Approches intégrées de gestion de la demande dans
l'industrie de bois d'oeuvre
Thèse
Maha Ben Ali
Doctorat en génie mécanique
Philosophiæ doctor (Ph. D.)
Approches intégrées de gestion de la demande dans
l’industrie du bois d’œuvre
Thèse
Maha Ben Ali
Sous la direction de:
Sophie D’Amours, directrice de recherche Jonathan Gaudeault, codirecteur de recherche
Résumé
Les entreprises du bois d’œuvre ont besoin d’une part de synchroniser les activités de pro-duction, d’approvisionnement et de ventes, et d’autre part, de maximiser les profits face à une demande hétérogène et saisonnière. L’objectif de cette thèse de doctorat est de dévelop-per et d’évaluer de nouvelles approches intégrées de gestion de la demande dans un contexte de capacité limitée, afin de mieux orienter ces entreprises de façon à maximiser les profits et à améliorer la satisfaction des clients les plus prioritaires.
Le cas d’étude, inspiré de la réalité des entreprises du bois d’œuvre québécoises, considère différents clients hétérogènes, des processus de production divergents et plusieurs usines œuvrant dans un mode de fabrication pour les stocks, où les plans d’approvisionnement, de production et de ventes sont pilotés par les prévisions de la demande et des prix.
Dans cette thèse, on commence par définir un cadre décisionnel mutiniveau afin de sup-porter les décisions d’allocation prises aux niveaux tactique et opérationnel, ainsi que les promesses de livraison conclues en temps réel. En particulier, on propose un processus de gestion de la demande intégrant la planification des ventes et des opérations (S&OP) avec la promesse de livraison basée sur les concepts de gestion des revenus : une nouvelle for-mulation mathématique, intégrant un modèle S&OP adapté à l’industrie du bois d’œuvre et un modèle de promesse de livraison utilisant des limites de réservation imbriquées, est fournie. Cette formulation offre la possibilité de changer les décisions d’allocation en temps réel tant que les commandes fermes ne sont pas expédiées. Une plateforme d’optimisation et de simulation en horizon roulant est développée afin d’évaluer la valeur de l’intégration de la planification des ventes et des opérations et de la gestion des revenus. Les résultats de simulation ont démontré la capacité d’un processus intégrant le S&OP et la gestion des reve-nus, dans un contexte de capacité limitée et face à une demande hétérogène et saisonnière, à réaliser des meilleurs profits et à mieux satisfaire les clients prioritaires que les processus conventionnels de gestion de la demande.
La plateforme d’optimisation et de simulation développée est utilisée, dans une seconde étape, pour étudier la performance de différents processus intégrés de gestion de la demande
velle procédure de planification et d’analyse des expériences dans un contexte de gestion de la chaîne d’approvisionnement : un plan de remplissage d’espace est utilisé pour définir des scénarios variés du marché et des métamodèles de krigeage sont générés pour analyser les résultats. L’analyse des résultats a mis en évidence l’amélioration potentielle de perfor-mance qu’on peut atteindre en utilisant les concepts de gestion des revenus et a démontré l’impact de la séquence d’arrivée des commandes sur le profit annuel et le niveau de satis-faction des clients prioritaires. Les implications managériales qui découlent de cette analyse sont également présentées.
Dans une troisième étape, on analyse l’effet de la substitution et de certains concepts de ges-tion des revenus. En particulier, on investigue l’intérêt d’offrir à certains clients privilégiés un produit de qualité supérieure au prix du produit original demandé (soit l’équivalent d’un sur-classement pour les entreprises de service), ce qui est une pratique assez commune dans l’industrie du bois d’œuvre. A cette fin, on introduit la dimension produit dans le modèle de promesse de livraison basée sur les concepts de gestion des revenus et on mène une si-mulation en horizon roulant afin de comparer différentes approches intégrées de promesse de livraison. Les résultats de simulation soulignent l’efficacité d’une approche de promesse de livraison intégrant le sur-classement et les concepts de gestion des revenus, comparée aux pratiques communes utilisées pour satisfaire la demande dans un contexte de capacité limitée. En effet, le sur-classement s’avère significativement bénéfique s’il est associé aux concepts de gestion des revenus, vu que l’utilisation de limites de réservation empêche de proposer un sur-classement si le produit en question a été alloué à des commandes plus rentables.
Abstract
This thesis addresses the need of softwood lumber firms operating in a supply-constrained environment and facing heterogeneous and seasonal market, to synchronize between the different business units of supply chain and to maximize profits. The objective is to de-velop and to evaluate new integrated demand management approaches for limited capacity contexts in a way to maximize profits and enhance the service level offered to high-priority customers.
Our case study, inspired from softwood lumber manufacturers located in Eastern Canada, considers heterogeneous customers, divergent production processes and several mills con-sidered as an MTS environment since operations and sales plans are driven by forecasts. In this thesis, we first define a multilevel decision framework in order to support medium-term, short-term and real-time sales decisions. We propose a demand management pro-cess integrating sales and operations planning (S&OP) and revenue management (RM) con-cepts : we present a new mathematical formulation integrating an S&OP network model in the softwood lumber industry and an order promising model using nested booking lim-its. This formulation offers the possibility of changing decisions of how confirmed orders have to be fulfilled as late as possible, which we called order reassignment. Considering current demand management practices and existing IT-systems, we developed a simulation-optimization platform in order to evaluate the demand management process performance the benefits of integrating S&OP and RM concepts in various scenarios. Simulation results provide evidence of the value of integrating RM and S&OP and show that we can offer bet-ter service level to high-priority customers and higher profit margin compared to common demand management practices.
The simulation-optimization platform is used, in a second step, to investigate how an inte-grated demand management process, that can be configured differently, can perform facing various order arrival sequences and market disturbances. For this purpose, we use rela-tively novel techniques – a space-filling design and Kriging metamodeling – in supply chain settings to address the impact of decision and environmental factors on the performance of
conditions. We also show how order arrival sequence can play a relevant role, especially with a high customer heterogeneity. In addition, as motivated by an industrial problem, we discuss the potential implications of the analysis presented for firms operating in supply-constrained environments, such as Canadian softwood firms.
As a third step, we investigate the benefits of integrating revenue management and prod-uct substitution in a manufacturing context. We particularly examine the situation when a higher quality substitute is provided at the original product’s price, which is called an up-grade. Upgrading is a common demand fulfillment practice in the Canadian softwood lum-ber industry. Thus, we generalize the order promising model using nested booking limits and we add a product dimension to enable product substitution. Then, we conduct a rolling horizon simulation in order to compare different demand fulfillment approaches. The simu-lation results demonstrate that integrating RM and upgrading achieves better performance than common demand fulfillment approaches in a limited capacity context. The value of upgrading is more significant when integrated with RM concepts since the use of nested booking limits prevents from doing unprofitable upgrades. Thus, inventories are preserved for future profitable orders.
