Supply chain management - Performance d’une chaîne logistique décentralisée

Nom: 
TLICHE
Prénom: 
Youssef
Directeur de thèse: 
Béatrice CANEL
Établissement d'appartenance: 
Université Le Havre Normandie
Thème: 
Thème 1. Innovation et coopération
Résumé: 

Depuis une quinzaine d’années, un mouvement important d’intégration des partenaires d’affaires visant la mise en œuvre de processus avancés et collaboratifs de réapprovisionnement est né. Le supplychain management a ainsi vu le jour dans les milieux du service et de la production  afin d’identifier et de profiter de nouvelles sources d’amélioration de la compétitivité des entreprises.
Une chaîne logistique décentralisée est un ensemble d’acteurs (fournisseurs, producteurs, détaillants, clients, etc.) partiellement liés (asymétrie d’information) et dont chacun présente différents objectifs à optimiser, sous certaines contraintes.
Pour une chaîne logistique constituée d’un producteur, un détaillant et un client final, la littérature a montré que le partage d’informations permet d’augmenter la performance du système décentralisé et d’obtenir des solutions quasi-optimales. Une approche nommée « Downstream Demand Inference » (DDI) a fait l’objet de récentes recherches (Ali & Boylan, 2011,2012 ; Ali et al., 2017). DDI permet au producteur d’inférer la demande arrivant au niveau du détaillant sans passer par un partage explicite d’information. Cette approche repose sur deux hypothèses:

  • H1 : Le processus de la demande et ses paramètres sont connus à travers toute la chaîne.
  • H2 : Les ordres reçus, envoyés par le détaillant, contiennent déjà l’information de la demande du client.

DDI a été évaluée par rapport à d’autres approches (No Information Sharing (NIS), Forward Information Sharing (FIS)) en termes de Mean Squared Error (MSE) de prévision et en termes de réduction de coût d’inventaire, et ce, sous des processus de demande type

AR (1), MA(1) ou ARMA(1,1). Cependant, les résultats n’ont pas encore été élargis pour un processus généralisé type ARMA(p,q).
Ce projet de thèse traite donc l’aspect structure de la série temporelle de la demande et son influence sur l’optimisation de toute la chaîne logistique. Nous considérons la même chaîne logistique mentionnée pour des raisons de simplification. Nous généralisons les résultats obtenus sous DDI, en considérant une demande type ARMA(p,q) et en évaluant les effets de variation des paramètres p et q sur la MSE et sur le niveau moyen d’inventaire. A travers les simulations, nous comparons les résultats obtenus sous l’approche DDI avec les résultats obtenus sous les approches NIS et FIS. Dans un second temps, nous allons chercher à comprendre la non similarité en termes d’impact (degré d’amélioration) engendré par l’utilisation de l’approche DDI sur la MSE et le niveau moyen d’inventaire. Dans un troisième lieu, nous allons considérer un modèle de demande qui comprend des parties saisonnières, soit un ARMA saisonnier ou SARMA, pour finir avec une application concrète à travers des données réelles.