Ce mod`ele repr´esent´e par la figure 4.1 est similaire au Mod`ele 1 d´ecrit en 3.1 avec, dans ce cas, la prise en compte que chaque demande satisfaite conduit au retour du produit avec une probabilit´ep et de fa¸con imm´ediate. Ce qui correspond
`a un pourcentage pde clients, non satisfaits de leur acquisition, qui retournent leur produit.
Le fait d’assumer un d´elai de retour nul constitue une bonne approximation des syst`emes avec de courts d´elais de retours que l’on retrouve typiquement lorsque le client a la possibilit´e de retourner le produit, mais qu’il ne dispose que d’une p´eriode relativement courte, apr`es l’avoir achet´e, pour le renvoyer. Il est `a noter que la notion de d´elai imm´ediat est relative, on peut n´egliger le d´elai de retour lorsque ce dernier est tr`es petit compar´e `a la dur´ee de vie du produit.
Figure 4.1– Mod`ele 2 : Retours d´ependants et imm´ediats
Contrairement au Mod`ele 1 avec retours de produits ind´ependants de la demande, il est suppos´e sur ce mod`ele que la probabilit´e de retour peut atteindre la valeur 1 (0≤ p≤1). En effet, il n’est pas n´ecessaire, dans ce cas, de supposer une in´egalit´e strictep <1 ´etant donn´e que les retours sont directement corr´el´es aux demandes et ne peuvent pas conduire `a des niveaux de stocks infinis.
Le pr´esent mod`ele avec retours de produits d´ependants et imm´ediats sera d´esign´e par le Mod`ele 2 dans la suite de ce document.
4.2.1 Equations d’optimalit´ ´ e
Pour ce mod`ele, et en adoptant la mˆeme d´emarche que pour le premier mod`ele (sections 3.2.2 et 3.3), `a savoir formulation MDP et uniformisation, il est possible de montrer que le coˆut total actualis´e v∗(x) satisfait les ´equations d’optimalit´e sui-vantes :
v∗(x) = T v∗(x),∀x∈IN O`u l’op´erateur T est d´efini comme
T v(x) := 1
C [chx+µT1v(x) +λ(1−p)T2v(x) +λpT3v(x)] (4.1) T1v(x) := min[v(x), v(x+ 1) +cp]
T2v(x) :=
½ v(x−1) if x >0 v(x) +cl if x= 0 T3v(x) :=
½ v(x) +cr if x >0 v(x) +cl if x= 0
L’op´erateur T1 est associ´e `a la d´ecision optimale de production. L’op´erateur T2
est associ´e aux demandes qui ne sont pas retourn´ees et l’op´erateurT3 aux demandes retourn´ees.
4.2.2 Caract´ erisation de la politique optimale
L`a aussi, la caract´erisation de la politique optimale se fera en utilisant le coˆut total actualis´e du syst`eme et les ´equations d’optimalit´e qui viennent d’ˆetre pr´esen-t´ees. Par la suite, nous verrons que cette politique est ´egalement optimale au sens de la minimisation du coˆut moyen et qu’il est possible, dans le cas de coˆut moyen, d’´etablir une proc´edure simplifi´ee de calcul des param`etres optimaux.
Ainsi, pour ce mod`ele avec retours de produits d´ependants et imm´ediats, nous pouvons ´etendre le Lemme 1 et donc prouver l’optimalit´e de la politique base-stock, lorsque cl ≥p cr.
A cet effet, nous d´efinissons l`a aussi U l’ensemble de fonctions `a valeurs r´eelles dans IN, avec les propri´et´es suivantes :
D´efinition 6 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 : q∆v(x) +cl−p cr≥0
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´eellesvn+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 3 Si v ∈ U alors T v ∈ U.
La preuve du Lemme 3 est similaire `a celle du Lemme 1 et est pr´esent´ee en Annexe B.1.
En adoptant le mˆeme raisonnement que pour la section 3.4, une cons´equence directe du Lemme 3 est qu’en partant d’un v0 ∈ U (v0 nul par exemple), alors v∗ ∈ U lorsque cl ≥p cr, ce qui implique que la politique optimale est de type base-stock.
Quelle est alors la structure de la politique optimale lorsque cl < p cr? ´Etant donn´e que nous avons restreint notre analyse `a l’ensemble des politiques station-naires, il existe n´ecessairement un entier, potentiellement infini,S∗ := min[x: ∆v∗ = v∗(x+ 1)−v∗(x) +cp >0]. Si le niveau de stock initial `a l’instant t= 0 est inf´erieur ou ´egal `aS∗, alors le niveau de stock n’exc´edera jamais S∗ et la politique est ´equi-valente `a une politique base stock. Cet argument n’est pas valable pour le Mod`ele 1 car le niveau de stock peut d´epasser le base stock level de par les retours de produits qui sont ind´ependants de la demande.
Finalement, nous obtenons le th´eor`eme suivant :
Th´eor`eme 3 La politique optimale du mod`ele avec retours d´ependants et instanta-n´es est telle que :
– Sicl ≥p cr, la valeur optimale du coˆut actualis´ev∗ est convexe et il existe une politique base-stock optimale pour ce mod`ele.
– Sicl< p cr, alors ce n’est que sous l’hypoth`ese d’un stock initial nul qu’il existe certainement une politique base-stock optimale pour ce mod`ele .
