2013 09 24thibault-Hubert

! "# $ $ % !
& %! ' (
% !) & $ $ %
* "
+ $ ! , $ ! - .!%/ $
+ $$ , $ ! $ $
% $% ! 01 * $+ 2130 4 !) ! $ ! + $ ! 5% 6 , "
( & ! 7, $+ 8 ! $ $$ %
# ! / $ ! $ $ $$ %
( $ 7 %- :$ / ,$ %
# 8$ $ $+ % $ / ,$ %
* 9 ! $ ! ; $ $
' $-& $ ! $ ! %
& # $ $ % ! 2013ECAP0012
! " #
! #
$ %
& ' ( " ) ) #
' # )) *
+ , -
. ! + + -
$ . # -
& ! + )+ /
! + )+ 0
% + 1# %2
+ 1# %2
! + )+ + %0
. ! # 3 %0
#
# 4# + )+ )) ) + *
. + 3 )+ *
$ 5 # 3 + 6 + 7
& 8 3 + 6 )
" ) #
9 # 3 )+ /
.. + + ))+
$ "
& + 3 1# " *2
% , *%
,# **
... # *7
$)) # *-
. $)) : + ) ) 6 ) )+ "#
,# ) " ) " *-
$ ( " ,+ # *-
% *-
' ( " */
* ; )+ 6 9+ ) " */
& # + + *0
% ,+ # 6 *0
9+ 6 *
# 7*
.. $)) : + ) 6 ) 1# + )+
# ) $ # # + ) ) +
)+ )3 7*
$ ) # )3 < 9= 7*
% ! + )3 77
!, ) 77
* ! + 1# 7
7 ! + )+ 7-
# 7/
& # + + 7/
% ,+ # 6 7/
9+ 6 7/
# 7
... # 2
#
+ , 7
. ! # 7
.. . # # -
... #
! 3 6 3 + 1# # + -%
. 3 + 1# -%
$ 3 #6 -%
& 3 "6 -
3 6 -
5 ) # + 1# -
.. ' ) 3 :) ,# 1# + -
... # 3 # # # ( # + --
. # -
! 3 + # "6 3 + 1# # + /2
. ; 3 + 1# /2
.. ' ) 3 :) ,# 1# /%
... # 3 # # # ( # + + /
. # //
# /0
! "
# $ % &'
! ) 1# 1# ) "# 02
. ! > 1# 02
$ . # 02
& ! ) "# ? 1# 02
% @ ? 1# 02
"# 0%
! ""+ ) 1# ) "# 0
% 1# ) ) # 0
1# ) ) "# # 00
5 " ) 1# # ) 4 " # 2
% . " # 2
"# " # %
# *
.. ! "# # # *
$ ! > + + # + 7
& 93 A 7
5 # # < ) # # = -
5 $)) # + 9 -
... # /
! # 0
. . # 0
.. + # # 0
$ B#, 1# # C
& # 1# #
! # # %22
5 ! + # # # %2
... # %27
! ) "# # %2
. ' ( " %2
.. + %2
... + # 3 ) "# # %2-
$ + ) 3 3 "# %2/
& D ( " 3 %2/
% D ( " %20
%20
"# ) ) , 1# # #
# %2
. + +# %%%
$ $)) + %%
& E A " > %%
# %%7
$)) # $ ) 3 + # %%-
. + # > + # +# + ) $ %%-
$ ! ) + 1# , )) A $ %%-
& + +# + %%0
% $ 1# F G9 H %%0
"" I %%
* ) # # "" " + %%
.. ) 3 ) ) + % %
$ ) + E ) 1# <8J = %
& ) ) 1# # % *
) + E ) 1# <8J >= % /
... 9+ ,# # # > : , #
% 0
$ + ) 3 % 0
% ! % 0
3 )+ 6 % 0
* 5+ , )) %
7 3 # 3 E %
& + +# # %
% "" K) # # 22 %222 ) 3 %
"" K) # # %22 %222 ) 3 %*2
* "" K) # # + %22 %222 ) 3 %*%
# %*
$ # 6 %**
& ) 6 %*7
& ) %*/
D # %6 )+ 1# -
D # 6 ) + )+ /
D # *6 ! ""+ + )+
D # 76 ! ) 4# # )+
D # 6$ # 3 )+ *2
D # -6 4 4 # 3 )+ *%
D # /6 4# 4 # 3 )+ **
D # 06 + ""+ ) )
# )+ " + */
D # 6 + 1# ) " > +# + *0
D # %26 $ " 3 72
D # %%6 + 1# # )3 7
D # % 6 + # )+ -
D # %*6 D )+ ) ) 4 # )+ /
D # %76 &# L ) "" # "" #) " # 0
D # % 6 # # 4 # )+ " )+ ) # )
4 # )+ -*
D # %-6 # ) 4 # )+ " )+ -7
D # %/6 . # 4 ) 3 )+ + <%= -7
D # %06 . # 4 ) 3 )+ + < = -
D # % 68 + 4 # )+ -
D # 26 5+ ) 3 4 # )+ # # A
""+ --
D # %6 # 4 # 3 F ) H /%
D # 6 # 4 # )+ " 4 A 4 ) /
D # *6 + 4+ # , # # 4+ ) , #
# " 4 A )+ /*
D # 76 + 4+ # , # 4+ ) , #
" 4 A )+ /*
D # 6 # 4 # )+ " 4 A )+ < )3
= /7
D # -6 # +) 4 # )+ " , A
)+ /-
D # /6 ! ) "# ? 1# 0
D # 06 + 4# ) 1# > 1# 0*
D # 6 # # > ) 1# < JB= 07
D # *26 # # > ) 1# <8J = 07
D # *%6 # # > ) 1# < J = 0
D # * 6 # # > ) 1# <8J J = 0-
D # **6 # # > ) 1# <8J JB= 0-
D # *76 ! ) 1# I # 3 : # + 0/
D # * 6 + # # %
D # *-6 " ) 1# ) "# " # ) , "
#
D # */6 . " # + ) *
D # *06 8 1# ) " + + # + /
D # * 6 + + 1# # 4+ # %2-
D # 726 + #8 ! %20
D # 7%6 + # # > + # +: A <E = ) # 1# ) 3 K
""+ # 8 !M%22N %%2
D # 7 6 + # # > + # +: A <E = ) # 1# ) 3
8 ! ""+ # KM %( # %%%
D # 7*6 + # # >) 1# " K) # # 8 ! %%*
D # 776 + # # # + " K) # # 8 !
%%*
D # 7 6 + # # # # + " # # # >
) 1# ) # 4 # + + %%7
D # 7-6 . # ) + 1# 4 )) A $ %%/
D # 7/6 . # , # # )) A $
%%/
D # 706 D + )+ %%0
D # 7 6. # # # "" " + %%
D # 26 1# % %
D # %6 + # # + # >) 1# ) # ""+ #
< 2N : N= ) # 3 <8J = %
D # 6 ) O8 # # >O ) # ) 1# <%J =
3 E % *
D # *6 ) O # # >O ) # 3 #
3 E %
D # 76 > 3 E > 3 # % -
D # 68 # 3 E 8 # 3 # % -
D # -6 ) O # # >O ) # 3 <8J >=
3 E % /
D # /6 + ""+ ) " 4+ # % 0
D # 06 + + 4+ # # > ) # ""+
) 3 + # K %
D # 6 + 4+ # # > ) # ""+
) 3 + # K %*2
D # -26 + + 4+ # # > ) # ""+
) 3 + # K %*%
8 # %6 " P -
8 # 6 " -
8 # *6 " -
8 # 76 " " 4 1# ) *2
8 # 6 " 3 )+ " # ) <
# = *
8 # -6 # )+ < $5= + # + + 1#
"# ) " > +# + *
8 # /6 8 ) 3 ) # "# ) "
> +# + # 4 A 4+ # 7%
8 # 06 $ ) 1# + )+ # ) # "#
) " > +# + 7
8 # 6$ 1# + )+ # + # + 7
8 # %26 + )3 " # ) "
> )3 7
8 # %%6 $ 1# + )+ # + # + ) # ""+
) ) # 70
8 #% 6$ ) 1# + )+ # ) # ""+
) ) # +# + 7
8 # %*6 $ 1# + )+ # + # + 7
8 # %76 " +"+ , #
8 #% 68 # ) ) 4 # ) "
8 # %-6 ) # + 1# 4 # )+ -*
8 # %/6 . # )+ ) # # ) # 4+ ) #
""+ A )+ -/
8 # %06 ) + 3 "J # + -0
8 #% 6 3 +# ) 3 3 4+ # /7
8 # 26 3 +# ) 3 3 4+ # < )3
= /
8 # %6 + +# # ) # 3 E %%
8 # 6 4 1# G9 $ %%0
8 # *6 ) %) # # # "" " + % 2
8 # 76 ) ) # # # "" " + % %
8 # 6 ) # > #8 # # 3 E ) ))
# 3 # % 7
8 # -6 + +# # 4# + 4
Q 22R %222S %
8 # /6 + +# # 4#
4 Q%22R %222S %*2
8 # 06 + +# # 4# +
4 Q%22R %222S %*%
< $ / , + $
++ # + # # + ) , , +
) "# ) # # # J )) + # ))
#( # , # ) ) "" # ) # #
) )+ + # )# )# # @+ J
+ 3 # # ) " "# # " #)) ""
" # ) : " # ) + 1# , )) #
! ) + 1# # # # ""+ # +
, ) # # # " + # ) 1#
)+ @ # + 1# 6 B# ,
) # # ) "" "# )) C + #
)) # # C ! ) 1# 1#
) "# #"" ) # )) C
!, + # "# # # ) #
#)) , + 1# ,# )+ +
+ " , : , # " +
+ + )) !,# )+ # )
(# + ) J ) ) ++ 31# )+ ) 1#
, , # 1# J # # J , ) " ) ,
+ # # )+ 3 : # # >
+ : + # , )) " + )# #
) + 1# 6 " )+ J # 1# " # #
)# J # + C , J C@ #
+# + # + # # ) ) + #
# + 3 )+ " ,U + " : ,+ # 1# +
)+ # # ) " ) @ # + ) ) +#
+ , # )+ " : " , A
+ )+
"" J # ) # # )+ J # , #
) )+ J # ) # +" # > + # +) ,
# + )+ ) # )) # ) # (#
V
) "# J + , # )+ ) # ) 3
) 1# > ) # > + # + @ # +# +
) 1# 1# ) 1# : )+ )+ 1# <8J =
) 1# <8J >= ) ) + ) <& J 22 = @ # 1# # # J
) 1# ) )+ # : > + # + # + @ #
# ) + # " ) ) 3 )# )+ :
T T
%
) + 1# 1# J # J )) # ) " !, ( "+ ,
# > + # (# + ) # # # + +
3 ++ + + #)) # +
. # , )) # + # )
) ) ) J: " # R5 R 5E! R " R ! # # R $
# # ) # ) 3 + , ))
# )) # @ # )#J J #
+ 1# # )) # ) # # + !
) # # ) ) "
,# ) ) # + , )+ ) 1# ,#
# # ""+ #( +
(< &5 . + ! $ ! $ &% $

