See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/261843860

Un modèle UML des chaines logistiques de distribution multi-échelon

Conference Paper · June 2012

CITATION READS

1 20,607

3 authors:

Hamid Ech-cheikh Saâd Lissane Elhaq

Ecole Nationale Supérieure d'Electricité et de Mécanique de Casablanca Ecole Nationale Supérieure d'Electricité et de Mécanique de Casablanca Universit…
17 PUBLICATIONS   40 CITATIONS    73 PUBLICATIONS   161 CITATIONS   

SEE PROFILE SEE PROFILE

Abdessamad Douraid
Université Hassan II de Casablanca
19 PUBLICATIONS   41 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Lean Manufacturing Implantation View project

Control room systems View project

All content following this page was uploaded by Saâd Lissane Elhaq on 14 January 2019.

The user has requested enhancement of the downloaded file.

 9e Conférence Internationale de Modélisation, Optimisation et SIMulation - MOSIM’12
06 au 08 Juin 2012 - Bordeaux - France
« Performance, interopérabilité et sécurité pour le développement durable »

UN MODELE UML DES CHAINES LOGISTIQUES DE DISTRIBUTION

MULTI-ECHELON

H. Ech-cheikh, S. Lissane El Haq, A. Douraid

Equipe de Recherche Automatique Productique (EAP)

Laboratoire d’Informatique des Systèmes Industriels et Energies Renouvelables (LISER)
Ecole Nationale Supérieure d’Electricité et de Mécanique (ENSEM)
Hassan II Aïn Chock, BP 8118, Oasis, Casablanca, Maroc.
echcheikh@hotmail.fr, lissan1@yahoo.com, abdessamad.douraid@gmail.com

RESUME : Nous nous intéressons dans cet article à la résolution des problèmes opérationnels de pilotage de flux et de
gestion de stock, liés au système de distribution multi-échelon. Afin de cerner et analyser ce type de système complexe
et dynamique, la modélisation s’avère une étape essentielle. A ce propos, nous avons développé un modèle UML global
qui vise l'étude des différentes configurations en matière de distribution multi-échelon, en vue de réaliser un outil de
simulation. Cependant, le développement d’un modèle de simulation pour ce type de système est une tâche difficile.
Cette difficulté se manifeste d’une part dans le choix du système de pilotage (centralisé, décentralisé), et de la politique
de pilotage de flux (suivi continu, suivi périodique), etc. D’autre part, elle se manifeste aux contextes stochastiques et
dynamiques auxquels le système est soumis (demande, capacité, délai d’approvisionnement, etc). Ainsi, nous proposons
un modèle globale de la distribution multi-échelon qui introduit les aspects stochastiques et dynamiques auxquels la
chaîne peut être soumise.

MOTS-CLES : Chaîne logistique de distribution multi-échelon, contexte stochastique et dynamique, modèle de

simulation, UML, système de pilotage.