4.2.3 Calcul du base-stock level optimal S
∗Le seuil S∗ ne peut ˆetre obtenu analytiquement. Il est calcul´e num´eriquement lors du calcul dev∗ partant des ´equations d’optimalit´es 4.1. L’impl´ementation num´e-rique des ´equations d’optimalit´e, permettant le calcul dev∗ et de S∗, se concr´etise, comme pour le Mod`ele 1, par un programme dynamique cod´e sous le language de programmation JAVA (voir section 3.4.2).
Suite `a l’ex´ecution de ce programme dynamique, nous obtenons, d’une part, un vecteur donnant le coˆut total optimal (actualis´e) pour diff´erents ´etats initiaux du syst`eme (x ∈ [0, xmax]). D’autre part, un vecteur d´ecisionnel optimal A∗ est fourni tel que :
A[0] = 1, A[1] = 1, . . . , A[S∗] = 1
| {z }
P roduire
, A[S∗+ 1] = 0, A[S∗+ 2] = 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 on ´et´e r´ealis´ees sous JAVA, (voir ´egalement l’Annexe B.5).
4.2.4 Influence des param` etres du syst` eme sur les base-stocks optimaux
La m´ethodologie sera ´egalement similaire `a celle du mod`ele avec retours ind´e-pendants mais nos r´esultats sont limit´es au cascl=cr.
Th´eor`eme 4 Si cl = cr = c, le coˆut optimal vβ∗ est SuperM(β, x) pour β ∈ {µ, p, ch} et SubM(β, x) pour β ∈ {c, λ}.
Par cons´equent, le base-stock level optimal est non-croissant avec le taux de ser-vice, µ, la probabilit´e de retour, p, le coˆut de stockage, ch et non-d´ecroissant avec le taux d’arriv´ee de la demande, λ, le coˆut de vente perdue, cl =c.
La preuve de ce th´eor`eme est donn´ee en Annexe B.2.
4.2.5 Extension au coˆ ut moyen
Le mod`ele corr´el´e avec retours imm´ediats de produits permet aussi bien d’ana-lyser son coˆut total actualis´e que son coˆut total moyen. Nous avons pu, grˆace `a l’expression du coˆut actualis´e, montrer l’optimalit´e de la politique base-stock, prou-ver quelques propri´et´es de monotonicit´e de S∗ selon les param`etres du syst`eme et avons expliqu´e commentv∗ etS∗ sont calcul´es num´eriquement. Consid´erons `a pr´e-sent le coˆut moyen de notre mod`ele avec retours imm´ediats.
Le coˆut total moyen du mod`ele associ´e `a la politique optimale peut ˆetre obtenu comme ´etant la limite du coˆut actualis´e, de cette mˆeme politique optimale, lorsque le taux d’actualisationαtend vers z´ero (Weber & Stidham, 1987). Il en d´ecoule, d’apr`es Puterman (1994), que la politique base-stock optimale minimisant le coˆut actualis´e est ´egalement optimale concernant le coˆut moyen et que les seuils (base-stock levels) optimaux poss`edent les propri´et´es de monotonicit´e pr´esent´ees au th´eor`eme 4.
Dans le pr´esent mod`ele, les produits sont retourn´es instantan´ement avec une probabilit´ep. Si l’on suppose une politique base-stock (optimale) avec un seuilS, le niveau de stock ´evolue alors comme dans uneM/M/1 make-to-stock queue basique sans retours de produits, avec une demande de taux λq o`u q := 1−p. Les taux de
Nous d´efinissons le ratioρ2 = qλµ. Les probabilit´es stationnaires sont alors donn´ees, lorsque 0≤x≤S, par :
Comme pour le mod`ele avec retours ind´ependants, nous pouvons calculer les coˆuts
moyens de possession, de production, de ventes perdues et de retours : C˜h(S) =
( ch ρS+12 −ρ2−ρ2S+S
(1−ρ2)(1−ρS+12 ) siρ2 6= 1 chS2 siρ2 = 1
C˜p(S) = µcp(1−π˜S) (4.2)
C˜l(S) = λ cl π˜0(S) (4.3)
C˜r(S) = λ p cr (1−π˜0(S)) (4.4) Le coˆut total moyen, ˜C(S), est l`a aussi la somme de ces quatre coˆuts. Il repr´esente alors le coˆut total moyen du syst`eme lorsque la politique base-stock, optimale, est appliqu´ee avec un seuilS. Reste `a calculer leS∗ optimal minimisant ce coˆut moyen.
Malheureusement, il n’est pas possible de montrer, de mani`ere g´en´erale, que ce coˆut total moyen est convexe enS. En effet, les coˆuts moyens ˜Cr(S) et ˜Cl(S) ne sont jamais simultan´ement convexes vu que leur d´eriv´ees secondes sont de signes oppos´es d’apr`es les ´equations (4.3) et (4.4).
Cependant, nous pouvons encore utiliser la borne sup´erieure d´evelopp´ee par Ha (1997) et pr´esent´ee dans la propri´et´e 3.
Propri´et´e 3 (Directement adapt´ee de Ha (1997) )
SoitSu le plus petit entier non n´egatif sup´erieur `a (ρ−1)/(h′ρ) + 1/lnρ−1avec ρ=λ/µ et h′ =ch/(λcl). Pour ρ >1, S˜∗ ≤Su.
L’expression du coˆut moyen permet alors, comme pour le mod`ele avec retours ind´ependants, de calculer le param`etre ˜S∗ qui sera celui qui minimise ˜C(S) sur l’interval [0, Su].