total

La question de la visibilité de la demande a retenu l'attention de certains chercheurs en supply chain.

chaîne d'approvisionnement, et leur modèle de simulation a démontré qu'en combinant le traditionnel

augmentation même partielle de sa visibilité.

de prise de décision dans la chaîne d'approvisionnement. Deuxièmement, quelques informations

effet (Disney & Towill, 2003).

détails nécessaires à la planification de l'approche, coûts administratifs élevés, établissement de la confiance

Journal de génie industriel et de gestion - http://dx.doi.org/10.3926/jiem.559

ont déclaré utiliser VMI dans une chaîne d'approvisionnement

La planification collaborative, la prévision et le réapprovisionnement (CPFR) est définie comme une «

planification de la production et des achats, la prévision de la demande et l'inventaire.

distorsion de l'information ou de l'effet coup de fouet. Raghunathan (1999)

établissement de référence, établissement de prévisions locales et collaboration.

seul fabricant et d'un seul détaillant où la capacité de production est limitée.

système, mais l'ampleur dépend de la capacité du fabricant à collecter les avancées

Stenger (2001) et al., a indiqué que le CPFR augmente le taux de remplissage,

Journal de génie industriel et de gestion - http://dx.doi.org/10.3926/jiem.559

les décisions les plus importantes du VMI et du CPFR, sous

configuration. La section 3 présente l'énoncé du problème. Modélisation mathématique et solution

recherches futures sont présentées dans la section 6.

fabricant, un entrepôt, un détaillant et des clients finaux. Le fabricant est considéré

détaillant et qu'ils seront réapprovisionnés par le fabricant. Le flux de matière

part de l'amont (fabricant), d'autre part, le flux d'informations dépendant

d'approvisionnement et de la chaîne d'approvisionnement dans son ensemble.

classée en deux casÿ: les types de demande additive et la demande multiplicative.

structure au type de demande additive, et le paramètre de la pente est stochastique.

2.1. Configurations de VMI et CPFR

Journal de génie industriel et de gestion - http://dx.doi.org/10.3926/jiem.559

Figure 1. La configuration du système VMI

Figure 2. La configuration du système CPFR

Journal de génie industriel et de gestion - http://dx.doi.org/10.3926/jiem.559

2.2. Notations et hypothèses de base

MTP Bénéfice total du fabricant en VMI

TPB Bénéfice total du détaillant en VMI

R Taux de production annuel

ré Demande stochastique fonction de a' et b'

UN M Configurer le coût du fabricant dans VMI