Classification des configurations résilientes, en environnement incertain non

Cette deuxième analyse concernera les configurations résilientes sélectionnées. L’objectif est de donner la (les) configuration(s) la (les) plus résiliente(s) par une analyse comparative sur plusieurs indicateurs de performance de la robustesse des configurations. La décision étant prise dans un contexte et un environnement incertain, nous sommes conduits à envisager tous les cas possibles de sources d’incertitudes auxquels la solution peut être confrontée dans la réalité. En présence de sources d’incertitude non mesurables, le décideur ne peut pas pondérer l’importance respective de chaque source d’incertitude par une probabilité d’occurrence. Cependant, des critères ont été proposés dans la littérature afin de pallier ce problème. La démarche et les différents critères d’agrégation utilisés pour l’aide à la décision multicritère dans un environnement incertain non probabiliste sont largement discutée dans la littérature (Raïffa 1973)(Kast 1993)(Carluer et al. 2002) (Marques 2010); nous allons utiliser et présenter brièvement quelques-uns de ces critères lors de l’analyse.

Dans notre étude, la décision correspond à la configuration du système productif et de l’offre globale. Nous allons effectuer l’analyse comparative sur plusieurs indicateurs de performance8 _qui

sont :

 Taux de satisfaction de l’acte de vente et acte PSS  Temps d’attente des différents services de vente  Temps d’attente des différents services PSS

 Nombre moyen de retards (Livraison et Intervention)

Pour chacune des configurations industrielles résilientes, les indicateurs de performance sont mesurés pour chaque combinaison de facteurs d’incertitude (comme présenté sur la Figure 88). L’agrégation des résultats sur l’ensemble des sources d’incertitude dépendra de la logique du décideur (décideur optimiste, pessimiste…).

4.3.2.1 Critère de Laplace

En l’absence d’information sur les différents types d’aléas, le critère de Laplace suggère une hypothèse d’équiprobabilité sur les différents aléas, d’après ce que Laplace appelle « principe de la raison insuffisante ». L’évaluation de chaque configuration est alors calculée à partir de la moyenne arithmétique de la performance sur les différents types d’aléas. Nous aurons alors une performance moyenne pour chaque configuration. Le Tableau 38 donne la classification des différentes configurations sur différents indicateurs de performance. Le rang de chaque configuration correspond au classement par ordre croissant de la meilleure à la pire solution par rapport au critère considéré et à l’indicateur de performance. Un score total est calculé pour avoir

8 _{Nous avons sélectionné les indicateurs de performance qui impactent la satisfaction du client et la performance du}

système productif. Nous nous intéressons à la performance industrielle des activités de production et des activités de services et la satisfaction des clients.

la meilleure configuration par rapport au critère de Laplace et en considérant tous les indicateurs de performance.

Indicateur de performance Poly2-Serv-OG1 Poly2-Serv-OG2 Poly2-Serv-OG3

Performance Rang Performance Rang Performance Rang

Taux de satisfaction acte de vente 63% 1 53% 2 63% 1

Taux satisfaction acte PSS 63% 2 53% 3 64% 1

Temps d’attente Livraison Vente 4 1 15 2 4 1

Temps d’attente Intervention Vente 2 1 19 2 2 1

Temps d’attente collecte 19 1 49 2 19 1

Temps d’attente Intervention

Curative -PSS- 2 1 2 1 2 1

Temps d’attente Intervention

Préventive -PSS- 4 1 4 1 4 1

Temps d’attente Livraison -PSS- 4 1 4 1 4 1

Temps d’attente récupération 1 1 1 1 1 1

Nombre moyen de retard Livraison 8 1 49 3 40 2

Nombre moyen de retard

Intervention 8 1 8 1 8 1

Score total 12 19 12

Tableau 38 Résultats d’analyse par le critère de Laplace

La meilleure configuration suggérée par le critère de Laplace correspond à une configuration Polyvalence2 des ressources, une priorité pour les activités de service et une offre globale de type OG1 ou OG3.

