Amélioration de la fonction Available-To-Promise
Transcription
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)