25705
TRANSCRIPT
-
7/28/2019 25705
1/73
FABIN CID YEZ
VALUATION DES STRATGIES FLUX TIR ETFLUX POUSS DANS LA PRODUCTION DE BOIS
DUVREUne approche base sur des agents
Mmoire prsent la Facult des tudes suprieures de lUniversit Laval
dans le cadre du programme de matrise en sciences du boispour lobtention du grade de Matre s sciences (M.Sc.)
DPARTEMENT DE SCIENCES DU BOIS ET DE LA FORTFACULT DE FORESTERIE ET DE GOMATIQUE
UNIVERSIT LAVALQUBEC
2008
Fabin Cid Yez, 2008
-
7/28/2019 25705
2/73
i
Rsum
Lobjectif de ltude est dvaluer des stratgies en flux tir et flux pouss pour la
planification de la production en utilisant comme cas dtude une usine de sciage situe au
Qubec. Un outil de planification de la production (APS, Advanced Planning and
Scheduling System), bas sur une architecture logicielle distribue, simule les divers
processus de production et planification des oprations de la scierie (approvisionnement,
sciage, schage, rabotage, entreposage et distribution) en les reprsentant comme des agents
logiciels spcifiques. Pour les expriences, des configurations de pilotage dfinies par deux
facteurs contrlables sont utilises, savoir : la position du point de dcouplage et les
niveaux des contrats pour une famille de produits. Ensuite, des scnarios ont t dfinis par
deux facteurs non contrlables : la qualit de lapprovisionnement et le diffrentiel des prix
pour les produits viss par les contrats. Ces configurations et ces scnarios gnrent un plan
dexpriences de niveaux mixtes avec cinquante-quatre expriences. Pour chacun des 54
plans de production gnr par lAPS trois indicateurs de performance sont calculs : le
taux de service, le niveau de stock de produits en-cours et le profit potentiel de la
production (Potential Monetary Throughput). Les rsultats montrent une relation directe
entre le niveau de pntration du point de dcouplage, le flux tir et le taux de service, pourchaque niveau de demande des produits tirs par les contrats. Ainsi, une planification qui
incorpore le flux tir gnre en moyenne une augmentation de performance de 100% dans
le niveau de service, par rapport une planification en flux pouss pour tous les niveaux de
contrats. Cette augmentation de la performance du niveau de service a un cot financier
dapproximativement 7% du profit potentiel, lequel devrait tre compens par de meilleures
conditions des contrats (un premium pay sur le prix march) et des cots de stockage plus
bas. Ce compromis savre un rsultat direct de la divergence dans la production de
bois duvre. Ainsi, dans un contexte daffaires qui privilgie la qualit du service et o les
clients sont prts payer pour ce service, lutilisation de ces stratgies de planification de la
production, o le point de dcouplage est situ en amont de la chane, est une opportunit
possible davantage concurrentiel.
-
7/28/2019 25705
3/73
ii
Abstract
The objective of this study is the evaluation of pull and push strategies in lumber
production planning using a Quebec sawmill as case study. An Advanced Planning and
Scheduling System (APS), based on a distributed software architecture, simulates the main
operations planning and production processes of the sawmill (sourcing, sawing, drying,
finishing, warehousing and delivery) representing them as autonomous software agents.
Push and pull strategies are simulated using different penetration positions of the demand
information decoupling point over the value chain. To set experiments, configurations are
defined by two controllable factors, namely: the decoupling point position and the level of
contracts for a product family. Following, a set of scenarios are generated by two
uncontrollable factors: the quality of supply and market prices differential for products
under contracts. These configurations and scenarios leads to a mixed levels experimental
design with fifty four runs. Three performance indicators: orders fill rate, work in process,
and potential monetary throughput; are calculated for every one of the 54 production plans
generated by the APS. Results show a direct relation between the orders fill rate and the
position of the decoupling point, pull strategy, for the three levels of demand on products
under contract. Accordingly, at every demand level, production plans under pull strategiesgenerate improvements of 100% compared with equivalent plans under push strategy. This
service level performance improvement has a financial cost of about 7% of the Potential
Monetary Throughput which should be compensated externally with better contract
conditions and internally by lower costs of inventory management. This trade-off seems to
be a direct consequence of the divergent nature of lumber production. Consequently, in a
business context that privileges service quality and where customers are willing to pay for
it, the use of this kind of demand driven strategies in production planning represents a
source of competitive advantage.
-
7/28/2019 25705
4/73
iii
Avant-propos
Ce mmoire, crit en modalit dinsertion darticle, comprend une introduction, deux
chapitres et une conclusion gnrale. Le premier chapitre prsente une revue de littrature
approfondie sur le sujet trait dans larticle et elle est complmentaire celui-ci. Le
deuxime chapitre est compos de larticle intitul Agent-Based Simulation and Analysis
of Demand-Driven Production Strategies in the Lumber Industry . Cet article a t accept
dans International Journal of Production Research. Larticle est cocrit avec Jean-Marc
Frayret, Franois Lger et Alain Rousseau. Dr. Frayret est membre du Consortium FORAC
et professeur adjoint au Dpartement de mathmatique et gnie industrielle de lcole
polytechnique de Montral. Il a particip en tant que directeur de recherche, rviseur et
correcteur des manuscrits. Dr. Franois Lger, professeur associ au Dpartement de gnie
mcanique et celui des sciences du bois et de la fort de lUniversit Laval, est co-auteur
de par son support en tant que codirecteur de recherche. Enfin, M. Rousseau a collabor en
tant que directeur des projets industriels au Consortium de recherche FORAC et principal
responsable du dveloppement de loutil de planification. La responsabilit de mener
terme ce projet reposait sur le candidat qui prsente ce mmoire. Les rsultats de ce travail
ont t prsents dans deux congrs (Forest Products Society 59th International Conventionet 19th International Conference on Production Research).
Arriv ce point cest le moment prcis, et prcieux, pour remercier toutes les personnes et
entits qui ont contribu la ralisation et au succs de ce qui est faonn dans ce mmoire
et capitalis dans mon exprience.
Tout dabord, cest loccasion de reconnatre leffort dploy par mon directeur pour arriver
bon port avec ce projet. Jean-Marc, je suis trs reconnaissant des sacrifices que tu as faits
pour me soutenir dans cette tche, merci. Ces remerciements je les adresse aussi Alain
Rousseau et M. Lger : merci particulirement pour votre temps et votre support. Je
remercie aussi Sophie DAmours pour avoir eu la vision de donner naissance au
Consortium Forac et la force de caractre pour le faire vivre.
-
7/28/2019 25705
5/73
ivTout au long du projet jai ctoy des personnes qui ont su prendre le temps de maider. Je
les remercie, en commenant par lquipe Forac en gnral et Pascale Plamondon en
particulier, pour leur travail toujours professionnel et leur humour naturel, toujours a flor
de piel . Je tiens aussi remercier Forintek et Francis Fournier en particulier pour son
support avec Optitek. En mme temps, en la personne dYves Lemieux, je veux faire
extensifs mes remerciements la compagnie et aux personnes qui mont accueilli et ont
facilit laccs aux donnes pour configurer notre tude de cas. Jaimerais aussi remercier
le personnel enseignant et de support au Dpartement de sciences du bois et de la fort de
lUniversit Laval pour nous aider faire de la vie dtudiant une exprience enrichissante.
Dans le domaine plus personnel, je veux tmoigner dune reconnaissance spciale aux
copains dtudes que jai eu la chance de rencontrer lors de ces tudes de matrise. Leur
courage est toujours un exemple motivant pour avancer dans ce chemin, leur compagnie un
souvenir qui maccompagnera toujours. Comment ne pas se sentir chanceux de se promener
en Chine, Iran ou Brsil tout en profitant du terroir qubcois ? Je repars de cette aventure
avec un beau nombre damis.
Finalement, ma gratitude pour toi Fabienne, qui ma accompagn, soutenu et rjoui tout au
long de cette belle priode.
-
7/28/2019 25705
6/73
Pour tous ceux qui mont donn leur temps,pour marcher, pour apprendre, pour rire,
pour aimer et pour vivre.