4.3.2.2 Critère de Wald (MaxiMin)

Le critère de Wald correspond à des décideurs pessimistes. Ce critère est utile pour des situations la prudence est nécessaire lors de la prise de décision. Pour chaque configuration, nous retenons la performance minimale correspondant aux différentes sources d’incertitudes. Ensuite on choisit la configuration qui maximise cette performance (d’où le nom MaxiMin). Le Tableau 39 donne la classification des différentes configurations sur différents indicateurs de performance sous le critère de Wald.

Indicateur de performance Poly2-Serv-OG1 Poly2-Serv-OG2 Poly2-Serv-OG3

Performance Rang Performance Rang Performance Rang

Taux de satisfaction acte de vente 43% 1 43% 1 43% 1

Taux satisfaction acte PSS 43% 1 43% 1 43% 1

Temps d’attente Livraison Vente 5 1 22 2 5 1

Temps d’attente Intervention Vente 3 1 25 2 3 1

Temps d’attente collecte 20 1 65 2 20 1

Temps d’attente Intervention Curative

-PSS- 3 1 3 1 3 1

Temps d’attente Intervention

Préventive -PSS- 5 1 5 1 5 1

Temps d’attente Livraison -PSS- 5 1 5 1 5 1

Temps d’attente récupération 1 1 1 1 1 1

Nombre moyen de retards Livraison 10 1 65 3 52 2

Nombre moyen de retards Intervention 10 2 9 1 9 1

Score total 12 16 12

Tableau 39 Résultats d’analyse par le critère de Wald

La meilleure configuration suggérée par le critère de Wald correspond à une configuration Polyvalence2 des ressources, une priorité pour les activités de services et une offre globale de type OG1 ou OG3.

4.3.2.3 Critère MaxiMax

Au contraire du critère Maximin, le critère MaxiMax correspond à des décideurs plutôt optimistes. Sous ce critère, on choisit la configuration qui a la meilleure performance, on pense ainsi qu’au niveau des sources d’incertitude, c’est l’incertitude la plus favorable à une meilleure performance qui sera effective dans la réalité. Le Tableau 40 donne la classification des différentes configurations sur différents indicateurs de performance sous le critère MaxiMin.

Indicateurs de performance Poly2-Serv-OG1 Poly2-Serv-OG2 Poly2-Serv-OG3

Performance Rang Performance Rang Performance Rang

Taux de satisfaction acte de vente 99% 1 63% 2 99% 1

Taux satisfaction acte PSS 99% 1 63% 2 99% 1

Temps d’attente Livraison Vente 3 1 8 3 4 2

Temps d’attente Intervention Vente 2 1 12 2 2 1

Temps d’attente collecte 19 2 29 3 18 1

Temps d’attente Intervention

Curative -PSS- 2 2 1 1 2 2

Temps d’attente Intervention

Préventive -PSS- 3 1 4 2 4 2

Temps d’attente Livraison -PSS- 3 1 4 2 4 2

Temps d’attente récupération 1 1 1 1 1 1

Nombre moyen de retard Livraison 7 1 29 2 29 2

Nombre moyen de retard

Intervention 7 2 6

1 6 1

Score total 14 21 16

Tableau 40 Résultats d’analyse par le critère de Maximax

La meilleure configuration suggérée par le critère MaxiMax correspond à une configuration Polyvalence2 des ressources, une priorité pour les activités de service et une offre globale de type OG1.

4.3.2.4 Critère de Savage (Regret MiniMax)

Ce critère permet de minimiser le « manque à gagner » ou le regret à travers le calcul d’une matrice des regrets pour chaque source d’incertitudes. Le choix se porte alors sur la configuration qui minimise le regret maximal du décideur. Le Tableau 41 donne la classification des différentes configurations sur différents indicateurs de performance sous le critère de Savage.

