Validation du modèle de simulation

Comme le modèle a été conçu, implémenté et vérifié et qu'il ne semble pas comporter d'erreurs, la validation doit alors être effectuée afin de s'assurer que le modèle développé représente adéquatement la réalité. Tout d'abord, puisque le modèle conceptuel a été développé en considérant les différents processus opérationnels d'une entreprise réelle et que les diagrammes développés ont été validés avant l'implantation du modèle de simulation, il est possible d'assumer que le modèle conceptuel est, à toute fin pratique valide et qu'il représente adéquatement l'ensemble des processus désirés. Toutefois, afin de valider l'outil de simulation, il est nécessaire d'utiliser des données tirées des situations réelles puis de les comparer avec les données simulées grâce au programme de simulation. Les données pour le système réel ne sont cependant pas disponibles. Il est donc, à prioiri, impossible de valider définitivement le modèle puisque les données requises pour y arriver ne sont pas disponibles.

Toutefois, si l'approche de simulation développée est utilisée pour résoudre un problème particulier, il est nécessaire de s'assurer, par une ou l'autre des méthodes proposées, que le modèle de simulation représente adéquatement le système qu'il désire étudier et qu'il

permet d'atteindre les objectifs de l'étude. Il est donc critique pour chaque utilisateur de faire une validation avant d'utiliser le simulateur et d'apporter les correctifs et ajustements nécessaires, le cas échéant. Suite à quoi, l'utilisateur pourra effectuer les expérimentations désirées afin d'analyser et de comparer les différents scénarios pour le système à l'étude.

Conclusion

Ce mémoire présente la problématique d'une entreprise générique de distribution desservant un grand nombre de petits détaillants répartis sur un vaste territoire et présentant des demandes aléatoires. Le débalancement entre les faibles quantités requises par les détaillants et les volumes propres à la grande distribution et la variabilité de la demande et des délais de livraison amènent le distributeur à conserver en inventaire une quantité suffisante de produits afin de maintenir un niveau de service adéquat. Le réseau générique étudié comporte un entrepôt unique où toutes les marchandises sont maintenues en inventaire, collectées puis livrées aux détaillants selon leurs besoins. La gestion de ces inventaires, la manutention et la collecte des produits représentent des coûts fort importants pour le distributeur qui doit optimiser l'ensemble de ses opérations tout en tenant compte des contraintes imposées par les fournisseurs ainsi que des demandes particulières à chaque détaillant. Pour demeurer compétitif, le distributeur doit explorer les différentes alternatives d'amélioration de ses opérations internes (réorganisation ou réaménagement physique, implantation de nouvelles technologies), mais aussi de ses opérations externes et, en particulier, ses relations avec ses partenaires (fournisseurs et clients).

Ce mémoire comporte deux (2) objectifs principaux. Dans un premier temps, il vise à analyser la problématique de la distribution, les enjeux et les difficultés qui y sont reliés et à rappeler les stratégies les plus citées pour l'amélioration d'un réseau de distribution. Dans un deuxième temps, il vise à fournir un modèle de simulation générique de haut niveau pouvant s'adapter à différentes configurations de réseaux et permettant l'évaluation les performances des alternatives envisagées dans un contexte particulier.

Plusieurs stratégies de pilotage de réseaux d'approvisionnement et de distribution reliées à l'entreposage, au transport et à l'approvisionnement ont été proposées dans la littérature. Ainsi, certains concepts émergents en matière de gestion des chaînes d'approvisionnement, tels que le cross-docking et la collaboration entre les intervenants du réseau, ont été soulevés dans le présent mémoire. Toutefois, bien qu'à l'heure actuelle les fondements de ces stratégies de pilotage soient documentés dans la littérature, il est difficile de préciser la façon dont chaque entreprise doit se les approprier et les paramétriser de façon adéquate, en tenant compte de ses propres contraintes et des particularités reliés à la façon de mener ses

activités. Une approche de simulation a donc été proposée afin d'évaluer les différentes options possibles et leurs impacts sur le système actuel dans un contexte particulier et de guider vers le choix de l'option la plus profitable.

