UE 266U4 Management des processus de production de
Transcription
UE 266U4 Management des processus de production de
Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard I Présentation générale I-1 Objectifs • Comprendre le fonctionnement de quelques processus de production de services, représentatifs de catégories de services, afin de pouvoir repérer des leviers d’amélioration de la performance de ces processus en termes d’efficacité et d’efficience. Cette approche est complétée avec les outils du lean management. • Acquérir les bases du yield management • Comprendre comment structurer une démarche d’innovation • Comprendre les spécificités de la qualité dans les services. • Dans la version pdf de ce document, des liens hypertextuels, associés aux parties de texte mis en bleu, vous permettent d’accéder à d’autres parties du document ou à des URL de téléchargement. I-2 Moyens mobilisés • Heures d’enseignement : - 14 séances de 3 h 30. - Organisation des séances 1/4 d’approfondissement de cours (sur la base de documents préalablement étudiés), 3/4 de résolution de cas préalablement préparés par les étudiants. • Les logiciels @Risk, Simul8 1 et XPress dont les fondements ont été vus dans l’UE 310 « Instrumentations d’aide à la décision en management de production ». • Fichier de données « MPPBS.xls ». I-3 Méthodes pédagogiques • Lectures préalables de parties d’ouvrages ou d’articles. • Exposés. • Résolution d’exercices et de mini-cas. I-4 Bibliographie • V. Giard, Gestion de la production et des flux, Economica, 3e édition, 2 003. • V. Giard, Statistique appliquée à la gestion, Economica, 8e édition, 2 003. • V. Giard, Cours de modélisation et de simulation de processus de production (version interactive avec 88 exemples sur Simul8), et transparents téléchargeables à l’URL http ://www.lamsade. dauphine.fr/~giard/. 1. Téléchargement à l’URL http://www.SIMUL8.com/edu/student.htm Informations demandées : User Name : [email protected] Password : GMHu2v (case sensitive). Double click sur le fichier téléchargé pour lancer l’installation ; le numéro de licence de Dauphine est : 1164-3648-8549. Téléchargez le cours de simulation sur mon site. Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services I-5 Vincent Giard année universitaire 2012 - 2013 Modalités du contrôle continu • Travaux écrits (propositions de solutions de cas remises avant le TD, note de synthèse, test écrit…) : 40 %. • Participation aux séances de TD : 20 %. • Examen final : 40 %. II séance 1 Programme résumé date Lundi 14 janvier 8 h 15 - 12 heures 2 Lundi 21 janvier 8 h 15 - 12 heures 3 Lundi 28 janvier 8 h 15 - 12 heures 4 Lundi 4 février 8 h 15 - 12 heures 5 Lundi 11 février 8 h 15 - 12 heures 6 Lundi 18 février 17 heures - 20 h 30 7 8 9 10 11 12 Lundi 25 février 8 h 15 - 12 heures Lundi 4 mars 8 h 15 - 12 heures Mercredi 6 mars 8 h 15 - 12 heures Jeudi 21 mars 8 h 15 - 12 heures Jeudi 28 mars 8 h 15 - 12 heures Cas à préparer Cas Fast Food (généralisation). Cas Table de Marie. Cas Casimouth Exposés Étude de cas Analyse d’un système de vente par correspondance : cas Les 3 Poldaves. Analyse d’un système de location de biens : cas DVD Star. Cas Centre d’appel de TV+ Cas Péage d’autoroute Cas ULC. Analyse de deux systèmes de soins cas Urgence et cas Hôpital. Amélioration de la performance des - Cours systèmes de production de services - Discussion collective - Cas Air-Lidurie, partie I. Optimisation des capacités et gestion de la recette unitaire - Cas Air-Lidurie, partie II. (Yield management) Frédéric Gautier - Cas Air-Lidurie, partie III. Jeudi 4 avril 8 h 15 - 12 heures Jeudi 11 avril 8 h 15 - 12 heures Jeudi 18 avril 14 8 h 15 - 12 heures Lundi 29 avril 13 h 45 - 17 h 15 13 Thème de la séance Analyse de systèmes de ventes de mar- chandises à consommer sur place Analyse de systèmes de services dédiés à la mise à disposition de marchandises utilisées par le client à l’extérieur du système étudié (1/2). Le lean management dans les services. Thomas Houy Analyse de systèmes de services dédiés à la mise à disposition de marchandises utilisées par le client à l’extérieur du système étudié (2/2). Analyse de systèmes de production dédiés à : - la fourniture immédiate d’informations - l’utilisation collective d’une infrastructure à capacité limitée par des clients arrivant aléatoirement. Détermination de la capacité de production d’un système de production de services en univers aléatoire Systèmes de services de santé Gestion de l’innovation Albert David - Cours magistral. Cas Téfal. Cas Sékurit Saint Gobain. Cours magistral. Atelier de conception (début) - Atelier de conception (suite et fin). Examen (3 h 30) -2- Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard III Programme détaillé III-1 Lundi 14 janvier (8 h 15 - 12 heures) année universitaire 2012 - 2013 • Objectifs de la séance Cette séance s’intéresse aux systèmes de vente de marchandises à consommer sur place. Il s’agit, comme pour le système de paiement du péage d’autoroutes étudié dans la séance 1, d’une utilisation collective par des clients arrivant aléatoirement à des heures différentes d’une infrastructure à capacité limitée. Cette infrastructure correspond à un ensemble de places assises offertes pour une restauration sur place. Le sous-système de mise à disposition de plats commandés (front office) est couplé avec un sous-système de production pour stock (restauration rapide) ou à la commande (restauration traditionnelle); l’interaction entre les deux soussystèmes conditionne l’efficacité et l’efficience de l’ensemble. • Travail préparatoire Il vous est demandé de préparer: - le cas Fastfood (généralisation du cas étudié dans l’UE 310), page 9. - le cas Table de Marie, page 14. III-2 Lundi 21 janvier (8 h 15 - 12 heures) • Objectifs de la séance Cette séance s’intéresse aux systèmes de ventes de biens dans la grande distribution. Ce type de système de production de prestations de services consistant en la fourniture de produits achetés se décompose en trois sous-systèmes. Le sous-système de mise à disposition de marchandises dans des rayons mobilise des ressources internes (personnel, équipement…) et ne fait pas intervenir le client. Le sous-système dans lequel le client effectue lui-même ses achats qu’il charge dans un caddy se caractérise par une absence d’interaction avec le personnel du supermarché (on parle alors de co-production du service). Le sous-système de paiement se caractérise par une interaction complexe des clients avec du personnel (caissière) mais aussi d’autres clients se trouvant dans la même file d’attente. Les deux premiers sous-systèmes ont en commun la zone physique de mise à disposition des marchandises aux clients (linéaires de vente). Vous avez eu l’occasion de travailler sur une modélisation/simulation (sommaire) du second sous-système avec le cas FIRST dans le cadre de l’UE 310. Le troisième sous-système fait l’objet de cette séance. La dernière partie du cas à préparer traite du problème de l'étalonnage des indicateurs de performance d’un tableau de bord pour pouvoir déterminer des seuils d’alerte pertinents • Travail préparatoire Il vous est demandé de préparer le cas Casimouth, page 17. III-3 Lundi 28 janvier (8 h 15 - 12 heures) • Séance assurée par Thomas Houy • Objectifs de la séance Examiner les applications du Lean Management aux entreprises de services • Organisation de la séance (4/4) • Travail préparatoire - Premier exposé (première partie de la séance) -3- Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 . Préparation d’un exposé par le troisième groupe 1 de 5 étudiants pour examiner « dans quelle mesure les principes du lean manufacturing peuvent-ils s’appliquer au lean office ou au lean services ? ». Les étudiants pourront discuter de la notion de stocks pour les entreprises de services, de la manière de rendre visibles les dysfonctionnements dans un environnement où il n’existe aucun flux physique de produit, des difficultés à standardiser des opérations non répétitives, des obstacles à la réactivité dans un contexte où l’exercice de priorisation des informations est complexe… . Références pour l’exposé (articles téléchargeables) : Ballé F. and Ballé M. (2005), « Lean development », Business Strategy Review Ballé M. and Régnier A. (2006), « Lean as a learning System in a Hospital Ward », Lean Working Paper Ballé M. and Beauvallet G. (2007), « Le lean au service du client Recension de quelques parcours français », Lean Working Paper. Chabiron C. (2006), « Lean et Comptabilité », Lean Working Paper Jones D. (2006), « Comment transformer les services de santé grâce au lean », Lettre de la Lean Enterprise Academy. Garcia P and Drogosz J. (2006), « Lean Engineering – Best Practice in the Automotive Industry », Lean Working Paper - Second exposé (première partie de la séance) . Préparation d’un exposé par le quatrième groupe d’étudiants pour examiner « comment débuter une démarche lean dans une entreprise de services ? par un Value Stream Mapping ? par la remontée des irritants ? par une adaptation du 5S souvent employé dans l’industrie ? par une réflexion sur le lead time ? par la standardisation des opérations créatrices de valeur pour le client ? par la définition d’un temps Takt ? ». Les étudiants pourront discuter des avantages et des inconvénients de chacune des pistes mentionnées. Ils pourront enrichir leur propos avec des exemples concrets d’implémentations identifiés dans la littérature. . Références pour l’exposé (articles téléchargeables) : Beauvallet G. and Chabiron C (2005), Le muda sous la moquette, Lean Working Paper. Site du Projet Lean Entreprise. Voir onglet « présentations » Womack J. (2004), Le Lean au-delà des frontières de l’usine, Lettre du Lean Enterprise Institute. • Organisation de la séance - Première partie de la séance : – 8 h 15- 9 heures : exposé du troisième groupe. – 9 heures -10 h 15 : exposé du quatrième groupe. - Seconde partie de la séance : étude de cas « outil de suivi des actions décidées en réunion » elle se fera sur la base d’une vidéo. 1. Les groupes d’étudiants ont été formés lors de la séance du 10 janvier 2013. -4- Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services III-4 Vincent Giard année universitaire 2012 - 2013 Lundi 4 février (8 h 15 - 12 heures) • Objectifs de la séance Cette séance s’intéresse aux systèmes de vente de biens par correspondance et à ceux de location de biens. Le premier cas relève toujours des systèmes de production de prestations de services consistant en la fourniture de produits achetés mais, à la différence du système étudié la semaine précédente, la mise à disposition des marchandises demandées par le client est effectuée par le personnel du système productif. Le second système étudié dans cette séance partage de nombreuses caractéristiques avec le précédent mais il est de nature différente car la mise à disposition est temporaire. Il s’agit en fait d’un système de prestation de services consistant en une utilisation individuelle et momentanée d’une ressource du fournisseur par le client, qui se différencie du précédent par un retour au fournisseur de la ressource louée, ce qui pose un certain nombre de problèmes spécifiques. • Travail préparatoire Il vous est demandé de préparer: - le cas Les 3 Poldaves, page 23. - le cas réorganisation du DVD Star, page 25. III-5 Lundi 11 février (8 h 15 - 12 heures) • Objectifs de la séance Cette séance s’intéresse à deux systèmes de production de services devant faire face à une demande aléatoire dont les caractéristiques varient fortement au cours de la journée et de la semaine, afin d’en améliorer l’efficacité et l’efficience. - L’analyse d’un système production de prestation de services consistant en la fourniture d’informations en temps réel complète celle réalisée avec le cas AZ (cf. UE 310) dans lequel l’information (droits acquis suite à un sinistre) était fournie au bout d’un temps indéterminé au client. Ici l’information est à délivrer immédiatement, l’attente admissible étant réduite. D’un point de vue technique, la résolution de ce problème passe par une démarche séquentielle d’optimisation et de simulation. - L’analyse d’un système de règlement de prestations avec arrivées aléatoires correspond ici à l’utilisation collective par des clients arrivant aléatoirement à des moments différents d’une infrastructure à capacité limitée (postes de péage automatiques ou manuels). La prestation de service fournie ici est simple (acquittement du droit d’usage d’une infrastructure). Ce type de système productif se retrouve, par exemple, dans le transport urbain ou de la restauration assise. Dans ce dernier cas, la prestation fournie est plus complexe en raison d’une interaction avec un sous-système de production de biens (mets) à la commande, ce que l’on analysera au cours de la séance 5. • Travail préparatoire Il vous est demandé de préparer: - le cas réorganisation du Centre d’Appels de TV +, page 28. - le cas Péage d’autoroute, page 31. -5- Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services III-6 Vincent Giard année universitaire 2012 - 2013 Lundi 18 février (17 heures - 20 h 30) • Objectifs de la séance Cette séance s’intéresse au dimensionnement capacitaire d’une infrastructure de services destinée à la satisfaction de demandes aléatoires de clients arrivant simultanément pour consommer un service, variables pendant une période donnée, les caractéristiques de ces demandes pouvant varier d’une période à l’autre. La résolution de ce problème vous conduira à combiner vos connaissances en mathématiques financières et en modélisation stochastique sur tableur. • Travail préparatoire Il vous est demandé de préparer le cas ULC, page 36. III-7 Lundi 25 février (8 h 15 - 12 heures) • Objectifs de la séance L’analyse des systèmes de santé a débuté avec la modélisation/simulation du cas du cabinet médical qui traite d’un système de délivrance de prestations de services sur rendez-vous; d’autres prestations de services sont délivrées sur les mêmes modalités (coiffure…). Cette séance s’intéresse au système de production de soins sous la forme de prestations à délivrer sans rendez-vous (service d’urgence) et sous forme d’une série continue de prestations en site (hospitalisation). L’amélioration de ces systèmes de production de services particulièrement complexes est un enjeu majeur qui passe nécessairement par des modélisations/simulations pour définir certaines pistes d’amélioration de la performance dans ses dimensions non-médicales. • Travail préparatoire Il vous est demandé de préparer: - le cas Urgence, page 40. - le cas Hôpital, page 44. • Lectures conseillées S. Balin & V. Giard, «Problèmes méthodologiques posés par la simulation de processus de production de services», Journal Européen des Systèmes Automatisés (APII-JESA), volume 41, n° 9-10/2007, p. 1085-1114. Si vous devez ultérieurement pousser plus loin votre réflexion, vous pouvez lire Amélioration de processus de production de services: Application par la simulation, de Savas Balin (Éditions Universitaires Européennes, 2011, ISBN 978-6131558467). III-8 Lundi 4 mars (8 h 15 - 12 heures) • Objectifs de la séance Il s’agit tout d’abord d’utiliser des grilles d’analyse des processus de production de services, pour mettre en évidence une typologie des processus de production de services permettant de mieux comprendre les éléments de contingence de chaque type mis en évidence et de comprendre des principes d’amélioration de ces processus. Une réflexion sera ensuite engagée sur la notion de qualité d’un service, différente de celle de la qualité d’un bien. On examinera enfin un certain nombre de propriétés caractérisant les services, proposées par certains auteurs pour distinguer la production de services de celles des biens, pour en montrer les limites et aborder la transformation de l’offre commerciale combinant de plus en plus produit et services. • Travail préparatoire Il vous est demandé de réfléchir (toujours en groupe) sur ces thèmes à partir des questions posées à la page 47. -6- Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services III-9 Vincent Giard année universitaire 2012 - 2013 Mercredi 6 mars (8 h 15 - 12 heures) • Séance assurée par Frédéric Gautier • Objectifs de la séance : Optimisation des capacités et gestion de la recette unitaire (1/3) Cette séance a pour objectif de présenter les fondements des méthodes et pratiques de yield management, notamment dans les secteurs du transport aérien et de l’hôtellerie. Des résultats analytiques de la politique de gestion calendaire des approvisionnements ont été étudiés pour la troisième séance de l’UE 266U2. • Lectures préalables D. Autissier, Le Yield management ou la problématique du pilotage dans les entreprises de service, papier de recherche distribué aux étudiants. Netessine & R. Schumsky, Introduction to the theory and practice of Yield management, ABI Informs Education. Weatherford & Bodily, «A taxonomy and research overview of perishable-asset revenue management: yield management, overbooking and pricing», Operations Research, sept-oct 1992. • Cas à préparer : cas Air-Lidurie (partie I), page 48. • Grille d’analyse des lectures à effectuer pour la prochaine séance (30’) On présentera rapidement les