Amélioration de la fonction Available-To-Promise

Amélioration de la fonction Available-To-Promise
MARIEM SIALA1, KHALED GHEDIRA2, JEAN PIERRE CAMPAGNE3
1,2
Ur. Stratégies d’Optimisation des Informations et de la connaissancE
Institut Supérieur de Gestion de Tunis, 41, Rue de la Liberté, Cité Bouchoucha, 2000 Le Bardo, Tunis, Tunisie
3
Institut Nationale des Sciences Appliquées de Lyon (France), département génie productique, Bat. Jules Verne 19
Avenue Jean Capelle, 69621 Villeurbanne Cedex France
[email protected], [email protected], [email protected]
Résumé
Dans cet article, nous proposons une amélioration de la
fonction Available-To-Promise (ATP) qui présente l’une
des fonctions importantes au sein de l’entreprise et de la
Supply Chain. Le rôle fondamental de cette fonction est
de fournir aux requêtes des clients des informations sur
la disponibilité des produits.
L’approche proposée s’adapte au contexte économique
mouvant et répond à une demande variable. Elle a pour
but de donner une réponse immédiate aux clients et de
minimiser les retards moyens des commandes. Elle se
base sur les commandes courantes pour estimer la
demande future et établir une nouvelle fonction ATP
nommée ATP effectif.
Plusieurs expérimentations ont été réalisées et ont
montré des résultats fortement concluants.
Mots clés : ATP, ATP Effectif, demande estimée, commandes
urgentes.
global compétitif, les compagnies ont besoin d’un outil de
support de la décision pour répondre à une production de
masse et à une clientèle personnalisée. En effet, l’ATP
conventionnel
n’est
pas
capable
d’adapter
l’approvisionnement à une demande variable opérant sur un
court terme et contenant un petit volume de produits. La
fonctionnalité ATP devient une composante critique qui
requiert des modèles plus complexes. C’est dans ce cadre
que se situe notre travail qui consiste à développer des
modèles plus performants supportant cet environnement
dynamique et mouvant.
Ce papier est organisé comme suit : La section 2 présente la
fonction ATP et donne un aperçu sur les travaux existants,
la section 3 introduit notre problématique, la section 4
illustre l’approche proposée ainsi que les différentes
expérimentations réalisées, la section 5 présente une
amélioration de notre approche. Enfin, la section 6 décrit
l’extension de notre approche à toute la chaîne logistique.
II. LA FONCTION ATP
I.
INTRODUCTION
Le marché économique actuel subit de profondes
transformations. La mondialisation des échanges,
l’augmentation de la concurrence globale entre entreprises,
l'évolution continuelle et rapide des marchés et le
renforcement des exigences du client modifient, de façon
plus ou moins importante, les principes économiques [1].
Dans un contexte économique mouvant, le service client est
un des axes clés de la compétitivité d’une entreprise, ce
service étant lui-même conditionné en premier lieu par la
performance de la livraison en termes de quantité et délai.
De plus, la rapidité et l’efficacité de la réponse aux
requêtes des clients permettent d’améliorer les niveaux de
performance des compagnies et, par conséquent, la
satisfaction de leurs clients, permettant ainsi de les fidéliser
en répondant au mieux à leurs besoins. La fonction ATP
(Available To Promise) ou DAV (Disponible A la Vente)
présente l’une des fonctions les plus importantes au sein de
l’entreprise et de la Supply Chain. Comme son nom
l’indique, le rôle fondamental de la fonction ATP est de
fournir aux requêtes des clients des informations sur la
disponibilité des produits. De plus, la fonction ATP doit
assurer que les quantités promises peuvent être livrées aux
dates promises [2]. Traditionnellement, ATP se réduit à une
simple consultation du plan directeur de production (PDP)
ou d’approvisionnement (PDA), c’est ce qu’on appelle ATP
conventionnel. Mais, sous la pression de l’environnement
La définition de la fonction Available-To-Promise la plus
connue est celle trouvée dans le dictionnaire APIC [3] qui
définit ATP comme étant : « Les portions de stocks et de
productions planifiées non engagées, maintenues dans le
plan de production pour supporter les commandes clients ».