1 INTRODUCTION échelons, en considérant l’approvisionnement et la

La modélisation des chaînes logistiques de distribution
multi-échelon s’est développée énormément dans les
milieux universitaires et industriels, ceci dans le but
d’analyser et prévoir le comportement de ce type de
chaîne. Les systèmes multi-échelon sont caractérisés par
leur complexité, cette dernière se manifeste par le
contexte stochastique auxquels le système est soumis
(demande, capacité, délai d’approvisionnement, etc). La
modélisation des chaînes logistiques se présente selon
différents aspects, dans le cas des systèmes multi-
échelon, nous distinguons principalement deux grandes
catégories de modèles: la première concerne les
méthodes de simulation, tandis que la deuxième
concerne les méthodes analytiques. Dans la littérature,
plusieurs travaux se sont intéressés à la modélisation des
systèmes de distribution multi-échelon. Ces travaux se
sont plus focalisés sur des modèles analytiques plutôt
que les modèles de simulation.
Depuis une vingtaine d’années, de nombreux modèles
ont été proposés pour traiter les chaînes logistiques de
distribution multi-échelon même si les premiers articles
sont anciens (Clark & Scarf, 1960). Quelques articles
récents de la modélisation analytique, illustrent la
diversité et la complexité de ce type de chaine. Par
exemple, (Caggiano et al., 2001) ont cherché à
modéliser un système multi-échelon utilisant une
politique à suivi continu et multi-produit. (Bollapragada
et al., 2004) ont étudié un système en série à deux
demande comme stochastique avec un pilotage
décentralisée. (Zheng et Ding, 2008) ont utilisé les
résultats du modèle du lot économique (EOQ), en
considérant que la demande suit une distribution de
poisson et que le délai d’approvisionnement suit une loi
normale. Ils ont obtenu les valeurs optimales en
analysant séparément le stock entrepôt et stock
détaillant. (Tlili et al., 2010) ont étudié un système
constitué d’un fournisseur, un entrepôt et deux
détaillants avec une politique le pilotage de flux à suivi
périodique avec la possibilité de recourir à un
transshipment d’urgence pour satisfaire la demande
excessive. (Agus, 2011) a étudié une chaîne à deux
échelons avec un transshipment d’urgence entre
détaillants. De plus, il a considéré la demande comme
stochastique distribuée selon une loi de poisson, et le
délai d’approvisionnement fixe entre échelon.
L’approche simulation est utilisée par certains auteurs
lorsque l’approche analytique devient trop compliquée
du point de vue de la description du système étudié. Par
exemple, (Ng et al., 2003) ont simulé le fonctionnement
de chaînes logistiques composées de N échelons, avec
des délais d’approvisionnements stochastiques et
comparent différents types de politiques de pilotage de
flux. (Beek et al., 2000) ont simulé la dynamique du
système multi-échelon multi-produit, qui utilisent des
politiques de pilotage de flux périodique avec des délais
d’approvisionnement prédéterminés.. (Rossetti et al.,
2008) ont analysé et simulé un système composé de N
 MOSIM’12 - 06 au 08 Juin 2012 - Bordeaux - France
échelons et N produits, tout en prenant en considération
la variabilité de la demande. Le modèle permet de
modifier la politique de pilotage suivi selon les
prévisions de la demande réalisées. (Niranjan, 2008) a
simulé un système multi-échelon en combinant une
structure convergente à une structure en série (Trois-,
quatre-, cinq- et m-échelon), Le modèle développé
suppose que la demande est stochastique, le délai
d’approvisionnement entre échelons est fixe et la
capacité est stochastique.
Le présent travail vise à apporter des solutions aux
problèmes liés à la gestion des chaines logistiques de
distribution multi-échelon. Notre contribution, se situe
dans le développement d’un modèle UML global
intégrant les aspects stochastiques et dynamiques des
chaînes logistiques de distribution multi-échelon. Par
conséquent, dans le cas où la configuration du système
multi-échelon subit des changements, il sera plus facile
de mettre à jour ce modèle.
Nous présentons dans la section 2 les différentes
approches de modélisation des chaines logistiques. La
section 3 traite notre champ d’étude suivi des principaux
objectifs de cet article. Dans la section 4 nous
