GD PFE Aljaouahri 17

ENSA5/G.
INDUS/2016-2017
Rapport du Projet de Fin d’Etudes
Présenté par
Badr ALJAOUHARI
En vue de l’obtention d'un Diplôme d’Ingénieur d’Etat
Spécialité : Génie Industriel
Thème :
Optimisation des flux logistiques internes avec la mise en
place d’une organisation industrielle
Encadré par : Entreprise :

Mme Malika EL KYAL, Encadrant à l’ENSA
Dr. Hachmi CHENIK, Encadrant à l’Entreprise
Soutenu le : 07 / 07 / 17, devant la commission du jury : Mme EL KYAL

Mme LAKHNATI
M EL KORCHI
Projet de fin d’études 2016/2017
2
To the most precious person in my life at all...

To my Dear Mom !
3
Remerciements
Je tiens à remercier en premier lieu mes tuteurs de stage :
Mme Malika ELKYAL, d’avoir accepté de m’encadrer dans ce projet de fin

d’études, pour ses orientations et conseils, de son esprit attentif de chercheur, son
écoute, sa disponibilité et ses remarques précieuses,
Dr. Hachmi CHENIK, pour ses directives, ses conseils et recommandations tout au
long du stage, son écoute, et aussi pour l’exemple qu’il donne de personne
professionnelle et humaine,
Je remercie aussi M. Brahim LASRY de m’avoir donné l’opportunité d’effectuer ce

stage à ITEX, ainsi que tout le personnel de la société, pour leur accueil
chaleureux, leur professionnalisme et aussi leur humour, en particulier les
personnes avec qui on formait des groupes de travail,
Je remercie également toutes les personnes du Direction technique D&R, qui

m’ont aidé, orienté et donné conseil durant ce stage,
Et sans oublier mes chers… mon père, ma sœur et mes frères pour leur support
continu et conseils très précieux,
Merci beaucoup !
Badr ALJAOUHARI
4
Résumé
Le présent travail traite une problématique d’optimisation de flux au sein du groupe

Industrie Textile ITEX sa, dans le contexte d’orientation vers le marché africain. Il s’agit de
définir d’une nouvelle organisation industrielle qui permet d’optimiser le flux physique au
terme des coûts logistiques engendrés dans un réseau logistique Multi-produits, mono-
niveaux et mono-site, confronté à une demande probabiliste et de réduire l’écart entre la
prévision et la demande, afin d’accroitre la productivité. Aussi, définir les règles de gestion
internes et mettre en place un modèle de planification de la production et de stockage qui
permet de tenir compte de commandes fermes et prévisionnelles de réassort.
Des solutions et des pistes d’amélioration en réponse à la problématique posée sont
proposées.
5
Table de matières
Remerciements ............................................................................................................................... 4
Résumé .......................................................................................................................................... 5
Table de matières ........................................................................................................................... 6
Liste des figures .............................................................................................................................. 8
Liste des tableaux ......................................................................................................................... 10
Introduction général ...................................................................................................................... 12
ChapitreⅠ: Présentation du projet ....................................................................................... 15
1. Introduction .......................................................................................................................... 16
2. Identification de l’entreprise ............................................................................................... 16
2.1. Historique de l’entreprise ............................................................................................. 17
2.2. Fiche signalétique .............................................................................................. 18
2.3. Organigramme de l’entreprise ..................................................................................... 19
2.4. L’activité de l’entreprise ............................................................................................... 23
2.4.1. Données de base ................................................................................................ 23
2.4.1.1. Capacité annuelle ............................................................................................... 23
2.4.1.2. Support de matières premières & caractéristique ........................................... 24
2.4.1.3. Support de produit ............................................................................................. 26
2.5. Processus de fabrication ................................................................................... 28
3. La position du problème ..................................................................................................... 36
3.1. Structure de l’entreprise ITEX ...................................................................................... 36
3.2. Spécificités de la société ITEX ..................................................................................... 38
3.3. Les acteurs industriels de l’entreprise ITEX ............................................................... 40
3.3.1. Les fournisseurs ................................................................................................ 40
3.3.2. Les unités de production ................................................................................... 41
3.3.3. Les clients .......................................................................................................... 42
3.3.4. Les prestataires.................................................................................................. 43
3.4. Enjeux économiques dans l'industrie textile-habillement ......................................... 44
3.4.1. L’évolution des marchés au Maroc ................................................................... 44
3.4.2. Indicateurs de performance dans l’industrie textile-habillement ................... 45
4. Le cadre de travail ............................................................................................................... 46
4.1. Problématique ............................................................................................................... 46
4.2. Cahier des charges ....................................................................................................... 49
6
5. Conclusion ........................................................................................................................... 50
Chapitre Ⅱ : Etat de l’art et modèle de planification proposé ........................................ 51
1. Introduction .......................................................................................................................... 52
2. Chaîne logistique ................................................................................................................. 52
2.1. Notion de chaîne logistique ......................................................................................... 52
2.2. Les décisions dans la chaine logistique ..................................................................... 54
2.3. Optimisation de la chaine logistique ........................................................................... 55
2.4. Modélisation des chaines logistiques ......................................................................... 58
3. Etat de l’art ........................................................................................................................... 58
3.1. Les modèles mathématiques traitant les problèmes de planification de production
et stockage .............................................................................................................................. 58
4. Modèle de la chaîne logistique proposé ............................................................................ 63
4.1. Justification de choix entre les niveaux de décisions ............................................... 64
4.2. Description de modèle de planification avec partage de l’information ..................... 67
4.3. Modélisation mathématique ......................................................................................... 68
4.3.1. Modèle de planification tactique ....................................................................... 68
4.3.2. Modèle de planification opérationnel................................................................ 69
5. Conclusion ........................................................................................................................... 72
Chapitre Ⅲ : Validation des modèles de planification tactique et opérationnel ......... 73
1. Introduction .......................................................................................................................... 74
2. Description du cas d’étude ................................................................................................. 74
3. Résultats .............................................................................................................................. 78
3.1. Planification tactique .................................................................................................... 79
3.2. Planification opérationnel ............................................................................................ 82
4. Conclusion ........................................................................................................................... 97
Conclusion général ....................................................................................................................... 98
Annexe ...................................................................................................................................... 100
Bibliographie ............................................................................................................................... 146
7
Liste des figures
Figure 1 : autres activité du groupe JAMAI.................................................................................... 16

Figure 2 : Organigramme centrale de ITEX ................................................................................... 19
Figure 3:coton pur ......................................................................................................................... 24
Figure 4:coton pur ......................................................................................................................... 24
Figure 5 : fil polyester .................................................................................................................... 24
Figure 6 : Fil lycra ......................................................................................................................... 25
Figure 7 : Coton acrylique ............................................................................................................. 25
Figure 8 : Fil viscose ..................................................................................................................... 25
Figure 9 : Fil polyamide ................................................................................................................. 25
Figure 10 : Jersey ......................................................................................................................... 26
Figure 11 : Bouclette ..................................................................................................................... 26
Figure 12 : Interlock ...................................................................................................................... 26
Figure 13 : Piqué........................................................................................................................... 26
Figure 14 : Molleton ...................................................................................................................... 27
Figure 15 : sergé doublure ............................................................................................................ 27
Figure 16 : Taffetas ....................................................................................................................... 27
Figure 17 : Côtelé ......................................................................................................................... 27
Figure 18 : Flux de la matière........................................................................................................ 28
Figure 19 : Département filature 2 ................................................................................................. 29
Figure 20 : Département filature 1................................................................................................. 29
Figure 23 : Département tricotage 2 .............................................................................................. 30
Figure 26 : Département tissage ................................................................................................... 31
Figure 27 : Département tissage 2 ................................................................................................ 32
Figure 28 : Département teinture 1 ............................................................................................... 32
Figure 29 : Département teinture 2 ............................................................................................... 32
Figure 30 : Département finissage 1 ............................................................................................. 33
Figure 31 : Département finissage 2 ............................................................................................. 33
Figure 32 : Département confection 1 ........................................................................................... 34
Figure 36 : stock PF 1 ................................................................................................................... 36
Figure 37 : stock PF 2 ................................................................................................................... 36
Figure 38 : Structure des industries textile-habillement ................................................................. 37
Figure 39 : types de flux matière dans ITEX.................................................................................. 39
Figure 40 : Tracking signal 2015 & 2016 ....................................................................................... 47
Figure 41 : Indicateur BIAS 2015 & 2016 ...................................................................................... 47
Figure 42 : MAPE 2015 & 2016..................................................................................................... 48
Figure 43 : les activités du processus logistique d'une chaine logistique ....................................... 54
Figure 44 : Pyramide des niveaux de décisions ............................................................................ 54
Figure 45 : Classification des modèles mathématiques mono-site (21) ......................................... 62
Figure 46: Chaine logistique interne proposé pour ITEX ............................................................... 63
8
Figure 47 : Modèle hiérarchique de planification proposé ............................................................. 66

Figure 48 : Principe de période et horizon pour des niveaux tactiques et opérationnels ................ 66
Figure 49 : courbe logistique ......................................................................................................... 76
Figure 50 : production cumulative du produit Bouclette ................................................................. 77
Figure 51 : Coût total réel et optimisé durant 6 mois en Drh (2010) .............................................. 82
Figure 52 : Evolution des coûts en Drh (Teinture) ......................................................................... 95
Figure 53 : Evolution des coûts en Drh (Tissage) .......................................................................... 96
Figure 54 : Evolution des coûts en Drh (Tricotage) ....................................................................... 96
Figure 55 : Comparaison entre le coût global optimisé et réel pour les trois départements ........... 97
9
Liste des tableaux
Tableau 1: fiche signalétique ........................................................................................................ 18

Tableau 2 : Capacité annuelle....................................................................................................... 24
Tableau 3 : liste de fournisseur ..................................................................................................... 41
Tableau 4 : liste des clients ........................................................................................................... 43
Tableau 5 : Différences entre les types de modélisation des chaines logistiques (Taylor, 2003) ... 58
Tableau 6 : Prévision de production de P/C Ch-Trame ................................................................. 77
Tableau 7: Affectation de la quantité à produire chaque mois en Kg(Tissage) .............................. 79
Tableau 8 : Niveau de stock à la fin de chaque mois en Kg(Tissage)............................................ 79
Tableau 9 : Affectation de la quantité à produire chaque mois en Kg(Tricotage) ........................... 80
Tableau 10 : Niveau de stock à la fin de chaque mois en Kg (Tricotage) ...................................... 80
Tableau 11 : Affection de la quantité à produire chaque mois en Kg (Teinture) ............................. 81
Tableau 12 : Niveau de stock à la fin de chaque mois en Kg (Teinture) ....................................... 81
Tableau 13 : Coût total réel et optimisé durant 6 mois en Drh (2010) ............................................ 82
Tableau 14 : Affectation de la quantité à produire pour les commandes fermes en Kg J-F (Tissage)
..................................................................................................................................................... 83
Tableau 15 : Niveau de stock à la fin de la période en Kg J-F (Tissage) ....................................... 83
Tableau 16 : Affectation de la quantité à produire pour les commandes prévisionnelles en Kg J-F
(Tissage) ....................................................................................................................................... 84
Tableau 17 : Niveau de stock pour les commandes prévisionnelles en Kg J-F (Tissage) .............. 84
Tableau 18 : Affectation de la quantité à produire pour les commandes fermes en Kg J-F
(Tricotage) .................................................................................................................................... 85
Tableau 19 : Niveau de stock à la fin de la période pour les commandes fermes en Kg J-F
(Tricotage) .................................................................................................................................... 85
Tableau 20 : Affectation de la quantité à produire pour les commandes Prévisionnelles en Kg J-F
(Tricotage) .................................................................................................................................... 86
Tableau 21 : Niveau de stock à la fin de période pour les commandes prévisionnelles en Kg J-F
(Tricotage) .................................................................................................................................... 86
Tableau 22 : Affectation de la quantité à produire pour les commandes fermes J-Fen Kg (Teinture)
..................................................................................................................................................... 87
Tableau 23 : Niveau de stock à la fin de période pour les commandes fermes J-F en Kg (Teinture)
..................................................................................................................................................... 87
Tableau 24 : Affectation de la quantité à produire pour les commandes prévisionnelles J-F en Kg
(Teinture) ...................................................................................................................................... 88
Tableau 25 : Niveau de stock à la fin de période pour les commandes prévisionnelles J-F en Kg
(Teinture) ...................................................................................................................................... 88
Tableau 26 : Affectation de la quantité à produire pour les commandes fermes M-A en Kg
(Tissage) ....................................................................................................................................... 89
Tableau 27 : Niveau de stock à la fin de période pour les commandes fermes M-A en Kg (Tissage)
..................................................................................................................................................... 89
Tableau 28 : Affectation de la quantité à produire pour les commandes prévisionnelles M-A en Kg
(Tissage) ....................................................................................................................................... 90
Tableau 29 : Niveau de stock à la fin de la période pour les commandes prévisionnelles M-A en Kg
(Tissage) ....................................................................................................................................... 90
Tableau 30 : Affectation de la quantité à produire pour les commandes fermes M-A en Kg
(Tricotage) .................................................................................................................................... 91
10
Tableau 31 : Niveau de stock à la fin de période pour les commandes fermes M-A en Kg
(Tricotage) .................................................................................................................................... 91
Tableau 32 : Affectation de la quantité à produire pour les commandes prévisionnelles M-A en Kg
(Tricotage) .................................................................................................................................... 92
Tableau 33 : Niveau de stock à la fin de période pour les commandes prévisionnelles M-A en Kg
(Tricotage) .................................................................................................................................... 92
Tableau 34 : Affectation de la quantité à produire pour les commandes fermes M-A en
Kg(Teinture) .................................................................................................................................. 93
Tableau 35 : Niveau de stock à la fin de période pour les commandes fermes M-A en Kg (Teinture)
..................................................................................................................................................... 93
Tableau 36 : Affectation de la quantité à produire pour les commandes prévisionnelles M-A en
Kg(Teinture) .................................................................................................................................. 94
Tableau 37 : Niveau de stock à la fin de période pour les commandes prévisionnelles M-A en
Kg(Teinture) .................................................................................................................................. 94
Tableau 38 : Coût optimisée et réel (Teinture) .............................................................................. 95
Tableau 39 : Coût optimisé et réel (Tissage) ................................................................................. 95
Tableau 40 : Coût optimisé et réel (Tricotage) .............................................................................. 96
Tableau 41 : Coût global optimisé et réel pour les trois départements .......................................... 97
Tableau 42 : La production dans différents départements en KG (2016) ..................................... 100
Tableau 43 : la prévision de la production dans différents départements en KG (2016) .............. 100
Tableau 44 : Forcast error et BIAS (2016)................................................................................... 101
Tableau 45 : MAPE et Absolute percentage error (2016) ............................................................ 101
Tableau 46 : MAD, Standard deviation et Trakcing signal (2016) ................................................ 102
Tableau 47 : Production en KG (2015) ........................................................................................ 102
Tableau 48 : Prévision de la production en KG (2015) ................................................................ 103
Tableau 49 : MAPE et Absolute percentage error (2016 ............................................................. 103
Tableau 50 : Forcast error et BIAS (2015)................................................................................... 104
Tableau 51 : MAD, Standard deviation et Trakcing signal (2015) ................................................ 104
Tableau 52 : Commandes fermes de Teinture 2010 en KG ........................................................ 112
Tableau 53 : Commande fermes de Tissage 2010 en Kg............................................................ 113
Tableau 54 : Commandes fermes de tricotage 2010 en KG ........................................................ 114
Tableau 55 : Différents coûts des produits de teinture (2010) ..................................................... 115
Tableau 56 : Différents coûts des pdts de tissage (2010) ............................................................ 116
Tableau 57 : Différents coûts des pdts de tricotage (2010) ......................................................... 117
Tableau 58 : Prévisions des productions pour Janvier et Février (Tissage) ................................. 118
Tableau 59 : Prévisions des productions Mars et Avril (Tissage) ................................................ 118
Tableau 60 : Prévisions des productions pour Janvier et Février (Tricotage) .............................. 119
Tableau 61 : Prévisions des productions pour Mars et Avril (tricotage) ....................................... 120
Tableau 62 : Prévisions des productions pour Janvier et Février (einture) .................................. 121
Tableau 63 : prévisions des productions pour Mars et Février (Teinture) .................................... 122
Tableau 64 : Commandes fermes pour Janvier-Février (Tissage) ............................................... 123
Tableau 65 : Commandes fermes pour Mars-Avril (Tissage) ...................................................... 123
Tableau 66 : Commandes Fermes pour Janvier-Février (Tricotage) ........................................... 124
Tableau 67 : Commandes fermes pour Mars-Avril (Tricotage) .................................................... 125
Tableau 68 : Commandes fermes pour Janvier-Février (Teinture) .............................................. 126
Tableau 69 : Commandes fermes pour Mars-Avril (Teinture) ...................................................... 127
11
Introduction général
Comme nous savons, qu’il y a trois fonctions traditionnelles sur la chaîne logistique :
l’approvisionnement, la production et la distribution. Depuis longtemps, les industries ont
géré ces fonctions de façon indépendante. Cette approche de découplage est faisable
quand il y a suffisamment de stocks, mais le coût et le délai augment en maintenant des
stocks. Aujourd’hui, face à une concurrence de plus en plus forte, toutes les entreprises
commencent à s’améliorer leur flux de la chaîne logistique en intégrant différentes fonctions
afin de diminuer le coût opérationnel et d’augmenter la qualité du service.
Dans un contexte de globalisation croissante et de crise économique et financière et
face aux aléas de la demande et à la grande volatilité des marchés, l’entreprises ITEX,
soucieuse de préserver contre vents et marée ses équilibres physiques, économiques et
financiers, se trouve largement exposée à une rude concurrence internationale dans le
domaine textile-habillement. Pour cela, le groupe JAMAI décide d’orienter l’entreprise ITEX
vers l’Afrique où le marché africaine connaît des croissances significatives, et de faire
construire un nouveau site au Cameron. Cette entreprise est plus que n’a aucun autre
moment engagée dans un vrai et difficile combat pour la survie. Elle est confrontée à
d’énormes et multiples défis et se trouve obligée d’adopter d’urgence des plans
d’ajustement structurel et de rehausser son niveau de management. Plus vite l’entreprise
s’engagera sur le chemin de l’innovation et de l’optimisation de son chaine logistique, plus
vite elle retrouvera les ressorts d’un développement rapide et durable en refondant des
structures industrielles suffisamment compétitives pour être pérennes. En effet, le besoin
de la société ITEX focalise sur le développement de nouvelles approches de pilotage de
flux interne et externe, visant à satisfaire le client final tout en minimisant les coûts.
Les domaines d’étude du Supply Chain Management sont très nombreux et ont trait à
des domaines aussi divers que les domaines de la logistique pure, la recherche
opérationnelle, le contrôle de gestion, les technologies d’information, ou encore le droit.
Notre problématique se focalise sur l’étude de problème tactique et opérationnel de chaîne
logistique interne de ITEX. Les problématiques de Supply Chain Management s’inscrivent
dans un contexte de problématiques globales hiérarchisées. En effet, le domaine
scientifique décrit ces dernières au moyen de trois niveaux : le niveau stratégique, tactique
et opérationnel. Ces niveaux diffèrent l’un de l’autre en fonction de leur domaine
d’application et de leur temporalité. L’étude conjuguée de ces derniers est primordiale à la
performance de tel système. Néanmoins, les problèmes tactiques possèdent la
12
caractéristique de jouir d’une flexibilité suffisante pour assurer un niveau de performance du

système aux moyens de décisions qui génèrent des coûts très différents. La spécificité de
ce niveau est donc d’offrir aux managers un large panel de décisions directement liées à la
future performance.
La modélisation des problèmes de planification tactique et opérationnelle, ainsi
l’intégration entre les deux modèles, est un problème très vaste et très complexe. Tout
d’abord, cette complexité est générée par la compréhension même du problème industriel.
Comme mentionné précédemment, l’objectif de la planification tactique et opérationnelle est
de générer une solution permettant d’assurer un taux de service client minimisant le coût
logistique généré. Ainsi, et compte tenu de la diversité des contextes industriels et
économiques, la solution apportée doit répondre aux deux questions suivantes :
 La solution générée est-elle pertinente ?
 La solution générée répond-elle aux besoins industriels en termes de critères
d’évaluation ?
Dans ce travail de projet de fin d’études, nous nous sommes donnés comme objectif
d’étudier l’intérêt d’une meilleure coordination entre différentes décisions de planification
dans la chaine logistique textile au sein de l’entreprise ITEX pour répondre aux exigences
du marché. Ces décisions relèvent de niveaux temporels différents et de fonctions
différentes de la chaîne logistique, à savoir la production et le stockage. Ce réseau logistique
est aussi caractérisé par une variabilité de la demande sur différents niveaux de décisions.
En effet, certaines commandes sont à longs délais de livraison pouvant atteindre les 3 mois,
d’autres représentent des commandes urgentes de réassorts ou d’actualisation des produits
et sont à courts délais de livraison dépassant rarement les 3 semaines.
Par notre travail nous visons les objectifs suivants :
Le premier objectif est de faire réduire les stocks des encours et de minimiser le coût
logistique total interne (coût de production, de lancement, et de stockage).
Le deuxième objectif consiste à proposer un modèle adéquat de planification de la
production et de stockage, afin d’optimiser les coûts et la satisfaction du client final en
termes de respect des délais.
Notre dernier objectif est de prouver l’intérêt du partage de l’information entre les
différents départements de l’entreprise.
Le manuscrit est organisé de la manière suivante :
Dans le premier chapitre, nous présentons le contexte général de projet. Ce chapitre
peut être divisé en trois parties. Dans la première, nous commençons par introduire la
13
présentation de l’entreprise d’accueil et le fonctionnement global. Dans la deuxième partie,

nous introduisons les détails concernant la position de problème en vue de déduire la
structure et les spécificités de l’entreprise ainsi les acteurs de cette dernière. Les enjeux
économiques pour ce type d’industrie ainsi que l’évolution du marché marocain. A la fin de
ce chapitre, dans la troisième partie, nous exposons notre problématique et le cahier des
charges.
Dans le deuxième chapitre, nous commençons par introduire la notion de chaine
logistique et tous les concepts qui y sont liés. Nous définissons la gestion de la chaîne
logistique, ainsi que les principaux types ou architectures de chaînes logistiques, décrivons
quelques outils et notions tel que : les différents fonctions et les niveaux de décisions. Puis,
nous présentons un état de l’art sur les principaux modèles liés à ce travail et une
classification des différents modèles mathématiques qui traitent le problème de planification
tactique de la production et de stockage. Ce chapitre se termine par une description de nos
modèles de planification tactique et opérationnel proposés et notre positionnement par
rapport aux modèles recensés dans la littérature, par la suite, nous détaillons pour cela, les
modèles mathématiques proposés aux niveaux de décisions tactique et opérationnel, tenant
compte des commandes prévisionnelles de réassort et des commandes fermes qui arrivent.
Dans le troisième chapitre, nous évaluons nos modèles de planification proposées par
la validation sur un cas réel de l’entreprise ITEX, en considérant un partage de l’information
concernant la demande entre les départements de l’entreprise. Cette information partagée
à l’avance, a pour objectif de permettre aux départements qui se trouvent en amont de
prévoir la demande future et de réduire les stocks des encours. Dans notre travail nous
avons utilisé cette information avancée sur la demande pour réduire les erreurs de prévision,
moyennant une méthode adéquate de prévision. Enfin, nous confirmons un gain en coût
global, induit par le partage d’une information fiable.
En effet, notre travail est le résultat d’un assemblage qui croise les données de première
main que nous avons collectées au fil de 4 mois de travail et deux thèses sur lesquels nous
nous appuyons.
14
ChapitreⅠ: Présentation du projet
15
1. Introduction
L’objectif de toute entreprise est de livrer des produits à ses clients, en quantité
demandée, dans le lieu demandé, à la date demandée, et au moindre coût. Il est donc clair
que le bon fonctionnement d’une entreprise repose essentiellement sur la maitrise de son
flux logistique. Le domaine Textile-Habillement est très complexe et très diversifiée en
termes de contrainte d’organisationnelles et de caractéristiques de ventes.
Nous nous attachons dans ce chapitre de présenter le contexte du projet, et à définir
les grandes lignes de notre problématique. Dans un premiers temps, nous commençons par
identifier l’entreprise d’accueil, puis nous présentons la position de problème. Finalement,
nous exposons le cadre de travail.
2. Identification de l’entreprise
Fondée en 1966, la société ITEX SA bénéfice aujourd’hui de plus de 51 années
d’expérience dans le domaine de l’industrie du textile-habillement.
Installé à Casablanca sur une superficie de 110 000 m2 couvert, ITEX emploie 1483
personnes dont 100 cadres et ingénieurs, hautement qualifiés.
La société ITEX, intégrée, est constituée de 8 unités toutes orientées vers la
performance, l’innovation, la qualité et le service, grâce aux investissements innovateurs de
ces dernières années en équipements modernes. Elle accomplit tout le processus de
production : filature, tissage, tricotage, teinture, finissage, et confection.
La société ITEX appartient au groupe JAMAI, véritable pionnier de l’immobilier au Maroc,
le groupe JAMAI œuvre plus de 45 ans
à consolider sa place de leader sur le
marché national.
Le groupe présent aussi sur le
marché agricole et autres activités (voir
figure 1).
Figure 1 : autres activité du groupe JAMAI
16
Le CFA-ITEX a inscrit à ses classes de formation plus de 150 apprentis, entre 2005 et
2015.
Le Ministre Marocain de la Formation Professionnelle Mr Jamal AGHMANI s’est déplacé
en personne aux usines pour délivrer les diplômes aux lauréats.
Le Centre de Formation de l’entreprise fonctionne comme une école indépendante, doté
d’un budget spécial, disposant des autorisations officielles du gouvernement marocain (Loi
N°12-1) et avec l’accompagnement de la GTZ Allemande.
2.1. Historique de l’entreprise
Fondée en 1966 sous l’appellation de JAMAI frères, la société a été restructurée en 1974
et a pris comme raison sociale « ITEX ».
1997 : la situation a complétement changé, dés 01/07/1997 ITEX dispose une superficie
totale de 110 000 m2, et un effectif 1200 en confection seulement et 60 personnes dans le
département administratif plus de 30 techniciens avec une capacité de production qui atteint
35 000 pièce/jour ceux-ci avec un nouveau capital de 120.000.000 Drh.
2000 : ITEX investi un Filature et agrandie son atelier open-end avec l’acquisition de
nouveaux machines Allemands (AUTO) avec un nouveau capital de 160.000.000 Drh.
2005 : Création du CFA-ITEX avec les partenaires européennes (GTZ, Union
européenne) et le secrétariat d’état à la formation professionnelle des gouvernements de
sa majesté, avec l’objectif de former 120 personnes par année avec des embouches à la fin
de leur formation.
2006 : Renforcement de la capacité de production de la filature par l’achat de plusieurs
machines de filature, de même, à la confection, acquisition de plusieurs machines spéciales.
Un nouveau capital de 200.000.000 Drh.
2007 : Investissement important, création des nouveaux départements, finissage
(emerisage, rame, impression, grattage… etc.), teinture, tissage et tricotage. L’achat de
nouvelles machines près de 112 machines, ceux-ci avec un nouveau capital de 280.000.000
Drh.
2008 : Année de capitalisation des connaissances et du savoir-faire.
2009 : la décroissance en chiffre d’affaire à cause de la concurrence. Obtention du
certificat ISO 9001:2008.
2015 : orientation vers le marché africain.
17
2.2. Fiche signalétique
Raison social ITEX

Adresse 2030 Casablanca, route de Bouskoura, Zone Industriel Lissasfa
Capital 280 000 000 Drh
Chiffre d’affaires 122 Milliards centimes
Marché de la
Union européen, Maroc
société
Superficie 110 000 m2
Effectif 1483 personnes
Forme juridique SA (société anonyme)
Création 1966
M. Ahmed JAMAÏ GHAZLANI (PDG)
Dirigeant
Mme. Ilham JAMAÏ GHAZLANI (DG)
Filature, tissage, tricotage, teinture, finissage (impression,
Activités
grattage, cadrage …), confection
Certifications ISO 9001/2008 et GOTS V2.0
e-mail ITEX@casanet.net.ma
Téléphone 0522 914 890 – 0522 914 891
Fax 0522 914 756
Capacité de
20 000 pièces/jour
production
Tableau 1: fiche signalétique
18
2.3. Organigramme de l’entreprise
Figure 2 : Organigramme centrale de ITEX
19
Chacun de ces services occupe un rôle au sein de l’entreprise, assurant des actions et
exécutant des taches.
On peut définie le rôle de chaque service comme suit :
Direction générale
Géré par Mme JAMAÏ, ce service supervise l’organisation, le fonctionnement et le
développement de la société. Il a charge d’orienté les stratégies de la société et réaliser ses
projets. Il est en lien direct avec tous les responsables inférieurs.
Direction commercial
Directement lie à la direction générale, le directeur commercial est un responsable en
commercial qui par ailleurs gère plusieurs services (Service commercial, bureau de création,
atelier échantillons, show-room).
Il prend en charge le contact des clients, les offres des prix, la passation des
commandes et leurs suivis jusqu’aux stades de la fabrication, l’expédition et même jusqu’au
règlement de la facture par le client. Il se décompose de plusieurs services :
Service commercial
Il a comme principales missions :
 Rester toujours en étroite relation avec la direction commerciale pour toute offre
ou négociation des prix ;
 Encadrer, animer, contrôler, former une équipe de commerciaux et assurer des
missions de ventes auprès de certains clients ;
 Fournir régulièrement à la direction des informations sur le marché.
Bureau de création
Élaborer et gérer la collection à partir des cahiers de tendances, des besoins du marché
et de la stratégie de l'entreprise (image de marque, cible…).
Atelier échantillons
Afin de pouvoir apprécier la qualité de ses produits, les clients ont la possibilité de
recevoir des échantillons de faire-part et support.
Show-room
L’entreprise possède des lieux d’exposition, et éventuellement de vente, destinée à la
mise en valeur exclusive des produits des fabricants. Ces lieux d’exposition peuvent être
considérés comme privilégié car il est généralement d’un design particulièrement soigné
pour mettre en valeur la gamme de produits et l’image du fabricant.
20
Direction ressources humaines