Ainsi la fonction ATP peut être vue comme une fonction de
comptabilité dans le PDP qui suit la trace des disponibilités
non affectées en incluant la production planifiée et le stock
existant. ATP conventionnel typique formule des réponses
aux commandes des clients en se basant sur de simples
algorithmes de recherche. Plus particulièrement, quand une
nouvelle commande client arrive, ATP détermine si le plan
d’ordonnancement contient des produits finis disponibles
en stock pour la livraison de la commande dans les temps.
ATP est utilisé pour fournir l’information et donner des
réponses aux gestionnaires et planificateurs internes et aux
clients externes sur l’accomplissement des commandes en
se basant sur la disponibilité des produits. Cependant, pour
les cas incluant une production variée, une demande
variable et des localisations de stock multiples des
mécanismes plus complexes sont nécessaires.
Au niveau centralisé, c’est à dire au niveau d’une même
compagnie, [4] distinguent trois méthodes ATP : ATP
discret, ATP cumulatif sans regard en avant (Cumulative
ATP without lookahead) et ATP cumulatif avec regard en
avant (Cumulative ATP with lookahead) mais [5]
définissent aussi l’ATP discret avec regard en avant.
Au niveau de la Supply Chain nous distinguons
principalement les travaux de [6] qui ont défini une
méthode de recherche ATP basée sur trois dimensions
temps, client et produits, mais les décisions sont prises au
niveau centralisé et la recherche des quantités ATP est faite
dans les nœuds fils sans aucune communication ou
coopération entres les différentes entités. [7] ont aussi
proposé un système ATP pour une Supply Chain de TFT
LCD composée d’un siège, de centres de distributions et
d’usines qui n’ont pas d’autonomie de décision. Le
processus commence aussi par la réception des commandes
au niveau du siège qui essaie de trouver le meilleur centre
de distribution pour satisfaire la commande selon une
procédure de priorité des commandes et des centres de
distribution. Si les quantités ATP restent insuffisantes, le
système cherche la capacité disponible dans l’atelier, dans
le module assemblage. On ne parle plus, dans ce cas,
d’ATP mais de CTP (Capable-To-Promise ou Capacity-ToPromise). Dans ces travaux, Les commandes arrivent dans
le siège mais pas directement dans les centres de
distribution, ces centres dépendent donc de ce siège et n’ont
pas une autonomie de décision ce qui n’est pas toujours le
cas dans la réalité puisque normalement les commandes
arrivent directement dans les centres de distribution.
D’autres modèles ont été définis pour rechercher, au sein de
la supply chain, suite aux commandes clients, les matières
premières requises pour les produits. Ainsi, [2] ont défini
un modèle mixte définissant une fonction objectif à
maximiser pour déterminer les quantités et les dates dues
des commandes. Ils considèrent une nomenclature flexible
des produits et ils considèrent la supply chain juste pour
chercher les produits ou les produits de substitution ou bien
les différentes matières premières et aussi les capacités
inutilisées. [8] ont défini un système ATP se basant sur la
recherche de matières selon une nomenclature dynamique
des produits tout en utilisant les fonctionnalités du web. [9]
ont aussi défini un système ATP pour une production se
basant sur une planification MRP et tenant compte de la
flexibilité de la nomenclature.
En cas de manque de produits, tous ces travaux remettent
en cause la production alors que dans notre travail, nous
essayons de nous baser sur la coopération entre les
différentes entités pour se réapprovisionner plutôt que de
remettre en cause la production. Tous ces modèles, ne
tiennent pas compte de la variation de la demande et ne font
pas des prévisions sur les demandes futures mais attendent
la réception des commandes pour essayer de trouver les
solutions aux clients. D’autres travaux ont aussi défini des
modèles d’optimisation et des méthodologies de résolution
pour la fonction ATP intégrant la production et la
planification de la distribution ([10], [11], [12]). Mais la
planification ne fait pas l’objet de notre travail. Dans notre
travail, il s’agit de développer un système pratique qui
donne une réponse rapide et efficace aux clients.
Même si les travaux de recherches concernant la fonction
ATP ne sont pas nombreux, la fonction ATP est largement
implémentée dans plusieurs ERP (Entreprise Resource
Planing ) de commerce et des logiciels de Supply Chain
Management. Comme le module Rhythm de i2, Le module
APS d’Oracle, et le module APO de SAP. La fonction ATP
utilise des techniques comme les heuristiques de recherche
ou les modèles basés sur les contraintes, elle est intégrée
avec d’autres modules comme le transport, la production,
etc.