Table des matières
Résumé iii
Abstract v
Table des matières vii
Liste des tableaux ix
Liste des figures x
Liste des abbréviations xii
Remerciements xv Avant-propos xvii Introduction générale 1 1.1 Introduction . . . 1 1.2 Problématique de recherche . . . 2 1.3 Concepts préliminaires . . . 7
1.4 Contributions de recherche et structure de la thèse . . . 19
1.5 Conclusion . . . 23
2 Intégration de la gestion des revenus et de la planification des ventes et des opérations dans un environnement de fabrication pour les stocks : Cas de l’industrie du bois d’œuvre 25 Résumé . . . 26
Abstract. . . 27
2.1 Introduction . . . 28
2.2 Problem statement and related literature. . . 29
2.3 Proposed demand management process . . . 34
2.4 Model formulation . . . 37
2.5 Data generation and experiments . . . 47
2.6 Results and discussion . . . 49
2.7 Conclusion and future research . . . 53
3 Configuration et évaluation d’un processus intégré de gestion de la demande
via un plan de remplissage d’espace et la technique de krigeage 59
Résumé . . . 60
Abstract. . . 61
3.1 Introduction . . . 62
3.2 Related literature . . . 64
3.3 Industrial context and case study . . . 66
3.4 Experiments . . . 68
3.5 Data generation and analysis . . . 73
3.6 Results and discussion . . . 75
3.7 Conclusion and further research opportunities . . . 82
C Analyzed factors in sales and operations planning (S&OP) literature 84 D Analyzed factors in literature about revenue management(RM) in manufac-turing 86 E Recent literature of conventional DOE for simulation systems in supply chain settings 88 F Supplementary Materials 89 S1 Steps for data generation and analysis . . . 89
S2 Normality tests . . . 93
S3 ANOVA tables for YPM and HPFR . . . 95
4 Simulation d’une approche intégrée de gestion des revenus pour un système de coproduction avec substitution de produits 98 Résumé . . . 99
Abstract. . . 100
4.1 Introduction . . . 101
4.2 Related literature . . . 102
4.3 Mathematical formulation . . . 103
4.4 Application to softwood lumber case study . . . 110
4.5 Results and discussion . . . 114
4.6 Conclusion and future work . . . 117
G Additional demand fulfillment approaches 118 Conclusion générale et perspectives 120 5.1 Conclusion générale . . . 120
5.2 Perspectives de recherche . . . 124
Liste des tableaux
2.1 Sets . . . 39
2.2 Parameters . . . 39
2.2 Parameters (continued). . . 40
2.3 Decision variables . . . 40
2.4 Additional notation for the order promising model . . . 44
2.5 Scope of the simulated case . . . 47
2.6 Demand scenarios considered for data generation . . . 48
2.7 Simulated demand management processes . . . 49
2.8 Benefits of integrating S&OP and NBL compared to process A-FCFS . . . 50
3.1 Factors and their associated categories/ranges . . . 70
C.1 S&OP literature . . . 85
D.1 RM in manufacturing literature . . . 87
E.1 Conventional DOE for simulation systems in supply chain settings . . . 88
S1.1 Environmental scenarios . . . 90
4.2 Parameters and decision variables . . . 103
4.2 Parameters (continued). . . 104
4.1 Sets . . . 105
4.3 Scope of the simulated case . . . 110
4.4 Customer segments . . . 111
4.5 Different consumption models . . . 113
4.6 Simulation scenarios . . . 114
Liste des figures
1.1 Réseau d’approvisionnement d’une entreprise du bois d’œuvre . . . 3
1.2 Différents types de clients du bois d’œuvre . . . 4
1.3 Exemple de plans de coupe. Adapté de Vila, Martel, and Beauregard (2006) . 4 1.4 Structure et contributions de la thèse . . . 6
1.5 La position de la gestion de la demande dans la gestion de la chaîne d’appro-visionnement. Adapté de Mentzer, Myers, and Stank (2007). . . 7
1.6 La coordination via la planification des ventes et des opérations. Adapté de Mentzer, Myers, and Stank (2007) . . . 9
1.7 Différents niveaux de planification. Adapté de Feng, D' Amours, and Beaure-gard (2008) . . . 12
1.8 Point de découplage selon le type d’environnement de production. Adapté de Fleischmann and Meyr (2003) . . . 13
1.9 Comparaison d’un plan factoriel à un plan de remplissage d’espace pour le cas de deux facteurs. Adapté de Soderborg (2009) . . . 19
1.10 Éléments de recherche du premier article . . . 20
1.11 Éléments de recherche du deuxième article . . . 21
1.12 Éléments de recherche du troisième article. . . 23
2.1 Available forecasts for short-term and medium-term horizons . . . 35
2.2 Proposed demand management process . . . 36
2.3 Supply network of a multi-site softwood company . . . 38
2.4 Allocations assignments to quantity requested by segment g0 for due date t0 (example where all transportation delays are set to zero) . . . 45
2.5 Yearly profit margin. . . 51
B.1 Simulation algorithm . . . 58
3.1 The integrated demand management process (IDMP) proposed by Ben Ali et al. (2014) . . . 65
3.2 The case study : A supply network of a multi-site softwood company . . . 67
3.3 Procedure for designing and analyzing experiments (adapted from Montgo-mery (2009)) . . . 69
3.4 Performance measures and factors . . . 70
3.5 Experimental design . . . 72
3.7 Response surfaces for the effects of demand intensity (I) and demand forecast error (E) on the yearly profit margin (YPM) for FCFS and NBL approaches (customer heterogeneity H=10%, coefficient of variation V=0.5 and random
arrival sequence) . . . 77
3.8 Variation of sales and inventories over a year considering different demand forecast errors (E=0% and E=20%), NBL approach, random arrival sequence, I=1.5, H=10% and V=0.5 . . . 78
3.9 Variation of sales and inventories over a year considering different demand forecast errors (E=0% and E=20%), FCFS approach, random arrival sequence, I=1.5, H=10% and V=0.5 . . . 78
3.10 JMP profiler tool for I=1.5, E=0, H=10% and V=0.5 . . . 79
S1.1 Steps for data generation and analysis (1) . . . 91
S1.2 Steps for data generation and analysis (2) . . . 92
S2.1 Normality tests for FCFS approach and ASC sequence . . . 93
S2.2 Normality tests for FCFS approach and RAND sequence . . . 93
S2.3 Normality tests for FCFS approach and DESC sequence . . . 94
S2.4 Normality tests for NBL approach and ASC sequence . . . 94
S2.5 Normality tests for NBL approach and RAND sequence . . . 95
S2.6 Normality tests for NBL approach and DESC sequence . . . 95
S3.1 ANOVA for FCFS approach . . . 96
S3.2 ANOVA for NBL approach . . . 97
4.1 The integrated demand management process proposed by Ben Ali et al. (2014) 102 4.2 S&OP model and different consumption models . . . 103
4.3 Supply network of a multi-site softwood company . . . 110
4.4 Profit of the consumption models in the base case scenario . . . 115
4.5 Profit of the RM and FCFS approaches with/without upgrading in different scenarios and the percentage of the profit achieved by each approach compa-red to the GO . . . 116
Liste des abbréviations
ANOVA Analysis of varianceATO Assemblate To Order ATP Available To Promise BL Booking Limits
CAC Central Canadian market CAE Eastern Canadian market
CRM Customer Relationship Management CTO Configure To Order
DOE Design Of Experiments FCFS First-Come First-Served
HP High-Priority
HPFR High-Priority Fill Rate LHD Latin Hypercube Design
LP Linear Program
MMFBM Million Board-Feet Measure MTO Make To Order
MTS Make To Stock
NBL Nested Booking Limits
RM Revenue Management
S&OP Sales and Operations Planning
UPG Upgrading
US Northeastern American market YPM Yearly Profit Margin
À mes parents, À mon cher Nidhal, À mes princesses Oswa et Aya
Quand je tends vers un but, J’enfourche l’espérance et oublie toute prudence.
Celui qui n’aime pas grimper les montagnes,
Vivra éternellement entre les fossés.
Remerciements
Je tiens à exprimer ma gratitude envers ma directrice de recherche Prof. Sophie D’Amours pour ses encouragements et son soutien académique et personnel durant cette thèse. Elle a été toujours à l’écoute et prête à donner conseil pour le bien de ma carrière. Je la remercie également de m’avoir transmise son ouverture d’esprit et sa passion pour la gestion de la chaîne d’approvisionnement.
Ce travail n’aurait jamais pu voir le jour sans Prof. Jonathan Gaudreault qui a codirigé cette thèse. C’est grâce à ses précieux conseils, son souci du détail et son expertise en matière de simulation et de design d’expériences qu’on a réussi à réaliser un travail de qualité. Je le remercie de m’avoir guidée tout au long de ce doctorat.
J’ai eu également la chance de travailler en collaboration avec Prof. Marc-André Carle. Je le remercie infiniment pour son implication et son support tout le long de cette thèse. Sa grande connaissance de l’industrie forestière a grandement alimenté nos réflexions.