Ce département supervise :
 La politique de recrutement
 La politique des salaires
 La communication interne et externe
 Les conditions de travail
Il est en relation avec :
 La direction générale pour le tenir au courant de ses activités ;
 La direction administrative financière & ressources humaines du groupe JAMÏ
pour toute question qui intéresse la vie professionnelle.
Direction technique D&R
Le métier de directeur technique consiste à gérer l'ensemble des activités et des
ressources techniques de l’entreprise et à accompagner les projets de production. Le
directeur technique D&R garde toujours un rôle essentiel d'interface entre la direction
générale et la direction ressources humaines. Il s'occupe de la maintenance de la production
en adaptant la stratégie industrielle aux divers sites de production. Il intervient sur les
méthodes, sur la qualité, la sécurité et l'environnement et veille au respect des normes et
du cadre législatif. Ses fonctions l'amènent à coordonner le travail des équipes et à
l'optimiser. Il propose des projets innovants et établit des programmes de recherche et de
développement. Il participe également à la conception de nouveaux produits et procédés,
en étudiant leur faisabilité technique.
Direction technique de production
Dans le cadre de la bonne gestion de l’entreprise, le responsable de production
coordonne l’activité de tous les départements de production (filature classique / open end,
tissage, indémaillable, tricotage, texturation, teinture, finissage, magasin MP, magasin PF
et magasin fournitures), établit des mesures de productivité en vue d’assurer au niveau de
qualité conforme aux exigences de la clientèle.
Ainsi, le responsable de ce service assure trois principales tâches :
 Superviser le personnel de production ;
 Gestion de la production ;
 Mesure de performance.
Direction confection
 Veille et recherche sur les nouvelles technologies et méthodes de son secteur
21
 Recherche de solutions pour améliorer la productivité, la réactivité et la qualité

de la production
 Elaboration du programme de fabrication
 Définition du planning de la production
 Planification et ordonnancement des essais sur de nouveaux produits ou
procédés
 Traitement des problèmes de processus de production
 Contrôle et suivi du déroulement de la fabrication
Direction des achats
En général le service approvisionnement a pour rôle d’approvisionner à la société la
matière dont elle a besoin pour son fonctionnement.
Dans le cadre de la politique d’achat et investissement du groupe, le directeur des chats
doit veiller à la conformité des produits aux besoins formulée, au moindre coût et dans les
délais imparti et dans les meilleurs conditions.
Ces activités principales sont :
 La négociation ;
 L’optimisation en matière de coût d’approvisionnement ;
 L’adéquation en termes de délai et de qualité.
Direction administrative financière & ressources humaines du groupe
Ce service a pour principale mission d’effectuer un suivi de la gestion et du développent des
ressources humaines, et du maintien d’in bon climat relationnel avec les représentants du
personnel.
Le rôle du directeur des ressources humaines ne se limite pas à ce stade, mais le dépasse
pour couvrir d’autre mission, à savoir :
 Assurer le développement de l’organisation en la dotant de ressources humaines
compétentes performantes, et ce dans le respect des principes et des valeurs
adoptées par l’entreprise. Ainsi la gestion administrative du personnel et mettre en
œuvre la politique sociale définie d’assurer l’optimisation des ressources humaines
de l’unité d’Agadir tout en maintenant un bon climat social ;
 Effectuer les travaux de comptabilité clients et matières, facturation, caisse, transit ;
 Intervenir dans le périmètre englobant toutes les activités informatique d’intérêt
général pour la société. Ce service a mis en œuvre le système LECTRA SYSTEM
dans les départements confection depuis 1996.
22
Système management qualité

 Certification ISO 9001 : 2008
 Certification ISO 14001
 GOTZ (Production BIO)
Pour une raison ou d’autre. La société ITEX a mis en place un système qualité selon la
norme ISO 9001 version 2000 puis il l’a transité en mettant en œuvre un système de
management de la qualité certifie conformément à la norme ISO9001 version 2008 en
couvrant les activités de conception et de fabrication des fils, des tissus, et des habillements.
Le groupe s’est engagé dans une démarche de management intégré qualité et
environnement conformément respectivement aux normes ISO9001 version 2008 (pour la
qualité), ISO 14001 (pour l’environnement).
Ce système est suivi et revu systématiquement dont l’audit interne fait un des moyens
de mesure.
Il analyse les caractéristiques et détermine la composition du modèle transmis par le
client, ainsi que les nouveaux produits et participe au suivi du traitement des réclamations
clients.
Ce service œuvre sur trois axes différents mais complémentaires :
 Le contrôle du coton et fil import ;
 Le contrôle du produit fini ;
 Le contrôle de différentes étapes de productions.
2.4. L’activité de l’entreprise
ITEX est un complexe qui accomplit toutes les opérations nécessaires pour passer de
la matière textile en bourres aux pièces finales dites prêt-à-porter, donc ici on trouve toute
sorte de produit textile. Elle accomplit elle-même toutes les opérations de filature, de
tissage, de tricotage, de teinture, de finissage, de confection et de distribution, elle contrôle
la qualité de ses produits chaque stade de fabrication afin de répondre au maximum aux
exigences de ses clients nationaux et internationaux.
2.4.1. Données de base
2.4.1.1. Capacité annuelle
Département Capacité annuelles
Filature 2 000 Tonnes
Teinture 2 750 T
Texturation 1 000 T
23
Rame 12 500 000 mètres

Tissage 5 500 000 m
Impression 2 000 000 m
Tricotage 15 000 000 m
Grattage 2 500 T
Indémaillable 4 000 000 m
Emerisage 3 500 000 m
Tableau 2 : Capacité annuelle
2.4.1.2. Support de matières premières & caractéristique

Coton pur : Le coton est une fibre végétale qui
entoure les graines des cotonniers, un arbuste de la
famille des Malvacées. Cette fibre est généralement
transformée en fil qui est tissé pour fabriquer des
tissus, des tricots, et les vêtements mailles. Le
coton est la plus importante matière utilisé par
l’entreprise.
Figure 3:coton pur
Fil Polyester : En polyester, la substance Figure 4:coton pur

formant les fibres est un polymère synthétique à
longue chaîne composé d'au moins 85% en poids,
d'un ester d'acide carboxylique aromatique
substitué, mais elle ne se limite pas à des unités
de téréphtalate substitués ni de para-hydroxy
benzoate substitué.
Dans la production de ces fibres, les éléments Figure 5 : fil polyester
de base du carbone, de l'oxygène et de l'hydrogène

sont polymérisés. Des variantes sont possibles dans les modes de production, par la
combinaison des ingrédients et des structures moléculaires ultimes de la substance
formant la fibre. Il est utilisé en habillement - mailles et tricots, chemises, pantalons, vestes,
chapeaux, etc.
24
Fil Lycra : Ce fil élasthanne, qui rend les textiles

plus extensibles et plus confortables, a été
rapidement adopté pour la conception de nombreux
vêtements. Le Lycra à l'état nu est notamment utilisé
pour la fabrication des sous-vêtements, pour les
bords-côtes, les bas et les collants, et il sert aussi
pour vêtements de sport.
Figure 6 : Fil lycra
Coton acrylique : Ses excellentes propriétés en

termes de densité, de coloration et d'adaptabilité à
d'autres fibres, combinées à sa sensation de douceur
et à son élasticité, font de Fibre d'acrylique un
matériau parfaitement adapté à une grande variété
d'applications, notamment les pulls, chaussettes,
gilets et autres vêtements, ainsi que les couvertures,
matelas et rideaux Figure 7 : Coton acrylique
Fil viscose : le fil est fabriqué à partir de

polymères d'origines naturelles qui simulent les
fibres cellulosiques naturelles. Ce n'est ni une fibre
synthétique ni vraiment une fibre naturel. Ce type de
fil est notamment utilisé pour la fabrication des robes,
vestes, lingerie, doublures, costumes, cravates, etc.
Figure 8 : Fil viscose
Fil Polyamide : Les polyamides sont des

polymères. Matières synthétiques, fils résistants,
souples, et relativement élastiques, d'entretien facile.
Exemples : Meryl, Tactel. Il est utilisé en vêtements -
collants, bas, leggings, etc.
Figure 9 : Fil polyamide
25
2.4.1.3. Support de produit

Une variété de fibres et de microfibres :
Jersey : Tricot asymétrique dont les deux faces
présentent des aspects différents. C'est le liage le plus
simple que l'on puisse réaliser dans cette technique. Le
jersey est utilisé principalement par l'industrie de
l'habillement. Le jersey peut être réalisé dans du coton,
lin, viscose polyester, polyamide, etc.
Figure 10 : Jersey
Bouclette : Pour le jersey bouclette classique,

deux fils sont utilisés: un pour le fond, généralement,
en polyamide ou polyester, l'autre pour la boucle en
coton. Différentes hauteurs de boucles existent.
L'aspect velours peut être obtenu par traitement
d'apprêt dit, de rasage, (coupe du sommet de la
boucle). Figure 11 : Bouclette
Interlock : Les deux faces sont identiques. Il est fait

sur métier double-fonture dont les aiguilles sont
positionnées face à face.
Figure 12 : Interlock
Piqué : Les mailles sont chargées en quinconce et

donnent un aspect de relief à la face endroit du tricot.
Figure 13 : Piqué
26
Molleton : Deux fils sont nécessaires pour faire

une rangée de mailles. La face envers de ce tricot
jersey possède des fils dits «de chaine». Ils forment de
longs flottés pouvant être grattés. Ce tricot est appelé
«visible» car les points d'accrochage sont perceptibles
sur la face endroit.
Figure 14 : Molleton
Sergé doublure : est un tissu produit avec l'une

des trois armures principales de tissage appelée le
sergé. Ainsi, la serge désigne l'ensemble des textiles
élaborés par ce type de tissage qui se caractérise par
la présence de côtes obliques sur l'endroit et l'envers.
Elle peut être à effet chaîne ou trame. C'est une armure
dite à décochement.
Figure 15 : sergé doublure
Taffetas : A l’origine, le taffetas était un tissu en

soie, aujourd’hui, il existe en synthétique. Ce tissu, au
grain régulier, doux et cassant, avec des côtes très
fines et un aspect lustré, se froisse facilement. Le
taffetas existe généralement en couleurs unies et
brillantes. Ce tissu est utilisé pour les confections de
tenues de soirée et robes de mariée. Figure 16 : Taffetas
Côtelé : Le tricot est obtenu par la suppression

régulière d'aiguilles sur les deux fonçures du métier. Ce
qui a pour effet de donner un aspect côtelé sur les deux
faces. On peut éventuellement y incorporer de
l’élasthanne afin d'augmenter l'élasticité de la maille.
Figure 17 : Côtelé
27
2.5. Processus de fabrication
Figure 18 : Flux de la matière
28
La société ITEX regroupe tous les métiers intervenant dans la conception, la fabrication
et la distribution d’un article textile-habillement. Ces métiers se réalisent totalement au sein
de la société. La fabrication d’un produit fini peut suivre différent parcours à travers la filière
en fonction de ses caractéristiques (par exemple, une chemise peut être réalisée à partir de
fils tissés puis teints, ou inversement à partir de fils teints puis tissés). La figure représente
le flux matières au sein de la société.
Les principales étapes de la filière sont :
Réception
La plupart des fournisseurs envoient les produits suivant un planning pré établi avec le
la direction des achats. Une fois le camion est arrivé, les produits sont déchargés dans les
quais de réception correspondants. Un comptage de produits est effectué pour certaines
marques pour vérifier la quantité reçue. La livraison se fait par trois modes de transports :
le camion, le bateau, et l’avion.
Département de filature
Figure 20 : Département filature 1 Figure 19 : Département filature 2
Figure 22 : Département filature 3 Figure 21 : Département filature 4
29
Le filateur conçoit le fil ou filé à partir des fibres.

La matière parfaite des différentes étapes du processus de filature en open-end et
classique est le résultat de des efforts d’investissement dans la formation et l’acquisition des
dernières technologies.
Une maitrise certifiée par ISO 9001 en 1994, renouvelée par ISO 9001 : 2008 avec la
certification biologique GOST qui est en cours de validation.
Grace à la performance de ses filatures, la production peut atteindre 1500 à 2000
Tonnes par an, des fils à usage polyvalent dans des grosseurs multiple, en coton, polyester,
acrylique, et différent mélanges. Ces fils sont écru, teints ou chinés…
Dès la réception des matières premières et pendant tout le cycle de fabrication, des
contrôles sérieux de qualité sont réalisés dans nos laboratoires, ceux-ci sont dotés d’un
matériel sophistiqué et d’un personnel spécialisé dont l’objectif est de veiller au respect des
normes qualité.
Département de tricotage
Figure 24 : Département tricotage 1 Figure 23 : Département tricotage 2
Figure 25 : Département tricotage 3
30
Le bonnetier crée le tricot à partir des bobines de fils.

Avec la bonneterie circulaire et la flexibilité de ses 96 métiers, adaptables avec des
jauges allant de 12 à 18, en mono ou double denture, ITEX tricote entre 1500 à 2000 Tonnes
par an.
La flexibilité de son matériel lui permet de répondre rapidement à la demande de ses
clients quel que soit le type de tricot, une gamme très étendue en uni ou jacquard …..
Molletons, Jersey, Polaire, Peluche, dans les matières diverses.
La production est sous contrôle permanent grâce au personnel qualifié.
Ce département est également doté de matériel rectiligne pour la fabrication de cols,
bord cotte en uni ou jacquard, le cordon et l’élastique.
Département texturation
Opération consistant à augmenter le volume et parfois l’élasticité d’un fil en utilisant
généralement ses propriétés thermoplastiques
Doté de plusieurs technologies de texturation, de dernière génération, cette unité a une
capacité de 1000 tonnes par an et la possibilité de travailler le polyester.
Les équipements de contrôle permettant d’assurer une production de qualité et le suivi
permanent de la régularité des différents fils travaillés.
Département tissage
Le tisseur réalise le tissu à partir des bobines de fils.
Ce département de tissage chaine et trame est équipé de 50 métiers à lance et 50
métiers à jet d’eau, une capacité de production de 5 500 000 mètres par an. Des tissus de
différentes contextures : en microfibres, polyester, poly-coton, etc.
Figure 26 : Département tissage
31
Figure 27 : Département tissage 2
Département indémaillable
Ce département est doté de la dernière génération d’équipement en étirage de POY et
de préparation d’ensouples.
ITEX, une des rares sociétés qui possèdent et maitrisent tous les types de tissage, est
également équipée de 72 métier pour tissus polyester indémaillable.
Une capacité de 1 000 à 1 200 Tonnes par an. Dans des articles de qualité, syfraline,
charmeuse, filets . . .
Département de teinture
Figure 28 : Département teinture 1
Figure 29 : Département teinture 2
32
Le teinturier apporte la coloration et l’apprêt sur le tissu et le tricot.

Le département teinture est doté, comme les autres départements, de laboratoires
utilisant les dernières technologies d’étude, d’analyse et de contrôle des colorants et des
solidités des produits finis. Il bénéficie également d’une unité de traitement de l’eau pour
son usage propre.
Avec sa capacité de 15 tonnes par jour, département teinture est doté de matériel
ultramoderne complètement automatisé qui, combiné au savoir-faire de professionnels
hautement qualifié en la matière, permettent à la société ITEX une maîtrise parfaite de sa
teinture sur tous les supports.
Département finissage
Figure 30 : Département finissage 1
Figure 31 : Département finissage 2
33
Le département finissage constitue l’un des éléments importants du processus de

fabrication, avant la confection.
Des équipements de qualité et performances sont à la disposition des professionnels et
des ingénieurs spécialisés. ITEX offre à ses clients des supports dans de multiples finitions
avec des qualités de toucher et des performances reconnues.
La passion de ce département est la qualité, le service et la performance. Pour ce faire,
ITEX dispose de rames et de moyens de pointe pour l’impression, l’emerisage, le cadrage
et le grattage avec d’énormes capacités de production.
La coupe
Les dernières technologies sont présentes, C.A.O, chariots automatisés, et surtout des
hommes qualifiés et soucieux de la précision exigée.
La rigueur dans le moindre détail, élément indispensable pour les 20 000 pièces
coupées par jour.
TRIAGE & PREPARATION
Indispensable pour garantir la qualité et la productivité, ce département est équipé d’une
gestion informatisé. Celui-ci permet d’identifier l’ensemble des pièces coupées. Un contrôle
qualitatif et quantitatif est indispensable avant l’assemblage.
Département de confection
Le confectionneur découpe et assemble des tissus ou tricots pour élaborer un produit
fini.
La société ITEX a mis en place une
organisation moderne de ses chaînes de
confection, dirigée par des ingénieurs en
confection.
L’effectif est constitué d’un personnel
jeune et qualifié qui est formé en
permanence pour améliorer la production
et la qualité.
Divisé en cellules ce département
incarne le savoir-faire et la rigueur, la Figure 32 : Département confection 1
rapidité d’exécution et le respect des délais

sont un souci permanent.
Tout en restant flexible, sa production peut atteindre 20 000 pièces par jour.
34
Figure 33 : Département confection 2
35
Emballage
Un contrôle rigoureux et le repassage des articles confectionnés clôturent le cycle
intégré des départements industriel d’ITEX.
Reste l’emballage, celui-ci est spécifique à chaque client et est adapté aux exigences
de celui-ci.
Un personnel qualifié veille à livrer des produits dignes de l’image de marque de notre
société.
Figure 36 : stock PF 1 Figure 37 : stock PF 2
Expédition
Les commandes sont contrôlées avant et pendant le chargement dans les camions. Ce
dernier est effectué aux plusieurs niveaux dans la chaine logistique interne.
Le distributeur vend l’article fini au consommateur dans des magasins en intégrant
généralement la création des articles ainsi que toute la logistique de mis en œuvre pour la
vente des produits finis (planification, stockage, livraison, …).
Enfin, le consommateur, acteur primordial de la filière devenant de plus en plus exigeant
et versatile, impose un couplage de plus en plus important des prévisions des ventes et de
la gestion des approvisionnements.
3. La position du problème
3.1. Structure de l’entreprise ITEX
L’industrie textile-habillement se structure autour de deux grands axes allant de la
production de la matière première fibreuse à la confection jusqu’à la réalisation des produits
finis.
36
Figure 38 : Structure des industries textile-habillement
En amont, l’activité de l’industrie textile-habillement est centrée sur la fabrication de

biens intermédiaires qui seront utilisés par l’industrie aval, plutôt centrée sur l’activité de
confection et de distribution jusqu’au client final.
Les fibres textiles de base sont soit d’origine naturelle, soit d’origine chimique. Les fibres
naturelles peuvent être végétales (coton, lin,…), animales (laine, soie, chèvre, lama,
lapin,…) ou minérales (laine de verre…). Quant aux fibres chimiques, elles sont artificielles
ou synthétiques. Les fibres artificielles sont fabriquées entre autres, à partir de cellulose
régénérée (viscose, modal) ou d’esters de cellulose (acétate, tri acétate). Les fibres
synthétiques sont réalisées à partir de polymères obtenus par synthèse de composés
chimiques (acrylique, polyamide, polyester,…).
L’ensemble de ces matières suit divers procèdes de transformation, tels que la filature,
le tissage, le tricotage et l’ennoblissement, pour produire à partir des matières de base des
fils puis des étoffes. Les techniques d’ennoblissement textile confèrent au produit son
aspect final. En effet, la teinture et l’impression ont un but décoratif et le blanchiment, les
apprêts, les traitements présentent un caractère plus technique pour modifier l’aspect, le
toucher et apporter des fonctionnalités particulières. Ces techniques d’ennoblissement
peuvent être réalisées aux différents stades de la filière (la fibre peut être teinte en bourre
ou l’article peut être teint après confection).
En aval, l’industrie textile-habillement couvre la confection d’articles de vêtements ou
d’ameublement. A ce niveau de la chaine, les activités de conception, de stylisme, de coupe
et de confection sont mises en œuvre. Ces activités s’achèvent par les phases de
conditionnement et d’expédition. Les donneurs d’ordres assurent parfois les tâches de
conception et de commercialisation de l’article ; les façonniers en réalisent la confection et
37
le montage ; les producteurs intègrent tout le cycle de production, allant de la conception

jusqu’à la commercialisation, en passant par la confection et le montage (Fantar, 2005) (1).
La complexité de cette industrie textile-habillement découle de la diversité des matières
de base et des produits finis (maille, chaine et trame, jersey,…) et de la variété des
processus de transformation et des acteurs. En plus, les frontières sont de plus en plus
fluctuantes entre les différents acteurs. Par exemple, les producteurs en compte propre sont
de plus en plus fréquemment donneurs d’ordres partiels pour une partie de leur activité. De
même, ils peuvent être sous-traitants pour d’autres producteurs ; comme ils peuvent
produire pour le compte d’autres clients ou pour leur propre réseau de clients.
Pour la filière de textile-habillement, le processus de production des articles est
spécifique à chaque type de produits. En effet, la structure de l’entreprise ITEX est
complétement différente de celle des autres industries textile-habillement. Le cas de La
société ITEX est totalement différent par rapport aux autres industries, elle possède ses
propres usines de transformation de la matière et la confection. Au niveau de la logistique
amont, il est consacré seulement pour la réception de la matière première (coton, fil).
3.2. Spécificités de la société ITEX
La société ITEX possède plusieurs spécificités : production autonome, plusieurs usines
de transformation (départements) avec une capacité illimité, diversité des produits et des
acteurs, variabilité de la demande, arrivée de différentes commandes avec délai de livraison
variable, plusieurs types de flux existent (flux poussés et tirés) (figure 39), effet de mode et
demandes personnalisées et urgentes. Afin de rester compétitives dans un environnement
international très concurrentiel, les industries textiles (filature, tissage, bonneterie,
teinture,…) ont été à se moderniser.
Dans cette entreprise, aucune information ne circule concernant la gestion de
l’ensemble de l’entreprise. Même les directeurs de chaque département ne sont pas mis au
courant des plans de production pour les autres départements. Ils se placent quasi
automatiquement dans une position vulnérable. Ce cas présente une entreprise
traditionnelle typique. La prise de décisions est centralisée, la communication du haut vers
le bas de la structure administrative manque d’efficacité et celle du bas vers le haut se heurte
au processus hiérarchique ou est bloquée par les relations de pouvoir.
Les avancé technologiques dans le domaine de l’automatisation ont permis d’accroitre
la productivité et l’adaptabilité tout en réduisant les coûts. Cependant, le coût de stockage
38
et production étant des éléments essentiels pour la filière textile, et particulièrement la

confection, ceux-ci se sont délocalisés vers les marchés internationaux.
En plus, les commandes peuvent être de deux types : (1) des commandes de mise en
place planifiées et prises suffisamment à l’avance et avant même six mois à huit mois
(collections des saisons estivales ou hivernales) ou (2) des commandes de réassort ou
d’actualisation, qui sont généralement urgentes et difficiles à prévoir, pour combler des
ruptures de stocks dans les boutiques ou pour remplacer des produits invendus pour la
même saison. La difficulté réside dans le placement des commandes des différents clients
chez les différents producteurs à moindre coût et en respectant les délais.
L’absence de différents acteurs des activités complémentaires dans le cas de notre
entreprise ne fait que simplifier la gestion des flux au sein de la chaîne.
Afin de répondre aux exigences du consommateur et faire face à la concurrence, la
société doit s’appuyer dur une organisation efficace de sa filière. Pour réduire les coûts de
fabrication et le gaspillage de matière, le groupe ITEX s’oriente vers des fournisseurs de
plus en plus lointains précisément en Asie. Basée en partie sur l’existence de plates formes
de stockage internationales, nationales, et régionales permettant d’alimenter un nombre
croissant de magasins de vente, la gestion partagée des approvisionnements devient alors
plus complexe.
Ces vingt dernières années, le développement de nouveaux outils, regroupés sous
l’appellation Supply Chain Management (SCM), a permis une amélioration de la gestion et
du suivi de la production et des approvisionnements. L’objectif actuel de la société ITEX est
d’optimiser la planification et la synchronisation des flux logistiques tout au long de la filière.
Figure 39 : types de flux matière dans ITEX
En effet, les produits sont trop nombreux et variés, et leur délai d’obtention (environ 2
mois jusqu’à 3 mois) trop important en comparaison de la durée de vie réduite des modèles
39
(8 semaine en moyenne). Il est alors actuellement nécessaire d’introduire deux stocks

stratégiques (figure 39) dont la position dans la société et la taille, dont fonction des délais
d’approvisionnement et de mise en rayon des produits, mais également des prévisions de
la demande du consommateur. En amont du stock stratégique, les flux matières sont
poussés par les prévisions estimées par le distributeur jusqu’à le client, et en aval, les flux
matières sont tirés par les commandes du consommateur. La difficulté, pour la société
ITEX, et de déterminer le meilleur équilibre des approvisionnements afin d’éviter les ruptures
créées par une prévision pessimiste, mais également d’éviter les surstocks et les encours,
favorisés par une prévision optimiste.
3.3. Les acteurs industriels de l’entreprise ITEX
Une description des différents acteurs intervenant avec l’entreprise ITEX, leurs
caractéristiques et les principaux attributs qui leur sont associés est présentée ci-dessous.
3.3.1. Les fournisseurs
Les fournisseurs sont des entités qui livrent différents types de produits aux unités de
production d’ITEX. Ces produits sont de différentes natures : matières premières (coton et
fils).
En effet, tous les produits provenant du marché international et transporté, par
conséquent plusieurs modes de transport utilisés, et les délais d’approvisionnement
dépendent des destinations départ et arrivée et de la nature de la commande et son
urgence.
Un fournisseur peut être une société du groupe, une société externe au groupe (qui
réceptionne un ordre de livraison moyennant un contrat d’approvisionnement) ou un client
final qui commande le produit fini en livrant lui-même sa matière première. Le rapport
qualité-prix-délai est un attribut critique pour le bon choix des fournisseurs.
Les principaux attributs associés aux fournisseurs sont : le prix d’achat, le taux de taxe
douanière, le délai d’approvisionnement ainsi que la quantité minimale acceptée par ordre.
Le prix est établi en tenant compte du coût de la matière première ainsi que du coût de
façon, si l’échantillon du produit fini est livre par le client. Le taux de la taxe douanière est
aussi considéré.
Le délai d’approvisionnement, associe à un ordre, est défini comme la durée entre la
date de l’envoi de l’ordre jusqu’à celle ou les produits demandes sont livres. Ce délai dépend
de la quantité commandée et de la capacité de production disponible chez le fournisseur.
40
La quantité minimale acceptée par ordre dépend du type de produit demandé. Un ordre
de livraison d’un produit n’est accepté par le fournisseur que si un minimum exige de
quantité est atteint.
Il est important de noter que les fournisseurs se chargent en général de la réalisation
des opérations de transport de produits vers les clients.
Voici la liste des de fournisseur de ITEX :
Nom de l’entreprise Pays

Vilarrasa SA Espagne
R. Belda Espagne
Evelio mataix molina sa Espagne
SPD textile Indonésie
Reliance industries Inde
Indorama Inde
Polyster textured yarn China
Standard textile Germany
Tableau 3 : liste de fournisseur
3.3.2. Les unités de production

Elles ont pour rôle de transformer les matières premières en produits finis destinés aux
clients. Vu la diversité des produits textile-habillement et la différence qui peut exister entre
certains processus de production. Chaque unité est représentée par un ensemble de lignes
ou chaînes de productions parallèles. Chaque ligne de production, avec une capacité finie,
est dédiée à un produit est caractérisée par un temps de lancement de la production, une
capacité de production, un délai de production et un coût de production.
Le temps de lancement de la production représente la durée de la préparation de la
ligne dès la réception de l’ordre de fabrication jusqu’au commencement effectif de la
production.
Le délai de production correspond au délai nécessaire pour terminer toutes les étapes
de production et d’assemblage présentes dans la ligne et obtenir la quantité nécessaire du
produit fini. Ce délai dépend du produit lancé et de la quantité à fabriquer.
41
On peut associer un coût unitaire de production, de lancement et de stockage à chaque

produit.
La société ITEX est caractérisée par la présence de deux types de flux de production:
- Production en flux tiré : qui consiste à produire la collection de la saison à venir sur la base
des commandes fermes des clients. Dans ce cas, les produits sont fabriques à l’avance
(avant le démarrage de la saison) pour être stockés dans les dépôts puis livrés aux clients
au début de la saison en question.
- Production en flux poussé : deux types de commandes sont considérés ici :
(1) des commandes fermes comportant des produits de la saison à venir. Ces commandes
émanent généralement du marché international. Les clients prennent suffisamment de
précautions pour que les produits soient à temps dans leurs boutiques. Dans ce cas, le
processus de production est lance suite à la réception de l’ordre de fabrication, le client peut
imposer lui-même son propre modelé ou choisir l’un des modèles proposés par le
fournisseur, avec un délai de livraison ferme.
(2) commandes relatives à des demandes de réassorts ou d’actualisation de quelques
produits pour la saison en cours. Dans ce cas, les délais de ces commandes imprévues
sont très réduits. Ce type de commandes peut mettre le système de production en situation
de détresse pour assurer un meilleur compromis entre sa production déjà lancée et la
nouvelle commande imprévue et urgente, avec une volonté du management à trouver le
meilleur plan délai-coût-qualité.
Ces unités de productions, visant la satisfaction du client, donneur d’ordre, s’engagent
à livrer une silhouette complète du produit fini, gérant ainsi les activités de production, de
stockage et de transport des articles.
Une phase de stockage s’avère parfois nécessaire si les produits finis sont prêts avant
que leurs délais de livraison ne soient atteints. Ces produits sont ainsi transportés aux
dépôts pour une phase de stockage qui peut durer de quelques jours à quelques mois avant
leur expédition au client final.
3.3.3. Les clients
Ils représentent les nœuds finaux du graphe présenté par la figure 38. Il s’agit des
donneurs d’ordre. Ils peuvent être soit des clients internes représentant les boutiques du
même groupe, soit des clients externes qui sont des industriels lanceurs de commandes et
appartenant à d’autres groupes.
Les commandes sont caractérisées par : les types des produits demandés, la quantité
demandée et le délai souhaité de réception de la demande.
42
Il est possible que pour un client, les commandes soient régulières dans le temps et
prévisibles. Mais ce n’est pas le cas de tous les clients, car il est possible de recevoir des
commandes d’une façon aléatoire.
Nom location
Local
Marjane Casablanca
Carrefour Casablanca
Sidi moumen Casablanca
Mers sultan Casablanca
Richbond Casablanca
Jaouhari hassan Casablanca
Dar Attijara Rabat
TEXTIBEL Rabat
Movitex Casablanca
Joventa International Casablanca
international
Leclerc France
Quicksilver France
Auchan France
Carrefour France
Groupe Casino France
El corte inglés Espagne
Continente Portugal
Kappa Italie
Cup’s auchan France
Global girls France
FUBU USA
Tableau 4 : liste des clients
3.3.4. Les prestataires