On retrouve aussi des exemples économiques réels comme
le système ATP développé dans Toshiba ou les techniques
de promesse de commande développées chez le fabricant
d’ordinateurs Dell ([13], [14]) ou encore l’exécution d’ATP
dans la compagnie Maxtor.
III. PROBLEMATIQUE
Nous considérons une chaîne logistique constituée d’un
ensemble de centres de distributions. Les commandes des
clients arrivent directement au centre de distribution de
niveau n qui essaie de répondre à la requête du client
(figure 1).
Niveau 1
Niveau 2
Niveau 3
Commandes
Commandes
Niveau n
Figure 1 : Hiérarchie des centres de distribution
Le centre de distribution va essayer de trouver la meilleure
réponse au client respectant la quantité et le délai de la
commande. Pour cela, il va chercher à approvisionner le
client localement pour minimiser les coûts logistiques et
maximiser son profit. Si son stock existant reste insuffisant,
il va se baser sur la coopération avec les centres de
distributions de même niveaux ou de niveau supérieur pour
répondre à la requête du client et assurer son
approvisionnement. Ainsi, chaque centre de distribution
divise son plan d’approvisionnement en trois zones : une
zone ferme, dans laquelle il ne peut plus se
réapprovisionner puisque les délais dépasseraient la date
due de la commande, il doit alors trouver les solutions en
local, une zone souple, dans laquelle il va essayer de se
réapprovisionner à partir du nœud directement supérieur
(son fournisseur direct) en se basant sur la notion de stock
échelon et une zone libre, pour laquelle il est possible de se
réapprovisionner de tous les nœuds possibles. Nous
autorisons plus particulièrement, dans ce cas, le
transshipment.
Pour donner une réponse rapide au client, nous avons
développé une première approche de la fonction ATP pour
la zone ferme se basant sur le stock local. Pour cela nous
avons essayé d’améliorer la fonction de calcul ATP définie
pour
un
plan
directeur
de
production
ou
d’approvisionnement. La détermination des produits
disponibles dépend de la méthode de calcul. Nous pouvons
distinguer le calcul ATP discret sans regard en avant
(without lookahead) et l’ATP avec regard en avant (with
lookahead). Le calcul ATP sans regard en avant se réduit,
pour la période considérée, à la soustraction des
commandes
fermes
de
la
production
ou
l’approvisionnement planifiée alors que le calcul avec
regard en avant corrige les inconvénients du premier en
considérant les commandes jusqu’au prochain lot
d’approvisionnement
tableau 1.
Semaines
Commandes fermes
Approvisionnement
ATP sans regard en
avant
ATP avec regard en
avant
comme le montre l’exemple du
S2
S3
S4
S5
S6
S7
70 60
200 0
130 0
S1
50
0
0
50 40
150 0
100 0
15
70
55
20
0
0
20
0
60
35
0
0
0
Tableau 1
ATP avec regard en avant corrige les inconvénients de
l’ATP discret mais il ne tient pas compte des prévisions de
la demande et des commandes urgentes.
Ce calcul ATP ne considère pas la priorité des commandes
au niveau des délais mais les commandes vont être
satisfaites selon leur ordre d’arrivée. Exemple : si une
commande 1 de quantité égale à 20 et ayant un délai la
semaine 3 arrive avant une commande 2 de quantité égale à
10 et de délai la semaine 1, la commande 1 sera satisfaite et
pas la commande 2.
Pour éviter ces problèmes, nous nous basons sur la
réservation de commandes fictives pour éviter les ruptures
et minimiser les retards.
IV. APPROCHE PROPOSEE
pourcentage de
connaissance de la demande
Notre approche répond à un environnement dynamique et à
une demande variable. Elle a pour but de donner une
réponse immédiate et temps réel au client et de minimiser
les retards moyens des commandes. Pour déterminer les
quantités d’approvisionnement, des techniques d’estimation
de la demande ont été utilisées mais ces données ne sont
pas toujours fiables puisque la demande est de plus en plus
variable et il est de plus en plus difficile de traiter
l’incertitude. Notre système sera dynamique et traitera les
fluctuations du marché puisque nous nous basons sur les
commandes courantes pour estimer la demande. Pour cela,
on remarque que les commandes déjà enregistrées
décroissent vers le futur. En effet, en général, les
commandes enregistrées représentent un pourcentage
d’autant plus faible de la demande que l’on s’éloigne dans
le temps. Cependant, chaque organisme peut établir, en se
basant sur l’historique de l’arrivée des commandes, ce
pourcentage de connaissance de la demande. Sachant
qu’on se situe dans une période zéro, la figure 2 montre un
exemple de cette décroissance.