-
7/28/2019 25705
7/73
vi
Table des matires
Rsum.....................................................................................................................................iAbstract .................................................................................................................................. ii
Avant-propos ........................................................................................................................ iiiTable des matires .................................................................................................................viListe des tableaux................................................................................................................. viiListe des figures .................................................................................................................. viiiIntroduction.............................................................................................................................1Chapitre 1. Stratgies de pilotage des flux de production : revue de littrature................4
1.1 Dynamique des flux de matires dans la chane de cration de valeur...................51.2 Stratgies pour planifier et piloter les flux de production : pousser ou tirer?.........9
1.2.1 Techniques dimplmentation des stratgies ................................................121.2.2 Outils de recherche et dapplication industrielle ..........................................14
1.3 Planification de la production de bois duvre ....................................................20
Rfrences.............................................................................................................................22Chapitre 2. Agent-Based Simulation and Analysis of Demand-Driven ProductionStrategies in the Lumber Industry.........................................................................................28
2.1 Abstract.................................................................................................................282.2 Rsum..................................................................................................................292.3 Introduction...........................................................................................................292.4 Research context ...................................................................................................31
2.4.1 Characterization of the lumber production process ......................................312.4.2 Production planning and control in the lumber industry ..............................332.4.3 Decoupling point strategies ..........................................................................35
2.5 Research objective, method, and tools..................................................................37
2.5.1 Introduction to supply chain simulation .......................................................382.5.2 Research objective and method overview ....................................................392.5.3 Experimentation platform .............................................................................40
2.6 Experimental case definition ................................................................................442.6.1 Sawmill case study modeling .......................................................................442.6.2 Modeling of the decoupling point positions .................................................45
2.7 Experimental design and simulation.....................................................................472.7.1 Experimental design .....................................................................................472.7.2 Performance measurement framework .........................................................49
2.8 Results and discussion ..........................................................................................522.8.1 Logistic performance ....................................................................................52
2.8.2 Financial performance ..................................................................................562.9 Conclusion ............................................................................................................592.10 Acknowledgements...............................................................................................60
Conclusion gnrale..............................................................................................................61Bibliographie ........................................................................................................................62
-
7/28/2019 25705
8/73
vii
Liste des tableaux
Tableau 1-1 : Caractristiques des stratgies de production avant et aprs le PDD, selonOlhager (2003)..............................................................................................................11
Tableau 1-2 : Classement gnrique des techniques de planification et contrle de la
production .....................................................................................................................14Tableau 1-3 : Relation entre les diffrents outils et mthodes appliqus aux problmes lis la planification de la production ...................................................................................18
Table 2-1: Advanced planning tools features .......................................................................43Table 2-2: Case study general characteristics.......................................................................45Table 2-3: Configuration and scenario elements ..................................................................48Table 2-4: ANOVA Tables...................................................................................................55Table 2-5: Loss and premium calculations for 60 days of production .................................59
-
7/28/2019 25705
9/73
viii
Liste des figures
Figure 1-1 : lments retenus pour valuer la performance de la dynamique de la chane decration de valeur............................................................................................................8
Figure 1-2 : Facteurs affectant le positionnement du PDD. Olhager (2003)........................11Figure 1-3 : Matrice de la chane de cration de valeur (Meyret al. 2005) .........................15Figure 1-4 : Outils dapplication et recherche sur la matrice de planification de la chane .16Figure 2-1: Product flow divergence in sawmilling .............................................................32Figure 2-2: Tested decoupling point positions .....................................................................37Figure 2-3: Modeling of the decoupling point strategies......................................................42Figure 2-4: Agent coordination protocol ..............................................................................47Figure 2-5: Performance assessment framework..................................................................50Figure 2-6: Weighted Fill Rate performance........................................................................53Figure 2-7: Coefficient of variation of WFR........................................................................54Figure 2-8: Daily Average WIP performance (DAWIP) ......................................................56
Figure 2-9: Potential Monetary Throughput (PMT).............................................................57
-
7/28/2019 25705
10/73
1
Introduction
Lors de larrive dune crise, lexprience nous indique quon peut prendre deux chemins :
une mise en garde passive pour minimiser les risques, ou une prise de position active pour
profiter des opportunits. Dans ce travail, on suit la deuxime logique pour la recherche de
solutions la situation de crise que traverse lindustrie forestire au Qubec actuellement.
Les opportunits que lon veut exploiter dans cette recherche passent par linnovation des
faons de faire dans la gestion des flux de matires des agents de cration de valeur de
lindustrie du bois duvre. Notre approche dcoule dune valorisation des modles
daffaires centres client. Ces modles permettent que linformation de demande du march
dtermine plus fortement les dcisions oprationnelles de production.
Historiquement, les faons damliorer la performance dans lindustrie du bois duvre
qubcoise ont fortement repos sur une recherche continue dune plus grande efficience
tant au niveau du coefficient de transformation -pmp (pied mesure de planche) de produit
par m3 consomms- que de la productivit globale. Cette recherche sest principalement
matrialise en termes de technologies trs performantes pour augmenter le rendement
matire des usines de sciage tout en composant avec des billes chaque fois plus petites. Or,
ces logiques defficience marchent trs bien dans des conditions de march fortement
standardises o la demande est assure, quelques soient les produits transforms.
Cependant, les marchs daujourdhui ne rpondent plus exactement ces caractristiques.
Les nouveaux contextes daffaires demandent des rponses plus ajustes et des relations
plus collaboratives. Par exemple, les grands acheteurs commerciaux veulent tendre
lapplication des relations dapprovisionnement du type VMI (Vendor Managed Inventory)
pour partager les risques associs la gestion du stock. En mme temps, les conditions
chaque fois plus complexes dans le march des tats-Unis, marqu par les quotas, la fortevaleur du dollar canadien ou la concurrence accrue des producteurs fortement comptitifs
sur les prix, obligent les producteurs qubcois innover dans la faon dy placer leurs
produits. Cela implique que les conditions qui agissaient comme gagnantes de march
(market winners), tel que le cot ou le volume, sont devenues des conditions qualifiantes de
march (market qualifiers). Leur place devrait tre prise par des facteurs tels que la vitesse
-
7/28/2019 25705
11/73
2de rponse ou la fiabilit du service, comme cela arrive dj dans dautres marchs (Maness
et Norton; 2002; Todoroky et Rnnqvist, 2002; Gustafsoon, 2003; Palmer et Selen 2004;
Vila et al., 2005). De plus, les conditions dopration des usines deviennent de plus en plus
difficiles avec des cots dapprovisionnement qui augmentent, la fibre qui se rarfie et la
qualit de la matire premire qui diminue (Coulombe et al., 2004). Dans ce contexte, il est
ncessaire dexplorer des mcanismes de gestion de la production qui facilitent un meilleur
positionnement concurrentiel et aident mieux cibler le march.
Il sagit alors dtudier ladoption dune vision de chane de cration de valeur intgre et
capable de rpondre efficacement aux nouveaux besoins du march. Pour ce faire, les
principes daffaires des philosophies centres client, accompagns de lutilisation de
mthodes de recherche oprationnelle et dune forte composante de technologies de
linformation et de communication pour la prise de dcision, peuvent contribuer aider
lindustrie du bois duvre. Ainsi, une des faons dincorporer des approches centres
clients sur la chane de cration de valeur est travers des stratgies qui permettent que les
flux dinformation lis la demande circulent en amont pour la prise de dcisions. De cette
faon, lhypothse de ce travail se base sur la possibilit damliorer la performance et
atteindre des meilleurs niveaux de service en incorporant des stratgies de flux tir, tout en
diminuant les niveaux dinventaires prsents dans la chane de cration de valeur de
lindustrie. Cependant, le systme productif du bois duvre possde la complexit dtre
divergent. Ce phnomne gnre des flux de produits concurrents, ce qui peut diminuer les
avantages potentiels des pratiques bases sur le flux tir compar au cas de processus de
production discrte. Cest dailleurs dans ce dernier type dindustrie que les approches de
planification et contrle de la production bases sur des logiques en flux tir voient le plus
dapplications (Sendil Kumar et Panneerselvam, 2007).
Dans ce travail nous avons utilis un logiciel de simulation pour comparer une approche
centre client, pour grer les flux de produits dans une usine de sciage, aux approches
traditionnelles en flux pouss. Ce logiciel, la plateforme Forac, est bas sur une technologie
distribue, o chaque processus de la scierie est reprsent par un agent logiciel ayant une
certaine autonomie pour planifier sa production en fonction de linformation disponible.
Ainsi, les stratgies de flux sont implmentes par lentremise du positionnement du point
-
7/28/2019 25705
12/73
3de dcouplage diffrents endroits sur la chane de cration de valeur. Le point de
dcouplage (PDD) reprsente le point dans la chane de cration de valeur o les flux de
matriaux ou dinformation changent de logique de circulation de flux pouss flux tir. Il
est aussi un point o les dcisions se dconnectent d au changement de responsabilit sur
les flux. Il en ressort que ce point dans la chane peut tre identifi par une forte prsence
de matriaux ou dinformation stocks.
Lobjectif est dvaluer la performance du systme de production avec diffrentes
configurations du point de dcouplage dans des contextes varis de contrats de ventes. Plus
gnralement, lvaluation des impacts logistiques et financiers permet de mettre en
vidence les compromis faire pour arriver tirer profit de lintroduction dune approche
centre client dans un processus de production divergent.
-
7/28/2019 25705
13/73
4
Chapitre 1. Stratgies de pilotage des flux deproduction : revue de littrature
Trouver les causes des problmes ou faiblesses dans la performance de la chane de
cration de valeur, et formuler des stratgies pour les rsoudre, demande une
comprhension accrue de la complexit des phnomnes lis la dynamique de ce systme.
Malheureusement, dans lindustrie de bois duvre, la littrature sur des aspects lis la
gestion de la chane de cration de valeur est rare, en particulier au niveau nord amricain.
Les premiers travaux publis sur ce sujet datent du dbut des annes quatre-vingt. Ils
prsentent des recherches pour rsoudre des problmes spcifiques lis loptimisation des
flux dans les diffrents sous-processus : dbitage ou schage (Faaland et Briggs, 1984;
Rensi et Weintraub, 1988). On passe ensuite aux travaux de Reinders et Hendriks (1989) et
Maness et Adams (1991), mais toujours avec un effort pour rsoudre des problmes
ponctuels et localement. Au contraire, dans ce travail des sources varies sont utilises afin
dintroduire la problmatique des flux de matires en gnral et dans la production de bois
duvre en particulier.