! ( " # ! ) ( "
+ )) + 1# + # + 1# !
( ))" + )) + # +
)# U ) ) # ) ) " ) )
, + # ) "
# J # )+# ) # ) + 1# , ))
1# ) ++ ,+ # + # J: 6
% 3 )+
+ 1# + ) +
* ) "# + # )+
# ++ # : # # # ) ) . , )
J: J # ++ # + J + 3
" #
) J # + # # 3 )+
# ) # # @ # + )+ +
+ 3 +# + @ # ) ) + " # + )
, + " 1# + )+ + + + )) 1#+ ) #
)+ ) ) # D ' 1# ) # )+ )3
A $
# : ) # J
# + + : + , #
)+ # ) ) + # 3 ) + , #
)+ : ! ) # 3 , # )+ #
3 ,+# , # )+ " , A )+ @ #
+ )+ + :# + + ) 3 3 "
) # # 3 ) # ,# ) # # ;
)) + # + # $ ++ + + " 1# +
+ ) ) +
5 3 J # + +# )+ 1# J # ,+ )
# J # )# )3 ) # # ) # # #
T T
+ 1# ) # #( @ # # + , +U + )+
# ) # + # 1# ) #
, )) @ # )+ +# + ) "#
+ # #)) , )) ) )
+ ; # )+ " 1# # )+ # 3
+ ))+ " ) " )+ # + ++ + + "
, # , : + ) # # " + : ) "# #
# # + # # #)) : V ; )) #
)) $ ++ + + ) + # "
# > # # # ( "
" J # ) ) " , +
+ ) ) + )) # + 1# )) )
, #
< - $ $ %
)) # #+ # # ++ ,+ # )+ + )+ + @ #
W ) ) ) ) # +
3 )+ # J # + # ) )+ # + , # +#
, # # 3 )+ ) # +
3 )+ @ # + # + + 3 # "
) J # )+ # )) # + +
1# + #
5 ) J # , # )+ @ # ) ) , #
+ , # + , # )+ # : J # )+ #
3 1# # + ))+ J : 3 , # )+
3 , # )+ + # " # J # + # #
+ ) + ) 3 # 3 J " # )) #
3 # + ) #
! 3 ) + ) # ) "# @ # W )
)) ""+ ) 1# ) "# # : J # #
# ) "# # # # )+ # 3
+ # # ) + 1# ) "# )) @ #
+ ) # 3 ) ) + # " ) ) )) #
+ ) "# )) 1# # ) ) +
1# +# #
! 3 ) # )) + : # + + # # + ))+
# )) "" #+ 1# ) 1# # ) )
T T
*
T T
7
! ,# : " ) # # )
"# "" # ? 1# + # +) + :# ,#
# J + , "" # )+ +
3 ) "# J ) # X 3 !
)+ ,+ ) # 1# J ) , # 1# +
)+ ) # J ""+ 3 )+ ++ + + ) ) +J
) # 1# ! 1# 1# ) 6 B#
3 J 1# # + ) " C
3 )+ )# ) " ) # , )) 1# C , : +" 1#
# , )) # )
$ ) : 4+ # ) 1# ) "# )+ J #
J ) ) J ) )+ 3 )+ 1#
+ ) 1# 3 )+ # ) :
)+ @ # )+ # + 1# # + ))+ "
, # 3 ) , # )+ ) # )
! # + )) # # # "
) J # )+ # 3 # )) + #
# + + )) 1# ) + + )
# + 1# )+
T T
$ $ !) / $
@ # W ) )+ + + + )+ 1# 3
+ 1# # + @ # + # 1# # 1# )
# + 3 #
< $ % $
# ) #) ) J ,+ )+ # )+ ) # #
"" > , ) 1# <! 22-=J )+ #
3 ) # 8 # #)) , # :) + #
3 )+ ! ,# + )+ ) # "# ,#
) 1# > , ) 3 # " +
> + "# , # # + , # 1# +
, J , ,+1# ) J ) + # " 3
, )
5 <D 22 =J # # ,# + )+ +
,# ) # # , : + ) , #)) # #
A ) : # #
Figure 1: Place de la prévision dans la chaine logistique globale

! + )+ ) ) # )+ + ) !
1# ) : " +) : ) + 1# ) # )
) # + ,# )+ # 6 B#
)+ C B# , #) C B# , A )+ C B# 1#
)+ C! # , + C 'X # + C B# " +1#
+ # , # )+ C! 3 # + +J +J
# C " J # + + C
T T
-
! ""+ # ) + )+ # # #
1# # ) , ) ! " #) #
J , ) , # 1# ) #
)+ "# # $# " J # ) #
)+ # )
5 + 1# J ) + #) # ) ) + Y
) )+ J ) ) # 1# # 3 +++ + )#
+ # # 23 3 ! ) ) + ))+ : ) + 2
,# 3 + 1# ; # + # + + "" #+ ) <
22 = ' # , +U )+ ) # #)) # , +
""+ # "# " " # "
(< ! $ + $
! + )+ # ) # ) X 1# ,U + +
)# # ) + +# " " W + !
)+ ) # ) # + #)+ " J)
) +) + ) # ) # ) )+ <! % /=J <
22/=J , ) , ( 1# # + @ # )+ 1# )
Z# + ) 1# )+
! + # + <& # G; # 22/= ) + + ) 1#
)+
Figure 2: Etapes de réalisation de la prévision des ventes

! + # ) # " ""+ 1#
+ , < ) # # = " J + # J
# + ) + ! ) # " # J : ,
" #) ) )+
!,+ ) + ) ) ""+ +
"" J #) # >J , ) # 1#
# + J )# # + +++ + :) ,+ # # >
) ) + ' ) # )
T T
/
) # ) # # 1# ) # ) ( # # "
) , 1# J # # "+ # : ) # J #
# + , + " ) ,
) )+ + + )+ : + )+ <8
22 = " ) 3 ) ) , 1#
+ # )+
! # )+ + ) + # J
# " : # # , + )# # + + "" J #
+ " :# # )# + +J +# )# # "" #+ # #
)# + J ) # J , "" ,# +"+ U "
# + 5 U " W J# +"+ # # " 1# ) # U
+ : " + )) : +J ) 1#
: + )+ + # ; ( + # 3
< + = < + ) ) =J
: ( + )) #
< , + $
@ # )+ ) ) + )+ # J #
+ # )) " , A )+ J ) # )
" : ""+ # @ # A
; )+ : # ) " # . #
< . = 1# ) 1# # # # ) # )
) # #)) + ! + , + ) # )+ # :
" ) # < J ) [= # + )+ J " #
) ) + +# +
; )+ : # 5 # # < 5 = +
) " # " ) + @ # 3 " ) #
< # # J # ) # 3 J ) J [= #
+ )+ J + 1# < # J J[= + #
J +J # # U # + # #
< GI 22 = ) 1# 1# ""+ # )# ) +
# ) " , ( ) 3 ) : )+
1# ) 3 ) ) + 1# )
#
" J )+ : 3 # ) # ) # #
+ " ) # ! # + : # ,# + <) J J
) # # %- " # [= . J 3 1#
U # +
5 D # *J # # ) ) + 1# # + ) #
@ # ) # + )+ # ) 5,# Y +J +
1# #) + , ))# # , , ) J 1#U #
# + 1# " 5 , # Y +J # + 1# , ))#
# ,+ # + 1# 1# # +
:) + # <) # # J+ # .&J [= @ # #
+ + # ) ) # + 1# 1# ( # # Y
) , + 1# + )+ <! L 22-=
T T
0
!, A )+ 1# U # + +# # #
"" J # ) # J # ) # " J , )) J
Figure 3: Les différentes méthodes de prévision

J A ) + ""+
; # ) ) + )+ < ) J + 1# J
+ 1# = # " ) ( " ) ) , )) ++
+ + + ) <D 220= ' # + # # +
# )+ )+ , # )+
5# ) # , # " 1# )+ J " # 1# 3
, # ) 1# # # " 1# "" J , # 3 , 3
)+ + # ) ) # )+ " + #
Figure 4: Les piliers d'un outil de prévisions