principaux modèles de yield management, notamment dans les secteurs du transport aérien et de l’hôtellerie. III-10 Jeudi 21 mars (8 h 15 - 12 heures) • Séance assurée par Frédéric Gautier • Objectifs de la séance : Optimisation des capacités et gestion de la recette unitaire (2/3) Cette séance a pour objectif de présenter les principaux modèles de yield management, notamment dans les secteurs du transport aérien et de l’hôtellerie: loi de littlewood, modèles EMSR, modèles de bid price, modèle de Bodily et Weatherford, modèle de revenu net global attendu de Hamzaee et Vasig • Lectures préalables A. Capiez, Yield Management, optimisation du revenu dans les services, Hermès, 2003, chapitres II, III & IV. • Travail préparatoire complémentaire Il vous est demandé de préparer avant la séance le cas Air-Lidurie (partie II), page 51. III-11 Jeudi 28 mars (8 h 15 - 12 heures) • Séance assurée par Frédéric Gautier • Objectifs de la séance : Optimisation des capacités et gestion de la recette unitaire (3/3) • Travail préparatoire complémentaire Il vous est demandé de préparer avant la séance le cas Air-Lidurie (partie III), page 52 -7- Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services III-12 Vincent Giard année universitaire 2012 - 2013 Jeudi 4 avril (8 h 15 - 12 heures) • Séance assurée par Albert David • Objectifs de la séance Comprendre les mécanismes de production d’innovation - Généralités sur l'innovation : généalogie technique, inscription sociale, rôle de l'inventeur, conditions structurelles de l'innovation. - Les deux grandes évolutions de la recherche et des pratiques de l'innovation : organiser l'innovation dans l'entreprise et modéliser le raisonnement de conception innovante. • Lectures préparatoires - Introduction générale aux processus d'innovation (télécharger ce document) - Cas Téfal (télécharger ce document) - Cas Sekurit Saint Gobain (télécharger ce document) III-13 Jeudi 11 avril (8 h 15 - 12 heures) • Séance assurée par Albert David • Objectifs de la séance Analyser l’activité de conception et des champs de l’innovation Présenter les fondements de la théorie C/K de la conception • Lectures préparatoires Lemasson Hatchuel et Weil, chapitres III et IV (télécharger le chapitre III, télécharger le chapitre IV). • Organisation de la séance - cours - Ateliers DKCP : une application de la théorie C/K III-14 Jeudi 18 avril (8 h 15 - 12 heures) • Séance assurée par Albert David • Objectifs de la séance poursuivre l’activité d’atelier de conception commencée à la séance précédente • Travail préparatoire Préparer une restitution de la phase de recherche de connaissances sur le concept choisi. • Organisation de la séance Poursuite de l’atelier de conception innovante: initiation (définition d'un champ d'innovation, mutualisation des connaissances, exploration conceptuelle, propositions). III-15 Lundi 29 avril (13 h 45 - 17 h 15) - Examen -8- Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas FastFood Cas proposé par Vincent Giard Objectif de cette simulation : Il s’agit ici de généraliser la simulation commencée dans la séance 6 de l’UE 310 pour tenir compte de clients collectifs (le client qui passe la commande représentant un groupe familial ou d’amis) et d’un pilotage plus astucieux de la production en cuisine. Ce cas mobilise les concepts suivants : - Initialisation d’un stock ; voir chapitre IV, section II, page 64. - Synchronisation de deux processus convergents ; voir chapitre VII, § III.3.1.1, page 113. - Utilisation de l’option Collect en entrée d’un work center ; voir chapitre VI, section I, page 72 et à la page 103 pour une gestion dynamique du nombre d’items à prélever - Création et utilisation de composants ; voir chapitre VII, § III.1.1, page 107. Remarque technique et organisation du travail. Complétez le fichier Fastfood. S8, téléchargeable sur mon site 1 ; ce fichier inclut déjà les labels et distributions à utiliser, ainsi que les variables et tableaux de l’Information Store. Ce modèle ne comporte actuellement qu’un seul poste d’accueil de clients (Serveur 1), dupliquez-le (avec sa file d’attente) en utilisant le Wizard de duplication, seulement après avoir correctement défini le fonctionnement de ce work center. Même remarque pour le poste de travail d’un cuisinier (Cuisine 1). Il est conseillé dans chaque groupe de répartir les 1. http://www.lamsade.dauphine.fr/~giard/Fastfood. S8. -9- Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 rôles au début : 1 ou 2 étudiants travailleront sur le front office et 1 ou 2 sur le back office, avant de faire la synthèse. Pour traiter un client collectif, il faut d’abord caractériser sa commande au point d’entrée. Il est judicieux de commencer par utiliser un label indiquant le nombre de clients individuels pris en charge par un client collectif (item entrant) en lui assignant la réalisation d’une variable aléatoire ; on pourra utiliser, par exemple, la distribution du tableau 1 (les valeurs numériques suggérées dans cet énoncé ont comme seul mérite d’être cohérentes et de garantir une simulation sans incident sur une dizaine de jours). Tableau 1 : distribution de probabilités du nombre de clients individuels pris en charge par un client collectif Nombre x de clients P(X = x) 1 20 % 2 30 % 3 25 % 4 15 % 5 10 % >5 0% Dans le cadre du Label Actions du point d’entrée, il faut créer, autant de labels qu’existent de produits différents à commander : un label par type de burger, 1 label pour les boissons et 1 label pour les frites. Ces labels, préalablement initialisés à 0, seront ensuite incrémentés en fonction des caractéristiques du client collectif. Pour ce faire, dans un programme en Visual Logic créé dans la fenêtre du Label actions, il faut passer en revue tous les clients d’une même commande (Loop… 1) pour incrémenter ces valeurs de ces labels. Comme vous avez besoin des informations de chaque commande élémentaire de la commande d’un client collectif, à la fois pour déterminer le contenu du plateau mais aussi pour calculer le temps de traitement de la commande par le serveur (voir ci-après), il est nécessaire de créer, dans Information Store, une variable correspondant à la décision de prendre ou non une boisson et une autre, à la décision relative aux portions de frites. Après affectation à ces variables (dans le 1. Cette instruction utilise un indice préalablement créé dans l’Information Store. Avant de commencer, regardez les explications et exemples des pages 96 et 101 du polycopié; voir également la page 66 du polycopié. - 10 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 programme en Visual Logic) d’une réalisation de la variable aléatoire correspondante on dispose de l’information permettant, d’une part, d’incrémenter le nombre d’articles commandé par un client (pour la catégorie) et, d’autre part, de calculer le temps que met le serveur pour servir le client collectif (voir ci-après). Les informations relatives aux distributions de probabilités sont les suivantes : - pour la boisson, on retiendra une distribution de Bernouilli (c’est-à-dire une Binomiale où n = 1, avec, par exemple une probabilité de 90 % de prendre une boisson), sans se préoccuper du type de boisson demandé ; - pour les frites, on considérera qu’une grande portion de frites est équivalente à 2 petites portions de frites ; la demande sera donc exprimée en nombre de petites portions de frite ; on supposera, par exemple, qu’un client individuel a une probabilité de 15 % de ne pas prendre de frites, 50 % de prendre une petite portion et 35 % de prendre une grande portion. - pour traiter l’incrémentation des labels associés aux types de burgers, il faut préalablement déterminer le numéro de burger désiré pour un client individuel en assigner à une variable (également définie préalablement dans l’Information Store) la réalisation d’une distribution (par exemple, celle du tableau 2), et utiliser cette information dans une série de tests (If…) pour n’incrémenter que le label correspondant au choix effectué. Tableau 2 : Distribution du choix du burger commandé par un client individuel Type i de burger demandé P(Burger demandé = i) 1 (Cheese Burger) 2 (Bacon Burger) 3 (Royal Burger) 10 % 20 % 40 % 4 (Chiken Burger) 30 % Il est inutile de trop compliquer la modélisation dans un premier temps, en prenant en compte les possibilités de menus. Par contre, il est judicieux de considérer que le temps de traitement d’un serveur est lié au nombre d’articles servis (par exemple 0,2 minute, en moyenne pour prendre un burger, 0,4 minute pour prendre une portion de frites et 0,3 minute pour prendre une boisson). Le temps passé par le serveur est à calculer dans un label (L Temps Service Serveur) qui sera utilisé pour définir le temps opératoire du serveur (distribution Fixed dont le paramètre est défini (bouton à côté de la fenêtre de saisi de la valeur de la constante) comme prenant la valeur du label du client en cours de traitement 1. Le work center correspondant au serveur doit utiliser en Routing in la règle Collect Number en prélevant dans chacun des 7 stocks (la file d’attente des clients, 4 stocks de burgers, boisson et frites), en cochant les options, Assemble et Do not collect until all available. Les valeurs de paramètres des Collect Numbers doivent être modifiées par un programme en Visual Logic (exécuté dans le Routing in placé au niveau du « VL..Before Selecting ») exécuté juste avant de servir un client 2). Dupliquez en suite l’ensemble stock + serveur (usage du wizard) et choisissez en sortant du point d’entrée, la file d’attente la plus courte ; éventuellement, limitez la taille maximale des files d’attente. 1. Voir polycopié, pages 36 et 38. 2. Voir polycopié, pages 72, 76 et 103. - 11 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 En ce qui concerne la cuisine (back office), il convient d’améliorer le pilotage de la production des burgers. - Dans un premier tableau d’Information Store, définissez pour chaque burger un niveau de recomplètement (pour commencer, prenez la même valeur pour tous les burgers, par exemple 8). Pour simplifier, on considérera que les burgers sont toujours lancés en production par lot de 6 (si tel n’est pas le cas, la modélisation est un peu plus compliquée et nécessite l’usage d’un tableau complémentaire de lots dans l’Information Store). Dans un deuxième tableau, définissez le temps de cuisson du lot à lancer en production, ce temps pouvant varier d’un burger à l’autre (pour commencer, prenez la même valeur pour tous les burgers, par exemple 3) ; vous pouvez aussi, pour simplifier, porter cette valeur directement dans le temps opératoire. Dans un troisième tableau, définissez la position de stock 1 de chaque burger, sans oublier de réinitialiser ce tableau en début de simulation 2. Chaque prélèvement, qu’il soit lié à une commande de client ou à une mise à la poubelle, doit conduire à une décrémentation de cette position de stock 3. Chaque lancement d’un lot de burgers en production doit se traduire par une incrémentation de cette position de stock 4. Une variable, Choix du burger à cuire, est à créer dans l’Information Store pour être utilisée dans le programme de détermination du burger à cuire dans le poste du cuisinier, si un lancement en production doit être effectué. - Dans le work center correspondant à un poste de cuisson des burgers, il faut exécuter un programme en Visual Logic avant la sélection des composants d’un burger ; dans ce programme, on passe en revue les différents stocks de burgers pour déterminer celui qui a la plus forte valeur positive de la différence entre son niveau de recomplètement et sa position de stock 5. En l’absence de valeur positive, aucune production ne doit être lancée (Block current routing) ; dans le cas contraire, il faut mettre à jour la position de stock du stock de burgers à produire. - Le poste de cuisine prélève dans des stocks de composants qu’il n’est pas utile ici de détailler ; il suffit d’utiliser un stock unique de « kits » de composants nécessaires à la fabrication d’un lot. Les items de ce stock doivent posséder un label L Burger fabriqué dont la valeur sera modifiée dans le work center correspondant au poste de cuisine. Les stocks d’ingrédients, de frites surgelées et de boisson sont initialisés en début de simulation puis font l’objet d’une livraison quotidienne (pas d’attention particulière à porter à ces réapprovisionnements, destinés à éviter les ruptures de stock). 1. Pour mémoire, la position de stock correspond au stock physiquement détenu + livraison attendue - demandes différées ; ici les livraisons attendues sont les quantités en cours de cuisson et on considère qu’il n’y a pas de demande différée, le front office et le back office n’étant pas en interaction. 2. Voir polycopié de simulation, page 106. 3. Il est conseillé d’effectuer cette mise à jour à partir d’un programme Visual Logic « VL .. on exit » dans chacun des stocks de Burger. Il est judicieux d’effectuer une duplication par le wizard du premier stock pensant à utiliser, dans le « VL .. on exit », la valeur du label du numéro de Burger attribué lors de sa cuisson, pour décrémenter la position de stock de cette référence (voir polycopié page 69). 4. Il est conseillé d’effectuer cette mise à jour à partir d’un programme Visual Logic « IF .. After Selecting » du Routing In du work center correspondant au poste de travail d’un cuisinier. C’est également à ce niveau que doit être attribuée la valeur du label donnant le numéro de burger à fabriquer si vous voulez utiliser cette information pour définir le temps opératoire à partir d’une information à lire dans l’Information Store. 5. Inspirez-vous de la démarche suivie dans l’exemple choix_production_stock_mini.S8 de la base d’exemples (voir page 85 du polycopié). - 12 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 - On suppose que le cuisinier traite également la production de frites. Il prélève en stock un sac de frites surgelées qui lui permet de fabriquer 30 portions de frites. Tant que le nombre de portions de frites est supérieur à un certain seuil 1, par exemple 10, aucune production n’est lancée (Block current routing). Ce work center utilise la ressource cuisinier (partagée avec les work centers correspondant aux postes de cuisine) ; il doit être considéré comme prioritaire sur ceux de production des burgers. Différentes façons modélisations peuvent être retenues pour tenir compte du fait que la présence du cuisinier ne s’impose pas durant toute la cuisson. Pour simplifier, on considère que le Fastfood est ouvert seulement entre 11 h 30 et 15 heures, soit 210’. Les caractéristiques de ces arrivées varient dans le temps (voir tableau ci-dessous). Il fonctionne avec 3 cuisiniers et 4 serveurs. Période de 11 h 30 à 12 heures de 12 heures à 12 h 30 de 12 h 30 à 13 h 30 de 13 h 30 à 14 heures de 14 heures à 14 h 30a Paramètre 1 0,75 0,5 1 1,5 a. Entre 14 h 30 et 15 heures, on considère qu’il n’y a plus d’arrivées de clients et que les serveurs ne font que servir les clients déjà arrivés. Bien évidemment, dans la réalité, ce restaurant est ouvert 12 heures par jour, avec des lois d’arrivées variables au cours de la journée et de la semaine et un nombre variable de postes de serveurs et de cuisiniers occupés. Ces deux caractéristiques sont au cœur de la première modélisation/simulation à réaliser pour la même séance (Péage Autoroute). Vous êtes donc en mesure d’imaginer comment complexifier le modèle du Fastfood pour se rapprocher de la réalité. Examinez le fonctionnement du modèle et indiquez quelques pistes d’amélioration. 