Dans la gestion de la chane de cration de valeur, et en particulier dans la planification de
la production, les logiques de mobilisation de ressources prennent un rle fondamental pour
la performance du systme. Selon Chopra et Meindl (2001), la profitabilit dune chane de
cration de valeur est troitement lie sa mission, ses stratgies fonctionnelles et la
gestion des flux lintrieur de la chane. Dailleurs, la stratgie oprationnelle doit
correspondre parfaitement la stratgie daffaires et les autres stratgies fonctionnelles
pour que la chane de cration de valeur puisse gnrer de la valeur pour tous. De ce point
de vue, les stratgies de gestion des flux devront tre choisies en prenant expressment
compte des autres stratgies et du contexte oprationnel dans lequel la chane existe
(Lampel et Mintzberg, 1996; Fisher, 1997; Olhager et Rudberg, 2002; Jonsson, 2003). Pour
cette raison, les stratgies proposes dans ce travail devront tre analyses selon la
compagnie et sa stratgie daffaires pour choisir celle qui correspond le mieux aux
objectifs. Ainsi, la proccupation centrale de cette recherche est lvaluation de la
-
7/28/2019 25705
14/73
5dynamique des flux de matires et dinformation lintrieur de la chane de cration de
valeur du bois duvre, et leur influence sur la performance de rponse aux contrats en vue
de suivre une stratgie centre client.
Cette tude de la littrature a t ralise en analysant trois thmes. Dabord, nous abordonsle sujet par une tude de la dynamique de flux de produits, des facteurs qui linfluencent et
des mesures de performance pour lvaluer. Ensuite, nous tudions les stratgies servant
la gestion des flux de produits dans une chane de cration de valeur et les mthodes
appliques dans la recherche et les domaines daffaires pour les mettre en place.
Finalement, des rfrences particulires de planification et contrle de la production dans
lindustrie de bois duvre et ses particularits en tant quindustrie de processus sont
prsentes.
1.1 Dynamique des flux de matires dans la chane de crationde valeur
La dynamique des flux de matires dans la chane de cration de valeur est une quation
complexe, rsultat du contexte oprationnel, des dcisions associes la production et lestockage, de lmission de commandes dans le systme, ainsi que des flux dinformation,
de capital et des ressources. Quand de telles dcisions sont prises dans une seule
organisation, qui constitue elle mme la chane au complet (intgre verticalement), la
coordination des flux de matires est en quelque sorte facilite (du moins en thorie, car les
objectifs sont normalement aligns). Par contre, si les chanons du rseau sont autonomes
ou guids par des objectifs indpendants, voire contradictoires, les dfis de coordination
sont plus grands. Il arrive ainsi que les flux de matires soient dcoupls et potentiellement
mal coordonns. Ce manque de coordination devient plus sensible dans des contextes de
marchs volatils et hautement concurrentiels comme ceux daujourdhui. Pour viter des
problmes lis cette dynamique, des mcanismes de coordination des flux sont
ncessaires. En pratique, cette coordination se fait laide de diffrents mcanismes de
collaboration impliquant, par exemple : des changes dinformation, des mcanismes de
-
7/28/2019 25705
15/73
6consultation et de prise de dcisions conjointes, ainsi que la dfinition de processus de
gestion centrs sur le client final. Or, bien que la coordination des flux de matires soit
dtermine tant par les dcisions stratgiques que tactiques et oprationnelles, dans ce
travail on sintresse surtout aux deux derniers niveaux dcisionnels et leur coordination.
Du point de vue logistique, les premiers essayer dexpliquer la dynamique des flux de
matires dans les rseaux de cration de valeur, ont t les conomistes. En fait, les
premires rfrences disponibles sur le sujet apparaissent avec linstallation dfinitive de la
rvolution industrielle qui entrane une forte augmentation des flux mobiliss dans les
chanes dapprovisionnement. Par exemple, une des principales thses de Smith dans son
ouvrage AnInquiry into the Nature and Causes of the Wealth of Nations (Smith, 1776)
est le potentiel cr par la possibilit de sparer les processus dans la production de biens
grce la division du travail et leur standardisation. Ce paradigme reprsente une vidente
modification de la dynamique des chanes de cration de valeur. Ce seront les mmes
principes que reprendront Taylor et Ford pour augmenter lefficience dans leurs systmes
productifs. Lapproche dominante pour mobiliser les ressources est alors celle de pousser la
production en aval, tant donne la grande disponibilit de ressources mobiliser, la main
duvre conomique venue des campagnes, les sources dnergie accessibles, les
restrictions environnementales presque nulles et des clients avides de progrs.
Toutefois, les premiers essais modernes pour analyser et expliquer le comportement de la
dynamique des flux des matires dans une chane dapprovisionnement proviennent de
ltude de problmes de stocks (Wilson, 1934, Hanssmann, 1959; Clark et Scarf, 1960;
Zymelman, 1965) et plus prcisment, de ltude de la dynamique des systmes industriels
(Forrester, 1958). Ce dernier travail met en vidence les problmes qui surgissent du
manque de coordination dans le systme, d des stratgies de dsagrgation sans
coordination des acteurs dans la chane de cration de valeur. partir de l, il est possible
de trouver des travaux qui analysent les aspects lis lintgration et aux diffrents
mcanismes de coordination des flux de matires (Hax et Meal, 1973; Aggarwal, 1985).
Stadtler (2005) prsente une bonne revue de lvolution de ce domaine de recherche. Ainsi,
lvolution des recherches de solutions de management semble tre passe dune
proccupation pour une haute performance dans la microstructure de la chane (efficience et
-
7/28/2019 25705
16/73
7coordination intra-entreprise), vers une comprhension de limportance de la
macrostructure (coordination extra-entreprise) et une intgration des deux niveaux.
Prenant la dfinition de Mentzeret al. (2001), une chane de cration de valeur peut tre
synthtise comme un ensemble de trois, ou plus, entits (organisations ou individus)directement impliqus dans le transfert, en aval et en amont, des flux de produits, services,
finances, ressources et/ou informations depuis une source et jusqu un client, tout en
considrant les interactions avec lenvironnement. Ainsi, la dynamique des flux de matires
est, en fin de comptes, exprime en termes de mesures de performance du rseau sous
plusieurs perspectives (entre autres) : efficacit et efficience, volume et service, en plus des
mesures financires. En consquence, les objectifs viss par le management dune
organisation requirent des compromis. Alors, il faut trouver un mcanisme dvaluation de
la performance quilibr et align avec la vision stratgique de lentreprise.
Beamon (1999) prsente un excellent rsum des mesures de performance utilises pour
valuer la dynamique de la chane de cration de valeur. Elle propose trois groupes de
mesures : de rsultat, de ressources et de flexibilit, et fait remarquer, en mme temps, le
besoin dune vision intgre pour valuer la performance de la chane. Gunasekaran et al.
(2001) utilisent lapproche des processus Supply Chain Operation Reference (SCOR), du
Supply Chain Council (2006) et proposent un cadre de rfrence aux niveaux stratgique,tactique et oprationnel; on note quil manque des mesures intgres tout au long de la
chane. Dun autre ct, dans la Thorie de contraintes (TOC), Goldratt (1990), propose un
ensemble de trois mesures oprationnelles montarises : Throughput (dbit ou sortie de
production), inventaire et frais d'exploitation. Avec ces mesures il est possible de calculer
des indicateurs financiers globaux tels que le rendement du capital investi ou le rsultat net.
Ainsi, pour construire un bon systme de mesure de la performance il faut tenir compte de
la nature complexe de la chane et utiliser des indicateurs balancs dans les principales
perspectives : efficience, clients, finances. Dans la Figure 1-1 lapproche retenue dans cette
tude pour valuer la performance de la dynamique des flux de matires sur la chane de
cration de valeur est prsente. Lide derrire cette approche est de tenir compte des trois
perspectives de mesure de performance qui nous intressent le plus en relation avec
-
7/28/2019 25705
17/73
8linfluence de la stratgie sur : le dbit total valoris, les niveaux de stock et le niveau de
service.
Figure 1-1 : lments retenus pour valuer la performance de la dynamique de la chane decration de valeur.
Perspective ClientTaux de Service
La dynamique des flux de matires est aussi le rsultat des dcisions de commercialisation,
des dcisions financires, stratgiques et conomiques en gnral, qui peuvent parfois tre
en conflit. Par exemple, lorganisation en units stratgiques daffaires gnre de petites
entits plus faciles grer mais qui demandent des efforts de coordination majeurs au
niveau de la satisfaction du client final et de la gestion de la chane de cration de valeur.
Dun autre ct, lexternalisation de certains services logistiques (outsourcing) demande un
effort dapprentissage et dadquation initial pour donner leur meilleur rsultat selon laperspective du client.
Les principaux problmes documents dans la dynamique des flux de produits travers la
chane de cration de valeur, tel que leffet coup de fouet (bullwhip effect), trouvent leur
cause dans les difficults de coordination des diffrents flux sur la chane, comme par
exemple la dfinition de la taille de lots de transfert ou lalignement stratgique, tactique et
oprationnel des dcisions.
Perspective InterneEfficience
Dbit (Throughput)
Perspective InterneRessources
Produits en cours de fabrication
-
7/28/2019 25705
18/73
9
1.2 Stratgies pour planifier et piloter les flux de production :pousser ou tirer?
Les stratgies pour planifier et coordonner les flux de production rentrent dans le domainedes stratgies dopration. Daprs Lowson (2002), ces types de stratgies peuvent tre
dfinis comme :
major decisions about, and strategic management of core competencies,
capabilities and processes; technologies; resources; and key tactical activities necessary in
any supply network, in order to create and deliver products or services and the value
demanded by a customer.
ce quon peut ajouter et aider garantir le futur de lentreprise , pour prendre compte
du long terme. De cette faon, les approches de flux tir et flux pouss, ou nimporte quelle
combinaison des deux, peuvent tre considres comme des stratgies aux trois niveaux
dcisionnels : stratgique, tactique ou oprationnel, dans loptique o elles dterminent des
faons de prendre des dcisions ou dagir pour mobiliser les diffrents flux sur la chane.
