Thèse de Rabin Kumar Sahu

Cadre général et méthodes d'optimisation pour la planification de stock en contextes industriels

La planification de stock est une activité majeure avec des coûts substantiels. Son objectif est d’assurer une disponibilité adéquate des produits aux points de demande (entrepôts ou points de vente) en minimisant le coût associé. En pratique, différents algorithmes d’optimisation sont utilisés en fonction du secteur d’activité. Dans cette thèse, nous proposons un cadre pour la conception générique de solutions à de tels problèmes. Notre contribution s’articule en trois points. Nous proposons d’abord une classification des problèmes pour faciliter la conception de solutions communes. Cette classification est basée sur les travaux de la notation de Graham en ordonnancement. Ensuite, nous répertorions les indicateurs de performance clés pour les systèmes de gestion des stocks. Nous définissons dix indicateurs répartis en trois catégories : financière, opérationnelle et service, et nous en examinons l’utilité. Pour l’évaluation, nous examinons les difficultés à comparer deux systèmes de gestion des stocks et proposons une méthode de simulation afin d’en estimer leur performance relative. Enfin, nous proposons des méthodes d’optimisation pour différents problèmes de réapprovisionnement. Nous scindons ces problèmes en deux groupes : long terme et court terme. Le groupe à long terme recouvre la majorité des décisions stratégiques et quelques-unes des décisions tactiques. Le groupe à court terme recouvre la majorité des décisions opérationnelles. Nous nous concentrons principalement ce dernier et le découpons en deux parties : le réapprovisionnement d’un article et le réapprovisionnement multi-article (avec coûts conjoints). Pour la première classe de problèmes, nous proposons une méthode sample-based avec demande stationnaire et gestion de pénurie (backorder). La méthode est extensible à des paramètres supplémentaires du problème. Nous proposons aussi une méthode basée sur la programmation dynamique pour le problème général avec demande non-stationnaire et le problème avec sélection de fournisseurs. Pour la seconde classe multi- article, nous ciblons les problèmes de réapprovisionnement pendant les promotions avec colis standards multi-article (prepacks). Nous commençons par une approche multi-objectif résoluble avec CPEX pour de petites et moyennes instances. Pour les grandes instances, nous reformulons le problème multi-objectif en mono-objectif. Nous proposons une métaheuristique afin d’obtenir des solutions proches de l’optimalité en temps réel. Un des fils conducteurs de cette thèse est de faciliter l’industrialisation des solutions proposées. En effet, notre étude de la littérature nous a montré que des décalages majeurs existent entre les considérations académiques des problèmes d’optimisation des stocks et leur utilisation ou leur niveau de maturité dans l’industrie. Nous avons observé que seuls 5% de la littérature sérieuse s’appuie sur la pratique. Ceci est principalement dû à la nature simpliste des problèmes considérés en recherche. Cela se justifie puisque tous les paramètres d’un problème ne peuvent être considérés dans un modèle mathématique si l’on souhaite qu’il soit résoluble. Néanmoins, un aspect souvent ignoré est la viabilité industrielle de la solution et sa validation. Toutefois, la majorité des systèmes sont dépourvus d’une explication raisonnable ou d’une évaluation des solutions alternatives. Une adoption accrue de la recherche académique par l’industrie découlera des avancées à ce niveau. Pour surmonter ces limitations, nous avons méticuleusement examiné les instances de problèmes réels et nous en avons identifié différents paramètres. Nous avons sélectionné le problème de réapprovisionnement stochastique mono-article pour une première mise en œuvre industrielle. La méthode de résolution a été étendue pour traiter les ventes perdues, des tailles multiples de lots et la contrainte de niveau de service. Une industrialisation plus poussée est en cours.

Jury

Mme Clarisse DHAENENS, Université de Lille, Directrice M. Nadarajen VEERAPEN, Université de Lille, co-encadrant M. Alexandre DOLGUI, IMT Atlantique, Rapporteur M. Bernard PENZ, INP Grenoble, Rapporteur Mme Laurence DUCHIEN, Université de Lille, Examinatrice M. Farouk YALAOUI, Université de Technologie de Troyes, Examinateur M. Manuel DAVY, Vekia SAS, Encadrant entreprise, Invité

Thèse de l'équipe ORKAD soutenue le 27/08/2020