J’aimerais aussi remercier tout spécialement Philippe Marier, professionnel de recherche au consortium de recherche FORAC, de m’avoir guidée surtout au début du projet. Son exper-tise, son professionnalisme et son dévouement ont été fortement appréciés.
Mes remerciements vont également aux experts, M. Michel Vincent (Conseil de l’industrie forestière du Québec) et M. François Robichaud (Forest Economic Advisors), pour m’avoir si bien accueillie et tant apprise sur le marché du bois d’œuvre canadien.
Je remercie également Prof. Alexandre Dolgui et Prof. Nadia Lehoux pour avoir accepté de donner de leur temps précieux pour évaluer ce travail et faire partie des membres du jury. Je voudrais aussi exprimer ma reconnaissance pour le consortium FORAC pour son sup-port financier et académique durant la thèse. Un grand merci à tous les membres de FO-RAC, en particulier Catherine Lévesque pour son support administratif et les professeurs Mikael Rönnqvist et Tasseda Boukherroub pour leurs conseils. Je remercie également Riadh, Alexandre, Rémy, Sébastien et Edith pour leur support.
et Raja pour tous les échanges effervescents qu’on a eus, ainsi que Jean, Ludwig et Julie pour leurs encouragements.
Un grand merci à toute ma famille de m’avoir supportée dans ce parcours, à mes parents Hela et Mohsen, à ma soeur Saba et à ma belle famille, Khaouira, Ali, Nawel, Nefaa et Ma-rouene. Je remercie également tous les membres de ma famille avec lesquels j’ai partagé cet objectif commun de mener un projet de doctorat. Intissar, Hamza et Wiem, bonne chance pour la suite !
Ce travail n’aurait jamais pu voir le jour sans mon cher Nidhal, qui m’a encouragé à en-treprendre ce programme de doctorat et à commencer une nouvelle vie au Canada. Je te remercie pour ton support et ta patience. Finalement, je remercie mes filles Oswa et Aya qui ont grandi avec ce projet de doctorat. Je vous promets mes chères de me rattraper pour tout le temps où je n’étais pas présente avec vous !
Avant-propos
Ce projet, intitulé "Approches intégrées de gestion de la demande dans l’industrie du bois d’œuvre", est réalisé dans le but d’obtenir le grade de Doctorat en Génie Mécanique (Ph.D.) de l’Université Laval. Il a été effectué, au sein du consortium de recherche FORAC, sous la direction du Pr. Sophie D’Amours et sous la codirection de Pr. Jonathan Gaudreault. Ce projet a été financé par le consortium FORAC et par deux bourses d’excellence obtenues des organismes subventionnaires FRQNT et CRSNG.
Cette thèse est rédigée selon le principe d’insertion d’articles. Elle se compose de trois articles qui ont été tous coécrits avec Pr. Sophie D’Amours, Pr. Jonathan Gaudreault et Pr. Marc-André Carle. Pour chacun des articles présentés, j’ai agi à titre de chercheur principal dans l’identification de la problématique, l’implantation des différents modèles d’optimisation, la réalisation des expériences, l’analyse des résultats, la rédaction du manuscrit, ainsi que la révision des versions soumises aux journaux et aux conférences.
Le premier article, intitulé "Integrating Revenue Management and Sales and Operations Planning in a Make-To-Stock environment : Softwood lumber case study", a pour auteurs Maha Ben Ali, Sophie D’Amours, Jonathan Gaudreault et Marc-André Carle. Il a été sou-mis au journal "INFOR : Information Systems and Operational Research" en janvier 2018. La version présentée dans cette thèse est identique à la version soumise.
Le deuxième article, intitulé "Configuration and evaluation of an integrated demand ma-nagement process using a space-filling design and Kriging metamodeling", a pour auteurs Maha Ben Ali, Sophie D’Amours, Jonathan Gaudreault et Marc-André Carle. Il est publié dans le journal " Operations Research Perspectives", Volume 5, Janvier 2018, Pages 45-58. Il a gagné le prix "4th David Martell Student Paper Prize in Forestry" de la société canadienne de recherche opérationnelle. La version présentée est identique à la version publiée.
Le troisième article, intitulé " Simulating an integrated revenue management approach in a coproduction system with product substitution", a pour auteurs Maha Ben Ali, Sophie D’Amours, Jonathan Gaudreault et Marc-André Carle. Il a été accepté dans la conférence "Winter Simulation Conference 2018" en juin 2018. Une version étendue de cet article est
Introduction générale
1.1
Introduction
L’industrie du bois d’œuvre est au cœur des activités du secteur forestier canadien puis-qu’elle fait essentiellement appel à des intrants disponibles au Canada. En effet, la grande majorité du bois d’œuvre est produite à partir d’arbres résineux comme l’épinette, le pin, le sapin et le cèdre, qui composent l’essentiel des forêts canadiennes. Cette industrie crée des milliers d’emplois directs et des bénéfices signifiants supportant des emplois indirects, en particulier dans les régions rurales et éloignées. Elle est également très présente sur les marchés d’exportations et réalise 20% des exportations totales du secteur forestier1.
L’industrie canadienne du bois d’œuvre fait face ces dernières années à plusieurs défis com-merciaux et économiques, notamment les fortes pressions commerciales imposées par les États-Unis représentant le principal marché d’exportation (soit l’imposition de droits d’anti-dumping2et compensateurs3par les États-Unis sur les produits forestiers canadiens), l’aug-mentation des coûts d’opérations, ainsi que la compétition à faible coût des produits prove-nant des pays émergents en Asie et en Amérique du Sud. Un tel environnement agressif nécessite des processus intégrés qui permettent de supporter la prise de décision, non en se basant sur la production de masse mais sur l’utilisation efficace des ressources.
Outre les stratégies de réduction des coûts d’opérations, les entreprises du bois d’œuvre ca-nadiennes doivent s’orienter plus vers des approches de gestion de la demande davantage centrées sur le client. Étant un processus complexe dépendant de plusieurs activités exécu-tées par différentes fonctions de l’entreprise et à différents niveaux de planification, la ges-tion de la demande requiert une intégrages-tion tout le long de la chaîne d’approvisionnement, une segmentation raffinée de la clientèle et une capacité à aligner la production affectée par la disponibilité cyclique des ressources (la matière première et la main d’œuvre), face à une demande variable.
1. Ressources naturelles Canada, Demandes en produits forestiers, http://www.rncan.gc.ca/forets/
industrie/demandes/13318, consulté le 4 mai 2018
2. Prélèvement sur une marchandise importée afin de protéger l’industrie nationale contre les dommages causés par la vente de biens à des prix inférieurs à ceux pratiqués sur le marché national (Dufour 2007)
3. Prélèvement sur une marchandise importée qui a pour but de protéger une industrie nationale d’un dommage causé par des importations subventionnées (Dufour 2007)
Depuis plusieurs années, les praticiens et les chercheurs accordent une importance crois-sante au développement de méthodologies et d’outils d’aide à la décision pour guider les compagnies à mieux synchroniser les activités de production, d’approvisionnement et de ventes afin de saisir les opportunités du marché et gérer efficacement l’offre et la demande. Cette thèse de doctorat s’inscrit dans cette thématique de recherche et a comme objectif de développer et d’évaluer de nouvelles approches intégrées de gestion de la demande afin de mieux orienter les entreprises de façon à maximiser les profits, tout en considérant les réalités de l’industrie canadienne du bois d’œuvre.
Dans ce qui suit, nous détaillerons en premier lieu la problématique de recherche. En deuxième lieu, nous présenterons les différents concepts abordés dans cette thèse. Nous exhiberons par la suite la méthodologie utilisée dans les différentes contributions de la thèse, ainsi que la structure de la thèse.