présentons la démarche suivie de modélisation et le
modèle UML proposé. La dernière section conclut ce
travail et présente quelques perspectives.
2 MODELISATION DES CHAINES
LOGISTIQUES
Différents outils et approches sont utilisés pour la
modélisation des chaînes logistiques (Harrel et Tumay,
1994 ; Beamon, 1998 ; Min et Zhou, 2002). Dans le cas
des systèmes multi-échelon, nous distinguons
principalement deux grandes catégories de modèles:
Modèles analytiques : ils permettent de décrire un
système par un ensemble d’équations régissant son
fonctionnement. Ils peuvent être déterministes (tous les
paramètres du modèle sont réputés connus) ou
stochastiques (certains paramètres sont incertains et
suivent une loi de probabilité) (Maria, 1997).
Modèles de simulation : ils sont utilisés pour décrire,
expliquer et prévoir les comportements des systèmes
physiques réels. De plus, l'utilisation de ces modèles
rend possible la conduite d'expériences multiples, dans
l’objectif de comprendre le comportement du système
ou d’évaluer des stratégies en se basant sur un certain
nombre de critères.
Un modèle de simulation est généralement utilisé
lorsqu’il est difficile de trouver une relation (une
équation) entre différentes variables et ne pouvant donc
généralement pas se mettre sous la forme d’un modèle
analytique. La modélisation de simulation est un outil
polyvalent et puissant qui a gagné en popularité en
raison de sa capacité à traiter des modèles correspondant
à des systèmes complexes (Kelton et al., 2002; Wartha
et al, 2002). Dans ce qui suit, nous nous intéressons aux
méthodes de développement orientées objets qui se
basent sur le langage UML, puisqu’elles ont démontré
dans plusieurs occasions leur fiabilité et leur
performance.
En effet, l’UML (Unified Modeling Language) est un
standard né de la fusion des trois méthodes qui ont
influencé la modélisation objet au milieu des années 90:
Booch, OMT et OOSE. A la base, UML a été utilisé
pour modéliser les systèmes complexes utilisant
l’approche objet pour leur apporter plus de formalisme
et de méthodologie. Cependant avec l’évolution du
concept objet, beaucoup de travaux utilisent ce standard
pour structurer leurs modèles de référence.
La raison du succès d’UML, à savoir sa généricité lui
conférant la possibilité d’être utilisé dans de nombreux
domaines. La notation UML a été conçu pour être un
support de communication universel, visant à
représenter plusieurs vues complémentaires d’un
système, avec plusieurs niveau d’abstraction. Aussi,
grâce à sa notation graphique, elle permet d’exprimer
visuellement une solution objet, facilitant la
comparaison et l’évaluation de différentes solutions.
3 POSITIONNEMENT DU PROBLEME ET
OBJECTIFS
Les termes "multi-échelons" dans les réseaux de
distribution sont parfois synonymes de la chaîne
logistique. Quand un produit passe par plus d’une phase
de stockage avant d’arriver au client final, on parle d’un
système de stock multi-échelon.
Le pilotage de flux et la gestion de stocks dans un
réseau de distribution multi-échelons est un problème
majeur. La plupart des politiques classiques de gestion
de stocks sont encore utilisées, à savoir (s, Q), (s, S), (T,
S), (T, s, S), etc. où les paramètres s, Q, S et T désignent
respectivement le point de commande, la quantité de
commande, le niveau de recomplètement et l’intervalle
de révision. On distingue aussi deux modes de gestion
en cas d’insuffisance de stock: gestion avec demandes
perdues et gestion avec demandes différées. La
complexité augmente lorsque les sites détaillants
coopèrent en pratiquant des transbordements
(transshipments) d’urgence en cas de rupture (Tlili et
al., 2010).
En outre, les systèmes de gestion de stocks dans un
réseau de distribution multi-échelon peuvent être
répartis en deux classes : système à stock installation et
système à stock échelon. Dans le premier système,
chaque site prend ses décisions en se basant uniquement
sur son état de stock individuel, alors que, dans le
second système, chaque site prend en compte son stock
courant et aussi les stocks en aval et les stocks en
transit. Un système à stock échelon ne peut donc être
 MOSIM’12 - 06 au 08 Juin 2012 - Bordeaux - France
implémenté que si chaque site partage ces informations
