470 likes | 651 Views
Planification stratégique:. dimensionnement de la capacité et de la flexibilité sous incertitude. agenda. Contexte: planification et incertitude Problème considéré Modélisation (MILP) Incertitude sur la demande: processus de simulation de Monte Carlo Application numérique
E N D
Planification stratégique: dimensionnement de la capacité et de la flexibilité sous incertitude S. Kemmoe - CRCGM N. Tchernev, P.A. Pernot – LIMOS pernot@isima.fr
agenda Contexte: planification et incertitude Problème considéré Modélisation (MILP) Incertitude sur la demande: processus de simulation de Monte Carlo Application numérique Conclusion - Perspectives S. Kemmoe; N. Tchernev; P.A. Pernot
agenda Contexte: planification et incertitude Problème considéré Modélisation (MILP) Incertitude sur la demande: processus de simulation de Monte Carlo Application numérique Conclusion - Perspectives S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude opérationnelle tactique stratégique M M+18 M+1 M+72 Pilotage des activités industrielles: 3 types de planification S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude Décisions longs termes: horizon de 18 mois à 10 ans opérationnelle tactique stratégique M M+18 M+1 M+72 Pilotage des activités industrielles: 3 types de planification 3 types de décisions S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude Décisions longs termes: horizon de 18 mois à 10 ans Décisions moyens termes: horizon de 1 mois à 18 mois opérationnelle tactique stratégique M M+18 M+1 M+72 Pilotage des activités industrielles: 3 types de planification 3 types de décisions S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude Décisions longs termes: horizon de 18 mois à 10 ans Décisions moyens termes: horizon de 1 mois à 18 mois Décisions courts termes: quelques semaines opérationnelle tactique stratégique M M+18 M+1 M+72 Pilotage des activités industrielles: 3 types de planification 3 types de décisions S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude • Les typologies de décisions en détail: Planification stratégique • Horizon 2 à 10 ans - Maille mensuelle; • Décisions d’investissements; • Dimensionnement capacitaire; • Affectation produits/usines (maille agrégée). Planification tactique • Horizon 1-18 mois- Maille hebdomadaire; • Affectation produits/lignes de production (maille finale); Planification opérationnelle • Horizon qqsemaines - Maille journalière; • Affectation produits/machines. S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude Déclinaison Déclinaison • Les typologies de décisions en détails: Planification stratégique • Horizon 2 à 10 ans - Maille mensuelle; • Décisions d’investissements; • Dimensionnement capacitaire; • Affectation produits/usines (maille agrégée). Planification tactique • Horizon 1-18 mois- Maille hebdomadaire; • Affectation produits/lignes de production (maille finale); Planification opérationnelle • Horizon qqsemaines - Maille journalière; • Affectation produits/machines. S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude • Décisions longs termes • Dimensionnement capacitaire; • Affectation produits / usines (maille agrégée). opérationnelle tactique stratégique M M+18 M+1 M+72 Pilotage des activités industrielles: Déclinaison des décisions S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude • Décisions longs termes • Dimensionnement capacitaire; • Affectation produits / usines (maille agrégée). • Décisions moyens termes • Affectation produits finis / lignes de production (maille finale). opérationnelle tactique stratégique M+18 M M+1 + enrichissement des nouvelles données « marché ». Pilotage des activités industrielles: Déclinaison des décisions S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude • Décisions courts termes: • Affectation produits / machine. opérationnelle tactique M M+1 + enrichissement des nouvelles données « marché ». Pilotage des activités industrielles: Déclinaison des décisions S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude • Décisions longs termes • Dimensionnement capacitaire; • Affectation produits / usines (maille agrégée). • Décisions moyens termes • Affectation produits finis / lignes de production (maille finale). • Décisions courts termes: • Affectation produits / machine. opérationnelle tactique stratégique M M+18 M+1 M+72 !!! Importance de la planification stratégique!!! Pilotage des activités industrielles: Déclinaison des décisions S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude Mise en œuvre de la planification stratégique: • Décisions • Localisation des usines; • Dimensionnement capacitaire; • Allocation des productions. • Données • Coûts de production; • Contexte politique; • Législations; • Demande; • … S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude Mise en œuvre de la planification stratégique: • Décisions • Localisation des usines; • Dimensionnement capacitaire; • Allocation des productions. • Données • Coûts de production; • Contexte politique; • Législations; • Demande; • … Incertitude S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude Mise en œuvre de la planification stratégique: • Décisions • Localisation des usines; • Dimensionnement capacitaire; • Allocation des productions. • Données • Coûts de production; • Contexte politique; • Législations; • Demande; • … Incertitude Flexibilité: ajuster les activités du système considéré en fonction de la réalisation des paramètres incertains. Ex de leviers: flexibilité volume, mix flexibilité, stocks de sécurité,… S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude S. Kemmoe; N. Tchernev; P.A. Pernot Objectif des travaux présentés Proposer un modèle de dimensionnement long terme des capacités et de la flexibilité d’un système de production tenant compte de l’incertitude relative à la demande.