1.2
Problématique de recherche
Les responsables des ventes et des opérations disposent de différents types d’information sur la demande et sur les prix afin de planifier les actions présentes et futures. En particulier, dans un contexte de fabrication pour les stocks (Make-To-Stock MTS), tel est le cas pour la plupart des entreprises du bois d’œuvre, on se base sur des prévisions agrégées (définies par exemple par marché, par famille de produits et par mois) afin de générer des plans à moyen terme. Les processus de planification tactique, tels que la planification des ventes et des opérations (Sales and Operations Planning S&OP), permettent de décider des actions futures d’approvisionnement, de production, de ventes et de transport en considérant la nature cyclique de l’industrie du bois d’œuvre. En outre, des prévisions moins agrégées (définies par exemple par produit, par client et par semaine) pour un horizon à court terme peuvent être disponibles périodiquement.
Toutefois, étant basés sur des prévisions et des informations agrégées sur la demande, les plans tactiques (définis sur un horizon à moyen terme) et opérationnels (définis sur un hori-zon à court terme) ne suffisent pas pour supporter la prise de décision à temps réel. En par-ticulier, la promesse de livraison constitue un problème à temps réel auquel les entreprises du bois d’œuvre font face quotidiennement. Une entreprise de moyenne ou grande taille a à traiter entre 1000 et 3000 commandes par semaine de façon individuelle et quasi-instantanée, vu que les clients dans un contexte MTS s’attendent à une réponse rapide (Quante, Fleisch-mann, and Meyr 2009). Or, ces décisions de promesse de livraison en temps réel peuvent affecter la capacité à satisfaire les demandes futures.
Durant ces dernières années, les entreprises dans différents secteurs, y compris le secteur forestier, ont bénéficié de l’utilisation des systèmes de planification avancée en tant qu’outils
de gestion de la demande, telles que les approches basées sur les concepts de gestion des revenus (Revenue Management RM), afin d’acquérir un avantage concurrentiel et de de-meurer viables face aux différents contextes du marché. Pour le contexte du bois d’œuvre, la gestion de la demande est d’autant plus complexe vu la structure divergente des proces-sus de production, l’instabilité de l’approvisionnement, l’incertitude et les fluctuations de la demande et des prix, ainsi que l’hétérogénéité des clients.
1.2.1 Cas d’étude
La Figure1.1illustre le cas industriel étudié dans cette thèse. On a considéré une entreprise du bois d’œuvre composée de trois scieries de même capacité localisées dans la province de Québec et approvisionnées en matières premières par deux sources d’approvisionnement. Ces trois scieries sont dotées de ressources de sciage, de séchage et de rabotage permettant de générer des produits verts et secs de caractéristiques variées (dimensions, longueurs et grades). Inspiré du cas de la région du Québec, l’entreprise cible des clients localisés dans dif-férents marchés, soit principalement les États-Unis comme le principal marché et des régions canadiennes comme un marché local. D’autres marchés internationaux, comme la Chine et le Japon, peuvent être considérés.
FIGURE1.1 – Réseau d’approvisionnement d’une entreprise du bois d’œuvre
Les clients provenant de ces différents marchés peuvent être classifiés selon différentes carac-téristiques (Gaston and Robichaud 2017). La Figure1.2illustre une classification des clients du bois d’œuvre selon leurs sensibilités aux prix et à la qualité.
FIGURE1.2 – Différents types de clients du bois d’œuvre
Contrairement aux processus de production usuels, l’industrie du bois d’œuvre se caracté-rise par des processus de production complexes. En effet, pour un produit en entrée, plu-sieurs types de produits sont fabriqués (flux divergents), et cela de manière simultanée (co-production). De plus, pour un produit en entrée, plusieurs recettes et plans de coupes (voir par exemple la Figure1.3) sont possibles, ce qui influence les proportions de chaque produit qui sera obtenu (Gaudreault et al. 2010,Rafiei et al. 2014).
Dans cette thèse, on considère différents produits de commodité. Contrairement aux pro-duits personnalisés, les propro-duits de commodité se caractérisent par une forte demande, qui dépasse dans la plupart des cas ce qu’une seule scierie peut offrir, ceci compte tenu ses contraintes de production et d’approvisionnement. De plus, les prix et la demande des pro-duits de commodité du bois d’œuvre sont connus par leurs fluctuations cycliques reliées à la saisonnalité des activités de construction.
1.2.2 Questions de recherche
Tout au long de cette thèse, nous nous intéressons à répondre à la question de recherche sui-vante : Comment un processus multiniveau de gestion de la demande peut être efficacement managé dans un contexte de capacité limitée, tel est le cas des entreprises du bois d’œuvre, afin de maximiser les revenus et de garantir des niveaux du service élevés aux clients prio-ritaires ?
Afin d’aborder cette problématique générale, nous proposons de répondre aux questions de recherche suivantes liées aux approches intégrées de gestion de la demande dans un contexte de capacité limitée :
Question 1 :Comment peut-on formuler le problème de gestion de la demande comme un processus intégré considérant les décisions tactiques et opérationnels, ainsi que les décisions de ventes à temps réel ? Quelles sont les différentes interactions possibles entre ces trois niveaux de décision ?
Question 2 :Quelles approches de gestion de la demande peut-on intégrer afin de maximiser les revenus dans un contexte de capacité limitée et de profiter des opportunités du marché (soit dans le cas de l’industrie du bois d’œuvre : la saisonnalité de la demande et des prix, ainsi que l’hétérogénéité des clients) ?
Question 3 : Comment les situations du marché du bois d’œuvre peuvent-elles affecter la performance du processus de gestion de la demande ? Quels sont les facteurs les plus perti-nents ?
Question 4 : Peut-on améliorer la performance du processus intégré de gestion de la de-mande en incorporant des pratiques communes dans l’industrie du bois d’œuvre, telles que la substitution des produits et la satisfaction partielle des commandes ("partial fulfillment") ? Ces questions ont été peu abordées dans la littérature et l’objectif de cette thèse est d’appor-ter des réponses à chacune d’entre elles à travers trois contributions de recherche, tel que présenté dans la Figure1.4, ceci en considérant le cas de l’industrie du bois d’œuvre. Dans ce qui suit, on définira quelques concepts clés, puis on détaillera chacune des contributions de la thèse.
FIGURE1.4 – Structure et contributions de la thèse
1.3
Concepts préliminaires
Dans cette section, nous présenterons les différents concepts abordés dans cette thèse et les principaux travaux de recherche étroitement liés avec les trois contributions présentées. 1.3.1 Gestion de la demande
La gestion de la demande inclue toutes les activités permettant de créer un flux de demande coordonné (ou synchronisé) entre la chaîne d’approvisionnement et ses différents marchés (Stadtler and Kilger 2005). Comme le montre la Figure1.5, ce processus va au-delà de la fonc-tion tradifonc-tionnelle du marketing, soit la créafonc-tion et la simulafonc-tion de la demande et prend en charges les tâches suivantes : anticiper la demande via les outils de prévision, assurer la coor-dination entre les différentes fonctions internes de l’entreprise (exemple : production, distri-bution . . . ) et la collaboration des différentes entreprises de la chaîne d’approvisionnement, évaluer la contribution en termes de profit des différentes demandes (différents produits / clients / périodes) et gérer efficacement l’allocation de la capacité en mettant l’accent sur les demandes les plus profitables(Crum and Palmatier 2003,Mentzer, Myers, and Stank 2007).
FIGURE1.5 – La position de la gestion de la demande dans la gestion de la chaîne
d’approvisionnement. Adapté deMentzer, Myers, and Stank(2007)
Évolution paradigmatique de la gestion de la demande
La gestion de la demande se limitait au début au fait de prévoir la demande (Mentzer, Myers, and Stank 2007). Cette définition a évolué au cours du temps sur deux volets : le premier vo-let concerne la progression des techniques influençant la demande telles que les stratégies de marketing et d’établissement de prix ("pricing"). Parallèlement à ce premier volet s’ajoute un
deuxième volet, soit la communication des informations sur la demande (Kaipia, Korhonen, and Hartiala 2006). Cette coordination a débuté au niveau de la chaîne interne de l’organi-sation. A partir des années 90, avec l’apparition des concepts de chaîne / réseau d’approvi-sionnement et l’évolution des outils d’aide à la décision et des technologies d’information (le passage des MRPI / MRP II dans les années 80 vers les systèmes de planification avancés ASP et les progiciels de gestion intégrés ERP dans les années 90 (McGaughey and Gunaseka-ran 2007)), il est de plus en plus possible de coordonner et de collaborer avec les différentes parties prenantes de la chaîne / réseau d’approvisionnement via des processus de coordi-nation tels que la planification des ventes et des opérations (Sales and Operations Planning S&OP).