Ainsi, dans tout contexte daffaires, les entreprises ont besoin de mobiliser des ressources,
tangibles ou non. Elles peuvent tre plus ou moins performantes, dpendamment de lalogique applique pour la mobilisation des ressources et du cadre utilis pour valuer la
performance. Seely et Hagel (2005) reprennent cette ide pour construire une thse de ce
queux considrent comme les deux paradigmes possibles pour mobiliser des ressources.
Dun ct, un systme marqu par une approche en flux pouss, dont la principale
caractristique est la qute de lefficience dans lutilisation des ressources de production et
des matires premires en considrant comme axiome une connaissance anticipe des
conditions futures (prvisions de demande, principalement). Et dun autre ct, un systme
gr par une approche en flux tir qui a pour but la mobilisation des ressources (de
production et matire) en rponse aux signaux quand ils se produisent effectivement, quils
proviennent de lintrieur ou lextrieur de lentreprise. Cette thorie des deux paradigmes
reprsente une extension des deux dynamiques analyses dans ce travail. Ici, on tudie
-
7/28/2019 25705
19/73
10linfluence de ces approches sur les flux de production et leur implantation comme des
lments centraux des stratgies doprations pour la production de bois duvre.
Chopra et Meindl (2001) indiquent que le principal dfi de la gestion de la chane de
cration de valeur consiste parvenir lquilibre stratgique, cest--dire, arriver laccord parfait entre la stratgie comptitive et la stratgie oprationnelle. Prcisment
cest en grande partie dans les dcisions de planification quotidiennes que se joue
principalement cet accord. Les dcisions du niveau stratgique sont considres hors de la
porte de cette tude. Alors, pour planifier les flux de matires, il est question de dfinir
stratgiquement lapproche ou la logique qui guidera les dcisions des flux des produits
dans le cadre de la stratgie doprations au niveau tactique. Dans ce contexte, il existe un
certain accord dans la littrature par rapport au rle central que les approches de flux
pouss et flux tir occupent dans la stratgie oprationnelle. Il revient aux gestionnaires de
choisir le point de dcouplage, ou la frontire, des deux approches dans la chane pour grer
les risques associs aux flux de produits et au niveau de service (Lampel et Mintzberg,
1996; Fisher, 1997; Cachon, 2004). Selon la position du PDD les chanes sont classes
comme des chanes de fabrication sur stock (Make To Stock, MTS), de fabrication la
commande (Make To Order, MTO) ou hybrides. Ainsi, pour aider choisir le type de
stratgie, plusieurs auteurs fournissent des cadres daide la dcision bass sur les facteurs
quils considrent clefs dans le contexte et la stratgie de lorganisation. Olhager (2003)
identifie le march, le produit et la production comme des lments importants pour faire ce
choix et il rsume cela avec la Figure 1-2. De plus, il prsente un sommaire des conditions
associes aux diffrents facteurs et qui caractrisent lapplication de chacune des stratgies,
pouss ou tir, (voirTableau 1-1). Une extension la production de bois duvre peut tre
faite. En gnral, la considration des dits facteurs en plus du systme de mesure de la
performance guidera le choix stratgique.
Le type de stratgie et les techniques pour la mettre en place dans la gestion des flux de
production seront principalement dtermins par le positionnement du point de dcouplage
dans les diffrentes chanes de cration de valeur de lentreprise.
-
7/28/2019 25705
20/73
11
Figure 1-2 : Facteurs affectant le positionnement du PDD. Olhager (2003)
Tableau 1-1 : Caractristiques des stratgies de production avant et aprs le PDD, selonOlhager (2003)
Attribut Operations avant le PDD(pouss)
Operations aprs le PDD(tir)
March et produitsType de produit Standard, commodit Spcial, personnalisGamme de produits Prdtermine, limite EtendueDemande Haut volume, prvisible Bas volume, volatileGagnants de march Prix Design, flexibilit, vitesse de
livraisonQualifiants demarch
Design, qualit, volume Prix, qualit, livraison en temps
Production (catgories de dcision)Processus Ligne, grosse taille de lots Atelier multi-gamme, petitetaille de lots
Capacit Lag/track (ractive, elle suitla production)
Lead/track (anticipative, elledoit prvoir la production)
Installations Centres produit Centres processusIntgration verticale Relations fournisseurs,
Stock tampon au PDD /post oprations PDD
Relations clients PDD buffer/ pr oprations
PDDQualit Centre sur la qualit des
processusCentre sur la qualit desproduits
Organisation Centralise, hirarchique Dcentralise, coordonnePilotage de laproduction
Stratgie S&OP nivele(capacit fixe)
Promesse de livraisonbase sur la disponibilitdes stocks
Stratgie S&OP Chase(capacit variable)
Promesse de livraisonbase sur la disponibilitdes stocks
Mesure de laperformance
Cot, productivit Temps de livraison, Flexibilit
Facteurs dumarch
Facteurs duprocessus
Facteurs du
produit
Dlai delivraison
Dlai deproduction
Positionnement dupoint de
dcouplage
-
7/28/2019 25705
21/73
12
Donc, la rponse la question pousser ou tirer , en tant que stratgie daffaires ou de
production, nest pas une rponse automatique. Elle est plutt le fruit dune analyse
dtaille des facteurs et choix stratgiques de lentreprise.
1.2.1 Techniques dimplmentation des stratgies
tant donne la grande varit dlments qui traversent une chane de cration de valeur,
et les multiples cycles et sous-cycles internes qui sy gnrent, un classement gnral pour
les diffrents stratgies, techniques et outils de pilotage de la production, dans le type
pouss ou tir, nest pas vident et il faut y aller par partie. Effectivement, ce nest pas clairpuisquils se trouvent rarement oprer de faon purement thorique (Bonney et al., 1999).
Il faut donc utiliser des dfinitions prcises pour les diffrencier selon leur approche et leur
porte. Dans un des premiers travaux essayant de classer les techniques de pilotage de la
production, De Toni et al. (1988) classent les deux techniques les plus connues lpoque :
planification de besoin matires (MRP), de lapproche hirarchique; et kanban, de
lapproche juste temps (JIT), comme tant des techniques pouss et tir, respectivement.
Hirakawa et al. (1992) proposent la mme classification et ils y ajoutent une approche
hybride avec des lments des deux autres approches pour des systmes tapes multiples.
Spearman et Zazanis (1992) admettent la classification antrieure, mais, au mme temps, ils
notent les nuances existant au moment de classifier les outils dans des contextes
stratgiques juste temps (JIT) comme purement flux tir. Certains auteurs testent les
techniques flux tir ou pouss aussi bien dans des contextes MTS (Masuchun et al., 2004)
que MTO (Stevenson et al., 2005). En ce faisant, ils obtiennent, normalement, des rsultats
qui confirment que la technique pour grer le systme de planification de la production
performe mieux sous son stratgie quivalente. Les cas chant, les techniques les plusperformantes sont les techniques hybrides.
Entretemps, la thorie des contraintes (TOC) se consolide et propose la technique cadence-
tampon-lien (Drum-Buffer-Rope, DBR) pour mieux exploiter la contrainte du systme.
Koh et Bufin (2004) comparent DBR et une autre mthode, le CONWIP (Constant Work In
-
7/28/2019 25705
22/73
13Progress) et rapportent des meilleurs rsultats pour DBR dans un systme non balanc
valu selon les mesures de performance de la TOC. De cette faon, les comparaisons sont
nombreuses et, selon le contexte ou les mesures de performance utilises, une technique
peut performer mieux que lautre. Un ensemble de problmes de rfrence, qui permette
une valuation plus standard, pourrait tre intressante pour dpartager les approches et leur
performance. La revue de littrature de Graves et al. (1995) rsume les ressemblances et
diffrences des diffrentes techniques et certaines de leurs variations selon leur
concentration sur la capacit ou la production.
Les dfinitions des stratgies retenues dans ce travail ressemblent celles proposes par
Bonney et al. (1999) bases sur les flux dinformation. Dabord, une technique fonctionne
sous une stratgie pousse si la production est dclenche selon des signaux gnrs en
amont du flux des produits. Ensuite, la technique fonctionnera en mode tir si le
dclenchement est d des signaux en aval du flux de produits, ce qui est quivalent la
dfinition retenue ici pour les stratgies correspondantes. Ces dfinitions permettent de
classer les techniques classiques de pilotage des flux de production. Ainsi, pour les
techniques MRP on retient leur classification comme tant essentiellement de type pouss,
voir Tableau 1-2. Maintenant, pour valuer la performance globale des techniques de
pilotage des flux de matires, la plupart des analyses se limitent, malheureusement, des
mesures de performance de stockage, associes aux ressources. Cest pour cela que
lvaluation ralise dans cette recherche porte sur trois perspectives (Figure 1-1).