agenda Contexte: planification et incertitude Problème considéré Modélisation (MILP) Incertitude sur la demande: processus de simulation de Monte Carlo Application numérique Conclusion - Perspectives S. Kemmoe; N. Tchernev; P.A. Pernot
Problème considéré Usine 1 Usine 2 Ligne de production 1 Ligne de production 3 Ligne de production 2 Ligne de production 4 S. Kemmoe; N. Tchernev; P.A. Pernot Un système de production, fabriquant un portefeuille de plusieurs produits,…; …constitué d’un ensemble d’usines existantes…; …composées elles-mêmes de lignes de production…; …auxquelles sont associées des capacités maximales théoriques…; ..correspondantes à des données structurelles (débit maximal des machines,…).
Contexte : planification et incertitude Capacité maximale théorique S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production
Contexte : planification et incertitude Capacité maximale théorique Charge S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production
Contexte : planification et incertitude Capacité maximale théorique Charge Capacité utilisable / Dimensionnement S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production
Contexte : planification et incertitude Capacité maximale théorique Charge Capacité utilisable / Dimensionnement Surcharge perte de ventes Sous-charge hausse du CRI S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production
Contexte : planification et incertitude Constitution de stocks Capacité maximale théorique Charge Capacité utilisable / Dimensionnement Surcharge perte de ventes Sous-charge hausse du CRI Constitution de stocks diminutions pertes de ventes etsous- charges MAIS coûts de stockage S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production
Contexte : planification et incertitude Constitution de stocks Capacité maximale théorique Charge Capacité utilisable / Dimensionnement Surcharge perte de ventes Sous-charge hausse du CRI Constitution de stocks diminutions pertes de ventes etsous- charges MAIS coûts de stockage Recours à la flexibilité volume diminution pertes de ventes MAIS surcoûts S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production
Contexte : planification et incertitude • Vision « Réseau de production » Changement d’allocation des produits = mix flexibilité + coût associé S. Kemmoe; N. Tchernev; P.A. Pernot
Contexte : planification et incertitude S. Kemmoe; N. Tchernev; P.A. Pernot • Objectif « affiné »: • Proposer un modèle pour le dimensionnement capacitaire long terme d’un système de production permettant de maximiser le profit exprimé comme la différence entre: • Le chiffre d’affaires issu des ventes • et les coûts: • de non saturation des capacités; • associés à l’utilisation périodique de la flexibilité volume; • associés à la mix flexibilité; • associés aux stocks.
agenda Contexte: planification et incertitude Problème considéré Modélisation (MILP) Incertitude sur la demande: processus de simulation de Monte Carlo Application numérique Conclusion - Perspectives S. Kemmoe; N. Tchernev; P.A. Pernot
Modélisation - MILP • Ensembles: • Périodes T/Lignes de production L/Usines U/Agrégats produits P • Variables principales: Stratégique Tactique S. Kemmoe; N. Tchernev; P.A. Pernot
Modélisation - MILP • Fonction objectif: • Maximiser le profit = Chiffre d’affaire – coûts opérationnels • Où • Chiffre d’affaires (CA): • Coûts opérationnels: • Coûts de stockage: • Adaptation des lignes de production: • Utilisation de la flexibilité volume: • Non saturation des lignes de production: S. Kemmoe; N. Tchernev; P.A. Pernot
Modélisation - MILP (1) Dimensionnement des capacités (2) (3) S. Kemmoe; N. Tchernev; P.A. Pernot
Modélisation - MILP (1) Dimensionnement des capacités (2) (3) (4) Evaluation des stocks (5) Borne sur la satisfaction de la demande (6) Investissements machines (7) (8) Contraintes de coupes (9) (10) + contraintes d’intégrité et de positivité des variables Intégrité des variables S. Kemmoe; N. Tchernev; P.A. Pernot
agenda Contexte: planification et incertitude Problème considéré Modélisation (MILP) Incertitude sur la demande: processus de simulation de Monte Carlo Application numérique Conclusion - Perspectives S. Kemmoe; N. Tchernev; P.A. Pernot
Incertitude sur la demande: simulation de monte carlo S. Kemmoe; N. Tchernev; P.A. Pernot • Simulation de Monte Carlo: approcher l’espérance par la moyenne; • Mise en œuvre: • Evaluer sur un ensemble de scénarios de demande…; • …plusieurs dimensionnements capacitaires…; • …correspondants à différentes configurations envisageables (contraintes de free cash flow, incréments machines,…). • Choisir le « meilleur » au regard du profit espéré.