Le besoin d’efficience et de collaboration en termes de visibilité de la demande en aval de la chaîne d’approvisionnement (comme avoir accès aux données des points de ventes et aux données d’inventaires tout le long de la chaîne d’approvisionnement) a donné naissance à un autre concept, soit la gestion de la chaîne de la demande ou " demand chain manage-ment" (Frohlich and Westbrook 2002, Wu, J. Gao, and R. Yu 2009). Vu le besoin croissant de personnalisation, l’objectif est de comprendre, influencer et gérer la demande, ainsi que d’assurer l’agilité tout le long de la chaîne d’approvisionnement (Duarte Canever, Van Trijp, and Beers 2008). Il s’agit i) d’acquérir des informations plus détaillées et plus fiables sur les consommateurs et de les transmettre aux partenaires le long de la chaîne de la demande afin d’améliorer la précision des prévisions de la demande ("collaborative forecasting" ), ii) de mettre l’accent sur le client et se baser sur la compréhension de la demande pour établir les stratégies et les plans de toute la chaîne d’approvisionnement et iii) d’atteindre les cibles des ventes tout en utilisant efficacement la capacité et les ressources.
Prévisions de la demande vs. Plans et cibles de ventes
On définit les prévisions de la demande comme étant la projection dans le futur de la de-mande qu’on peut recevoir, considérant un ensemble de conditions du marché. Ces prévi-sions doivent être distinguées des plans des ventes qu’on prévoit concrétiser sous réserve de la réalisation de l’ensemble des plans de production, approvisionnement, distribution, etc. On peut également parler de cibles de ventes, qui représentent les niveaux de ventes établies comme motivation pour l’équipe des ventes et de marketing. Le rôle de l’ensemble des plans est de gérer efficacement la capacité de la chaîne d’approvisionnement, en se basant sur les prévisions de la demande, afin d’atteindre ou dépasser les cibles de ventes (Mentzer, Myers, and Stank 2007).
1.3.2 Planification des ventes et des opérations (Sales and Operations Planning S&OP)
La planification des ventes et des opérations (Sales and Operations Planning S&OP) permet d’intégrer le plan de production et le plan de ventes établi en se basant sur les prévisions de la demande (Olhager, Rudberg, and Wikner 2001), tel qu’illustré par la Figure1.6. Le S&OP peut être défini comme un processus périodique de planification tactique qui lie verticale-ment les plans d’affaires et les plans stratégiques à long terme avec les plans opérationnels à court terme, et horizontalement la demande avec les capacités de la chaîne d’approvision-nement (Feng, D' Amours, and Beauregard 2008). Selon l’APICS (2013), le S&OP intègre l’ensemble des plans d’affaires d’une entreprise (approvisionnement, production, ventes, clients, marketing, R&D et finances) dans un plan général, facilite la coordination entre les différentes fonctions et supporte les plans stratégiques et les plans d’affaires en couvrant un horizon de planification entre un an et deux ans.Affonso, Marcotte, and Grabot (2008) affirment que la longueur de l’horizon de planification doit correspondre au moins à la lon-gueur de l’horizon budgétaire.
FIGURE1.6 – La coordination via la planification des ventes et des opérations. Adapté de
Mentzer, Myers, and Stank(2007)
Aspect organisationnel du S&OP
Le S&OP assure l’opérationnalisation des décisions stratégiques, comme par exemple les dé-cisions de capacité. Dans ce contexte,Olhager, Rudberg, and Wikner(2001) ont traité un cas où l’espace de décision du S&OP est affecté par une stratégie d’expansion ou de réduction de la capacité. Ils ont exposé comment le processus S&OP peut influencer la planification de la
capacité à long terme par la réévaluation de l’exécution des plans de ventes et de production, en identifiant périodiquement le besoin d’augmenter ou diminuer le niveau de capacité. Un processus S&OP peut aussi agir comme un mécanisme continu qui supporte l’intégration inter-fonctionnelle. Une étude de cas d’Oliva and Watson(2011) a montré que la fiabilité des informations, la qualité des procédures de planification et la qualité de la coordination entre les différentes fonctions de l’entreprise représentent les principaux attributs qui supportent les fonctionnalités du processus et qui explorent le rôle de l’engagement constructif entre les fonctions de l’entreprise. L’étude a montré qu’après trois ans de l’implantation d’un proces-sus S&OP dans une entreprise d’électronique, un bon niveau de performance a été atteint dû à l’amélioration des prévisions et à l’efficacité opérationnelle. Le processus S&OP a facilité la planification intégrée de la chaîne d’approvisionnement et a poussé toutes les fonctions à s’engager activement dans chaque étape du processus grâce à un aspect critique constant. Le S&OP supporte également l’intégration entre les entreprises dans la chaîne d’approvi-sionnement. Dans ce sens,Affonso, Marcotte, and Grabot(2008) ont proposé un modèle de S&OP composé de trois niveaux liant le département commercial d’une entreprise avec les services d’achat de ses clients et le département d’achat avec les départements commerciaux de ses fournisseurs. Ils ont considéré les délais entre ces trois niveaux comme éléments clés. L’efficacité du processus S&OP est soutenue par l’intégration des flux financiers et des flux physiques.Z. Wang and Hsu(2010) ont présenté un modèle du processus S&OP qui intègre les termes de payement. La simulation du modèle a montré que le délai de paiement repré-sente le principal facteur affectant la situation de trésorerie et que le processus S&OP est d’autant plus efficace qu’on diminue ce délai.
Gestion de l’incertitude
Dans un contexte incertain, le S&OP permet d’aligner les cibles de vente avec la disponibi-lité des ressources. En particulier, Chen-Ritzo et al.(2010) se sont intéressés à traiter expli-citement l’incertitude de la configuration des produits commandés dans un environnement "Configurer sur commande" (Configure-To-Order). Leur modèle de S&OP permet de sup-porter les décisions associées aux étapes de planification de l’approvisionnement et de révi-sion de la demande et de l’approvirévi-sionnement selon la flexibilité des fournisseurs. Ces deux étapes ont été formulées comme deux programmes stochastiques avec recours, puis résolues avec l’approche d’approximation moyenne de l’échantillon (SAA).
Le S&OP joue un rôle important de médiation pour améliorer la performance opérationnelle dans les environnements de production caractérisés par une incertitude du marché (Olhager and Selldin 2007). Dans ce contexte,Sodhi and Tang(2011) ont proposé un modèle de pro-grammation linéaire stochastique qui minimise les indicateurs de risque associés aux risques
traité un problème de S&OP stochastique considérant les changements de tendance de l’éco-nomie, du marché et de l’approvisionnement dans l’industrie forestière. Ces changements ont été traduits par un ensemble de scénarios possibles. Les auteurs ont proposé un modèle de programmation stochastique à deux étages avec recours fixes afin de maximiser le pro-fit du producteur. Le premier étage lui permet de choisir, d’une part, les contrats de clients qu’il peut satisfaire, et d’autre part les contrats d’approvisionnement qui lui garantissent ses besoins en matière première. Le deuxième étage concerne les décisions opérationnelles à prendre compte tenu des décisions liées aux contrats signés. Une étude par simulation a montré que, comparé au modèle déterministe, le modèle stochastique est plus approprié et plus robuste face aux problèmes de décisions de contrats.