Entre les fournisseurs et les unités de production, le transport est à la charge des
premiers, qui se considèrent responsables de la livraison de leurs produits (matières
premières pour les unités de production).
43
Les flux inter-usines sont principalement informationnels et matériel .Entre les unités de
productions, représentant les sites de la société, nous retrouvons des flux physiques et
informationnels. Les flux informationnels sont principalement sous forme d’ordre de
fabrication de produits finis. Les flux physiques résident dans la passation des produits semi-
finis des départements vers autres département successif selon le processus de fabrication
et de retour de produits finis.
Les connexions de transport allant aux clients proviennent des dépôts. Les moyens de
transport diffèrent selon la localisation du client : camion, bateau ou avion. Les flux émanant
des clients sont généralement informationnels sous forme d’ordre de fabrication avec une
possibilité de livraison des matières premières vers les unités. La livraison finale des
produits finis des unités vers les clients se fait suite à l’établissement d’un commun accord
sur un délai de livraison entre les deux acteurs.
3.4. Enjeux économiques dans l'industrie textile-habillement
3.4.1. L’évolution des marchés au Maroc
(3) Le Maroc a du mal à défendre sa position sur le marché mondial du textile et de
l’habillement. Il y perd progressivement des parts de marché, au même titre, d’ailleurs, que
d’autres pays méditerranéens tels que la Tunisie, la Turquie elle fait l’exception et arrive à
résister à l’importante concurrence venue d’Asie.
Les exportations du Maroc vers le marché américain pourraient ainsi enregistrer dans
les années à venir une hausse moyenne de 17% par an en valeurs courantes, selon le
centre de conjoncture. Par ailleurs, les exportations marocaines vers ce pays se sont
établies à près de 900 millions de dollars en 2014.
Au cours de ces dix dernières années, la filière textile-habillement a fait face à une
révolution industrielle radicale, qui a combiné la révolution technologique avec une
transformation des réseaux de distribution et un changement de comportement du
consommateur final. En effet, la part de l’habillement dans les dépenses des ménages ne
cesse de diminuer. De plus, les comportements d’achat sont de plus en plus difficiles à
prévoir à cause de la volatilité de la demande, d’un éclatement de séries de plus en plus
courtes et d’une évolution à la baisse des coûts des produits liée à la globalisation des
achats. Une telle mutation a fait que la société de consommation de masse se détourne
vers une société à aspirations individuelles et spécifiques, et que les industries de
manufactures qui poussaient leurs offres à divers clients indépendants font face à des
44
modèles tirés par les clients spécifiques dont les ressorts stratégiques s’appuient sur une
croissance de volumes et une diminution des coûts.
3.4.2. Indicateurs de performance dans l’industrie textile-habillement
Comme pour la majorité des secteurs industriels, la performance des entreprises du
textile-habillement ne dépend plus uniquement d’une parfaite maitrise et optimisation des
couts, mais inclut d’autres critères comme le coût, le délai, la flexibilité, la qualité et le niveau
d’expertise.
Le facteur coût
Du point de vue coût, les théories économiques classiques, marxistes et néoclassiques,
adoptaient l’hypothèse des couts constants (rendements d’échelle constants), les industriels
peuvent ainsi créer des unités de production d’un bien au même coût et les multiplier autant
de fois que voulu. La réalité montre que cette hypothèse n’est pas réaliste, et que certaines
branches industrielles bénéficient de rendements d’échelle croissants, donc de coûts
décroissants : produire de plus grandes quantités diminue le coût moyen de production
unitaire (cela bien sûr jusqu’à une certaine limite). On dit que l’entreprise réalise des
économies d’échelle. En effet, dans le modèle de Krugman(3) les grandes usines jouissent
de coûts de production plus bas, elles ont intérêt à se concentrer à proximité de grandes
marches pour réaliser les économies d’échelle et minimiser les coûts de transports. Mais
les coûts de production sont généralement élevés, quoique décroissants suite à l’échelle,
auprès des grandes villes à cause des salaires élevés et des frais généraux.
Il est alors parfois préférable de s’installer plus loin dans la périphérie quitte à subir des
surcouts de transport et/ou de stockage. Mais jusqu’où aller ?, est certes, l’une des
questions considérées par les producteurs. Pour un producteur européen : aller jusqu’en
Chine où les coûts de production sont les plus bas ? Ou jusqu’en Maroc par exemple ? Où
les coûts de production sont plus élevés qu’en Chine mais les coûts de transport sont plus
faibles. Ainsi, afin de survivre dans un tel environnement concurrentiel, les entreprises ont
besoin de rationaliser les décisions de choix de fournisseurs pour ajuster et optimiser le coût
comme facteur de compétitivité.
Le facteur délai
Des coûts élevés peuvent être acceptés car ils sont compensés par des délais plus
rapides.
En effet, les délais de livraison peuvent être très courts et la sélection d’un sous-traitant
peut être basée sur ce critère. Chaque enseigne cherche à se distinguer face aux exigences
de plus en plus accrues des donneurs d’ordre en respectant au mieux les délais de livraison
45
et en offrant le produit « Just in time ». Dans cette perspective, les industriels qui ont
développé une stratégie collaborative avec les différents intervenants disposent d’un atout
considérable et ceux qui en manquent, doivent impérativement renforcer leur intégration en
amont et en aval de la chaîne. Donc afin de satisfaire le client final qui cherche le produit
adéquat au meilleur coût et au bon moment, la coordination entre les activités au long de la
chaine d’approvisionnement, de production et de distribution apparaît vitale.
Le facteur qualité
La qualité du produit fini constitue aussi un critère primordial de sélection du producteur.
En effet, la bonne finition des articles, la qualité de la matière et du tissu choisis ainsi que la
qualité de la fabrication reflètent le savoir-faire des entreprises. Cependant, la qualité est un
processus qui peut se nouer via des liens clients-fournisseurs en vue d’œuvrer à
perfectionner le processus pour une qualité supérieure, mais ne suffit pas à garantir le
succès commercial d’un produit.
Le facteur expertise et créativité
L’acte de créativité et d’innovation est très important dans la filière textile-habillement.
En effet, en amont de la filière, des technologies et des procédés avancées sont utilisés
pour le traitement des fils et tissus afin de leur attribuer des caractéristiques innovantes. En
aval, l’expertise dans la confection du produit fini et l’innovation des modèles saisonniers
proposes ne peut qu’améliorer la compétitivité de l’entreprise par une personnalisation des
produits à haute valeur ajoutée. Ainsi, les façonniers cherchent sans cesse à innover dans
leur domaine d’expertise en développant de nouvelles compétences lors de la mise en place
des collections.
4. Le cadre de travail
4.1. Problématique
Les problèmes majeurs qui ont été constatées sur le champ sont :
 L’absence de partage de l’information entre les départements (Bullwhip Effect) :
en effet chaque département comporte comme étant une société, qui possède
une entrée pour les matières premières et une sortie pour les produits finis. Il ne
se préoccupe pas à la production des autres départements. Au niveau de
planning de la production, chaque département se base sur l’historique de
l’année dernière pour prévenir les demandes de l’année actuelle ;
46
 Manque de souplesse au niveau de production : A cause des stocks des encours

entre les départements, ITEX souffre des coûts logistiques trop élevés,
concernant les coûts de stockage, de production et de lancement pour chaque
département;
 Mauvaise prédiction de la demande :
Selon les figures suivantes, nous constatons que l’historique des productions de deux
années 2015 et 2016 (voir annexe 1) représente que l’entreprise ITEX souffre toujours de
mauvaise gestion des flux matières.
10
-5
-10
-15
Indéamai Texturati Tricotag Finissag
Filature Tissage Teinture
llable on e e
Tracking signal 2016 7,68 -5,03 7,74 -0,85 1,06 -9,94 -8,96
Tracking signal 2015 -0,78 0,4 8,47 0,42 -3,29 2,63 -0,3
Figure 41 : Tracking signal 2015 & 2016
30000
25000
20000
15000
10000
5000
0
-5000
-10000
-15000
-20000
-25000
Indéamaill Texturatio
Filature Tissage Tricotage Teinture Finissage
able n
BIAS 2016 24411,84 -2845,58 9022,73 -2610,16 2183,18 -19709 -13862,672
BIAS 2015 -2149,47 264,08 6598,59 1516,83 -9967,18 9660,42 -920,59
Figure 40 : Indicateur BIAS 2015 & 2016
47
Filature Indéamaillable Texturation Tissage Tricotage Teinture Finissage
51,29%
48,54%
40,51%
35,04%
31,62%
29,06%
29,07%
27,74%
27,27%
22,28%
22,21%
19,83%
18,48%
14,38%
MAPE 2016 MAPE 2015
Figure 42 : MAPE 2015 & 2016
Nous avons tracé les diagrammes au-dessus, grâce aux formules suivantes :
Avec : A = Demande; F = Prévision; n = Nombre de période
MAPE = Moyenne des erreurs absolues en pourcentage = Somme(APE) /n ×100
APE = les erreurs absolues en pourcentage = |A-F|/A ×100
BIAS = Moyen des erreurs de prévision =Somme(A-F) /n
MAD = L’écart Absolu Moyen= Somme|A-F| /n
Tracking signal = BIAS×n/MAD
 Mauvaise gestion des commandes urgentes : Il est souvent que l’entreprise ITEX
reçoit des commandes avec un délai de livraison qui ne peut pas dépasser 3
semaines ;
Face aux pertes alarmantes des parts de marchés pour l’entreprise ITEX dans le cadre
de la lutte concurrentielle, la société veut agir en créant de nouvelles offres associant prix
bas, délais réduits et services améliorés. Ceci peut être assuré en réalisant une adéquate
planification des ressources à différents niveaux de décisions et en coordonnant les activités
associées aux divers intervenants de la chaîne.
De plus, vis-à-vis du comportement sélectif du consommateur, de l’émergence de
produits personnalisés à courte durée de vie et en tenant compte des différents types de
commandes, l’entreprise doit satisfaire au mieux les clients en étant réactifs, rapides et de
plus en plus flexibles avec un meilleur rapport qualité, prix, délai.
48
Dans ce sens, une maîtrise coordonnée des flux entre les départements, ne peut
qu’induire une réponse rapide, personnalisée et optimale, conforme aux attentes des clients
finaux. En réalité, les différents acteurs gèrent leurs ressources de manière indépendante
et la planification ainsi que la gestion des ressources de production et de distribution se fait
avec peu ou sans coordination. Cette gestion décentralisée engendre d’une part des coûts
supplémentaires dus au placement de commandes imprévues et urgentes. D’autre part, des
délais supplémentaires engendrés par une ré-planification des ressources et un décalage
de quelques productions suite à l’arrivée de ces commandes urgentes à placer au plus tôt.
De même, des stocks des encours importants (entraînant des coûts de maintien des stocks)
et des cycles longs des produits risquent de se produire dès que le producteur opte pour
une production de grandes quantités pour anticiper la demande de toute la saison sans
parler du risque d’augmenter les invendus.
4.2. Cahier des charges
Concevoir le système logistique interne d’une entreprise, et plus particulièrement sa
logistique de production et de stockage, repose sur une définition de la logistique dans son
ensemble et des différentes stratégies logistiques. Selon (Collin and Paché 1988) (4) : ≪ Les
objectifs d’une logistique aval, ou de distribution, sont multiples ; il est possible de citer la
satisfaction des clients finaux, la recherche de la profitabilité, la réduction des coûts, ou
encore la maximisation de la qualité de travail dans les entrepôts et le traitement des
commandes, entreposage, de services ≫. D’autre part, ≪ Optimiser la logistique aval d’une
entreprise revient à déterminer la structure de son réseau de distribution, les systèmes de
gestion des stocks et des réapprovisionnements, l’acheminement des flux physiques, les
procédures expéditions et transports ≫.
En effet, notre projet s’intitule : « Optimisation des flux logistiques internes avec la mise
en place d’une nouvelle organisation industrielle », nous nous sommes amenées à assurer
les éléments suivant :
 Proposition d’un nouvel modèle de planification;
 Elimination du gaspillage et des stocks des encours entre les départements;
 Optimisation les coûts logistiques (stockage, production et lancement) ;
49
5. Conclusion
Dans ce chapitre, nous représentons la société, ses spécificités, ses acteurs, ainsi que
la problématique à résoudre selon le cahier des charges.
Dans le chapitre suivant, nous représentons le concept de la chaine logistique ainsi
qu’une revue de la littérature concernant la démarche à suivre pour l’élaboration d’un
système de planification de la production et de stockage. Les contraintes de planification de
production et de stockage des produits impliquent pour chaque département la nécessité
de prévoir la demande du département suivant afin de mieux synchroniser les flux de
matières et d’informations tout au long de la chaine textile.
50
Chapitre Ⅱ : Etat de l’art et modèle de

planification proposé
51
1. Introduction
Dans ce chapitre nous représentons la chaine logistique : sa définition, sa conception,
sa gestion, et la prise de décisions aux différents niveaux de la chaîne. Dans la deuxième
partie, nous donnerons les états de l’art des modèles mathématiques de référence pour
l’élaboration d’un modèle de planification en nous attachant à identifier les modèles
répondant aux problématiques de planification située dans le chapitre précédent.
Enfin, la dernière section de ce chapitre détaillera notre modèle de planification proposé
pour la problématique de planification tactique et opérationnel, puis nous représentons les
modèles mathématiques développée qui considèrent l’importance de partage de
l’information entre les départements.
2. Chaîne logistique
les mécanismes de fusion/acquisition entre entreprises ont amené à définir, dans un
premier temps, la notion de groupe industriel et donc à considérer des entreprises multi-site
faisant ainsi émerger une nouvelle problématique liée à la planification tactique : la
synchronisation horizontale qui vise non seulement à générer des plans de production pour
chaque site de production, mais aussi à en assurer la synchronisation (des produits
fabriqués par un site pouvant être nécessaires à la fabrication d’un produit sur un autre site
de production). Puis est apparu le concept de chaîne logistique : au travers d’un jeu
d’alliance, d’externalisation et de sous-traitance, les groupes industriels ont pu étendre leur
champ d’influence sans pour autant consacrer leurs ressources financières à des
acquisitions ne rentrant pas dans leur « cœur de métier ».
2.1. Notion de chaîne logistique
(5)(Porter 1986) a introduit le concept de « chaîne de valeur » dans le but de décomposer
l’activité de l’entreprise en séquence d’opérations élémentaires afin de permettre le
développement d’un avantage compétitif sur le marché. (Graves 1999) (6) précise : « La
valeur est la somme que les clients sont prêts à payer pour obtenir le produit qui leur est
offert. Cette valeur résulte de différentes activités réalisées par les fournisseurs, la firme et
les circuits de distribution, que ceux-ci soient intégrés ou non à la firme. (...) Au sein de cet
agrégat, M. Porter(7) chercha à identifier les lieux essentiels de création de la valeur, de
manière à cerner les modalités permettant d’obtenir un avantage concurrentiel ». Forte de
son succès, la chaîne de la valeur a été suivie par d’autres : chaîne de la demande, chaîne
relationnelle et bien sûr chaîne logistique (Supply Chain).
52
Dans la littérature, on peut retrouver nombre de définitions de la chaîne logistique.

(Féniès et al. 2004) (9) la définissent comme étant : « un ensemble ouvert traversé par des
flux, composé d’entités et d’acteurs variés autonomes qui utilisent des ressources
restreintes (capital, temps, matériel, matières premières...) et qui coordonnent leur action
par un processus logistique intégré afin d’améliorer prioritairement leur performance
collective (satisfaction du client final, optimisation globale du fonctionnement de la Supply
Chain) mais aussi à terme leur performance individuelle (maximisation du profit d’une entité)
». Cette définition montre qu’une chaîne logistique se définit par la réunion de trois
ensembles :
 Un réseau composé d’entités physiques (usines, ateliers, entrepôts, distributeurs,
grossistes, détaillants,...) et d’organisations autonomes (firmes, filiales, ...) ;
 Un ensemble ouvert traversé par des flux (financier, matériel, informationnel, ...) ;
 Un ensemble d’activités regroupées dans un processus logistique intégré dont
l’agencement constitue une chaîne de valeur intra et inter-organisationnelle.
C’est sur ce premier ensemble que se focalise généralement les définitions de la chaîne
logistique. En effet, (Lee et Billington 1993) (10) définissent la chaîne logistique comme : «
un réseau de sites de production et de sites de distribution qui se procurent des matières
premières, les transforment et les distribuent au consommateur ». Pour (Ganeshan et
Harrison 1995) (11), la chaîne logistique est « un réseau d’entités de production et de sites
de distribution qui réalise les fonctions d’approvisionnement de matières, de transformation
de ces matières en produits intermédiaires et/ou finis, et de distribution de ces derniers
jusqu’aux clients ».
Dans le second ensemble, on retrouve :
 Le flux physique (achat de matières, transformation des matières premières en
produits, livraison des produits). L’optimisation de ce flux vise à satisfaire les clients
du système.
 Le flux monétaire ou financier. Ce flux circule en sens inverse du flux physique mais
de manière erratique. L’optimisation du flux financier est faite de manière locale, dans
chaque maillon de la chaîne logistique, mais rarement de manière globale.
L’optimisation de ce flux financier (cash-flow) permet a priori d’obtenir la satisfaction
des actionnaires des entités de la chaîne logistique et d’améliorer son
fonctionnement global. Le flux financier est la contrepartie monétaire du flux
physique.
53
 Le flux informationnel qui permet la coordination des flux financiers comme physiques
entre chaque nœud, et une coordination globale. Quel que soit le niveau hiérarchique
du système logistique, les flux d’information contiennent les données nécessaires au
pilotage et à la gestion de l’ensemble des activités de cette unité. Pour chaque
activité, les informations suivantes doivent être disponibles :
o L’information propre aux moyens qui la réalisent (l’état de ces moyens, la
connaissance et les données nécessaires à leur fonctionnement, les règles
locales pour leur pilotage) ;
o L’information concernant l’état des activités qui dépendent de celle-ci ;
o L’information sur son état concernant les activités dépendantes ;
o L’information sur son état concernant le système de gestion de l’unité flexible de
production/ stockage ou le retour de l’information (feed-back) ;
o Les règles globales pour le pilotage et la gestion de l’ensemble des activités qui
lui sont relatives
(Tchernev 1997) (11) définit le processus logistique comme « un ensemble d’activités
ordonnées ayant comme objectif la maîtrise et la gestion des flux matières à travers le
système logistique, l’affectation et la gestion des ressources du système logistique afin
d’assurer un niveau de service à moindre coût ».
Approvisionner Produire Distribuer Stocker Vendre
Figure 43 : les activités du processus logistique d'une chaine logistique
D’après (Stadler 2005) (12), les processus logistiques d’une Supply Chain sont composés
de quatre grandes familles d’activités génériques (Figure 44) formant le dernier ensemble
définissant la chaîne logistique. Pour plus de détail concernant les activités du processus,
voir l’annexe 2.
2.2. Les décisions dans la chaine logistique
Une décision peut être définie comme étant le
problème de donner une valeur à une variable Stratégique
inconnue et dont la connaissance permet au décideur
Tactique
de sortir d’une situation de jugement ou d’incertitude
(Ouzizi, 2005) (13). La conception d’une chaîne
Opérationnel
logistique nécessite de prendre un ensemble de
décisions. Cet ensemble de décisions peut Figure 44 : Pyramide des niveaux de décisions
54
s’envisager sur trois niveaux hiérarchiques : décisions stratégiques, décisions tactiques, et

décisions opérationnelles. La figure suivante (45) montre un tel schéma. Une telle hiérarchie
est basée sur la portée temporelle des activités et sur la pertinence des décisions.
Il n’existe pas de méthodes génériques valables pour toutes les chaînes logistiques et
toutes les industries pour classer les décisions qui doivent être prises. La première
différence entre ces trois niveaux de décision concerne la portée temporelle de l’application
de la décision. Les décisions stratégiques sont à long terme, les décisions tactiques sont à
moyen terme, et enfin les décisions opérationnelles sont à court terme. La deuxième
différence entre ces niveaux de décisions est le niveau d’agrégation : les décisions
stratégiques sont au niveau de l’ensemble de l’entreprise, les décisions tactiques sont prises
au niveau de l’usine, et les décisions opérationnelles sont prises au niveau de l’atelier. La
troisième différence est le niveau de responsabilité des décideurs. Les décisions
stratégiques sont prises par la direction générale de l’entreprise, les décisions tactiques sont
prises par les cadres, et les décisions opérationnelles sont prises par les responsables
d’ateliers ou d’équipes.
A cause de la complexité du problème d’optimisation des décisions, les trois types de
décisions sont généralement traités de manières séquentielle et hiérarchique. Néanmoins,
il est important de prendre en compte l’impact des décisions stratégiques sur les niveaux
tactiques et opérationnel. En effet, elles déterminent les solutions admissibles des niveaux
tactique et opérationnel. Autrement dit, la solution optimale d’une décision tactique ou
opérationnelle dépend de la solution prise au niveau stratégique. De la même manière, les
décisions opérationnelles et tactiques peuvent influencer la prise de décisions au niveau
stratégique lors de la conception même de la chaîne. Cette coordination est souhaitée mais
difficile à mettre en œuvre comme nous allons le voir dans la section dédiée à la coordination
et la coopération dans les chaînes logistiques. Voir l’annexe 3 pour plus de détail.
2.3. Optimisation de la chaine logistique
La chaîne logistique optimise la gestion des flux, du fournisseur au client pour le cas le
plus élargi, autrement dit de l’approvisionnement en matières premières au consommateur
final. Il s’agit dans le contexte actuel de globalisation des marchés, de coordonner tous les
processus pour atteindre le niveau de performance qui convient à l’entreprise. Comme la
chaîne logistique rassemble plusieurs partenaires, il est évident qu’il est complexe de
trouver une optimisation qui satisfasse tout le monde surtout que les objectifs sont souvent
conflictuels entre les différentes fonctions de la chaîne. La première remarque qu’on peut
55
faire dans ce sens est qu’un optimum global est rarement obtenu en rassemblant des optima
locaux. Néanmoins, si les gains que l’on obtient localement n’ont pas d’incidence sur les
coûts des autres départements ou partenaires, alors cela vaut la peine de rechercher un
optimum local (sous contraintes ou en pénalisant les incidences néfastes sur
l’environnement ou sur les partenaires internes ou externes à la chaîne logistique).
Il est évident que l’intérêt général de tous les services est de se positionner dans une
posture collaborative plutôt qu’une posture concurrentielle. Il faut savoir minimiser les coûts
globaux et maximiser les gains globaux. Cette minimisation peut demander des efforts
d’organisation ou de réorganisation qui peut passer par un développement d’un alignement
tactique, c’est à dire la recherche de procédures collaboratives de gestion pour mettre à la
disposition du client le bon produit au bon moment (Paché, 2004) (14).
Cette optimisation rencontre des problèmes dans sa mise en œuvre qui freine la
démarche gagnant-gagnant et rendent l’approche optimisant. Dans ce qui suit nous allons
énumérer certains de ces problèmes (très fortement inspiré de (Portmann, 2006)) (15) :
 La qualité de l’information : Trop d’informations sont imprécises, incertaines et même
inconnues ou imprévisibles comme les durées des opérations et des transports qui
sont seulement des valeurs estimées plus ou moins précises, les pannes partielles
ou totales des machines, absences du personnel, grèves des routiers ou des
transports ferroviaires, ou encore des matières premières non arrivées ou non
conformes.
 Les décisions concernent de nombreux services dans la (ou les) entreprise(s)
concernée(s) ce qui peut engendrer des problèmes de conflits et d’indicateurs de
performance qui doivent conduire à un comportement global gagnant-gagnant,
problèmes de confiance, de sécurité, de partage et de circulation d’information.
 Les critères de performance et de qualité sont antagonistes en raison des différents
acteurs concernés: actionnaires, clients, employés.
 Il y a une multitude de systèmes de production et de distribution différents qui doivent
être considérés avec leurs hypothèses particulières ce qui nuit à l’existence de
solution générique pour les outils d’aide à la décision. La diversité des procédés
manufacturiers: fabrication continue, en série, production de produits personnalisés
à la demande ou bien de prototypes. La diversité des ressources de production :
renouvelables, non renouvelables. La diversité des gammes et des structures
d’ateliers : flow-shop, open-shop, job-shop. La diversité des machines : une machine
pour chaque type d’opérations, des machines en parallèle pour le même type
56
d’opérations. La diversité des critères de performances : « makespan » (ou durée

totale), volume en sortie, critères de retard (maximum, somme, somme pondérée,
nombre de travaux en retard), minimisation de coûts (heures supplémentaires, sous-
traitance …).
 Contraintes de production : préemption autorisée ou non autorisée, chevauchement
autorisé ou non entre les opérations (fabrication en séries), fabrication par lots ou «
batches » de type maximum (produits en parallèles dans un four) ou de type somme
(exécution successive où les produits doivent arriver et repartir ensemble), temps de
transport plus ou moins précis à prendre en compte, limitation des places de
stockages (jusqu’à absence de stock entre deux machines consécutives), production
cyclique ou à la commande.
 Diversité des systèmes de transport et de distribution.
 Vouloir absolument un optimum global parfait conduit souvent à des calculs qui ont
des durées tellement grandes que ça devient inimaginable de les prendre comme
solutions (problèmes NP-difficiles à résoudre), alors que l’on travaille souvent sur des
données imprécises. Ce qui implique que les méthodes de résolutions exactes ne
sont considérées que pour des problèmes de petite taille, des méthodes approchées
le plus souvent pour les problèmes de taille industrielle.
 La séparation entre la conception de la chaîne logistique et les décisions
opérationnelles : les changements de la structure d’un réseau ont des répercussions
sur l’efficacité des décisions au niveau opérationnel, celles-ci doivent être
considérées dès la conception de la chaîne.
 Chaîne logistique incomplète : il faut aller au-delà de la chaîne logistique interne et
considérer les clients des clients et les fournisseurs des fournisseurs, ceci permet à
la chaîne d’avoir une meilleure connaissance sur les besoins des clients des clients
et ainsi de s’adapter afin d’améliorer sa qualité de service.
 Pour faire face à ces problèmes, des nouvelles relations de partenariats entre
fournisseurs et clients sont à définir. Ces relations doivent être durables, et permettre
aux entreprises de s’intégrer et coordonner la prise de décisions au niveau global de
la chaîne, ceci dans le souci d’être réactif et efficace face aux mouvements des
marchés qui restent très imprévisibles.
57
2.4. Modélisation des chaines logistiques

La chaîne logistique étant un système complexe et dynamique, ajouté à cela un
environnement instable qui génère de nombreuses incertitudes. La difficulté de la prise en
compte de ces incertitudes ne fait que la plupart des modèles proposés pour modéliser les
chaînes logistiques utilisent des hypothèses restrictives, et parfois simplistes (Vidal et
Goetschalckx, 1997) (16). La modélisation de ces systèmes complexes permet une meilleure
compréhension et une meilleure gestion de ces systèmes. Un modèle n’est qu’une
représentation simplifiée d’un système réel, qui permet de l’analyser, le contrôler et le
piloter. Ils sont à la base des systèmes d’aide à la décision. Nous allons voir trois types de
modélisations pour plus de détails : modèles conceptuels, modèles mathématiques, et
modèles par simulation (Taylor, 2003) (17) (voir annexe 4).
Le tableau ci-dessous illustre les différences entre les trois types de modélisation.
Modèles Modèles Modèles par
conceptuels mathématiques simulation
Représentes la Digrammes et Objets et
Formules et équations
chaine comme descriptions interaction
Solutions Raisonnement Les solveurs (comme Expériences
trouvées verbal Cplex ou X-press) (Monte carlo)
Meilleur Partage de la Performances Prévisions
application pour compréhension Optimales Réalistes
Tableau 5 : Différences entre les types de modélisation des chaines logistiques (Taylor, 2003)
3. Etat de l’art
3.1. Les modèles mathématiques traitant les problèmes de
planification de production et stockage
Sachant que notre travail s’inscrit dans la recherche des solutions optimums, nous
décidons d’engager vers l’élaborer d’un modèle mathématique pour la résolution de la
problématique.
Dans cette partie, nous proposons un état de l’art des principaux modèles
mathématiques de « lot-sizing » et dont un extrait a fait l’objet d’une publication (Comelli et
al. 2008) (18).
Comme nous l’avons décrit précédemment, les problématiques liées à la planification
tactique sont nombreuses et fonction de la typologie de la structure à laquelle elles se
rapportent (entreprise mono-site, multi-site ; chaîne logistique...). C’est pour cela que nous
58
avons commencé par recenser les critères discriminants qui nous ont permis de classifier
les modèles rencontrés :
 la modélisation de la demande (constante ou variable) : une demande est dite
constante si elle est répartie uniformément sur tout l’horizon. Dans le cas contraire,
on parle de demande variable. on discrétise alors l’horizon en périodes et on agrège
la demande sur celles-ci. Cette distinction fondamentale a permis de définir deux
approches de résolution très différentes :
o les modèles à demande constante ont pour caractéristique de fournir comme
solution un cycle de production, reproductible au cours de l’horizon, minimisant
les coûts de production,
o les modèles à demande variable déterminent des quantités à produire sur des
périodes préalablement définies sur l’horizon de planification permettant de
minimiser les coûts de production et de répondre au besoin client.
 la façon de prendre en compte la nomenclature des produits : les problèmes de
planification tactique présentés dans leur globalité consistent en la planification des
produits finis et de leurs composants. Ceux-ci peuvent être traités de deux manières
différentes :
o niveau par niveau. On effectue une planification à partir de la logique MRP qui
consiste à remonter le besoin en composants à partir des produits finis (dits
demande externe). Cette logique définit ainsi une planification niveau par niveau.
On peut donc utiliser des modèles mono-niveau, la quantité déterminée au
niveau supérieur engendrant la demande (dite interne) au niveau en cours. La
limite de cette approche se situe au niveau de la cohérence entre les différentes
planifications niveau par niveau.
o à partir des modèles dits multi-niveau (Multi-Level, ML) qui consistent à lier les
niveaux entre eux en exprimant la demande interne et externe ce qui assure la
réalisabilité de la solution. Les modèles multi-niveau se différencient des modèles
mono-niveau par les notions de structures arborescentes (nomenclature) et de
délai d’obtention des divers composants (lead time),
 la modélisation de l’horizon de planification,
 la prise en compte des capacités des ressources utilisées.
Les difficultés liées à la modélisation des systèmes physiques ont conduit à l’élaboration
de deux types de modèles. En effet, il est nécessaire pour certains cas industriels de définir
une solution de planification ayant pris en compte des contraintes opérationnelles
59
notamment de séquencement (la phase III du principe de l’élaboration du PDP et du MRP

exposée précédemment (Drexl et Kimms 1997) (19)). C’est pour cela que la littérature
distingue aussi deux grandes classes de modèles : les modèles dits de « big bucket » et de
« small bucket ». Les modèles « big bucket » permettent de modéliser la production de
plusieurs produits au cours d’une même période tandis que les modèles « small bucket »
ne modélisent que la production d’un seul produit par période et permettent, par suite, de
proposer un séquencement de la solution proposée. Les modèles « small bucket » ne sont
donc pertinents que dans le cas où les périodes sont très courtes (micro-période, par
exemple la journée). En effet, ces modèles supposent que le système de production ne
fabrique qu’un seul type de produits par période. En revanche, ces modèles permettent de
modéliser plus finement les coûts de lancement (reconfiguration du système de production)
en séquençant la production. A l’opposé, les modèles « big bucket » sont pertinents pour
des périodes plus longues (macro-période, la semaine par exemple). Ainsi, suivant la façon
dont est modélisé l’horizon de planification (micro-périodes ou macro-périodes), nous
retrouvons deux types de modèles très différents. Cependant, il est important de noter que
les modèles « small bucket », en s’intéressant au séquencement de la production, se
trouvent vraiment à la frontière avec les problématiques d’ordonnancement : c’est pour cela
qu’ils sont souvent considérés comme ne faisant pas partie de modèle de planification
tactique. Toutes les différenciations citées précédemment sont liées à la pertinence de la
modélisation.
Les modèles mathématiques divergent aussi par la prise en compte de diverses autres
hypothèses telles que le backlogging (retard dans la demande client encore appelé
backorder) ou les temps de set-up (temps de lancement de la production) qui, représentant
des contraintes génériques pour les modèles de planification, ne peuvent être considérées
comme discriminantes.
Reprenant et complétant le schéma proposé par (Rizk et Martel 2001) (20), la figure 45
récapitule la classification des différentes formalisations présentées dans le cadre mono-
site. Un problème de planification mono-site peut se formaliser ainsi :
Objectif :
Déterminer sur un horizon moyen terme (6 à 18 mois) des quantités de produits ou de
famille de produits de telle façon à optimiser une fonction objective. Cette dernière, selon
les cas d’étude, exprime un compromis entre les coûts de production, de lancement, de
stockage. Lorsque la demande client doit être entièrement satisfaite et sans retard, la
planification consiste dans un premier temps à trouver une solution répondant à cette
60
exigence. Dans le cas contraire, divers coûts peuvent être imputés (retard, annulation de
commande etc.).
Données :
Les données d’entrée du modèle sont :
- la durée de l’horizon de planification,
- la demande client par produit ou par famille de produits pour chaque période.
Paramètres :
Les paramètres pris en compte sont le plus souvent :
- le coût unitaire de stockage,
- le coût unitaire de production,
- le coût unitaire de lancement d’une campagne de production,
Variables :
Elles représentent :
- les quantités produites,
- les quantités en stocks,
- les débuts de campagne (afin d’imputer les coûts de lancement de campagne).
61
Figure 45 : Classification des modèles mathématiques mono-site (21)
62
4. Modèle de la chaîne logistique proposé