avec les sites en amont. De plus, des règles d’allocation
doivent être mises en place pour être appliquées lorsque
les sites en amont sont en situation d’insuffisance de
stocks pour approvisionner les sites en aval.
La problématique que nous traitons ici se situe dans le
fait de construire un modèle, intégrant les différentes
caractéristiques citées plus haut, et synthétisées dans la
figure 1.
Figure 1 : Caractéristiques d’une chaîne logistique
multi-échelon (ech-cheikh et al., 2011 )
Par ailleurs, la construction d’un modèle est souvent
question de généricité et de réutilisation. Ainsi, il y a
deux niveaux de généricité (Villeminot, 2004) :
 généricité au sein d’une modélisation; il faut que
chaque acteur de même type soit modélisé de la
même manière;
 généricité pour plusieurs modélisations; nos travaux
doivent pouvoir être réutilisés pour différentes
études particulières.
Nombreux auteurs limitent leur étude à un ou plusieurs
sous-problèmes ou s'intéressent au problème complet
pour un système de distribution multi-échelon de
structure particulière. En effet, nous avons pu dégager
un ensemble d’aspects et caractéristiques, pouvant
fournir un modèle global. Ce dernier peut s'adapter à
différentes configurations d’un système multi-échelon et
permet l'évaluation de ses performances dans différents
contextes.
4 DEVELOPPEMENT DU MODELE
Le développement du modèle est divisé en deux phases
décrites ci-dessous :
 La modélisation statique s’articule autour des
étapes suivantes :
Etape 1 : le diagramme de contexte statique;
Etape 2 : le diagramme de cas d’utilisation;
Etape 3 : le diagramme de classes.
 La modélisation dynamique est décrite selon les
étapes suivantes :
Etape 1 : le diagramme d’activité;
Etape 2 : le diagramme d’états-transitions;
Etape 3 : le diagramme de séquence.
4.1 Modélisation statique
4.1.1 Diagramme de contexte statique
Le diagramme de contexte statique délimite le domaine
d’étude en précisant ce qui est à la charge du système et
en identifiant l’environnement extérieur au système
étudié avec lequel ce dernier communique.
Figure 2 : Diagramme de contexte statique pour le
système de distribution multi-échelon
Les acteurs de l’environnement qui agissent sur le
système selon la figure 2 sont :
 Demandeur : Représente le « client final » dans
une chaîne logistique.
 Distributeur : Son rôle est triple et consiste en : la
réception, le stockage et l'expédition des produits
de différentes natures.
 Détaillant : Représente le niveau inférieur de la
chaine logistique, reste en contact direct avec le
client.
 Superviseur : Pilote et optimise le réseau de
distribution.
 Fournisseur : Responsable de l’approvisionnement
de la chaine par les produits pour qu’ils soient
vendus aux clients.
 Système d’information : Reçoit les informations et
émet les décisions.
4.1.2 Diagramme de cas d’utilisation
Un diagramme de cas d’utilisation est utilisé pour
décrire les interactions entre les acteurs de
l’environnement et les cas d’utilisation du système, cette
description est purement fonctionnelle. Notre système
est composée des cas d’utilisation décris dans la figure
3.
 MOSIM’12 - 06 au 08 Juin 2012 - Bordeaux - France
Figure 3 : Diagramme de cas d’utilisation pour un
système de distribution multi-échelon
La figure 3 montre que dans le cas d’une chaine de
distribution multi-échelon, il y a plusieurs acteurs qui
agissent sur le système. La description des cas
d’utilisation reflète les processus qui décrivent ce
système. Dans un système multi-échelon centralisé, la
décision sur le choix de la politique de pilotage,
d’allocation et de transbordement, passe par l’accord du
superviseur, afin d’optimiser globalement la chaîne. Le
distributeur et le détaillant ont pratiquement les mêmes
fonctions (la gestion du stock et des commandes,
l’évaluation des indicateurs et les paramètres du stock).
Par contre, le détaillant peut réaliser un transbordement
d’urgence pour satisfaire une demande excessive dans
un temps opportun, ce qui n’est pas possible au
distributeur.
4.1.3 Diagramme de classes
Une fois le système est défini, il convient de préciser les
relations entre les acteurs et les différentes entités du
système. UML fournit les diagrammes de classe pour la