Les avantages de lutilisation des diffrentes techniques dpendront de lajustement de
celles-ci avec la stratgie oprationnelle, le contexte daffaires et les mesures de
performance pertinentes. En fait, une fois la stratgie choisie - pousse, tire ou hybride -,
le nombre doptions des techniques se rtrcit et les options vont tre choisies en termes de
la faisabilit technique de leur implmentation. Les techniques qui demandent de
linformation provenant de laval de la chane de production semblent lgrement plus
complexes mettre en place (Diehl et Sterman, 1995), mais ces difficults peuvent tre
surmontes laide des outils qui seront prsents dans la prochaine section.
-
7/28/2019 25705
23/73
14Finalement, dans lanalyse, il semble ncessaire de faire une claire sparation entre la
stratgie pousse, tir ou autre, et la ou les techniques implmentes dans toute la chane ou
diffrents chanons, car les combinaisons peuvent tre multiples.
Tableau 1-2 : Classement gnrique des techniques de planification et contrle de laproduction
Technique Centr sur : Associ principalement :MRP Utilisation de la capacit PushKANBAN Limitation du WIP localement PullCONWIP Limitation du WIP globalement PullDBR Contrle du WIP au Goulot dtranglement Pull-PushHybride Combinaison des facteurs Approches combins
1.2.2 Outils de recherche et dapplication industrielleDans ce contexte, les outils de recherche ou dapplication industrielle sont les formes
concrtes dans lesquelles les stratgies, modles daffaires ou techniques sont implments
pour grer ou rsoudre une problmatique spcifique, occasionnelle ou rcurrente, dans la
dimension oprationnelle de la gestion de la chane de cration de valeur. La Figure 1-3
prsente une version simplifie des diffrentes dimensions dans la gestion de la chane de
cration de valeur, en termes de temps, despace et de direction des flux. Dans le cas de la
planification et contrle de la production, le nombre et la varit doutils sont trs
clairement marqus par lvolution des technologies de linformation et de la
communication ainsi que par le dveloppement des mthodes de recherche oprationnelle.
En fait, cela a facilit une extension de lutilisation des outils (voire systmes) de
planification de la production dans les grandes entreprises, principalement, mais aussi dans
les petites et moyennes entreprises, ainsi que dans la recherche. Dailleurs, il existe des
outils qui vont de trs simples, comme les feuilles de calcul ou feuilles denregistrement, enpassant par loptimisation classique jusquaux systmes APS intgrs ou des outils
multiagent. Ainsi, au fur et au mesure que les outils se sont sophistiqus, les possibilits de
traiter des problmes plus complexes ont augments. De cette manire, la complexit des
taches abordes dans lactualit fait quun outil de recherche ou dapplication devient un
ensemble intgr de rgles daffaires, architecture informatique et moteurs transactionnels
-
7/28/2019 25705
24/73
15ou doptimisation pour appuyer la prise de dcisions et le dploiement des activits. Dans la
pratique, les outils daide la dcision les plus communs sont les systmes ERP (Enterprise
Ressource Planning) avec une composante chaque fois plus importante de systmes APS,
lesquels sont leur tour munis de moteurs optimiseurs pour amliorer les transactions.
Dans ce travail interviennent plusieurs outils de recherche. Tout dabord, la simulation,
puisque les stratgies pour grer le systme de production sont values par simulation de
la planification de la production en fonction dun plan dexprience. Ensuite, le systme
bas sur des agents qui labore et traite les plans. En troisime lieu, les modles
mathmatiques utiliss par les agents. Enfin, le systme dinformation qui intgre tous ces
lments pour en faire un outil de planification de la production.
Fourniture Production Distribution Ventes
Longterme Design stratgique du rseau
Moyenterme
Planification agrgePlanification desbesoins en matires
et delapprovisionnement
Gestionde la
demandeProduction-Distribution-
Taille de Lots synchronissCourtterme
Contrle desachats
Contrle dela
Contrle dedistribution
Contrle descommandes
Excutionproduction
Figure 1-3 : Matrice de la chane de cration de valeur (Meyret al., 2005)
Dans ce cadre complexe qui reprsente la gestion de la chane de cration de valeur, du
design du rseau au dploiement des techniques de pilotage et excution de la production et
de la distribution, existent de nombreux outils pour la gestion et daide la dcision. Ainsi,
la Figure 1-4 prsente une superposition de ces outils la matrice de la Figure 1-3 pour les
-
7/28/2019 25705
25/73
16situer tels quils sont couramment employs en gestion des problmatiques de la chane
dapprovisionnement.
Figure 1-4 : Outils dapplication et recherche sur la matrice de planification de la chane(adapte de Meyret al., 2005)
Classification des outils de planification de la production
Dans le cadre global de la chane de cration de valeur, Beamon (1998) utilise une
classification base sur la nature de donnes et lobjectif des modles pour diffrencier les
outils en quatre catgories : a) modles dterministes analytiques; b) modles stochastiques
analytiques; c) modles conomiques (dans lesquels elle place les modles de la thorie des
jeux); et d) modles de simulation. Dun autre ct, Mula et al. (2006) rvisent une srie de
modles utiliss dans la littrature pour dvelopper des outils qui permettent de mettre en
place des techniques ou des stratgies pour rsoudre des problmes lis la planification de
la production dans plusieurs contextes manufacturiers assujettis des perturbations
alatoires. Cette revue de la littrature se centre principalement sur les outils appliqus en
Systmes dexcution manufacturire (MES) Systmes dexpdition etroutage
Outils dintelligence daffaires (BI)
erformance
Systme de gestiond'entrept
Tableaud
eborddep
EDI (change de donnes informatis)
Progiciel de gestion intgr,ERP (MRP II)
Applications de design de rseaux
CRM
Systme avanc de planification et d'ordonnancement
(APS)
-
7/28/2019 25705
26/73
17recherche. Ils classent les modles supportant les diffrents outils de recherche en quatre
groupes, savoir : a) modles conceptuels, b) modles bass sur lintelligence artificielle,
c) modles analytiques et, d) modles de simulation. Dans ce contexte, les systmes base
dagents ou multiagent sont classs comme modles dintelligence artificielle. Par contre,
Tang et al. (2001), utilisent une classification diffrente et sen servent pour ltude des
problmatiques dans la production dacier. Ils classent les mthodes bases sur des agents
dans une catgorie propre, laquelle ils ajoutent trois autres : a) mthodes de recherche
oprationnelle (programmation mathmatique), b) dintelligence artificielle (systmes
experts, recherche intelligente et satisfaction de contraintes) et c) mthodes de coordination
homme-machine. Dun autre ct, dans le contexte de modlisation de la chane
dapprovisionnement, Min et Zhou (2002) offrent une taxonomie des modles appliqus
la chane de cration de valeur qui mlange indistinctement outils et modles.
Dans la mme ligne danalyse de la littrature, Schmidt et Wilhelm (2000) prsentent une
revue des modles de programmation mathmatique utiliss pour les dcisions stratgiques,
tactiques et oprationnelles, mais visant les rseaux internationaux et mettant en vidence le
besoin de construire des modles intgrs permettant dappuyer la prise des dcisions tous
les niveaux de la dimension temporelle.
Dans ce travail, il est ncessaire de faire la diffrence entre loutil, le modle, et la mthodedimplmentation. Ainsi, si loutil est multiagent, les modles sous-jacents peuvent tre soit
des modles analytiques mathmatiques soit des modles logiques. Par exemple, mme si
MRP est une technique essentiellement transactionnelle, sa fonction peut tre munie de
moteurs doptimisation bass sur la programmation mathmatique, des heuristiques ou
dautres modles. Ainsi, Vo et Woodruff (2006) prsentent diffrents modles pour
implmenter le MRP dans des APS selon lobjectif privilgier ou la technique de solution.
Maintenant, si lon considre la planification et le contrle de la production (le pilotage), laplupart des applications se font partir de modles quantitatifs bass sur diffrentes
mthodes de recherche oprationnelle. Normalement les outils bass sur des techniques de
dynamique de systmes ou de simulation sont utiliss pour la recherche, quoiquavec leur
avancement et lincorporation de routines doptimisation, leur utilisation industrielle
devient plus courante et priodique.
-
7/28/2019 25705
27/73
18Le Tableau 1-3 rsume des combinaisons problmes-outils-mthodes qui peuvent se
prsenter pour traiter les diffrents problmes lis la planification de la production en
implmentant les diffrentes techniques signales dans la section 1.2.1. Ce tableau nest pas
exhaustif mais est une reprsentation des possibilits les plus observs dans cette recherche
et rapportes, entre autres, dans Mula et al. (2006) et Olhager et Wikner (2000). Les
solutions ad-hoc (SAH) du Tableau 1-3 correspondent aux dveloppements spcifiques
rapports de faon indpendante dans diffrents travaux de recherche. Lutilisation des
diffrentes mthodes, telles que prsente dans le tableau, nest pas mutuellement
exclusive.
Tableau 1-3 : Relation entre les diffrents outils et mthodes appliqus aux problmes lis la planification de la production
Situationdapplication
Outil
Programmation
mathmatique
Heuristiques
Programmationpar
contraintes
Modlesstochastiques
Thoriedesjeux
ModlesdeSimulation
Dynamiquedesystmes
Agentslogiques
Agentsoptimiseurs
Modlestransactionnels
Design de la chanede cration de valeur
Solution adhoc (SAH)
valuation desstratgies daffaires
Gestion de lademande
CRM
Planificationagrge (ATP)
ERP
ERP APS
Planification etcontrle de laproduction
SAH
tablissement decontrats
SAH
Gestion dentrepts WMS Contrle etexcution
MES/SAH
-
7/28/2019 25705
28/73
19Outils bass sur des agents
Cette catgorie doutils mrite une place spciale dans cette revue de la littrature car le
logiciel utilis pour lvaluation des stratgies de planification de la production est un outilbas sur une architecture du type agent. Cette architecture permet dmuler fidlement le
comportement du systme sociotechnique rel.