En outre, le processus S&OP permet d’atténuer les effets des erreurs de prévision. Grâce à une étude de cas dans l’industrie des panneaux à lamelles orientées,Feng, D' Amours, and Beauregard(2008) ont modélisé trois modèles de gestion de la chaîne d’approvisionnement : un premier modèle multisite basé sur un processus S&OP, un deuxième modèle où seuls le plan de ventes et le plan de production sont intégrés et un troisième modèle où toutes les fonctions de la chaîne d’approvisionnement sont planifiées séparément. La simulation de ces modèles face à une demande déterministe (Feng, D' Amours, and Beauregard 2008), puis face une demande stochastique en considérant une planification sur un horizon rou-lant (Feng, D' Amours, and Beauregard 2010), a démontré qu’on peut réaliser une meilleure performance financière avec le modèle basé sur un processus S&OP.
Défis du S&OP
Plusieurs enquêtes (par exemple IBFP and APICS(2011)) et articles de recherche (voir les revues systématiques of Thomé et al.(2012) andTuomikangas and Kaipia(2014) pour une liste exhaustive) présentent le S&OP comme un processus exigeant un changement radical de la culture de l’organisation. Certes, l’implantation du S&OP fait face à plusieurs défis. Pre-mièrement, il faut noter que les objectifs des différentes fonctions de l’organisation peuvent être contradictoires puisque les décisions optimales d’une planification centralisée peuvent différer des décisions optimales obtenues si on planifie chaque fonction séparément (Feng, D' Amours, and Beauregard 2008). Deuxièmement, il n’est pas toujours évident d’atteindre le niveau d’intégration souhaité et de faire un compromis entre différents choix tranchants (Oliva and Watson 2011,Sodhi and Tang 2011), comme avoir à considérer le risque de sur-plus de production vs. le risque d’être en pénurie. A cela s’ajoute la difficulté de gérer les incertitudes (Feng, D' Amours, and Beauregard 2010,Chen-Ritzo et al. 2010) et l’intégration inter-entreprises (Affonso, Marcotte, and Grabot 2008), ainsi que la complexité de mesurer la performance d’un tel processus (Hulthén, Naslund, and Norrman 2017). Dans ce sens,
Thomé et al. (2012) andTuomikangas and Kaipia(2014) témoignent de l’importance de la recherche académique afin de surmonter ces défis, et particulièrement les études de cas dans
différents contextes à l’instar deOliva and Watson(2011) dans l’industrie électronique,Lim, Alpan, and Penz(2017) dans l’industrie automobile,Wery et al.(2018) dans l’industrie fores-tière, etc.
Les revues deThomé et al.(2012),Tuomikangas and Kaipia(2014) etKristensen and Jonsson
(2018) proposent de considérer dans les recherches futures sur le S&OP la complexité et les caractéristiques spécifiques à chaque industrie. En particulier, cette thèse met l’accent, d’une part, sur la valeur d’implanter un tel processus dans l’industrie du bois d’œuvre caractérisée par des processus divergents, une demande saisonnière et des clients hétérogènes. D’autre part, elle souligne l’intérêt d’intégrer le S&OP avec les concepts de gestion des revenus, ce qui n’a pas été abordé auparavant dans la la littérature.
1.3.3 Satisfaction de la demande, promesse de livraison et gestion des revenus
Satisfaction de la demande et promesse de livraison
Contrairement au processus S&OP qui concilie sur le moyen terme le plan de ventes avec les capacités de l’entreprise (voir la Figure1.7), la satisfaction de la demande ("Demand ful-fillment") permet de traiter les commandes en temps réel et de générer des promesses de livraison ("Order promising") en se basant sur les informations sur la capacité (Stadtler and Kilger 2005).
À partir des prévisions de la demande et en tenant compte des contraintes de la capacité, il est possible de calculer les quantités disponibles à la vente (Available-To-Promise ATP) à un moment donné dans le temps, ce qui constitue la portion d’inventaire et de production planifiée maintenue par le calendrier directeur de production et des plans des besoins ma-tières. Connaissant l’ATP, des décisions d’allocation aux commandes doivent être prises. Ces décisions dépendent de la position du point de découplage (Fleischmann and Meyr 2003), séparant les parties de la chaîne d’approvisionnement pilotées par prévision des parties pi-lotées par les commandes (voir la Figure1.8).
FIGURE1.8 – Point de découplage selon le type d’environnement de production. Adapté de
Fleischmann and Meyr(2003)
Dans un environnement de fabrication pour les stocks (Make-To-stock MTS) où les processus d’approvisionnement et de production sont pilotés par prévision, l’allocation d’ATP se fait au niveau des produits finis selon différentes règles d’allocation. Dans la littérature, on fait souvent référence à l’étude dePibernik (2006). Ce dernier a fourni des heuristiques et des programmes linéaires associés à des logiques d’allocation simples et a analysé le potentiel de ces mécanismes à contribuer à une gestion efficace de l’allocation de l’ATP dans une situation de rupture de stock.
Gestion des revenus (Revenue management RM) pour les systèmes manufacturiers
Dans un mode de contrainte de l’approvisionnement où toute la demande ne peut pas être comblée, plusieurs recherches se sont basées sur les concepts de RM afin de résoudre le pro-blème d’allocation d’ATP. Le RM est considéré comme une méthode optimale permettant d’assurer des prix moyens de vente plus élevés et une relation plus forte avec les clients ayant une volonté à payer (Stadtler and Kilger 2005). SelonPhillips(2005), le RM est défini comme l’ensemble de stratégies et de techniques permettant de gérer l’allocation des
capa-cités aux différentes classes de clients et de conserver les capacapa-cités réservées à chaque classe en discernant les limites de réservations de chaque classe dans l’objectif de maximiser les revenus.
Le RM a connu des grands succès dans les entreprises de service, notamment dans les com-pagnies aériennes, les hôtels, etc.Quante, Meyr, and Fleischmann(2009) ont été les premiers à explorer les domaines d’application du RM dans un environnement manufacturier. Dans cet article, ils ont différencié entre l’approche traditionnelle de RM où l’approvisionnement est non considéré et l’approche par allocation du disponible à la vente (allocated Available-To-Promise aATP) où l’approvisionnement est une donnée exogène. Inspiré du RM, le prin-cipe d’aATP consiste à allouer les ressources rares de l’entreprise aux classes de clients priori-taires dans le but de maximiser les revenus. La planification d’aATP dans le cas déterministe est généralement composée de deux étapes : la planification de l’allocation et la consomma-tion en temps réel. La première étape se fait à moyen terme et consiste à affecter l’ATP à un nombre défini de classes de clients. Les quantités allouées aux différentes classes sont par la suite consommées à temps réel par la deuxième étape (Meyr 2009,Azevedo, D' Amours, and Rönnqvist 2016).
Dans la littérature, on a procédé différemment pour identifier les classes de clients. Meyr
(2009) a utilisé une mesure artificielle qui décrit l’importance de l’ordre, remplaçant ainsi les règles d’allocation basées sur la maximisation de profit et permettant de différencier les clients et de répondre aux commandes de façon immédiate. Il a appliqué cette approche dans un environnement MTS, en considérant un seul produit dans un site de l’industrie du luminaire.
En partant de cette étude, Azevedo, D' Amours, and Rönnqvist (2016) ont appliqué l’ap-proche d’aATP pour une entreprise du bois d’œuvre à l’Est du Canada, distribuant ses pro-duits principalement à l’Est du Canada et aux marchés Nord-américains. La clientèle a été classifiée en six segments. En effet, l’Est canadien et la zone des Grands Lacs d’Amérique du Nord ont été considérés comme deux divisions géographiques différentes à cause de la différence des comportements de prix et des coûts de transport et de la fluctuation du taux de change entre le dollar américain et le dollar canadien. Chaque division a été aussi décom-posée en trois niveaux de sensibilité des clients au prix.