Indicateurs de performance Poly2-Serv-OG1 Poly2-Serv-OG2 Poly2-Serv-OG3

Regret Rang Regret Rang Regret Rang

Taux de satisfaction acte de vente 3% 2 44% 3 0% 1

Taux satisfaction acte PSS 3% 2 44% 3 1% 1

Temps d’attente Livraison Vente 1 2 1 2 0 1

Temps d’attente Intervention Vente 0 1 0 1 1 2

Temps d’attente collecte 1 1 1 1 1 1

Temps d’attente Intervention

Curative -PSS- 0 1 0 1 0 1

Temps d’attente Intervention

Préventive -PSS- 1 2 1 2 0 1

Temps d’attente Livraison -PSS- 1 2 1 2 0 1

Temps d’attente récupération 0 1 0 1 0 1

Nombre moyen de retard Livraison 1 1 2 2 2 2

Nombre moyen de retard

Intervention 0 1 0 1 0 1

Score total 16 19 13

La meilleure configuration suggérée par le critère de Savage correspond à une configuration Polyvalence2 des ressources, une priorité pour les activités de service et une offre globale de type OG3.

4.3.2.5 Conclusions et relativisation de l’étude de robustesse

La procédure de sélection et d’analyse comparative effectuée pour l’analyse de la robustesse des configurations a été motivée par le fait que lors de la transition vers une offre PSS, les décideurs ne souhaitent pas compromettre leur performance actuelle. Ainsi, une première sélection basée sur la performance attachée au pire cas de détérioration de la performance par rapport aux facteurs d’incertitudes a été retenue. Par ailleurs, notons que pour certaines configurations, raisonner en moyenne engendrerait des erreurs d’appréciation vu la dispersion de la performance d’une source d’incertitude à une autre.

L’analyse comparative des configurations résilientes nous a permis de discriminer les différentes possibilités de configurations sélectionnées. L’application des différents critères nous a montré que deux configurations sont proches dans leurs performances par rapport aux différents indicateurs considérés (Tableau 42).

Configuration Laplace Wald (Pessimiste) Maximax (Optimiste) Savage Score final

Poly2-Serv-OG1 12 12 14 16 54

Poly2-Serv-OG2 19 16 21 19 75

Poly2-Serv-OG3 12 12 16 13 53

Tableau 42 Résultats récapitulatifs pour les différents critères

Ces deux configurations correspondent à une même configuration du système productif avec une polyvalence totale de l’ensemble des ressources et une priorité d’affectation des ressources, en cas de besoin, aux activités de service et une offre globale de type OG1 et OG3. La performance de cette configuration avec la situation initiale (sans PSS) est résumée dans le Tableau 43

Indicateurs de performance

Poly2-Serv-OG1 Poly2-Serv-OG3 Sans PSS (sans polyvalence)

Taux de satisfaction acte de vente 63% 63% 98%

Taux satisfaction acte PSS 63% 64% -

Temps d’attente Livraison Vente

(heure) 4 4 8

Temps d’attente Intervention Vente

(heure) 2 2 14

Temps d’attente collecte (heure) 19 19 17

Temps d’attente Intervention Curative

-PSS- 2 2 -

Temps d’attente Intervention

Préventive -PSS- 4 4 -

Temps d’attente Livraison -PSS- 4 4 -

Temps d’attente récupération 1 1 -

Nombre moyen de retard Livraison 8 40 -

Nombre moyen de retard Intervention 8 8 -

Tableau 43 Résultats d’analyse par le critère de Laplace

Les résultats de l’analyse comparative confortent l’analyse effectuée par l’ACP. En effet, nous avons souligné que les durées de contrat de type OG3 détériorent la performance par le fait que la durée longue (deux ans) est associée au produit TP2 (les produit TP2 sont proposés dans des

contrats longues durées « 2 ans »). L’analyse comparative ne nous suggère pas de choisir cette configuration (ou option OG3).