En effet les possibilits ouvertes par lapproche agent pour simuler des systmes rels sont
un axe de recherche trs prolifique aujourdhui (Zhang et Xie, 2007). Cela trouve sa
justification dans les avantages que lapproche agent et son niveaux dabstraction
prsentent pour la modlisation des contextes autonomes coopratifs comme les chanes de
cration de valeur (Barbuceanu et Fox, 1996).
En essence, lapproche agent profite des capacits computationnelles pour muler ou mme
amliorer les comportements des systmes complexes, tels que les chanes de cration de
valeur, en utilisant des modles dabstraction de haut niveau. Frayret et al., (2008)
prsentent les diffrentes approches agent utilises pour modliser et simuler les
comportement des chanes de cration de valeur.
Une des avantages de lapproche agent est que lautonomie des diffrentes composantespermet non seulement dappliquer et tester des stratgies lintrieur de chaque agent mais
aussi entre eux, ce qui facilite le dveloppement de mcanismes de coordination plus
performants (van der Zee, 2006). De plus, les agents peuvent tre quips des moteurs
avancs daide la dcision ou doptimisation pour enrichir le comportement du systme
quils mulent.
-
7/28/2019 25705
29/73
20
1.3 Planification de la production de bois duvrePlanifier la production de bois duvre requiert de stratgies, de techniques et doutils
spcifiques. tant donn que cette industrie correspond une industrie de processus, ses
dynamiques font que les dveloppements normalement disponibles, pour les contextes de
manufacture discrte, ne soient pas bien adapts aux singularits prsentes dans ce type
dindustrie (Fransoo, 1993; Crama et al., 2001). Cela dit, une des principales difficults de
ce contexte de production est la prsence des coproduits dans les recettes de production.
Ces coproduits comptitionnent pour les ressources du systme avec les produits en
principe recherchs et, en ce faisant, gnrent des flux parallles sur la chane de cration
de valeur. Ce phnomne est aussi connue sous le nom divergence (Vila et al., 2006).
En gnral, dans les industries de processus il existe une importante varit de
configurations de production (Dennis et Meredith, 2000). Dans ce contexte, lindustrie du
bois duvre peut tre classe comme une industrie divergente (de dsassemblage), aussi
appele en V, cest--dire, avec un nombre de produits finis sensiblement suprieur au
nombre ou varit de matires premires. Dans certains cas, la production sarticule par lots
de production, dans dautres, les flux tendent tre continus. Dans tous les cas, le processus
de schage est forcement organis par lots de production, tant donn la grande taille des
schoirs normalement utiliss.
cause de la divergence diffrents points sur le processus de production, de la variabilit
naturelle de la matire premire et des pratiques de commercialisation, les plans de
production de bois duvre vont connatre beaucoup dexceptions et rarement, dans le
contexte qubcois, la production sera organise en fonction dengagements pralables.
la place, les usines planifient la disponibilit du systme et lapprovisionnement pour avoir
la capacit de traiter le bois qui rentre et pousser les produits les plus recherchs en aval de
la chane. Dans ce cas, les mthodes daide la planification se concentrent sur des
problmes locaux ou ponctuels, tel que le trononnage (Larose, 1999), le dbitage
(Todoroki, 2001; Bhandarkaret al., 2002), ou le schage (Rensi et Waintraub, 1988; Joines
et al., 2007), et les solutions intgres sont moins recherches. Toutefois, certains
-
7/28/2019 25705
30/73
21chercheurs prsentent des travaux qui visent dvelopper des solutions pour aborder les
problmes de planification de la production de bois duvre, rsineux principalement,
dune faon plus intgre. Beauregard et al. (1994, 1997), par exemple, prsentent une
approche de modlisation systmique des usines de sciage pour tenir compte de leur
complexit au moment de dvelopper des modles daffaires. Dun autre ct, le groupe de
recherche du professeur Maness a dvelopp une srie de travaux pour intgrer des outils
bass sur la programmation mathmatique pour rsoudre de problmes de planification de
la production (Maness et Adams, 1991; Donald et al., 2001; Maness et Norton, 2002). Ces
travaux, ainsi que ceux de Todoroki (2001; Todoroki et Rnnqvist, 1999; 2002) se
concentrent principalement sur loptimisation du dbitage. Les travaux essayent, pour le
moment, de composer avec la divergence et de limiter les niveaux de stock, tout en gardant
de niveaux levs de rendement matire. Dans le projet Forac, le but est dintgrer lespossibilits doptimisation des diffrents processus pour en arriver des solutions
coordonnes.
Finalement, dun point de vue holistique qui contemple la chane de cration de valeur au
complet pour lindustrie des produits du bois, les solutions dvelopper doivent considrer
les diffrentes problmatiques associes la fort (Rnnqvist, 2003) ainsi qu la
transformation du bois.
-
7/28/2019 25705
31/73
22
Rfrences
Aggarwal, S. C. (1985). MRP, JIT, OPT, FMS.Harvard Business Review, 63(5), 8-16.
Barbuceanu, M., et Fox, M. S. (1996). Coordinating multiple agents in the supply chain.Proceedings of the 5th International Workshops on Enabling Technologies:Infrastructure for Collaborative Enterprises (WET ICE'96): IEEE ComputerSociety. 134.
Beamon, B. M. (1998). Supply chain design and analysis: Models and methods.International Journal of Production Economics, 55(3), 281-294.
Beamon, B. M. (1999). Measuring supply chain performance.International Journal ofOperations & Production Management, 19(3-4), 275-292.
Beauregard, R., Beaudoin, M., Aitkadi, D., et Mongeau, J. P. (1994). A Systemic Approachto Consider Complexity in Sawmill Modeling. Wood and Fiber Science, 26(3), 421-437.
Beauregard, R., Beaudoin, M., AitKadi, D., & Mongeau, J. P. (1997). A systemic modelingapproach to reengineering sawmills: A supplier's perspective. Forest ProductsJournal, 47(2), 38-46.
Bhandarkar, S. M., Faust, T. D., & Tang, M. J. (2002). Design and prototype developmentof a computer vision-based lumber production planning system.Image and VisionComputing, 20(3), 167-189.
Bonney, M. C., Zhang, Z., Head, M. A., Tien, C. C., et Barson, R. J. (1999). Are push andpull systems really so different?International Journal of Production Economics,59(1-3), 53-64.
Cachon, G. P. (2004). The allocation of inventory risk in a supply chain: Push, pull, andadvance-purchase discount contracts.Management Science, 50(2), 222-238.
Chopra, S., et Meindl, P. (2001). Supply chain management: strategy, planning, andoperation. New Jersey: Prentice-Hall, Upper Saddle River.
Clark, A. J., et Scarf, H. (1960). Optimal Policies for a Multi-Echelon Inventory Problem.Management Science, 6(4), 475-490.
Coulombe, G., Szaraz, G., Arsenault, J., Liboiron, M. A., Bernard, J.-T., Bouchard, A.,Bauce, .,et Huot, J. (2004). Rapport de la Commission dtude sur la gestion de lafort publique qubcoise. Qubec: Commission dtude sur la gestion de la fortpublique qubcoise.
-
7/28/2019 25705
32/73
23
Crama, Y., Pochet, Y., & Wera, Y. (2001). A Discussion of Production PlanningApproaches in the Process Industry. Core Discussion Paper. Lige, Belgium, 37.
De Toni, A., Caputo, M., and Vinelli, A. (1988). Production Management Techniques:
Push-Pull Classification and Application Conditions. International Journal ofOperations & Production Management, 8(2), 35-51.
Dennis, D., et Meredith, J. (2000). An empirical analysis of process industry transformationsystems.Management Science, 46(8), 1085-1099.
Diehl, E., et Sterman, J. D. (1995). Effects of Feedback Complexity on Dynamic Decision-Making. Organizational Behavior and Human Decision Processes, 62(2), 198-215.
Donald, W. S., Maness, T. C., et Marinescu, M. V. (2001). Production planning forintegrated primary and secondary lumber manufacturing. Wood and Fiber Science,33(3), 334-344.
Faaland, B., et Briggs, D. (1984). Log Bucking and Lumber Manufacturing UsingDynamic-Programming.Management Science, 30(2), 245-257.
Fisher, M. L. (1997). What Is the Right Supply Chain for Your Product? Harvard BusinessReview, 75(2), 12.
Forrester, J. W. (1958). Industrial Dynamics: a major breakthrough for decision makers.Harvard Business Review(July-August), 30.
Fransoo, J. C. (1993).Production Control and Demand Management in Capacitated FlowProcess Industries, Technische Universiteit Eindhoven.
Frayret, J.-M., DAmours, S., Rousseau, A., Harvey, S., Gaudreault, J. 2007. Agent-basedSupply Chain Planning in the Forest Products Industry, International Journal ofFlexible Manufacturing Systems, 19(4), pp 358-391.
Goldratt, E. M., (1990) The haystack syndrome: sifting information out of the data ocean.North River Press
Graves, R. J., Konopka, J. M., et Milne, R. J. (1995). Literature-Review of Material Flow-Control Mechanisms.Production Planning & Control, 6(5), 395-403.