En considérant plusieurs produits, Azevedo, D' Amours, and Rönnqvist (2016) ont déve-loppé un modèle de promesse de livraison basé sur l’aATP afin d’optimiser le revenu net total de la compagnie, représentée comme un environnement MTS multisite. Dans une pre-mière étape, la planification de l’allocation permet de réserver de l’ATP aux différentes classes de clients en se basant sur des informations déterministes liées aux prévisions de la demande et du prix. L’horizon de planification de l’allocation considéré est de quatre
commandes arrivant de façon aléatoire. Pour chaque commande reçue, l’approvisionnement d’ATP se fait à partir du nœud le plus proche, de façon à ce que tous les produits d’une commande soient retirés du même nœud. Dans le cas où la demande dépasse à la quan-tité allouée dans la première étape, la priorité est accordée aux segments de clients les plus rentables.
En réalité, la demande n’est pas déterministe. Par conséquent, Quante, Fleischmann, and Meyr(2009) ont traité le cas stochastique pour plusieurs classes hétérogènes de clients et ont développé un modèle qui permet de décider si l’ordre est accepté, rejeté ou mis en attente avec une pénalité de retard. L’étude a permis de caractériser une politique de satisfaction de la demande optimale, puis de la comparer avec la politique d’allocation déterministe développée par Meyr(2009). Contrairement à l’étude de Quante, Fleischmann, and Meyr
(2009) qui a supposé que chaque commande doit être livrée à la même période où elle a été reçue, on a considéré dans cette thèse des délais de livraison qui suivent une loi triangulaire de paramètres variables selon le type de client.
Dans les environnements ATO (Assemblate-To-Order ou assembler sur commande) et CTO (Configure-To-Order ou configurer sur commande), la production des composants est pilo-tée par prévision. L’allocation d’ATP est donc appliquée au niveau des composants.Tsai and Wang(2009) sont parmi les premiers à considérer les concepts de gestion des revenus dans un contexte similaire. Récemment,Guhlich, Fleischmann, and Stolletz(2015) ont développé une heuristique d’enchères pour un système de production ATO faisant face à une demande stochastique.
Dans les environnements MTO (Make-To-Order ou produire sur commande), l’approvision-nement se fait à partir des prévisions, tandis que la production, l’assemblage et la distribu-tion dépendent de la récepdistribu-tion des commandes. L’ATP dépend ainsi de la disponibilité des composants et des contraintes de capacité afin de permettre de générer une date promise. Dans ce contexte,Spengler, Rehkopf, and Volling(2007) ont développé une approche de RM pour améliorer la sélection des commandes à court terme dans l’industrie de fer et acier. Des études plus récentes ont utilisé la programmation dynamique et des modèles de RM basés sur des politiques de fixation de prix ("pricing") dans des environnements ATO et MTO. Vol-ling et al.(2011), par exemple, ont traité le cas d’un seul site, contrairement àTsai and Wang
(2009) qui ont considéré le cas multisite.
Dans toutes les études présentées, l’application de la gestion des revenus est abordée en considérant un plan fixe d’approvisionnement/production et un horizon de planification à court terme, ignorant ainsi le profit potentiel qui peut être généré en anticipant la demande à moyen terme. Cette thèse permet, grâce au S&OP, d’inclure les décisions tactiques d’appro-visionnement et de production afin de profiter de la saisonnalité des prix et de la demande. Ces décisions sont réajustées en considérant un horizon roulant de planification.
1.3.4 Substitution des produits
La substitution des produits est une pratique commune qui vise à faire face aux pénuries dans un contexte de capacité limitée et à faire écouler le stock (particulièrement, dans le cas de coproduction). Cette pratique présente un potentiel d’efficacité (Lang 2010) puisqu’elle permet d’assurer un meilleur niveau de service (combler les pénuries en cas de rupture de stock) et de réduire les coûts de stockage, les coûts de mise en route (produire en grands lots des produits pouvant être des substituants pour d’autres produits), les coûts unitaires (produire des substituants dont le coût est inférieur que le produit original) et les gaspillages (par exemple, dans le cas des produits périssables).
Parmi la littérature abondante sur les modèles de substitution,Lang(2010) a présenté une vue d’ensemble sur les modèles de gestion de stocks et de production avec substitution. En particulier, il a illustré comment la substitution des produits peut être introduite dans le cadre décisionnel de la chaîne d’approvisionnement. De plus, il a discuté des options de substitution dans différents problèmes de lotissement et d’ordonnancement.
La décision de substitution peut être prise au niveau tactique. Ervolina et al. (2009), par exemple, ont proposé un modèle tactique d’allocation dans un contexte ATO. Ce modèle permet de considérer le disponible à la vente (ATP) d’un produit donné, ainsi que l’ATP de tous ses substituants. L’étude de cas dans une entreprise de production d’ordinateurs, offrant plusieurs alternatives de substitution, a démontré un grand potentiel à gérer les surplus et à réduire les couts de stockage. Cette étude a considéré les plans de production comme données exogènes, contrairement aux travaux de cette thèse.
Le concept de substitution au niveau opérationnel a été largement abordé dans la littéra-ture de la gestion des revenus (RM), mais plus pour le secteur de service (voir par exemple,
Talluri and Van Ryzin(2004),Phillips (2005),Petrick et al. (2010,2012),Gönsch, Koch, and Steinhardt(2014)). En particulier,Steinhardt and Gönsch(2012) ont proposé différentes for-mulations dynamiques de contrôle de la capacité en considérant l’option de sur-classement ("upgrading"). Les auteurs ont démontré qu’intégrer le RM et le sur-classement performe mieux que les approches de RM conventionnelles.
Dans un contexte manufacturier, la plupart des études ont traité la substitution comme un comportement des clients en conséquence des décisions des prix ("pricing") :Gurler, Oztop, and ¸Sen (2009) ont traité le cas d’un détaillant offrant deux produits périssables et substi-tuables pour une seule période. Ils ont considéré la demande comme fonction des prix des deux produits et ont démontré que le profit optimal dépend de la relation de corrélation entre la demande des deux produits. Sibdari and Pyke(2010) se sont intéressés au cas de deux entreprises concurrentes offrant des produits substituables. Ils ont proposé un modèle dynamique utilisant la théorie de jeu pour décider des prix des produits pour chaque
en-par la différence des prix des produits substituables sur les décisions optimales de prix et de production pour le cas d’une seule période. Contrairement à ces trois études, notre troisième contribution considère la substitution comme une décision de l’entreprise et investigue l’im-pact de cette pratique dans un environnement multipériode grâce à la planification en hori-zon roulant. Dans notre cas, nous analysons la possibilité de vendre au client un produit de qualité supérieure à la qualité du produit demandé.
1.3.5 Évaluation des systèmes industriels
Simulation en horizon roulant
La planification des systèmes industriels est un problème complexe incorporant des dé-cisions interreliées à différents niveaux (Kibira, Shao, and Johansson 2016). Plusieurs mé-thodes utilisées pour évaluer les processus de planification font l’hypothèse d’un environne-ment statique, alors les plans développés peuvent ne pas être optimaux dans un contexte où différents événements se manifestent de façon dynamique. Dans ce contexte, la simulation en horizon roulant est largement utilisée afin de capter l’évolution des données à temps réel au cours du temps.
Dans la littérature, plusieurs études sur des problèmes de lotissement et d’ordonnance-ment (voir par exempleMeixell(2005),Al-Ameri, Shah, and Papageorgiou(2008),Torkaman, Ghomi, and Karimi (2017)) ont démontré que la planification en horizon roulant permet de générer des solutions plus réalistes que la planification à horizon fixe, et en particulier dans un contexte d’incertitude (voir par exemple Boulaksil (2016),Knoblich, Heavey, and Williams(2015),Quddus et al.(2017),Rahdar, Wang, and Hu(2018)). Dans le contexte fores-tier,Feng, D' Amours, and Beauregard(2010) ont présenté des modèles de simulation en ho-rizon roulant afin d’analyser de la performance d’un processus de planification des ventes et des opérations (S&OP) entièrement ou partiellement intégrée. L’étude a également comparé la performance des modèles en horizon roulant à la performance des modèles déterministes à horizon fixe et a montré que, malgré l’importance des modèles déterministes pour la re-cherche théorique, ils ne sont pas suffisants pour le support à la décision et l’évaluation des performances dans un environnement d’affaires réel. Une étude plus récente deRafiei et al.