Compte tenu de la synthèse bibliographique présentant les différents modèles
mathématique qui traitent seulement au niveau tactique le problème de planification de la
production et distribution entre le producteur et client. Nous proposons de présenter notre
modèle de planification qui vise à fournir le planning de production et de stockage optimal
entre les départements, c’est-à-dire les flux internes de l’entreprise, en ajoutant la
planification au niveau opérationnel. Elle tient compte chaque département comme étant un
mono-niveau, où les produits sont fabriqués, puis livrés au département suivant jusqu’aux
clients.
Lors de la réception d’une commande client, le producteur aura à gérer une production
déjà lancée et une commande à placer dans la chaîne de production à moindre coût et en
respectant les délais. La difficulté émane de la gestion de différents types de commandes
explicitées précédemment (mise en place, réassort) en tenant compte la variabilité de la
demande et le partage de l’information.
Compte tenu de l'arrivée fréquente des demandes imprévisibles, il est important que la
société doive produire au bon moment et à moindre coût, les ordres de production imprévus
et urgents et qui sont déjà commandés. Cela peut être assuré par la considération d'une
prévision de sécurité au niveau opérationnelle pour répondre, de façon optimale, aux
demandes tactiques qui pourraient arriver. C’est ainsi que le modèle proposée doit anticiper
les décisions opérationnelles au niveau de planification tactique.
Cette approche permettra ainsi au producteur de planifier le problème intégré de la
production et de stockage aux niveaux tactique et opérationnel. La figure 47 représente La
chaine logistique que nous considérons se composée de plusieurs départements de la
Figure 46: Chaine logistique interne proposé pour ITEX
63
société ITEX comme étant une société qui possède une entrée des matières premières et
une sortie des produits finis (mono-niveau). En outre, nous considérons le groupe ITEX en
entier comme étant un mono-site, malgré tous les sociétés qui se trouvent au sein du groupe
ITEX, nous insistons sur le fait que l’entreprise doive établir une relation administratif entre
les départements en tenant compte l’importance de partage de l’information, pour que
l’entreprise soit unifié et coopératif.
En effet, chaque département joue essentiellement deux rôles à la fois, fournisseur et
client. Par exemple, le département tricotage est un fournisseur exclusif pour le département
teinture et à la fois client de département filature.
4.1. Justification de choix entre les niveaux de décisions
Nous avons décidé de ne pas prendre en compte le niveau stratégique. En effet, le
niveau stratégique ne nous intéresse pas dans notre élaboration de modèle mathématique,
il est concerné par tous ce qui est investissement au long terme (plus de 5 ans) et c’est le
cas de l’entreprise ITEX. Son objectif au bout de l’année 2020 est le déplacement de l’unité
de production vers le Cameroun. Sachant par ailleurs que ce type d’investissement exige
d’autres solutions managériales et techniques de plus haut niveaux.
Notre approche pour la planification de la production et de stockage, telle que présentée
à la figure 49 permet d’intégrer deux niveaux de décisions : tactique et opérationnel. Ceci
est justifié par la variation des délais de livraison des commandes. En effet, différentes
commandes peuvent être prévisibles et même à délais de livraisons pouvant atteindre les
six mois. D’autres demandes arrivent d’une façon imprévue avec un délai de livraison
beaucoup plus restreint de l’ordre même de la semaine.
Pour la planification tactique, un premier modèle mathématique est élaboré. Il considère
un horizon de planification T de 6 mois, puisque la production annuelle dans le secteur
textile correspond en général à deux collections (printemps/été, automne/hiver). En entrées,
ce modèle tactique reçoit les demandes fermes, les capacités des ressources illimitées, et
les différents coûts (coût de stockage, de production, et de lancement). En sortie, il
détermine les quantités à produire avec les quantités à stocker pour chaque période
élémentaire de l’horizon T, de manière à minimiser les coûts globaux au niveau tactique.
Au niveau opérationnel, l'objectif est de détailler les quantités obtenues pour chaque
période élémentaire de l’horizon de 2 mois, prévues à être produites en interne au niveau
tactique, sur les semaines et de placer les nouvelles commandes imprévues et urgentes qui
arrivent, sans oublier les commandes prévisionnelles de réassort. Il est évident que les
64
ordres de production à ce niveau ont un délai de livraison restreint et sont introduits

moyennant un horizon opérationnel glissant. Ces nouvelles commandes sont planifiées au
niveau tactique. Elles sont affectées à différents départements de production internes de
l’entreprise
Dans notre approche, pour le modèle mathématique développé au niveau opérationnel,
les décisions opérationnelles prises pour la première période sont figées et les coûts de
production, de lancement et de stockage relatifs sont pris en compte. Toutefois, les
décisions prises pour les autres périodes ne sont pas fermes et pourraient être modifiées,
tout en introduisant les nouveaux ordres de production qui arrivent récemment. Quand un
nouvel ordre arrive, sur la période opérationnelle, avec un délai de livraison supérieur au
nombre de périodes de l’horizon opérationnel, le modèle tactique est appliqué au début de
la période tactique suivante, car il pourrait être intéressant de considérer puisque les délais
le permettent. Les nouvelles affectations décidées par le modèle tactique seront,
évidemment, considérées au niveau opérationnel. Cette procédure se répète jusqu’à la fin
de l’horizon tactique.
Nous considérons que le modèle de planification opérationnel tient compte d’un horizon
de deux mois avec une périodicité hebdomadaire en supposant que chaque mois est
représenté par 4 semaines (voir la figure 48). Le choix pour le modèle opérationnel est
nécessaire afin de pouvoir planifier la production et le stockage, au niveau opérationnel, en
tenant compte les commandes de réassorts qui risquent d’arriver au fil des semaines. Par
ailleurs, au niveau opérationnel, une fois le mois entamé, nous devons recueillir toutes les
décisions toutes les décisions tactiques pour ce mois-ci. Ainsi, l’horizon glissant
opérationnel doit atteindre la fin du mois pour détailler par semaine ces décisions déjà prises
en insérant au fur et à mesure les commandes de réassort qui arrivent. D’où nous jugeons
nécessaire la considération d’un horizon de planification opérationnel variable et le nombre
de période de cet horizon glissant dépend de la position de dépend de la position de la
première période (semaine) dans le mois et varie de 8 à 11 semaine pour un horizon
opérationnel de 2 mois. La raison sur laquelle nous avons limité l’horizon variable pour le
modèle opérationnel au niveau de 11 semaines, c’est que les commandes urgentes de
huitième semaine de l’horizon opérationnel ne doivent pas dépasser 3 semaines de
livraison, sinon, il faut les intègrent dans le modèle tactique pour la période suivante. En
effet, les demandes planifiées pour le troisième mois au niveau tactique, par exemple,
doivent être respectées au niveau opérationnel et placées sur les 4 semaines de ce mois.
65
Figure 48 : Principe de période et horizon pour des niveaux tactiques et opérationnels
Figure 47 : Modèle hiérarchique de planification proposé
66
4.2. Description de modèle de planification avec partage de

l’information
Dans ce manuscrit, des prévisions seront réalisés au niveau opérationnel pour estimer
les quantités de réassort qui risquent d’arriver au fil des semaines. La méthode sur laquelle
nous utilisons pour estimer les quantités de réassort sera par la suite appliquée dans le
chapitre 3 sur un cas d’étude. Pour ce modèle considérant un partage d’information, nous
estimerons des commandes avant leurs arrivées moyennant une méthode de prévision, ce
qui permet de les insérer dans l’horizon glissant à l’avance. En effet, pour ce cas, l’estimation
de production des commandes prévisionnelles de réassort qui seront intégrés comme une
entrée dans le modèle opérationnel, basé sur l’historique de production de l’année
précédente. La méthode de prévision permet d’estimer à une période donnée les
commandes à venir pour les périodes suivantes. Ensuite, à partir de la méthode de
prévision, notre objectif est de définir le cumul des quantités à produire en observant les
productions des premières semaines.
Initialement, nous aurons à détailler les décisions prises au niveau tactique par période
opérationnelle. Il est à noter que pour la période 1 nous intégrons uniquement des
commandes fermes puisque les décisions concernant cette semaine seront figées en
avançant sur l’horizon glissant, surtout que nous choisissons de ne produire les quantités
prévisionnelles que si elles deviennent fermes. Ensuite, en glissant d’une semaine nous
figeons les décisions prises à la période 1 et nous mettons à jour les commandes
prévisionnelles de réassort des périodes suivantes par confirmation, par suppression ou par
modification. Les modifications concernent le délai de livraison de la commande ou la
quantité à livrer et émanent directement de la méthode de prévision appliquée. Ainsi en
avançant sur l’horizon glissant, nous aurons à appliquer à chaque semaine notre modèle de
prévision qui fournit les nouvelles commandes prévisionnelles de réassort à considérer et
qui remplaceront les commandes prises en compte pour la période précédente. Compte
tenu de ces commandes prévisionnelles de réassort, de nouvelles commandes de mise en
place à long délai de livraison peuvent se produire. Ces ordres sont introduits en entrée
dans le modèle de planification tactique à partir du mois suivant pour décider de leur
affectation au département sur chaque période.
67
4.3. Modélisation mathématique

Dance cette section seront détaillés les modèles tactiques et opérationnel sur lesquels
se base nos modèles de planification de la production et de stockage.
4.3.1. Modèle de planification tactique
Il s’agit d’un problème de planification mono-niveau, la capacité de production dans les
différents départements est plus grande (environ 2 000 tonnes/an) pour qu’on puisse la
considérer comme infinie, et la demande est variable. Le but est de déterminer des quantités
à produire sur des périodes préalablement définies sur l’horizon de planification permettant
de minimiser les coûts de gestion et de répondre au besoin de client. Ce modèle appelé
« Lot Sizing Problem » prend parfois le nom de modèle de Wagner Within, du nom des
auteurs qui ont trouvé le premier algorithme polynômial capable de le résoudre (Wagne et
within 1958) (29). Puisqu’il permet de planifier plusieurs produits par période, c’est un modèle
« big bucket ».
 Les paramètres de modèle
𝑇 ∶ Longueur (6 périodes = 6 mois) de l’horizon de la planification,
𝑁 ∶ Nombre de produits,
𝑑𝑖𝑡 ∶ Demande en produit 𝑖 à la fin de la période 𝑡, 𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝑇]
ℎ𝑖 ∶ Coût de stockage du produit 𝑖 durant une période, 𝑖 ∈ [1, 𝑁]
𝐼𝑖0 : Stock initial en produit 𝑖, 𝑖 ∈ [1, 𝑁]
𝑠𝑖 : Coût de lancement du produit 𝑖, 𝑖 ∈ [1, 𝑁]
𝑣𝑖 : Coût de production du produit 𝑖, 𝑖 ∈ [1, 𝑁]
 Les variables de décisions
𝑄𝑖𝑡 ∶ Quantité de produit 𝑖 fabriquée à la période 𝑡, 𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝑇]
𝐼𝑖𝑡 ∶ Niveau de stock en produit 𝑖 à la période 𝑡, 𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝑇]
1 s'il y a lancement pour le produit 𝑖 à la période 𝑡,
𝑋𝑖𝑡 : { 𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝑇]
0 sinon
 Fonction objectif
En utilisant ces notations, on peut écrire ce problème sous forme d’un programme
linéaire mixte :
𝑁 𝑇
Minimiser ∑ (∑(𝑠𝑖 × 𝑋𝑖𝑡 + ℎ𝑖 × 𝐼𝑖𝑡 + 𝑣𝑖 × 𝑄𝑖𝑡 )) (1.1)

𝑖=1 𝑡=1
68
 les contraintes
𝐼𝑖𝑡 = 𝐼𝑖(𝑡−1) + 𝑄𝑖𝑡 − 𝑑𝑖𝑡 ∀ (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝑇] (1.2)
𝑄𝑖𝑡 ≤ (∑𝑇𝑡=1 𝑑𝑖𝑡 ) × 𝑋𝑖𝑡 ∀ (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝑇] (1.3)
𝑋𝑖𝑡 ∈ {0,1} ∀ (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝑇] (1.4)
𝐼𝑖𝑡 , 𝑄𝑖𝑡 ≥ 0 ∀ (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝑇] (1.5)
L’objectif (1.1) est de minimiser la somme des coûts de lancement, de stockage et de

production de tous les produits pour toutes les périodes.
La contrainte (1.2) représente l’équilibre des stocks.
La contrainte (1.3) impose qu’un lancement pour le produit i soit effectué à la période t
si on a une fabrication de celui-ci durant cette période.
La contrainte (1.4) définit les variables de lancement comme étant binaires et (1.5) est
une condition de non-négativité.
4.3.2. Modèle de planification opérationnel
En effet, nous développons le modèle opérationnel par nous même à partir du modèle
tactique, en ajoutant les contraintes de liaison entre les deux modèles.
Ce modèle opérationnel affine les placements décidés par le modèle tactique pour
chaque période élémentaire et place les nouvelles commandes qui arrivent au fil des
semaines auprès des différents départements. Ce modèle décide aussi des quantités
stockées et de celles fabriquées. En résumé, ce modèle servira à détailler les décisions de
production prises au niveau tactique, en respectant l’affectation décidée déjà et en tenant
compte des nouvelles commandes prévisionnelles de réassort qui arrivent au fur et à
mesure.
Les hypothèses du modèle opérationnel pout notre étude, considérant un partage
d’information entre les départements, sont les suivants :
 Les commandes prévisionnelles de réassort ne sont pas mises en production
que lorsqu’elles deviennent fermes de l’autre partie (le département suivant).
 Les prévisions se basent sur historique de l’année précédente.
 Les commandes prévisionnelles de réassort sont obtenues par le modèle de
prévision et sont insérées directement comme données dans le modèle
opérationnel.
 Un horizon glissant variable est considéré.
69
 Les paramètres du modèle

𝐿 ∶ Longueur 𝑡 ∈ [1, 𝑙] avec 𝑙 ∈ {8,9,10,11} de l’horizon de la planification,
𝑁 ∶ Nombre de produits,
𝑑𝑖𝑡 ∶ Demande en produit 𝑖 à la fin de la période 𝑡, 𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝐿]
𝑝𝑖𝑡 ∶ prévision en produit 𝑖 à la fin de la période 𝑡, 𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝐿]
ℎ𝑖 ∶ Coût de stockage du produit 𝑖 durant une période, 𝑖 ∈ [1, 𝑁]
𝐼𝑃𝑖0 ∶ Stock initial d'une commande prévisionnelle en produit 𝑖, 𝑖 ∈ [1, 𝑁]
𝐼𝐹𝑖0 : Stock initial d'une commande ferme en produit 𝑖, 𝑖 ∈ [1, 𝑁]
𝑠𝑖 : Coût de lancement du produit 𝑖, 𝑖 ∈ [1, 𝑁]
𝑣𝑖 : Coût de production du produit 𝑖, 𝑖 ∈ [1, 𝑁]
 Les variables de décisions
𝑄𝑃𝑖𝑡 ∶ Quantité prévisionnelle de produit 𝑖 fabriquée à la période 𝑡, 𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝐿]
𝐼𝑃𝑖𝑡 ∶ Niveau de stock en produit 𝑖 d'une commande prévisionnelle à la période 𝑡,
𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝐿]
1 s'il y a lancement pour le produit 𝑖 d'une commande prévisionnelle à la période 𝑡,
𝑋𝑃𝑖𝑡 : {
0 sinon
𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝐿]
𝑄𝐹𝑖𝑡 ∶ Quantité ferme de produit 𝑖 fabriquée à la période 𝑡, 𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝐿]
𝐼𝐹𝑖𝑡 ∶ Niveau de stock en produit 𝑖 d'une commande ferme à la période 𝑡,
𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝐿]
1 s’il y a lancement pour le produit 𝑖 d’une commande ferme à la période 𝑡,
𝑋𝐹𝑖𝑡 : {
0 sinon
𝑖 ∈ [1, 𝑁] , 𝑡 ∈ [1, 𝐿]
 Fonction objectif
En utilisant ces notations, on peut écrire ce problème sous forme d’un programme
linéaire mixte :
𝑁 𝑇
Minimiser ∑ (∑(𝑠𝑖 × (𝑋𝑃𝑖𝑡 + 𝑋𝐹𝑖𝑡 ) + ℎ𝑖 × (𝐼𝑃𝑖𝑡 + 𝐼𝐹𝑖𝑡 ) + 𝑣𝑖 × (𝑄𝐹𝑖𝑡 + 𝑄𝑃𝑖𝑡 )) (1.1)

𝑖=1 𝑡=1
 Sous les contraintes

𝐼𝐹𝑖𝑡 = 𝐼𝐹𝑖(𝑡−1) + 𝑄𝐹𝑖𝑡 − 𝑑𝑖𝑡 (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝐿] (2.1)
𝑄𝐹𝑖𝑡 ≤ (∑𝑇𝑡=1 𝑑𝑖𝑡 ) × 𝑋𝐹𝑖𝑡 (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝐿] (2.2)

𝑋𝐹𝑖𝑡 ∈ {0,1} (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝐿] (2.3)
70
𝐼𝐹𝑖𝑡 , 𝑄𝐹𝑖𝑡 ≥ 0 (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝑙] (2.4)
𝐼𝑃𝑖𝑡 = 𝐼𝑃𝑖(𝑡−1) + 𝑄𝑃𝑖𝑡 − 𝑝𝑖𝑡 (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝐿] (3.1)

𝑄𝑃𝑖𝑡 ≤ (∑𝑇𝑡=1 𝑝𝑖𝑡 ) × 𝑋𝑃𝑖𝑡 (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝐿] (3.2)
𝑋𝑃𝑖𝑡 ∈ {0,1} (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝐿] (3.3)
𝐼𝑃𝑖𝑡 , 𝑄𝑃𝑖𝑡 ≥ 0 (𝑖, 𝑡) ∈ [1, 𝑁] × [1, 𝐿] (3.4)
𝑋1𝑖 ≤ ∑4𝑡=1 𝑄𝐹𝑖𝑡 𝑖 ∈ [1, 𝑁] ; 𝑡 ≤ 8 (4.1)

𝑋1𝑖 ≤ ∑𝑙−8
𝑡=1 𝑄𝐹𝑖𝑡 𝑖 ∈ [1, 𝑁] ; 𝑡 [1, 𝑙] 𝑙 > 8 (4.2)
𝑋2𝑖 ≤ ∑8𝑡=1 𝑄𝐹𝑖𝑡 𝑖 ∈ [1, 𝑁] ; 𝑡 ≤ 8 (4.3)
𝑋2𝑖 ≤ ∑4𝑡=1 𝑄𝐹𝑖𝑡 𝑖 ∈ [1, 𝑁] ; 𝑡 [1, 𝑙] 𝑙 > 8 (4.5)
𝑋3𝑖 ≤ ∑𝑙𝑡=𝑙−3 𝑄𝐹𝑖𝑡 𝑖 ∈ [1, 𝑁] ; 𝑡 [1, 𝑙] 𝑙 > 8 (4.6)
L’objectif (1.1) est de minimiser la somme des coûts de lancement, de stockage et de

production de tous les produits pour tous les horizons de niveau opérationnel.
Les familles des contraintes 2) définissent celles des commandes fermes :
Les familles des contraintes 3) définissent celles des commandes prévisionnelles de
réassort :
Les familles des contraintes 4) assurent le respect des décisions d’affectation prises au
niveau tactique. En effet, les quantités lancées au niveau tactique sur un mois donné doivent
être produites au cours de ces 4 semaines du mois correspondant au niveau opérationnel.
71
5. Conclusion
Dance ce chapitre, nous avons exposé les notions de la chaine logistique, ses
composants, ses participants, et les méthodes proposées pour leur modélisations. A travers
l’ensemble des définitions que nous avons donné, nous remarquons la difficulté de situer la
notion de chaîne logistique. Cette dernière dépend de la nature du produit, de service fourni,
et de la nature des relations entre les participants.
Ensuite nous représentons un état de l’art des modèles mathématiques traitant le
problème de planification tactique de la production et de stockage. A partie de cette revue
bibliographique nous développons les modèles de planification tactique et opérationnel de
la chaîne logistique de l’entreprise ITEX en tenant compte des spécificités de la société
déjà expliqué dans le chapitre 1, ainsi les modèles mathématiques de planification de la
production et de stockage a été adopté pour la résolution de problématique au niveau
tactique et opérationnel, en tenant compte la liaison entre les deux modèle qui se fait par
nous-même.
Ces modèles seront validés dans le chapitre suivant. Puis, ses performances seront
aussi jugées en envisageant un partage d’information entre les départements.
72
Chapitre Ⅲ : Validation des modèles de

planification tactique et opérationnel
73
1. Introduction
Dans ce chapitre, nous considérons le cas où les départements disposent d’une
information avancée sur les commandes à venir depuis le département qui se suivent. Cette
information permettra au département de réaliser des prévisions réduisant les incertitudes
sur la demande .Dans ce qui suit, nous explicitons l’intérêt du partage de l’information dans
la chaîne logistique, afin de faire face aux gaspillages des produits, et diminution les stocks
des encours et les coûts logistiques (coût de passation, coût de possession, et coût de
production). Puis, dans le cadre d’une collaboration entre les départements, nous
présenterons la méthode adoptée de prévision pour les commandes prévisionnelles de
réassort. A la fin de ce chapitre, nous exposons les résultats obtenus pour notre cas d’étude.
2. Description du cas d’étude

Dans notre expérimentation, nous considérons seulement les commandes fermes des
trois départements (Tricotage, Tissage et teinture) pour l’année 2010 (voir annexe 5), et les
commandes prévisionnelles de réassort qui se basent sur l’historique de l’année
précédente, nous détaillerons la méthode de prévision par la suite. Ces départements sont
caractérisés par leur capacité de production illimitée, et plus de 40 références de produits
sont lancées par mois.
L’horizon tactique est fixé à 6 mois. Au niveau opérationnel, les deux premiers mois
couvre la moitié des commandes prévisionnelles de 6 mois, avec une périodicité
hebdomadaire. Cela permet une meilleure prise en compte des commandes imprévues et
urgentes pour le reste des mois suivants de modèle tactique. Afin de respecter les décisions
de production mensuelles prises au niveau tactique, l’horizon de planification considéré
dans ce modèle opérationnel est variable entre huit et onze semaine comme expliqué
précédemment.
Le coût de possession, de passation et de production sont fixe par produit et ne dépend
que la quantité de produit, incluant pour chaque produit sa quantité initial au début de
chaque période tactique (voir annexe 6).
En s’alignant sur le cas réel, nous intégrons aussi les contraintes suivantes au niveau
du modèle tactique et opérationnel :
 Le partage de l’information est obligatoire entre les départements ;
 Les différents coûts sont inchangés pour tous les produits et donc ces coûts ne
dépendent pas de t ;
74
 Les commandes prévisionnelles de réassort ne seraient pas produits, sauf

quand ils soient fermes au niveau opérationnel.
Pour le modèle opérationnel, nous considérons les demandes à délais de livraison
inférieurs à 2 mois. Pour les commandes à délais supérieurs à 2 mois, nous appliquons
notre modèle tactique (voir figure 49, chapitre 2), à partir du mois suivant, pour décider des
placements de ces demandes auprès les départements de la société ITEX. Notre modèle
opérationnel pourrait donc contenir ces demandes, après le modèle tactique juge leur
placement dans les sites de production. Pour cela, nous commençons par détailler les
décisions au niveau tactique pour les 2 premiers mois par semaine. Nous figeons ensuite
les quantités produites, stockées pour les 2 mois et nous re-planifions à nouveau les
quantités restantes à produire de modèle tactique pour les 2 mois suivant (deuxième horizon
de modèle opérationnel), et en intégrant aussi les commandes prévisionnelles de réassort
pour couvrir l’incertitude de la demande et la rupture de stock. Nous répétons la même
chose en intégrant les commandes fermes obtenus par le modèle tactiques et les
commandes prévisionnelles de réassort au fur et à mesure, jusqu’à la fin du sixième mois.
Nous obtenons à la fin un planning optimal de production et stockage hebdomadaire
des différents produits avec un coût total de fabrication aussi optimal, tenant compte la
présence du sens de partage de l’information.
Dans ce qui suit, nous détaillons la procédure de prévision des commandes
prévisionnelles de réassort des produits, placés dans la chaine logistique au sein de
l’entreprise. Afin d’illustrer les différentes étapes réalisées pour la méthode de prévision,
nous détaillons la procédure pour un exemple type de produit (P/C Ch-trame – département
teinture).
Initialement, nous supposons que la durée de vie d'un produit est d'environ 24 semaines
(modèle tactique = 6 mois). En effet, les produits placés dans la production en mars, par
exemple, font partie de la collection printemps/été et resteront dans le processus de
fabrication jusqu'à la fin du mois d'août. Ainsi, nous présentons notre courbe du cycle de vie
sur les 24 semaines dans le but de prévoir les différentes commandes prévisionnelles. Pour
ce faire, nous utilisons le modèle logistique des prévisions où les productions cumulatives
sont définies en fonction du temps comme suit :
75
𝑆
𝑦(𝑡) =
1 + 𝐵𝑒 −𝐴𝑡
Figure 49 : courbe logistique
En effet, S (Ymax) est le seuil de saturation à long terme ; Ce seuil correspond aux
productions maximales atteintes pour des produits de la même famille produits au cours
de la même saison de l’année précédente.
A (r) est un paramètre lié à la vitesse d’évolution ;
B (𝛽) est un paramètre lié à l’origine.
Pour cette courbe la production cumulées attigent 50% du seuil de saturation au
1
point d’inflexion I. donc 2 𝑆 = 𝑆⁄(1 + 𝐵𝑒 −𝐼𝐴 ) c’est-à-dire 2 = 1 + 𝐵𝑒 −𝐼𝐴 d’où 𝐵 = 𝑒 𝐼𝐴 .
Ainsi
𝑆
𝑦(𝑡) = (1)
1 + 𝑒 (1−𝑡)𝐴
Ainsi, pour tous les produits, nous supposons que la moitié de production des produits
est atteint au premier horizon opérationnel c’est-à-dire 2 mois (8 semaines). En effet, les
produits placés sur la chaine de fabrication au début du mois de janvier, atteignent leurs
productions maximales au début du mois de mars.
La deuxième étape consiste à tracer la courbe des productions cumulatives. Pour ce
faire, nous devons déterminer le facteur A selon les quantités de mise en place
commandées (commandes fermes qui correspondent aux quantités initiales disponibles
au début de la saison.
Prenons l’exemple du produit P/C Ch-trame : connaissant la quantité de mise en place
commandée (16031Kg) et la production observée au cours des premières semaines, nous
76
construisons un point de la courbe des productions cumulatives afin de prévoir la production

de la prochaine semaine de la saison.
Ainsi, pour le produit P/C Ch-trame :
16031
𝑦(𝑡) = (2)
1 + 𝑒 (8−𝑡)0.36
Figure 50 : production cumulative du produit Bouclette
Ainsi nous pouvons construire la courbe de production cumulative prévisionnelle de

réassort du produit P/C Ch-trame comme suit :
A partir de la courbe de cycle de production ou directement à partir de (2) nous
déterminons la production hebdomadaire prévisionnelle de réassort comme suit :
Semaine Production Semaine Production

1 2417 13 1650
2 965 14 1277
3 1284 15 961
4 1661 16 708
5 2071 17 513
6 2418 18 368
7 2751 19 262
8 2981 20 186
9 2956 21 130
10 2775 22 92
11 2453 23 64
12 2057 24 45
Tableau 6 : Prévision de production de P/C Ch-Trame
77
La troisième étape consiste que chaque département doit informer le département qui
se trouve en amont de se sa politique de réapprovisionnement. Concernant la prévision de
tous les produits vous trouverez dans l’annexe 7.
3. Résultats
Dans ce paragraphe, nous allons détailler les résultats obtenus en insérant les
commandes fermes de l’année 2010, et les commande prévisionnelles réassorts pour
l’année 2009 des trois départements (Tissage, tricotage et Teinture). Au niveau tactique,
comme explicité précédemment, notre modèle de planification tient compte seulement les
commandes fermes. Au niveau opérationnel, notre modèle de planification tient compte la
planification résultant d’après le modèle tactique, en ajoutant les commandes
prévisionnelles de réassorts.
Ensuite, afin de mettre en évidence les avantages de partage d’information précise et
fiables entre les départements induisant de parfaites gestion des flux internes, nous
comparons nos résultats obtenus avec le cas réel de l’entreprise ITEX durant l’année 2010.
L’objectif est d’évaluer nos modèles de planification lorsque les départements est en
possession d’une information fiable et précise afin de mise en place d’une nouvelle
organisation industriel adresser à l’entreprise ITEX.
Dans notre applications, les modèles mathématiques considérés ont été résolus en
utilisant le package ILOG OPL Studio V12.5 / Cplex 12, sur un pc IntelCore i5 avec un
processeur 2.5 GHz et une mémoire 4 Mo. Une solution optimale à 10 -2 près est obtenue
pour tous les modèles simulés. Pour le modèle de planification tactique le nombre de
contrainte est d’environ 700 et le nombre de variable est d’environ 500, y compris plus de
100 variables binaires, le modèle opérationnel contient environ 1800 contraintes et 1200
variables de décisions avec plus de 300 variables binaires. Pour tous les résultats présentés
ci-dessous est composé en deux parties. Une partie consacrée pour la planification tactique,
avec le coût total de chaque département sur les six mois, et l’autre partie pour la
planification opérationnelle, avec le coût total de chaque département sur les 2 mois (8
semaine).
78
3.1. Planification tactique

Initialement, l’application de modèle tactique pour les départements Tissage, Tricotage
et Teinture, tenant compte en entrée des demandes fermes par produit, des différents coûts
(coût de possession, de passation et de production) pour chaque produit, stock initiale pour
le début saison. En sortie, ce modèle décide des quantités à produire chaque mois, leurs
affectations et le niveau de stock à la fin de chaque période.
Nous obtenons à la fin des simulations sur les six mois grâce aux algorithmes sous
Cplex (annexe 9), un planning de production et stockage mensuelle des différents produits
pour les trois départements. Nous représentons les résultats de planification tactique dans
les tableaux au-dessous :
 Département Tissage
Q Janvier Février Mars Avril Mai Juin
P/C1/28 0 0 0 0 0 95326
P/C1/20 0 0 0 0 4906 92
Polycralique 4778 1544 511 0 0 743
Tactel R vertical 0 0 18461 28865 28900 22124
Losange 0 0 0 6775 36965 17474
Tactel-Micro 615 0 688 0 0 10529
Doubleur 0 0 53305 24076 20124 4578
Microfibre 0 4013 3964 11725 21936 0
Lime 0 0 7294 15867 4927 0
Satinee 4538 4917 4391 6647 2921 6311
Tacelon 0 0 0 0 0 5154
Drap 3103 1661 1441 3098 1413 82
Tableau 7: Affectation de la quantité à produire chaque mois en Kg(Tissage)
I Janvier Février Mars Avril Mai Juin

