1 / 47

Planification stratégique:

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

benjy
Download Presentation

Planification stratégique:

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Planification stratégique: dimensionnement de la capacité et de la flexibilité sous incertitude S. Kemmoe - CRCGM N. Tchernev, P.A. Pernot – LIMOS pernot@isima.fr

  2. 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

  3. 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

  4. 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

  5. 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

  6. 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

  7. 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

  8. 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

  9. 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

  10. 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

  11. 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

  12. 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

  13. 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

  14. 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

  15. 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

  16. 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

  17. 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.

  18. 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

  19. 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,…).

  20. Contexte : planification et incertitude Capacité maximale théorique S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production

  21. Contexte : planification et incertitude Capacité maximale théorique Charge S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production

  22. Contexte : planification et incertitude Capacité maximale théorique Charge Capacité utilisable / Dimensionnement S. Kemmoe; N. Tchernev; P.A. Pernot Cas d’une ligne de production

  23. 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

  24. 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

  25. 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

  26. Contexte : planification et incertitude • Vision « Réseau de production » Changement d’allocation des produits = mix flexibilité + coût associé S. Kemmoe; N. Tchernev; P.A. Pernot

  27. 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.

  28. 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

  29. 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

  30. 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

  31. Modélisation - MILP (1) Dimensionnement des capacités (2) (3) S. Kemmoe; N. Tchernev; P.A. Pernot

  32. 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

  33. 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

  34. 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.

  35. Incertitude sur la demande: simulation de monte carlo Choisir une configuration de capacité c S. Kemmoe; N. Tchernev; P.A. Pernot

  36. 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

  37. 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

  38. 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

  39. 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

  40. 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

  41. 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).

  42. Application numérique Profils de demandes nominales représentatifs S. Kemmoe; N. Tchernev; P.A. Pernot RQ: Demandes nominales saisonnalisées

  43. Application numérique RQ: seuil de confiance de 95% S. Kemmoe; N. Tchernev; P.A. Pernot Résultats

  44. Application numérique • Exemple de planification • Demande nominale / Première dimensionnement capacitaire. S. Kemmoe; N. Tchernev; P.A. Pernot

  45. 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

  46. 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.

  47. Merci pour votre attention S. Kemmoe - CRCGM N. Tchernev, P.A. Pernot – LIMOS pernot@isima.fr

More Related