1 Mémoire thématique : Impact du calcul des quantités de commande sur leffet Bullwhip Présenté le 5 Mars 2009 par Dhia JOMAA Membres du Jury : Vincent Mousseau Asma Ghaffari Rym Kalai Eric Wanscoor

2 Sommaire Cadre de létude Le sujet Base bibliographique Leffet Bullwhip Description du phénomène Causes et actions datténuation Démarches scientifiques danalyse Analyse des paramètres dinfluence Impact des techniques de prévision Impact des politiques de commande Conclusions et perspectives

3 Sujet Impact du calcul des quantités de commandes sur leffet Bullwhip Points à évoquer Quest ce que leffet Bullwhip ? Comment le quantifier ? Les paramètres qui ont un impact sur leffet Analyse des paramètres qui se rapportent aux calcul des quantités de commande

4 Base Bibliographique Articles publiés dans des revues internationales 1. Production, Manufacturing and Logistics 2. International Journal of Production Economics 3. The International Journal of Management Science 4. European Journal of Operational Research 5. Management Science 6. Computers and Industrial Engineering 7. Computers and Operations Research 8. Production and Operations Management 9. Naval Research Logistics

5 Base Bibliographique Principaux pays impliqués dans la recherche

6 Sommaire Cadre de létude Le sujet Base bibliographique Leffet Bullwhip Description du phénomène Causes et actions datténuation Démarches scientifiques danalyse Analyse des paramètres dinfluence Impact des techniques de prévision Impact des politiques de commande Conclusions et perspectives

7 Leffet Bullwhip Premiers travaux sur leffet Bullwhip : Forrester (1958) : Amplification de la variabilité de la demande le long de la chaîne logistique Phénomène illustré dans le jeu de la bière Stermann (1989)

8 Causes de leffets / Actions datténuation Lee et al (1997), Katsuhiko Takahasi et al (2003) Analyse de la demande Commande en lot Fluctuation des prix Capacité Partage dinformation Coordination : VMI, etc… Réduction des temps dapprovisionnement CausesActions datténuation

9 Démarches scientifiques danalyse Démarche analytique statistique : Chen et al (2000.a, b), Chatfield et al (2004), H T Luong (2007) Indicateur de quantification de leffet Bullwhip : Ratio des variances : DVA = Var(Demande) / Var (Demande client) Théorie des systèmes : Dejonckheere et al (2002, 2003, 2004), Disney et al (2003) Utilisation des fonctions de transfert : Graphe de la réponse fréquentielle :

10 Sommaire Cadre de létude Le sujet Base bibliographique Leffet Bullwhip Description du phénomène Causes et actions datténuation Démarches scientifiques danalyse Analyse des paramètres dinfluence Impact des techniques de prévision Impact des politiques de commande Conclusions et perspectives

11 Techniques de prévision Quelques travaux portent sur lévaluation de limpact de techniques de prévision sur leffet bullwhip Techniques simples : moyenne mobile / lissage exponentiel : Cas de demandes AR (1) Techniques plus complexes : cas de demandes plus complexes AR (p) ou encore AR MA Politique adoptée pour lévaluation de leffet : politique base stock

12 Techniques de prévision simples Travaux qui portent sur les techniques simples : Chen et al (2000.a); Xialong Zhang (2004); Jeon G Kim (2006) : moyenne mobile Chen et al (2000.b); Xialong Zhang (2004) : lissage exponentiel simple Chen et al (2000.b) ; Thomas Kelepouris et al (2008) : Lissage exponentiel double Erkan Bayraktar et al (2008) : modèle de Winters

13 Techniques de prévision simples AuteursDémarche Paramètres analysés HypothèsesRésultats Chen et al (2000.a) Analytique m.mobile / lead time Politique = N.R Demande auto corrélée Chaîne k maillons DVA = f (L,p) Croit avec L, Diminue avec p Chen et al (2000.b) Analytique Lissage simple / lead time Politique = N.R D auto corrélée / D linéaire DVA = f(L,alpha) Croit avec L, Croit avec alpha m.mobile VS Lissage simple Jeon G Kim (2005) Analytique m.mobile / lead time (stochastique) Politique = N.R DVA = f (L,p) Lead déterministe VS lead stochastique

14 Techniques de prévision simples AuteursDémarche Paramètres analysés HypothèsesRésultats Thomas kelepouris (2007) Simulation Lissage double / lead time Politique = N.R Données sur une chaîne logistique Grecque DVA = f (L,coeff. Lissage) Croit avec L, Diminue avec p Erkan Bayraktar (2007) Simulation Modèle Winters / lead time Politique = N.R DVA = f(L,coeff. Lissage)