100
80
60
40
20
Ainsi, en se basant sur le pourcentage de connaissance de la
demande, nous avons pu établir la demande estimée puis
établir des réservations de commande fictives et enfin,
mettre au point un nouveau calcul ATP que nous avons
appelé ATP effectif.
A. Notations
Chaque période i est caractérisée par :
Ai : approvisionnement de la période i
Ci : commandes déjà enregistrées à la période i
Pi/s0 : pourcentage de Connaissance de la demande de la
semaine i, sachant que nous nous plaçons dans la période
zéro.
Di : demande estimée à la semaine i
Ri : réservation de commandes fictives pour la semaine i
ATPEi : ATP effectif à la semaine i.
Di : Ci / pi/s0
Ri= Di- Ci
Chaque commande j est caractérisée par:
dj: date due de la commande j
qj: quantité de la commande j
d’j: délai proposé pour la réalisation d la commande j
B. Le calcul ATP effectif
Le calcul ATP effectif se base sur cet algorithme :
Pour chaque semaine i de 1 à n
- Calculer Di
- Calculer Ri
- Calculer ATPEi
Pour chaque nouvelle commande j
- Recalculer ATPEi
- Donner une réponse au client
Algorithme 1
Le calcul d’ATP effectif, pour chaque semaine, se fait
suivant l’algorithme 2:
- Calculer ATPEi:
Si (Ai>=Ci) alors
ATPEi= Ai-Ci
Si (ATPEi>=Ri) alors
ATPEi= ATPEi- Ri
Si ATPEi>0 alors
k=i+1
Tanque (ATPEi-Ck>0) et (Ak<Ck)
ATPEi= ATPEi –Ck
k++
fin Tant que
Tanque (ATPEi-Rk>0)
ATPEi= ATPEi –Ck
k++
fin Tant que
fin Si
fin Si
fin Si
0
0
1
2
3
4
5
6
7
8
9
10 11
périodes
Figure 2 : Etablissement des pourcentages de connaissance
de la demande en fonction des périodes
Algorithme 2
A l’arrivée d’une nouvelle commande j avec une date due dj
et une quantité qj, le calcul d’ATP effectif se fait ainsi:
H3 : la commande n’est pas morcelable (elle doit être
réalisée en entier) mais que nous pouvons proposer des
commandes en retard. d’j>= dj
2) Résultats
Plusieurs expérimentations ont été réalisées en faisant
varier le nombre de commandes générées et le nombre de
périodes considérées. Les expérimentations ont donné la
même allure de résultats. Nous donnons ci-dessous un
exemple de ces expérimentations.
- Recalculer ATPEi:
i= dj
Si (Ri>=qj) alors
Ri= Ri- qj
Commande satisfaite(dj, qj)
Sinon
Si(Ri>0) alors
qj= qj- Ri
Ri= 0
Si (ATPEi>=qj) alors
ATPEi= ATPEi-qj
Commande satisfaite(dj, qj)
Sinon
Si(ATPEi>0) alors
qj= qj- ATPEi
k=0
Tant que (k<n et qj>0)
Si ATPEi>0 alors
ATPEi= ATPEi-qj
qj= qj- ATPEi
fin Si
Fin Tant que
Si k> dj
Commande satisfaite en retard(k, qj)
Sinon
Commande satisfaite(dj, qj)
-
Cas où la demande générée est de l’ordre de la demande
estimée :
Quand les commandes enregistrées sont de l’ordre de la
demande estimée, nous montrons dans la figure 3 que pour
notre approche, la somme des retards avoisine le zéro alors
que pour le calcul ATP avec regard en avant classique
(figure 4) la somme des retards augmente avec le nombre
de commandes générées.
Figure 3
Algorithme 3
C. Exemple d’illustration
Semaines
S0
Commandes 70
Approv.