1. ce qui correspond à un point de commande dans les politiques de réapprovisionnement. - 13 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas Table de Marie Cas proposé par Vincent Giard Objectif de cette simulation : créer un mécano d’objets d’un simulateur pour reproduire le plus fidèlement possible le fonctionnement d’un « lieu » du front office où interagissent clients et employés dans le cadre d’un processus de production de services. Comme précédemment, le modèle de base est ensuite utilisé pour créer un composant qui sera dupliqué pour permettre une simulation plus complète du restaurant. Dans ce cas, on examinera également le problème du back-office (cuisine) et de son interaction avec le front office. Enfin, une solution à la multiplicité des tâches qu’un opérateur réalise à des endroits différents sera envisagée. Modèle de base La Table de Marie est un restaurant de spécialités du sud-ouest d’une capacité d’une quarantaine de couverts par service. Dans un premier temps, pour simplifier, on s’intéressera au processus de traitement d’un client unique partant de son installation à une table, jusqu’à son départ après paiement, et à la remise en état de la table (ce qui correspond au modèle de base). La carte propose deux formules : la première à 25 € permet au client de prendre trois plats (une entrée, un plat principal et un dessert), la seconde à 20 € permet au client de prendre deux plats (le plat principal et une entrée ou un dessert). La carte des entrées comporte 5 entrées différentes dont trois froides et deux chaudes. La fabrication des plats repose en grande partie sur le principe d’une « cuisine d’assemblage », ce qui n’empêche pas que le temps de préparation en cuisine soit plus important pour les entrées chaudes. La carte des plats comporte six possibilités et celle des desserts, quatre ; le travail en cuisine varie d’un plat à l’autre et d’un dessert à l’autre. La boisson et le café ne sont pas compris dans ces formules et doivent être commandés à part ; une fois servie, la boisson est consommée tout au long du repas. Le client est installé par la serveuse qui prend la commande. La serveuse revient ensuite avec la boisson commandée, qui peut être une simple carafe d’eau. Ultérieurement, la serveuse apporte les plats commandés. Une fois servi, le client consomme son plat puis attend que la serveuse revienne pour apporter un nouveau plat ou le café (si commandé). Un même lieu joue successivement, en alternance, le rôle d’un work center et celui d’un stock. Il est alors normal de décrire ce processus par une succession de work centers (chaque work center est spécialisé dans la consommation d’un plat ou - 14 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 dans une prestation de la serveuse en interaction ou non avec le client) et de stocks (correspondant à une attente d’une opération suivante par un client). Le temps opératoire d’un work center dépend du type d’opération. L’analyse de ce type de prestation avec co-production partielle met en évidence la répétition du schéma de base suivant, une fois le client installé et la commande prise : - étape A - stock : client attend d’être servi (entrée, plat, dessert, café) ; - étape B - work center : la serveuse amène le plat (au sens large) commandé par le client ; techniquement, il est judicieux d’utiliser en Routing in un collect + assemble avec match sur numéro de client ; - étape C - stock : le client vient d’être servi, il se prépare à consommer le plat ; - étape D -work center : le client consomme ; - étape E - stock : le client a fini de manger, il attend ; - étape F - work center : la serveuse débarrasse et lance en cuisine la commande suivante (batch = 2 en Routing out avec un item vers G et l’autre vers le stock de commandes à traiter en cuisine ; - étape G -stock : le client attend le plat suivant ; l’étape G et l’étape A sont identiques. Pour simplifier, on suppose que le cuisinier traite les commandes dans leur ordre d’arrivée (ici le client est unique). Il est inutile de faire une simulation sur plusieurs jours ; travaillez sur un seul service (celui du soir, par exemple). Généralisation Dans cette première simulation, la serveuse ne s’occupe que de ce client et, au backoffice (cuisine), le cuisinier ne traite que les commandes de ce seul client ; autant dire que, normalement, tout se passe bien pour le client mais se restaurant n’est pas viable! On suppose maintenant que les clients arrivent par groupes de 1 à 6 personnes (client collectif). Se pose alors un problème de synchronisation : le serveur ne peut débarrasser la table que lorsque tous les convives ont terminé de manger leur plat et les plats suivants ne sont apportés que lorsque tous les plats commandés sont disponibles en cuisine. La serveuse va devoir se partager entre les différents groupes de clients ; le chef devra exécuter les commandes dans leur ordre d’arrivée et la serveuse va devoir amener au « bon client » le plat que le cuisinier vient de préparer. La solution consiste à utiliser dans chaque work center créé précédemment pour décrire les événements qui se succèdent à une même place, l’option Replicate en retenant le nombre maximum du groupe. Pour faire en sorte que la serveuse ne se déplace pour débarrasser (étape F), il suffit d’utiliser en Routing in de ce work center un Collect number prenant comme valeur la taille du groupe, en cochant l’option Do not collect until available et en ne cochant pas l’option Assemble. Une dernière adaptation doit être faite : rentrent dans le restaurant des clients collectifs que l’on installe à une table. Un premier work center fictif aura pour objet d’envoyer dans le premier work center du modèle de base (modifié avec le Replicate), autant de clients individuels qu’en comprend le client collectif ; c’est à ce niveau et non au point d’entrée que la caractérisation des clients individuels doit se faire. Dans un second temps, il est judicieux de créer un component, réunissant l’ensemble des stocks et work centres que vous avez créés pour traiter un client collectif, puis de - 15 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 le dupliquer 1 avant de faire la simulation. On néglige ici le fait que des clients peuvent réserver à l’avance (mais cela ne doit pas vous empêcher de réfléchir sur cette prise en compte dans la modélisation/simulation). Dans cette seconde modélisation, vous prendrez des arrivées aléatoires de clients uniques. Effectuez la simulation sur un seul service (celui du soir, de 19 heures 30 à 23 heures). Discutez des limites de cette modélisation et de son intérêt pour traiter de l’efficacité et de l’efficience de ce système productif. 1. Voir le polycopié, p. 75, pour voir comment créer un composant et comment accéder au contenu d’un composant existant. Pour la duplication d’un composant, utilisez le wizard « Duplication » (option « Tools » de la barre du menu général), qui permet une adaptation automatique, dans les programmes de Visual Logic dupliqués, des désignations des stocks et work centres de l’ensemble dupliqué et utilisées dans ces instructions. - 16 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas Caisse de Casimouth Cas proposé par Vincent Giard Objectif de cette simulation : créer un mécano d’objets d’un simulateur pour reproduire le plus fidèlement possible le fonctionnement d’un poste de travail d’un système de production de services dans lequel on observe des interactions multiples entre des clients qui se suivent, leurs caractéristiques respectives et celles du poste de travail et des ressources qu’il mobilise. Il s’agit également de modifier dynamiquement des paramètres utilisés par des work centres, ici en fonction de caractéristiques de clients passant en caisse. Le modèle établi servira à créer un composant qui sera dupliqué pour permettre la simulation du supermarché. Le modèle de base La simulation du passage en caisse dans un supermarché, qui utiliserait une distribution générale valable pour l’ensemble des clients, ne serait pas très réaliste car plusieurs facteurs interviennent dans la détermination du temps passé par un client en caisse. - La conception habituelle de ce poste de travail permet des chevauchements de tâches. Un client peut décharger son caddy pendant que le client précédent est traité par le caissier (ou la caissière), ce qui n’exclut pas qu’après déchargement de son caddy, ce client attende. De la même façon, le caissier attend que le client qu’il vient de traiter, ait rechargé son caddy avant de s’occuper du client suivant. Enfin le chargement du caddy peut s’effectuer avant que le caissier ait terminé la facturation. - L’état de santé du client influe sur son habilité à charger et décharger son caddy (deux états sont sans doute suffisants pour moduler le temps de traitement). - Bien évidemment, le nombre de produits achetés doit être pris en compte dans le calcul du temps de passage en caisse. - Enfin, il faut tenir compte de l’incident occasionnel du « prix manquant » qui bloque le processus de saisie. Dans un premier temps, il vous est demandé de créer un processus « passage en caisse » qui respecte cette liste de remarques, puis de procéder à une simulation. Dans un second temps, vous utiliserez le composant créé à partir du modèle précédent pour généraliser la démarche. Plusieurs modélisations du processus sont envisageables. Les principes de modélisation proposés ci-après permettent une modélisation fidèle à la réalité. Il est souhaitable, - 17 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 pour pouvoir généraliser la modélisation à plusieurs caisses d’utiliser des tableaux dans Information Store. - La loi d’arrivée des clients à la caisse peut être sommaire (une simple exponentielle de paramètre 3, par exemple), l’usage de l’option Time Dependant ne se justifiant que pour la simulation du fonctionnement global d’un supermarché doté de plusieurs caisses. Avant de partir dans la file d’attente, les clients doivent être caractérisés par un certain nombre de labels qui feront appel à des distributions de probabilité. - Il faut assigner à l’item entrant dans le système productif, des labels caractérisant le client et son caddy : . un numéro d’ordre du client (utilisez l’option « Unique » dans « Labels action ») ; . le niveau d’habilité du client (par exemple 1 pour habilité normale (95 %) et 2 pour habilité réduite) ; . le moyen de paiement utilisé (par exemple 1 pour carte (50 %), 2 pour chèque (30 %) et 3 pour espèces) ; . le nombre d’articles que contient le caddy (par exemple loi uniforme discrète allant de 2 à 20). - Certaines distributions de probabilité sont générales, en ce sens qu’elles ne dépendent pas de caractéristiques du client (ou de son caddy) ou de l’article acheté ou de la caissière. Elles se décrivent de manière classique (Named Distribution) ; c’est le cas : . pour le client, des distributions associées au niveau d’habilité, au moyen de paiement ou au nombre d’articles achetés . pour l’article acheté, par une probabilité qu’il soit correctement étiqueté 1 (99 %, par exemple) ou non en utilisant une distribution Probability Profile prenant les valeurs 1 ou 2 ; . pour la caissière, par une distribution de probabilité de saisie de prix d’un article (prenez, par exemple, la distribution T (0,03 ; 0,1 et 0,25)) ou celle du lancement de la demande de prix par la caissière (prenez, par exemple, la distribution T (0,5 ; 0,8 ; 1,5)) . ou, enfin, celle de la recherche de prix d’un article mal étiqueté par un renfort venant de l’accueil (prenez, par exemple, la distribution T (1 ; 2 ; 4)). - D’autres sont dépendantes de caractéristiques du client (niveau d’habilité, moyen de paiement). Si seuls les paramètres de la loi du temps opératoire d’un work center dépendent d’une caractéristique du client (repérée par un label), on a intérêt à les stocker dans l’Information Store et, au moment du traitement de l’item, à lire les paramètres de la distribution dans ce tableau à la ligne (ou la colonne) désignée par le label caractérisant le client. Il s’agit donc de : . la distribution du temps de déchargement (et de chargement si on considère qu’il n’y a pas de différence notable entre ces deux opérations) qui dépend du niveau d’habilité du client ; ses paramètres peuvent être stockés dans un tableau 1. C’est-à-dire qu’il ait un prix ; dans le cas contraire, il faut demander à un employé d’aller chercher le prix manquant ; on supposera que le fait qu’un code à barre ne passant au scanner oblige la caissière à saisir manuellement le code est pris en compte dans la distribution de probabilité du temps de saisie d’un prix. - 18 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Dechargement (ligne repérant le niveau d’habilité) et vous pouvez, par exemple, utiliser la distribution triangulaire 1 T (0,05 ; 0,07 et 0,15) pour une habilité normale et la distribution T (0,07 ; 0,12 et 0,2) pour une habilité réduite ; . la distribution du temps de paiement qui dépend du mode de paiement et ses paramètres peuvent être stockés dans un tableau Paiement (ligne repérant le mode de paiement) ; vous pouvez, par exemple, utiliser la distribution T (0,7 ; 1,1 ; 2,5) pour un paiement par carte, la distribution T (0,8 ; 1,5 ; 2) pour un paiement par chèque et la distribution T (0,5 ; 1 ; 3) pour un paiement en espèce. - Le client entrant se met dans la file d’attente. Pour le déchargement de son caddy sur le tapis, il faut d’abord créer un processeur fictif (Engagement nouveau client) correspondant au passage d’une attente au début du passage en caisse par un client ; ce processeur alimente un stock articles a traiter (tout aussi fictif) dans lequel on décharge tous les articles achetés (on a alors autant d’item dans ce stock que d’articles achetés par le client 2; l’item change alors de nature avant il correspondait au client avec son caddy, maintenant il correspond à chaque article acheté par le client). - Ces articles sont ensuite déchargés un à un par le processeur Déchargement dont le temps de traitement est une occurrence de la variable aléatoire correspondant au temps de déchargement unitaire défini pour le niveau d’habilité du client. Ces articles déchargés vont dans le stock Tapis situé en amont du poste de travail du caissier, stock dont la capacité est limitée (prenez, 50, par exemple). L’opération de déchargement d’un caddy peut alors se faire pendant que la caissière traite un client arrivé avant à cette caisse. Il est judicieux, à ce niveau de définir par un label L etiquette si l’article est correctement étiqueté (1) ou non (2). - Le poste de travail de la caissière se décompose en plusieurs work centres. . Le premier est le work center fictif Vérification étiquette, qui a pour fonction de donner à un label la valeur 1 si le produit est correctement étiqueté et 2 dans le cas contraire. Dans le premier cas, l’article va dans le stock Prêt à saisir. Dans le second cas, l’article va dans le work center SOS prix correspondant au travail de lancement de recherche d’un prix par la caissière puis dans le work center Recherche prix qui mobilise une ressource externe (implicitement à capacité infinie représentée par un Replicate élevé) qui cherche l’information manquante, avant de renvoyer l’article avec la bonne information de prix dans le stock Prêt à saisir. . Le work center Saisie prix, prélève les items dans le stock Prêt pour saisie et les scanne (ce qui conduit à une saisie du prix) puis les place sur le tapis roulant de sortie (stock Apres saisie) sur lequel le client reprend les articles achetés pour les remettre dans son caddy, opération symétrique de celle du décharge1. Simul8 adopte les conventions retenues par le pays de localisation de Windows pour le séparateur décimal des valeurs numériques stockées dans Information Store. 2. Le nombre d’articles sortant d’un work center est de 1 sauf spécification contraire définie par le bouton « Batching » de la fenêtre ouverte par le bouton « Routing out ». Par défaut, cette taille de lot est définie par une distribution Fixed de paramètre 1. Cliquez sur le bouton situé à côté de la fenêtre de saisie pour sélectionner le label correspondant au nombre d’articles achetés (label associé à l’item au point d’entrée). - 19 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 ment (Déchargement) réalisée par le work center Chargement qui replace les articles dans le stock Caddy apres caisse. . Le work center Paiement. Pour simplifier, ce paiement (dont le temps varie avec le mode de paiement) est supposé réalisé, une fois le caddy entièrement rechargé. Cette vérification est faite dans un programme Visual Logic placé dans le « If before selecting » du Routing in de ce work center en bloquant l’opération tant que le stock amont est vide ou ne contient pas autant d’items que la valeur du label donnant le nombre d’items du caddy, lue dans le premier item entré dans le stock ; lorsqu’il est égal à ce nombre d’items. Plusieurs solutions sont possibles, la plus simple étant sans doute celle de la mise à jour le Collect number de ce work center dans le work center fictif Vérification étiquette. Plusieurs solutions sont imaginables pour gérer la contrainte d’une prise ne compte d’un nouveau client que lorsque le client précédent a réglé ses achats. La solution la plus simple consiste à mettre dans Information Store un tableau Occupation caisse contenant 2 lignes et autant de colonnes que de caisses ouvertes (ce tableau étant réinitialisé à 0 en début de simulation) ; la première ligne contient l’indicateur d’occupation de la caisse (0 pour libre et 1 pour occupé) ; la seconde ligne calcule le nombre d’articles pris en compte pour le client considéré (If after loading au work center fictif Vérification étiquette). Dès que la caissière de la caisse i a pris en charge le dernier article du caddy du client (au work center fictif Vérification étiquette), il faut passer 1 cet indicateur (en sortie du premier des work centres ci-après) qui repassera à 0 dès ce client a payé (en sortie du work center Paiement client). Généralisation Vous pouvez ensuite, créer un composant 1 regroupant tout ce qui se trouve entre la file d’attente et le point de sortie. On peut imaginer alors que les clients se dirigent vers la caisse comporte le moins de caddy en attente ou, mieux, celle dont le nombre d’articles non encore traités (file d’attente + contenu du stock Tapis) est le plus faible. Pour cette généralisation, il suffit de travailler avec 3 caisses et de diviser par 3 l’intervalle moyen de temps séparant 2 arrivées successives. Ce qui suit constitue des pistes à suivre ensuite pour améliorer la simulation mais ceci ne vous est pas demandé. Il ne reste plus qu’à simuler le fonctionnement du supermarché Casimouth. Il est évident que la fréquentation d’un supermarché varie dans la journée et dans la semaine, ce qui conduit à faire varier le nombre de caisses ouvertes dans le