P/C1/28 22866 17477 6178 6178 6178 0
P/C1/20 3246 3246 3246 1247 0 0
Polycralique 0 0 0 0 0 0
Tactel R vertical 22364 10568 0 0 0 0
Losange 31659 31659 24293 0 0 0
Tactel-Micro 0 0 0 0 0 0
Doubleur 21604 15336 0 0 0 0
Microfibre 8959 0 0 0 0 0
Lime 3956 3956 0 0 0 0
Satinee 0 0 0 0 0 0
Tacelon 4983 4983 4983 4983 1363 0
Drap 0 0 0 0 0 0
Tableau 8 : Niveau de stock à la fin de chaque mois en Kg(Tissage)
79
 Département Tricotage
Charmeuse 1er 0 0 0 0 7034 15697
Charmeuse tex 0 0 10938 8613 7264 1697
Charmeuse 2eme 0 0 12148 21367 15697 23974
Syfraline 0 5489 0 12789 11367 7978
Syfraline 2eme 3457 3169 3168 4856 0 0
Filet 2004 987 10598 0 0 14893 0
Filet 2401 0 9112 13191 12497 12415 14891
Filet Normal 0 0 0 0 0 0
Filet N 08 0 0 0 10971 11412 0
Filet J 09 0 0 0 0 0 0
Filet K 08 2293 4977 6977 7971 10354 10784
Filet Grandiamétre 0 1007 15447 0 0 0
Filet 2003 0 0 0 0 0 6198
Fil pas 0 0 0 1270 4923 3599
Tableau 9 : Affectation de la quantité à produire chaque mois en Kg(Tricotage)

Charmeuse 1er 18490 15321 13162 5663 0 0
Charmeuse tex 3000 641 0 0 0 0
Charmeuse 2eme 23102 7715 0 0 0 0
Syfraline 3487 0 0 0 0 0
Syfraline 2eme 0 0 0 0 0 0
Filet 2004 0 0 0 0 0 0
Filet 2401 2336 0 0 0 0 0
Filet Normal 24256 29282 24872 24872 24872 24872
Filet N 08 0 0 0 0 0 0
Filet J 09 61302 59174 55695 52147 44166 36233
Filet K 08 0 0 0 0 0 0
Filet Grandiamétre 14482 0 0 0 0 0
Filet 2003 44995 37016 28042 19628 9481 0
Fil pas 2982 1833 276 0 0 0
Tableau 10 : Niveau de stock à la fin de chaque mois en Kg (Tricotage)
80
 Département Teinture
P/C Ch-trame 0 0 0 0 0 16031
Pes100% Divers 1836 3132 1790 1007 866 1933
Polycrac PES 100% 0 0 0 0 0 688
Lisse Fin 0 0 0 0 0 0
Charmeurse Local 41677 42602 31783 6336 6172 6652
Losange Pes100% 1584 4604 4670 0 0 1870
Syfraline Pes100% 5695 10101 0 2118 0 3899
Polaire Pes 100% 1519 2058 1223 11445 2890 12276
Tactel Pes100% 1647 6690 7096 15288 10834 6084
Microfibre Pes100% 0 9077 15918 30594 9979 30098
Piqué 12954 14498 19303 3504 34134 2210
Filet Pes100% 3953 2954 2168 0 2280 0
Nid d'abeille Pes100% 0 0 0 4358 1684 4721
Diagonal 7281 1165 786 2810 2675 2148
P/C MLT 17393 5995 11286 5858 3119 3860
Tableau 11 : Affection de la quantité à produire chaque mois en Kg (Teinture)

P/C Ch-trame 13905 11735 10048 7995 658 0
Pes100% Divers 0 0 0 0 0 0
Polycrac PES 100% 513 411 345 102 55 0
Lisse Fin 5805 5608 5403 5406 4143 1395
Charmeurse Local 0 0 0 0 0 0
Losange Pes100% 0 0 0 0 0 0
Syfraline Pes100% 0 0 0 0 0 0
Polaire Pes 100% 0 0 0 0 0 0
Tactel Pes100% 0 0 0 0 0 0
Microfibre Pes100% 0 0 0 0 0 0
Piqué 3781 0 0 0 0 0
Filet Pes100% 0 0 0 0 0 0
Nid d'abeille Pes100% 0 0 0 0 0 0
Diagonal 9270 8463 5848 0 0 0
P/C MLT 0 0 0 0 0 0
Tableau 12 : Niveau de stock à la fin de chaque mois en Kg (Teinture)
Nous remarquons que le niveau des stocks d’encours pour chaque produit entre les
départements se tend vers zéro. Par conséquent, le modèle de planification tactique permet
de garantir une meilleure flexibilité de production qui minimise le coût total de la chaine,
comme le tableau (13) le montre.
81
Départements Teinture Tissage Tricotage

Coût total optimisé (Drh) 1 0784 362,1 2 735 244,13 4 020 858,75
Coût total réel (Drh) 7 586 220,64 10 813 831,5 16 480 014,51
Gain 76,48% 74,71% 75,60%
Tableau 13 : Coût total réel et optimisé durant 6 mois en Drh (2010)
Tricotage
Tissage
Teinture
0 5000000 10000000 15000000 20000000

Coût total réel Coût total optimisé
Figure 51 : Coût total réel et optimisé durant 6 mois en Drh (2010)
En effet, la performance de cette méthode de planification se voit dans la figure ci-

dessus (figure 52). Le coût total optimisé au niveau tactique de stockage, de lancement et
de production dans chaque département pour l’ensemble des produits est clairement
différencié par rapport le coût total réel. Ce gain en coût s’explique par l’affectation optimale
des productions au sein des différents départements de l’entreprise ITEX.
Ce résultat met en évidence l’avantage d’une production des commandes fermes
mensuelles ajustées: l’affectation des productions est décidée au niveau tactique. La
performance de planification peut toutefois être améliorée, si la demande plus précise est
utilisée et des méthodes de planifications sont développées.
3.2. Planification opérationnel
Nous commençons par l’injection les décisions prises au niveau tactique dans le modèle
opérationnel à horizon 8 semaines (Janvier et Février). Les commandes prévisionnelles de
réassort qui arrivent en cette période sont intégrées en entrée, sauf quand ils soient fermes.
Ce modèle opérationnel tient compte aussi les commandes fermes par semaine qui arrivent
jusqu’à la fin de l’horizon (voir annexe 8)
82
En effet, les décisions prises à la l’horizon opérationnel (Janvier-Février) sont figées,

puis nous passons au deuxième horizon opérationnel (Mars-Avril). Les tableaux présentent
le planning opérationnel des productions pour les trois départements (Tissage, Tricotage et
Teinture) sur l’horizon opérationnel sont obtenus grâce aux programmations sous Cplex voir
(Annexe 10) :
 Janvier-Février :
Qc 1 2 3 4 5 6 7 8
P/C1/28 0 0 0 0 0 0 0 0
P/C1/20 0 0 0 0 0 0 0 0
Polycralique 933 1152 2646 47 1208 336 0 0
Tactel R vertical 0 0 0 0 0 0 0 0
Losange 0 0 0 0 0 0 0 0
Tactel-Micro 0 0 355 260 0 0 0 0
Doubleur 0 0 0 0 0 0 0 0
Microfibre 0 0 0 0 0 1557 2456 0
Lime 0 0 0 0 0 0 0 0
Satinee 0 0 425 4113 679 889 2490 859
Tacelon 0 0 0 0 0 0 0 0
Drap 698 535 1190 680 264 679 403 315
Tableau 14 : Affectation de la quantité à produire pour les commandes fermes en Kg J-F (Tissage)
Ic 1 2 3 4 5 6 7 8
P/C1/28 24447 23881 23239 22866 22866 21497 20394 17477
P/C1/20 3246 3246 3246 3246 3246 3246 3246 3246
Polycralique 0 0 0 0 0 0 0 0
Losange 31659 31659 31659 31659 31659 31659 31659 31659
Tactel-Micro 524 11 0 0 0 0 0 0
Doubleur 35815 32667 26237 21604 21604 20389 17055 15336
Microfibre 31697 21375 14978 8959 5401 0 0 0
Lime 3956 3956 3956 3956 3956 3956 3956 3956
Satinee 1481 584 0 0 0 0 0 0
Tacelon 4983 4983 4983 4983 4983 4983 4983 4983
Drap 0 0 0 0 0 0 0 0
Tableau 15 : Niveau de stock à la fin de la période en Kg J-F (Tissage)
83
Qp 1 2 3 4 5 6 7 8
P/C1/28 10703 1004 8881 7448 5973 4622 3478 2562
P/C1/20 725 682 602 505 405 314 235 174
Polycralique 674 633 560 2911 0 0 0 1544
Losange 8269 7762 6862 5754 4615 3571 2687 1980
Tactel-Micro 1119 1050 928 779 625 483 364 267
Doubleur 12713 11932 10550 8846 7096 5490 4131 3044
Microfibre 6530 6128 5419 4544 3644 2820 2121 1564
Lime 2853 2678 2367 1986 1592 1232 927 683
Satinee 2840 2665 2356 1977 1584 1227 922 680
Tacelon 903 847 749 628 504 389 294 216
Drap 961 902 798 669 537 415 312 231
Tableau 16 : Affectation de la quantité à produire pour les commandes prévisionnelles en Kg J-F (Tissage)
Ip 1 2 3 4 5 6 7 8
P/C1/28 0 0 0 0 0 0 0 0
P/C1/20 0 0 0 0 0 0 0 0
Polycralique 0 0 0 2442 2065 1774 1555 2937
Losange 0 0 0 0 0 0 0 0
Tactel-Micro 0 0 0 0 0 0 0 0
Doubleur 0 0 0 0 0 0 0 0
Microfibre 0 0 0 0 0 0 0 0
Lime 0 0 0 0 0 0 0 0
Satinee 0 0 0 0 0 0 0 0
Tacelon 0 0 0 0 0 0 0 0
Drap 0 0 0 0 0 0 0 0
Tableau 17 : Niveau de stock pour les commandes prévisionnelles en Kg J-F (Tissage)
84
Qc 1 2 3 4 5 6 7 8
Charmeuse 1er 0 0 0 0 0 0 0 0
Charmeuse tex 0 0 0 0 0 0 0 0
Charmeuse 2eme 0 0 0 0 0 0 0 0
Syfraline 0 0 0 0 317 2460 2712 0
Syfraline 2eme 264 2980 0 213 681 1077 1077 394
Filet 2004 0 0 987 0 5417 5181 0 0
Filet 2401 0 0 0 0 591 3148 3487 1886
Filet Normal 0 0 0 0 0 0 0 0
Filet N 08 0 0 0 0 0 0 0 0
Filet J 09 0 0 0 0 0 0 0 0
Filet K 08 0 0 947 1346 0 0 0 4977
Filet Grandiamétre 0 0 0 0 0 0 746 261
Filet 2003 0 0 0 0 0 0 0 0
Fil pas 0 0 0 0 0 0 0 0
Tableau 18 : Affectation de la quantité à produire pour les commandes fermes en Kg J-F (Tricotage)
Ic 1 2 3 4 5 6 7 8
Charmeuse 1er 20109 19349 18862 18490 17667 16775 15795 15321
Charmeuse tex 7568 6871 5365 3000 2435 1966 1068 641
Charmeuse 2eme 25499 24194 23102 23102 23102 14130 9122 7715
Syfraline 7544 5391 4412 3487 0 0 0 0
Syfraline 2eme 0 0 0 0 0 0 0 0
Filet 2004 6880 2579 0 0 0 0 0 0
Filet 2401 9733 6005 3537 2336 0 0 0 0
Filet Normal 39434 38847 36168 34256 33056 31668 30620 29282
Filet N 08 0 0 0 0 0 0 0 0
Filet J 09 63764 62951 62303 61302 61085 60770 59914 59174
Filet K 08 1459 161 0 0 0 0 0 0
Filet 2003 46977 46977 45995 44995 43995 42448 37634 37016
Fil pas 5051 3171 3171 2982 2695 2323 1876 1833
Tableau 19 : Niveau de stock à la fin de la période pour les commandes fermes en Kg J-F (Tricotage)
85
Qp 1 2 3 4 5 6 7 8
Charmeuse 1er 3304 1284 1707 2205 2750 3279 3709 3952
Charmeuse tex 2717 1056 1403 1813 2261 2696 3049 3250
Charmeuse 2eme 7348 2856 3794 3794 6115 7291 8247 49342
Syfraline 3432 1334 1773 2291 2856 3406 3852 4105
Syfraline 2eme 1145 445 592 1275 442 1137 1286 1370
Filet 2004 2743 1066 1417 1831 2283 2723 2723 3281
Filet 2401 5602 2177 2893 3739 4662 6287 6287 6699
Filet Normal 11155 4334 5759 7444 9282 11068 12518 13338
Filet N 08 1666 648 861 1112 1387 1654 1870 1993
Filet J 09 2127 826 1099 1419 1770 2111 2387 2544
Filet K 08 3404 1322 1758 2271 2833 3377 3820 4071
Filet 2003 3959 1539 2044 2643 3295 3929 4443 4735
Fil pas 1137 442 587 759 946 1128 1276 1360
Tableau 20 : Affectation de la quantité à produire pour les commandes Prévisionnelles en Kg J-F (Tricotage)
Ip 1 2 3 4 5 6 7 8
Charmeuse 1er 0 0 0 0 0 0 0 0
Syfraline 0 0 0 0 0 0 0 0
Syfraline 2eme 0 0 0 511 0 0 0 0
Filet 2004 0 0 0 0 0 0 0 0
Filet 2401 0 0 0 0 0 0 0 0
Filet Normal 0 0 0 0 0 0 0 0
Filet N 08 0 0 0 0 0 0 0 0
Filet J 09 0 0 0 0 0 0 0 0
Filet K 08 0 0 0 0 0 0 0 0
Filet 2003 0 0 0 0 0 0 0 0
Fil pas 0 0 0 0 0 0 0 0
Tableau 21 : Niveau de stock à la fin de période pour les commandes prévisionnelles en Kg J-F (Tricotage)
86
Qc 1 2 3 4 5 6 7 8
P/C Ch-trame 0 0 0 0 0 0 0 0
Pes100% Divers 0 0 722 1114 1220 638 410 864
Polycrac PES 100% 0 0 0 0 0 0 0 0
Lisse Fin 0 0 0 0 0 0 0 0
Charmeurse Local 6892 10190 9823 14762 8482 11801 10888 11431
Losange Pes100% 0 0 0 1584 1405 1056 719 1424
Syfraline Pes100% 0 0 0 5695 4536 1249 3942 374
Polaire Pes 100% 0 0 0 1519 848 304 606 300
Tactel Pes100% 0 0 0 1647 2282 655 1375 2378
Microfibre Pes100% 0 0 0 0 0 1758 2497 4822
Piqué 0 2688 2539 5327 5232 1568 6308 1390
Filet Pes100% 179 717 1518 1539 932 1542 0 480
Nid d'abeille Pes100% 0 0 0 0 0 0 0 0
Diagonal 4437 2368 0 476 0 427 380 358
P/C MLT 204 6212 5799 5178 14870 131 874 3503
Tableau 22 : Affectation de la quantité à produire pour les commandes fermes J-Fen Kg (Teinture)
Ic 1 2 3 4 5 6 7 8
P/C Ch-trame 16468 16043 1643 13546 13528 12557 12482 11196
Pes100% Divers 2383 397 0 0 0 0 0 0
Polycrac PES 100% 1682 1682 774 513 513 436 436 411
Lisse Fin 7219 6918 6638 5805 5608 5608 5608 5608
Losange Pes100% 3154 1677 366 0 0 0 0 0
Syfraline Pes100% 8928 5963 730 0 0 0 0 0
Polaire Pes 100% 3363 1640 118 0 0 0 0 0
Tactel Pes100% 4785 2707 806 0 0 0 0 0
Microfibre Pes100% 18364 16151 10488 3781 405 0 0 0
Piqué 424 0 0 0 0 0 0 0
Filet Pes100% 0 0 0 0 0 0 0 0
Nid d'abeille Pes100% 10355 9673 9673 9270 9270 9270 9270 8463
Diagonal 0 0 0 0 0 0 0 0
P/C MLT 0 0 0 0 0 0 0 0
Tableau 23 : Niveau de stock à la fin de période pour les commandes fermes J-F en Kg (Teinture)
87
Qp 1 2 3 4 5 6 7 8
P/C Ch-trame 2471 965 1284 1661 2071 2418 2751 2981
Pes100% Divers 1003 383 518 670 836 997 110 1225
Polycrac PES 100% 176 69 91 117 147 155 198 212
Lisse Fin 433 169 224 289 361 426 490 522
Losange Pes100% 1202 469 617 816 997 1202 1330 1465
Syfraline Pes100% 2641 1029 1360 1764 2198 2623 2923 3162
Polaire Pes 100% 2683 1043 1384 1793 22310 2660 3019 3207
Tactel Pes100% 4061 1586 2084 2727 3353 4093 4535 4934
Microfibre Pes100% 8581 3474 4258 5806 7043 8423 9547 10384
Piqué 6493 2527 3334 4352 5432 643 7276 7805
Filet Pes100% 845 329 436 2343 0 0 713 2241
Nid d'abeille Pes100% 1572 608 808 1052 1323 1543 1779 1874
Diagonal 1297 502 663 4822 0 0 0 1398
P/C MLT 3816 1479 1949 10149 0 0 3631 4576
Tableau 24 : Affectation de la quantité à produire pour les commandes prévisionnelles J-F en Kg (Teinture)
Ip 1 2 3 4 5 6 7 8
P/C Ch-trame 0 0 0 0 0 0 0 0
Pes100% Divers 0 0 0 0 0 0 0 0
Polycrac PES 100% 0 0 0 0 0 0 0 0
Lisse Fin 0 0 0 0 0 0 0 0
Losange Pes100% 0 0 0 0 0 0 0 0
Syfraline Pes100% 0 0 0 0 0 0 0 0
Polaire Pes 100% 0 0 0 0 0 0 0 0
Tactel Pes100% 0 0 0 0 0 0 0 0
Microfibre Pes100% 0 0 0 0 0 0 0 0
Piqué 0 0 0 0 0 0 0 0
Filet Pes100% 0 0 0 1776 1069 239 0 1233
Nid d'abeille Pes100% 0 0 0 0 0 0 0 0
Diagonal 0 0 0 3951 2883 1602 154 0
P/C MLT 0 0 0 7594 4434 664 0 0
Tableau 25 : Niveau de stock à la fin de période pour les commandes prévisionnelles J-F en Kg (Teinture)
88
 Mars – Avril :
Qc 9 10 11 12 13 14 15 16
P/C1/28 0 0 0 0 0 0 0 0
P/C1/20 0 0 0 0 0 0 0 0
Polycralique 235 102 101 73 0 0 0 0
Losange 0 0 0 0 0 0 0 6775
Tactel-Micro 0 533 0 135 0 0 0 0
Doubleur 8696 10349 18930 15330 5977 8103 9303 693
Microfibre 606 1157 1401 800 1368 2356 5556 2445
Lime 0 17 1666 5611 4622 4059 7186 0
Satinee 1300 1111 1980 0 2460 2493 1259 435
Tacelon 0 0 0 0 0 0 0 0
Drap 564 235 300 342 895 796 811 596
Tableau 26 : Affectation de la quantité à produire pour les commandes fermes M-A en Kg (Tissage)
Ic 9 10 11 12 13 14 15 16
P/C1/28 15321 13311 8743 6178 6178 6178 6178 6178
P/C1/20 3246 3246 3246 3246 2982 2748 2200 1247
Losange 29330 27176 25269 24293 15662 9183 1213 0
Tactel-Micro 0 0 0 0 0 0 0 0
Doubleur 0 0 0 0 0 0 0 0
Microfibre 0 0 0 0 0 0 0 0
Lime 3956 0 0 0 0 0 0 0
Satinee 0 0 0 0 0 0 0 0
Tacelon 4983 4983 4983 4983 4983 4983 4983 4983
Drap 0 0 0 0 0 0 0 0
Tableau 27 : Niveau de stock à la fin de période pour les commandes fermes M-A en Kg (Tissage)
89
Qp 9 10 11 12 13 14 15 16
P/C1/28 10703 10044 8881 7448 5973 4622 3478 2562
P/C1/20 725 682 602 505 405 314 235 174
Losange 8269 7762 6862 5754 4615 3571 2687 1980
Tactel-Micro 1119 1050 928 779 625 483 364 267
Doubleur 12713 11932 10550 18108 0 33324 4131 16623
Microfibre 6530 6128 5419 4544 3644 2820 2121 1564
Lime 2853 2678 2367 1986 1592 1232 927 9526
Satinee 2840 2665 2356 1977 1584 1227 922 680
Tacelon 903 847 749 628 504 389 294 216
Drap 961 902 798 669 537 415 312 231
Tableau 28 : Affectation de la quantité à produire pour les commandes prévisionnelles M-A en Kg (Tissage)
Ip 9 10 11 12 13 14 15 16
P/C1/28 0 0 0 0 0 0 0 0
P/C1/20 0 0 0 0 0 0 0 0
Polycralique 2263 1630 1070 1112 735 444 225 63
Losange 0 0 0 0 0 0 0 0
Tactel-Micro 0 0 0 0 0 0 0 0
Doubleur 0 0 0 9262 2166 0 0 13579
Microfibre 0 0 0 0 0 0 0 0
Lime 0 0 0 0 0 0 0 8843
Satinee 0 0 0 0 0 0 0 0
Tacelon 0 0 0 0 0 0 0 0
Drap 0 0 0 0 0 0 0 0
Tableau 29 : Niveau de stock à la fin de la période pour les commandes prévisionnelles M-A en Kg (Tissage)
90
Qc 9 10 11 12 13 14 15 16
Charmeuse 1er 0 0 0 0 0 0 0 0
Charmeuse tex 3016 2468 4891 563 1015 3187 1018 3393
Charmeuse 2eme 101 8214 3833 0 0 8131 6710 6526
Syfraline 0 0 0 0 4801 5210 2778 0
Syfraline 2eme 488 647 972 1061 2480 1489 487 400
Filet 2004 0 0 0 0 0 0 0 0
Filet 2401 0 0 7724 5467 0 0 6607 5890
Filet Normal 0 0 0 0 0 0 0 0
Filet N 08 0 0 0 0 374 4870 3709 2018
Filet J 09 0 0 0 0 0 0 0 0
Filet K 08 3412 1880 1685 0 1389 0 2489 4093
Filet 2003 0 0 0 0 0 0 0 0
Fil pas 0 0 0 0 316 0 0 954
Tableau 30 : Affectation de la quantité à produire pour les commandes fermes M-A en Kg (Tricotage)
Ic 9 10 11 12 13 14 15 16
Charmeuse 1er 13481 13377 13212 13162 13162 11614 9115 5663
Syfraline 0 0 0 0 0 0 0 0
Syfraline 2eme 0 0 0 0 0 0 0 0
Filet 2004 0 0 0 0 0 0 0 0
Filet 2401 0 0 0 0 0 0 0 0
Filet Normal 26835 25821 25821 24874 24872 24874 24874 24874
Filet N 08 0 0 0 0 0 0 0 0
Filet J 09 58301 57331 55784 55695 53990 52850 52761 52147
Filet K 08 0 0 0 0 0 0 0 0
Filet 2003 37016 34599 33894 28042 24855 23551 20547 19628
Fil pas 1651 1378 761 276 0 0 0 0
Tableau 31 : Niveau de stock à la fin de période pour les commandes fermes M-A en Kg (Tricotage)
91
Qp 9 10 11 12 13 14 15 16
Charmeuse 1er 3951 3709 3279 2750 2205 1707 1284 946
Charmeuse tex 3249 3049 2696 2261 1813 1403 1056 4024
Charmeuse 2eme 8787 8247 7291 6115 4904 3794 2856 2103
Syfraline 4105 3852 3406 2856 2291 1773 1334 982
Syfraline 2eme 1369 1286 1137 953 764 592 445 1478
Filet 2004 3281 3079 2723 2283 1831 1417 1066 785
Filet 2401 6699 6287 5559 4662 3739 2893 2177 1604
Filet Normal 13338 12518 11068 9282 7444 5759 4334 3194
Filet N 08 1993 1870 1654 1387 1112 861 648 1446
Filet J 09 2543 2387 2111 1770 1419 1099 826 609
Filet K 08 4070 3820 3377 2833 2271 1758 1322 975
Filet 2003 4735 4443 3929 3295 2643 2044 1539 1133
Fil pas 1360 1276 1128 946 759 587 442 326
Tableau 32 : Affectation de la quantité à produire pour les commandes prévisionnelles M-A en Kg (Tricotage)
Ip 9 10 11 12 13 14 15 16
Charmeuse 1er 0 0 0 0 0 0 0 0
Charmeuse tex 0 0 0 0 0 0 0 3246
Syfraline 0 0 0 0 0 0 0 0
Syfraline 2eme 0 0 0 0 0 0 0 1150
Filet 2004 0 0 0 0 0 0 0 0
Filet 2401 0 0 0 0 0 0 0 0
Filet Normal 0 0 0 0 0 0 0 0
Filet N 08 0 0 0 0 0 0 0 969
Filet J 09 0 0 0 0 0 0 0 0
Filet K 08 0 0 0 0 0 0 0 0
Filet 2003 0 0 0 0 0 0 0 0
Fil pas 0 0 0 0 0 0 0 0
Tableau 33 : Niveau de stock à la fin de période pour les commandes prévisionnelles M-A en Kg (Tricotage)
92
Qc 9 10 11 12 13 14 15 16
P/C Ch-trame 0 0 0 0 0 0 0 0
Pes100% Divers 1055 143 213 379 512 112 207 176
Polycrac PES 100% 0 0 0 0 0 0 0 0
Lisse Fin 0 0 0 0 0 243 49 641
Losange Pes100% 1347 561 1234 1528 32 1422 664 0
Syfraline Pes100% 0 0 0 0 2533 2095 3691 3126
Polaire Pes 100% 919 304 0 0 4180 4819 2828 3461
Tactel Pes100% 1345 817 1267 3667 7041 8474 6170 8909
Microfibre Pes100% 3549 2922 4019 5428 930 620 647 1307
Piqué 1531 1447 5290 11035 0 0 0 0
Filet Pes100% 35 281 773 1079 1617 1743 2739 4107
Nid d'abeille Pes100% 0 0 0 0 0 0 0 0
Diagonal 0 0 0 789 984 1812 920 2142
P/C MLT 2096 2266 6489 435 3150 2005 3064 7241
Tableau 34 : Affectation de la quantité à produire pour les commandes fermes M-A en Kg(Teinture)
Ic 9 10 11 12 13 14 15 16
P/C Ch-trame 9873 9524 9524 9482 8869 8568 8220 7429
Pes100% Divers 0 0 0 0 0 0 0 0
Polycrac PES 100% 411 411 369 345 102 102 102 102
Lisse Fin 5403 5403 5403 5403 1288 0 0 0
Losange Pes100% 0 0 0 0 0 0 0 0
Syfraline Pes100% 0 0 0 0 0 0 0 0
Polaire Pes 100% 0 0 0 0 0 0 0 0
Tactel Pes100% 0 0 0 0 0 0 0 0
Microfibre Pes100% 0 0 0 0 0 0 0 0
Piqué 0 0 0 0 0 0 0 0
Filet Pes100% 0 0 0 0 0 0 0 0
Nid d'abeille Pes100% 8152 8152 7319 5848 4991 4262 4004 3038
Diagonal 0 0 0 0 0 0 0 0
P/C MLT 0 0 0 0 0 0 0 0
Tableau 35 : Niveau de stock à la fin de période pour les commandes fermes M-A en Kg (Teinture)
93
Qp 9 10 11 12 13 14 15 16
P/C Ch-trame 2956 2775 2453 2057 1650 1277 961 708
Pes100% Divers 1199 1126 211 835 669 518 389 288
Polycrac PES 100% 211 198 175 147 117 91 69 51
Lisse Fin 518 487 430 361 289 224 169 124
Losange Pes100% 1443 1355 1199 1004 806 624 469 346
Syfraline Pes100% 3158 2964 2621 2198 1763 1364 1026 756
Polaire Pes 100% 3208 3011 2662 2233 1790 1386 1042 768
Tactel Pes100% 4861 4536 4035 3383 2713 2100 1579 1164
Microfibre Pes100% 10243 9613 8499 7128 5717 4423 3328 2434
Piqué 7768 7290 6446 5406 5717 4423 3328 2452
Filet Pes100% 0 727 839 704 564 437 329 242
Nid d'abeille Pes100% 1880 17665 1560 1308 1050 812 611 450
Diagonal 1546 1451 1283 1076 862 668 502 371
P/C MLT 4555 4275 3780 3170 2542 1968 1570 1090
Tableau 36 : Affectation de la quantité à produire pour les commandes prévisionnelles M-A en Kg(Teinture)
Ip 9 10 11 12 13 14 15 16
P/C Ch-trame 0 0 0 0 0 0 0 0
Pes100% Divers 0 0 0 0 0 0 0 0
Polycrac PES 100% 0 0 0 0 0 0 0 0
Lisse Fin 0 0 0 0 0 0 0 0
Losange Pes100% 0 0 0 0 0 0 0 0
Syfraline Pes100% 0 0 0 0 0 0 0 0
Polaire Pes 100% 0 0 0 0 0 0 0 0
Tactel Pes100% 0 0 0 0 0 0 0 0
Microfibre Pes100% 0 0 0 0 0 0 0 0
Piqué 0 0 0 0 0 0 0 0
Filet Pes100% 222 0 0 0 0 0 0 0
Nid d'abeille Pes100% 0 0 0 0 0 0 0 0
Diagonal 0 0 0 0 0 0 0 0
P/C MLT 0 0 0 0 0 0 0 0
Tableau 37 : Niveau de stock à la fin de période pour les commandes prévisionnelles M-A en Kg(Teinture)
94
L'objectif ici est de mettre l'accent sur l'importance de partager une information fiable,
précise et complète et sur l’importance de l’utilisation d'un système de prévision efficace.
Pour ce faire, notre approche, tenant compte du partage d’information, a été testée avec
des prévisions parfaites, c'est à dire, en supposant que toutes les commandes
prévisionnelles de réassort arrivent réellement au niveau opérationnel.
Les différents coûts obtenus en tenant compte des trois cas sont reportés dans les
tableaux et les figures suivant :
Horizon Janvier-Février Mars-Avril

Coût optimisé (Drh) 2 271 735,03 1 454 613,9
Coût réel (Drh) 3 514 147,6 2 428 974,21
Gain 35,35% 40,11%
Tableau 38 : Coût optimisée et réel (Teinture)
4000000
3500000
3000000
2500000
2000000
1500000
1000000
500000
0
Janvier-Février Mars-Avril
Coût optimisé Coût réel
Figure 52 : Evolution des coûts en Drh (Teinture)

Coût réel (Drh) 6 184 303,42 3 728 910,11
Gain 14,87% 22,07%
Tableau 39 : Coût optimisé et réel (Tissage)
95
7000000
6000000
5000000
4000000
3000000
2000000
1000000
0
Figure 53 : Evolution des coûts en Drh (Tissage)

Coût réel (Drh) 6 873 104,84 8 218 991,4
Gain -14,41% 36,14%
Tableau 40 : Coût optimisé et réel (Tricotage)
9000000
8000000
7000000
6000000
5000000
4000000
3000000
2000000
1000000
0
Figure 54 : Evolution des coûts en Drh (Tricotage)
Nous constatons que l’évolution des coûts optimisée se décroit pendant les 4 mois (2
horizons). Concernant le dernier horizon opérationnel (Mai-Juin) n’est pas inclus dans notre
simulation, car les commandes prévisionnelles se diminuent après la huitième semaine
c’est-à-dire après le premier horizon de modèle opérationnel (Janvier-Février). Par
conséquent, le coût optimisé du dernier horizon se décroit par rapport le précèdent. C’est
pour cela nous avons décidés de ne pas ajouter les résultats de planification pour l’horizon
(Mai-Juin).
96
Horizon Janvier-Février Mars-Avril Total