15 Techniques de prévision non linéaires Techniques utilisées pour le cas de processus de demandes plus complexes : AR (p), ARMA (1,1), … Technique MMSE, non linéaire Travaux récents : Xiaolong Zhang (2004), H T Luong (2007). H T Luong et N H Phien (2007), Duc et al (2008)

16 Techniques de prévision non linéaires Expressions indicateur ratio des variances plus complexes que pour le cas des techniques simples : leffet na pas systématiquement lieu ; la réduction du lead time ne permet pas forcément datténuer leffet Cad dune demande AR (2) : H T Luong et N H Phien (2007) Cad dune demande ARMA (1,1) : Duc et al (2008)

17 Politiques de commande Politiques de commande traitées dans la littérature sur leffet Bullwhip La politique base stock Les politiques de commande génériques : APIOBCS, Modèle de sterman, Modèle de Bowman

18 Politiques de commande : Politique base stock Dejonckhere et al (2003, 2004), Janis Grabis (2005), K Hoberg et al (2007) Dejonckheere et al (2003) : cas dune chaîne simple à deux échelons Dejonckheere et al (2004) : cas dune chaîne quatre échelons

19 Politiques de commande : Politique base stock K Hoberg et al (2007) : Extension de la politique base stock à une politique basée sur un partage de linformation Janis Grabis (2005) : Politique Bases stock VS MRP, la démarche MRP est plus performante sur le critère de la variabilité de la demande

20 Politiques de commande : Politiques de commande génériques Modèle de Stermann : Modèle de Bowman APIOBCS : Le choix des paramètres agit sur la variabilité de la demande : Réglage induisant leffet Réglage permettant datténuer leffet / Dégradation dautres performances

21 Politiques de commande : Politiques de commande génériques Réglages induisant leffet Bullwhip : Résultats retrouvés concernant la politique base stock Modèle de Bowman (paramètres fixés à 1) : Marko Jaksic et Borut Rusjan (2008) Modèle de Sterman (paramètres fixés à 1) : David Wright et Xin Yuan (2008). APIOBCS ( Ti = Tw = 1) : Dejonckheere et al (2003, 2004)

22 Politiques de commande : Politiques de commande génériques Réglages permettant datténuer leffet Bullwhip : cas de lAPIOBCS : Ti <> 1, Tw <> 1 Dejonckheere et al (2003) : cas dune chaîne simple à deux échelons Dejonckheere et al (2004) : cas dune chaîne quatre échelons

23 Politiques de commande : Politiques de commande génériques Réglage permettant une optimisation globale : Variabilité des commandes (Bullwhip) + Variabilité du niveau de stock (cas de DE- APIOBCS (Ti = Tw) ) : Disney et Towill (2003, 2004), Zhou et Disney (2006), Warburton et Disney(2007) Disney et Towill (2003, 2004) : Cas discret de la politique DE- APIOBCS Zhou et Disney (2006), Warburton et Disney (2007) : Cas continu de la politique DE- APIOBCS Équivalence entre les deux domaines : nécessité de la recherche de compromis entre les deux critères : optimisation globale : Variabilité des commandes + Variabilité du stock

24 Sommaire Cadre de létude Le sujet Base bibliographique Leffet Bullwhip Description du phénomène Causes et actions datténuation Démarches scientifiques danalyse Analyse des paramètres dinfluence Impact des techniques de prévision Impact des politiques de commande Conclusions et perspectives

25 Conclusions et perspectives Politique base stock : évaluation de techniques de prévision Occurrence de leffet pour les techniques de prévision simples Complexification de leffet avec le processus de demande Étendre les études aux processus de demande plus complexes Généralisation du résultat par lapproche des fonctions de transfert : la politique base stock est inductrice de leffet Bullwhip Adoption de politiques génériques pour latténuation de leffet (introduction dune fraction entre les Gaps Stock / Encours)

26 Conclusions et perspectives Les politiques génériques peuvent atténuer leffet mais dautres critères peuvent être dégradés : variabilité du niveau de stock : Nécessité de trouver des compromis Fonction traitée : Somme des variances Étendre les études aux cas de fonctions plus complexes Politiques classiques peu analysées, politiques (s, S) Peter Kelle et Alistair Milne (1999) Impact des politiques de Lot sizing délaissé : I Nyoman Pujawan (2004) : impact de deux politiques de lot sizing sur leffet (LUC / SM)