(2014) a proposé une plateforme d’optimisation et de simulation en horizon roulant permet-tant de comparer différentes politiques de re-planification périodique de la production, tout en tenant compte des caractéristiques complexes de l’industrie de la seconde transformation du bois. Dans cette thèse, on a utilisé la simulation en horizon roulant afin de prendre en compte les engagements de vente et les niveaux d’inventaires lors de la re-planification.
Planification d’expériences et métamodèles
Afin de conduire la simulation de manière efficace et de générer des conclusions avec le minimum d’essais possible, on a besoin d’une démarche rigoureuse de réflexion et d’analyse.
La planification d’expériences est l’art d’organisation des essais et de leur enchaînement au cours de l’expérimentation (Goupy 2015). Cet outil a été largement utilisé dans différents domaines de recherche comme la chimie, la gestion de qualité, etc (Kleijnen et al. 2005). Dans le contexte de gestion de la chaine d’approvisionnement, les plans factoriels et les plans Taguchi ont été les plus utilisées (voir par exemple,Bottani and Montanari(2010),Sandhu, Helo, and Kristianto(2013),Dev, Shankar, and Debnath(2014) etHussain, Khan, and Sabir
(2016) pour des problèmes de gestion de stock,Nedaei and Mahlooji(2014) etAssarzadegan and Rasti-Barzoki(2016) pour des problèmes d’ordonnancement etSanta-Eulalia et al.(2011) etOlaitan and Geraghty(2013) pour le contrôle de la production).
Pour l’évaluation des systèmes de simulation dans un contexte de gestion de la chaîne d’ap-provisionnement, plusieurs chercheurs, notamment Kleijnen et al.(2005) etLaw(2015), re-commandent fortement d’utiliser les plans de remplissage d’espace ("space-filling designs") pour deux principales raisons. Premièrement, ce type de plans est flexible pour la concep-tion puisqu’il impose peu de restricconcep-tions sur les facteurs et les valeurs, tout en minimisant le nombre d’expériences. Deuxièmement, le concept de remplissage d’espace facilite l’analyse en permettant de construire différents types de métamodèles complexes et de considérer les interactions à des degrés élevés vu que pour chaque couple de facteurs, on trouve diffé-rentes combinaisons de valeurs. La Figure1.9montre un exemple de cas de deux facteurs et permet de comparer l’espace couvert (càd, les différentes combinaisons de valeurs des deux facteurs) par un plan de remplissage d’espace comparé à un plan factoriel.
Afin d’analyser les résultats générés par un plan d’expériences, l’usage de métamodèles est très répandu dans la littérature en simulation. En effet, un métamodèle permet de prévoir les résultats d’un modèle de simulation en réponse à un ensemble de paramètres donné. Il permet ainsi de projeter le comportement du modèle de simulation face aux différentes configurations possibles (Law 2015). La technique de krigeage ("kriging") est une approche d’interpolation recommandée pour les modèles aléatoires tels que les modèles de simulation (Law 2015). Elle permet de générer un métamodèle faisant une approximation globale de la fonction entrées/sorties (contrairement aux métamodèles polynomiaux où l’approximation est locale), ce qui est adapté aux modèles de simulation qui couvrent un espace assez large (Kleijnen 2017).
Dans cette thèse, on est amené à faire des expériences coûteuses en terme de temps. Spé-cifiquement dans notre deuxième contribution, plusieurs facteurs ont été considérés. On a donc utilisé un plan de remplissage d’espace et des métamodèles de krigeage afin d’obtenir le maximum d’informations tout en minimisant le nombre d’expériences. Dans la littérature, cette procédure a été peu utilisée afin d’évaluer un système industriel complexe tel que celui étudié dans cette thèse.
FIGURE1.9 – Comparaison d’un plan factoriel à un plan de remplissage d’espace pour le cas de deux facteurs. Adapté deSoderborg(2009)
1.4
Contributions de recherche et structure de la thèse
Afin de répondre aux différentes problématiques évoquées dans la Section1.2, nous propo-sons trois contributions. Le but est d’amener de nouvelles approches intégrées de gestion de la demande pour supporter la prise de décision dans les entreprises du bois d’œuvre. Ces contributions ont été structurées dans ce rapport de thèse sous forme de trois chapitres. 1.4.1 Chapitre 2
Le chapitre 2 présente le premier article de cette thèse, intitulé "Integrating Revenue Ma-nagement and Sales and Operations Planning in a Make-To-Stock environment : Softwood lumber case study". Premièrement, un cadre décisionnel permettant de supporter les respon-sables des ventes dans un environnement MTS est fourni (voir la Figure 1.10). Un proces-sus pour la gestion de la demande faisant intervenir les différentes fonctions de l’entreprise est proposé. Il permet de mettre en évidence les rétroactions entre les niveaux de planifica-tion, ainsi que les entrées/sorties de chaque étape du processus. Ce processus intègre deux concepts communs en gestion de la demande (à notre connaissance, aucune publication n’a étudié la valeur de l’intégration de ces deux concepts ensemble), soit la planification des ventes et des opérations (S&OP) et la gestion des revenus (RM). Sur un horizon roulant d’une année, on considère les décisions à prendre sur différents niveaux de planification et
FIGURE1.10 – Éléments de recherche du premier article
à différentes fréquences dans le cas d’une entreprise composée de plusieurs sites de produc-tion et visant des segments hétérogènes de clients.
Deuxièmement, on reformule deux modèles de programmation linéaire (un modèle de S&OP pour les entreprises du bois d’œuvre et un modèle de promesse de livraison basée sur les concepts RM) déjà fournis par des études antérieures afin d’introduire la planification des allocations et de permettre la réaffectation des commandes. En effet, l’objectif est d’offrir la possibilité de changer en temps réel les décisions d’allocation, la manière avec laquelle les commandes seront satisfaites et à partir de quels sites elles seront livrées tant que les com-mandes fermes ne sont pas expédiées. Une plateforme d’optimisation et de simulation est développée afin d’assurer la planification en horizon roulant.
Finalement, on évalue les bénéfices d’intégrer le S&OP et le RM en considérant comme in-dicateurs le profit annuel, les ventes annuelles et le pourcentage de satisfaction des clients prioritaires (les clients les plus payants dans notre cas d’étude). On propose de réaliser une simulation en horizon roulant sur une année et de comparer la performance du processus intégré aux performances des processus conventionnels de gestion de la demande
consi-S&OP, un processus considérant seulement le RM et un processus considérant une simple approche premier-arrivé premier-servi pour la promesse de livraison sans aucune planifica-tion tactique). Les résultats de simulaplanifica-tion sont valables sous réserve de certaines hypothèses présentées dans la Figure1.10. La Figure synthétise également le problème, la méthodologie et les contributions du premier article.
1.4.2 Chapitre 3
Le chapitre 3 présente le deuxième article de cette thèse, intitulé "Configuration and evalua-tion of an integrated demand management process using a space-filling design and Kriging metamodeling". Dans cette étude, on examine la capacité des processus intégrés de gestion de la demande à performer face à différentes situations du marché (voir la Figure1.11).
FIGURE1.11 – Éléments de recherche du deuxième article
L’idée est d’investiguer les effets de facteurs variés du marché (soit l’intensité de la demande comparée à la capacité, la précision des prévisions, l’hétérogénéité des clients manifestée par la différence entre les prix offerts par les multiples segments de clients, la variabilité de la taille des commandes). A cette fin, on utilise la plateforme d’optimisation et de simulation développée dans le premier article afin d’évaluer, via une simulation en horizon roulant, la performance de différents processus intégrés de gestion de la demande. On propose de