Coût global optimisé (Drh) 15 400 049,27 9 609 001,38 25 009 050,65
Coût global réel (Drh) 16 571 555,86 14 376 875,72 30 948 431,58
Gain 7,07% 33,16% 19,19%
Tableau 41 : Coût global optimisé et réel pour les trois départements
Total
Mars-Avril
Janvier-Février
0 10000000 20000000 30000000 40000000
Coût global réel Coût global optimisé
Figure 55 : Comparaison entre le coût global optimisé et réel pour les trois départements
Ces résultats (tableau 41 et figure 56) montrent que le partage d’une information précise
permettra un gain en coût global pour les trois départements (coût de lancement, de
stockage et de production) qui peut atteindre 20% en comparant le coût global obtenu grâce
aux simulations mathématiques avec celles des réels de l’entreprise ITEX. Ceci confirme
bien l’intérêt d’un système de prévision pour une organisation industrielle fiable et efficace.
4. Conclusion
Dans ce chapitre, nous appliquons le modèle tactique pour les trois départements pour
affecter les quantités à produire sur les 6 mois. Puis notre modèle opérationnel à trois
horizons est appliqué pour détailler les quantités sur les semaines, en intégrants après la
confirmation, les commandes prévisionnelles de réassorts qui arrivent, et au fur et à mesure.
Dès qu’une commande à délai de livraison supérieur à 2 mois arrive, le modèle tactique est
alimenté de nouveau pour un placement optimal, de cette commande.
97
Conclusion général
Dans ce manuscrit, nous nous sommes intéressés à la problématique de l’optimisation
de flux logistique interne de l’entreprise ITEX, partie intégrante du management de la chaine
logistique. L’objectif de ce travail est d’apporter une contribution au niveau de la
modélisation et de la résolution des problèmes liés à cette problématique.
Afin de résoudre la problématique, nous avons décidé d’orienter vers la modélisation
mathématique. Deux modèles ont été adoptés : le premier est tactique, le second est
opérationnel. Les modèles ont été utilisés comme outils d’aide à la planification et surtout
l’optimisation de flux logistique interne.
La planification de la production et de stockage sous l’hypothèse qu’il y a un partage de
l’information dans la chaine logistique entre les départements montre que la possession
d’une information avancée sur les commandes à venir permet de réaliser des gains de coût
principalement dus à une meilleure gestion des flux.
En utilisant les données des trois départements (Tissage, Tricotage, et Teinture)
fournies par l’entreprise, nous avons réalisé des applications numériques sous Cplex et
nous avons montré que la prise en compte de l’information entre les trois départements
permet de réaliser une économie pouvant atteindre 20% du coût total et cela pour le cas
des trois départements durant 4 mois (Janvier jusqu’à avril de l’année 2010). Ce gain en
coût logistique global optimisé peut atteindre plus de 50% de coût global réel pour tous les
départements au sein de la société ITEX sur la même période. En effet, à la fin de l’année
2010, l’entreprise bénéficiera en coût global de logistique très important qui peut atteindre
plus de 100%. Ces gains en coût logistique global peuvent être plus optimisés dans le cas
le plus favorable de prévisions parfaites où toutes les commandes prévisionnelles de
réassorts parvienne réellement et cela sur l’horizon de planification opérationnel.
Ce travail s’inscrit dans une problématique d’actualité et la méthodologie adoptée peut
contribuer à éclairer la décision et l’avenir de l’entreprise ITEX. Ainsi de proposé une
organisation industrielle qui peut être appliqué dans le nouveau site qui sera construit au
future dans le Cameroun. Cependant, les modèles adoptés dans ce travail peuvent être
aussi appliqués pour le flux logistique externes de l’entreprise, c’est-à-dire entre ITEX
comme producteur et le client autant que consommateur, afin de réduire l’incertitude de la
demande des produits finis, et les stocks stratégiques (stock de matière première et produit
fini).
98
Ainsi, l’utilisation de nos modèles doit permettre non seulement de réduire les coûts et
d’améliorer la réactivité de l’industriel, mais d’en tirer d’autres résultats pour l’amélioration
de la performance globale de l’entreprise à l’intérieur même à l’extérieur. Par ailleurs, nos
modèles appliqués à des problèmes de plus grande taille peuvent engendrer une complexité
au niveau de la résolution ce qui pourrait nous amener à développer des méthodes de
relaxation ou de décomposition ou encore des méta-heuristiques pour obtenir une solution
plus fiable.
.
99
Annexe 1
Mois Filature Indémaillable Texturation Tissage Tricotage Teinture Finissage
Janvier 123659,21 31035 23698 81100 98441,54 131223 120144
Février 100369,55 31657 13659 56043,92 77695,32 119490 140586
Mars 136941,33 27438 14863 149178,59 123485 174486 153646,91
Avril 146697,58 14384 9876,39 174120,1 180369 142675 159669
Mai 200366,6 15460 6782,12 158140,43 156863 130863 122448
Juin 116984 12230 10369,65 190012,92 239004 149052 142114
Juillet 104985 14559 123687,32 157507,32 198020,35 138994 147798,47
Août 180364 18781 8659 97751,86 120396 112693 150398,73
Septembre 214631,72 20658 7369 113554,64 96755,46 105500 134547,91
Octobre 223699,19 30934 9339,89 194181,89 161256 135323 110369,86
Novembre 101547 30142 11983,42 123081,92 130364,55 105444 140369,06
Décembre 152697 33575 7986,04 164004,49 143548 117754 131556
TOTAL 1802942,18 280853 248272,83 1658678,08 1726198,22 1563496 1653647,94
Tableau 42 : La production dans différents départements en KG (2016)

Janvier 150000 45000 5000 10000 100000 150000 150000
Février 120000 35000 5000 30000 100000 150000 150000
Mars 100000 35000 20000 100000 100000 150000 150000
Avril 150000 10000 15000 200000 100000 150000 150000
Mai 150000 10000 15000 200000 150000 150000 150000
Juin 150000 10000 15000 200000 200000 150000 200000
Juillet 100000 20000 15000 200000 200000 150000 150000
Août 100000 20000 10000 150000 150000 150000 150000
Septembre 120000 20000 10000 150000 150000 150000 120000
Octobre 120000 20000 10000 150000 150000 150000 150000
Novembre 100000 45000 10000 150000 150000 150000 150000
Décembre 150000 45000 10000 150000 150000 150000 150000
TOTAL 1510000 315000 140000 1690000 1700000 1800000 1820000
Tableau 43 : la prévision de la production dans différents départements en KG (2016)
100

Janvier -26340,79 -13965 18698 71100 -1558,46 -18777 -29856
Février -19630,45 -3343 8659 26043,92 -22304,68 -30510 -9414
Mars 36941,33 -7562 -5137 49178,59 23485 24485,5 3646,91
Avril -3302,42 4384 -5123,61 -25879,9 80369 -7325,5 9669
Mai 50366,6 5460 -8217,88 -41859,57 6863 -19137 -27552
Juin -33016 2230 -4630,35 -9987,08 39004 -948 -57886
Juillet 4985 -5441 108687,32 -42492,68 -1979,65 -11007 -2201,53
Août 80364 -1219 -1341 -52248,14 -29604 -37307 398,73
Septembre 94631,72 658 -2631 -36445,36 -53244,54 -44500 14547,91
Octobre 103699,19 10934 -660,11 44181,89 11256 -14677 -39630,14
Novembre 1547 -14858 1983,42 -26918,08 -19635,45 -44556 -9630,94
Décembre 2697 -11425 -2013,96 14004,49 -6452 -32247 -18444
BIAS 24411,8483 -2845,583333 9022,73583 -2610,16 2183,185 -19709 -13862,67167
Tableau 44 : Forcast error et BIAS (2016)

Janvier 21,30% 45,00% 78,90% 87,67% 1,58% 14,31% 24,85%
Février 19,56% 10,56% 63,39% 46,47% 28,71% 25,53% 6,70%
Mars 26,98% 27,56% 34,56% 32,97% 19,02% 14,03% 2,37%
Avril 2,25% 30,48% 51,88% 14,86% 44,56% 5,13% 6,06%
Mai 25,14% 35,32% 121,17% 26,47% 4,38% 14,62% 22,50%
Juin 28,22% 18,23% 44,65% 5,26% 16,32% 0,64% 40,73%
Juillet 4,75% 37,37% 87,87% 26,98% 1,00% 7,92% 1,49%
Août 44,56% 6,49% 15,49% 53,45% 24,59% 33,10% 0,27%
Septembre 44,09% 3,19% 35,70% 32,09% 55,03% 42,18% 10,81%
Octobre 46,36% 35,35% 7,07% 22,75% 6,98% 10,85% 35,91%
Novembre 1,52% 49,29% 16,55% 21,87% 15,06% 42,26% 6,86%
Décembre 1,77% 34,03% 25,22% 8,54% 4,49% 27,38% 14,02%
MAPE 22,21% 27,74% 48,54% 31,62% 18,48% 19,83% 14,38%
Tableau 45 : MAPE et Absolute percentage error (2016)
101

Janvier 26340,79 13965 18698 71100 1558,46 18777 29856
Février 19630,45 3343 8659 26043,92 22304,68 30510 9414
Mars 36941,33 7562 5137 49178,59 23485 24485,5 3646,91
Avril 3302,42 4384 5123,61 25879,9 80369 7325,5 9669
Mai 50366,6 5460 8217,88 41859,57 6863 19136,9 27552
Juin 33016 2230 4630,35 9987,08 39004 948 57886
Juillet 4985 5441 108687,32 42492,68 1979,65 11006,5 2201,53
Août 80364 1219 1341 52248,14 29604 37307 398,73
Septembre 94631,72 658 2631 36445,36 53244,54 44499,5 14547,91
Octobre 103699,19 10934 660,11 44181,89 11256 14676,8 39630,14
Novembre 1547 14858 1983,42 26918,08 19635,45 44556 9630,94
Décembre 2697 11425 2013,96 14004,49 6452 32246,5 18444
MAD 38126,7917 6789,916667 13981,8875 36694,975 24646,315 23789,6 18573,09667
Standard
35165,5105 4712,709809 28940,1234 16462,1237 22470,2492 13681,1 16526,00943
deviation
Tracking
7,68 -5,03 7,74 -0,85 1,06 -9,94 -8,96
signal
Tableau 46 : MAD, Standard deviation et Trakcing signal (2016)

Janvier 100365,36 32659 36549 76599 126979 116987 114987
Février 103168,65 35347 12598 69774,36 136414,68 109787 114489
Mars 96648,12 35125 10647 156943,28 137842,71 114723 114871
Avril 103649 21565 7864 164897,81 150347 159974 174893
Mai 116599,46 22398 15369,86 136877,21 156799 176913 189764
Juin 87999,93 13365 18649,12 151755,73 169810 187971 187469
Juillet 123669,11 10368 21659 160139 136779,49 182113 190136,88
Août 100336,8 8969 20364 178631,17 104799,6 207918 197899,37
Septembre 135694 22349 16984,7 189771 99781,77 215712 154977
Octobre 184614,23 39568 21369,66 189744 103678 241972 124979
Novembre 170336,59 41356 18469,36 123081,92 130364,55 104746 124472
Décembre 161125 35100 18659,48 109987,51 126798 97109 120015,64
TOTAL 1484206,25 318169 219183,18 1708201,99 1580393,8 1915925 1808952,89
Tableau 47 : Production en KG (2015)
102

Janvier 150000 45000 5000 10000 100000 150000 150000
Février 120000 35000 5000 30000 100000 150000 150000
Mars 100000 35000 20000 100000 100000 150000 150000
Avril 150000 10000 15000 200000 100000 150000 150000
Mai 150000 10000 15000 200000 150000 150000 150000
Juin 150000 10000 15000 200000 200000 150000 200000
Juillet 100000 20000 15000 200000 200000 150000 150000
Août 100000 20000 10000 150000 150000 150000 150000
Septembre 120000 20000 10000 150000 150000 150000 120000
Octobre 120000 20000 10000 150000 150000 150000 150000
Novembre 100000 45000 10000 150000 150000 150000 150000
Décembre 150000 45000 10000 150000 150000 150000 150000
TOTAL 1510000 315000 140000 1690000 1700000 1800000 1820000
Tableau 48 : Prévision de la production en KG (2015)

Janvier 49,45% 37,79% 86,32% 86,94% 21,25% 28,22% 30,45%
Février 16,31% 0,98% 60,31% 57,00% 26,69% 36,63% 31,02%
Mars 3,47% 0,36% 87,85% 36,28% 27,45% 30,75% 30,58%
Avril 44,72% 53,63% 90,74% 21,29% 33,49% 6,23% 14,23%
Mai 28,65% 55,35% 2,41% 46,12% 4,34% 15,21% 20,95%
Juin 70,45% 25,18% 19,57% 31,79% 17,78% 20,20% 6,68%
Juillet 19,14% 92,90% 30,74% 24,89% 46,22% 17,63% 21,11%
Août 0,34% 122,99% 50,89% 16,03% 43,13% 27,86% 24,20%
Septembre 11,57% 10,51% 41,12% 20,96% 50,33% 30,46% 22,57%
Octobre 35,00% 49,45% 53,20% 20,95% 44,68% 38,01% 20,02%
Novembre 41,29% 8,81% 45,86% 21,87% 15,06% 43,20% 20,51%
Décembre 6,90% 28,21% 46,41% 36,38% 18,30% 54,47% 24,98%
MAPE 27,27% 40,51% 51,29% 35,04% 29,06% 29,07% 22,28%
Tableau 49 : MAPE et Absolute percentage error (2016
103

Janvier -49634,64 -12341 31549 66599 26979 -33013 -35013
Février -16831,35 347 7598 39774,36 36414,68 -40213 -35511
Mars -3351,88 125 -9353 56943,28 37842,71 -35277 -35129
Avril -46351 11565 -7136 -35102,19 50347 9974 24893
Mai -33400,54 12398 369,86 -63122,79 6799 26913 39764
Juin -62000,07 3365 3649,12 -48244,27 -30190 37971 -12531
Juillet 23669,11 -9632 6659 -39861 -63220,51 32113 40136,88
Août 336,8 -11031 10364 28631,17 -45200,4 57918 47899,37
Septembre 15694 2349 6984,7 39771 -50218,23 65712 34977
Octobre 64614,23 19568 11369,66 39744 -46322 91972 -25021
Novembre 70336,59 -3644 8469,36 -26918,08 -19635,45 -45254 -25528
Décembre 11125 -9900 8659,48 -40012,49 -23202 -52891 -29984,36
BIAS -2149,4792 264,0833333 6598,59833 1516,8325 9967,1833 9660,42 -920,5925
Tableau 50 : Forcast error et BIAS (2015)
Mois Filature Indéamaillable Texturation Tissage Tricotage Teinture Finissage

Janvier 49634,64 12341 31549 66599 26979 33013 35013
Février 16831,35 347 7598 39774,36 36414,68 40213 35511
Mars 3351,88 125 9353 56943,28 37842,71 35277 35129
Avril 46351 11565 7136 35102,19 50347 9974 24893
Mai 33400,54 12398 369,86 63122,79 6799 26913 39764
Juin 62000,07 3365 3649,12 48244,27 30190 37971 12531
Juillet 23669,11 9632 6659 39861 63220,51 32113 40136,88
Août 336,8 11031 10364 28631,17 45200,4 57918 47899,37
Septembre 15694 2349 6984,7 39771 50218,23 65712 34977
Octobre 64614,23 19568 11369,66 39744 46322 91972 25021
Novembre 70336,59 3644 8469,36 26918,08 19635,45 45254 25528
Décembre 11125 9900 8659,48 40012,49 23202 52891 29984,36
MAD 33112,1008 8022,083333 9346,765 43726,9692 36364,2483 44101,8 32198,9675
Standard
23737,8992 5723,816202 7263,5243 12093,7077 15114,9411 20177,3 8865,049922
deviation
Tracking signal -0,78 0,40 8,47 0,42 -3,29 2,63 -0,34
Tableau 51 : MAD, Standard deviation et Trakcing signal (2015)
104
Annexe 2
Les activités du processus logistique d'une chaine logistique :
L’approvisionnement
(8) Il constitue la fonction le plus en amont de la chaîne logistique. Les matières et les
composants approvisionnés constituent de 60% à 70% des coûts des produits fabriqués
(Ouzizi, 2005) dans une majorité d’entreprises. Réduire les coûts d’approvisionnement
contribue à réduire les coûts des produits finis, et ainsi à avoir plus de marges financières.
Les délais de livraison des fournisseurs et la fiabilité de la distribution influent plus que le
temps de production sur le niveau de stock ainsi que la qualité de service de chaque
fabriquant (Harmon, 1992) (22). La tendance générale des relations clients/fournisseurs va
vers plus de coopération via un partage d’informations plus rapide en utilisant les nouveaux
systèmes d’informations basées sur les technologies de l’information et de communication
qui ont révolutionné les pratiques du passé où on était plutôt dans une configuration de face
à face plutôt qu’une collaboration bénéfique pour l’ensemble des participants.
La production
La fonction de production est au cœur de la chaîne logistique, il s’agit là des
compétences que détient l’entreprise pour fabriquer, développer ou transformer les matières
premières en produits ou services. Elle donne quelle capacité à la chaîne logistique pour
produire et donne ainsi un indice sur sa réactivité aux demandes fluctuantes du marché. Si
les usines ont été construites avec une grande capacité de production, parfois excessive,
alors on peut être réactif à la demande en présence de quantités supplémentaire à faire, cet
environnement à l’avantage d’être disponible pour des clients en cas de demandes
urgentes, mais d’un autre coté une partie de la capacité de production peut rester inactive
ce qui engendrent des coûts et dépenses en plus. D’un autre coté si la capacité de
production est limitée, la chaîne logistique a du mal à être très réactive et donc peut perdre
des parts du marché vu qu’elle n’est pas capable de répondre favorablement à certaines
demandes. Il faut donc trouver un équilibre entre réactivité et coûts.
Le stockage
Le stockage inclut toutes les quantités stockées tout au long du processus en
commençant par le stock de matières premières, le stock des composants, les stocks des
en-cours et finalement le stock des produits finis. Les stocks sont donc partagés entre les
différents acteurs : les fournisseurs, les producteurs et les distributeurs. Ici aussi se pose la
105
question de l’équilibre à trouver entre une meilleure réactivité et la réduction des coûts. Il
est évident que plus on a de stocks, plus la chaîne logistique est réactive aux fluctuations
des demandes sur le marché. Cependant, avoir des stocks engendre des coûts et des
risques surtout dans le cas de produits périssables ou bien des produits dont la rapidité
d’innovations est telle qu’une nouvelle gamme du même produit mise sur le marché par un
concurrent puisse rendre obsolètes les quantités de ce produit en stock et ainsi une perte
importante. La gestion des stocks est l’une des clés de la réussite et l’optimisation de toute
une chaîne logistique. Une meilleure gestion de cette fonction peut engendrer des
économies importantes, l’expérience de DELL dans ce domaine est un exemple très connu.
En outre, avec l’avènement des techniques de management dites de « juste à temps » (Just
In Time) beaucoup d’entreprises tendent à avoir un stock nul, ou bien « juste » ce qu’il faut
pour produire et satisfaire les commandes. Mais ceci n’est évidemment pas sans risques.
Distribution et transport
La fonction transport intervient tout au long de la chaîne, le transport des matières
premières, le transport des composants entre les usines, le transport des composants vers
les centres d’entreposage ou vers les centres de distribution, ainsi que la livraison des
produits finis aux clients. Le rapport entre la réactivité de la chaîne et son efficacité peut être
aussi vu par le choix du mode de transport. Les modes de transport les plus rapides comme
par exemple les avions, sont très coûteux, mais permettent de réagir très vite et ainsi de
satisfaire les demandes non prévisibles. Les modes de transport par voies ferrées ou par
camions sont plus efficaces du point de vue des coûts engendrés mais moins rapides.
L’ensemble des partenaires peut choisir de combiner ces modes de transport et de les
adapter à certaines situations selon l’importance de la demande et le gain total engendré.
Les problèmes liés à la distribution et au transport peuvent être vus sous plusieurs angles.
On peut chercher à trouver les meilleures routes possibles pour visiter les point de
collecte et/ou de distribution (Vehicle routing problems, problèmes de tournées des
véhicules), ou bien, comme dit plus haut, chercher les meilleurs modes de transports, ou
bien les quantités des produits qui doivent être transportées aux clients tout en minimisant
le coût global des transports et des stocks. En effet, selon les études (Hugos, 2003) (23) les
coûts de transport et distributions constituent le tiers des coûts opérationnels globaux d’une
chaîne logistique, ce qui rend leur optimisation un défi majeur pour les entreprises.
La vente
La fonction de vente est la fonction ultime dans une chaîne logistique, son efficacité
dépend des performances des fonctions en amont. Si on a bien optimisé pendant les étapes
106
précédentes, alors on facilite la tâche du personnel chargé de la vente, car ils pourront offrir
des prix plus compétitifs que la concurrence, sinon les marges seront très étroites et les
bénéfices pas très importants, voire même engendrer des pertes.
Annexe 3
Les différents niveaux de décisions :
Les décisions stratégiques
Les décisions stratégiques définissent la politique de l’entreprise sur le long terme, une
durée s’étalant souvent sur plusieurs années (la durée de l’horizon dépend du cycle de vie
des produits). Elles comprennent toutes les décisions de conception de la chaîne logistique
et de ce fait, elles ont une influence importante sur la stratégie concurrentielle et donc sur
la viabilité à long terme de l’entreprise. Elles sont prises normalement par la direction de
l’entreprise. Les décisions stratégiques configurent la chaîne logistique. Nous donnons dans
ce qui suit une liste non exhaustive des décisions stratégiques :
Choisir les partenaires de la chaîne logistique (cas d’entreprises étendues ou
virtuelles). Recherche de la complémentarité des compétences (toutes les fonctions doivent
pouvoir être assumées en interne ou en externe (sous-traitance à l’extérieur de la chaîne
logistique constituée)).
 Faire ou faire-faire : l’entreprise a le choix entre utiliser ses propres moyens pour
réaliser en interne certaines fonctions (faire), ou bien passer par une entreprise
extérieure et indépendante (faire-faire), ou bien déléguer ces tâches à une entreprise
qui sous une forme ou une autre a des liens privilégiés avec elle.
 Choix et nombre de fournisseurs : l’entreprise peut avoir un seul fournisseur ou un
nombre réduit de fournisseurs pour augmenter le niveau de coopération, ou bien
avoir un grand nombre de fournisseurs pour jouer sur la concurrence. Les
fournisseurs sont choisis en fonction des prix, qualités de service, délais de
livraison...etc. (Barbarosoglu et Yazgac, 1997) (24) regroupent les critères de choix
des fournisseurs en trois catégories : i) la capacité technique et l’état financier du
fournisseur; ii) l’historique des performances du fournisseur ; iii) la qualité du système
du fournisseur.
 Choisir les implantations des sites de production et des entrepôts. Cela inclut aussi
la décision d’affecter les activités aux sites. Les décisions concernant la localisation
des sites de production sont très importantes et très stratégiques car elles
107
conditionnent les décisions de transport et de distribution. Plusieurs facteurs doivent

être pris en compte lors de la prise de telles décisions comme la proximité par
rapports aux clients et aux fournisseurs, les taxes et tarifs, et la disponibilité de la
main d’œuvre.
 Déterminer le nombre de sites : un nombre élevé de sites de production ou de
stockage engendre des coûts colossaux, en même temps cela réduit les coûts de
transports. Les entreprises doivent choisir entre des politiques de groupages de sites
ou au contraire des politiques de dégroupage.
 Capacité des sites : cette problématique est liée à celle du nombre de sites. Une
capacité très grande engendre une réactivité très grande mais aussi des coûts très
grands (surtout en cas de sous-production).
 Choisir les moyens de transport (éventuellement multiples) entre les différentes
localisations. Cela dépend aussi du nombre et de la localisation des sites. Plus le
nombre de sites est grand, plus on est proche des clients, et plus on utilise des modes
de transport économiques.
 Le choix des technologies utilisées dans les sites de production et d’entreposage.
Cette décision est liée à la capacité des sites car celle-ci dépend de la technologie
utilisée. Cette décision dépend de certains critères économiques, sociaux et
financiers.
Les décisions tactiques
Les décisions tactiques sont prises sur un horizon de moins de 18 mois en général. Il
s’agit de produire au moindre coût pour les demandes prévisibles, donc avec connaissance
des ressources matérielles et humaines. Il s’agit en effet de faire la planification dépendant
de la structure conçue au niveau stratégique. Nous donnons dans ce qui suit une liste non
exhaustive des décisions tactiques :
 Obtenir les prévisions les plus fiables possibles. Les quantités à produire pour
chaque produit et les quantités des matières premières nécessaires.
 Choisir les modes d’utilisation des ressources (par exemple: ouverture en 2 huit ou
en 3 huit, faire ou non appel à de la sous-traitance ou à des heures supplémentaires).
 Trouver une allocation optimale des fournisseurs aux sites de production.
 Allouer les produits aux sites de production et déterminer les quantités à produire sur
chaque site en tenant compte de la capacité de production de chaque site et des
moyens de transports qui le desservent.
108
 Planifier la production à tous les niveaux (lissage et équilibrage de charge et

minimisation des coûts) et les transports associés, ainsi que la maintenance des
outils de production et des moyens de transport.
 Gérer tous les stocks induits (matières premières, encours, produits finis, pièces de
rechanges, outils …) ainsi que trouver l’allocation optimale des produits aux sites de
stockage en prenant en compte le coût de stockage de chaque produit dans chaque
site, les capacités des sites de stockage, et les coûts de transports entre les sites de
production des produits et les sites de stockage.
 Allouer les sites de stockage aux clients pour optimiser le plus souvent les coûts de
transports ou de livraisons.
 Définir la politique de transport : on doit décider si les livraisons aux clients se font de
manière individuelle pour chaque client ou bien si on essaye de regrouper les
livraisons pour livrer le plus de clients possibles lors d’une même tournée. Cette
décision dépend du mode de transport et de la quantité demandée par chaque client.
Le transport des matières premières et des produits semi finis est traditionnellement
séparé du transport des produits finis car ils sont réalisés par deux entités différentes.
L’intégration de ces deux entités ou bien la coordination entre elles peut permettre
une meilleure utilisation des ressources en transport de l’entreprise.
Les décisions opérationnelles
Les décisions opérationnelles sont prises pour un horizon de très court terme pour
assurer la gestion des moyens et le fonctionnement au jour le jour de la chaîne logistique.
Dans le cadre des chaînes logistiques, les entreprises ont besoin à tout moment de prendre
des décisions avec un temps de réponse très court. La réactivité de la prise des décisions
opérationnelles est un élément de mesure de la performance de la chaîne logistique. Au
niveau opérationnel, la configuration de la chaîne logistique est déjà fixée et les politiques
de planifications déjà définies. Il y a moins d’incertitudes sur les informations sur la demande
car on doit prendre les décisions opérationnelles en un laps de temps très court (minutes,
heures, jours). Avec moins d’incertitudes, l’objectif à ce niveau est de répondre aux requêtes
des clients d’une façon optimale en respectant les contraintes établies par les configurations
et les politiques de planification choisies aux niveaux stratégiques et tactiques. Nous
donnons dans ce qui suit une liste non exhaustive des décisions opérationnelles :
 Ordonnancement et pilotage en temps réel des systèmes de production.
109
 Tournée de véhicules ou programme des livraisons qui donne les produits, la

destination et les quantités à livrer.
 Allocation des moyens de transports : ces moyens étant limités, cette allocation est
basée sur le programme des livraisons.
 Placement plus précis des activités de maintenance préventive.
 Affectation des ressources aux tâches (matérielles et humaines) de manière
dynamique en fonction des aléas. Il s’agit de faire l’emploi du temps des employés
en tenant compte des contraintes sociales et juridiques.
Annexe 4
Les différents types de modélisation
Les modèles conceptuels
Les modèles conceptuels sont de loin les plus simples. Il s’agit en fait d’une description
basique d’un système économique comme la chaîne logistique qui peut s’exprimer sous
formes de diagrammes ou d’explications verbales. Le format utilisé dépend en grande partie
de l’expérience du modélisateur, ceux avec une grande expérience font des diagrammes
détaillés pour réduire l’ambiguïté, tandis que ceux avec une moindre expérience se basent
sur une analyse par scénario. Dans ces modèles, il faut trouver un bon équilibre entre
précision et aisance de communication. Ces modèles sont limités car difficiles à mettre en
œuvre dans le cas d’organisations très complexes, et surtout ils ne donnent pas
d’orientations quant au contrôle et au pilotage de la chaîne.
Les modèles mathématiques
Les modèles mathématiques sont très utilisés pour la conception des chaînes
logistiques et pour l’optimisation des coûts. Ils consistent à modéliser un système réel par
un ensemble d’équations exprimant les contraintes et les objectifs. Contrairement aux
modèles conceptuels qui aident seulement à la compréhension du système, les modèles
mathématiques résolvent les problèmes d’optimisation. Une autre différence avec les
modèles conceptuels est que l’utilisation des modèles mathématiques requiert des
compétences spéciales dans les mathématiques et la recherche opérationnelle.
Deux des techniques les plus utilisées sont la programmation linéaire et la
programmation dynamique. Ces outils de recherche opérationnelle sont à la base de
beaucoup de systèmes d’optimisation des supply chain management. L’inconvénient avec
les modèles mathématiques est qu’ils font des restrictions trop importantes sur certaines
110
hypothèses. Un autre inconvénient, et pas des moindres, est le temps d’exécution