spécification des liens statiques entre les éléments du
système. Afin d’avoir une vue globale sur le diagramme
de classe, nous l’avons subdivisé en 3 parties selon la
figure 4:
Figure 4 : Paquetages du système
Partie 1 : Gestion des sites
Figure 5 : Paquetage gestion des sites
Un réseau de distribution (RDM) multi-échelon est
constitué d’un ensemble de sites (centre de distribution
local, centre de distribution régional, détaillant, etc.).
Ces sites sont interconnectés pour assurer un échange de
produit et d'information. Dans la figure 5, chaque objet
de la classe site peut avoir de nombreuses relations avec
d’autre objet de la même classe. Ces relations
permettent de modéliser la connectivité des flux entre
les différents sites de la chaîne.
Par conséquent, ce modèle conceptuelle (figure 5),
permettra à chaque site de gérer l’ensemble des flux
avec le site amont (fournisseur) et le site aval (client),
et chaque lien entre site représente une association
unique. En outre, la classe Echelon permet d’identifier
l’échelon de chaque site.
 MOSIM’12 - 06 au 08 Juin 2012 - Bordeaux - France
Partie 2 : Gestion des commandes
Figure 6 : Paquetage gestion des commandes
La classe commande constitue un ensemble de demande
exprimé par le demandeur ou le manager (distributeur,
détaillant) de site. Le fournisseur est une entité externe
au réseau de distribution et satisfait les commandes
exprimées au niveau de la chaine de distribution. Cette
partie du modèle modélise le chemin de circulation de
produits et présente les moyens de déclenchement et de
satisfaction d’une commande.
Partie 3 : Gestion centralisée du système de distribution
multi-échelon
Figure 7 : Paquetage supervision du RDM
Le partage de certaines informations, entre les sites et le
superviseur, telles que le niveau des stocks et les
prévisions de la demande, est essentiel pour
l’optimisation de la totalité de la chaine. Cette
optimisation se manifeste dans l’amélioration des
indicateurs globaux, tels que le niveau de service, coût
global, etc. Ceci est représenté par les classes
PrevisionDemande, Optimisation, Indicateursglobaux.
De plus, la classe PolitiquePilotageFlux précise le choix
des règles de gestion du stock d’un site. La politique de
gestion a pour objectifs principaux de définir le niveau
de stock indispensable pour faire face à la
consommation, de définir les tailles des quantités à
commander et les délais entre deux
réapprovisionnements. Chaque stock est unique et ne
peut admettre qu’une seule politique de pilotage, par
contre cette dernière peut être utilisée par différents
stocks.
De même, la classe PolitiqueAllocationStock permet de
créer une flexibilité de choix des règles d’allocation de
stock, dans le cas où le stock physique ne peut pas
satisfaire toutes les demandes client. Les centres de
distributions de la chaîne logistiques n’ont pas tous le
même mode de fonctionnement. En effet, ils diffèrent
entre eux par le nombre de connexions et la politique de
stockage utilisée.
La classe PolitiqueTransbordement facilite le choix
entre un ensemble de politique qui peut être utilisé dans
le cas d’une demande excessive. En effet, le
Transbordement est défini comme un mouvement de
stock s’effectuant au niveau du même échelon et
seulement en situation de rupture effective.
Cependant, et comme illustré dans la figure 7, la
supervision se fait par le superviseur comme étant un
acteur principal pour la prise de décision. Cette dernière,
est représentée par la classe Decision, elle permet de
valider le choix des politiques optimales pour la chaîne.
4.2 Modélisation dynamique
4.2.1 Diagramme d’activités
Les diagrammes d’activités sont particulièrement
adaptés à la modélisation du cheminement de flots de
contrôle et de flots de données. Ils permettent de
représenter graphiquement le comportement d’une
méthode ou le déroulement d’un cas d’utilisation.
Figure 8 : Diagramme d’activités « Gestion des
commandes client »
Dans le diagramme d’activité de la figure 8, Après
chaque demande client, un test est introduit pour vérifier
le niveau du stock. Dans le cas où le stock est
insuffisant, la commande est annulée ou satisfaite selon
une politique d’allocation de stock. Cette dernière est
 MOSIM’12 - 06 au 08 Juin 2012 - Bordeaux - France