temps. Ce problème a été rencontré avec le cas péage d’autoroute et se retrouvera avec le cas « réorganisation du centre d’appel de TV + » (page 28). Le problème de la détermination du nombre de caisses à ouvrir, en tenant compte simultanément des points de vue de l’efficacité et de l’efficience est similaire à celui rencontré dans ces deux autres cas. On ne l’abordera pas ici : on retiendra un nombre fixe de caisses et une même loi d’arrivée des clients dans le système (vous pourrez toujours ensuite sophistiquer la modélisation, si vous le désirez). Vous pouvez ensuite scinder le supermarché en un certain nombre de rayons dans lesquelles passent les clients. En passant dans un rayon, un client peut 1. Voir p. 75 du polycopié de simulation. - 20 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 ou non acheter un ou plusieurs produits. Il faut utiliser l’option Replicate pour permettre à plusieurs clients de faire simultanément des achats dans un même rayon. Il faut aussi penser à tenir compte des temps de déplacement et, si vous le souhaitez, intégrer la gestion du parking dans la modélisation et la simulation de Casimouth. Pour éviter d’intervenir sur les programmes en Visual Logic, afin de modifier le numéro de colonne (ou de ligne) du tableau Occupation caisse, il est judicieux d’embarquer dans l’item représentant le caddy d’un client, le numéro de la caisse où il se dirige. Ce type de problème se retrouve très souvent avec la création de components qui sont dupliqués dans une modélisation. La solution la plus simple ici, consiste à faire suivre le point d’entrée par un work center fictif, qui est connecté avec les différentes files d’attente des caisses, avec un Routing out sur la valeur prise par le label L caisse (au lieu du shortest Queue). La détermination de la valeur prise par ce label se fait par un programme en Visual Logic (If… before exit) qui évalue chaque file d’attente pour choisir la plus intéressante. Ce choix peut se faire sur la base du nombre total d’articles restant à traiter dans la file d’attente plutôt que sur le nombre de clients, ce qui est davantage conforme aux comportements observés sur le terrain. Étalonnage du tableau de bord du service des cartes C++ Comme beaucoup de grandes enseignes de la distribution, Casimouth possède une carte (la fameuse carte C++) permettant à ses titulaires de bénéficier d’offres promotionnelles, de règlements différés et de livraisons gratuites. Au siège, un service s’occupe de la gestion de ces cartes (ouverture, clôture, incidents, réclamations…). Dix employés travaillent dans ce service. Le Directeur administratif et financier (DAF) de Casimouth désire améliorer le tableau de bord de ce service et vous demande de l’aider dans cette opération. Il a fait procéder à une analyse des temps de traitement des dossiers par un spécialiste. Les informations qu’il a recueillies sont consignées dans la première colonne de la feuille « CASIMOUTH(Q2) » du classeur « MPPBS. xls » (temps exprimés en secondes). Utilisez @Risk (option « ajuster les distributions »)pour déterminer la distribution de probabilités qui vous semble le mieux résumer ces informations 1. Le DAF souhaite retenir comme indicateur le nombre de dossiers traités et il estime que sur les 7 heures officielles de travail quotidien, il est raisonnable de penser que 6 h 30 (soit 23 400 secondes) seront effectivement travaillées. Par ailleurs, la consigne est que les employés ne doivent pas laisser de dossier en suspens le soir en partant. Il estime en outre qu’il y a très peu de chance qu’il y ait rupture de charge de travail en raison d’un nombre insuffisant de dossiers à traiter. Le DAF souhaite définir plusieurs indicateurs pour son tableau de bord sur des productions ayant 10 % de chances d’être dépassées, permettant d’évaluer : - le travail d’un opérateur sur un jour, une semaine et 4 semaines - le travail de l’équipe sur un jour et sur une semaine. D’un point de vue méthodologique, deux problèmes se posent. Tout d’abord, il faut pouvoir passer d’une distribution du temps de traitement d’un dossier à une distribution 1. En réalité, plusieurs distributions semblent correctement ajuster la série observée ; l’impact du choix sur le reste de l’étude sera très limité. - 21 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 d’un nombre de dossiers traités quotidiennement. Ensuite, muni de cette distribution, il n’est pas toujours possible, pour répondre à la demande du DAF, d’invoquer le théorème de la limite centrale pour définir les seuils d’alerte du tableau de bord. - 22 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas Les 3 Poldaves Cas proposé par Vincent Giard La société Les 3 Poldaves est spécialisée dans la vente par correspondance. On s’intéresse ici aux commandes passées par Internet (formulaire électronique) pour des achats de DVD en supposant que chaque commande porte sur un nombre variable X de DVD (voir distribution de probabilités ci-dessous). Nombre x de DVD demandé par un client P(X = x) 1 50 % 2 30 % 3 20 % Une analyse de ces commandes a montré que l’on était en présence de processus de Poisson, avec des paramètres variant au cours de la journée. Pour le prochain trimestre, les prévisions des arrivées de commandes de DVD sur le site Internet des 3 Poldaves sont résumées dans le tableau ci-dessous (chaque client commandant de 1 à 3 DVD). Le temps d’ouverture du système de réception des commandes est donc de 24 heures (mais le traitement des commandes ne se fait que sur une partie de la journée).. Période Amplitude de la période (en heures) Intervalle moyen entre deux arrivées successives (en minutes) 7 2 9h à 12h 3 60 10 8 0h à 7h 7h à 9h 12h à 14h 2 14h à 18h 4 18h à 21h 3 21h à 24h 3 5 10 4 12 Commencez par calculer le nombre moyen quotidien de DVD par commande, le nombre quotidien moyen de commandes, puis le nombre quotidien moyen de DVD commandés. Pour simplifier, on considère que le catalogue de DVD porte seulement sur 500 références et que chacun des DVD a la même probabilité 0,2 % d’être demandé par un client 1. Les DVD livrés sont entreposés dans trois stocks banalisés, ce qui implique que l’on ne sache pas a priori où une référence donnée est stockée ; à un même moment, une référence peut donc se trouver dans un ou plusieurs stocks. Les deux premiers ces stocks sont une capacité de 500 unités et le dernier de 1 000 unités 2. Ils sont couplés à un système permettant la récupération automatique d’un DVD demandé. 1. Le remplacement de cette hypothèse ne présentant aucune difficulté. Dans l’initialisation des stocks et dans l’approvisionnement ultérieur de ceux-ci utilisez une distribution « Rounded Uniform » de paramètres 1 et 500. On notera que cette modélisation n’exclut pas la possibilité qu’un même titre puisse être commandé en plusieurs exemplaires. 2. En réalité cette capacité est de plusieurs milliers tout comme le nombre de titres disponibles mais une simulation sur cette base est suffisante pour analyser le fonctionnement du service. - 23 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 On supposera qu’au début de la simulation, chacun de ces stocks est plein, les deux premiers possédant 1 unité de chaque titre de DVD et le troisième, 2 unités. Faute de temps, on ne s’intéressera pas ici à une gestion « intelligente » des approvisionnements et on se contentera d’approvisionner régulièrement ces stocks, par exemple tous les jours, avec une livraison correspondant à la demande de DVD observée la veille, ce qui correspond remplacement des DVD expédiés 1. On supposera que cette livraison se fait dans la nuit et que les stocks sont recomplétés avant 9 heures, les DVD livrés étant stockés dans n’importe quel stock, sans préoccupation de la composition des stocks. Ces demandes sont traitées par un opérateur qui travaille de 9 heures à 17 heures, avec une pause déjeuner entre 12 h 30 et 13 h 30. En arrivant le matin, l’opérateur débute sa journée de travail avec un stock de commandes parvenues le matin avant 9 heures ou la veille au soir après la fermeture, augmenté éventuellement des commandes non encore traitées la veille à 18 heures. Une seconde personne est mobilisée le lundi et le mardi pour traiter les demandes arrivées au cours du week-end et dont les caractéristiques diffèrent de celles observées en semaine. Le traitement des demandes du weekend étant indépendant de celui des demandes de la semaine, on ne s’occupe ici que du traitement des commandes passées au cours de la semaine. Les commandes des clients font l’objet d’une vérification (adresse postale complète, disponibilité des références commandées, validité de la carte de crédit utilisée 2…) dans le cadre de l’interface utilisateur qu’utilise le client sur Internet. Les commandes n’ont donc pas à être contrôlées par l’opérateur. Dès qu’un opérateur a terminé de traiter une commande, une nouvelle commande s’affiche sur son écran (si le stock de commandes non encore traitées n’est pas vide). Un bouton de traitement lance la recherche du DVD demandé, par le système de récupération automatique de la référence demandée. Pour chaque DVD à récupérer, la durée de l’opération suit approximativement une loi triangulaire (Minimum = 0,1 minute ; Mode = 0,15 minute et Maximum = 0,25 minute) ; cette variabilité s’explique principalement par la distance entre le DVD demandé et le « récupérateur de DVD ». L’opérateur attend que le ou les DVD commandés arrivent et les posent sur la table où le paquet sera fait. Pendant ce temps, la facture et l’étiquette du paquet dans lequel seront placés les DVD et la facture sont imprimées. La confection du paquet à expédier au client prend entre 75 et 120 secondes. Ce temps comprend le placement du paquet dans un conteneur conçu pour accueillir 30 paquets. Quand ce conteneur est plein, l’opérateur l’amène sur un chariot mobile et le remplace par un conteneur vide (opération d’une durée moyenne de 2 minutes) ; ce chariot est périodiquement enlevé et remplacé par un chariot vide (opération non prise en compte ici). Il convient dans la modélisation de ne pas considérer comme d’égale importance toutes les opérations effectuées par l’opérateur : l’enlèvement du conteneur plein étant prioritaire par rapport à la confection du paquet 3. Il vous est demandé de modéliser et simuler ce processus sous Simul8 sur 10 jours ouvrables (du lundi au vendredi). 1. Ce qui implique d’enregister dans l’Information Store les références expédiées. Bien évidemment, des titres sortent du catalogue et d’autres rentrent, les réapprovisionnements ne sont pas quotidiens et la composition du stock doit tenir compte de l’attractivité prévisionnelle des titres du catalogue. 2. Les informations saisies sont valides, ce qui n’empêche pas que le titulaire de la carte ait dépassé le plafond autorisé. Ce type d’incident, détecté avant l’expédition de la commande, implique la mise en œuvre d’un processus d’annulation de la commande et d’envoi d’un mail au client. Ce type d’incident est rare et sera négligé ici. 3. Utilisez le bouton « Priority » des work centers. - 24 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas DVD Star Cas proposé par Vincent Giard Objectif de cette simulation : le système de production de services étudié ici est celui d’une mise à disposition d’un bien à un client pour qu’il puisse l’utiliser avant restitution (location de courte durée). Dans ce type de systèmes, le client peut être un abonné, ce qui conduit à la nécessité d’une prise en compte de ses transactions antérieures avec le système. Dans le cas de location de DVD, on peut raisonnablement penser qu’un client régulier ne loue que des films qu’il n’a pas déjà loués. Partie I Le vidéoclub DVD-Star possède en stock 100 titres de films dont certains en deux ou trois exemplaires ( 145 DVD) ; dans la réalité il en possède beaucoup plus mais on commence ici par une version simplifiée du problème. Ces films sont classés en 3 catégories « Action », « Comédie » et « Classique » ; ces catégories seront repérées dans la modélisation par un numéro d’ordre (1 pour « Action »…). Ces informations sont fournies dans le classeur Excel 1, sous deux formes équivalentes : repérage par numéro de film et repérage par numéro de DVD (plus facile à utiliser). On suppose qu’au début de la simulation les 145 DVD sont en stock. Le vidéoclub est ouvert de 15 heures à 23 heures ; aucun nouveau client ne peut être servi s’il arrive après 23 h 45. On supposera que l’arrivée des clients suit une loi exponentielle de paramètre 30 au cours des deux premières et des deux dernières heures et une loi exponentielle de paramètre 20 au cours des quatre heures d’ouverture intermédiaires (l’unité de temps étant la minute dans la définition de ces arrivées). Toujours pour simplifier le problème dans un premier temps, on suppose avoir affaire à des clients différents d’un jour sur l’autre, ce qui conduit à considérer que les demandes de film sont indépendantes. Par ailleurs, on suppose que chaque client ne demande à louer qu’un seul DVD. Le temps de traitement d’un client est de l’ordre de 5 minutes. On suppose que chaque client, une fois sorti du magasin, regarde chez lui le DVD loué et 1. Vous pouvez recopier directement les informations d’un tableau Excel (« Ctrl + V » après sélection de la partie à copier) dans un tableau d’Information Store (bouton situé en marge du tableau) d’un modèle Simul8. Pour mémoire, l’initialisation d’un stock à un ensemble d’items prédéfinis est illustrée par l’exemple du fichier Initialisation_ Stock_deterministe. S8 de la base d’exemples. Il est conseillé de caractériser chaque item (DVD) par son numéro de DVD (compris entre 1 et 145), son numéro film et son numéro de catégorie. - 25 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 le rend le lendemain ( work center correspondant à cette détention du DVD par le client) ; essayez de modéliser une restitution avant l’ouverture du magasin ou, à défaut, le lendemain à la même heure. On supposera également pour simplifier la modélisation que la structure de la demande est identique à celle de l’offre, laquelle tient compte de l’attraction plus forte de certains titres par la détention de plusieurs exemplaires de ces films. Ceci revient à considérer que chacun des 145 DVD possédés a la même probabilité d’être demandé par un client arrivant dans le magasin. Bien évidemment, il n’est pas certain que le titre demandé soit disponible, ce qui conduit alors le client à se rabattre sur un autre titre de la même catégorie ; pour simplifier, on considérera que n’importe quel autre titre de cette catégorie fait l’affaire. Plusieurs approches de modélisation de ce processus de location sont possibles. Le plus simple est sans doute de s’inspirer de l’exemple Synchronisation_stock_produits_Multiples. S8, même si les DVD sont conservés dans un stock unique car il convient de traiter la possibilité que le film désiré ne soit plus disponible. Ceci conduit à un programme en VL un peu plus complexe car le DVD à sortir peut correspondre au film désiré initialement ou, s’il n’est pas libre, à un autre film de la même catégorie. D’un point de vue technique, une fois repéré le numéro de film (et donc la catégorie de film) que client souhaite louer, (paramètre à stocker dans l’Information Store), il faut passer en revue successivement les DVD restant en stock ( Select Current Work Item Stock de DVD, i, dans le cadred’une boucle (Loop) sur i, bornée par le nombre d’items en stock) pour vérifier si le DVD demandé est disponible ; dans le cas contraire, le premier DVD disponible de la même catégorie fera l’affaire. Dans cette partie I, simulez le fonctionnement du magasin sur 2 jours (960 minutes). Partie II Dans la partie I de ce cas, vous avez modélisé et simulé le processus de location d’un DVD, sans prendre vraiment en compte l’aspect dynamique de ce processus et l’hétérogénéité de la clientèle (existence d’abonnés, possibilité de louer plusieurs DVD). On ne s’intéressera pas ici à la variation des taux d’arrivées au cours de la journée (dont la prise en compte est assez triviale) ni au fait qu’un client peut louer plus d’un DVD 1. On introduira un ensemble d’abonnés (une vingtaine suffira). Le fichier des abonnés, repérés par un numéro d’abonné, peut être modélisé par un stock d’items correspondant aux abonnés (initialisation par le bouton start-up du stock). On supposera que cette population d’abonnés est stable 2 pendant la simulation (sur 10 jours, par exemple). On postulera qu’un client entrant dans le magasin a 10 % de chances d’être un abonné. Une approche de modélisation possible consiste à « décider », au point d’entrée, si l’item entrant est ou non un abonné (le plus simple est d’attribuer au label « numéro d’abonné », la valeur 1 s’il s’agit d’un abonné et 0 dans le cas contraire), puis à stocker 1. Cette prise en compte implique un changement des principes de modélisation retenu, conduisant à une gestion complète des clients et des DVD à louer dans Information Store. Vous pouvez pousser plus en avant la réflexion si vous le désirez. 