Pour terminer, nous pouvons ainsi chercher à cibler des actions pour mieux maitriser les sources d’incertitudes. Les sources d’incertitudes que nous avons considérées correspondent particulièrement aux caractéristiques et comportements des clients. Un suivi et une analyse fine du marché et des besoins et comportements des clients dans un contexte PSS est primordial. La performance industrielle dépend fortement des informations collectées sur les clients. Un département Relation client et Marketing est donc nécessaire afin de se consacrer pleinement à la connaissance de sa clientèle et minimiser les sources d’incertitudes. Au niveau du comportement des clients dans l’usage, les résultats nous montrent une sensibilité moins importante. Néanmoins les résultats des simulations permettent d’aider l’entreprise à définir les contrats intéressants. Ainsi, elle pourra influencer le comportement du client au niveau de l’usage des produits.

5 Conclusion

Le modèle de simulation construit est constitué de deux modèles de simulation interconnectés. L’approche processus et l’approche de la simulation à évènements discrets, caractéristique du logiciel ARENA, nous ont permis d’avoir un modèle de simulation qui reproduit le fonctionnement d’ENVIE dans une situation de transition vers une offre PSS. Nous avons appliqué la démarche de modélisation et de simulation sur le cas ENVIE présenté dans le chapitre 7. L’analyse du plan d’expérience complet (160 scénarios) nous a permis, à travers l’ACP et une analyse graphique, de tirer des conclusions et des caractéristiques des interactions entre variables du systèmes d’usage et variables du système productif. Nous avons pu analyser plus finement la manière dont les leviers de gestion influencent la performance de l’entreprise, d’une part, et l’impact des sources d’incertitude sur la performance industrielle, d’autre part. L’analyse nous a permis de déceler des influences qui peuvent se révéler contradictoires (amélioration des activités de production et détérioration des activités de service). De telles observations mettent l’accent sur la nécessité de développer des règles de gestion fines pour trouver un équilibre en jouant à la fois sur la flexibilité d’affectation des ressources backoffice/front office et sur les degrés de polyvalence. Par ailleurs et à travers l’analyse comparative et l’application de différents critères de discrimination entre les configurations, nous avons pu conforter nos conclusions et les résultats de l’ACP.

D’une manière synthétique, nous soulignons l’importance de la maitrise et la connaissance des besoins et comportements de clients. Ceux-ci influencent directement la demande en produit (et donc les règles de gestion de la production et des stocks) et la demande en services. Sans cela, l’entreprise perdra en efficacité et en efficience même si elle fait des investissements en termes de formation des ressources humaines opérationnelles, autrement dit, un ciblage des investissements est nécessaire (ceci a été souligné par l’Analyse en Composantes Principales). Par ailleurs, la configuration de l’offre de contrat dépend fortement des caractéristiques techniques du produit. Dans le cas d’un produit dont la durée de vie est courte et/ou le taux de panne est important, proposer des contrats de longue durée détériorerait la performance industrielle.

De plus, le modèle de simulation et le plan d’expérience nous ont permis d’étudier l’interaction entre les variables du système d’usage (sources d’incertitudes) et les variables du système productif, le système d’usage constituant la source des différentes sollicitations en demande de produits et services. L’étude nous a permis de mesurer et d’étudier l’impact et la sensibilité de la performance industrielle vis-à-vis des variables du système d’usage. Par ailleurs, les leviers de décisions, eux aussi, influencent le système d’usage. En effet, pour certaines configurations non résilientes et non performantes, nous avons un accroissement de l’indicateur « contrats rompus par le client » (suite à une mauvaise performance de l’industriel). Cela dit, une recherche d’équilibre entre les leviers de gestion, d’une part, et une maitrise des sources d’incertitudes, d’autre part, est primordiale pour assurer une bonne transition vers une offre PSS. Le modèle de simulation est donc un outil d’accompagnement du processus de servicisation au niveau de la performance industrielle pour l’entreprise ENVIE.

Chapitre 9 Conclusion Générale et