nécessaire pour résoudre des problèmes de taille réaliste. Ainsi, pour des problèmes de
grande taille, les industriels préfèrent utiliser des solutions approchées obtenues dans des
délais raisonnables.
Les modèles par simulation
Les modèles par simulations sont très pratiques dans le cas de systèmes où il est
difficile de représenter toutes les hypothèses par des équations, et de ce fait, on ne peut
pas utiliser les modèles mathématiques. Ces modèles essayent d’imiter le comportement
des composants d’un modèle et donc de pouvoir faire des prévisions et des évaluations de
performances. Ils ont la capacité de capturer les incertitudes et de traiter l’aspect dynamique
des systèmes complexes et des systèmes à grandes échelles.
De nombreux modèles ont été proposés pour la simulation et la modélisation des chaînes
logistiques. Hermann et al (Hermann et al, 2003) (25) proposent un nouveau cadre de
simulation et des modèles hiérarchiques pour capturer les activités spécifiques au sein de
la chaîne logistique. Dans sa thèse, Ding (Ding, 2004) (26) propose une approche
d’optimisation basée sur la simulation pour la conception des chaînes logistiques appliquée
à l’industrie automobile et textile. Beaucoup de travaux de recherches se sont intéressés à
ces modèles, nous pouvons citer (Jain et al, 2001) (27) et (Bhasharan, 1998) (28).
111
Annexe 5
Produit Janvier Février Mars Avril Mai Juin Juillet Aout Septembre Octobre Novembre Décembre Total
P/C Ch-trame 3268 2170 1687 2053 7337 16689 14066 864 5544 1379 3815 4671 63543
Pes100% Divers 4741 3132 1790 1007 866 1933 4195 1332 1128 11433 8979 4348 44884
Polycrac PES 100% 1169 102 66 243 47 743 6666 0 24 11979 7429 4875 33343
Lisse Fin 1414 197 205 0 1260 2748 0 3335 0 0 8010 5966 23135
Charmeurse Local 42473 42602 31783 6336 6172 6652 5829 13973 8646 9699 25 0 174190
Losange Pes100% 5072 4604 4670 0 0 1870 721 0 8001 5840 0 5742 36520
Syfraline Pes100% 19354 10101 0 2118 0 3899 8392 1399 6483 10656 12363 12476 87241
Polaire Pes 100% 6140 2058 1223 11445 2890 12276 11519 420 12028 6285 8030 5521 79835
Tactel Pes100% 8610 6690 7096 15288 10834 6084 4946 12147 399 22387 7872 5635 107988
Microfibre Pes100% 15588 12858 15918 30594 9979 30098 18899 1655 20852 3473 3483 26078 189475
Piqué 13593 14498 19303 3504 34134 2210 2147 26692 3683 12979 20675 1018 154436
Filet Pes100% 3953 2954 2168 0 2282 0 14349 1332 16288 3908 2041 40 49315
Nid d'abeille Pes100% 1085 807 2615 10206 1684 4721 5487 405 1086 1477 16862 8208 54643
Diagonal 7780 1165 786 2810 2675 2148 0 10148 4091 1336 1343 655 34937
P/C MLT 21042 5995 11286 5858 3119 3860 4311 170 0 4595 8956 4713 73905
Total 155282 109933 100596 91462 83279 95931 101527 73872 88253 107426 109883 89946 1207390
Tableau 52 : Commandes fermes de Teinture 2010 en KG
P/C1/28 1927 5389 11299 0 0 101504 15570 2871 10189 0 0 0 148749
P/C1/20 0 0 0 1999 6153 92.3 6772 1943 5824 0 0 0 22691
Polycralique 4778 1544 511 0 0 743 0 0 0 0 0 0 7576
Tactel R vertical 0 11796 29029 28865 28900 22124 0 8580 695 0 0 3345 133334
Losange 0 0 7366 31068 36965 17474 18601 0 0 11735 11138 19911 154258
Tactel-Micro 1351 0 688 0 0 10529 0 663 0 0 0 0 13231
Doubleur 19094 6268 68641 24076 20124 4578 0 4867 13687 27717 21408 24938 235398
Microfibre 22738 12972 3964 11725 21936 0 0 2922 29569 25754.13 229 36617 142672
Lime 0 0 11250 15867 4927 0 0 7103 0 0 0 0 39147
Satinee 6706 4917 4391 6647 2921 6311 10047 0 3536 0 0 0 45476
Tacelon 0 0 0 0 3620 6517 1422 0 13072 10271 3431 46973 85306
Drap 3103 1661 1441 3098 1413 82 0 0 0 0 0 0 10798
Total 59697 44547 138580 123345 126959 169862 52412 28949 76572 49723 36206 131784 1038636
Tableau 53 : Commande fermes de Tissage 2010 en Kg
113
Charmeuse 1er 3159 3169 2159 7499 12697 15697 3319 6584 359 1064 0 6796 62502
Charmeuse tex 4978 2359 11579 8613 7264 1697 1793 3979 10698 4793 0 369 58122
Charmeuse 2eme 2397 15387 19863 21367 15697 23974 19835 12364 8698 0 0 6797 146379
Syfraline 4989 8976 0 12789 11367 7978 2499 1136 0 6529 5697 5468 67428
Syfraline 2eme 4194 3169 3168 4856 0 0 3649 1587 1893 5497 3164 2649 33826
Filet 2004 11356 10598 0 0 14893 0 13597 19761 21659 20359 20349 23267 155839
Filet 2401 10795 11448 13191 12497 12415 14891 0 19317 0 21479 25154 23383 164570
Filet Normal 5413 4974 4410 0 0 0 3147 6733 7984 7991 8794 9731 59177
Filet N 08 0 0 0 10971 11412 0 12355 12012 13489 11479 10649 9731 92098
Filet J 09 3497 2128 3479 3548 7981 7933 6317 3643 0 11497 12449 12149 74621
Filet K 08 4649 4977 6977 7971 10354 10784 6611 5413 5949 2034 0 0 65719
Filet Grandiamétre 12497 15489 15447 0 0 0 13648 12998 12489 11479 10367 10149 114563
Filet 2003 1982 7979 8974 8414 10147 15679 18649 21697 29479 0 0 682 123682
Fil pas 2497 1149 1557 1546 4923 3599 4647 4569 4050 4979 6787 8779 49082
Total 72403 91802 90804 100071 119150 102232 110066 131793 116747 109180 103410 119950 1267608
Tableau 54 : Commandes fermes de tricotage 2010 en KG
Annexe 6
Produit Cout de passation (Drh/Kg) Cout de production (Drh/Kg) Cout de possession (Drh/Kg) Niveau de stock initial
P/C Ch-trame 1,76 1,86 2,35 17173
Pes100% Divers 1,6 2,65 2,69 2905
Polycrac PES 100% 1,8 1,55 2,2 1682
Lisse Fin 2,1 4,26 3,6 7219
Charmeurse Local 1,98 1,91 1,96 806
Losange Pes100% 1,7 2,56 2,09 3488
Syfraline Pes100% 1,2 1,57 2,54 13659
Polaire Pes 100% 1,4 2,12 3,23 4621
Tactel Pes100% 1,43 1,69 3,18 6963
Microfibre Pes100% 1,22 1,94 3,43 19369
Piqué 1,06 2,43 2,83 639
Filet Pes100% 1,17 2,08 2,49 0
Nid d'abeille Pes100% 1,28 2,33 3,6 10355
Diagonal 1,49 2,05 2,61 499
P/C MLT 1,32 3,33 3,29 3649
Tableau 55 : Différents coûts des produits de teinture (2010)
115
P/C1/28 3.65 2,14 4.86 24793
P/C1/20 2.26 5.35 3.11 3246
Polycralique 2.05 7.2 2.59 0
Tactel R vertical 3.43 3 4.9 22364
Losange 3.7 2.37 4.43 31659
Tactel-Micro 2.48 4.98 3.28 736
Doubleur 3.8 2.73 3.62 40698
Microfibre 3.6 3.44 4.74 31697
Lime 1.91 4.86 3.71 3956
Satinee 2.59 4.78 3.23 2168
Tacelon 2.76 4.9 3.84 4983
Drap 2.2 6.29 2.33 0
Tableau 56 : Différents coûts des pdts de tissage (2010)
116
Charmeuse 1er 1.79 2.48 3.2 21649
Charmeuse tex 1.21 2.13 4.4 7978
Charmeuse 2eme 2.54 2.74 4.94 25499
Syfraline 2.08 2.65 3.36 8476
Syfraline 2eme 2.48 2.6 3.02 737
Filet 2004 1.43 3.13 5.79 10369
Filet 2401 2.71 2.93 4.9 13131
Filet Normal 3.14 1.78 4.88 39669
Filet N 08 1.49 2.38 3.11 0
Filet J 09 2.41 3.7 4 64799
Filet K 08 1.94 2 2.9 2356
Filet Grandiamétre 2 1.48 3 26979
Filet 2003 1.11 3.42 4.61 46977
Fil pas 1.35 1.84 4.26 5479
Tableau 57 : Différents coûts des pdts de tricotage (2010)
117
Annexe 7
Column1 1 2 3 4 5 6 7 8
P/C1/28 8950 3478 4622 5973 7448 8881 10044 10703
P/C1/20 607 235 314 405 505 602 682 726
Polycralique 546 219 291 377 469 560 633 10722
Losange 6916 2690 3571 4615 5754 6862 7762 8269
Tactel-Micro 935 364 483 625 779 928 1050 1120
Doubleur 10632 4131 5490 7096 8846 10550 11932 12713
Microfibre 5461 2121 2820 3644 4544 5419 6128 6530
Lime 2386 924 1232 1592 1986 2367 2678 2854
Satinee 2375 922 1227 1584 1977 2356 2665 2840
Tacelon 754 294 389 504 628 749 847 903
Drap 804 312 415 504 669 798 902 962
Tableau 58 : Prévisions des productions pour Janvier et Février (Tissage)
Column1 9 10 11 12 13 14 15 16
P/C1/28 10703 10044 8881 7448 5973 4622 3478 2562
P/C1/20 725 682 602 505 405 314 235 174
Polycralique 674 633 560 469 377 291 219 162
Losange 8269 7762 6862 5754 4615 3571 2687 1980
Tactel-Micro 1119 1050 928 779 625 483 364 267
Doubleur 12713 11932 10550 8846 7096 5490 4131 3044
Microfibre 6530 6128 5419 4544 3644 2820 2121 1564
Lime 2853 2678 2367 1986 1592 1232 927 683
Satinee 2840 2665 2356 1977 1584 1227 922 680
Tacelon 903 847 749 628 504 389 294 216
Drap 961 902 798 669 537 415 312 231
Tableau 59 : Prévisions des productions Mars et Avril (Tissage)
118
produit 1 2 3 4 5 6 7 8
Charmeuse 1er 3304 1284 1707 2205 2750 3279 3709 3952
Charmeuse tex 2717 1056 1403 1813 2261 2696 3049 3250
Charmeuse 2eme 7348 2856 3794 3794 6115 7291 8247 49342
Syfraline 3432 1334 1773 2291 2856 3406 3852 4105
Syfraline 2eme 1145 445 592 764 953 1137 1286 1370
Filet 2004 2743 1066 1417 1831 2283 2723 2723 3281
Filet 2401 5602 2177 2893 3739 4662 6287 6287 6699
Filet Normal 11155 4334 5759 7444 9282 11068 12518 13338
Filet N 08 1666 648 861 1112 1387 1654 1870 1993
Filet J 09 2127 826 1099 1419 1770 2111 2387 2544
Filet K 08 3404 1322 1758 2271 2833 3377 3820 4071
Filet 2003 3959 1539 2044 2643 3295 3929 4443 4735
Fil pas 1137 442 587 759 946 1128 1276 1360
Tableau 60 : Prévisions des productions pour Janvier et Février (Tricotage)
119
produit 9 10 11 12 13 14 15 16
Charmeuse 1er 3951 3709 3279 2750 2205 1707 1284 946
Charmeuse tex 3249 3049 2696 2261 1813 1403 1056 778
Charmeuse 2eme 8787 8247 7291 6115 4904 3794 2856 2103
Syfraline 4105 3852 3406 2856 2291 1773 1334 982
Syfraline 2eme 1369 1286 1137 953 764 592 445 328
Filet 2004 3281 3079 2723 2283 1831 1417 1066 785
Filet 2401 6699 6287 5559 4662 3739 2893 2177 1604
Filet Normal 13338 12518 11068 9282 7444 5759 4334 3194
Filet N 08 1993 1870 1654 1387 1112 861 648 477
Filet J 09 2543 2387 2111 1770 1419 1099 826 609
Filet K 08 4070 3820 3377 2833 2271 1758 1322 975
Filet 2003 4735 4443 3929 3295 2643 2044 1539 1133
Fil pas 1360 1276 1128 946 759 587 442 326
Tableau 61 : Prévisions des productions pour Mars et Avril (tricotage)
120
produit 1 2 3 4 5 6 7 8
P/C Ch-trame 2471 965 1284 1661 2071 2418 2751 2981
Pes100% Divers 1003 383 518 670 836 997 1107 1225
Polycrac PES 100% 176 69 91 117 147 155 198 212
Lisse Fin 433 169 224 289 361 426 490 522
Losange Pes100% 1202 469 617 816 997 1202 1330 1465
Syfraline Pes100% 2641 1029 1360 1764 2198 2623 2963 3162
Polaire Pes 100% 2683 1043 1384 1793 2231 2660 3019 3207
Tactel Pes100% 4061 1586 2084 2727 3353 4093 4535 4934
Microfibre Pes100% 8581 3474 4258 5806 7043 8423 9547 10384
Piqué 6493 2527 3334 4352 5432 6437 7276 7805
Filet Pes100% 845 329 436 567 707 830 952 1008
Nid d'abeille Pes100% 1572 608 808 1052 1323 1543 1779 1874
Diagonal 1294 502 663 871 1068 1281 1448 1552
P/C MLT 3816 1479 1949 2555 3160 3770 4295 4576
Tableau 62 : Prévisions des productions pour Janvier et Février (einture)
121
Produit 9 10 11 12 13 14 15 16
P/C Ch-trame 2956 2775 2453 2057 1650 1277 961 708
Pes100% Divers 1199 1126 211 835 669 518 389 288
Polycrac PES 100% 211 198 175 147 117 91 69 51
Lisse Fin 518 487 430 361 289 224 169 124
Losange Pes100% 1443 1355 1199 1004 806 624 469 346
Syfraline Pes100% 3158 2964 2621 2198 1763 1364 1026 756
Polaire Pes 100% 3208 3011 2662 2233 1790 1386 1042 768
Tactel Pes100% 4861 4563 4035 3383 2713 2100 1579 1164
Microfibre Pes100% 10243 9613 8499 7128 5717 4423 3328 2434
Piqué 7768 7290 6446 5406 5717 4423 3328 2452
Filet Pes100% 1011 949 839 704 564 437 329 242
Nid d'abeille Pes100% 1880 1765 1560 1308 1050 812 611 450
Diagonal 1546 1451 1283 1076 862 668 502 371
P/C MLT 4555 4275 3780 3170 2542 1968 1570 1090
Tableau 63 : prévisions des productions pour Mars et Février (Teinture)
122
Annexe 8
Produit 1 2 3 4 5 6 7 8
P/C1/28 346 566 642 373 0 1369 1103 2917
P/C1/20 0 0 0 0 0 0 0 0
Polycralique 933 1152 2646 47 1208 336 0 0
Losange 0 0 0 0 0 0 0 0
Tactel-Micro 212 513 366 260 0 0 0 0
Doubleur 4883 3148 6430 4633 0 1215 3334 1719
Microfibre 0 10322 6397 6019 3558 6958 2456 0
Lime 0 0 0 0 0 0 0 0
Satinee 687 897 1009 4113 679 889 2490 859
Tacelon 0 0 0 0 0 0 0 0
Drap 698 535 1190 680 264 679 403 315
Tableau 64 : Commandes fermes pour Janvier-Février (Tissage)
Produit 9 10 11 12 13 14 15 16
P/C1/28 2156 2010 4568 2565 0 0 0 0
P/C1/20 0 0 0 0 264 234 548 953
Polycralique 235 102 101 73 0 0 0 0
Losange 2329 2154 1907 976 8631 6479 7970 7988
Tactel-Micro 0 553 0 135 0 0 0 0
Doubleur 24032 10349 18930 15330 5977 8103 9303 693
Microfibre 606 1157 1401 800 1368 2356 5556 2445
Lime 0 3973 1666 5611 4622 4059 7186 0
Satinee 1300 1111 1980 0 2460 2493 1259 435
Tacelon 0 0 0 0 0 0 0 0
Drap 564 235 300 342 895 796 811 596
Tableau 65 : Commandes fermes pour Mars-Avril (Tissage)
123
produit 1 2 3 4 5 6 7 8
Charmeuse 1er 1540 760 487 372 823 892 980 474
Charmeuse tex 410 697 1506 2365 565 469 898 427
Charmeuse 2eme 0 1305 1092 0 0 8972 5008 1407
Syfraline 932 2153 979 925 3804 2460 2712 0
Syfraline 2eme 1001 2980 0 213 681 1077 1017 394
Filet 2004 3489 4301 3566 0 5417 5181 0 0
Filet 2401 3398 3728 2468 1201 2927 3148 3487 1886
Filet Normal 235 587 2679 1912 1200 1388 1048 1338
Filet N 08 0 0 0 0 0 0 0 0
Filet J 09 1035 813 648 1001 217 315 856 740
Filet K 08 897 1298 1108 1346 0 0 0 4977
Filet 2003 0 0 982 1000 1000 1547 4814 618
Fil pas 428 1880 0 189 287 372 447 43
Tableau 66 : Commandes Fermes pour Janvier-Février (Tricotage)
124
produit 9 10 11 12 13 14 15 16
Charmeuse 1er 1840 104 165 50 0 1548 2499 3452
Charmeuse tex 3657 2468 4891 563 1015 3187 1018 3393
Charmeuse 2eme 7816 8214 3833 0 0 8131 6710 6526
Syfraline 0 0 0 0 4801 5210 2778 0
Syfraline 2eme 488 647 972 1061 2480 1489 487 400
Filet 2004 0 0 0 0 0 0 0 0
Filet 2401 0 0 7724 5467 0 0 6607 5890
Filet Normal 2447 1014 0 949 0 0 0 0
Filet N 08 0 0 0 0 374 4870 3709 2018
Filet J 09 873 970 1547 89 1705 1140 89 614
Filet K 08 3412 1880 1685 0 1389 0 2489 4093
Filet 2003 0 2417 705 5852 3187 1304 3004 919
Fil pas 182 273 617 485 592 0 0 954
Tableau 67 : Commandes fermes pour Mars-Avril (Tricotage)
125
Produit 1 2 3 4 5 6 7 8
P/C Ch-trame 705 425 0 2497 18 971 75 1286
Pes100% Divers 522 1986 1119 1114 1220 638 410 864
Polycrac PES 100% 0 0 908 261 0 77 0 25
Lisse Fin 0 301 280 833 197 0 0 0
Losange Pes100% 334 1477 1311 1950 1405 1056 719 1424
Syfraline Pes100% 4731 2965 5233 6425 4536 1249 3942 374
Polaire Pes 100% 1258 1723 1522 1637 848 304 606 300
Tactel Pes100% 2178 2078 1901 2453 2282 655 1375 2378
Microfibre Pes100% 1005 2213 5663 6707 3376 2163 2497 4822
Piqué 215 3112 2539 5327 5232 1568 6308 1390
Filet Pes100% 179 717 1518 1539 932 1542 0 480
Nid d'abeille Pes100% 0 682 0 403 0 0 0 807
Diagonal 4936 2368 0 476 0 427 380 358
P/C MLT 3853 6212 5799 5178 1487 131 874 3503
Tableau 68 : Commandes fermes pour Janvier-Février (Teinture)
126
produit 9 10 11 12 13 14 15 16
P/C Ch-trame 890 349 0 42 613 301 348 791
Pes100% Divers 1055 143 213 379 512 112 207 176
Polycrac PES 100% 0 0 42 24 243 0 0 0
Lisse Fin 205 0 0 0 4115 1531 49 641
Losange Pes100% 1347 561 1234 1528 32 1422 664 0
Syfraline Pes100% 0 0 0 0 2533 2095 3691 3126
Polaire Pes 100% 919 304 0 0 4180 4819 2828 3461
Tactel Pes100% 1345 817 1267 3667 7041 8474 6170 8909
Microfibre Pes100% 3549 2922 4019 5428 930 620 647 1307
Piqué 1531 1447 5290 11035 0 0 0 0
Filet Pes100% 35 281 773 1079 1617 1743 2739 4107
Nid d'abeille Pes100% 311 0 833 1471 857 729 258 966
Diagonal 0 0 0 789 984 1812 920 2142
P/C MLT 2096 2266 6489 435 3150 2005 3064 7241
Tableau 69 : Commandes fermes pour Mars-Avril (Teinture)
127
Annexe 9
 Le modèle tactique -Tissage-
int T=...;
int N=...;
range periode=1..T;
range produit=1..N;
float d[produit][periode]=...;
float s[produit]=...;
float h[produit]=...;
float v[produit]=...;
float D[produit]=...;
dvar float+ I[produit][periode];

dvar float+ Q[produit][periode];
dvar boolean X[produit][periode];
dexpr float cost = sum(i in produit,t in

periode)(s[i]*X[i][t]+h[i]*I[i][t]+v[i]*Q[i][t]);
minimize cost;
subject to {
I[1][1]== 24793+Q[1][1]-d[1][1];
I[2][1]== 3246+Q[2][1]-d[2][1];
I[3][1]== Q[3][1]-d[3][1];
I[4][1]== 22364+Q[4][1]-d[4][1];
I[5][1]== 31659+Q[5][1]-d[5][1];
I[6][1]== 736+Q[6][1]-d[6][1];
I[7][1]== 40698+Q[7][1]-d[7][1];
I[8][1]== 31697+Q[8][1]-d[8][1];
I[9][1]== 3956+Q[9][1]-d[9][1];
I[10][1]== 2168+Q[10][1]-d[10][1];
I[11][1]== 4983+Q[11][1]-d[11][1];
I[12][1]== Q[12][1]-d[12][1];
forall (i in produit,t in 2..T)

niveau_stock:
I[i][t]==I[i][t-1]+Q[i][t]-d[i][t];
forall (i in produit, t in periode)

quantite_a_produire:
Q[i][t]<= D[i]*X[i][t];
 La base des données -Tissage-

T=6;
N=12;
s=[,3.65,2.26,2.05,3.43,3.7,2.48,3.8,3.6,1.91,2.59,2.76,2.2];
v=[2.14,5.35,7.2,3,2.37,4.98,2.73,3.44,4.86,4.78,4.9,6.29];
h=[4.86,3.11,2.59,4.9,4.43,3.28,3.62,4.74,3.71,3.23,3.84,2.33];
D=[148749,22691,7576,133334,154258,13231,235398,142672,39147,45476,85306,10798];
d=[[1927 5389 11299 0 0 101504]
,[0 0 0 1999 6153 92.3]
,[4778 1544 511 0 0 743]
,[0 11796 29029 28865 28900 22124]

,[0 0 7366 31068 36965 17474]
,[1351 0 688 0 0 10529]
,[19094 6268 68641 24076 20124 4578]
,[22738 12972 3964 11725 21936 0]
,[0 0 11250 15867 4927 0]
,[6706 4917 4391 6647 2921 6311]
,[0 0 0 0 3620 6517]
,[3103 1661 1441 3098 1413 82]];
 Le modèle tactique -Tricotage-

int T=...;
int N=...;
range periode=1..T;
range produit=1..N;


minimize cost;
subject to {
I[1][1]== 21649+Q[1][1]-d[1][1];
I[2][1]== 7978+Q[2][1]-d[2][1];
I[3][1]== 25499+Q[3][1]-d[3][1];
I[4][1]== 8476+Q[4][1]-d[4][1];
I[5][1]== 737+Q[5][1]-d[5][1];
I[6][1]== 10369+Q[6][1]-d[6][1];
I[7][1]== 13131+Q[7][1]-d[7][1];
I[8][1]== 39669+Q[8][1]-d[8][1];
I[9][1]== Q[9][1]-d[9][1];
I[10][1]== 64799+Q[10][1]-d[10][1];
I[11][1]== 2356+Q[11][1]-d[11][1];
I[12][1]== 26979+Q[12][1]-d[12][1];
I[13][1]== 46977+Q[13][1]-d[13][1];
I[14][1]== 5479+Q[14][1]-d[14][1];

niveau_stock:
I[i][t]==I[i][t-1]+Q[i][t]-d[i][t];

Q[i][t]<= D[i]*X[i][t];
129
 La base des données -Tricotage-

T=6;
N=14;
s=[1.79,1.21,2.54,2.08,2.48,1.43,2.71,3.14,1.49,2.41,1.94,2,1.11,1.35];
v=[2.48,2.13,2.74,2.65,2.6,3.13,2.93,1.78,2.38,3.7,2,1.48,3.42,1.84];
h=[3.2,4.4,4.94,3.36,3.02,5.79,4.9,4.88,3.11,4,2.9,3,4.61,4.26];
D=[62502,58122,146379,67428,33826,155839,164570,59177,92098,74621,65719,114563,1
23682,49082];
d=[[3159 3169 2159 7499 12697 15697], [4978 2359 11579 8613 7264
1697]
,[2397 15387 19863 21367 15697 23974]
,[4989 8976 0 12789 11367 7978]
,[4194 3169 3168 4856 0 0]
,[11356 10598 0 0 14893 0]
,[10795 11448 13191 12497 12415 14891]
,[5413 4974 4410 0 0 0]
,[0 0 0 10971 11412 0]
,[3497 2128 3479 3548 7981 7933]
,[4649 4977 6977 7971 10354 10784]
,[12497 15489 15447 0 0 0]
,[1982 7979 8974 8414 10147 15679]
,[2497 1149 1557 1546 4923 3599]];
 Le modèle tactique –Teinture-

int T=...;
int N=...;
range periode=1..T;
range produit=1..N;


minimize cost;
subject to {
I[1][1]== 17173+Q[1][1]-d[1][1];
I[2][1]== 2905+Q[2][1]-d[2][1];
I[3][1]== 1682+Q[3][1]-d[3][1];
I[4][1]== 7219+Q[4][1]-d[4][1];
I[5][1]== 806+Q[5][1]-d[5][1];
I[6][1]== 3488+Q[6][1]-d[6][1];
I[7][1]== 13659+Q[7][1]-d[7][1];
I[8][1]== 4621+Q[8][1]-d[8][1];
I[9][1]== 6963+Q[9][1]-d[9][1];
I[10][1]== 19369+Q[10][1]-d[10][1];
130
I[11][1]== 639+Q[11][1]-d[11][1];
I[12][1]== Q[12][1]-d[12][1];
I[13][1]== 10355+Q[13][1]-d[13][1];
I[14][1]== 499+Q[14][1]-d[14][1];
I[15][1]== 3649+Q[15][1]-d[15][1];
I[16][1]== 4935+Q[16][1]-d[16][1];
I[17][1]== Q[17][1]-d[17][1];
I[18][1]== 1806+Q[18][1]-d[18][1];
I[19][1]== Q[19][1]-d[19][1];

niveau_stock:
I[i][t]==I[i][t-1]+Q[i][t]-d[i][t];

Q[i][t]<= D[i]*X[i][t];
}
 La base des données -Teinture-
T=6;
N=19;
s=[1.76,1.6,1.8,2.1,1.98,1.7,1.2,1.4,1.43,1.22,1.06,1.17,1.28,1.49,1.32,1.58,1.3
4,1.94,1.26];
h=[2.35,2.69,2.2,3.6,1.96,2.09,2.54,3.23,3.18,3.43,2.83,2.49,3.6,2.61,3.29,2.7,2
.2,3.47,1.98];
v=[1.86,2.65,1.55,4.26,1.91,2.56,1.57,2.12,1.69,1.94,2.43,2.08,2.33,2.05,3.33,3.
21,2.35,2.19,1.95];
D=[33204,13469,2370,5824,136018,16216,35472,36032,54602,115035,87242,11357,21118
,17364,51160,82723,6106,15085,350];
d=[[3268 2170 1687 2053 7337 16689], [4741 3132 1790 1007 866 1933]
,[1169 102 66 243 47 743]
,[1414 197 205 0 1260 2748]
,[42473 42602 31783 6336 6172 6652]
,[5072 4604 4670 0 0 1870]
,[19354 10101 0 2118 0 3899]
,[6140 2058 1223 11445 2890 12276]
,[8610 6690 7096 15288 10834 6084]
,[15588 12858 15918 30594 9979 30098]
,[13593 14498 19303 3504 34134 2210]
,[3953 2954 2168 0 2282 0]
,[1085 807 2615 10206 1684 4721]
,[7780 1165 786 2810 2675 2148]
,[21042 5995 11286 5858 3119 3860]
,[1127 29752 18925 15459 4476 12984]
,[144 133 96 53 5744 36]
,[19 2339 6727 3961 73 1966]
,[0 0 91 24 235 0]];
131
Annexe 10
 Le modèle opérationnel (Janvier-Février) –Tissage-
int T=...;
int N=...;
range periode=1..T;
range produit=1..N;
float p[produit][periode]=...;
float P[produit]=...;
float Qt1[produit]=...;
dvar float+ Ic[produit][periode];

dvar float+ Qc[produit][periode];
dvar boolean Xc[produit][periode];
dvar float+ Ip[produit][periode];
dvar float+ Qp[produit][periode];
dvar boolean Xp[produit][periode];

periode)(s[i]*(Xc[i][t]+Xp[i][t])+h[i]*(Ic[i][t]+Ip[i][t])+v[i]*(Qc[i][t]+Qp[
i][t]));
minimize cost;
subject to {
Ic[1][1]== 24793+Qc[1][1]-d[1][1];
Ic[2][1]== 3246+Qc[2][1]-d[2][1];
Ic[3][1]== Qc[3][1]-d[3][1];
Ic[4][1]== 22364+Qc[4][1]-d[4][1];
Ic[5][1]== 31659+Qc[5][1]-d[5][1];
Ic[6][1]== 736+Qc[6][1]-d[6][1];
Ic[7][1]== 40698+Qc[7][1]-d[7][1];
Ic[8][1]== 31697+Qc[8][1]-d[8][1];
Ic[9][1]== 3956+Qc[9][1]-d[9][1];
Ic[10][1]== 2168+Qc[10][1]-d[10][1];
Ic[11][1]== 4983+Qc[11][1]-d[11][1];
Ic[12][1]== Qc[12][1]-d[12][1];
Ip[1][1]== Qp[1][1]-p[1][1];
Ip[2][1]== Qp[2][1]-p[2][1];
Ip[3][1]== Qp[3][1]-p[3][1];
Ip[4][1]== Qp[4][1]-p[4][1];
Ip[5][1]== Qp[5][1]-p[5][1];
Ip[6][1]== Qp[6][1]-p[6][1];
Ip[7][1]== Qp[7][1]-p[7][1];
Ip[8][1]== Qp[8][1]-p[8][1];
Ip[9][1]== Qp[9][1]-p[9][1];
Ip[10][1]==Qp[10][1]-p[10][1];
Ip[11][1]==Qp[11][1]-p[11][1];
Ip[12][1]==Qp[12][1]-p[12][1];
132

niveau_stock:
{
Ic[i][t]==Ic[i][t-1]+Qc[i][t]-d[i][t];
Ip[i][t]==Ip[i][t-1]+Qp[i][t]-p[i][t];
}

{
Qc[i][t]<= D[i]*Xc[i][t];
Qp[i][t]<=P[i]*Xp[i][t];
}
forall (i in produit)
{
sum(t in 1..4)Qp[i][t]>=Qt1[i];
}
 La base des données (Janvier-Février) –Tissage-

T=8;
N=12;
s=[3.65,2.26,2.05,3.43,3.7,2.48,3.8,3.6,1.91,2.59,2.76,2.2];
h=[4.86,3.11,2.59,4.9,4.43,3.28,3.62,4.74,3.71,3.23,3.84,2.33];
v=[2.14,5.35,7.2,3,2.37,4.98,2.73,3.44,4.86,4.78,4.9,6.29];
D=[7316,0,6322,11796,0,1351,25362,35710,0,11623,0,4764];
d=[[346 566 642 373 0 1369 1103 2917]

,[0 0 0 0 0 0 0 0]
,[933 1152 2646 47 1208 336 0 0]
,[0 0 0 0 3664 2649 1288 4195]
,[0 0 0 0 0 0 0 0]
,[212 513 366 260 0 0 0 0]
,[4883 3148 6430 4633 0 1215 3334 1719]
,[0 10322 6397 6019 3558 6958 2456 0]
,[0 0 0 0 0 0 0 0]
,[687 897 1009 4113 679 889 2490 859]
,[0 0 0 0 0 0 0 0]
,[698 535 1190 680 264 679 403 315]];
P=[60099,4076,13817,60208,46439,6284,71390,36667,16019,15946,5068,5366];
p=[[10703 10044 8881 7448 5973 4622 3478 2562]