Incertitude sur la demande: simulation de monte carlo Choisir une configuration de capacité c S. Kemmoe; N. Tchernev; P.A. Pernot
Incertitude sur la demande: simulation de monte carlo Choisir une configuration de capacité c Générer un scénario de demande Evaluer le profit (modèle linéaire simplifié) Décisions capacitaires figées Modèle linéaire = planification de la production S. Kemmoe; N. Tchernev; P.A. Pernot
Incertitude sur la demande: simulation de monte carlo Choisir une configuration de capacité c Générer un scénario de demande Evaluer le profit (modèle linéaire simplifié) Critère de convergence Nb maximum d’itérations atteint? S. Kemmoe; N. Tchernev; P.A. Pernot
Incertitude sur la demande: simulation de monte carlo Choisir une configuration de capacité c Générer un scénario de demande Evaluer le profit (modèle linéaire simplifié) Nb maximum d’itérations atteint? NON OUI Calculer le profit espéré S. Kemmoe; N. Tchernev; P.A. Pernot
Incertitude sur la demande: simulation de monte carlo Choisir une configuration de capacité c Générer un scénario de demande Evaluer le profit (modèle linéaire simplifié) Nb maximum d’itérations atteint? NON NON OUI OUI Sélectionner la meilleure solution Fin? Calculer le profit espéré S. Kemmoe; N. Tchernev; P.A. Pernot
agenda Contexte: planification et incertitude Problème considéré Modélisation (MILP) Incertitude sur la demande: processus de simulation de Monte Carlo Application numérique Conclusion - Perspectives S. Kemmoe; N. Tchernev; P.A. Pernot
Application numérique S. Kemmoe; N. Tchernev; P.A. Pernot • Données structurelles: • 10 produits; • 12 périodes; • 4 lignes de productions. • Scénarios de demande: • Pour chaque produit, tirage aléatoire dans un intervalle entre -20% et +20% autour d’une demande nominale. • 4 dimensionnements capacitaires tests: • Tirage aléatoire d’une valeur comprise entre 60% et 100% des capacités maximales pour chaque ligne de production. • Nombre d’itérations / critère de convergence: • 150 scénarios de demande générés (faible intervalle de confiance).
Application numérique Profils de demandes nominales représentatifs S. Kemmoe; N. Tchernev; P.A. Pernot RQ: Demandes nominales saisonnalisées
Application numérique RQ: seuil de confiance de 95% S. Kemmoe; N. Tchernev; P.A. Pernot Résultats
Application numérique • Exemple de planification • Demande nominale / Première dimensionnement capacitaire. S. Kemmoe; N. Tchernev; P.A. Pernot
agenda Contexte: planification et incertitude Problème considéré Modélisation (MILP) Incertitude sur la demande: processus de simulation de Monte Carlo Application numérique Conclusion - Perspectives S. Kemmoe; N. Tchernev; P.A. Pernot
Conclusion / perspectives S. Kemmoe; N. Tchernev; P.A. Pernot • Problème stratégique de déploiement des capacités / dimensionnement capacitaire; • MILP déterministe…; • ..intégré au sein d’un processus de simulation de Monte Carlo. • Perspectives: • Etude sur un cas réel; • Mise en œuvre d’une méthode de type « Kim et Nelson » pour la réduction des temps de calcul.
Merci pour votre attention S. Kemmoe - CRCGM N. Tchernev, P.A. Pernot – LIMOS pernot@isima.fr