Nous venons de montrer l’origine des ´equations d’optimalit´e, ces ´equations per-mettent de caract´eriser la politique optimale qui minimise le coˆut total actualis´e du syst`eme.
Nous soulignons ´egalement le fait que la section 3.5 pr´esente une extension de nos r´esultats (politique optimale, calcul des param`etres optimaux) lorsque le coˆut moyen du syst`eme est consid´er´e. Pour le moment, nous continuons de travailler sur le coˆut actualis´e de notre syst`eme.
3.4.1 Politique optimale
Commen¸cons par rappeler l’expression du coˆut total actualis´e ainsi que les ´equa-tions d’optimalit´e du mod`ele avec retours ind´ependants.
Coˆut total actualis´e : vπ(x) = E ·Z ∞ 0 e−βtcpWxπ(t)dt + Z ∞ 0 e−βtchXxπ(t)dt + Z ∞ 0 e−βtcldYxπ(t) + Z ∞ 0 e−βtcrdZxπ(t) ¸ (3.5) Equations d’optimalit´e : v∗(x) = T v∗(x), ∀x ∈ IN Avec T v(x) := 1 C[chx + µT1v(x) + λT2v(x) + δT3v(x)] (3.6) avec C = α + λ +mu + δ et T1v(x) := min[v(x), v(x + 1)] T2v(x) := ½ v(x − 1) if x > 0 v(x) + cl if x = 0 T3v(x) := v(x + 1) + cr
Partant de ces expressions, nous pouvons montrer que la politique optimale du mod`ele avec retours ind´ependants appartient `a la classe des politiques base-stock.
D´efinition 4 Une politique base-stock, avec un base-stock level S, pr´econise de pro-duire tant que le niveau de stock est strictement inf´erieur `a S et de ne pas propro-duire autrement.
Th´eor`eme 1 La fonction `a valeur optimale du coˆut actualis´e v∗ appartient `a U (voir D´efinition 5) et la politique optimale du mod`ele de base avec retours ind´ependants de produits est une politique base-stock.
La politique optimale est donc une production sur seuil. Ce dernier ´etant S est appel´e base-stock level.
D´emonstration
En vue de prouver l’optimalit´e de la politique base-stock, il suffit de montrer que le coˆut total optimal (actualis´e) v∗(x) est convexe suivant le niveau de stock x. Une fonction v dans IN est dite convexe si et seulement si ∆v(x) := v(x + 1) − v(x) est non-d´ecroissant en x. Nous utiliserons ´egalement la notation ∆2v(x) := ∆v(x + 1) −
∆v(x). Avec cette derni`ere notation, v est convexe si et seulement si ∆2v(x) ≥ 0, pout tout x.
Expliquons bri`evement en quoi la convexit´e du coˆut optimal actualis´e implique une structure de type base-stock de la politique optimale. La convexit´e de v∗ assure l’existence d’un seuil S∗ = min[x|∆v∗(x) + cp > 0], potentiellement infini, tel que ∆v∗ + cp ≤ 0 si et seulement si x est inf´erieur `a ce seuil. Par ailleurs, les ´equations d’optimalit´e pr´econisent de produire lorsque ∆v∗ + cp < 0 et d’abandonner la pro-duction quand ∆v∗+cp > 0. Si ∆v∗+cp = 0, alors il est ´equivalent de produire ou pas dans dans l’´etat x. Nous d´ecidons arbitrairement de produire dans ce cas vu que cela n’affecte pas le coˆut optimal mais augmente le pourcentage de demandes satisfaites. La politique base-stock assure l’existence d’un seuil S∗ = min[x|∆v∗(x) + cp > 0] ce qui assure donc bien la convexit´e du coˆut v∗ qui elle mˆeme respecte les ´equations d’optimalit´e.