validée par un superviseur,
d’optimisation de la chaine.
selon des règles flux des différents niveaux de la chaîne logistique, dans
l'objectif de garantir un certain niveau de service vis-à
vis du client tout en minimisant les coûts. Le choix de la
bonne politique de pilotage est crucial, car ce choix va
se répercuter sur tout le réseau de distribution, d’où la
nécessité de la validation du superviseur.

En effet, la figure 10 montre qu’après la détermination

de la politique de gestion de stock utilisée et le type de
suivi "continu" ou "périodique", il faut évaluer les
paramètres du stock avant de passer les commandes
pour réapprovisionner les stocks.

Figure 9: Diagramme d’activités « Gestion des

commandes entre site»

Au niveau du diagramme d’activité de la figure 9, nous

remarquons que les commandes gérées à partir de
l’échelon de niveau inférieur jusqu’à celui du niveau
supérieur ne suivent pas la même procédure que la
gestion des demandes client. En effet, dans le cas où le
stock est insuffisant, la commande n’est jamais annulée
mais elle est traitée selon une politique d’allocation
validée par le superviseur de la chaine.

Figure 11: Diagramme d’activités « Politique

d’allocation de stock »

L’allocation de stock devient importante dans le cas où

un site reçoit un ensemble d’ordre dépassant son stock
physique. Dans cette situation, et comme représenté
dans la figure 11, le manager du site est obligé à
satisfaire la demande selon une politique d’allocation.
Cette dernière, doit absolument être validée par le
superviseur de la chaîne. Les politiques d’allocation se
présentent selon plusieurs formes : Guaranteed fraction
allocation, Maximum allocation, Fixed allocation, etc.

Figure 10: Diagramme d’activités « Politique de

pilotage de flux »

Le pilotage de flux consiste à prendre toutes les

décisions visant, à court terme, à coordonner tous les
 MOSIM’12 - 06 au 08 Juin 2012 - Bordeaux - France
Figure 12: Diagramme d’activités « Transbordement »
Comme illustré dans la figure 12 le transbordement
n’envisage les commandes qu’en cas de rupture de stock
chez un détaillant suite à l’arrivée d’une demande. De
plus, le transbordement nécessite une validation du
superviseur.
4.2.2 Diagramme d’états-transitions
Le diagramme d’états-transitions permet de décrire le
comportement interne des entités de notre système et de
visualiser l’enchaînement des états d’une classe ainsi
que les événements provoquant leur transition.
Figure 13 : Diagrammes d’états du stock
Dans la figure 13 l’état du stock change selon la
quantité stockée et la quantité commandée par une tierce
partie, ainsi le stock (S) peut avoir plusieurs états : le
stock en transit est une commande en attente de
livraison d’un site vers un autre, le stock physique est la
quantité de produit existante dans le site en attente de
consommation, le stock de sécurité (SS) permet
d’assurer les aléas de la demande et le backlogs sont les
commande en cours dû à la rupture du stock.
Figure 14 : Diagrammes d’états de la commande
La figure 14 présente les états de gestion d’une
commande (c : commande externe ou interne). Dans le
cas où le stock physique peut satisfaire la commande,
alors celle-ci sera validée sinon le stock est en situation
de rupture, ce qui déclenche un message à l’échelon
supérieur pour approvisionner le site.
4.2.3 Diagramme de séquence
La dernière étape abordée, pour la modélisation de notre
système de distribution multi-échelon, est le diagramme
de séquence fournis par UML. Le diagramme de
séquence représente la succession chronologique des
opérations réalisées par un acteur et les objets
manipulés, ainsi que les opérations mises en œuvre
entre objets.
Figure 15 : Diagramme de séquence « Nouvelle
commande »
La figure 15 illustre l’ensemble de messages échangés
pour valider une commande. Lorsqu’un demandeur se
présente au détaillant, il passe une commande et vérifie
le délai et le coût engendré par celle-ci, le détaillant de
 MOSIM’12 - 06 au 08 Juin 2012 - Bordeaux - France
sa part vérifie la disponibilité du stock et envoie
l’évaluation du délai et du coût au demandeur.
L’expédition de la commande ne sa fait qu’après
confirmation du demandeur.
Aussi, ce diagramme de séquence reflète un peu les
messages échangés pour passer d’une commande entre
les différents sites du réseau.
Figure 16 : Diagrammes de séquence « indicateurs
globaux »
Le diagramme de séquence de la figure 16 présente les
différents échanges qui se passent entre le superviseur,
le système d’information et le site. Par ailleurs, le calcul
des indicateurs globaux nécessite absolument une
connaissance des indicateurs locaux de l’ensemble de
sites existants dans le réseau, d’où le rôle important du
système d’information. Ce dernier permet l’échange, le
stockage, et la consolidation des données.
Outre l’évaluation des indicateurs globaux, il y a
l’évaluation des stocks échelon, l’optimisation du
système et la prévision de la demande.
5 Conclusion
Le travail présenté dans cet article traite la modélisation
des chaines logistiques de distribution multi-échelon.
Notre objectif est d'intégrer l’ensemble de
caractéristiques dynamiques et aspects stochastiques
dans un seul modèle, d’une part pour donner un
caractère générique au modèle, et d’autre part pour
apporter une aide à la bonne exploitation de ce type de
chaine. Pour réaliser cet objectif, nous avons introduit le
langage UML.
Dans cet article, nous avons d’abord présenté les
systèmes de distribution multi-échelon. Ainsi, nous
avons énuméré l’ensemble de caractéristiques qu’il faut
intégrer dans le modèle. En effet, les modèles existants
présentent quelques limites, qui se manifestent
principalement aux nombres d’hypothèses prises en
considération, d’où la nécessité d’une modélisation
globale de ce système.
Ensuite, nous avons décris le modèle développé selon
les deux vue statique et dynamique, la première
représente les fonctionnalités du système et la deuxième
montre son comportement.
Les travaux futurs vont s’orienter vers:
 le développement d’un outil de simulation basé sur
le modèle développé. L’outil permettra d’analyser
et d’évaluer les performances des chaines de
distribution multi-échelon.
 l’intégration des modules de prévision et
d’optimisation pour améliorer les performances
systèmes de distribution multi-échelon.
REFERENCES
Agus P., 2011. Multi-echelon inventory model for
repairable items emergency with lateral
transbordements in retail supply chain, Australian
Journal of Basic and Applied Sciences, p.462-474.
Beamon M., 1998. Supply chain design and analysis:
models and method, International Journal of
Production Economics, Vol.55, p.281-294.
Bollapragada R., Rao S., et Zhang J., 2004. Managing
two-stage serial inventory systems under demand
and supply uncertainty and customer service level
requirements, IIE Transactions, 36, 73-85.
Caggiano K.E., Jackson P. L., Muckstadt J.A. et
Rappold J.A, 2001. A Multi-Echelon, Multi-Item
Inventory Model for Service Parts Management with
Generalized Service Level Constraints, Cornell
University Operations Research and Industrial
Engineering.
Clark, A. et Scraf, H., 1960. Optimal policies for a
multi-echelon inventory problem, Management
Science, 50(12), 1782-1790.
Ech-Cheikh H., Lissane Elhaq S., Douraid A., 2011,
Approches de modélisation d’une chaîne logistique
de distribution multi-échelon -Etat de l’art.
Conférence internationale Conception et production
intégrée, Oujda, Maroc.
Harrel C. et Tumay K., 1994. Simulation made easy,
Engineering & Management press.
Kelton, W. D., Sadowski, R. P., & Sadowski, A., 2002.
Simulation with Arena: McGraw Hill.
Maria A., 1997. Introduction to modeling and
simulation, Proceedings of the 1997 Winter
Simulation Conference.
 MOSIM’12 - 06 au 08 Juin 2012 - Bordeaux - France

