Dans une chaîne logistique décentralisée, multi-acteurs, les différentes entités de la chaîne sont amenées à planifier et à réviser leurs plans de manière périodique et indépendante, en utilisant, pour se coordonner, un processus de planification à horizon glissant. Cette coordination complexifie l'échange d'informations et les prises de décision, car elle dépend de l’actualisation des données, des perturbations possibles et des objectifs de chacun qui peuvent évoluer. De fait, les décideurs doivent trouver un équilibre entre la recherche de la rentabilité, la nécessité de maintenir la stabilité et la capacité de répondre rapidement aux changements de la demande ou aux autres perturbations de la chaîne. L’objectif de la thèse est de proposer deux approches pour aider les acteurs dans la coordination de leur planification dans une chaîne logistique décentralisée. La première proposition est basée sur l'historique des plans déterministes échangés entre deux acteurs. Nous avons cherché à estimer les incertitudes sur des parties d’un horizon glissant à partir des instabilités constatées dans les plans successifs de l’historique. L’idée est de permettre à un décideur d’estimer l’incertitude sur les plans reçus de ses partenaires pour intégrer cette incertitude dans sa propre planification et améliorer la réactivité et la flexibilité de la chaîne. L’approche utilise des méthodes de classification non supervisée sur les l’historique des plans. Elle permet de classifier les périodes d’un horizon glissant, et de produire des modèles d’incertitude par classe. Elle nous a permis aussi d’étudier la propagation des instabilités dans une chaîne logistique en fonction de modèles de comportement d’acteurs face à ces perturbations. La deuxième approche consiste à étudier l'application de la compilation de connaissances à la planification tactique, abordée comme un problème de Lot Sizing. La proposition concerne l'étude de langages de compilation suffisamment expressifs pour représenter de tels problèmes. L'objectif est de permettre à un décideur de mieux modéliser ses préférences et ses contraintes pour transmettre à ses partenaires non plus un plan déterministe mais une compilation de plans proches en termes d’acceptabilité. Les partenaires pouvant ainsi prendre des décisions de planification plus éclairées et plus efficaces. Cette thèse s’inscrivant le projet ANR CAASC, nous avons testé et évalué les deux approches avec des données simulées et réelles, ce qui nous a permis de démontrer leur applicabilité et leurs limites dans des situations réelles. Ces résultats ont montré que les deux approches peuvent être utiles pour aider les acteurs à mieux coordonner leur planification dans une chaîne logistique décentralisée, en permettant une meilleure modélisation des incertitudes et des degrés de liberté.
Tags: soutenance
Comment(s)