T T
, ) 3 # ) # + # + # # )+ " + , # J , # , ))
) + 3 , " 1#
) 8 + ,# # , ) . " J D # 7 # )
,# # )+
; ) 1# # # + ) # + )+ )
)+ + # )+ "" J + J# " + #)+ + J +
" + " ) # U + ) 3 )+ "
) ) ) , + # ) # 1# # # )
+ ) ; + " ) # +) # + + )
<& % /-= " ( # # Y ) +) + +#
" )+ , ) 1# <D#># 22-= 5 +# # # +
) : )
3< =% ! +
! + 1# # + # ( ! +# +) #
(# J , )+ , ) # 1# " # )+
) ) # 6
• ') #
• ') # < 1#U =
• ') 4 )
• ')
! + 1# )# # 6
• ! 1#U #) 3 #
• ! ) 4 )
• ! + 5 )
• ! 1#
! + 1# ) J: , + 1# J )
) " # 5 )# J 1#, , 1# 3 ) # + )
) , # ,# # #) # # )+ + ,# # # +J
+ ) # , + ) # 3 )
) J ) # # , ) # # ) # U
V # . + # 1# , # )+ + # " J )+
) )+ +
2< =% $ +
! + 1# + # + 1# # #
4 ) ) # + + # #
3 + J # + 1# ) #
)+
5 # " + 1# 6 + +
1# <# , ) ) : + # = 1# )
)+ " + 1# J + # <) +
= 1# ) ,+ # : ""
,
!, + 1# ) + # " 3
+ ))+ # # J # + ) # ) " ) 1#
+1# 5 J + +(: ) + 3 , "
T T
%2
, ) < ) += # " < + 1# =
) # U )# " # +
+ J : + "" J ) )
" # F # # H 5 " W : # ) +J ) 3 ) )
+ +J 1# ) " J ,
J " # ) #
#( # # Z # )+ # ,
( ) $ * (
3 ,# )# ) 5 J )+ # )
3 + ) # 3 )+ # ) # #
1# # " + ) + ,+
1# ) # + ' ) # ) ) ) # ) # 1#
) 3 + + !, ) #
)+ ) # )+ J + ) # )+ J J
)+ ) )
; 3 ) ++ 5 J# ) ""+
+ # )+ ) +
)+ ) # )+ J + ) # )+ J J
)+ ) ) ) # ,+ # . "" #
# )+ )+ J + #
( + "
! ) ) # ) + ) # 3 + ) +
) + ) ) # ) + " # + ) + "
# + ) ! "" ) + ) + + +
+ + , ) ) + # + ) + ; "" ) % < =
" + + :# "" ) 2< = 1# #
) : , # ) ) 3 + # ) )
+ + # 1# , + # # " 1# ,
X )+ ) # )+ J ) # )+ J ""
) 3 ) ) # + X , 1# ) #
# "# # ) + #) ++ + <8 22 = ) + #
+ # +: ++ # )+ :# )
# <)+ 1# # = ) ) ! 3 ) # +
) # 3 # ) )+ # 3
T T
%%
( + " $ , - . / 0
! ) # ) # + + 1#
# ) ) 1# + +
8 ) ) # ) ) . , # 3 & L
< ) # :) 3 ) =J # 3 E < ) # :
) 3 # = 3 P # E \P < ) ) =<
% /*= ! 3 & L E ) 3 )) ) # +
+ 1# + # + ! 3 P J )#
+ J 3 : " + 3 #( # , # 3 +) #
) )+ ) J # 3 # ,U 3 J
) # <& ] A 22-= " # 3 E \P
. 3 & L < # :) 3 ) =
! )+ ) # )+ + )
!" !
X )+ ) # )+ )+ , A )+ !"
"" ! #
!" $ $$
"" + + " W # 6
#
! $ $$
$ $ $$ < ) + # = +" " W #
$ $
$$ $ $$
+ : )+
""
.. 3 E < # :) 3 # =
! )+ ) # )+ + )
!" !
X )+ ) # )+ )+ , A )+
+ : )+ !" + + !
) + "" + + " W # 6
! !" !
% "
! & !" !" & !
"" < = & ""
<& =
# , J !" ' ( !
... 3 E P ) =<
# ) # # +3 J +" )+ + + 6
# J ) ) # # )+ + #
! )+ + ) # )+ )
!" ! $ * (((((+,( - -
!" ! $ * (((((+,( - -
X )+ ) # )+ )+ , A )+
+ : )+ !" + + !
) + $ "" ""
+ + " W # 6
T T
%
!" / 0$ *1 !" !
. ! & !" !" & !
$ 2 0!" 2 $ *
"" < =J & ""
2
3J ! 0 3 X 3
<& "" + <2 =
# , J !"* * $ ) 3
!, )+ # 3 P )+ + + ) <! 22-=
@ 1# ) # ) )+ + J ) 3 4 &4 2
" # ) ,# # + # # . # "" + )
) )+ ) + +
1( 2
5 ) # : 3 < L =J , 1#
# ) + # 3 " # ) # )+ R # )
1#
5 J ,# 3 : , ) )) ) + "" J ) #
) # J , )) ,# )+ ) # Y ,# ) # )+
# 5 , # + # 1# ) ) J ) # )# 02N )3 J
1# + ) J 1# ) 1# # )+ #
# < GD 22*=J <9 22 =
; + ) # ) # < % / =" + # # ) 3 6!
" +1# < )+ +) # J
< , + 1#, # = , 1#
+ +) # #) )+ X # J , )) )
) )+ )+ " 1# ,# " # # ) ) #
)+ +) + 6
4# ) # # ) 4 1# J 4 : #
>< A = (R
4 # ) 4 1# < )+ #
1# # # 4 #=(,
+ # + ) J #
)+ + ) # +) ) 6( 6 7 54 6 5 ,+
# # # # # ) # & # ) +( 0
# : )+ # X )+
) # )+ J , , X, , , +) #
# # < ) , + = 9 1# 1# )+ ) :
( # 1# , # # 1# : )+ $ J #
: )+ # 8 J , , 9 , X
"" 9# # ) + # + )# 1# 3
# ++ + +1# J )+ ) )+ #
) + :6
:; <, (
+ ) # + " + )+ <P % 7= ) )) #
) ++ ) + # ) )+
T T
%*
# # " + + )) + J) # J # 3 @ #
" < G & 22%= < 22 = 1#
) , + )+ )# + 6
< G& 22%= < G& 22 = ) # + 1# +
3 :# + # + ) # + )
) # :" <" ^
# ) = . ) ) +# # # 1# , , #
1# , # # ) + ) "" 0 X )+
"" !, : )+ 6
$= 0 > <, ?(
!, + # ) # " 1# )
)+ ""+ # )+ 6
@AB
@AB > <, ? 8 C@AB , : X #
+ # 3
! " < 22 = ) # " 1# ,