2. La levée de cette hypothèse n’étant pas très difficile mais inutile dans un premier temps. - 26 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 cet item dans un stock, suivi d’un work center fictif qui pointera également sur le stock d’abonnés ; ce work center fictif utilisera un Collect & Assemble avec un Collect Number égal à 1 pour le stock alimenté par le point d’entrée et la valeur du label « numéro d’abonné » pour le stock d’abonnés ; veillez à ce que l’item fusionné conserve la bonne valeur de numéro d’abonné. C’est dans ce work center fictif qu’il faut déporter le programme de sélection du DVD (introduit, dans la partie I, au point d’entrée). La complication additionnelle (à ne pas prendre en compte dans un premier temps) est qu’un abonné ne relouera pas un DVD déjà vu. Il faut donc conserver un historique des films loués par chaque abonné. Le plus simple est de créer un tableau (vecteur) donnant, pour chaque abonné, le nombre de films déjà loués (tableau à initialiser à 0 au début de la simulation 1) et de conserver l’historique des numéros de films loués dans un tableau ou l’abonné est repéré en ligne et les films loués en colonne. Un second changement doit être opéré en sortie du work center associé à la détention du DVD par le client : il faut remettre le DVD en stock et remettre l’abonné dans la base des abonnés susceptibles de louer un film (dédoublement de l’item en sortie). On supposera, pour simplifier, que les caractéristiques de la demande sont les mêmes tous les jours de la semaine et vous effectuerez une simulation de l’activité de DVD Star sur 28 jours. 1. Via un programme défini au niveau de Visual logic Time Check quand Simulation Time = 0. - 27 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas « réorganisation du Centre d’Appels de TV + » Cas proposé par Vincent Giard Objectifs pédagogiques : il s’agit de vous sensibiliser au fait que la conception de systèmes de production performants implique souvent la mobilisation successive de plusieurs approches. Dans le cas étudié, on est amené à utiliser d’abord les techniques d’optimisation puis celles de la simulation. Ce mécano est incontournable pour traiter correctement l’arbitrage entre efficacité et efficience du système productif étudié. La société TV + est un opérateur qui offre un bouquet de chaînes de télévision par le câble, l’ADSL et le satellite, auxquels les clients peuvent souscrire. Le Directeur de la Production a décidé de rationaliser le centre d’appels qui traite la clientèle située dans la région d’Alphaville. Le nouveau centre prendra en charge le client en lui demandant de fournir un certain nombre d’informations permettant de gagner du temps (numéro d’abonné, raison de l’appel) et de mieux orienter la demande vers les opérateurs. Il s’agit ici de définir une organisation de ce centre d’appels de telle sorte qu’un compromis acceptable soit trouvé entre l’efficacité (mesurée par le pourcentage de clients pris en charge et par la durée moyenne d’attente) et l’efficience (coût du personnel). Le problème traité ici est simplifié car on n’introduira pas de variation selon le type de demande, aussi bien au niveau des appels que des temps de réponse ; la construction d’un modèle plus réaliste ne pose guère de difficulté une fois que le modèle faisant l’objet du présent travail est correctement établi. Le centre d’appel est ouvert de 8 heures du matin à 19 heures. L’analyse de la demande montre que les demandes sont indépendantes et que la loi de l’intervalle entre deux arrivées successives suit une loi exponentielle 1 dont le paramètre varie au cours de la journée (voir tableau ci-dessous) ; par ailleurs, ces caractéristiques sont très voisines du lundi au vendredi. On ne s’intéressera ici qu’aux problèmes d’organisation du centre d’appel en semaine. Le temps moyen de réponse est de 7,5 minutes. Le tableau 1 comporte un calcul des effectifs théoriques en univers certain (valeur arrondie supérieure du quotient du taux horaire par le temps opératoire moyen). Pour simplifier, on supposera que les opérateurs de ce centre d’appel travaillent pendant des sessions de 4 heures, que tous ces opérateurs sont à temps partiel (20 heures par semaine) et que les services des opérateurs commencent en début d’heures. Le tableau 2 décrit les 8 services offerts au personnel. Dans la pratique, on a un certain nombre d’autres services possibles offerts à du personnel souhaitant 1. Le processus est donc Poisonnien. - 28 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Tableau 1 : calcul des effectifs théoriques en univers certain Tranche horaire 8hà 9h Intervalle moyen entre deux appels 5 successifs (en minutes) Taux horaire 12 Taux horaire/7,5 1,6 Effectifs théoriques 2 9hà 10 h 10 h à 11 h 11 h à 12 h 12 h à 13 h 13 h à 14 h 14 h à 15 h 15 h à 16 h 16 h à 17 h 17 h à 18 h 18 h à 19 h 1,6 1,1 1 2 4 1 1,2 2 2,5 3 37,5 5 5 54,55 7,27 8 60 8 8 30 4 4 15 2 2 60 8 8 50 6,67 7 30 4 4 24 3,2 4 20 2,67 3 travailler 5 heures, 6 heures ou 7 heures par jour. Cette extension du problème, qui ne présente pas de difficulté, doit tenir compte de l’intégration d’une pause repas 1 ; elle ne sera pas abordée ici. Tableau 2 : services offerts numéro de période Heure début du service service 1 Service 2 Service 3 Service 4 Service 5 Service 6 Service 7 Service 8 1 8H 1 0 0 0 0 0 0 0 2 9H 1 1 0 0 0 0 0 0 3 10 H 1 1 1 0 0 0 0 0 Périodes 4 5 11 H 12 H 1 0 1 1 1 1 1 1 0 1 0 0 0 0 0 0 6 13 H 0 0 1 1 1 1 0 0 7 14 H 0 0 0 1 1 1 1 0 8 15 H 0 0 0 0 1 1 1 1 9 16 H 0 0 0 0 0 1 1 1 10 17 H 0 0 0 0 0 0 1 1 11 18 H 0 0 0 0 0 0 0 1 On suppose que le coût de chacun de ces services est le même. Si l’on cherche une organisation optimale en univers certain, il faut déterminer le nombre d’opérateurs associés à chacun des 8 services, en faisant en sorte que le nombre d’opérateurs présents au cours de chacune des tranches horaires ne soit pas inférieur à l’effectif théorique du tableau 1 et en retenant la solution qui minimise le nombre d’opérateurs nécessaire au cours d’une journée. Pour déterminer ces effectifs, vous pouvez utiliser le solveur d’Excel ou le modeleur XPress. Une fois ce premier calibrage des effectifs obtenus, il vous est demandé de procéder à une simulation (Simul 8) dans laquelle : - vous utilisez l’option « Replicate » du processeur de traitement d’un appel en le portant à une valeur supérieure au nombre maximal d’opérateurs présents sur une même plage de temps ; - vous créez autant de ressources opérateur différente qu’il y a de services ; chaque ressource opérateur a un effectif de type shift dependant reprenant le résultat de l’optimisation, pour la plage horaire correspondante ; 1. Une modélisation plus fine du problème peut tenir compte de la présence de pause si l’on estime que l’opérateur du centre d’appel ne peut travailler 4 heures consécutives sans pause. - 29 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 - créez une ressource regroupant toutes les ressources précédemment créées en utilisant l’option à cocher « Pool Resource » 1 ; c’est cette dernière ressource que vous mobiliserez dans le work center traitant les appels. Les lois d’arrivée des appels sont de type time dependant et reprennent les données du tableau 1. On supposera que le client qui appelle n’accepte pas d’attendre plus qu’un certain temps et que la distribution du temps que met un client avant de raccrocher suit la loi triangulaire T (1 ; 2 ; 4) 2. La distribution du temps de traitement d’un appel suit la distribution T (3 ; 6,5 ; 13), illustrée ci-dessous. Les appels en attente sont pris dans leur ordre d’arrivée ; les items correspondants sont donc mis dans un stock unique et. Effectuez une simulation sur une semaine et évaluez la situation en terme d’efficience d’efficacité ; pour lanalyse de l’efficacité, tenez compte des heures d’arrivée des clients. Essayez ensuite d’améliorer l’efficacité du système en rajoutant de manière astucieuse un opérateur dans l’un des 8 services. Les ingénieurs qui ont déjà travaillé sur un simulateur avec Optquest peuvent directement, s’ils le souhaitent, travailler avec cette approche, ce qui permettra de comparer les démarches et résultats lors de la séance. 1. Voir l’exemple « Pool. S8 » de la bibliothèque d’exemples du cours de simulation. 2. Le traitement de cette variation du temps de séjour maximum dans un stock est illustré dans l’exemple « Peremption_variable. S8 » de la bibliothèque d’exemples du cours de simulation. - 30 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas Péage d’autoroute Cas proposé par Vincent Giard Objectif de cette simulation : analyser un système de production ouvert en permanence, avec un personnel travaillant en brigades, le nombre de postes de travail disponibles pouvant être supérieur au nombre de personnes susceptibles de les occuper ; simulation d’un comportement de client d’un système productif, ce client choisissant sa direction en fonction d’une de ses caractéristiques et de l’état du système productif au moment de sa prise de décision. Du point de vue des techniques de simulation, ce mini-cas implique de bloquer l’accès aux guichets non pourvus d’opérateur ; il conduit aussi à utiliser l’Information Store pour définir des paramètres de loi variant dans le temps ou en fonction d’une caractéristique de l’item. Ce cas débouche sur une réflexion sur une prise en compte de points de vue antagonistes (efficacité versus efficience) dans la conception d’un système de production de services. La SLA, Société Lidurienne des Autoroutes vous demande d’examiner l’organisation de la barrière de péage d’Alphaville de l’autoroute Alphaville - Bêtaville. Pour simplifier également, on ne s’intéressera ici qu’au sens de circulation Bêtaville - Alphaville et on supposera que l’on est en régime de croisière, sans variation saisonnière. On considérera que les arrivées des véhicules au péage sont aléatoires et suivent une loi exponentielle dont le paramètre varie au cours de la journée et du jour de la semaine ; ces valeurs sont décrites dans le tableau 1 et fournies dans le tableau « Taux arrivees » de l’Information Store du fichier téléchargeable 1 Peage.S8 ; la figure de la page suivante retrace l’évolution de la fréquentation du péage dans la journée. Tableau 1 : Intervalle moyen entre deux arrivées successives, selon la plage horaire et le jour de la semainea - en minutesb Plage horaire Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche 0Hà1H 0,455a 0,500 0,526 0,510 0,476 0,625 0,556 1Hà2H 0,909 1,000 1,053 1,020 0,952 1,250 1,111 2Hà3H 0,909 1,000 1,053 1,020 0,952 1,250 1,111 3Hà4H 0,455 0,500 0,526 0,510 0,476 0,625 0,556 4Hà5H 0,303 0,333 0,351 0,340 0,317 0,417 0,370 5Hà6H 0,182 0,200 0,211 0,204 0,190 0,250 0,222 6Hà7H 0,091 0,100 0,105 0,102 0,095 0,208 0,185 1. http://www.lamsade.dauphine.fr/~giard/Peage.S8. - 31 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Tableau 1 : Intervalle moyen entre deux arrivées successives, selon la plage horaire et le jour de la semainea - en minutesb Plage horaire Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche 7Hà8H 0,076 0,083 0,088 0,085 0,079 0,156 0,139 8Hà9H 0,045 0,050 0,053 0,051 0,048 0,125 0,111 9 H à 10 H 0,101 0,111 0,117 0,113 0,106 0,083 0,074 10 H à 11 H 0,130 0,143 0,150 0,146 0,136 0,104 0,093 11 H à 12 H 0,152 0,167 0,175 0,170 0,159 0,125 0,111 12 H à 13 H 0,114 0,125 0,132 0,128 0,119 0,250 0,222 13 H à 14 H 0,091 0,100 0,105 0,102 0,095 0,139 0,123 14 H à 15 H 0,130 0,143 0,150 0,146 0,136 0,179 0,159 15 H à 16 H 0,182 0,200 0,211 0,204 0,190 0,250 0,222 16 H à 17 H 0,114 0,125 0,132 0,128 0,119 0,125 0,111 17 H à 18 H 0,070 0,077 0,081 0,078 0,073 0,074 0,065 18 H à 19 H 0,045 0,050 0,053 0,051 0,048 0,050 0,044 19 H à 20 H 0,036 0,040 0,042 0,041 0,038 0,060 0,053 20 H à 21 H 0,045 0,050 0,053 0,051 0,048 0,069 0,062 21 H à 22 H 0,101 0,111 0,117 0,113 0,106 0,104 0,093 22 H à 23 H 0,114 0,125 0,132 0,128 0,119 0,125 0,111 23 H à 24 H 0,182 0,200 0,211 0,204 0,190 0,250 0,222 . a. Ces données sont fournies dans le tableau « Taux arrivees » de l’Information Store du fichier Peage. S8 b. Rappelons qu’une loi exponentielle de paramètre 0,455 (minute) correspond à une loi de Poisson de paramètre 1 / 0,455 = 2,198 arrivées par minute, ce qui conduit à 60 x 2,198 = 131,9 arrivées par heures. Évolution du nombre horaire moyen de passages par tranche horaire La barrière de péage comporte des guichets automatiques, des guichets manuels et un guichet « abonnés ». - Les guichets « CB » sont au nombre de cinq ; l’automobiliste paye son passage par carte bancaire ou avec l’une des cartes acceptées. Pour simplifier, on fera abstrac- 32 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 tion ici des immobilisations de guichets automatiques liées à des pannes et des opérations de maintenance préventive ou curative (ces hypothèses simplificatrices étant faciles à lever dans un modèle de simulation plus complet). - Des guichets « manuels », où le paiement est effectué auprès d’un guichetier. Le paiement peut s’y effectuer en espèces ou par carte. Les guichets au nombre de cinq ne sont pas systématiquement ouverts : leur ouverture dépend du nombre d’agents présents. Actuellement l’organisation se fait en 3 brigades de 8 heures. La brigade 1 prend son service à 23 heures ; la brigade 2 prend son service à 7 heures et la dernière, à 15 heures. Actuellement, la brigade de nuit comporte 4 agents et les autres brigades, 5 agents. - Deux guichets « abonnés » qui comportent un système de détection automatique évitant à l’abonné d’attendre, le règlement de son passage s’effectuant par prélèvement bancaire en fin de mois. Il n’est pas possible à ces guichets de payer par carte bancaire ou en espèces. On suppose que 35 % des usagers sont des abonnés et que 40 % des usagers peuvent régler le péage par carte bancaire et ne sont pas abonnés (25 % des usagers ne peuvent donc régler qu’en espèces). Bien évidemment, un porteur de carte bancaire se rendra vers le guichet ayant la plus faible file d’attente, que ce guichet soit automatique ou manuel. Les temps de service de ces modes de paiement sont donnés dans le tableau 2. Tableau 2 : Distributions de probabilité des temps de traitement dans les différents postesa par carte bancaire en espèces Règlement par carte bancaire au péage automatique Exponentiel (0,5) Exponentiel (0,7) Triangulaire T (0,15 ; 0,25 ; 0,5) Passage au guichet « abonné » Loi Uniforme U (0,1 ; 0,3) Règlement à un guichet manuelb a. L’unité de ces paramètres est la minute. b. Ces deux paramètres sont stockés dans le tableau « TO guichet manuel » Il vous est demandé de modéliser ce processus et de le simuler sur 4 semaines 1 et de voir s’il est possible de fonctionner dans des conditions satisfaisantes avec moins d’agents par brigade. Il est également demandé d’apprécier l’intérêt, en terme de niveau de service, d’un guichet automatique supplémentaire. Utilisez le fichier Peage. S8 pour la simulation. Il est suggéré de suivre les conseils suivants de modélisation de ce processus sous Simul8. - Au point d’entrée, la loi des arrivées varie avec l’heure et le jour de la semaine ; plusieurs solutions sont envisageables pour remplacer celle, très « lourde » dans ce cas, de l’usage de distributions de type Time Dependant. La plus simple consiste à sélectionner la distribution exponentielle au point d’entrée puis à en définir le paramètre en cliquant sur le bouton situé vers la droite de la fenêtre de saisie du paramètre, ce qui fait apparaître une fenêtre de définition du paramètre à utiliser ; celui-ci est une valeur lue dans le tableau d’Information Store 2. 1. Soit 40 320 minutes avec une simulation du péage 7 jours par semaine et 24 heures par jour ; ce paramétrage est à effectuer avec l’option « Clock properties » de l’option « Clock » de la barre de menu. En commençant la simulation à 0 heure, on se place à un moment de très faible activité ; dès lors, on peut considérer que l’on est en régime de croisière et qu’il n’est pas nécessaire de neutraliser les observations du début de la simulation (Warm-up). - 33 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 - Utilisez la même démarche pour définir le paramètre à utiliser dans un guichet manuel (selon le mode de paiement du client), sachant que la ligne à lire dans le tableau « TO guichet manuel » d’Information Store est définie par la valeur du label que vous avez défini pour caractériser le mode de paiement des automobilistes entrants ; les valeurs des labels préalablement définis pour tout item entré dans un work center sont accessibles par simple utilisation du nom du label. - Après le point d’entrée du système, créez trois work centres fictifs (un par type de paiement) pour dissocier les flux : les automobilistes non abonnés qui possèdent une carte peuvent aller dans n’importe quel guichet CB ou « manuel » (ouvert) ; les automobilistes non abonnés ne possédant pas de carte ne peuvent aller que vers les guichets manuels ; les abonnés n’empruntent que les guichets « abonnés ». Plusieurs solutions au problème de neutralisation des guichets « manuels » ne pouvant être utilisés faute de personnel sont présentées dans le document de cours. La plus simple consiste à exécuter toutes les heures (programme en Visual Logic créé sous l’option « Visual Logic Time Checks » de l’option « Clock » de la barre de menu et à utiliser les commandes Link 1 et Unlink (voir Command… Any, lors de l’insertion d’une instruction) et d’utiliser la connaissance du nombre d’opérateurs disponibles 2 pour définir les arcs à conserver, reliant les work centres fictifs aux files d’attente des guichets manuels. - Analysez, d’une part, l’utilisation des ressources mobilisées et, d’autre part, le niveau de service (temps total de passage au péage) globalement mais aussi en fonction du type de client (utilisez le label du type de paiement dans l’option Segregate Results du point de sortie). Il est également intéressant d’analyser le niveau de service par type de client et par tranche horaire de passage ; comme il n’est pas possible d’utiliser simultanément 2 labels dans l’option Segregate Results du point de sortie, le plus simple est d’utiliser un point de sortie par type de paiement et d’utiliser l’heure de passage pour affiner les résultats (pour vous simplifier le travail, les trois tableaux de la page suivante synthétisent les résultats d’une simulation sur 4 semaines). 