Gunasekaran, A., Patel, C., & Tirtiroglu, E. (2001). Performance measures and metrics in asupply chain environment.International Journal of Operations & ProductionManagement, 21(1-2), 71-87.
Gustafsson, A. (2003). Logistic services as competitive means - Segmenting the retailmarket for softwood lumber. Silva Fennica, 37(4), 493-504.
-
7/28/2019 25705
33/73
24Hax, A. C., et Meal, H. C. (1973). Hierarchical integration of production planning and
scheduling.Massachusetts Institute of Technology (MIT), Sloan School ofManagement.
Hirakawa, Y., Hoshino, K., & Katayama, H. (1992). A Hybrid Push/Pull Production
Control System for Multistage Manufacturing Processes.International Journal ofOperations & Production Management, 12(4), 13.
Joines, J., Culbreth, C., et Schultz, S. (2007). The Lumber Procurement and KilnScheduling Problem: A Hybrid-Ga Approach. Wood and Fiber Science, 39(4), 628-638.
Jonsson, P., et Mattsson, S. A. (2003). The implications of fit between planningenvironments and manufacturing planning and control methods.InternationalJournal of Operations & Production Management, 23(7-8), 29.
Krajewski, L. J., King, B. E., Ritzman, L. P., et Wong, D. S. (1987). Kanban, Mrp, andShaping the Manufacturing Environment.Management Science, 33(1), 39-57.
Koh, S. G., et Bulfin, R. L. (2004). Comparison of DBR with CONWIP in an unbalancedproduction line with three stations.International Journal of Production Research,42(2), 391-404.
Lampel, J., et Mintzberg, H. (1996). Customizing customization. Sloan ManagementReview, 38(1), 10.
Laroze, A. (1999). A linear programming, tabu search method for solving forest-levelbucking optimization problems.Forest Science, 45(1), 108-116.
Lowson, R. H. (2002). Operations strategy: genealogy, classification and anatomy.International Journal of Operations & Production Management, 22(9-10), 1112-1129.
Lee, H. L., et Billington, C. (1993). Material management in decentralized supply chains.Operations Research, 41(5), 835.
Maness, T., & Adams, D. (1991). The Combined Optimization of Log Bucking and SawingStrategies. Wood and Fiber Science, 23(2), 296-314.
Maness, T. C., et Norton, S. E. (2002). Multiple Period Combined Optimization Approachto Forest Production Planning. Scandinavian Journal of Forest Research, 17(5),460-471.
Masuchun, W., Davis, S., et Patterson, J. W. (2004). Comparison of push and pull controlstrategies for supply network management in a make-to-stock environment.International Journal of Production Research, 42(20), 4401-4419.
-
7/28/2019 25705
34/73
25Meyr, H., Wagner, M., et Rohde, J. (2005). Structure of Advanced Planning Systems. In H.
Stadtler, & C. Kilger (Eds.), Supply Chain Management and Advanced Planning:Springer, 109-115.
Min, H., et Zhou, G. (2002). Supply chain modeling: past, present and future. Computers &
Industrial Engineering, 43(1-2), 231-249.Mula, J., Poler, R., Garcia-Sabater, J. P., et Lario, F. C. (2006). Models for production
planning under uncertainty: A review.International Journal of ProductionEconomics, 103(1), 271-285.
Olhager, J. (2003). Strategic positioning of the order penetration point. InternationalJournal of Production Economics 85(3): 319-329.
Olhager, J., et Rudberg, M. (2002). Linking manufacturing strategy decisions on processchoice with manufacturing planning and control systems.International Journal ofProduction Research, 40(10), 2335-2351.
Olhager, J., & Wikner, J. (2000). Production planning and control tools. ProductionPlanning & Control, 11(3), 210-222.
Palmer, P., & Selen, W. (2004). A Customer-Oriented Profitability Model for an AustralianTimber Company. Second World Conference on POM an 15th Annual POMConference. Cancun, Mexico.
Reinders, M. P., et Hendriks, T. H. B. (1989). Lumber Production Optimization. EuropeanJournal of Operational Research, 42(3), 243-253.
Rensi, G., et Weintraub, A. (1988). Using dynamic programming to obtain efficient kiln-drying schedules. Wood and Fiber Science, 20(2), 215-225.
Rnnqvist, M. (2003). Optimization in forestry.Mathematical Programming, 97(1-2), 267-284.
Schmidt, G., et Wilhelm, W. E. (2000). Strategic, tactical and operational decisions inmulti-national logistics networks: a review and discussion of modelling issues.International Journal of Production Research, 38(7), 1501-1523.
Schneeweiss, C., et Zimmer, K. (2004). Hierarchical coordination mechanisms within thesupply chain.European Journal of Operational Research, 153(3), 687-703.
Seely, J., et Hagel, J. (2005). From push to pull: The next frontier of innovation.McKinseyQuarterly, 2005(3), 9.
Sendil Kumar, C., et Panneerselvam, R. (2007). Literature review of JIT-KANBANsystem. The International Journal of Advanced Manufacturing Technology, 32(3/4),393-408.
-
7/28/2019 25705
35/73
26
Smith, A. (1776).Inquiry into the Nature and Causes of the Wealth of Nations, 1776.Edited by S.M. Soares. MetaLibri Digital Library, 2007.
Spearman, M. L., et Zazanis, M. A. (1992). Push and Pull Production Systems - Issues and
Comparisons. Operations Research, 40(3), 521-532.Sugimori, Y., Kusunoki, K., Cho, F., et Uchikawa, S. (1977). Toyota production system
and Kanban system Materialization of just-in-time and respect-for-human system.International Journal of Production Research, 15(6), 553 - 564.
Stadtler, H. (2005). Supply Chain Management An Overview. Supply ChainManagement and Advanced Planning, 9-35.
Stevenson, M., Hendry, L. C., et Kingsman, B. G. (2005). A review of production planningand control: the applicability of key concepts to the make-to-order industry.International Journal of Production Research, 43(5), 869-898.
Supply Chain Council (2006), Supply-Chain Operations Reference-model Overview ofSCOR Version 8.0, Supply Chain Council, Pittsburgh, PA. Disponible surwww.supply-chain.org
Tang, L. X., Liu, J. Y., Rong, A. Y., et Yang, Z. H. (2001). A review of planning andscheduling systems and methods for integrated steel production.European Journalof Operational Research, 133(1), 1-20.
Todoroki, C. (2001). Volume and value variation with opening face position: Aninvestigation with pruned softwood logs.Forest Products Journal, 51(1), 36-42.
Todoroki, C., et Ronnqvist, M. (1999). Combined primary and secondary log breakdownoptimisation.Journal of the Operational Research Society, 50(3), 219-229.
Todoroki, C., et Rnnqvist, M. (2002). Dynamic Control of Timber Production at aSawmill with Log Sawing Optimization. Scandinavian Journal of Forest Research,17(1), 79-89.
van der Zee, D. J. (2006). Modeling decision making and control in manufacturingsimulation.International Journal of Production Economics, 100(1), 155-167.
Vila, D., Martel, A., et Beauregard, R. (2006). Designing logistics networks in divergentprocess industries: A methodology and its application to the lumber industry.International Journal of Production Economics, 102(2), 358-378.
Vo, S., et Woodruff, D. L. (2006).Introduction to Computational Optimization Models forProduction Planning in a Supply Chain (2 ed.): Springer.
-
7/28/2019 25705
36/73
27Wilson, R. H. (1934). A scientific routine for stock control.Harvard Business Review,
13(1), 116.
Zhang, W., et Xie, S. (2007). Agent technology for collaborative process planning: areview. The International Journal of Advanced Manufacturing Technology, 32(3),
315-325.Zymelman, M. (1965). A stabilization policy for the cotton textile cycle.Management
Science, 11(5), 572-580.
-
7/28/2019 25705
37/73
28
Chapitre 2. Agent-Based Simulation and Analysis ofDemand-Driven Production Strategies in the LumberIndustry
2.1 AbstractThis paper addresses the generic problem of production planning in a divergent lumber
production environment. It aims at analyzing the performance of various demand-driven
production strategies of a lumber production system. This analysis is performed using a
simulation platform built on an agent-based advanced planning system. Nine production
strategies configurations are evaluated under six scenarios in order to carry out a complete
mixed level design of 54 simulation runs. Each of these configurations is a combination of
a decoupling point position and a level of capacity that is committed to contracts with
customers. Accordingly, the six scenarios are designed as a combination of supply type
(i.e., log diameter distribution) and lumber market prices. Production processes and co-
production yields are based on a real manufacturing system from eastern Canada.
Performance is evaluated from the logistic and economic points of view. Resultsdemonstrate that demand-driven planning approaches that propagate demand information
upstream the supply chain have the potential to improve planned customer service and
reduce planned inventories. Results also show that lumber companies need to receive a
premium from their customers in order to compensate from the loss of potential value
resulting from a more constrained planning environment.