) )+ + ) # ) # +
) + + ) ) " # # ) # ,
6
DEF GH'
%
IJDKLM(JMNHOMJHMK(GH'
' KPQ
)+ : )+ J ' #
& # ) +
+ ) ) + # # +1# J ""+ J
) + + ,# ) J
+ # # # ) , # )
( 3 4
8 #( # ) # :" : J +
++ < )) = ++ ) ) + ) " #
+ + ))
5 " )# + + ) + ) 222= + #
4# " < = 1# ) # +) ) ) #
) ""+ + ! + " )) : # ( # + 4 )) J 1#
) 4+ # ) ) +) # # ) 5 )3 #
" J + ) ,+ # ) + +"
)3 # +# + 1# ) 1# $)
# J # ) # U + + ))
+ + #
+ + ) 3 + # #
+ + ))+ ) <E# G _ 22-= " + , # +
)3 )+ ) + , # #
) + J 1# ++ , #
+ J <E# G _ 22-= + 1# )) # #
) J ) + ) ) #( # , # , )+
" W ""
&( 2 "
!,# + # # + )+
$) 3 ++ ( # + + +# J
 # , # 3 )
$9. $ ) ) : # #)+) + 5 )# J )
+ ) # " # )+ )+
! + # ) ,+ # : ""
) 3 )) + " # ) "J ) ) , #
)+ #
( + ! " !
! # ) ) ) # ,+
)+ # #J# )+ + " +
1# "" + ,# + U + + # 1# 1#
# 5 J ) # , + + ) #
+ :# 3 + 5 ""+ 1# )
! 1# ) # # " # ++ #J "" ) 3 3
U + 1# + # + # , "" ,# ) 3 # + J
# + # " # + ) + + $) :J # "
)) # " ,# ) # U +" <+ + J 1# 1# J[=
(# + " ) : + +# + ! 1#
+ " # ) " 5# " , +) # ) 3 J #
)) # # U )+
T T
%
+ # + X ,# ) # + + # 1#
1# , # ) # < # # ) # )
) = <8 22 = ) 1# 1# + " 1# , 1#
) ) , # + + # 1#, , )) ) " # ) "
+ 5 ) ) # # ) # "
( 2 7 *% (
! + + + ) #
) + 1# )+ 8 # 3 P J
3 ) $9. $ ) + : " +
< G 22 = ! ) # % 2 + )
! ) 3 ) $9. $ % -2 + )
)# , # + ) + ! Z#
+ ) 1# ) + "" ) " # J )# #
+ # ) ) )+ + ) + ) % /-= # 3 $9. $
3 # 1# ( )+ + # " 1#
, )U ) # # #( $) 3 )+ + " W
+ + + J <_ G B 22 = + # )+) +
) " )+ 1# + # J 1#
" # ) "J # )+ + ) J
1# #( # , # ,# ) # "" # " )
! )) # ) < # # 22-= ! # # )+
# # ) " # # :) ,# ) + # : +
$9. $ 5, # )) J 1# ) # ) , # #
)) + 1# # , # ) # U + + : 3
( + 8 *8 ! (
; # # # )+ ) (# ++ + + + )
<! L 22-= ! ) ) : # ) , + # (#
)+ : 1# )# U + 02J # ) + ) # )
# 1# # 1# 3 + 1# ; ) + )# #
" ) , " J (# )
+ " , # )+ + ) J ) + U
+ "" J ) # )) ? <) J ) J "# J[= 5
) + + ) # + # " W :" )) ? #
+# ## ) ) : + + ! ) + ) # # U #
" , # # 1# + ! + , ) , "#
, 1# ) # + )+ ) (# " ) # #
) # , # J " ) ) " # ) " )#
+ + 1# ) # + + 3 < # # 22-=
T T
%-
)+ ) ) ) ) )+ ++ 1# J
" # # <+ + ) " J [= " ) # )+ "
(# + <! L 22-= )# #( # #) #
)+ F + 1# H : # ) + F ) (# H ! + +" # +
" : + :# " #( # : ( # J ) + , +
+ + 5 ) )) +
+ 1# ) (# )+ + ) # # " J# : ,#
)+ ) (# ) # " : ,# 3 <
22/= ) 1# 1# ) " J ) +"3 # # )+ ) # Y 1# #
# " 1#
( + 2 9 4
! # # F H: " )+ 1# < >
% -7= + , ))# # ) ) )# # " # "# W
" : ""+ # ) ! ) ) ""+ : +
) + ) ! ) 3 ) # ) 3 # +
) 1# , +) ) ! ) 3
3 "" # + # + + 5 )# J ) )) # " #
1# "" 3 ; ) + ) 3 +) < 22/=
!, # # ) + # 3 ) )+
" , : ) ,+ # # + , ) # a ; !, # #
)+ # # )) + # > : ) + )
+ + 1# ) # )+ # )#
) ,+ #
! 1# # # 1# : , ) 1# + ) + 1#
) # " 3 ) 3 ) # ,+1# ) #
$) ) # " J # ) # : 3 ) 3
: # ) # @ # ) # ) ) ) : , # # X
) ) ) + :# + ) ) # ) ,
# + # + "# #
( + 4
; # + ) + )+ ,# ,
+ + 1# <! G E# 22-= ) + ) ) # )) # #
+ X ) # + # + 6# )+ ) 1#
+ R# )+ + + ) # R# )+ )
) J )+ ) + + 1# # # )
)+ ) 1# J ) ( "J , )
#)) ) , " ) #
+ )+
! ) ) )) + ) # 1# , +
""+ # #)) , + + 1# !,# ,#
+ + 1# ) + # )+ # 1# ) # " $" , )
# J # # )+ +" # ) # : )
, )
T T
%/
2< - + $ ! - - $
5 + # J # ) ) + )+ " +
<!# & 2%%= 6
b ! + ) L : ")+ : ) + + +
< + ) J) ) ) # # ) # J) + + ) 1# J[= . ,
: , + ) # : ) # )3U ) J )# " #
+ + " +) ) +" " )+ : #
)# "
b ! + #) :" , 5 + J " )+
) # 1# +"+ ) # 1# J # # ) L J) ,
"# # # )# " ' # )+ # # + ) # " ,
# )+ # # #) , +
' ) # ) ) " # + )) 1# ) #
+ 1# )
<! ) 22-=J # " )+ # #) , + J ) #
: )+ # # )# " 8 # " J + "" +
) 5 # + #)
" #
5 ) )+ + J # ) + # ) ) # 3 +
)+ + + 3 J # # )) ) # U (# +
+ ) # 1# , ) # 1# # +
# 3 )+
; " # 3 +" J " ) # # ) ,
# + + "
1# + ) + ) # + # # ))
" " )# ) <8 L G & % = # "
# , # )+ # " " #
) + + +) )+
5 # J " # 1# # )+
)+ "" J + )+ # "" J # , ) ) )
) )+ J + (# # ) # U " 1#, #
# )) + ) # +) ) < 22 =
# ) , ))# # , ) ) 1# # # )+ ! #
) 3 # , # ) # # "# # )+
) . ) <! 22-= ) ) +# , "#
# , # # 1# + )+ + + # 3 P !
# # +# + , ) # # ) " ,# 3
) #
• 6 4
# 1# + 1# ,# 3 )# # " # ) "J
""+ 1# # ) # U )+ ' ) ) ""
+ J # J # 5# P 1# )
# ) "" J " + ) # 3 # #
T T
%0
• 6 4
)# 1# J " # + 1# 3 5 +
) # "" # : )+ # R) ) J# # >
A J ++ ) # "# # J 1# ) # , )
) <) # ) # : ) ) # # = + +#
U < > ) =
# 1# # 3 )+ # #+
) ) : # ) " )+ " 1# )+ # )+ !
# ) ) # 1# + )+ ) )) : + , 1#
, )) # (# )+ #D $ # <D$= # "
) ) # + 1# # "" ""+
+
• ) $ * : ( $
* :(
! $ + :) # , # ) # # )+
UVW U
XW
@RST Y
X , # , # JZ , )+#
) # )+ J )+ ) # )+ J + + ) #
)+ !,# # , ) ) 1# ) # A+
# )+ < = # ) : ) 3 J <D % 0-= ) )
) # # %22N " ) # # #
• : ) $ *: ( $ * ;(
!,+ # +" ) + # # )
,
UZ U
@R[
X , # , # JZ , # )+ ) #
)+ !,+ # #( # ) " # " J ) # ,+ )+
) # , ) # + #
1# "" J + # # $ 3 + +) )) : # #
) )# 1# + + # # )+ X
# + 1# 3 ) )+ 1# )
<P 227=J <8 # G 22 =
• ) * :( 4 * %:(
! + + +" ) + ""+ )+
+ +) , 6 (
Z
@$T
! + + ) +"+ + : 4+ # ) ) + #
3 1# # )# # # " + :# 3 # #
" +1# + )# )
T T
%
• : ) *: ( * :(
!, # # ) # )+ # )+
#+ " W #
Z
@T
!, # , + + ) # #"
) ) ) ) + ) J ) )+
+ # # # #
• ) $ * < : ( $
= * < :(
# ) # $ #)+ + . ) )# ) +
+
UVW U
\W
@R7ST Y
X6 4+ ) # )+ %: !, + U #
+ : )+ , # , # # : ( +
# ) " 5 X + ) +# + ) )
# ) + # ) # # J #
+ #" ) " . ) ) ) ) ) "
+ )+ + + : # ""+ < # GI % 07=J <D
% *=
• 3 > * (? $
; F > H # # ) , 1# )+ #
) ) + J 1# # # #
! ) # ) # ) , 1# + )+ #)+ # :
# # + + !, # , ) # " W ,+# +
)+ + + # + + # #
" !, ( " , + "" + # + # ! + )+
) # )+ + + ) )+ " ) 3 1#
<) + # + = # ) # ) :# " )) 1#+ : , #
# #) # # J # # " +
! )) # F > H ,+ # + )+ J
, ,+ # ! # # > ) #
+ U + + " W ; ) J ) ,#
F > H )+ + ) <$ G % -= ! # ,
)+ + ) # + # J + ) #
! + # # ) ,+ # )
# + ,# ) # + 1# : # 1# $5 $
,+ # , # # ) # ) + #
( + + )+ " J 1# + 1# # , ++
+ ) < % 0 =
! + #8 > " #
Z
]$
@R[
T T
2
) J # ) # " # +# , # )+ J
$5J 3 " " J # J # ) + +1# ) #
# # " J <$ G % -=J , #
" + )+ , ) ) "" # +
; # )) # > )+ + ) < # # 22-=
) , " + " 3 )+
• :
!, # )+ ,# ) # + + #
"# # J + ) " ) #
) "# > J <& L % = + , ) ,#
, # )+ J ) # # > + # +
! # )+ )+ ,+ + )+
) 1# J ) 4+ # # )+ J ) 1#, )
, )+ )+ ) + J) # ) 1# # )# U "
# + # # , # )+ J
) ) +# , 1# )+ # J ,#
# + " ) # + , # )+
# # + ) ) + + # ) # + , #
)+ #)+ J )+ J # " 6!
+ 1# + 1#
# ) # 1# # # ! #
) ,# # # ) # + # 5
>J , # # 1# + + ))
) # ++ +# + ) < % = + ))
,# # 1#
!,+ # , # )+ " , ( ) @ #
)# + # ) ) #
• 4 4
+ , # # )+ + 1# 1# J 1# + #
,# ) + , ) " #+ # # + # "" J # ""+
V + ) # )+ < #) # #
# # >=J # # )+ , # )
U +1# J 1# )) + <9 G P > % /7= ) 1# 1# V
) 1#+ ) 1# # )+ # # # 1# +
+ )+ +1# J # # + 1# )+ + 3 U #
# " , # # )+ ) #))
V ) , 1# <P % 0-= + # " 1# V
, ) " + + 1# J 1# ) 1# 1#,# A+ # # , #
)+ , ) " + ) $) # J # ++) ) +
# <D % *= 1#, # + # , # + 1# !
1# + )+ # + :) # V +) , # )+ 68 M
< = c ! < )) # " =c < =
! ) 3 # V , # )+ ) )) # # 1#
+ + ) <! 22-= ! # # ) # ,+ # , "#
# , # ) ) # V , # # ) 3 ) #
T T
%
9 1# < 9 = ! # # 1# ,# , # 1#
1# ) ) , ,# V , # #
# )# ) )+ 1# # 3 + 1# )+ J # ) #
# +"+ : <& # G; # 22/=
"
5 ) J # )+ + ) ) # 3 )+ # +
# 1# # ) # + 1# )# +
)+ J # + )+ + # ) # 1# +
)+
)+ # ) # #( J # , +U
1# )+ # 3 ) + )+ 1#
+ ) #
" #)) "" J 1# J ) #
+ ) " #)+ # # + ) )
# J ,# )+ # # ) # # #
" , )) "# 1# !, +
3 " , (# # # )) " +
+ ) #J # )J ) " #
, )) # J )+ ) # U ) " J ) ,#
+ # + : ,+ # , # )+ <+ )) +
F # )+ H=J ) > + # + )+ #
""+ ) #)) U +
@ # # : + 1# + )+ , : " 1#
# + ))+ # + ) + 1# 3 # 1#
# ! # )+ +
T T
% / >%$ , + $
# : , # )+ 3 J # )+
+ 3 )+ 1# # + ))+
# #
+ J # J , ) # + # "
) ) # + ) # " ) ) # #
) " " # 1# + )+ 1# ) # , ) #
,# # 5 )# J + ) # U ) )+ + # #
: # ) , 9 #
@ # ) )+ + 3 )+
) # # ) )+ + + ))+
3 )+ :) ) )
#
! + # +"+ + , ,# 3
+ + 1# )+ )+: # ) < > > % 0-= ) ) ) 1#
1# " , 1#,# # 1# 3 )+ )# " # #
, ) : ,+ ) 1# . )) 1#, "
# 3 )+ ""+ " ) # # )+
) J , ) 1# <D 22 =J )# # ( " 1#
+ )+ J , ) #( # # , 3
# )+ J ) ) J " # # 3 1# + #
) # 3 , ) # 1# # ) + ""+
( " )+ 5 )# J # " # , # # 3
)+ ) , # ) J # : # ) " #
) 3 + 3 )+
D : ) 3 J # ) ! )# ) : )) 1# # 3
)+ # 1# ) # , + < + + # ##
) = !,# 1# + # ) ) )
"" J # # + )+ : )+ ) # , ) #
)+ U + + : 1# ) # U +J
+ # + #( # , # ) # )) # 5# "
) " ) Y+ 1# # 3 J # ,+ # )
) 3 + # ; # 3 # J )# + :
, 3 )+ # ) # +# + " # $#( # , # J
( + )) " # 1# ) ) ""+ + )3
# ! ) 3 + 3 ) ; 3 #
) ) + $) 3 + ) # ++ " 3 # # # )
J # 3 )+ ) # U ) ) + "
T T
*
)++ ) # 1# " +" # ) 3 )+ )+ +
, )3 < 227= # )+ + ) )+
) J # # 1# Y+ +
, ) 1# < 22 =J ) ) # )+ 1# + 1#
# )+ # ) # + # + !, # ) ) + ) # " W
# ) 3 1# 1# + )+ " , ) 3
)+ : $ J # # + 3 #
)+ ) # U + + ! ) ,# ) # , # ) +
)+ ) , + " + , "" + # 3 )+
@ # )+ " W )# ) + # 3 + 1# #
#
< %/ , , " / $ ! !,
! + 1# , # # )# ) "
+ # 5 J + : + #
+ )+ + ) # # # 1# ) # (# + ) + " ) #
, ) $) 3 ) + ""+ 3 : , , # ) " J#
3 )+ + + )) 1#+ : , ) # , )
+ " # , ) # 3
+ 1# 3 ) . " # + # ) 3 A
) 3 5 ) 1# J 3 # ) )
J ) < 3 & L JE #P = 3 ) #
1# ! 3 )# ) < ) $9. $= ) )+ +
# ) ) 1#+ ) )) # )+ + : ) + ,U )+ #
+# +
$# # ) ""+ 3 )+ J + # 3
; + ) ) "" 3 )+ # +
# ) <! L 22-= + ) < > > % 0 = . , +
F %D ) H 1# ) 1# + )# ( + 3
)+ :) ,# %22% + ) < # J # # =
+ , )) + + 1# >J J + )
# " . + # # # ) # ,+ #
) 3 )+ )# + J< # # 22-= )
3 E P : 3 ) # 1# D L
) $ (# "" J D L $ #
"" # 3 $9. $ ! #+ , -7N # #
, # # )+ # 3 $9. $
$# # J 3 J J +
)+ 1# ++ ++ ) +
# ,+ # ) ) <P % 7=J <` G&
% -=J < G I % /= # < G I 227= ! #
# ) 1# 3 # 1#
) ) ) # + ) ) # 4 #
--N
) J 3 ) U # "" J +#
+ 1# 1# ++ " +
# # <9 22 =J < G& 22 =
T T
7
+# + # ,+ # , # 9 <) # =
) # )) # # + + # # )
! " + # 3 & # " ++ + ) <8 # G 22 =
1# + 1# 3 + " + 1# 0, <,(6
# # J ) # # = 1# "
\& + + # < 0, ) J 4 : # #)
# =
1# 1# ++ J # +# )
<P 227= <E# G _ 22-= 1# ) + + #
)# 1# . # 1# + #
(< , , " $
! *3 + )# ) # ) # "" ) # # ) ! ) 3
: " ) # " 3 : # !
,# 3 ) # # " . " #
# ) 3 #"" )+ ) " W +
1# 3 )) ) )# + : # " "+ 1#
, ) # " ,+ # + # 3 5 )# J
3 # # ) , # # 1# # 3 )+ J
# 1# )+ J ) # 1# ) # J # ) + ) # (# @ #
) )+ ) " ) #
) # 3
! . $ ! , $ %
? , $ $ , $
! " #
<P % 07= ) ) # " + # ) +
" ) # 3 )+ # )3 #
8 ) +" 6
5 + # 3 6
5 : 6 L
5 6
" + # + )
# + , )) + 6 #
# + , )) J #
+ , )) !,+1# P +" # 6
: :c
:^_` :^
ab bab
X(:^_` "" # + , )) J
: J :c
ba ) +
"" # ""
:^ # # + , )) +
, )) b
5 ,# 1# # # J) ) J
) " #
T T
:c
:^_` :^
dab dab
5, ) 3 P J ) # U +) + " W # 6
Tableau 1: Classification de Williams
0dab :c 0dab :^ 8 )
! L
E ! L L
E E ! L )
E E E ) JL
P )+ )1# " + 3
1# ,# 1# # # 5, # " )
+ +++ + ! # # + # )
< GD 22*=J < GI 227= # <9 22 =
! # " ) # U +# + ) " # #
Tableau 2: Classification de Ghobbar
' 1# 1# "+ 1# + "

