Mesure de la performance de la chaine logistique verte en se basant sur l’approche processus et la logique floue Hind Lachir1, 2, Rachid Benmoussa1, Bernard.

Présentation au sujet: "Mesure de la performance de la chaine logistique verte en se basant sur l’approche processus et la logique floue Hind Lachir1, 2, Rachid Benmoussa1, Bernard."— Transcription de la présentation:

1 Mesure de la performance de la chaine logistique verte en se basant sur l’approche processus et la logique floue Hind Lachir1, 2, Rachid Benmoussa1, Bernard Grabot2 1. ENSA de Marrakech, Maroc 2. LGP-ENIT, INPT, Université de Toulouse, France

2 Introduction La satisfaction des clients passe par une bonne maîtrise de la performance des différents éléments de la chaine logistique. Les critères de performance ont évolué d’une performance monocritère, strictement financière, à une performance multicritères (coûts, qualité, délais, innovation, impacts sociétaux, environnementaux…) Mesure de la performance d’une chaine logistique "verte", basée sur une approche par processus et sur la logique floue

3 Etat de l’art (1) SCOR / GreenSCOR ISO 14001
plan, make, source, deliver, return ISO 14001 liste un ensemble d’exigences pour la gestion des impacts l'environnementaux générés par les activités d’une entreprise. ne suggère pas de moyens ou de lignes directrices pour le déploiement d’une démarche verte, exige que l’entreprise fournisse des efforts pour réduire son impact global sur l'environnement et donne la preuve de ces efforts à travers un ensemble de documents

4 Etat de l’art (2) ISO 14031 Ecobilan [Loerincik et Jolliet, 2007].
donne des lignes directrices pour construire un système de mesure qui tienne compte de l’aspect environnemental. préconise l'utilisation d'indicateurs environnementaux regroupés au sein d’un tableau de bord environnemental. Indicateurs de Performance du Management environnemental (IPM - par exemple le nombre d'heures de formation aux problématiques environnementales par employé), Indicateurs de Performance Environnementale (IPE - par exemple, la quantité de déchets par produit fabriqué) Indicateurs de Condition Environnementale (ICE - par exemple les kilos de CO2 émis par heure de travail) Ecobilan [Loerincik et Jolliet, 2007].

5 L’ « approche processus » pour la mesure de la performance
Approche processus proposé dans Benmoussa et al., 2009 : un formalisme clair et précis pour le découpage de la chaine en processus selon la vision stratégique de l’entreprise une méthode pour identifier un système d’indicateurs de performance cohérents, guidé par la vision stratégique de l’entreprise.

6 Finalités stratégiques
Description de l’approche processus Finalités stratégiques (OS, IG) DC1 DCn MP1( FCS1, OS1, IS) MP2 MPn …..…………… Structuration de la chaîne DCn DC1 P1( FCP1, OP1, IP1) P2 Pn …..……… DC1 DC2 Mesure de la performance An A1(FCpg1, Opg1, Ip) A2 …..……… Eclatement en tâches Regroupement en activités DC1 DC2 T1(FCpg1, Opg1, Ip) T2 Tn …..………

7 Apport spécifique – approche « processus »
Adapter l’approche processus à une chaine logistique verte Les finalités stratégiques de cette approche sont groupées en quatre axes : Efficacité, Efficience, Relation Client et Flexibilité. Une adaptation « verte » consistera à intégrer un autre axe stratégique orienté "environnement". Faciliter le choix des indicateurs selon les objectifs cibles de l’entreprise : Ontologie d’indicateurs

8 Apport spécifique – evaluation et agregation des indicateurs
les données mesurées peuvent être entachées d’imprécision et d’incertitude certaines peuvent être subjectives Logique floue – théorie des possibilités au niveau local : mesurer le degré de contribution de chaque élément au niveau global : agréger le résultat des différents indicateurs élémentaires afin de conclure sur la performance globale de la chaine logistique verte, à l'aide d'une inférence floue.

9 Utilisation de la logique floue
Élément 1 : Définition des variables d’entrée et de sortie que l’on veut manipuler. Élément 2 : Détermination de l’univers du discours de chaque variable, de la partition des univers en classe et finalement de la fonction d’appartenance de chaque classe. Élément 3 : Définition des règles floues de la forme SI…ET…. ALORS …. La définition des règles se fait en se basant sur une base de connaissance ou en se référant à l’avis d’un expert qui maîtrise le comportement du système. Élément 4 : Spécification des opérateurs d’implication, d’agrégation et la méthode de défuzzification

10 Paramétrage des variables d’entrées et de sorties pour la mesure du degré de contribution
Les variables d’entrées Dans une vision classique, la contribution d’un processus P dans la réalisation de P+1 peut être mesurée selon les variables suivantes : T : le % de temps pris par P dans la réalisation de P+1 par rapport aux autres processus de même niveau que P qui participent à la réalisation de P+1 V A : le % de la valeur ajoutée de P dans la réalisation de P+1par rapport aux autres processus du même niveau que P et qui participent à la réalisation de P+1 C : le % de coût de P par rapport aux coûts des autres processus de même niveau que P qui participent à la réalisation de P+1

11 Paramétrage des variables d’entrées et de sorties pour la mesure du degré de contribution
Les variables d’entrées Dans un cadre vert : la contribution d’un processus doit prendre en compte l’aspect écologique. Nous proposons : R : % ressources consommées par P par rapport aux autres processus de même niveau que P qui participent à la réalisation de P+1 D : % des déchets générés par P lors de sa réalisation par rapport aux autres processus de même niveau que P qui participent dans la réalisation de P+1

12 Fonctions d’appartenance de la variable temps
Paramétrage des variables d’entrées et sorties pour la mesure du degré de contribution Univers de discours : la plage de variation des variables d’entrée et de sortie est l’intervalle [0%, 100%]. Fonctions d’appartenance  Fonctions d’appartenance de la variable temps Variable coût : Faible [0 0 40] moyen [ ], important [60 100 100]. Variable valeur ajoutée : faible [0 0 45], moyenne [ ], importante [60 100 100]. Variable ressources : faible [0 0 35]moyenne[ ], importante [60 100 100]. Variable déchets : faible[0 0 40], moyen[ ], important [60 100 100].

13 Paramétrage des variables d’entrées et sorties pour la mesure du degré de contribution
Choix des opérateurs : Pour l’implication on choisit Mandani et pour l’agrégation on choisit l’opérateur max. Exemples de règles floues R1 : si T est important et C faible et VA importante et D faible alors DC moyen R2 : Si T est important et C est faible et VA moyenne et D moyen et R est moyenne alors DC faible R 3 : Si T est important et C moyen et VA importante et D faible et R faible alors DC important

14 Paramétrage des variables d’entrées et sorties pour la mesure du degré de contribution
La variable de sortie qu’on veut estimer est représentée par la fonction d’appartenance suivante

15 Exemple d’exploitation du modèle de mesure de contribution

16 Conclusion et perspectives
Le modèle proposé reste un modèle générique, dans l’attente de l’affiner au niveau des fonctions d’appartenance utilisées ainsi que la base des règles floues. Perspectives d’exploitation et d’amélioration de cette approche  :  tenir compte du degré de contribution et des différents indicateurs identifiés pour la mesure de la performance globale, réaliser une ontologie d’indicateurs qui sera intéressante pour le choix d'indicateurs de performance pertinents et adéquats par rapport à la finalité stratégique choisie, étude de cas pour validation des différents modèles.

17 Merci