En tout premier lieu, un réseau générique conceptuel a été développé. Le réseau de base à un échelon a été sujet à deux (2) modifications majeures basées principalement sur les stratégies de distribution à adopter et la configuration du réseau. Brièvement, la première modification proposait une restructuration du réseau de l'entreprise par entremise de partenariat avec les intervenants actuels du réseau ou par l'intégration de nouvelles structures au réseau actuel. La seconde modification proposait le déploiement d'une stratégie de distribution mixte qui intègre l'entreposage classique et le cross-docking. Ainsi, les familles de produits pourront être séparées en deux (2) catégories distinctes : les produits en cross-docking ou en passage direct et les produits en inventaire qui seront gérés en suivant la stratégie d'entreposage classique. Enfin, la maintien d'inventaire en consigne chez les détaillants qui disposent d'une capacité d'entreposage excédentaire a également été proposée. Le modèle conceptuel propose donc un réseau plus complexe et plus évolué. Par le fait même, un plus grand nombre de décisions devront être effectuées tout au long du processus opérationnel de l'entreprise. De plus, les modifications apportées au réseau de base nécessiteront, dans la pratique, un système d'échange d'information efficace et un niveau de coordination accru.

L'implémentation du modèle conceptuel a ensuite été effectuée grâce au logiciel de simulation général ARENA. Le logiciel commercial ARENA est généralement utilisé pour modéliser des problèmes dont la structure est connue et demeure fixe pour tous les lesls effectués. Ainsi, afin de concevoir le simulateur générique souhaité, des recherches et expérimentations supplémentaires ont été nécessaires. L'apprentissage du logiciel et son utilisation dans le contexte souhaité ont représenté, tout au long du projet, un défi de taille. En effet, plusieurs limites ont dû être repoussé afin d'atteindre le niveau de flexibilité nécessaire à la création d'un outil de simulation générique, convivial et facile à utiliser.

Suite à la conception et à l'implémentation, la vérification et la validation du modèle de simulation ont dû être effectuées. Tout d'abord, la vérification vise à assurer le bon fonctionnement du simulateur, au niveau technique. Ainsi, la vérification a permis de

constater que 1 outil de simulation proposé fonctionne bien et selon la logique développée lors de la modélisation conceptuelle. La validation permet plutôt d'assurer la représentation adéquate et suffisamment précise du système à étudier par le programme de simulation, au niveau conceptuel. Par contre, dû à un manque de données tirées de la réalité, la validation de l'outil de simulation n'a pu être effectuée. Ainsi, si l'approche de simulation développée est utilisée afin de résoudre un problème particulier, il est nécessaire de s'assurer, par une ou l'autre des méthodes proposées dans le mémoire, que le modèle de simulation représente adéquatement le système à étudier et qu'il permet d'atteindre les objectifs de l'étude. Il est donc critique d'effectuer une validation avant d'utiliser le simulateur et d'apporter les correctifs et ajustements nécessaires, le cas échéant, suite à quoi l'utilisateur pourra effectuer les expérimentations désirées afin d'analyser et de comparer les différents scénarios pour le système à l'étude.

L'approche de simulation proposée permet donc de tester plusieurs alternatives afin de supporter la prise de décision tout en considérant les aspects aléatoires présents dans la réalité. Le simulateur développé est convivial, facile à utiliser et suffisamment flexible pour s'adapter à plusieurs contextes et configurations de réseaux. De plus, des modifications mineures peuvent être apportées facilement au simulateur afin de permettre une analyse plus poussée de certaines opérations critiques. Toutefois, ces modifications nécessitent certaines connaissances au niveau du logiciel ARENA.

De toute évidence, le simulateur proposé pourra être amélioré afin de créer un outil d'aide à la décision plus performant. Ainsi, l'intégration de modules pour l'optimisation des tournées de véhicules et des paramètres de gestion des inventaires au simulateur développé a été envisagée.

Enfin, le projet de mémoire a mené à la rédaction de deux actes de conférence [11] [12] présentés dans le cadre de conférences internationales.

Bibliographie

[1 ] Altiok T., Melamed B., Simulation Modeling andAnalysis with ARENA, 2007. [2] Ambrosino D., Grazia Scutellà M., Distribution network design : New prohlems and

related models, European Journal of Operational Research, vol. 165, 2005, p.610- 624.

[3] Amiri A., Designing a distribution network in a supply chain System : Formulation and efficient solution procédure, European Journal of Operational Research, 2006, vol.l71,p.567-576.

[4] Atkins D.R, lyogun P.O., Periodic versus 'can-order' policies for coordinated multi-item inventory Systems, Management Science, Vol. 34, No.6, 1988, p.791-796. [5] Axsâter S., Juntti L., Comparison of échelon stock and installation stock policies for

two-level inventory Systems, International Journal Production Economies 45, 1996, p.303-310.

[6] Axsâter S., Rosling K., Installation vs. Echelon Stock for Multilevel Inventory Control, Management Science, 31, 1993, p. 1247-1256.