-
7/28/2019 25705
38/73
29
2.2 RsumCette recherche traite sur le problme de la planification de la production dans un
environnement de production divergent tel que celui du bois duvre. Elle a pour but
danalyser les changements dans la performance oprationnelle aprs lintroduction de
mthodes de contrle flux tir dans le systme de production de bois duvre. On utilise
une plateforme exprimentale comme systme de planification et programmation avance
base sur une technologie agent pour simuler et valuer la performance. Un plan
dexpriences complet de niveaux mixtes avec 54 observations comprenant neuf
configurations de la scierie sous six scenarios a t ralis. Chacune des neuf configurations
reprsente une combinaison des niveaux des deux facteurs contrlables : la position dupoint de dcouplage et le niveau de capacit allou aux contrats. Par consquent, les six
scenarios sont le rsultat de la combinaison des niveaux des facteurs externes, savoir : le
mlange des billes et les diffrences relatives des prix marchs du bois. La performance est
value des points de vue logistique et financier dans le but de mettre en vidence les
compromis dans ces deux perspectives. Les rsultats dmontrent que les stratgies de
planification bases sur une approche tire, qui propagent linformation de demande en
amont de la chane de cration de valeur, ont le potentiel damliorer le service logistique
aux clients et diminuer les niveaux dinventaire. Cependant, les rsultats montrent aussi que
les compagnies du bois auront besoin daller chercher une prime dans les prix des contrats
pour compenser les pertes dans le revenu potentiel li lopration en mode flux pouss.
2.3 IntroductionThe forest products industry is an important business sector in Quebec, Canada. It plays a
central role in its economy, providing over 115.000 direct employments and contributing
about 4% of its Gross Domestic Product (QFIC, 2005). Despite its importance, the lumber
industry is facing serious difficulties. Timber has become scarce in quantity and quality in
-
7/28/2019 25705
39/73
30public forests, especially in eastern Canada. Furthermore, the combination of longer
hauling distances and higher gas price result in constantly increasing supply costs due to
higher transportation cost. Moreover, the increased concurrence in the US market, due to
the emergence of low cost fiber producers, has also affected Quebecs lumber industry
directly and indirectly because of its business relationship with the pulp and paper industry.
Finally, the Canadian lumber industry is facing strong protectionism measures in the US
market, as well as a strong Canadian dollar that impairs exports in general.
In order to face these issues, lumber producers have focused their efforts on cost reduction
and potential market value recovery (i.e., price-based optimization with 3D scanning and
curve sawing). The use of such push-oriented strategies also finds justification in a highly
standardized and commoditized North American softwood lumber market. On the one
hand, Quebec sawmills have become highly productive machines, in spite of the small
diameter of the available logs (Bdard, 2002; Lvesque 2005). On the other hand, they have
become inflexible to adapt to changing market needs.
Even though these make-to-stock strategies served the industry rather well when market
prices were higher and competition inexistent, new market conditions are reshaping the
way lumber is demanded. Value-added wood based industries, such as engineered wood
products and prefabricated houses have been experiencing a sustained development for afew years and ask for more collaborative relationships with lumber producers. Instead of
ordering large volume of commodity, engineered wood producers expect high quality
products on demand, because they do not hold large inventory of raw material. A similar
kind of pressure is emerging from the home center industry. Vendor-Managed Inventory
(VMI) is becoming extensively used, forcing lumber producers to learn how to manage
consigned inventories and replenish their customers with the right quantities of the right
product at the right time. Contracts that enforce the delivery of certain volumes of products
are also more frequently used with large retailers. Even if these contracts are profitable,
they put pressure on lumber producers as they must pay important penalties, or even may
lose their contract, if stores become out-of-stock.
Similar challenges have already been addressed by other industries, such as the food
processing industry (Soman et al., 2004). In this industry, customer centric strategies let
-
7/28/2019 25705
40/73
31demand information guide production decisions. Conversely, the Quebec lumber
production strategy is still mainly driven by potential value recovery and market prices.
The adoption of such strategies is a difficult task for lumber producers who strongly believe
that cost reduction is still the main driver in the lumber business. Although low production
cost remains a barrier to access the lumber market, it becomes more and more necessary for
lumber producers to adopt new strategies to improve their ability to meet market needs. The
challenge is thus to find solutions to overcome the price-based push strategy that is widely
accepted in the industry in North America.
This paper provides an exploratory analysis of the introduction of demand-driven (pulled
by demand information) strategies in the lumber production process. In order to do this, a
series of simulation experiments that exploit an agent-based advanced planning system has
been carried out. The objective is to provide managerial insights concerning the design of a
mix marketing strategy (i.e., contract and/or spot market) that is closely related to the
production and procurement specificities of softwood sawmills.
2.4 Research context2.4.1 Characterization of the lumber production processThe lumber industry is a process industry characterized by three main elements. First, the
process routing is fixed (i.e., sawing, drying, planing and sorting). Second, raw material
(i.e., log diameter distribution and quality) plays a central role in constraining the volumes
and mix of product types that can be produced. Third, lumber is produced through a set of
successive divergent processes with co-production (i.e., several product types are produced
simultaneously, as presented in Figure 2-1) best described by recipes than bills of material(Crama et al., 2001).
-
7/28/2019 25705
41/73
32
Figure 2-1: Product flow divergence in sawmilling
Lumber is thus co-produced according to multiple input-process combinations that generate
several pieces of lumber from each single log. At the sawing level, the combination of input
(i.e., the size, diameter and shape of a log to be processed) and sawing process (i.e., a set of
log breakdown sub-processes) defines the distribution of output to expect. In practice, a
price list defining the value of each co-product guides the selection of the sawing process to
breakdown each log independently. This price-based optimization process is a typical local
optimization, as each log is broken down independently without regards to customer
demand. Some control systems take past production volume into account to select the next
sawing processes, which improve output production control, and thus, demand satisfaction.
With pure price-based production control systems, the only two possible ways to influence
the output is to control the mix of input logs and to adjust the price list that is fed directly
into the production control optimizers. In other words, the same production control
decisions apply simultaneously to all input logs and products. Consequently, the adjustment
of the price list to force the production of a certain type of lumber, lets say [tw; gd; l],
where t is the thickness, w the width, gd the grading and l the length, will automatically
push the flow of other co-products. This production control strategy limits the companys
ability to commit with customer to deliver specific product types. Contracts are thus usuallybased on the mills historical production data used to identify the reasonable volume that
can be promised and delivered on time. This strategy tends to increase inventory levels due
to limited control of output mix. The remaining products with less rotation are then pushed
to market at a generally lower price.
-
7/28/2019 25705
42/73
33The drying process is a batch-oriented production process. It can be modeled as a set of
more or less independent sub-processes (i.e., air-drying, kiln drying and equalizing) that
together define a drying process. Air-drying and equalizing are usually carried out in the
log yard. However, kiln drying is a long and energy consuming process. A batch of pieces
of lumber of similar thickness and moisture content level is loaded into the dry kiln.
Although the nominal dimension of lumber is not changed during this process, the output
quality (i.e., twist, internal stress, surface defaults, etc.) depends upon the combination of
drying sub-processes. The careful definition of the overall drying process influences the
lumber grade, which can be controlled to improve response to market needs (Gaudreault et
al., 2006).
Finally, the planing and sorting processes produce several grades of various dimensions of
lumber. A visual inspection of each piece of lumber enables the operator to cut the piece at
the most valuable length, eliminating defaults such as flash (i.e., pieces of bark at the end of
a plank). Production planning of planing and sorting operations is likewise a difficult task,
mainly due to the complexity arising from the co-production and the limited sorting
capacity constraints (i.e., limited number of sorting bins vs. the number of possible product
types). Furthermore, sawmills in Quebec generally limit the number of final products in
order to produce enough volume of each single item to sell it in the lumber spot markets,
where each transaction is individually negotiated.
2.4.2 Production planning and control in the lumber industry
The lumber industry is also characterized by production control principles specific to
process industries. Fransoo (1993) proposes a definition of production control in this
context that emphasizes profit maximization rather than cost minimization. Indeed, the
author explains that a process production system is more likely to influence the profitabilityof the company because it is the bottleneck that defines the companys capacity to satisfy
customers demand. Crama et al. (2001) go further and explain that the characteristics of
process industries, such as the availability of raw materials, the simultaneous production of
several products, and the use of expensive equipments (which is not necessarily the case in
-
7/28/2019 25705
43/73
34the lumber industry), limits the flexibility of production control so that demand satisfaction
cannot be enforced. Consequently, it is here necessary to allocate capacity to customer
demand in order to maximize profit.
Similarly, the Quebec lumber industry is first constrained by supply availability. It iscontrolled, to some extent, to meet orders allocated to mills and market conditions
perceived by the sales force. Although, production planning seems to be triggered by
market needs, planning and control is in practice not geared up with advanced planning
tools that can simultaneously consider both actual market orders and a forecast of
aggregated market needs. Orders are usually allocated by corporate sales offices to mills
according to their ability to produce certain types of products and according to their relative
proximity to the customers. In turn, these orders influence production planning in a myopic
way. In other words, the mills production planner decides the mix of log types to transform
daily, and sometimes (i.e., from once a week to once every 6 month), adjust the price list in
the log sawing optimizer in order to influence output mix. It is indeed largely believed in
the industry that the variability of the sawmilling process is too unpredictable to be
triggered by orders or demand forecast information. However, a large part of this variability
is due to poor raw material characterization and mills inability to control divergence. Thus,
the most important task of the mills planner is to forecast output product mix and volumes
based on supply availability and to communicate these production forecasts to the sales
force in order to push products (i.e., forecasted available-to-promise and on-hand
inventory) to the market. De Toni et al. (1998) classify this type of production control
approach as a process with a look-back rather than look-ahead criterion, which means that
it is less responsive to market fluctuations.
Furthermore, these practices are greatly encouraged by the performance measurement
system metrics commonly used