# "" # )
#
$ ! " %
" ""3 1# 1# ) # < G I
227= + 1# " + + ) ) )
+ . + # # " + #
+ # # J + 1#
+ # + + ))
Tableau 3: Classification de Eaves
T T
-
, $ $ , $ $ $%
" + + # + ) <D % *= " , +" # )#
) # )++ # ) 3 )+ ) J "
3 # + ) ) ) + # , 1#
1# + ) + )+ 6
@ # # ) # ) # 1# , ) , 1#
! + )+ (# ) +) #
) 3 # + + ) # "# : # (# )+
# , 1# ! ) ) <D % *=
,# # ) # "" +1#
! ) # ) # 1# # 1# )
5 J # + # # )+ ""
# ) 5 J <D % *=
) ) ) # ) 3 # 1# & L
! ) # 1# ) # 1# # " 1# + )+
+
# 1# 3 )# + +
)+ ! ""+ + U + !,# ,# +
)+ )+ :) ,# ) ) + ) <D
% *=
# ) # + # " 1# + )+
) # ) 1# " V ! # # # "
) + 1# , X ,# 3 1# # 1# J ,#
,# #""
; " 3 ) ) ) 5 3
J +J # +) # ) +) "
!, )+ #) + ) # + ) # ) ' )# 1#
3 ) ) + : , # .
" # J " J +" # " )# ) # )+ " 1#
" , ) # ) # +# + # 3 )+ )
2< + ! $ %, !
5 )+ J #1# )J# # 3 + + U # :#
+ 1#,# 1# # )# ) " :# # $ 1#
" 1#,# )+ + + J # # )+ ) # 1#
) ) # 1# 1# ) + )+ )) + ) +
) # F) > H <8 22 = + X# 1# +
)+ + # 1# ) , J +
)+ U + + " # ) : +# ;
)) + # \ # # ) ) ;
) # U )+ # # ) # \ ## ) )
: )+ " "# + ) +J 3
)+ + ) )
# + # + 3 J <& ] A 22-=
, + # # 3 # 3 )+ )
) < 3 E P = ! # # + + ) , +
T T
/
# # 1# # # , ) ) , " # )# #
$) 3 , 3 )+ ) # + J ) +
# 3 # ) " ! # # + + :#
)) # 3 <"#AA # )) = )) 3 +
+ 3 +# ) J 3 # # ) + +J
1# ) ) , + #)) +
"" J , " W ) 3 )+ 1# ""+
) # " )) 1# + : + # < 22 = ) )
, )) # ) # )+ # # # ,#
, )) + : ) )+ ""+ + #+
# A + ) 1# + ""+ 8 )+ 1# "
++ "+ 6 ! ) + , # + J )+ + A
+ ) 1# + $) :J # # ) ) ) 3 )+
) ) # 3 )# ) 1# )) # # #
1# + )+ 5# " + # # + + +J # #
) # # + + # "" 3 + ++
)+ + + ) < ! 222= . + 1# , # #
, + + !, + ) + + ) < 22 = , )) 1# ) # + +
)+ . " # 3 # ) # #
< J A + ) 1# =J " # + + J )# ) +) 3
) # "+ # < J + ) 1# = ; " 1# + )+ (# +
#"" J # # ) ) ,+ 3 " # # 6
)+ # ) # ) )) )
) (# )+ # ) )#
1# + )+ ; ) " ) ) ) # +
# )3 # !,+ # ""+
) + # ) ) ) $# # +"
, + + J< 22/= + # + , "" )+ , +
+ # > + # + , # ) ) # , ""
+ # # )
" J ) ) : ) + ,# ) J 1# (# ""+
3 )+ ) # ) , )) # )# +: )+ J
J# ) # # 1# + )+ ; ) U # +
" , # )+ )# # 1# + +" 5, # ) J +
) #)+ ) + " )+ )+
< # # 22-=
, # # J 3 + ++ 1#+ ) <
227= # " + ! # # ) ) # #
# ) 3 )+ < P $J
& = " # ) ) )
+" #)+ + 3 # )+ + ! :
)+ # + ) #)+ +J 1# ) # "" #
3 )+ 1# ) # U ) + 5 , ) ) ) +) # # J #
) 3 + ) , +
"" !,# ) 3 #)) + # #
T T
0
# #)+ + 1# ) ) 3 3 !
) " : , # 1# #" " + #
+ J 1# ) " ) # 1# ) # U + +
# )+ , + # : # # 3 # + 1# +
) ,# ,# 3 )+ )+ " 1# )+ # )+ +# +
"" J # + 1# # )+ + " W + + ) ) #
# # 3 J 1# # # ,# # : # )
) " ""+ 3 J # 1#, # ,# # : +
5 " J 1# + )+ + + +
) # ) # ) " , ) # 1# #
) ) # # + 1# 3 )+
$ # 3 +# )+ + )+ + J # ++ ) ) # #
+ 1# ) + + )+ ) # : , ( "
+ 1# 1# + )+ # ) + , + # ) ) :#
# # ) 1#
# J # +" # " 1# ) + #
# # )+ : 1# # # )+ :
1# " , ))# # , 1# + ) # :
J # )) 1# + )+ # 3 1# "
< ! . $ , $
@ # ) # 1# ) , J #
# # )+ : + 1# 1# ) # ) U +
+ 1# + ) # # U + "
, 1# ) "" J 1# , 1# #)+ # : 7 # "+ # :
* J 3 1# " # ) U J " # # 3
)+ )+ # 1# #
, , ) , 1# ) J)# # " # ) + #
)+ ! + # + ) ) + 1# @ #
, , # ) # , J# ) #) #
# : + )+ # ) # ) # # ) "
)+ ) + ,# ) + ) )
) ) # + # " # + #) # ,+ ) #
< ,# ) # ) = 5 3 ) + ,+ # # ) #
J , , ,# ) # 1# )) :# ""+ < ) # #
) > # : ,# +=J ) " # # #) # ) # U ) +:)
#) # ) +
" J X , # ) ) # ) J , # #) #
# " ) # J # #
! ) # + #) # < #+ # ) # # # < J # 1# J [= #
)3 # =) + )+ ) " #) #
+ #
8 # 3 )+ + # 8 #7
T T
Tableau 4: Classification des demandes en fonction de l'historique des demandes disponible
Etude de l'historique
Présence d'un historique de demande du produit
Oui
Non
Utilisation de méthodes
Utilisation de méthodes qualitatives (et quantitatives)
quantitatives (et qualitatives)
Existence produit similaire

Oui Non
1 à 2 ans 3 à 12 mois 0 à 3 mois Comparaison par rapport à un/des Cycle de vie du produit
plus de (plus de (entre 6 et (Moins de produit(s) similaire(s) Durée de vie longue
deux ans 12 12 6
périodes) périodes) périodes) Durée de
Profil de Produit
Produit de Phase de Phase de Phase de Phase de
demande identique mais vie courte
remplacement démarrage décollage maturité déclin
similaire lot différent
1 2 3 4 5 6 7 8 9 10 11 12
(< / , ! =% $ .
+ X # 1# )# % ) 5 #
) ) ) + + , + + )+ + D #
! ) 3 ) # + ) , , : + 1#,# " :
+ " ) # ,# " W 1# ) 1#
,#
Figure 5: Algorithme de choix du modèle de prévision
T T
*2
3< )$ ! $
! ) , ) + ) # D # -
Figure 6:Phase d'initialisation de l'algorithme de choix du modèle

de prévision
! ) 3 : +" " + ) 1# ## ) # "

) " 5 # %- " J # ) #
# # 1#
! # + )) +
) # "+ U + ""+ ! " <P
% 07= + # + , J # : J< GI
227= ) ) +# " :) +
J # + + < 22 =
+ ) ) +# " ) ++ )+ + ( # ""
# ) , + + 1# + ) + #
#( J # # ) + + ; + , # #( + + + + ) <& G
2%2= # < # 2%2=
@ # # + # # # #
) # U ""+ + 1# 3
! ) 3 + ) # )# # " )+
)+ < J J ( # =J + ""+ 5 # J " #
+) # 1# F # H
! # 3 3 ) # + ) )# # "
+ + J ,+ # # + # # )+ #
+ J # + + 1# # "" + +
# +
! 3 3 # + # ) 3 + #
+ " 1# # + + # ) 3
+ # ) , ) 1# ,+ # ; ) 1# ++ !
) # " # #) " F ++ H
" J 1# 3 3 "" + J #
#)+ # : 2J J "+ # : 2J +
@ # " )+ + 8 #
T T
*%
Tableau 5: Classification des modèles de prévision en fonction du type de demande (cas des demandes
continues)
Demande continue
Saisonnalité
Tendance
Influence
Demande avec
Demande avec Demande avec
Demande liée tendance,
saisonnalité et tendance et
Demande à un ou Demande avec saisonnalité et
Type de Demande Demande avec liée à un ou liée à un ou
avec plusieurs tendance et liée à un ou
demande basique saisonnalité plusieurs plusieurs
tendance paramètres saisonnalité plusieurs
paramètres paramètres
extérieurs paramètres
extérieurs extérieurs
extérieurs
C.V. < CV1 > CV1 < CV2 > CV2 < CV3 > CV3 < CV4 > CV4 < CV5 > CV5 < CV6 > CV6 < CV7 > CV7 < CV8 > CV8
Modèle de
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
prévision
•
! + ) + 3 )+ + + 1# : #
" 1# + # ) )+ # 3
)+ " 1# )+ : " ++ ! 3 1#
+ 3 ) 1# )+ d J
""+ J ) ++ J # 3 )# + + 1#
) ) < 3 & L =R # < 3 E = # ) < 3
P =R 3 ) AJ 3 1# J # 3 +
3 $9. $ $ 1# + J# + # 3 "" + " + #
) + ) , # )+ )# ) J 1#
#
•
3 # 3 ) )+ " 1# ) + ) # ) "
" : 1# "" + !, "" ) ) +
""+ 3 )+ U + " " + ""
) # + ) ) + # ) , ) )+ " 1# ) 1#
,#
+ ) : + 1# 1# # " # J
1# < # # " ) = + ) ) : +"
""+ + #" +" ) ) ) #
+ 1#,# ) 3 " ) #
) # ) # + )+ ) # # )#
+ ) # 3 X , ) " # )
# # ! )+ ) # # 1# 1# 3
# ) # )+ # , 3 !
+ + + " + 1# " ) #
U #"" )+ ) # 1#,# + # 3
# ) 3 ) " #( # # ) , ) )+ " 1# ) #
) + ++ + + :) ,+ # + # )+ " +
3 )+ !, ,+ # + # + ) +
T T
*
) 3 :) ) # ) # +" + 1# ) #
+ #
; " + ) " J ) # 1# ) + + # ) # U
+
2< )% ! $
! ) 3 + ) ) ,# J #) F 1# HJ , #
) # ++ $ ) J "+ " 1#
) 3 1# # # : 6 +J J "# )
# #)# # ) 3 J +
Figure 7: Phase d'utilisation de l'algorithme de choix du modèle de prévision