[7] Balintfy, J.L., On a Basic Class of Multi-ltem Inventory Prohlems, Management Science, 10, 1964, p.287-297.

[8] Ballou R.H., Business Logistics Management, Prentice Hall, 4e édition, 1999, 681p. [9] Bartholdi J.J. III, Gue K.R., Reducing Labor Costs in an LTL Crossdocking

Terminal, Opérations Research, vol. 48, 2000, p.823-832.

[10] Bélanger V., Analyse et conception d'un système de distribution, Projet de fin d'études, Université Laval, 2005

[11] Bélanger V., Ruiz A., Ait-Kadi D., A Simulation-optimization platform to improve distribution networks, Proceedings of the 2006 International Mediterranean Modelling Multiconference.

[ 12] Bélanger V., Ait-Kadi D., Ruiz A., Réingénierie de la chaîne d'approvisionnement d'une entreprise de distribution, Acte de conférence, 7e congrès international de

génie industriel 2007.

[13] Bramel J., Simchi-Levi D., A location based heuristic for gênerai routing prohlems, Opérations Research 43, 1995, p.649-660.

[14] Chopra S., Designing the distribution network in a supply chain, Transportation Research Part E, vol. 39, 2003, p.123-140.

[15] Erenguc S.S., Simpson N.C., Vakharia A.J., Integratedproduction/distribution planning in supply chains: an invited review. European Journal of Operational

Research 115, 1999. p.219-236.

[ 16] Federgruen A., Queyranne M., Zheng Y.S., Simplepower oftwo policies are close to optimal in a gênerai class of production/distribution networks with gênerai setup, Mathematics of Opérations Research 17, 1992, p.951-963.

[ 17] Gallego G., Simchi-Levi D., On the effectiveness of direct shipping strategy for the one warehouse multi-retailer r-systems, Management Science 36, 1990, p.240-243. [18] Holweg M., Disney S., Holmstrôm J., Smaros J., Supply Chain Collaboration :

Making Sensé ofthe Strategy Continuum, European Management Journal, vol. 23, no. 2, 2005, p. 170-181.

[19] Kelton W.D., Sadowski, R.P.,Sturrock D.T., Simulation with Arena, McGraw-Hill, 3e édition, 2004, 668 p.

[20] Kleijnen J.P.C., Vérification and validation of simulation models, European Journal of Ôperational Research 82, 1995, p. 145-162.

[21] Lapierre S., Ruiz A.B., Scheduling logistic activities to improve hospital supply Systems, Computers & Opérations Research 34, 2007, p.624-641.

[22] Laporte G., The Vehicle Routing Problem : An overview of exact and approximate algorithme, European Journal of Operational Research 59, 1992, p.345-358.

[23] Laporte G., Gendreau M., Potvin J., Semet F., Classical and modem heuristics for the vehicle routing problem, International Transactions in Operational Research 7, 2000, p.285-300.

[24] Law A.M., Simulation Modelling And Analysis, McGraw-Hill, 3e édition, 2000, 760 p.

[25] Martel A., Approches et problèmes de conception de réseaux logistiques, DF-2.4.1, Notes de cours, GSO-21917, Université Laval, 2004

[26] Pedgen CD., Shannon R.E., Sadowski, R.P, Introduction to Simulation Using SIMAN, McGraw-Hill, 2e édition, 1995, 600p.

[27] Prins C , Prodhon C , Ruiz A., Soriano P. and Wolfler-Calvo R., Solving the Capacitated Location-Routing Problem by a Coopérative Lagrangean Relaxation- Granular Tabu Search Heuristic, Transportation Science, 2006, à paraître.

[28] Qu W.W., Bookbinder J.H., Iyogun P., An integrated inventory-transportation System with modifiedperiodic policy for multiple products, European Journal of Operational Research 115, 1999, p.254-269.

[29] Renaud J., Gestion d'un article avec demande aléatoire stationnaire. Notes de cours, GSO-60795, Université Laval, 2006

[30] Schunk D., Plott B., Using simulation to analyze supply chains. Winter Simulation Conférence 2000, 2000.

[31 ] Silver E., Pyke D., Peterson R., Jnventory management and production planning and scheduling, Wiley, 1998, 754 p.

[32] Simchi-Levy D., Kaminsky P., Simchi-Levy E., Designing and managing the supply chain, McGraw-Hill, 2e édition, 2003, 354 p .

[33] Vieira G. E., Ideas for modeling and simulation of supply chains with Arena, Proceedings of the 2004 Winter Simulation Conférence, 2004, p.1418-1427.