,[725 682 602 505 405 314 235 174]
,[674 633 560 469 377 291 219 162]
,[10722 10063 8897 7461 5984 4630 3484 2567]
,[8269 7762 6862 5754 4615 3571 2687 1980]
,[1119 1050 928 779 625 483 364 267]
,[12713 11932 10550 8846 7096 5490 4131 3044]
,[6530 6128 5419 4544 3644 2820 2121 1564]
,[02853 2678 2367 1986 1592 1232 927 683]
,[2840 2665 2356 1977 1584 1227 922 680]
,[903 847 749 628 504 389 294 216]
133
,[961 902 798 669 537 415 312 231]];
Qt1=[0,0,4778,0,0,615,0,0,0,4538,0,3103];
Qt2=[0,0,6322,0,0,615,0,4013,0,9455,0,4764];
 Le modèle opérationnel (Mars-Avril) –Tissage-

int T=...;
int N=...;
range periode=1..T;
range produit=1..N;


i][t]));
minimize cost;
subject to {
Ic[1][1]== 17477+Qc[1][1]-d[1][1];
Ic[2][1]== 3246+Qc[2][1]-d[2][1];
Ic[3][1]== Qc[3][1]-d[3][1];
Ic[4][1]== 10568+Qc[4][1]-d[4][1];
Ic[5][1]== 31659+Qc[5][1]-d[5][1];
Ic[6][1]== Qc[6][1]-d[6][1];
Ic[7][1]== 15336+Qc[7][1]-d[7][1];
Ic[8][1]== Qc[8][1]-d[8][1];
Ic[9][1]== 3956+Qc[9][1]-d[9][1];
Ic[10][1]== Qc[10][1]-d[10][1];
Ic[11][1]== 4983+Qc[11][1]-d[11][1];
Ic[12][1]== Qc[12][1]-d[12][1];
Ip[1][1]== Qp[1][1]-p[1][1];
Ip[2][1]== Qp[2][1]-p[2][1];
Ip[3][1]== 2937+Qp[3][1]-p[3][1];
Ip[4][1]== Qp[4][1]-p[4][1];
Ip[5][1]== Qp[5][1]-p[5][1];
Ip[6][1]== Qp[6][1]-p[6][1];
Ip[7][1]== Qp[7][1]-p[7][1];
Ip[8][1]== Qp[8][1]-p[8][1];
Ip[9][1]== Qp[9][1]-p[9][1];
134
Ip[10][1]==Qp[10][1]-p[10][1];
Ip[11][1]==Qp[11][1]-p[11][1];
Ip[12][1]==Qp[12][1]-p[12][1];

niveau_stock:
{
}

{
}
{
}
 La base des données (Mars-Avril) –Tissage-

T=8;
N=12;
s=[3.65,2.26,2.05,3.43,3.7,2.48,3.8,3.6,1.91,2.59,2.76,2.2];
h=[4.86,3.11,2.59,4.9,4.43,3.28,3.62,4.74,3.71,3.23,3.84,2.33];
v=[2.14,5.35,7.2,3,2.37,4.98,2.73,3.44,4.86,4.78,4.9,6.29];
D=[11299,1999,511,57894,38434,688,92717,15689,27117,11038,0,4539];
d=[[2156 2010 4568 2565 0 0 0 0]

,[0 0 0 0 264 234 548 953]
,[235 102 101 73 0 0 0 0]
,[10248 3569 5481 9731 6677 5401 6489 10298]
,[2329 2154 1907 976 8631 6479 7970 7988]
,[0 553 0 135 0 0 0 0]
,[24032 10349 18930 15330 5977 8103 9303 693]
,[606 1157 1401 800 1368 2356 5556 2445]
,[0 3973 1666 5611 4622 4059 7186 0]
,[1300 1111 1980 0 2460 2493 1259 435]
,[0 0 0 0 0 0 0 0]
,[564 235 300 342 895 796 811 596]];
P=[53711,3642,3385,53808,41500,5615,63802,32770,14318,14251,4530,4825];
p=[[10703 10044 8881 7448 5973 4622 3478 2562]

,[725 682 602 505 405 314 235 174]
,[674 633 560 469 377 291 219 162]
,[10722 10063 8897 7461 5984 4630 3484 2567]
,[8269 7762 6862 5754 4615 3571 2687 1980]
,[1119 1050 928 779 625 483 364 267]
,[12713 11932 10550 8846 7096 5490 4131 3044]
,[6530 6128 5419 4544 3644 2820 2121 1564]
,[2853 2678 2367 1986 1592 1232 927 683]
135
,[2840 2665 2356 1977 1584 1227 922 680]

,[903 847 749 628 504 389 294 216]
,[961 902 798 669 537 415 312 231]];
Qt1=[0,0,511,18461,0,688,53303,3964,7294,4391,0,1441];
Qt2=[0,0,511,47326,6775,688,77381,15689,23161,11038,0,4539];
 Le modèle opérationnel (Janvier-Février) –Tricotage-

int T=...;
int N=...;
range periode=1..T;
range produit=1..N;


i][t]));
minimize cost;
subject to {
Ic[1][1]== 21649+Qc[1][1]-d[1][1];
Ic[2][1]== 7978+Qc[2][1]-d[2][1];
Ic[3][1]== 25499+Qc[3][1]-d[3][1];
Ic[4][1]== 8476+Qc[4][1]-d[4][1];
Ic[5][1]== 737+Qc[5][1]-d[5][1];
Ic[6][1]== 10369+Qc[6][1]-d[6][1];
Ic[7][1]== 13131+Qc[7][1]-d[7][1];
Ic[8][1]== 39669+Qc[8][1]-d[8][1];
Ic[9][1]== Qc[9][1]-d[9][1];
Ic[10][1]== 64799+Qc[10][1]-d[10][1];
Ic[11][1]== 2356+Qc[11][1]-d[11][1];
Ic[12][1]== 26979+Qc[12][1]-d[12][1];
Ic[13][1]== 46977+Qc[13][1]-d[13][1];
Ic[14][1]== 5479+Qc[14][1]-d[14][1];
Ip[1][1]== Qp[1][1]-p[1][1];
Ip[2][1]== Qp[2][1]-p[2][1];
Ip[3][1]== Qp[3][1]-p[3][1];
136
Ip[4][1]== Qp[4][1]-p[4][1];
Ip[5][1]== Qp[5][1]-p[5][1];
Ip[6][1]== Qp[6][1]-p[6][1];
Ip[7][1]== Qp[7][1]-p[7][1];
Ip[8][1]== Qp[8][1]-p[8][1];
Ip[9][1]== Qp[9][1]-p[9][1];
Ip[10][1]==Qp[10][1]-p[10][1];
Ip[11][1]==Qp[11][1]-p[11][1];
Ip[12][1]==Qp[12][1]-p[12][1];
Ip[13][1]==Qp[14][1]-p[14][1];
Ip[14][1]==Qp[11][1]-p[14][1];

niveau_stock:
{
}

{
}
{
}
 La base des données (Janvier-Février) –Tricotage-

T=8;
N=14;
s=[1.79,1.21,2.54,2.08,2.48,1.43,2.71,3.14,1.49,2.41,1.94,2,1.11,1.35];
h=[3.2,4.4,4.94,3.36,3.02,5.79,4.9,4.88,3.11,4,2.9,3,4.61,4.26];
v=[2.48,2.13,2.74,2.65,2.6,3.13,2.93,1.78,2.38,3.7,2,1.48,3.42,1.84];
D=[6328,7337,17784,13965,7363,21954,22243,10387,0,5625,9626,27986,9961,3646];
d=[[1540 760 487 372 823 892 980 474]

,[410 697 1506 2365 565 469 898 427]
,[0 1305 1092 0 0 8972 5008 1407]
,[932 2153 979 925 3804 2460 2712 0]
,[1001 2980 0 213 681 1077 1017 394]
,[3489 4301 3566 0 5417 5181 0 0]
,[3398 3728 2468 1201 2927 3148 3487 1886]
,[235 587 2679 1912 1200 1388 1048 1338]
,[0 0 0 0 0 0 0 0]
,[1035 813 648 1001 217 315 856 740]
,[897 1298 1108 1346 0 0 0 4977]
,[8104 4393 0 0 6824 5404 3000 261]
,[0 0 982 1000 1000 1547 4814 618]
,[428 1880 0 189 287 372 447 43]];
137
P=[22190,18245,88787,23049,7692,18067,38346,74898,11191,14283,22856,21716,265
87,7635];
p=[[3304 1284 1707 2205 2750 3279 3709 3952]

,[2717 1056 1403 1813 2261 2696 3049 3250]
,[7348 2856 3794 3794 6115 7291 8247 49342]
,[3432 1334 1773 2291 2856 3406 3852 4105]
,[1145 445 592 764 953 1137 1286 1370]
,[2743 1066 1417 1831 2283 2723 2723 3281]
,[5602 2177 2893 3739 4662 6287 6287 6699]
,[11155 4334 5759 7444 9282 11068 12518 13338]
,[1666 648 861 1112 1387 1654 1870 1993]
,[2127 826 1099 1419 1770 2111 2387 2544]
,[3404 1322 1758 2271 2833 3377 3820 4071]
,[3234 1256 1671 2158 2691 3209 3630 3867]
,[3959 1539 2044 2643 3295 3929 4443 4735]
,[1137 442 587 759 946 1128 1276 1360]];
Qt1=[0,0,0,0,3457,987,0,0,0,0,2293,0,0,0];
Qt2=[0,0,0,5489,6626,11585,9112,0,0,0,8270,1007,0,0];
 Le modèle opérationnel (Mars-Avril) –Tricotage-

int T=...;
int N=...;
range periode=1..T;
range produit=1..N;


i][t]));
minimize cost;
subject to {
Ic[1][1]== 15321+Qc[1][1]-d[1][1];
Ic[2][1]== 641+Qc[2][1]-d[2][1];
Ic[3][1]== 7715+Qc[3][1]-d[3][1];
Ic[4][1]== Qc[4][1]-d[4][1];
138
Ic[5][1]== Qc[5][1]-d[5][1];
Ic[6][1]== Qc[6][1]-d[6][1];
Ic[7][1]== Qc[7][1]-d[7][1];
Ic[8][1]== 29282+Qc[8][1]-d[8][1];
Ic[9][1]== Qc[9][1]-d[9][1];
Ic[10][1]==59174+Qc[10][1]-d[10][1];
Ic[11][1]==Qc[11][1]-d[11][1];
Ic[12][1]==Qc[12][1]-d[12][1];
Ic[13][1]==37016+Qc[13][1]-d[13][1];
Ic[14][1]==1833+Qc[14][1]-d[14][1];
Ip[1][1]== Qp[1][1]-p[1][1];
Ip[2][1]== Qp[2][1]-p[2][1];
Ip[3][1]== Qp[3][1]-p[3][1];
Ip[4][1]== Qp[4][1]-p[4][1];
Ip[5][1]== Qp[5][1]-p[5][1];
Ip[6][1]== Qp[6][1]-p[6][1];
Ip[7][1]== Qp[7][1]-p[7][1];
Ip[8][1]== Qp[8][1]-p[8][1];
Ip[9][1]== Qp[9][1]-p[9][1];
Ip[10][1]==Qp[10][1]-p[10][1];
Ip[11][1]==Qp[11][1]-p[11][1];
Ip[12][1]==Qp[12][1]-p[12][1];
Ip[13][1]==Qp[13][1]-p[13][1];
Ip[14][1]==Qp[14][1]-p[14][1];

niveau_stock:
{
}

{
}
{
}
 La base des données (Mars-Avril) –Tricotage-

T=8;
N=14;
s=[1.79,1.21,2.54,2.08,2.48,1.43,2.71,3.14,1.49,2.41,1.94,2,1.11,1.35];
h=[3.2,4.4,4.94,3.36,3.02,5.79,4.9,4.88,3.11,4,2.9,3,4.61,4.26];
v=[2.48,2.13,2.74,2.65,2.6,3.13,2.93,1.78,2.38,3.7,2,1.48,3.42,1.84];
D=[9658,20192,41230,12789,8024,0,25688,4410,10971,7027,14948,15447,17388,3103
];
139
d=[[1840 104 165 50 0 1548 2499 3452]

,[3657 2468 4891 563 1015 3187 1018 3393]
,[7816 8214 3833 0 0 8131 6710 6526]
,[0 0 0 0 4801 5210 2778 0]
,[488 647 972 1061 2480 1489 487 400]
,[0 0 0 0 0 0 0 0]
,[0 0 7724 5467 0 0 6607 5890]
,[2447 1014 0 949 0 0 0 0]
,[0 0 0 0 374 4870 3709 2018]
,[873 970 1547 89 1705 1140 89 614]
,[3412 1880 1685 0 1389 0 2489 4093]
,[4124 3471 4047 3805 0 0 0 0]
,[0 2417 705 5852 3187 1304 3004 919]
,[182 273 617 485 592 0 0 954]];
P=[19831,16305,44097,20599,6874,16465,33620,66937,10002,12764,20426,19408,237
61,6824];
p=[[3951 3709 3279 2750 2205 1707 1284 946]

,[3249 3049 2696 2261 1813 1403 1056 778]
,[8787 8247 7291 6115 4904 3794 2856 2103]
,[4105 3852 3406 2856 2291 1773 1334 982]
,[1369 1286 1137 953 764 592 445 328]
,[3281 3079 2723 2283 1831 1417 1066 785]
,[6699 6287 5559 4662 3739 2893 2177 1604]
,[13338 12518 11068 9282 7444 5759 4334 3194]
,[1993 1870 1654 1387 1112 861 648 477]
,[2543 2387 2111 1770 1419 1099 826 609]
,[4070 3820 3377 2833 2271 1758 1322 975]
,[3867 3630 3209 2691 2158 1671 1256 926]
,[4735 4443 3929 3295 2643 2044 1539 1133]
,[1360 1276 1128 946 759 587 442 326]];
Qt1=[0,10938,12148,0,3168,0,13191,0,0,0,6977,15447,0,0];
Qt2=[0,19551,33515,12789,8024,0,25688,0,10971,0,14948,15447,0,1270];
 Le modèle opérationnel (Janvier-Février) –Teinture-

int T=...;
int N=...;
range periode=1..T;
range produit=1..N;

140

i][t]));
minimize cost;
subject to {
Ic[1][1]== 17173+Qc[1][1]-d[1][1];
Ic[2][1]== 2905+Qc[2][1]-d[2][1];
Ic[3][1]== 1682+Qc[3][1]-d[3][1];
Ic[4][1]== 7219+Qc[4][1]-d[4][1];
Ic[5][1]== 806+Qc[5][1]-d[5][1];
Ic[6][1]== 3488+Qc[6][1]-d[6][1];
Ic[7][1]== 13659+Qc[7][1]-d[7][1];
Ic[8][1]== 4621+Qc[8][1]-d[8][1];
Ic[9][1]== 6963+Qc[9][1]-d[9][1];
Ic[10][1]== 19369+Qc[10][1]-d[10][1];
Ic[11][1]== 639+Qc[11][1]-d[11][1];
Ic[12][1]== Qc[12][1]-d[12][1];
Ic[13][1]== 10355+Qc[13][1]-d[13][1];
Ic[14][1]== 499+Qc[14][1]-d[14][1];
Ic[15][1]== 3649+Qc[15][1]-d[15][1];
Ip[1][1]== Qp[1][1]-p[1][1];
Ip[2][1]== Qp[2][1]-p[2][1];
Ip[3][1]== Qp[3][1]-p[3][1];
Ip[4][1]== Qp[4][1]-p[4][1];
Ip[5][1]== Qp[5][1]-p[5][1];
Ip[6][1]== Qp[6][1]-p[6][1];
Ip[7][1]== Qp[7][1]-p[7][1];
Ip[8][1]== Qp[8][1]-p[8][1];
Ip[9][1]== Qp[9][1]-p[9][1];
Ip[10][1]==Qp[10][1]-p[10][1];
Ip[11][1]==Qp[11][1]-p[11][1];
Ip[12][1]==Qp[12][1]-p[12][1];
Ip[13][1]==Qp[13][1]-p[13][1];
Ip[14][1]==Qp[14][1]-p[14][1];
Ip[15][1]==Qp[15][1]-p[15][1];

niveau_stock:
{
}

{
}
141
{
}
 La base des données (Janvier-Février) – Teinture-

T=8;
N=15;
s=[1.76,1.6,1.8,2.1,1.98,1.7,1.2,1.4,1.43,1.22,1.06,1.17,1.28,1.49,1.32];
h=[2.35,2.69,2.2,3.6,1.96,2.09,2.54,3.23,3.18,3.43,2.83,2.49,3.6,2.61,3.29];
v=[1.86,2.65,1.55,4.26,1.91,2.56,1.57,2.12,1.69,1.94,2.43,2.08,2.33,2.05,3.33
];
D=[55977,7873,1271,1611,85075,9676,29455,8198,15300,28446,25691,6907,1892,894
5,27037];
d=[[705 425 0 2497 18 971 75 1286],[522 1986 1119 1114 1220 638 410 864]
,[0 0 908 261 0 77 0 25]
,[0 301 280 833 197 0 0 0]
,[7698 10190 9823 14762 8482 11801 10888 11431]
,[334 1477 1311 1950 1405 1056 719 1424]
,[4731 2965 5233 6425 4536 1249 3942 374]
,[1258 1723 1522 1637 848 304 606 300]
,[2178 2078 1901 2453 2282 655 1375 2378]
,[1005 2213 5663 6707 3376 2163 2497 4822]
,[215 3112 2539 5327 5232 1568 6308 1390]
,[179 717 1518 1539 932 1542 0 480]
,[0 682 0 403 0 0 0 807]
,[4936 2368 0 476 0 427 380 358]
,[3853 6212 5799 5178 1487 131 874 3503]];
P=[16602,6739,1165,2914,67881,8098,17740,18020,27373,57516,43656,5674,10559,8
679,25600];
p=[[2471 965 1284 1661 2071 2418 2751 2981],[1003 383 518 670 836 997 110
1225]
,[176 69 91 117 147 155 198 212]
,[433 169 224 289 361 426 490 522]
,[10128 3920 5246 6602 8730 9737 11781 11737]
,[1202 469 617 816 997 1202 1330 1465]
,[2641 1029 1360 1764 2198 2623 2963 3162]
,[2683 1043 1384 1793 2231 2660 3019 3207]
,[4061 1586 2084 2727 3353 4093 4535 4934]
,[8581 3474 4258 5806 7043 8423 9547 10384]
,[6493 2527 3334 4352 5432 643 7276 7805]
,[845 329 436 567 707 830 952 1008]
,[1572 608 808 1052 1323 1543 1779 1874]
,[1294 502 663 871 1068 1281 1448 1552]
,[3816 1479 1949 2555 3160 3770 4295 4576]];
Qt1=[0,1836,0,0,41677,1584,5695,1519,1647,0,12954,3953,0,7281,17393];
Qt2=[0,4968,0,0,84279,6188,15796,3577,8337,9077,27452,6907,0,8446,23388];
142
 Le modèle opérationnel (Janvier-Février) – Teinture-

int T=...;
int N=...;
range periode=1..T;
range produit=1..N;


i][t]));
minimize cost;
subject to {
Ic[1][1]== 11169+Qc[1][1]-d[1][1];
Ic[2][1]== Qc[2][1]-d[2][1];
Ic[3][1]== 411+Qc[3][1]-d[3][1];
Ic[4][1]== 5608+Qc[4][1]-d[4][1];
Ic[5][1]== Qc[5][1]-d[5][1];
Ic[6][1]== Qc[6][1]-d[6][1];
Ic[7][1]== Qc[7][1]-d[7][1];
Ic[8][1]== Qc[8][1]-d[8][1];
Ic[9][1]== Qc[9][1]-d[9][1];
Ic[10][1]==Qc[10][1]-d[10][1];
Ic[11][1]==Qc[11][1]-d[11][1];
Ic[12][1]==Qc[12][1]-d[12][1];
Ic[13][1]==8463+Qc[13][1]-d[13][1];
Ic[14][1]==Qc[14][1]-d[14][1];
Ic[15][1]==Qc[15][1]-d[15][1];
Ip[1][1]== Qp[1][1]-p[1][1];
Ip[2][1]== Qp[2][1]-p[2][1];
Ip[3][1]== Qp[3][1]-p[3][1];
Ip[4][1]== Qp[4][1]-p[4][1];
Ip[5][1]== Qp[5][1]-p[5][1];
Ip[6][1]== Qp[6][1]-p[6][1];
Ip[7][1]== Qp[7][1]-p[7][1];
Ip[8][1]== Qp[8][1]-p[8][1];
Ip[9][1]== Qp[9][1]-p[9][1];
Ip[10][1]==Qp[10][1]-p[10][1];
143
Ip[11][1]==Qp[11][1]-p[11][1];
Ip[12][1]==1233+Qp[12][1]-p[12][1];
Ip[13][1]==Qp[13][1]-p[13][1];
Ip[14][1]==Qp[14][1]-p[14][1];
Ip[15][1]==Qp[15][1]-p[15][1];

niveau_stock:
{
}

{
}
{
}
 La base des données (Janvier-Février) – Teinture-

T=8;
N=15;
s=[1.76,1.6,1.8,2.1,1.98,1.7,1.2,1.4,1.43,1.22,1.06,1.17,1.28,1.49,1.32];
h=[2.35,2.69,2.2,3.6,1.96,2.09,2.54,3.23,3.18,3.43,2.83,2.49,3.6,2.61,3.29];
v=[1.86,2.65,1.55,4.26,1.91,2.56,1.57,2.12,1.69,1.94,2.43,2.08,2.33,2.05,3.33
];
D=[3740,2797,309,6541,31783,6788,11445,16511,37690,19422,19303,12374,5425,664
7,26746];
d=[[1296 349 0 42 613 301 348 791],[1055 143 213 379
512 112 207 176]
,[0 0 42 24 243 0 0 0]
,[205 0 0 0 4115 1531 49 641]
,[10315 6324 8129 7015 0 0 0 0]
,[1347 561 1234 1528 32 1422 664 0]
,[0 0 0 0 2533 2095 3691 3126]
,[919 304 0 0 4180 4819 2828 3461]
,[1345 817 1267 3667 7041 8474 6170 8909]
,[3549 2922 4019 5428 930 620 647 1307]
,[1531 1447 5290 11035 0 0 0 0]
,[35 281 773 1079 1617 1743 2739 4107]
,[311 0 833 1471 857 729 258 966]
,[0 0 0 789 984 1812 920 2142]
,[2096 2266 6489 435 3150 2005 3064 7241]];
P=[14837,5235,1059,2602,60779,7246,15850,16100,24398,51385,42830,5075,9436,77
59,22950];
144
p=[[2956 2775 2453 2057 1650 1277 961 708],[1199 1126 211 835
669 518 389 288]
,[211 198 175 147 117 91 69 51]
,[518 487 430 361 289 224 169 124]
,[12111 11366 10050 8428 6759 5230 3936 2899]
,[1443 1355 1199 1004 806 624 469 346]
,[3158 2964 2621 2198 1763 1364 1026 756]
,[3208 3011 2662 2233 1790 1386 1042 768]
,[4861 4563 4035 3383 2713 2100 1579 1164]
,[10243 9613 8499 7128 5717 4423 3328 2434]
,[7768 7290 6446 5406 5717 4423 3328 2452]
,[1011 949 839 704 564 437 329 242]
,[1880 1765 1560 1308 1050 812 611 450]
,[1546 1451 1283 1076 862 668 502 371]
,[4555 4275 3780 3170 2542 1968 1570 1090]];
Qt1=[0,1790,0,0,31783,4670,0,1223,7096,15918,19303,2168,0,786,11286];
Qt2=[0,2797,0,0,38119,4670,2118,12668,22384,46512,22807,2168,4358,3596,17144]
;
145
Bibliographie
(1) Fantar,
S. (2005). «Les facteurs de compétitivité dans la filière textile habillement : Le cas
de la Tunisie». Document de travail : Centre d’économie et de finances internationales.
(2) http://www.textile.ma/textile-au-maroc/ (visite de site mai 2017).
Krugman, P.R. (2000). «L’Age des rendements décroissants». Economica (3ème
(3)
Edition).
(4) Collin
J., Paché G. (1988), La logistique de distribution : l'avenir du marketing, Chotard et
Associés Editeurs, Paris.
(5) Porter, M. (1986). L’avantage concurrentiel, InterEditions.
(6)
Graves, S. (1999). Manufacturing Planning and Control, Massachussetts Institute of
Technology.
(7) ImenSAFRA ABDELMALEK (2013) : thèse « Vers un approche intégrée de planification
de la production et de la distribution», Ecole centrales des arts et manufactures, France..
(8) Féniès,
P., Gourgand, M. et Tchernev, N. (2004). A framework for supply chain evaluation,
5e International Meeting for Research in Logistics, RIRL 04, Fortalezza, Brazil.
(9)
Lee, H. et Billington, C. (1993). Material management in decentralized supply chain,
Operation Research 41(5): 835–847.
(10)
Ganeshan, R. et Harrison, T. (1995). An introduction to supply chain management,
Technical report,
(11) Tchernev,
N. (1997). La modélisation du processus logistique dans les systèmes flexibles
de production,
(12) Stadler,
H. (2005). Supply chain management and advanced planning - basics, overview
an d challenges, European Journal of Operational Research 163(3) : 575–588.
(13)Ouzizi L., (2005). Planification de la production par co-décision et négociation de
l’entreprise virtuelle, Thèse de doctorat de l’université de Metz.
(14) Paché J., (2004). Proximité spatiale et gestion des supply chains : une approche critique
à partir des logiques de radialisation, Quatrièmes journées de la proximité, juin 17-18.
(15) Portmann M.C., (2006). Chaînes logistiques et gestion de la production, ISDP 32, cours
à l’école des mines de Nancy.
(16) Vidal
C.J., et Goetschalckx M., (1997). Strategic production-distribution models: a critical
review with emphasis on global supply chain models. European Journal of Operational
Research, vol (98), 1-18.
(17) Taylor D.A., (2003). Supply Chains: A Manager’s Guide. Addison Wesley, USA.
(18) Comelli,
M. (2008). Modélisation, optimisation et simulation pour la planification tactique
des chaînes logistiques, PhD thesis, Université Blaise Pascal, Clermont-Ferrand.
(19)
Drexl, A. et Kimms, A. (1997). Lot sizing and scheduling - survey and extensions,
European Journal of Operational Research 99: 221–235.
(20)Rizk, N. et Martel, A. (2001). Supply chain flow planning methods: a review of the lot-
sizing literature, Working paper DT-2001-AM-1, University Laval (canada).
(21)David Lemoine. Thèse : Modèles génériques et méthodes de résolution pour la
planification tactique mono-site et multi-site. Recherche opérationnelle [cs.RO]. Université
Blaise Pascal - Clermont- Ferrand II, 2008. Français.
(22) Harmon R.L., (1992). Reinventing the factory 2. The free Press.
(23)
Hugos M., (2003). Essentials of supply chain management. John Wiley and sons, Inc,
New Jersey, USA.
(24) Barbarosoglu G., et Yazgac T., (1997). An application of the analytical hierarchy process
to the supplier selection problem. Production and Inventory Management Journal, vol 38 (1),
14-21.
(25) HermannJ.W., Lin E., Pundoor G., (2003). Supply Chain Simulation Modeling Using The
Supply Chain Reference Model. Proceedings of DETC’03, 1-9, Chicago, USA.
Ding H., (2004). Une Approche d’Optimisation Basée sur la Simulation pour la
(26)
Conception de Chaînes Logistiques : Application dans les Industries Automobiles et

Textiles. Thèse de doctorat, Université de Metz.
(27)
Jain S., Workman R.W., Collins L.M, Ervin E.C., (2001). Development of a High-Level
Supply Chain Simulation Model. Proceedings of the 2001 Winter Simulation Conference,
1129-1137.
(28)
Bhasharan S., (1998). Simulation Analysis of a Manufacturing Supply Chain. Décision
Sciences, vol(29), 633-657.
(29)
Wagner, H. et Whitin, T. (1958). Dynamic version of the economic lot size model,
Management science 5 : 89–96.
147

GD PFE Aljaouahri 17

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

GD PFE Aljaouahri 17

Transféré par

Droits d'auteur :

Formats disponibles

ENSA5/G.

Rapport du Projet de Fin d’Etudes

En vue de l’obtention d'un Diplôme d’Ingénieur d’Etat

Spécialité : Génie Industriel

Encadré par : Entreprise :

Soutenu le : 07 / 07 / 17, devant la commission du jury : Mme EL KYAL

To the most precious person in my life at all...

Je tiens à remercier en premier lieu mes tuteurs de stage :

Mme Malika ELKYAL, d’avoir accepté de m’encadrer dans ce projet de fin

Je remercie aussi M. Brahim LASRY de m’avoir donné l’opportunité d’effectuer ce

Je remercie également toutes les personnes du Direction technique D&R, qui

Le présent travail traite une problématique d’optimisation de flux au sein du groupe

Liste des figures

Figure 1 : autres activité du groupe JAMAI.................................................................................... 16

Figure 47 : Modèle hiérarchique de planification proposé ............................................................. 66

Liste des tableaux

Tableau 1: fiche signalétique ........................................................................................................ 18

caractéristique de jouir d’une flexibilité suffisante pour assurer un niveau de performance du

présentation de l’entreprise d’accueil et le fonctionnement global. Dans la deuxième partie,

ChapitreⅠ: Présentation du projet

Figure 1 : autres activité du groupe JAMAI

2.2. Fiche signalétique

Raison social ITEX

2.3. Organigramme de l’entreprise

Figure 2 : Organigramme centrale de ITEX

Direction ressources humaines

 Recherche de solutions pour améliorer la productivité, la réactivité et la qualité

Système management qualité

Rame 12 500 000 mètres

2.4.1.2. Support de matières premières & caractéristique

Figure 3:coton pur

Fil Polyester : En polyester, la substance Figure 4:coton pur

de base du carbone, de l'oxygène et de l'hydrogène

Fil Lycra : Ce fil élasthanne, qui rend les textiles

Coton acrylique : Ses excellentes propriétés en

Fil viscose : le fil est fabriqué à partir de

Figure 8 : Fil viscose

Fil Polyamide : Les polyamides sont des

Figure 9 : Fil polyamide

2.4.1.3. Support de produit

Bouclette : Pour le jersey bouclette classique,

Interlock : Les deux faces sont identiques. Il est fait

Piqué : Les mailles sont chargées en quinconce et

Molleton : Deux fils sont nécessaires pour faire

Sergé doublure : est un tissu produit avec l'une

Taffetas : A l’origine, le taffetas était un tissu en

Côtelé : Le tricot est obtenu par la suppression

2.5. Processus de fabrication

Figure 18 : Flux de la matière

Figure 20 : Département filature 1 Figure 19 : Département filature 2

Figure 22 : Département filature 3 Figure 21 : Département filature 4

Le filateur conçoit le fil ou filé à partir des fibres.

Figure 24 : Département tricotage 1 Figure 23 : Département tricotage 2

Figure 25 : Département tricotage 3

Le bonnetier crée le tricot à partir des bobines de fils.

Figure 26 : Département tissage

Figure 27 : Département tissage 2

Figure 28 : Département teinture 1

Figure 29 : Département teinture 2

Le teinturier apporte la coloration et l’apprêt sur le tissu et le tricot.

Figure 30 : Département finissage 1

Figure 31 : Département finissage 2

Le département finissage constitue l’un des éléments importants du processus de