190
Pourcentage de 100
Connaissance
de la demande
Demande
70
estimée
Réservations 0
ATP effectif 25
S1
36
0
90
S2
44
0
80
S3
25
150
70
S4
27
0
60
S5
30
0
50
S6
30
80
40
S7
16
150
30
S8
15
0
20
S9
5
50
10
40 55 36 45 60 75 53 75 50
4
0
11 11 18 30 45 37 60 45
0 9 0 0 5 22 0 0
Pour la semaine 3 :
La demande estimée D3=25/70*100=36
La réservation R3=D3-C3=36-25=11
ATPE3= A3-C3-C4-C5-R3-R4-R5
ATPE3=150-25-27-30-11-18-30=9
150-25-11-27-30-18-30=9
A l’arrivée d’une commande de quantité 10 et de date due
3:
ATPE3=9
R3=11-10=1
D. Expérimentations
1) Hypothèses
Nous supposons que :
H1 : l’approvisionnement initial est de l’ordre du besoin
final. Σi Ai >=Σi Ci
H2 : le total de la demande estimé est de l’ordre de
l’approvisionnement initial.
Σi Ai >= Σi Di
Figure 4
-
Cas où la demande générée est supérieure de 10%
à 20% à la demande estimée :
Dans ce cas, même si la somme des retards est
supérieure à zéro (figure 5) elle reste toujours
inférieure à la somme des retards pour l’ATP classique
(figure 6).
Figure 5
Nous avons implémenté cette approche améliorée et nous
avons montré que nous sommes arrivés à réduire les retards
même si le total des commandes dépasse jusqu’à 20% la
demande estimée établie en début de période.
Cette approche a donné de bons résultats dans le cas où
l’approvisionnement initial est de l’ordre du besoin final
mais quand les quantités de produits existantes en stock
sont insuffisantes, il faudrait remettre en cause
l’approvisionnement.
VI. CONCLUSION ET PERSPECTIVES
Figure 6
V. APPROCHE PROPOSEE AMELIOREE
Notre première approche a amélioré la fonction ATP
classique mais dans le cas où les commandes dépassaient la
demande estimée nous avons enregistré des retards des
commandes.
Dans la première approche, la demande estimée est calculée
uniquement en début de période et les réservations ne
changent pas en évoluant dans le temps ; or notre approche
veut répondre à une demande variable et veut s’adapter aux
commandes courantes. En passant d’une période à une autre
la demande estimée doit être régulée selon les commandes
reçues.
Ainsi, Pour chaque passage d’une période i à une période
i+1, nous devons effectuer les mises à jour suivantes :
Pour chaque période de i à n
- Faire
translater les pourcentages de
connaissance de la demande
- Transformer la réservation de la période i en
quantité ATPi
- Recalculer la demande estimée
- Réaffecter les réservations
- Recalculer ATP Effectif
Ainsi, nous avons pu tenir compte des commandes
courantes et les quantités ATPE se sont adaptées à cette
demande variable. Nous avons, par la suite, remarqué qu’en
évoluant dans le temps, les pourcentages de connaissance
de la demande fixés dès le départ peuvent ne plus suivre la
tendance du marché. Nous avons alors pensé à mettre à jour
ces pourcentages de connaissance de la demande en se
basant sur la méthode de lissage exponentiel. Cette méthode
tient compte de toutes les périodes passées tout en affectant
des coefficients décroissants plus les périodes sont
lointaines. On établit alors ces différents pourcentages :
Pi : Pourcentage de connaissance de la demande pour la
période courante
Pi-1 : Pourcentage de connaissance de la demande pour la
période précédente
Pci-1 : Pourcentage de connaissance de la demande corrigé
pour la période précédente
Pci-1 = (Ci-1/ Cti-1)*100
Avec :
Cti : total des commandes reçues à la période i
Puis nous pouvons établir le pourcentage de la semaine i :
Pi=Pi-1+a (Pci-1- Pi-1)
Pi= a Pci-1+ a(1- a) Pci-2 + a(1- a)2 Pci-3 +….
Exemple :
Pi= 0,3* Pci-1+ 0,21* Pci-2 + 0,147* Pci-3 +….
Dans cet article nous avons proposé une nouvelle approche
pour la fonction ATP que nous avons appelé ATP Effectif.