Min H. et Zhou G., 2002. Supply chain modeling: past,

present and future, Computers and Industrial
Engineering, Vol. 43, p.231-249.

Ng W., Piplani R., Viswanathan S., 2003. Simulation

workbench for analyzing multi-echelon supply
chains, Integrated manufacturing systems, vol. 14,
n° 5, p. 449-457.

Niranjan S. et Ciarallo W., 2009. Supply Performance in

Multi-Echelon Inventory Systems with Intermediate
Product Demand: A Perspective on Allocation,
Decision Sciences, Paper No. 09-0206.

Rossetti M., Varghese V., Miman M. et Pohl E., 2008.

Simulating inventory systems with forecast based
policy updating, Proceedings of the 2008 Winter
Simulation Conference, P.2732-2740.

Tlili M., Moalla M., Bahroun Z. et Campagne J-P.,

2010. Gestion de stocks avec transshipment dans un
réseau de distribution multi-sites et multi-échelons,
8e Conférence Internationale de MOdélisation et
SIMulation - MOSIM’10.

VILLEMINOT A., 2004. Modélisation et simulation de

la logistique d’approvisionnement dans l’industrie
automobile Application pour un grand constructeur,
Thèse de Doctorat, Université Henri Poincaré,
Nancy-I.

Wartha, C., Peev, M., Borshchev, A., & Filippov, A.,

2002. Decision Support Tool-Supply Chain. Paper
presented at the Proceedings of the 2002 Winter
Simulation Conference.

Zheng, B., Ding, X., 2008. Controlling of Multi-echelon

Inventory in Distribution Supply Chain System
based on Stochastic Demand, International
Conference on Logistics Engineering and Supply
Chain,.

View publication stats