# : J ) # "" + : # " 3 " U
)) 1#+ : ) # 3 ) + )+ " 1# ) # ) " #
) # :) , 1# ) , + ) , # )+ #
3 )+ ! ) 3 3 + + " W : )#
" # )+ # )+ )+ + ! )+ :) )
) # # )+ " + # ) # < + = @ # + 1#,#
# )+ ) )+ + +# ) "
)) ? # +" J # # )+ #
+ # : ) )+ " 1# J # # 1#
3 )+ )+ " 1# ) + ) # )+ # ) # 1#
)+ ) + # 3 )+ # < 4 : # )+
= " ) , # 1# + )+ @ #
T T
**
)+ ,# # $5 # # $ 1# #( # #)+ # : A+
# ) # # 1# + )+
; " 3 )+ #J ) + ) # U + + ) # )+ J ) #
)+ #
$ )+ # J # # 1# + )+ + + :
) )+ + 1# )# U #+
) : + J # U +) #+ #) # 5
+ , #) # ++ + ))+ ) )+ . , ))#
) ) # ) # )
) )) : J + # #) # > ! 1# +
)+ ) # (# # # # )+ 3 J # 3
)+ J " ) ) ) J # # )#
)+ + 3 )+ 1# , #
!,+ ) # ,+ # , ) + 1# + )+ +# ) #
" ""+ " W ! 3 , ) +) # U ) ) , ) # )+
, + J ) # )+ # J #
+ )+ # # 3 , ) +) # U +" "
) 3 6 + <1# + )+ =R )+ +
< , # )+ =
# : , ) + # 1# + )+ J )+
3 # + U +# + 1# ) # )+ )+ # J )+
(# + 1# + #"" J J U + + " ) #
3 ) + " W )# +1# ) ) 3
+
) 1# ) # ) +
)+ #)) # + # ! )
,# , ) + ) +" ) # # ) # # " ) #
++J : ) 1# # 1# + 3 )+ # + U # !
+ )+ # # # " + # ) ) ) #
+ ) # ) " )
) #)+ # )# ) ! + : #
# )+ + + # + + ) # ) ) +:
+ : ,+ # )+ , + 1# + )+
# ) # :" ( #
+ 1# , )) : 1# # 3 ) ) ) #
# ) # + )+ + 1# + )+ + +
"" J + # ) # 1# + )+ # # # ) 3 6
) 1# ) ) # # , +"+ " W )+ " 1# J
# 3 "" # + , # 3 )) ) + # +
)+
@ # ) ) +# + 1# ) # )
# # 3 )+ J +"+ X )+ ) # )
# 3 # # ) # # 1# + )+ #"" + )
T T
*7
+ , + 1# + )+ # 3 # + ""
) + , # )# 3 )+
@ # )+ )) + # # #
@ # ) # 1# " )) + ) , ))
T T
*
&
! $ $ % !!
5 J # )+ )) # # 1# #
+ + :) + # 3 )+ )) ++ + +
# ) ) 6 " $
@ # ) )+ , )) ) ) + + "
)+ "# ,# ) " > )# # )+ ))
1# # ) ,+ # ) " # ) + $
$
% &
< $ / &5 . !) %
3< $ /
!,+ # + + " ) ) # "
3 6
%= D8! <D# 8 # >! =J , + # + %:
# ) %:)# # A ) # U ( J
= !8! <! 8 # >! =J + + # <% : =
""+ ++ # + # < ) J[= ! " # ) ) :
1# + + )+
*= < )3 J + " # J )# # = ! +
+ # : % ( # "# J ##
# J #)
# + ) ) # J " ) 3 ) ) 1#,# " )
) # +
# ) J + " :"
% ) <1# " # # # J #
, # , # =
) + ) J )3 \ ) # ) )
< # $ \9 # J > # [=
* ) #) 3 ) # < 1# J J #"" # J[=
# J " # ) 6
% ! # 6
@+ + ) # )+ % # J V : ) "
,# 3 " <" +" =
! # 6
@+ + ) # )+ % # J V : ) )# + +J
,# )# " < # #+ # =
T T
*-
* ! ( # < F ) H= 6
@+ + # ( # ( #J # V + +J ) , # " +
# + +
+ V " +
# " "
# %
( # <) = %( # + + + +
Figure 8: Présentation des différents types de contrats de location de moyen de transport et
de leurs spécificités
2< &5 .
!, ( " " , " + ) +) #
< ) # J" + )+ J " += V )#
" ) # # ) # "
)) # " # # #J # U )
1# J # +1# " + )+ #+ )
: F ) H # # J
" # : # <% =J <% = <% = )#
)+ ) 5 " W J F ) H ) # U ) + )
# \ # # J 1# ) # V
; " +" \ #J , ( " U , ) ,# ) +

) + ) # # + ) J 1# " + )
)+
; # 3 ( " ) + , ) ,+ ) :
# + ) <" # # # = " # ) )
) 1# )# " ) #
! )+ J 1# 1# A J + ) , ) F # H
+ ) " W : + # ) # #
> 3 ) ## : ! ) "# + # + U " + :
# )# + )
! # +# ) )+ :) , 1# "#
+ + ""+ " J ) + )+ 1#
# ) ) + " ) # # )+ " ) "
)
0< ! $ + $ " ! $ ! ! $. $
) # ) " #) ) " 6
% ! )+ ) + )3 1# )
: * )+ ) # ) #
+
5 )+ J + # # )+ # )
* )+ # # + ) , # ) " ) # +" ) )
: % ! + ) ) , #
" )+ # , ) ! F ) H
# "" # + ) # " " # "# #
T T
*/
! # ) # ,+1# ) + , )+ ) "#
) 1# # J , ))# # " ) :# A 3 #
<1# 1# ( # = ! # ) # " )+ " ) # )
) " + )# ) # ) )# )
) "" J + #)+ # # ) + J " # " )) # )
F ) H 3 V # 5 J " # + ) ) + + + !
+ # # ) ) + "
) "
5 U " W J ) ) + + + # )+ J# # V
) )) ? #" )+ " :
( # #)) +
(< % !
3< $ !! $ ) % "
! # ,+ # + + ) # " + 1# " 1# + )+
) # # )+ 3 :# ) "
> ! # # # )+ ) # U #J
1# ) ) ,# )+
Figure 9: Schéma logistique de la plate forme de cross-docking

étudiée
! + # + ) # +# )
( # 3 )3 %22 " # # #+ )# %22 +) ""+
! + )+ ) U ) + !, ) 3 #
( 1# ,+ + ) ) )
< = ) # ) # +) + 1#
)3 ) # , # "" J # ) # "# )3
+ # # ) " > )# + + 1#
!, 1# + ) )+ # */ . " # )
+ , + 1# ) ) : )+ "" J + 1#
) 220 + ) # + + # "#
)3 # + ) +#
T T
*0
2< ! $"
@ # J:) + ) J + + )+ "# ) #
) #
' ' () *"

! "# 1# " # # ) " > !
3 # 1# + 1#, " +1# ! J) #
"# J 3 1# + ! )+ + + , ) +
+# # " # + 5 J )+ #"" ) . " #
# " + J J # # , "" ) J) #
" " : +
@ # # + # ,+ # )+ "# 1# J
# + J)#
' *" () +
"# ! #+ ) ) # 1# + )#
" ) +# + "# + A +
1# J , ) + # 1# )# U +# + @ # "
, ) 3 , + @ # # + 3 )+
1# : J ) ) ) #
Tableau 6: Erreur de prévisions (MAD) selon les méthodes utilisées et caractéristiques de la demande
des flux avals de la plate-forme de cross-docking étudiée
usine 1 usine 2 usine 3 usine 4 usine 5 flux aval total
Moyenne mobile 28% 47% 21% 20% 3060% 20%

Lissage exponentiel
31% 53% 23% 18% 158% 18%
simple
Lissage exponentiel
29% 45% 21% 20% 4296% 20%
double
Demande moyenne
en nbs de camion 8 944 28 705 39 937 12 181 4 349 94 116
par mois
Coefficient de
0,56 0,56 0,51 0,53 1,23 0,37
variation
@ # +) + )+ "# # + )+
" W +) @ # + + + # @ #
# 1# + )+ #8 #-
3 )+ ++# + ) # 1# # +
1# # )+ + )+ + @ # + # 1# )+
1# +
)+ ) # 1# 3 $) :J # ) # 3 )+ + J
) # 3 )# ) " ,+ )# U @ # +
+ , ) " # , ) # # 1# + )+ #
3 # 1# + )+ ! ) 3 #
3 )+ ++ + + " W : )# " # )+ #
T T
*
, )+ + + ! " "" ) " ) 1#
,# ) ) # )+ ) ) # @ # +
, # ) 3 < J [= + " @ # )+
# ) J ) + " +) # ) # ) , "" :
! 8 #/
1# ) # * )+ + J # # # ) # "#
) " J ""+ ) 3
)+ J ,# + # ) # 1# 3 # +
<+ ) 0 + ) ) + =
! ) : # # "" : 1# + )+ # # J
1# + )+ + + ) # FD $ # H
( Demande − Prévision Prévision ) 1# + (# + #"" <D$ e %2N ) #
,+ # =J # + 1#, # , # 3 ) J
) # )) # + + ) " # 3 # + 5
J + "" # ) +< + = # ) # #
1# + )+ ""+ # # J # F T# H X
,+ ) 0 ) # ) , # )+ #) " #J
F T+ # # H X ,+ ) 0 ) 1# ,# ,# 3 )+
) # 1# + )
5 X , # )+ # #)+ # : %2N < # + ) #
+ # =J # , 3 " + # ""
# )+ ) # + ) # # <+ ) %% + = #
# # 3 J # F T# H
3 )+ + # + )# ) " + , # )+
F) T T H
! D # %2 # "
Figure 10: Algorithme de classification des cas de changement de modèle
T T
72
Tableau 7: Type de changements de modèle pour les flux avals de la plate-forme de cross-docking
étudiée sur l'horizon d'étude
Période Usine 1 Usine 2 Usine 3 Usine 4 Usine 5 Flux aval total
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
$) +# J # ) # " )+ + 8 #0
#) # ) ) 3 # * )+
- "# + @ # 1# ) ) ) # -7N
T T
7%
<
7 : 02N= 3 J *N (# +
F# H 3 # # 3 , # )+ "+ # : %2N
@ # + 1# 1# + )+ 3 " + +
) 3 1# , # )+ "+ # : %2N # #
1# ) *% 0N : *% -%NJ + ) ,# 1# # )
) # ) # U )+ # < # )+ #)+ # : 22N=
, +U " # # # , # )+ #
1# J # # # 3 ) + # + , ) # "" J 1# +
)+ , ) " + + 1#, ) J : +
#
Tableau 8: Analyse des types de changement et qualité de prévision obtenue pour les flux avals de la
plate-forme de cross-docking étudiée
Flux aval
Usine 1 Usine 2 Usine 3 Usine 4 Usine 5
total
proportion de changement total de
49% 54% 80% 63% 74% 66%
modèle
proportion de changement de modèle
43% 49% 57% 57% 66% 46%
utile (e >10%)
proportion de changement de modèle
6% 6% 23% 6% 9% 20%
inutile (e <10%)
qualité moyenne de prévision avec