Les expérimentations de notre approche ont montré une
diminution importante des retards des commandes par
rapport à la fonctionnalité ATP classique. Mais ces résultats
sont concluants dans le cas où l’approvisionnement initial
est de l’ordre du besoin final. Quand les quantités de
produits existantes en stock sont insuffisantes, il faudrait
remettre en cause l’approvisionnement.
Pour assurer le redéploiement des stocks et le
réapprovisionnement nous allons utiliser les systèmes
Multi-Agents qui respectent le caractère naturellement
distribué de la chaîne logistique et qui offrent un haut degré
de coopération, de communication et de coordination entre
les différentes entités. Ainsi chaque entité de notre chaîne
pourra être assimilée à un agent.
Comme perspectives de notre travail nous nous proposons
de développer un système pour la zone souple dans laquelle
nous autorisons le réapprovisionnement à partir du nœud
supérieur tout en se basant sur la notion du stock échelon.
Le stock échelon comprend la somme du stock local et du
stock de tous les centres de distribution de niveau inférieur.
Or la notion du stock échelon est plus cohérente avec les
décisions centralisées et requiert un haut degré de partage
d’informations entre les différents acteurs de la SC alors
que dans le schéma décentralisé, chaque entité gère son
propre stock et passe les commandes à ses prédécesseurs en
optimisant son propre objectif. Pour ces raisons, nous
laissons l’autonomie à chaque nœud mais nous nous basons
sur la notion de stock échelon sans faire la somme des
différents stocks. Nous proposons que chaque agent puisse
consulter les agents qui lui sont directement inférieurs ou
supérieurs pour pouvoir se réapprovisionner.
Nous envisageons par la suite de développer un système
pour la zone libre dans laquelle nous autorisons le
transshipment entre les différents nœuds.
VII. REFERENCES
[1]
Emergy P. « La logistique de l’entreprise, Supply
Chain management », Paris, Edition Hermès, 1997.
[2]
Chen C-Y, Zhao Z-Y & M.O. Ball. « Quantity and
Due Date Quoting Available to Promise », Information
Systems Frontiers 3:4, 477–488, 2001.
[3]
Cox, James, Blackstone, John, APICS Dictionary
9th Edition, APICS, Alexandria, VA 1998.
[4]
Fogarty, Donald, Blackstone, John, Hoffmann,
Thomas. « Production & Inventory Management », 2nd
Ed., South-Western, Cincinnati, OH 1991.
[5]
Baglin G, Bruel O, Garreau A, Grief M, Delft C.
« Management industriel et logistique », Economica
2001
[6]
Kilger C & Schneeweiss. « Demand Fulfillment and
ATP » 2000. In : Stadtler & Kilger eds. Supply Chain
Management and Advanced Planning : Concepts,
Models, Software and Case Studies. Belin, Germany :
Springer, 135-148.
[7]
Bongju Jeong, Seung-Bae Sim, Ho-Sang Jeong and
Si-Won Kim. «An available-to-promise system for
TFT LCD manufacturing in supply chain » Computers
& Industrial Engineering, Volume 43, Issues 1-2, 1
July 2002, Pages 191-212
[8]
Xiong M, Tor S B, Pheng Khoo L, Chen C-H. « A
web-enhanced dynamic BOM-based available-topromise system ». Int. J. Production Economics 84
(2003) 133–147
[9]
Balakrishnan A, Geunes J. « Requirements planning
with
substitutions:
Exploring
bill-of-materials
flexibility in production planning » Manufacturing &
Service Operations Management 2000;2(2):166–185.
[10]
Clarisse Dhaens-Flipo and Gerd Finke. « An
integrated model for an industrial productiondistribution problem. IIE Transactions (2001) 33, 705715
[11]
Erenguc S, Simpson N.C, Vakharia A.J
« Integrated production/distribution planning in supply
chain ». European Journal of Operational Research,
(1999) 115, 219-236.
[12]
Qiu M.M, Fredendall, L.D, Zhu Z. « Application
of hierarchical production planning in a multi-product,
multi-machine environment. International Journal of
Production Research, 39, 2803-2816.
[13]
Dell, Michael et Catherine Fredman. « Direct from
Dell : Strategies That Revolutionized an industry ».
New York. 1999.
[14]
Kraemer, Kenneth L, Dedrick J, Yamashiro S.
« Refining and Extending the Business Model with
Information
Technology :
Dell
Computer
Corporation ». The information Society, 16, 5-21
(2000)