Évaluation de la performance des entrepôts

L’évaluation de la performance fournit une rétroaction des solutions proposées et permet ainsi de prendre les mesures pour améliorer la performance de la conception de l’entrepôt. Les entreprises utilisent différentes approches pour évaluer la performance des entrepôts, identifier leurs lacunes et déterminer les facteurs qui influencent leur efficience. Parmi les approches utilisées, nous pouvons distinguer l’analyse comparative (benchmarking), les techniques analytiques (optimisation) et la simulation.

L'analyse comparative consiste à établir des comparaisons significatives entre la performance d'une entreprise et la performance des meilleures pratiques identifiées dans le domaine étudié (Vitasek et Manrodt 2005). L’essentiel dans l’analyse comparative des entrepôts est de sélectionner les indicateurs de performance adaptés aux diverses conditions d’opérations. La complexité des activités conduites dans les entrepôts et des objectifs visés (décisions à long terme versus à court terme) a conduit les entreprises à adopter un grand nombre d'indicateurs. Staudt et al. (2015) ont fourni une revue de 45 indicateurs de performance opérationnelle en entreposage sur quatre dimensions : temps, qualité, productivité et coût. En ce qui concerne la variété des indicateurs de performance, il n'y a pas de consensus pour choisir les indicateurs les plus appropriés pour évaluer et faire le suivi de la performance des entrepôts. Cependant, les indicateurs qui ont été le plus souvent utilisés dans la littérature étudiée sont les suivants : la productivité de main-d’œuvre, le débit, la livraison

à temps, le délai de livraison et les coûts d’entreposage. Parmi les sept critères de performance proposés par Sink et Tuttle (1989) – l’efficacité, l’efficience, la qualité, la productivité, l’innovation, la rentabilité et la qualité du milieu de travail – l’efficience est l'une des dimensions les plus objectivement quantifiables dans l’évaluation de performance. L’efficience fournit un indice de l’utilisation des ressources (intrants) afin de produire les résultats désirés (extrants) en comparant les valeurs observées dans l’organisation à celle meilleure identifiée dans le groupe étudié (Lovell, 1993).

Les différentes approches basées sur des hypothèses paramétriques et non paramétriques peuvent être appliquées à l’analyse comparative des organisations. Les approches paramétriques (Stochastic frontier

approach (SFA), Distribution-free approach (DFA) et Thick frontier approach – (TFA)) nécessitent une

connaissance à priori des fonctions de production (de coûts, de revenus, ou de profits), ce qui est exigeant en termes de données nécessaires. De plus, elles nécessitent souvent une distribution spécifique (p. ex. loi demi- normale) et sur la base de cette distribution elles imposent des hypothèses sur les erreurs aléatoires. Les techniques non paramétriques ne nécessitent pas des hypothèses initiales sur la forme fonctionnelle spécifique reliant les intrants et les extrants, ni sur la distribution spécifique des données analysées. La méthode principale des approches non paramétriques est le Data Enveloppent Analysis (DEA). Cette méthode a gagné en popularité en raison de sa simplicité d’application et de sa capacité à identifier la source d’inefficacité avec plusieurs intrants et extrants, même avec de petits échantillons (Banker et al. 1993; Coelli et al. 2005). La méthode DEA est de plus en plus utilisée pour évaluer la performance des entrepôts (p. ex. Zimmerman et al. 2001; Hackman et al. 2001; Ross et Droge 2002), mais également pour les analyses de performance dans le domaine forestier (p. ex. Yin 1998; Vahid et Sowlati 2007; Limaei 2013; Obi et Visser 2017a).

L’optimisation est utilisée pour créer le système optimal par rapport aux objectifs visés (p.ex. minimisation des coûts, réduction des distances) et à des contraintes imposées (p. ex. capacité de stockage, forme de l’entrepôt) en prenant en compte les diverses interactions entre la capacité du site et le système de manutention. Il existe plusieurs applications d’optimisation de la conception d’un entrepôt qui peuvent être classifiées selon trois axes. Le premier axe implique la structure technique, c’est-à-dire la disposition, les dimensions et l’équipement. Le deuxième axe concerne la structure opérationnelle, dont la gestion des inventaires, du transport et des opérations. Finalement, le dernier axe adresse les systèmes de coordination et de contrôle. Karasek (2013) présente des exemples d’application de l’optimisation selon les axes classifiés. De leur part, Gu et al. (2010) distinguent deux groupes des applications de l’optimisation. Le premier groupe concerne les modèles concentrés sur un seul système de stockage qui visent la minimisation de la distance ou la réduction du temps de réponse (p. ex. Foley et Frazelle 1991; Hwang et al. 2004). Le deuxième groupe concerne les modèles

Cependant, les problèmes traités par l’optimisation nécessitent un temps considérable afin de proposer une solution optimale, sans mentionner la nécessité d’acquérir des logiciels spécialisés. Les techniques d’optimisation traitent seulement un nombre limité d’unités spatiales et temporelles en considération de leurs exigences de calcul. Cela rend l’analyse de performance plus problématique en examinant l’environnement complexe, tel que les cours à bois.

Finalement, la simulation peut être définie comme le processus de conception du modèle abstrait d'un système réel et la réalisation d'expériences avec ce modèle. Le but de la simulation est de comprendre le comportement du système réel ou/et d'évaluer différentes stratégies dans les limites imposées par un ensemble de critères de fonctionnement (Shannon 1976). La simulation convient bien à l’analyse de grandes quantités de données, elle est utilisée pour les estimations de la production, les calculs de temps d'attente ou l’identification des goulots d'étranglement dans la performance du système (Touran 1990). En particulier, la simulation à événements discrets peut être avantageuse dans les environnements dynamiques tels que les chaînes d’approvisionnement (Banks et al. 2002). Elle est ainsi largement utilisée pour évaluer la performance de différents sous-problèmes liés à la conception et aux opérations d’un entrepôt. Un éventail de telles recherches est présenté dans Gu et al. (2007) et Tako et Robinson (2012). La simulation a déjà été appliquée pour résoudre les sous-problèmes opérationnels des cours à bois dont : Mendoza et al. (1991), Sedney (1992), LeBel et Carruth (1997), Beaudoin et al. (2012), Rahman et al. (2014b). Les documents portant sur la conception des cours à bois (Hampton 1981; Sinclair and Wellburn 1984; Vachon-Robichaud et al. 2014) suggèrent la simulation comme la méthode adéquate d’évaluation de la performance de conception. Pour le cas des cours à bois, un aspect essentiel à l’utilisation de la simulation est sa capacité d’imiter la dynamique d’un système réel.