2. Le repérage du jour (1 …7) se fait par la fonction DAY ( DAY(Simulation Time)); celui de l’heure commencée (0… 23) se fait par la fonction HOUR ( HOUR(Simulation Time)). La lecture dans le tableau « Taux arrivees » d’Information Store se fait en tenant compte du fait que la première ligne et la première colonne sont utilisées pour les entêtes et, faisant attention au fait que la première tranche horaire correspond à un HOUR(Simulation Time) = 0. 1. La commande Link a pour syntaxe « Link origine destination durée », ou origine est un work center ou un stock, de même que destination et durée est le temps de déplacement entre le point de départ et le point d’arrivée ; il est conseillé de laisser cette durée à 0 et de rendre nul les temps de déplacement (option « Distance / Travel Time » de l’option « Graphics » de la barre de menu. Voir exemple Resources_Shift_3.S8. 2. Rappelons que les attributs d’une ressource (nombre disponible, nombre utilisé, image, etc.) sont accessibles dans la fenêtre de programmation de Visual Logic lors de la saisie d’une instruction de type Set ou If : une fois sélectionné la ressource (liste affichée par le bouton-radio « Object »), une fenêtre s’ouvre à droite et liste les attributs disponibles pour la classe d’objets considérée (ici les ressources). - 34 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Tableau 3 : Nombre moyen horaire de clients selon l’heure d’arrivée (simulation sur 4 semaines) Client Avec CB Sans CB Abonné Total Client Avec CB Sans CB Abonné Total Tranche horaire 1 47 31 41 119 2 23 16 22 61 3 23 14 21 57 4 45 28 39 113 5 69 43 60 172 13 167 104 151 421 14 226 142 196 564 15 163 102 143 408 16 117 73 103 294 17 196 125 175 495 6 115 72 101 288 7 209 129 181 519 8 256 157 229 642 9 404 250 348 1 002 10 247 158 221 626 11 193 118 159 469 12 163 98 142 403 20 560 342 481 1 383 21 452 288 395 1 135 22 228 145 200 573 23 196 124 173 493 24 118 72 104 293 Tranche horaire 18 323 205 288 816 19 494 301 426 1 221 Tableau 4 : Temps moyen de séjour au péage selon l’heure d’arrivée (simulation sur 4 semaines) Client Avec CB Sans CB Abonné Client Avec CB Sans CB Abonné 1 0,50 0,81 0,22 2 0,45 0,70 0,21 3 0,46 0,78 0,21 4 0,48 0,76 0,22 13 0,55 0,92 0,25 14 0,58 0,97 0,27 15 0,54 0,89 0,25 16 0,53 0,87 0,24 Tranche horaire 6 7 0,52 0,58 0,85 0,97 0,24 0,26 Tranche horaire 17 18 19 0,57 0,63 0,67 0,93 1,11 1,65 0,26 0,30 0,43 5 0,51 0,85 0,22 8 0,61 1,01 0,27 9 0,66 1,47 0,40 10 0,61 1,08 0,27 11 0,59 0,91 0,25 12 0,55 0,89 0,25 20 0,72 2,27 0,66 21 0,67 1,68 0,49 22 0,60 1,04 0,26 23 0,58 0,93 0,26 24 0,50 0,91 0,24 Tableau 5 : Ecarts-type des temps de séjour au péage selon l’heure d’arrivée (simulation sur 4 semaines) Client Avec CB Sans CB Abonné Client Avec CB Sans CB Abonné 1 0,39 0,74 0,08 2 0,36 0,74 0,07 3 0,37 0,84 0,07 4 0,41 0,71 0,08 5 0,45 0,83 0,08 13 0,48 0,84 0,11 14 0,52 0,88 0,13 15 0,47 0,84 0,11 16 0,46 0,82 0,10 17 0,50 0,82 0,11 Tranche horaire 6 7 0,43 0,50 0,80 0,87 0,10 0,12 Tranche horaire 18 19 0,54 0,48 0,94 1,27 0,15 0,28 - 35 - 8 0,54 0,93 0,13 9 0,50 1,18 0,30 10 0,53 1,00 0,13 11 0,54 0,83 0,11 12 0,49 0,83 0,11 20 0,45 1,70 0,54 21 0,50 1,34 0,52 22 0,52 1,00 0,13 23 0,51 0,84 0,11 24 0,44 0,86 0,10 Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas « dossier d’investissement ULC » Cas proposé par Vincent Giard Objectifs pédagogiques en Gestion : choix d’investissement (capacité optimale) avec prise en compte du risque, modélisation fine de la demande, introduction aux arbitrages rentabilité/risque. Objectifs pédagogiques en Techniques Quantitatives : utilisation directe de variable aléatoire dans une feuille de calcul d’un tableur (@Risk), analyse de la dispersion des résultats, analyse de sensibilité. Le groupe ULC (Union Lidurienne de Cinéma) vous demande de monter un dossier d’investissement pour la rénovation d’un cinéma de la banlieue d’Alphaville comportant actuellement 2 grandes salles, en un complexe de 4 salles (de tailles à définir). Le service des études du groupe vous communique son étude de marché qui segmente les films en deux catégories. La catégorie 1, comportant essentiellement des block-busters, représente un marché de films populaires à forte fréquentation. Bien évidemment, la catégorie 2 regroupe les autres films. La programmation d’une salle ne change pas en cours de semaine mais la fréquentation des films d’une catégorie varie au cours de la semaine ; le service des études a retenu une modélisation de la demande aléatoire faisant appel à des distributions triangulaires dont les caractéristiques (paramètres) varient selon l’heure de la séance mais aussi le jour de la semaine 1. Ces informations sont fournies dans le tableau de la page suivante dans lequel on peut noter que les caractéristiques de fréquentation peuvent être similaires sur plusieurs jours pour certaines séances 2 ; il a semblé préférable de retracer ces informations sous la même forme que celle retenue dans la feuille « ULC » du classeur « MPPBS. xls ». La capacité des salles est exprimée en nombre de sièges sachant que, dans une salle « moyenne », il y a 14 fauteuils par travées (la capacité d’une salle « moyenne » est donc nécessairement un multiple de 14). L’analyse économique de ce projet est orientée vers la détermination de la capacité optimale à mettre en place. Une travée de 14 fauteuils a 1. L’étude fait apparaître que, pour un film donné, la fréquentation varie d’une semaine sur l’autre, en fonction de nombreux facteurs (accueil du public, concurrence des autres films, vacances, positionnement des vacances, stratégie de distribution des « majors » …) Au bout de quelques semaines d’exploitation, un film de catégorie 1 peut poursuivre sa « carrière » en catégorie 2 ; les hasards de la programmation peuvent conduire à la projection de plusieurs films de catégorie 1 au cours de la première semaine. Ces variations et transferts sont globalement pris en compte dans les distributions retenues qui sont représentatives de la dispersion de la demande pour un même ensemble de séances tout au long de l’année. Une modélisation plus sophistiquée s’appuyant sur plus de catégories ne pose pas de problème particulier mais on a préféré ici retenir des hypothèses « suffisantes » pour permettre une résolution rapide de ce cas. 2. Par exemple, les séances de l’après-midi connaissent le même type de fréquentation en semaine. Sur la version pdf de ce document, les séances ayant les mêmes caractéristiques sont repérées par une couleur distincte pour chaque ensemble. - 36 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 un coût de 15 000 dollars liduriens venant s’ajouter à l’investissement de la salle qui est de 150 000 pour une salle de moins de 140 places, a un coût de 180 000 pour une salle d’une capacité supérieure n’excédant pas 210 places et un coût de 210 000 pour des salles plus grandes. Paramètres des distributions triangulaires caractérisant les diverses demandes aléatoires aux différentes séances du cinéma Séances Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche Après-midi 20 heures 22 heures Après-midi 20 heures 22 heures Après-midi 20 heures 22 heures Après-midi 20 heures 22 heures Après-midi 20 heures 22 heures Après-midia 20 heuresb 22 heures Après-midi 20 heures 22 heures Catégorie 1 (block-buster) min mode Max 10 50 100 100 200 300 80 160 270 10 50 100 100 200 300 80 160 270 10 50 100 200 220 280 180 200 250 10 50 100 100 200 300 80 160 270 10 50 100 150 220 350 130 200 260 200 250 300 250 300 350 200 250 320 200 250 300 100 200 300 80 160 270 Catégorie 2 (film « ordinaire ») min mode Max 5 30 70 50 100 150 20 50 110 5 30 70 50 100 150 20 50 110 5 30 70 50 100 200 60 110 180 5 30 70 50 100 150 20 50 110 5 30 70 70 100 150 30 90 100 50 80 100 80 130 220 70 100 180 50 80 100 50 100 150 20 50 110 a. Il y a 20 % de chances pour qu’un client n’ayant pas trouvé de place à une séance de l’après-midi revienne à la séance de 20 heures. b. Il y a 20 % de chances pour qu’un client n’ayant pas trouvé de place à une séance de 20 heures revienne à la séance de 22 heures. Le critère retenu est celui de la maximisation de la VAN, sachant que le groupe utilise un taux d’actualisation annuel 1 de 10 % dans le choix de ses investissements, que l’horizon économique retenu est de 4 ans (208 semaines) et qu’à cet horizon, on considère que la valeur résiduelle de l’investissement est de 40 % de l’investissement initial (en effet, il faut procéder alors à une rénovation importante des salles). Cette valeur résiduelle est à porter au crédit du projet 2, comme s’il y avait vente fictive. L’inflation en Lidurie est considérée comme négligeable, ce qui fait que l’on peut raisonnablement raisonner à prix et coûts constants. La marge moyenne sur coût variable d’un siège occupé est de 2,50 dollars liduriens, compte non tenu des charges fixes annuelles s’élevant à 150 000 dollars. Dans l’analyse économique, on travaillera sur des flux quotidiens sur un horizon de 4 ans (ce qui conduira à de nombreux copier-coller 3 des 1. Comme vous travaillerez sur des échéanciers hebdomadaires, n’oubliez pas d’utiliser le taux hebdomadaire équivalent. 2. Ce problème méthodologique de la valeur résiduelle d’un équipement se pose en cas de comparaison de projets d’investissement, l’horizon d’étude étant borné. Ce point est traité au §III.2.2 du chapitre III de Gestion de la production et des flux (Economica, 3e édition, 2003). - 37 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 colonnes I :P de la feuille ULC dans laquelle, pour chacune des salles de ce bloc, le choix aléatoire du type de film est réalisé à l’aide de la fonction RiskDiscrete de @Risk). Deux scénarios sont à l’étude. Le premier scénario sera traité par les étudiants de la promotion par ordre alphabétique dont la première lettre du nom va de A à N. Les autres étudiants examineront le second scénario. Dans le cadre d’un scénario, plusieurs solutions sont envisageables. Vous chercherez, par tâtonnement, celles qui vous semblent les plus performantes du point de vue de la rentabilité et du risque pour le groupe ULC. - Le premier scénario porte sur 4 salles moyennes de taille identique (à déterminer). Chacune d’entre elle a la même probabilité (15 %) de projeter un film de catégorie 1 au cours d’une semaine quelconque. La feuille « ULC » du classeur est orientée vers ce premier scénario du point de vue du choix de la catégorie de film d’une salle mais le dimensionnement de chaque salle est laissé à votre entière discrétion (la solution initiale proposée 1 ne présentant que l’intérêt de vous faire comprendre la structure du modèle sous-jacent dans la feuille ULC). - Le second scénario s’appuie sur une structure de l’offre plus spécialisée dans laquelle . la première salle (grande salle) est plus spécialisée dans la projection des films de catégorie 1 qui constituent 60 % de son offre 2 ; . la seconde salle (salle moyenne) est plus polyvalente avec 20 % de son offre constituée de films de catégorie 1 (même caractéristiques que dans le premier scénario) ; . les deux dernières salles (petites salles) ne projettent que des films de catégorie 2. La grande salle comporte des travées de 20 fauteuils tandis que les petites salles comportent des travées de 10 fauteuils. L’investissement sur une travée de 10 fauteuils s’élève à 11 000 dollars ; il est de 19 000 dollars dans le cas de travées de 20 fauteuils. Les contraintes d’espace font qu’il est difficilement possible d’imaginer de doter le complexe de plus de 850 places 3. Ne cherchez à tester que quelques scénarios l ; Les données de la feuille ULC (cellules F33 :F36) doivent être adaptées en conséquence, de même que la solution par défaut des (cellules B51 :D54). Quelle solution préconisez-vous ? Si vous en avez le temps, essayez de travailler avec RiskOptimiser en partant d’une solution initiale obtenue en examinant ce que donnent les alternatives en travaillant avec les espérances mathématiques des VAN Remarques méthodologiques : - Recopiez la feuille ULC dans un classeur que vous ouvrirez ensuite avec @Risk ; ce nouveau classeur comportera 7 feuilles si vous travaillez avec Excel 2 003 et 3. La limitation du nombre de colonnes dans une feuille oblige à dupliquer la feuille (en modifiant le numéro de semaine initiale) pour décrire les 208 semaines (7 feuilles sont nécessaires). 1. proposée dans les cellules B51 :D54 ; elle est à modifier dans le scénario 2 2. Il faudra remplacer les probabilités mises dans les cellules F33 :F36, avec les données du second scénario pour les différentes salles (la paramétrisation totale du modèle présentant de nombreux avantages). 3. Bien évidemment, la contrainte est beaucoup plus complexe que cela. L’énumération des configurations possibles est un problème qui est normalement traité en amont de l’analyse économique. - 38 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 moins avec la dernière version (le nombre maximal de colonnes ayant été augmenté). - Vous devez travailler sur la construction d’un échéancier (aléatoire) de FNT hebdomadaires. En effet, la demande sur 4 ans est une somme de demandes hebdomadaires aléatoire et non le produit d’une demande hebdomadaire aléatoire par 208. Cette remarque est fondamentale dans l’analyse du risque (variabilité de la rentabilité du projet d’investissement), la variance de la demande annuelle étant alors égale à 208 fois la variance de la demande hebdomadaire et non 2082 fois la variance de la demande hebdomadaire. En réalité, ces données hebdomadaires sont actualisées au taux annuel de 10 % ; si l’on suppose que c’est la même catégorie de film qui passe dans une salle, il ne faut pas multiplier la variance de la 208 demande hebdomadaire par 208 mais par 1 1 –t 52 . La non-stabilité du type de t=1 film d’une semaine sur l’autre, compliquant singulièrement la recherche d’une solution analytique, le plus simple est de travailler sur une explicitation des échéanciers. - Avant de procéder à la recopie des colonnes, commencez par déterminer la demande exprimée pour chaque séance de la première salle (N6 :N28), en tenant compte des caractéristiques de la demande et des éventuels reports (G33), puis la demande satisfaite (M6 :M28) en tenant compte de la capacité de la salle (rappelée en M3). Il ne reste plus qu’à faire un copier - coller des cellules N6 :M28 dans les autres salles, en ajustant la probabilité des reports (consignées dans les cellules G33 :G36). Il faut ensuite calculer la marge hebdomadaire actualisée (P117) et la quote-part hebdomadaire actualisée des charges fixes annuelles (P118). Avant de recopier une première fois les calculs de la première semaine (colonnes I :P) pour déterminer les résultats de la semaine 2 (colonnes Q :X) regardez comment incrémenter astucieusement le numéro de semaine (cellule X1), ce qui vous conduira à mettre la même formule dans cette cellule après recopie (de I :P dans Q :X) et à recopier ensuite les colonnes X :Q jusqu’au moment où vous disposez d’une simulation sur 208 semaines. - Vous avez intérêt à traiter le report d’une séance à l’autre (lorsque c’est le cas) non pas comme une fraction de la demande excédentaire mais comme la réalisation d’une variable aléatoire Binomiale où le nombre d’épreuves correspond au nombre de clients n’ayant pas pu rentrer à la séance précédente. - Il est judicieux, dans la recherche « par tâtonnement », de commencer par examiner les solutions en espérance mathématique (voir setting > valeurs statiques de @Risk). - 39 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas Urgence Cas proposé par Vincent Giard Il s’agit ici de modéliser et simuler un service d’urgences. On s’intéressera principalement à la modélisation des traitements effectués dans un box. Il vous est demandé de compléter la modélisation amorcée dans le fichier téléchargeable Urgence. S8, qui comporte déjà de nombreuses informations (labels, distributions, paramètres stockés dans l’Information Store) ; avant tout travail sur ce fichier, commencez par examiner attentivement le contenu de ce début de modélisation. Un patient peut arriver dans un service d’urgences de deux façons : par ses propres moyens (taxi…) ou accompagné par un professionnel des urgences (SAMU, pompiers, police-secours…). Les lois