changement de modèle et sans test 29,7% 40,8% 22,2% 46,5% 940,4% 18,7%
(test_réducteur & changement_utile)
qualité moyenne de prévision avec

changement de modèle si test négatif 29,8% 41,4% 22,2% 45,8% 940,3% 18,8%
(changement_utile)
" + ) 8 # "" J ) #
)+ ""+ # , +U :) # # # 3 J
) # , +U : " 3 1# , # )+ "+ # : %2N
# )+ 2J%N ""+ 6 ;
# 1# R# # ) # 1# R# # #
# 1# R# # # 3 R# # #
3 <# 1# # )+ #)+ # : %2N= !
#+ " W # 6
Qprev(lis_simple) − Qprev(chg_restreint)
G(chgt_restreint / lis_simple) =
Qprev(chg_restreint )
Tableau 9: Analyse de la qualité des prévisions suivant la méthode utilisée

moyenne lissage lissage avec changement changement
Méthode
mobile simple double modèle modèle restreint
Qualité de prévision
35,1% 36,7% 33,0% 31,6% 31,6%
moyenne
Gain avec
11,1% 16,1% 4,5% / 0,1%
changement
Gain avec
11,1% 16,0% 4,4% -0,1% /
changement restreint
T T
7
; )# " # , ) ) ) +
# + :#
% ,
)# ,+ # + 1# + : , + )+ : + 1# #
) ) + J # + + , + U 1# ) # : )
)+ # "# ) " > +# + "" J , # )+
+ # ) ) # U , # # "# :
) # # # "" J + )# " # ) #
J )# , # # )+ J # 1# +
""+ "# # +) ) " ! ) +
#) + )# " : + !,
# ""+ "# < # %J J * 7 # = ) # " # # 3 )J
,+1# ) )) #) ) + #+ : 1# + )
)+ # # "#
< $ !% $
+# + + ) )
" W ) 1# " #
, +U 1# #+ ) ) + ) # + ) # +
)+ ! + + 1# "+ # # 1# + )+ @ # +
, + )+ # ) )) # ,# 3 1# 7 : %-N 1#
,+1# 1# + + + 1# +
!,# 3 + ) # + # %2N
) ) + : + J + + 1# # )# 3 1#
, # )+ "+ # : %2N
$ '
!
#
< $ / % - $ $- @ ?
; ) ) ) + 1# 1# ) 5 3 9 <5 9=
# 6
F B# > ) # 1# )3 : 1# CH
!, ( " # > ' # #
" ( " 1# : # # # V
; ) # + ) + 1# 1#, , ) " + "" J
F +"+ +H < + , +"+ + # #
= 1# 5 # +"+ )) : 1# ) + # < 222
+"+ ) = 1# , # ) #" " # # + # !
+"+ + + # + J ,+ ) # " + ) 1#
)
$ # J )+ )3 ++ #
)+ $ " ) # 1# + )+ ) # ) #
) # + # # " 5# " ) + # 3 J , )) " :
3 )+ , ) ) # $ ) :J , #
T T
7*
) + 1# )+ J , ) ))
> ))
! )3 )+ ) # $ # ( # + "" J
) + ) + ++ ) :# + + + J
# # ) # # #) $ ) ) #
# # # # < # # # =
A $J )3 ++ ) # ) # ) + # )Y 6
1# ) # J # > , ))
++
# + ))
3< -
# $J )3 )+ # + 2 222 +"+ ) # U
+ 1 + 6
% ! )3 + R
) # )3 ) 3 +1# ) + # #
) # ! # " ) :# ( # ) )) : ) #
! )3 #)3 ,# # <) 1# " J # J) #J =

) # # + + )
+ # +) < ) D # = )+ %2 222 +"+
* ! )3 + R
) # )3 +1# ) + # ,+ )# ) # ! ) #
)3 )+ + + ) # )3 +J
) # : )# " , ) 3 # + )
+)
7 ! )+ R
! )3 + # + # ! #
+ +" W : ) # ) ) )3 # ) )# " ! 1# +
"+ # # )3 ,
! R
)3 ) # ++ + + # + #
) + # $ ' # ) ) ( )+ " 1# J J
[ ) # ) + + ) # # )
<" # J = # ) # # )+ " + J ) # U )
+)
2< ) ,, !
! #) $ 3 * 2 222 ) ( # < # )3 # =
) # U ) + # + 6
! 1# R
) # ) + # )+ )3 ,# # ! #
# )+ !,+ # # + #
) ,# 1# < # #+ #
+ # =
! )+ R
) # )+ ) # 3 ) ) # ) +
# < ) # # <" J J = ##< J [== !
) " :# ) # # #) # *
T T
77
# # + J # ) # # " J # #
" ) # "
! "" # + # # )3 , ,+ # +
"" # + ) # ) + ) # ) # ) # :" 5
) +(: + + + + :) 1# )+ " +
)3 <# # J J +J ) # J [=
Tableau 10: Catégories de pièces de rechanges en fonction du type de demande et de la famille

marketing des pièces
J ) # U + #)+ " W #
J ) )3 )
0< , ! - =%
# # ) + ) # ) # J# + 1# )+ " 1#
+ ++ + ; )+ + 1# ) ) + D # %%
' # # # : 1# # >
Figure 11: Schéma logistique de distribution des pièces de rechanges
!, ( " + )3 , # + +
) + , ) 1# A # # # + # # +
T T
7
% *2 ! 3 # + #) + : ( "J
# ) 1# V ) J > J [ #
) +" # 1# !, ) +) "
# ) ( " , ) 1# )3
A< ! $ + $
' - .
!, 9 # + $ ' $ # + )+ ) " "# ) # "
# # ! )+ + + # " ) )# + + # " + #
: ( # 3 ! ) " ) " :
! ) ) " # 3 )+ 3
" "" J 2 222 +"+ U + 70 + #
+ . /
$ ,# 1# 1# ) 3 )+ 1# # + # +
1# . , # ) 3 )+ # ! ) ) : ,#
3 1# " ) 3 ) "
"" J ,# " # ) " )# ) J : # ) + # # J
) # # J , ) : , # # 3
:+ ) # # +# ! 3 # + ) $ # # )
) < ) J # J ) = 1#
$ ) ) # ) + 3 # " :)
, 1# # # ,# ) 3 # 3
) J ) +# : ) $5 < $ # 5 = 1#
, # ) " # +) $ J # # # 3 )# ) " #
) J , ) 3 + 1# #( # , # # +
) J ++ + 1# + # # 3
+1# ! # 3 # ) # # +# J ) #
) ) " +# +
$ "" # # 3 ) # # ) # : 1#
)+ , : # !,# + 1# # ) )
) ,# "+ # ) # 3 # +) + #
) ) # ) )# ) # ) # 1# +
)+ )"
T T
7-
B< $ !% $
# J + ,+ # )+ # )
) +# # " W # # 1# # # +
1# # + 1# # ) ) + @ # ) # , ))
3 "" J " )+ , + # 1# + )
, + + # # > )3 # # #
# > ! ) " , )) # #
# < # # )3 =) # U + + :
# )# # + , +
(< % !
3< $ !! $ ) % "
# # # J 1# " ) # ++ # 6
# + # # R
# " # + R
# # 1# # , + R
# " # 3
)
+ " + + :) #) " :)
+ 1# )3 $ J # ) # # " ) #
+ # )3 )3 # 1#
! + ) )+ # # #+ 1 :
# @ # ) + 1# -2 +
2< ! $"
@ # J:) + ) J +
+ )+ J , :
J 1# + ) + " )+ "# # @ # # ) +
)+ # ) )) # + + ! 3 )+ # +
J ) ) J ) # )
) ! ) 3 3 ++ + + " W : , # )+
<D$= : )+ J # )# 1# " # # ) # ,+ # )+ +
+ + " J # 1# + )+ FD $ # HJ 4 :
# , # )+ + ) )+ @ # + + +
) # "" < )) ,+ )
+ = @ # + # )+ + 8 # %% ) # 1# "
+# +
T T
7/
Tableau 11: Analyse de la qualité des prévisions suivant la méthode utilisée pour les différents types
de produits
Produit en Produit en fin Produits Fortes Moyenne

début de vie de vie saisonniers consommations globale
Moyenne mobile 51% 34% 143% 33% 44%
Lissage simple 49% 34% 124% 31% 42%
Lissage double 65% 39% 207% 38% 55%
Lissage triple 14143% 41% 205% 172% 2603%
demande moyenne 265 5 888 14 969 17 269 12 698