En vue de prouver la convexit´e de v∗, nous d´efinissons U un ensemble de fonctions `a valeurs r´eelles dans IN avec les propri´et´es suivantes :
D´efinition 5 v ∈ U si et seulement si, pour tout x ∈ IN, v satisfait les conditions suivantes :
– Condition C.1 : ∆v(x + 1) ≥ ∆v(x) (⇔ ∆2v(x) ≥ 0)
– Condition C.2 : ∆v(x) ≥ −cl
La premi`ere condition ´etablit la convexit´e de v alors que la seconde signifie qu’il est pr´ef´erable de satisfaire une demande qui arrive. Nous savons (Puterman, 1994) qu’une s´equence de fonction `a valeurs r´eelles vn+1 = T vn converge vers la fonction `a valeur optimale, v∗, pour tout v0 ∈ U. Afin de montrer que, dans notre cas, v∗ ∈ U , il suffit par cons´equent de prouver le lemme suivant.
Lemme 1 Si v ∈ U alors T v ∈ U.
La d´emonstration de ce lemme est pr´esent´ee en Annexe A.4. Aussi, partant d’un vecteur v0 appartenant `a U (v0 nul par exemple), et comme cons´equence directe du lemme 1, nous obtenons le th´eor`eme 1.
3.4.2 Calcul du base-stock levels optimal S
∗Contrairement au coˆut moyen, que nous verrons par la suite, il n’existe pas de d´emarche num´erique simplifi´ee pour le calcul du seuil (base-stock level) optimal S∗ minimisant le coˆut actualis´e. Il ne peut ˆetre non plus obtenu par une formule analy-tique. Ce seuil S∗ est en fait calcul´e num´eriquement lors du calcul de v∗ partant des ´equation d’optimalit´e 3.6 : l’op´erateur T est d´efini tel que v∗ = T v∗. Par cons´equent, la s´equence vn+1= T vn converge vers v∗ pour n’importe quel v0 (th´eor`eme du point fixe,(Puterman, 1994)) et en particulier si v0est la fonction nulle qui appartient `a U. Ainsi, et partant de la fonction nulle, nous impl´ementons un programme dynamique
vn+1 = T vn sous le language de programmation JAVA. Ce programme converge lorsque :
vn+1− vn→ ǫ ce qui implique que v∗ = vn+1
Avec ǫ := Span semi-norm (crit`ere d’arrˆet) d´ecrit dans Puterman (1994).
Le calcul de v∗ est en fait un calcul vectoriel, et l’impl´ementation num´erique de ce programme dynamique permet, en r´ealit´e, le calcul de v∗ et de S∗. Ce programme fournit comme r´esultats les deux vecteurs suivants :
– Vecteur V∗ : qui donne le coˆut total optimal actualis´e v∗(x) pour diff´erents ´etats initiaux x (x ∈ [0, xmax])5.
– Vecteur A∗: qui est le vecteur d´ecisionnel de production sp´ecifiant, pour chaque ´etat i du syst`eme, s’il faut produire (A[i] = 1) ou pas (A[i] = 0). Lors de l’atteinte du coˆut optimal V∗, les ´el´ements du vecteur A∗ se pr´esentent sous la forme suivante :
A[i] = 1∀i ≤ S∗ et A[i] = 0 sinon, Autrement dit : A[0] = 1, A[1] = 1, . . . , A[S∗] = 1
| {z }
P roduire
, A[S∗+ 1] = 0, A[S∗] = 0, . . . , A[xmax] = 0
| {z }
N e pas produire
Ce qui est en concordance avec la politique base-stock identifi´ee comme ´etant optimale. L’impl´ementation de ce programme dynamique et son ex´ecution ont ´et´e r´ealis´ees sous JAVA.
Afin de mieux comprendre le calcul de V∗ et S∗, nous proposons en Annexe une version du programme dynamique utilis´e pour le calcul de V∗ et S∗ relatifs au Mod`ele 1.
3.4.3 Influence des param`etres du syst`eme sur les
base-stock levels (seuils) optimaux
A pr´esent, nous voulons ´etudier l’influence des param`etres du syst`eme sur la politique optimale. Par exemple, comment est influenc´e le seuil (base-stock level) optimal par un taux croissant de la demande ? La m´ethodologie de cette section est inspir´ee de Cil et al. (2007).