d’arrivées diffèrent un peu selon ces accès, de même que les caractéristiques des patients. Les lois d’arrivées correspondent à des processus de Poisson avec paramètres variant au cours de la journée (lois d’arrivée de type Time dependant, avec lois exponentielles). Un patient qui arrive aux urgences est caractérisé par un niveau de gravité, connu sous l’acronyme CCMU 1, dont la valeur varie de 1 à 5. Il est également caractérisé par le fait que tous ses déplacements dans le service d’urgence doivent s’effectuer ou non sur un brancard 2 ; la probabilité d’avoir à se déplacer sur un brancard dépend, bien évidemment, du CCMU. Le patient commence à son parcours par l’accueil (poste occupé par une infirmière spécialisée dans l’évaluation de gravité du patient et son orientation) ; les patients arrivant accompagné par un professionnel des urgences sont prioritaires à l’accueil sur les patients arrivant par leurs propres moyens. Dans les cas les plus graves (CCMU = 5) le patient est conduit immédiatement au centre de déchocage (salle de surveillance dédiée aux cas mettant en jeu le pronostic vital, les patients admis dans cette salle étant généralement dans le coma), sinon (CCMU < 5), il va en salle d’attente. Les patients admis au centre de déchocage y séjournent entre 30’ et 150’, à la suite de quoi 15 % des patients décèdent et sont donc expédiés à la morgue et les autres sont admis prioritairement (sur les patients de la salle d’attente) dans un box libre ou venant de se libérer. Lorsqu’un box se libère, la première infirmière disponible va chercher 3 au centre de déchocage ou en salle d’attente, un patient arrivé et l’installe dans le box 4 ; ce déplace1. Pour Classification Clinique des Malades aux Urgences. Sur ce point, voir : http://fr.wikipedia.org/wiki/ Classification_clinique_des_malades_aux_urgences. Vous pouvez également jeter un rapide coup d’œil sur : http:// www.orumip.fr/docs/livsau.pdf. 2. Label « L Brancardage » valant 1 (brancardage inutile) ou 2 (brancardage nécessaire) - 40 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 ment peut nécessiter le concours d’un brancardier, accompagné de l’infirmière. Le box est réservé à un même patient, tant que celui-ci n’est pas définitivement sorti 1 : si ce patient se voit prescrire une radio ou un IRM, ce qui l’amène à quitter momentanément le service des urgences, le box qu’il occupe n’est pas réalloué en son absence (normalement de courte durée, le centre d’imagerie médicale se trouvant juste à côté du service des urgences 2). Une fois installé, le patient attend d’être examiné par un médecin urgentiste, assisté d’une infirmière. Ce premier diagnostic conduit à un ensemble de prescriptions (traitements, prélèvements, imagerie) qui, une fois exécutées conduiront ce patient à être revu par un urgentiste. Un patient peut être vu jusqu’à trois fois par un urgentiste (pas nécessairement le même 3. La troisième fois, sauf cas exceptionnels non considéré ici, aucune prescription susceptible de nécessiter le maintien du patient dans le box n’est requise par l’urgentiste. On parlera ici d’étape dans le processus de traitement d’un patient aux urgences ; une étape commençant toujours par un diagnostic médical 4. Le temps passé pour chacun de ces diagnostics varie en fonction de l’étape 5 mais pas de manière très significative en fonction du niveau de CCMU. À l’issue du second diagnostic, le patient peut aller à la sortie du service des urgences, rester dans le box pour d’autres traitements, aller en salle de déchoquage et, enfin, aller dans une salle d’attente munie de lits en attendant une place dans l’un des services de l’hôpital (cette salle est généralement connue sous le nom de « lit-porte »). Quatre types de traitements, notés T1 à T4, peuvent être prescrits lors des deux premières étapes : soins infirmiers (T1, infirmière requise), soins médicaux simples (T2, médecin requis), soins médicaux complexes (T3, médecin + infirmière), appel à un spécialiste (T4, médecin spécialiste requis 6). Ces traitements sont exclusifs et diffèrent par les ressources qu’ils mobilisent 7 mais leur durée 8 est à peu près indépendante du CCMU et de l’étape atteinte dans le processus de prise en charge du patient 3. Il est judicieux d’utiliser un work center fictif appartenant au box, pour sélectionner le patient et procéder à la neutralisation du box (Unlink), avec un envoi de ce patient dans un stock directement ou non (brancardage), le work center d’installation envoyant ensuite l’item dans un stock pivot connecté avec tous les work centers associés aux diagnostics, traitements, clichés et analyse. 4. Temps d’installation : exponentiel de paramètre 5 minutes. 1. Il est conseillé, dans cette modélisation, d’utiliser les instructions Link et Unlink de Visual Logic, pour déclarer la disponibilité ou l’indisponibilité du box. 2. L’éloignement peut conduire à d’autres règles de gestion des box. 3. D’autres règles de gestion sont possibles, conduisant une association de l’urgentiste au patient. Quelles en sont les conséquences en termes de performance ? 4. Le label « L étape » est utilisé. Après le premier diagnostic tous les traitements et analyses prescrits par le diagnostic précédent doivent être réalisés avant de pouvoir effectuer un nouveau diagnostic. Cette condition peut être représentée par un label (« L diagnostic possible ») valant 1 si on peut passer à l’étape suivante et 0 dans le cas contraire. Un Routing in avec Batch by type permet de ne déclencher un nouveau diagnostic que si toutes les conditions sont réunies (elles le sont nécessairement pour le premier diagnostic). 5. Ces informations sont consignées dans le tableau « Parametres Durées Diagnostics » d’Information Store ; elles sont à lire directement (en fonction de « L étape ») dans les fenêtres de définition des distributions triangulaires. 6. Ces spécialistes sont rattachés à d’autres services de l’hôpital. On supposera que les urgences peuvent à tout moment mobiliser un spécialiste. Bien évidemment, ce partage de ressources entre le service d’urgences et le reste de l’hôpital induit une interdépendance des systèmes productifs que l’on négligera dans cette analyse simplifiée. De la même façon, ces interdépendances seront négligées pour l’imagerie médicale et les analyses de sang. 7. Ce qui conduit à utiliser 4 work centers différents dans la modélisation ; leurs temps opératoires suivent une distribution triangulaire dont les paramètres sont lus dans le tableau « Parametres Durees Traitements », en fonction du CCMU. 8. Voir tableau « Parametres Durees Traitements » dans l’Information Store. - 41 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 dans le box, contrairement au choix de ces traitements 1 par le médecin urgentiste ou l’orientation du patient après un diagnostic. Les deux premiers diagnostics conduisent nécessairement à un traitement si le patient reste dans le box. Le médecin urgentiste peut également prescrire, lors des deux premiers diagnostics, une analyse de sang et/ou demander un cliché (radio ou scanner ou IRM). On utilisera autant de labels 2 pour toutes les opérations possibles que doit subir un patient à la suite d’un diagnostic. Ces besoins d’analyses dépendent, en probabilité 3, du CCMU du patient (faute d’informations fiables, l’indépendance est postulée entre le type de traitement et les besoins d’analyses). En cas de prescription d’analyse sanguine, une infirmière prélève un échantillon de sang dans le box (durée : environ 3 minutes), après quoi le patient est disponible, si nécessaire, pour d’autres analyses ou traitement ; cet échantillon de sang est transmis au laboratoire ; les résultats de l’analyse sont ensuite acheminés directement au box du patient (attention à la généralisation ultérieure à plusieurs box pour éviter les erreurs de destinataire dans les retours d’analyse). La durée d’une analyse sanguine suit une loi triangulaire T (30; 45; 60), le centre possédant 5 postes d’analyse ; on simplifiera ici le processus du retour en supposant que ce retour met entre 10 et 30 minutes. Chaque centre d’imagerie possède un seul équipement, ce qui peut conduire à une attente (une salle d’attente par centre d’imagerie médicale) ; les lois d’obtention de ces images sont les suivantes : loi triangulaire T (5; 9; 12) pour la radio, loi triangulaire T (20; 25; 35) pour le scanner et loi triangulaire T (30; 35; 50) pour l’IRM. Les résultats sont remis au patient avant son retour au box. Le temps de transport moyen entre un box et un centre d’imagerie médicale est d’environ 6 minutes. Les différentes prescriptions (analyse, clichés, traitement) peuvent être exécutées dans un ordre quelconque (logique d’ordonnancement de type open shop), en fonction de la disponibilité des ressources mobilisées. Il convient alors d’utiliser dans la modélisation un stock relié, dans les deux sens, aux différents work centers associés aux traitements, clichés et analyse sanguine (dans ce dernier cas, il faut ajouter un work center fictif pour la récupération des « bons » résultats). L’importance du temps d’analyse d’un prélèvement conduit à préférer commencer par le prélèvement, si cette prescription a été faite, afin de limiter le temps de séjour d’un patient dans le box 4. Signalons, pour terminer, qu’un box peut avoir besoin d’être nettoyé avant de pouvoir être réutilisé (probabilité variant avec le CCMU du patient) ; cette prise en compte n’est pas demandée ici. 1. Techniquement, le plus simple est de définir dynamiquement les paramètres des distributions relatives au choix de traitement et à l’orientation après diagnostic en utilisant dans un programme en Visual Logic (en Routing in ... after loading) l’instruction Set Prob-Profile Distrib Column pour lire les paramètres des distributions de type Probability Profile « D choix du traitement » et « D orientation après diagnostic » dans des tableaux d’Information Store (tableaux « Probab Traitement Diagnostic 1 »… et tableaux « Orientation après diagnostic 1 » ...), en fonction de l’étape et/ou du CCMU du patient. Pour faciliter la mise à jour des paramètres de « D orientation après diagnostic », les 4 directions possibles sont retenues dans les 3 tableaux « Orientation après diagnostic 1 » ... 2. Labels déjà créés, à utiliser en Routing in ... Batch by type, dans les work centers associés à ces traitements, 3. Voir les tableaux « Proba Imagerie Diagnostic 1 » et « Proba Imagerie Diagnostic 2 » de l’Information Store ; à utiliser pour définir les valeurs de labels associés aux analyses. 4. Techniquement, c’est un peu compliqué car tous les work centers prélevant dans un même stock sont candidats pour traiter l’item du stock (le départage s’effectue sur la base de l’ancienneté en création des work centers candidats) ; vous pouvez réfléchir à une solution possible. On en reparlera lors de la résolution collective. - 42 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 On aurait pu améliorer le modèle en faisant varier les effectifs de personnel dans le cadre de l’organisation en « trois-huit » car les arrivées de l’après-midi sont plus espacées que celles du matin et de la nuit, de caractéristiques proches. Le surdimensionnement des ressources de l’après-midi a été maintenu pour résorber les files d’attente importantes se produisant assez souvent en fin de matinée. Dans une première approche, le niveau des ressources « mobiles » est considéré comme stable au cours de la journée (8 urgentistes, 8 infirmières « itinérantes », 3 brancardiers, 1 médecin spécialiste). Le bureau d’accueil a toujours une infirmière pour gérer les formalités d’admission et orienter les patients. Le bureau de sortie est également doté en permanence d’un administratif qui gère 1 les formalités de sortie et, si nécessaire, commande un taxi ou une ambulance pour le retour à domicile du patient. Simulez d’abord le fonctionnement du service d’urgence avec un seul box pendant 1 jour afin de vérifier la pertinence de la modélisation retenue ; dans cette modélisation, on négligera les temps de déplacement. Créez ensuite un composant box rassemblant les works centers et stocks utilisés pour décrire le fonctionnement d’un box puis dupliquez-le pour obtenir un service d’urgence doté de dix box. Effectuez ensuite une simulation sur une dizaine de jours. Analysez le fonctionnement du système en termes d’efficacité et d’efficience. 1. Temps de traitement de type exponentielle de paramètre 3 minutes. - 43 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas Hôpital Cas proposé par Vincent Giard Vous participez à l’étude de modélisation des processus de traitement des patients dans le service de chirurgie interne. (téléchargez le fichier HOPITAL_a_completer. S8) Ce service de chirurgie interne dispose d’un certain nombre de chambres individuelles dédiées à ce service, d’un personnel médical spécifique (médecins et infirmières) et d’une pharmacie de service, alimentée par la pharmacie centrale de l’hôpital. Ces chambres sont toutes équipées d’un écran tactile et d’un lecteur de badge (de type « Pass Navigo »). Par ce biais, le personnel médical (médecins et infirmières) venant dans la chambre pour le suivi hospitalier de ce patient a un accès direct au dossier médical du patient. Le médecin utilise cet écran tactile pour consigner ses observations et son diagnostic mais aussi ses ordonnances médicales et demandes d’examens (analyses de sang, radio, IRM…). On s’intéresse ici au processus d’admission des patients et à celui du traitement des prescriptions de médicaments. Les hypothèses (très) simplificatrices permettant la modélisation des flux de patients dans le service de chirurgie interne sont les suivantes. - Le nombre quotidien d’arrivées dans ce service suit une loi de Poisson de paramètre 3 (utilisez le bouton Batching du point d’entrée) ; aucun problème de capacité ne se pose 1 ; les admissions se font entre 9 heures et 10 heures 2. - La durée de séjour d’un patient est un nombre entier de jours (1 jour avec 40 % ; 2 jours avec 50 % et 3 jours avec 10 %) ; il est conseillé d’affecter à chaque patient rentrant dans le service, un label indiquant sa durée de séjour et un autre label indiquant son jour de sortie 3. - Les départs se font entre 8 et 9 heures chaque matin 4. 1. Dans une simulation plus réaliste, il faudrait gérer les arrivées sur la base de rendez-vous respectant des contraintes de capacité et l’urgence des soins à pratiquer. 2. Il est conseillé de déclencher les arrivées tous les jours à 0 h 00, en les stockant dans un stock puis d’avoir un work center « admission » utilisant l’option « shift » pour orienter les patients vers une chambre de libre. Les différents shift paterns utilisables dans cette modélisation ont été créés dans le fichier Simul8 à compléter ; tout ou presque est à créer dans ce fichier. 3. Rappelons que DAY(Simulation Time) donne le jour courant ; par exemple DAY(0) = 1, DAY(1500) = 2... Le plus simple est de retirer les patients de leurs chambres sur la base du jour de sortie (routing in ... batch by type), en respectant les horaires de sortie (shift). 4. Le work center traitant les départs prélève les patients dont le jour de sortie est le jour courant. Utilisez un Visual Logic Time Check pour mettre à jour la valeur du « Fixed Type Label Value » de ce work center. Il est judicieux également d’utiliser l’option Shift de ce work center pour n’autoriser ces sorties que sur la bonne plage horaire. - 44 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 - Ce service comporte plusieurs chambres, toutes à un seul lit. Dans la modélisation, on ne s’intéressera qu’aux trois premières. Les autres chambres seront représentées par un stock unique permettant seulement de gérer les entrées et les sorties 1. La modélisation du séjour d’un patient dans une chambre de ce service peut se faire par un stock de capacité 1 (le patient se repose dans son lit) et plusieurs work centers correspondant chacun à des prestations médicales ou hôtelières 2 consommées par le patient. Pour simplifier, on ne s’intéressera ici qu’aux deux visites quotidiennes des médecins et au circuit de médicaments prescrits et consommés par le patient sous le contrôle de l’infirmière aux repas du midi et du soir. Cet ensemble, constitué d’un stock et de plusieurs work centers, devra faire ensuite l’objet d’un component qui sera dupliqué pour représenter les deux chambres supplémentaires à prendre en compte dans cette modélisation. Les hypothèses (très) simplificatrices permettant la modélisation des prestations fournies aux patients et retenues dans cette modélisation sont les suivantes. - Le service dispose, 24 heures sur 24, d’un médecin et d’une infirmière ; dans la réalité le personnel médical est plus important mais cette limitation se justifie par le fait que la modélisation demandée ici n’est détaillée que pour 3 chambres. - Deux consultations médicales sont assurées systématiquement chaque jour dans les chambres des patients séjournant dans le service de chirurgie interne : la première a lieu le matin entre 9 h 30 et 11 heures et la seconde, l’après-midi entre 16 et 18 heures. Cette prestation, qui implique la présence du médecin de service et d’une infirmière, dure une dizaine de minutes. - Au cours de la consultation du matin, le médecin rédige une ordonnance prescrivant les médicaments que devra prendre le patient pendant son repas du midi et celui du soir. Pour simplifier, on considérera que la consultation du soir ne donne lieu à aucune ordonnance. . Ces médicaments sont directement commandés à la pharmacie centrale, à la fin de la consultation sur terminal dont est équipée la chambre du patient. . On ne cherche pas ici à modéliser le détail d’une ordonnance et on considère que les médicaments nécessaires sont toujours disponibles. La pharmacie centrale met dans deux boîtes séparées, les médicaments que le patient doit prendre au cours de chaque repas. Le stock de médicaments du modèle à compléter ne détaille pas les différents médicaments qu’il contient mais correspond à « une sorte de kit » d’exécution de la commande 3 permettant de remplir 1. Une modélisation plus complète, basée sur le nombre exact de lits disponibles implique une gestion des arrivées sur rendez-vous en fonction des disponibilités. Cette amélioration de de la modélisation peut être envisagée dans un second temps. Il s’agit ici de privilégier l’analyse des processus liés au séjour des patients. 2. Pour traiter un item, le work center le prélève du stock et le renvoie, une fois le traitement effectué, dans ce même stock. La page horaire pendant laquelle un traitement est possible est définie par l’option shift du work center . Il convient de veiller à ce qu’un même traitement, par exemple la visite du matin par un médecin du service, ne soit pas effectué plusieurs fois (l’une des solutions possibles consistant à conditionner un traitement par une valeur de label de l’item, valeur modifiée par le work center et réinitialisée toutes les nuits à 0 heure). Il est conseillé de dupliquer le work center associé à une catégorie de prestations pour faciliter le repérage de la prestation dispensée le matin, de celle dispensée l’après-midi. On peut ajouter enfin que, dans l’absolu, l’utilisation du « group » (ou celui des commandes link et unlink) devrait s’imposer pour éviter de libérer la chambre mais qu’elle n’est pas nécessaire ici, les départs des chambres s’effectuant avant les arrivées (si vous suivez bien les indications données ici). - 45 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 deux boîtes de médicaments en exécution d’une prescription d’un médecin pour un patient. . La pharmacie centrale expédie les médicaments prescrits aux pharmacies des différents services de l’hôpital, toutes les demi-heures. Entre le départ de la tournée (pharmacie centrale) et l’arrivée dans la pharmacie du service de chirurgie interne, s’écoule une dizaine de minutes. Il est suggéré d’utiliser deux work centers, l’un dédié aux tournées du matin et l’autre à celles de l’aprèsmidi, même si ce n’est pas la solution la plus élégante. La tournée du matin emporte seulement toutes les boîtes disponibles destinées à la prise de médicaments pendant le repas de midi. . L’infirmière de service distribue à chaque patient la boîte correspondant à sa prescription médicale, livrée dans la pharmacie du service. Cette opération, qui dure environ 2 minutes, est effectuée le matin entre 11 heures et midi, le déjeuner étant livré dans la chambre à partir de cette heure, et le soir entre 17 heures et 18 heures, le dîner étant servi à partir de 18 heures. Modélisez le fonctionnement de ce service en commençant d’abord avec une seule chambre (+ le stock correspondant aux autres chambres) pour vérifier la bonne circulation des items. Créez ensuite un component regroupant la chambre et tous les work centers correspondant aux traitements effectués sur le patient et dupliquez-le pour obtenir deux chambres additionnelles (utilisez le wizard de duplication ; attention à l’éventuelle incidence de cette duplication sur certains programmes Visual Logic). Effectuez enfin une simulation pour en vérifier le bon fonctionnement. 3. On a utilisé la même démarche pour les composants rentrant dans la composition des burgers dans le cas FastFood. Il faut en outre prendre la « bonne » boîte de médicament à administrer ce qui conduit à utiliser l’option match du Routing in. sur la base d’un numéro de patient attribué à l’arrivée - 46 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Analyse des systèmes de production de services Il vous est demandé de réfléchir, préalablement à la séance, aux thèmes suivants I Les invariants de ces systèmes II La qualité des services III production de biens versus production de services - 47 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Master de Sciences de Gestion Mention : Management de la performance Spécialité Management des processus de production de biens et services UE 266U4 : Management des processus de production de services Responsable de l’UE : Vincent Giard Cas Air Lidurie Cas proposé par Frédéric Gautier et Vincent Giard Air-Lidurie a décidé d’améliorer la rentabilité de ses lignes par différentes actions (amélioration des processus de production, amélioration de la connaissance de la demande, amélioration de l’offre commerciale, etc.). On s’intéresse ici à une mise en place de la technique de sur-réservation qui consiste à vendre, sur un vol, plus de billets que de places disponibles, pour tenir compte de la non-présentation de certains voyageurs au départ. En cas d’insuffisance de place, une somme forfaitaire est offerte en dédommagement aux passagers qui acceptent de prendre le vol suivant. Vous êtes chargé par le directeur commercial d’Air-Lidurie de conduire une étude sur un ensemble de vols considérés comme homogènes du point de vue des caractéristiques de la demande et de l’offre commerciale (en particulier, même capacité des avions utilisés). Cet ensemble de vol est qualifié dans la segmentation en usage dans le service des études d’Air-Lidurie, de vols de la catégorie F et vous êtes chargé de faire des propositions de mise en place de ces techniques de sur-réservation sur ces vols de la catégorie F. Partie I Pour commencer ce travail, vous étudiez une centaine de vols de cette catégorie, dont toutes les places avaient été vendues et vous analysez le nombre X de sièges inoccupés par des voyageurs ayant réservé sur ces vols complets. Ces données sont reportées sur le graphique ci-dessous et traitées dans le tableau 1 . Tableau 1 : analyse des réservations inutilisées sur les vols de la catégorie F i xi ni ni xi n i x i2 ni ni – 1 2,81 x i 1 2 3 4 5 6 7 8 Total 0 1 2 3 4 5 6 7 - 6 16 27 25 8 9 4 5 100 0 16 54 75 32 45 24 35 281 0 16 108 225 128 225 144 245 1 091 2,67 1,69 0,93 0,32 1,13 0,44 1,25 - 2,80 1,40 0,93 0,70 0,56 0,47 0,40 - - 48 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 a) Déterminez à partir de ces informations la loi suivie par ce nombre de réservations inutilisées (type de distribution de probabilité et paramètre (s) de cette distribution). b) On suppose maintenant que cette variable aléatoire X suit la loi de Poisson P (2,8), il vous est demandé de compléter la distribution de probabilité de cette loi dans la colonne 3 du tableau 2 (à faire sous Excel, la 3e colonne résultant de la fonction LOI. POISSON). Tableau 2 : établissement de la distribution théorique et calculs des conséquences d’un scénario de sur-réservation i Nombre x i de passagers ne se présentant pas à l’embarquement 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Total P X = xi … … … 0,22248 0,15574 0,08721 0,04070 0,01628 0,00570 0,00177 0,00050 0,00013 0,00003 0,00001 1,0000 Analyse des conséquences de d’une sur-réservation de S = 2 sièges effectivement vendus Nombre y Nombre z de sièges inoc- y P (Y = y) de passagers z P (Z = z) cupés excédentaires 0 0,00000 2 0,12162 … … … … … … … … … … … … … … … … 3 0,26163 0 0,00000 4 0,16280 0 0,00000 5 0,08140 0 0,00000 6 0,03420 0 0,00000 7 0,01239 0 0,00000 8 0,00400 0 0,00000 9 0,00117 0 0,00000 10 0,00030 0 0,00000 11 0,00011 0 0,00000 … - 49 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 c) En supposant que l’on décide de vendre systématiquement deux places de plus à des clients se décidant dans les 24 heures précédant le départ d’un vol complet et en faisant l’hypothèse que cette vente additionnelle ne modifie pas la distribution de probabilité de la variable X. Si ces deux places supplémentaires sont vendues (et occupées), il est évident que : - le nombre Y de sièges inoccupés est X – 2, si X 2 et 0, dans le cas contraire, - le nombre Z de passagers excédentaires (c’est-à-dire ne pouvant prendre place dans l’avion) est 2 – X, si X < 2 et 0, dans le cas contraire. Explicitez les distributions de probabilité de Y et de X, puis calculez sur le tableau 2 : - l’espérance mathématique E (Y) du nombre de sièges inoccupés d’un vol complet sur lequel deux places supplémentaires ont été vendues ; - l’espérance mathématique E (Z) du nombre de passagers excédentaires d’un vol complet sur lequel deux places supplémentaires ont été vendues. d) Sachant qu’une place vendue sur un vol de la catégorie F rempli à plus de 80 % dégage une marge brute de 800 dollars liduriens et que l’indemnité attribuée au passager qui accepte de prendre un autre vol est de 1900 dollars, quelle est l’espérance mathématique de la marge nette obtenue avec une sur-réservation de 2 sièges effectivement vendus. Cette marge nette est égale à la différence entre la marge certaine réalisée par la vente des 2 billets vendus en sur-réservation et l’espérance mathématique du dédommagement de clients ne pouvant embarquer. e) En utilisant la relation de calcul de l’espérance mathématique E (Y) du stock résiduel 1 d’un stock initial S soumis à une demande suivant une loi de Poisson et, d’autre part, l’espérance mathématique E (Z) du nombre de passagers excédentaires 2, on peut alors établir plus rapidement le tableau 3 qui fournit ces espérances mathématiques pour différentes valeurs de S places supplémentaires vendues en plus des places disponibles. Il vous est demandé de compléter ce tableau pour S = 1 et S = 2 (résultat que vous avez déjà établi par un calcul direct), puis de calculer l’espérance mathématique de la marge nette pour S billets vendus en sur-réservation. Tableau 3 : analyse des conséquences d’une vente de S billets en sur-réservation S billets vendus en sur-réservation E (Y) E (Z) E (Marge nette) = 800.S – 1900E (Z) 0 2,8000 0,0000 1 2 3 0,5613 0,7613 4 0,2533 1,4533 5 0,1010 2,3010 0,00 … … 953,45 438,77 -371,82 f) Sur les vols de catégorie F, une étude de la demande de places en sur-réservation a été faite il y a quelque temps. Les résultats sont repris dans le tableau 4. Il est évident que si l’on décide de mettre en vente 2 places en sur-réservation sur un vol de catégorie F, le nombre de places supplémentaires effectivement vendues sera 0, 1 ou 2. Calculez maintenant l’espérance mathématique de la marge nette pour deux billets offerts en surréservation. 1. ou stock moyen possédé Ip (S) = espérance mathématique du nombre de sièges inoccupés pour une sur-réservation S. 2. ou rupture moyenne de stock Ir (S). - 50 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Tableau 4 : demande de places en sur-réservation sur un vol de catégorie F Demande D de places en sur-réservation Probabilité 0 0,25 1 0,35 2 0,15 3 0,10 4 0,10 5 0,05 Un calcul similaire pour différentes valeurs de S a conduit au tableau 5 (à compléter pour S = 2), quelle recommandation formulez-vous ? Tableau 5 : espérance mathématique de la marge réalisée en offrant K en surréservation Nombre K de places offertes en sur-réservation Espérance mathématique de la marge réalisée 0 0 1 513,35 2 …. 3 634,74 4 557,53 5 517,00 Partie II La compagnie TransLooping vient de se créer pour concurrencer Air Lidurie sur la ligne entre Lidurid et Bordurid. Elle a acquis une série de Airoeing 437 de 140 places en leasing. TransLooping cherche à rentabiliser le vol du soir entre Lidurid et Bordurid pour lequel la demande de réservation suit une loi Normale de moyenne 100 et d’écarttype 25. - Quelle est la probabilité que le taux de remplissage soit de 70 % ? - Quelle est la probabilité de refuser un passager à bord ? - Donner un intervalle de confiance à 90 % du nombre moyen de passagers à bord. Pour contrer la concurrence de TransLooping, Air Lidurie vient de baisser ses tarifs de 10 %. S’interrogeant sur les effets de cette baisse des prix sur sa propre demande, TransLooping fait réaliser un sondage durant 20 jours sur ce vol. La moyenne observée est de 80 avec un écart-type de 36. - Sur la base d’un intervalle de confiance à 90 %, peut-on dire que la demande moyenne a évolué ? - Proposez une estimation de la moyenne et de l’écart-type de la demande. TransLooping étudie deux solutions indépendantes pour améliorer le remplissage du vol. - TransLooping pourrait décider de réduire son prix de vente de 10 % pour maintenir la demande initiale (qui était, avant réduction de 200 $) et de proposer une nouvelle classe de réservation au tarif de 100 $, le billet devant être réservé 7 jours avant le départ et n’étant pas remboursable. Quel doit être le nombre de places à proposer dans cette nouvelle classe pour optimiser la recette ? - La seconde possibilité serait d’introduire une classe affaire de 8 sièges, remplaçant 18 sièges économiques à l’avant de l’appareil. 10 sièges seraient mis en vente au tarif de 500 $, les no-shows étant modélisés par une loi de Poisson de paramètre 3. Le dédommagement monétaire versé au client non embarqué, en plus du remboursement du billet est de 200 $ alors qu’aucune pénalité n’est prévue en cas de no-show (sauf le non-remboursement des frais de service qui sont de 25 $, soit 5 % du tarif). - 51 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Quel doit être le taux de remplissage moyen de cette nouvelle classe pour qu’elle soit intéressante par rapport à une configuration tout économique ? Quel est le revenu net global attendu de cette classe, en retenant le modèle de Hamzace et Vasig 1 ? Sur la base du modèle de Hamzace et Vasig, en faisant l’hypothèse que la moyenne des no-shows est strictement proportionnelle au nombre de sièges mis en vente, quel est le nombre optimal de sièges à mettre en vente au tarif affaires ? Partie III Pour faire face à la concurrence de Air Lidurie, Translooping décide de faire appel à une troisième possibilité de configuration de ses Airoeing 437 de 140 places. Pour éviter la baisse de la demande au plein tarif de 200 $ sans diminuer ce tarif, TransLooping décide de configurer une partie de l’appareil en classe PREMIUM (classe S). Cette classe serait configurable en fonction de la demande et une série de mesures d’amélioration du service serait réalisée pour améliorer le confort des passagers (boissons gratuites, franchise de bagages, numéro de téléphone dédié à la gestion des réservations PREMIUM….). Si ces mesures sont engagées, le service « Management des capacités et recettes » de Translooping estime que la demande pourrait être inchangée (Loi Normale de moyenne 100 et d’écart-type 25). Cependant, en raison de la concurrence, le nombre de no-shows devrait être modélisé par une loi normale de moyenne 20 % et d’écart-type 5 %. La création de cette nouvelle classe de service configurable permettrait de proposer une classe de réservation très économique au tarif de 140 $, réservable 42 jours avant le départ sans possibilité de changement de réservation ou de remboursement. Cette classe de réservation ne pourrait être réservée que sur le site internet de la compagnie TransLooping, afin de réduire la demande et de limiter les frais. Selon les premières études de marché réalisées, la demande pour cette classe de réservation (classe N) suivrait une loi normale de moyenne 120 et d’écart-type 45. Le nombre de passagers no-shows pourrait être modélisé par une loi normale de moyenne 5 % et d’écart-type 1 %. En conformité avec les règlements du Ministère des Transports Liduriens, en cas de surbooking, la compagnie doit verser une compensation égale à 20 % du tarif acquitté. La politique de TransLooping va plus loin puisqu’elle offre une compensation égale à 25 % pour ses passagers fidélisés. Ces passagers fidélisés représentent 60 % des passagers au plein tarif et 30 % des passagers au tarif réduit, selon les données du service Marketing. S’appuyant sur ces données, le service « management des recettes et des capacités » décide de déterminer le nombre maximum de réservations à accepter sur un vol de ce type et le pourcentage de sièges à réserver au tarif plein afin de maximiser le revenu d’un vol tout en s’assurant que l’écart-type des résultats de la simulation du revenu ne dépasse pas 3 000 $. 1. A. Capiez, Yield Management, Hermès, 2003, p. 152 - 52 - Master de Sciences de Gestion • Mention Management de la performance • Spécialité Management des processus de production de biens et services UE Management des processus de production de services Vincent Giard année universitaire 2012 - 2013 Quelles seraient les conséquences d’une réduction de l’écart-type du profit simulé (2000, 1 000 puis 500) sur les variables résultantes du modèle. Indiquer comment varient le nombre maximum de réservations acceptées et le pourcentage de sièges vendus au plein tarif en fonction du niveau de risque accepté sur le revenu par vol. - 53 -