Dans cette section, le base-stock optimal ainsi que le coˆut optimal correspondant `a un param`etre donn´e β du syst`eme seront d´enot´es respectivement S∗
β et v∗ β, o`u β appartient `a l’ensemble des param`etres {λ, µ, p, ch, cr, cl} (taux de demande, taux de production, ratio des retours p := δ/λ, coˆut de possession, coˆut de retour, coˆut de vente perdue). La valeur du coˆut optimal v∗
β satisfait les ´equations d’optimalit´e suivantes :
5. xmax est d´efini, pour des contraintes de programmation, comme ´etant suffisamment grand afin que le niveau r´eel du stock ne puisse jamais atteindre cette valeur. En pratique, la valeur de xmax est choisie de fa¸con `a ce que le passage d’un xmax `a un autre xmax+ θ > xmax ne modifie plus le coˆut total du syst`eme.
vβ∗(x) = Tβvβ∗(x)
O`u Tβcorrespond `a l’op´erateur T d´efini `a l’´equation (3.6), index´e par β, le param`etre en consid´eration.
Afin d’´etudier l’influence des param`etres du syst`eme sur le base-stock optimal, il est n´ecessaire de d´efinir la submodularit´e et la supermodularit´e d’une fonction vβ relativement `a un ´etat x, et au param`etre du syst`eme en consid´eration β :
La fonction vβ est dite submodulaire en β et x (d´enot´ee SubM (β, x)) si et seulement si :
∆vβ(x) ≥ ∆vβ+ǫ(x), ∀x ∈ IN, ∀β, ∀ǫ ≥ 0
La supermodularit´e en β et x (d´enot´ee SuperM (β, x)) correspond `a l’in´egalit´e oppos´ee :
∆vβ(x) ≤ ∆vβ+ǫ(x), ∀x ∈ IN, ∀β, ∀ǫ ≥ 0 O`u v∗
β(x) est SubM (β, x) signifie que le base-stock level optimal Sβ = min[x|∆v∗ β(x) > 0] est non-d´ecroissant en β, et v∗
β(x) SuperM (β, x) veut dire que le base-stock level optimal S∗
β = min[x|∆v∗
β(x) > 0] est non-croissant en β. La s´equence des fonctions `a valeurs r´eelles vn+1β = Tβvn
β converge vers la fonction optimale v∗
β. Nous voulons prouver que v∗
α poss`ede les propri´et´es de modularit´e d´esir´ees. Il est alors suffisant de prouver le lemme suivant :
Lemme 2
– ∀ β ∈ {µ, δ, ch, cr}, si vβ est SuperM (β, x) et appartient `a U alors Tβvβ(x) est SuperM (β, x) et appartient `a U.
– ∀β ∈ {λ, cl, cr}, si vβ est SubM (β, x) et appartient `a U alors Tβvβ(x) est SubM (β, x) et appartient `a U.
La preuve de ce lemme est donn´ee en Annexe A.5. Nous d´eduisons directement du lemme 2 le th´eor`eme suivant.
Th´eor`eme 2 La fonction optimale v∗
β est SuperM (β, x) pour β ∈ {µ, δ, ch, cr} et SubM (β, x) pour β ∈ {cl, λ, cr}.
Par cons´equent, le base-stock optimal du mod`ele avec retours ind´ependants de produits est non-croissant avec le taux de production (service), µ, le taux de retour, δ, le coˆut de possession, ch, non-d´ecroissant avec le taux d’arriv´ee de la demande, λ, le coˆut de vente perdue, cl, et ind´ependant du coˆut de retour, cr.
Il existe une alternative simple pour prouver que le base-stock optimal est ind´epen-dant de cr : il suffit de noter que les coˆuts de retours pr´evisionnels sont ind´ependants de la politique appliqu´ee.