Coefficient de
0,7 0,5 1,3 0,4 0,5
variation
@ # ) # :) ) +# 1# 3 ) )
# "" 1# + )+ J U ) # ) # J
X 3 +)# ,U )# ) " , ) 1# ) "" # +
, # 3 "" J # ,# 1# ) # ) < # %
) # + # = 5 U " W J (# #" #
+ 1# ) < " = 3 #
, 1# 1# , ) + )+ $ , J ) )
# , # )+ )# " 1# 1# ) ) #
@ # + )) 1#+J ) # ,+ # )+ + J + 1# #
) ) + " , + 1# + )+ # ) # )+
@ # + #
! ) 3 ) ) 3 # ) + @ #
) # # # )J X , 3 ) ) ,# #
, ) + <+ ) 0 + =J X , )
, ) + 1# # ) ) 3 J + #
# ++ ) + @ # ++ U , ) +:
# # )+ "+ # # + : %2N # # )+ ! 8 # % )+
T T
70
Tableau 12: Analyse des types de changement et qualité de prévision obtenue pour les différents types
de produits étudiés
Produit en Produit en fin Produits Fortes Moyenne

début de vie de vie saisonniers consommations globale
Proportion de changement
51% 77% 59% 74% 69%
total de modèle
Proportion de changement de
45% 67% 58% 62% 60%
modèle utile (e >10%)
Proportion de changement de
6% 10% 1% 12% 10%
modèle inutile (e <10%)
Qualité moyenne de prév
37% 19,6% 44,6% 18,6% 24,7%
avec changement de modèle
Qualité moyenne de prév
avec changement restreint de 37,2% 20,7% 47,6% 19,9% 25,8%
modèle
! 1# + )+ # : +
) : ,# ,# 3 )+ # 1# ! 8 # %* ) + +#
Tableau 13: Analyse de la qualité des prévisions suivant la méthode utilisée
Avec Changement
Moyenne Lissage Lissage
Lissage triple changement de modèle
mobile simple double
de modèle restreint
Qualité de
prévision 44% 42% 55% 2603% 24,7% 25,8%
moyenne
Gain avec
44% 41% 55% 99% / 4%
changement
Gain avec
changement 42% 38% 53% 99% -4% /
restreint
1# ) ) 3 ) "" J
+ 1# ) ) # @ 1# ) 3 % N
) # U + + , 3 # , ) + 1# , , " + : %2NJ 1#
+3 + 1# ) + % N 5 )# J ) ) #
+ 1# + )+ 1# 3 " J ) 7J/N
, # : J0N " J # ) # # , )) + 1# +
)+ "" J ) 7 N , # # ,# ,# 3
1# < ) ) +# =:)3 N ) 1# # )
# , # )+
< $ !% $
: +# + + : )3 $J # )#
)) 1# + 1# # + ))+ # # # + # )
# +# ) , # , )) +
T T
7
! ) +# , + 1# + # ) " ) #
1# 3 # # # ) "" J 1# ) # U
" +1# , + +# < 3 )3 /2N =)
, + 1# + )+ " W ) ) )# 72N , # :
N
! # 3 , ) ) " ) ,# , ) + #
1# + )+ 5 +# J # # %2N , # # #
)+ J 1# ) + # 3 %2N #
# 1# + )+ ) # # ) : -N )
, ++ + )+ +) # #
# J + ) ? ) # , )) ,# 1#
3 1# ) ,# , ) +)
3 + )+
!, )) + # # #) + # )
+ !, )) # #
1# + )+ ++
+ J # , + ) ) + ) ) ,# + ) + "
1# + )+ ) 3 )+ # #
+# ) # +# # " ) ) J+ + 1#, , ) ++
)+ + "" J + ++ + # J 1# ) ) #
" # # 1# + ) # # # # # ) J
# ) ) ) ) , + ) # , #
# +
; # 3 1# 1# , ) # " ,+ # + #
# 3 , ) + "" J # # + :# 3 ; +# )#
)) " ) + 3 # # 3
)+ 1# + )+ ) # # 3 ) # " #
) 1# + )+ ) + + " J +" 3
) # + U #+ "" J 3 ) # U "+ # " W ""+ !
) 3 " W # , ) + 1# + )+ !
# 3 , ) ) , # "" J # +# ,
# + +) )) : , # )+ , # # : 1#
)+ ; 3 ""+ " , # # " # 3 1# ) #
< f%= )+ 3 )# J + + " #
" J , # 1# + # 3 )+ ) #
+ ) J # 1# + )+ ) # # # )# #
)+
@ # # + + # 1# : + )+ 'J
+ )+ # ) # U + ! 3 + )+ J
# 1# + " # # 1# # 3 ) ) "
> , # 1# 1# <8 J 22 = +
+ )+ # + (# 1#,: #( # , # 5 #
22 +# "" ) ,# ""+ + +
T T
2
)+ # +# " # 1# ) # 3 > ) #
+ 1# + # + ) # + # )+ < $5J J $ = ,+ )
#( # )) ) + . ) # + , ) # + )+ #
+ # 1# + )+ # + # # > #
1# . # 1# J + # +
) 5 U <8 J 2%2= # " 1# , ) +
) + ) # ) " + ) 3 #) 3 1#
# <) " ) # \ + )) =
!,+ # # )+ ) " # ) :
) # + 1# + 1#
T T
%
!
$ !% $
5 ) 3 ) J # +) " # ,
3 )+ J # # + 3 )+ $
) J # + 1# + ) ) #
#"" ) ) # 3 )+ ) # ) # , )
1# : ,+ #
@ # + ))+ # + ) J:) ,# J
3 )# )+: ) " ) , # )+
1#
" J + ++ )) ## # + 6 # "
,# +# ) ) " ) # ,+ # , )) ) )+
# "# ,# ) " > # " ,# +# ) ) #
)+ )3 ) # , )Y $ 5 # J
,# + ) + : ,# ,# 3 1# , +U
+ )+
@ # ) # # # ) + 1# # + ))+
+ +# + J + # 1# + )+
++ + +
T T
(
%
# )# ) )+ + J + )+ #
Y "# 1# # : "" # + ) "" J ,
) #( # ) , )+ 1# + " @ ( " +
) # # "# > ) # +) : "# # @ #
1# " + # " ) ) " W )# " 1#
@ # # +" , # )+ " , (
# 3 )
@ # ) )+ 3 , # 1# # "
#)) 5 # # 3 J # )+ # 3 , #
)+ ) )) + +6 3 ! 3
) ) 3 # ) # # J
# )+ + ) + ) 3 3 1#,#
)) + ) )
T T
*
$ $ !) / $
@ # ) )+ , # # + #
"" J # J # + ""+ J # +
)+ : # )) + @ # 1# ) # )) J 3
) #"" J 1# (# " )) @ # +
# + J " W 1# J ,+ # 1# + )+ "
, A )+ + + " # # # J 1# # ) 1#
#
$" ) # +) : ) + 1# + + , )
, )) # # # J +" ) 3
# ++ 3 # + )
@ # " J # J 4 # )+ # ) )
)) ) 1# ) # + @ # # # : #
) # + 1# 3 )
<
% /7= +" , # + ""+ 1# + , "
+ ) # ) # 1# + , " ) 5
# E <% 0 = # # + , # 6
! # 6 8 # # +) , #
) # . # # \ ) 3 ) 3 \9
" # # \ #
! # ) 6 8 # # , #
) # 3 1# +\ ) \ # ) #
! # # ) ++ + + # )
) ) # ) I A J J [
! # + J )# ) + +
+) , ) J , : # 1# # # +
5 + # J # ) # # ) ) # ) , #
) , )) 6
b !, # # R
b !, # # + , )) R
b !, # # 1# + W# <) # 1# + + J #
) 3 1# + ) 1# +# =
# " " : # J )# # # ) # U ) 1#
1# + + # +J + + # + ! 1# + + # + # + ) # #
# # # # 1# + ) # B# # +
+ # +J ) # U # + ) # # , # # + @ #
+ ) # , # # +1# +#
1# 1# 3 ) " 1# ) )
T T
7
< # 22-= # " +"+ ) "
, # ) ) J ) ) + )) 1#+ $
"" #+ # # ) W# 1# # )# +
) # + . ) # ) )+ 1# #
#( # #) + + + # + +) J ) # , # < #)
G 22*= ) + # + $ #
) # # <5 # G 22/= " ,# +"+ X
, # # # ) # , # J # ) # , #
# + , )) J # ) # # ) , #
Tableau 14: classification des références en termes d’incertitudes
+ !
*, $ . @@'( g
*/ . @@'( g
* . @@'( g
*% ) . @@'( g
*+ . @@A( g
*+ . @@A( g
*3 $ . @@A( g
*7 . @@&( g
* . @@1( g
*B + ). @@1( g
*7) . @@1( g
*# . @@ ( g
*; . @@ ( g
*: . @@ ( g
*+ . '''( g
*# . 'A1( g
*, . 'A ( g
$ , + )+ " 1# : , # # J ) , "
""+ + # # + ) ) + + # ) #
+ 4 # )+ #)+ J )+
J # " 6 + 1# + 1#
• + 4 6 + + # (# 4 ) #
1# + )+ 3 # ( J 1# " 1#4
# + ) "# )# Y + : @
# 1# J , )3 < 22%= <P 220=J + + # + ) #
4 +# + 1# "
• + 4 6 + + # 3 + 1#
) # ( " + 4 # )+ :) 4# 1# )+
) 1# J ) # ) + 4 #
)+ 5 3 ) + J + #
3 # 1#
T T
8 ) ) + " +1# # + <! # G % /= < #) G
22*= 6
5 # )) 6 )) ) # ( " ,# #
) + < # # # = " + ) 3
D#AA )) 6 # + ) 3 #) 3 + #
, ))# # 1# " # ! # #) ) # " :
+ # 1# " # 1# # 1# )
)) 6; +J: +
+ ) + , # $ ""+ + # ) #) 3
+ J 1# ) , " # + # 1#
+ ) + , #
# + ,# @+ + )
)# # + ) # 3 ) " ! F )) H) ? )# ) + :
1# , + 1# ! F "#AA )) H # + +
) " + )# )# # ) +:
+ ) 3
5 # ) J # # # + ) F5 # )) H
+ ) ) # 1# +
<5 % *= , # # +"3 # #
)+ 1# + + ) # # +< # =
1# )+ : 1# , ) # 4#
) # + + # "# # J
+ ) " ) # # ) "# > J <& L
% = + 4 ) 4# 4 # )+ J ) # #
> + # +
Prévisions et demandes
Incertitude prévisionnelle
Prévision
Demande
Historique des prévisions
Figure 12: Prévisions et incertitudes prévisionnelles

! + 1# # # 1# , #
F # )+ H 1# , # + + F # )+ H
T T
-
# # > +" ) , # # )+
) : ,+ )+ + + + !
F # )+ H # # : # "3
) , + # 3 )+ ) # ) U ++
# #
) 1# J # )+ ) ) 1#, )
4 )+ )+ ) + ) # ) J : #
+ ) J ) # )+ ) + # #
4 # )+ J ) ) +#
, 1# )+ #) + : # + # J ,# # +
" ) # + 4 # )+ "# #
5 )+ J # ) # )+ , # )+
, 1# # + "" J # , #
) )+ + J )+ 1# 3 J
# + + $ J ( # " : )+ J
# # " )# ) + # # )
" # U + +:) , 1# # ) # " ) # #
: + + @ # ) # )+ + ) D # %*
Figure 13: Fiabilisation de la prévision par la mise en place de l'incertitude prévisionnelle
T T
/
. ) )+ 1# # ) # U : , # "" 6 , # #
1# + # , # # + @+ # ) 1# # U +1# 6
, 3 > # #) # # +1# ) # , # )#
1#, ) " + ) , "" # L ) < "" #) " # = "" + ) + 3
1# # ) # # # " :
, ) " # # #)) <! % /=
Figure 14: Bullwhipeffect ou effet coup de fouet
5, ) 3 <5 # G 22/= , # # # 3 # "" #

3 ) " ) 9 "" J # #
# + # 3 ) 3 # 3 # + # ( "J 1#
? # # # # > # ++ # #
5, # ) # 1# 1# # # 3 ) , #
+" <! G $ ` % 0-= <& G ) % 0 = ! # ) ) # 1#
# # )+ ) " + # # )# > 1# ) # U # +
# > + # + ) # +) : ,+ # )+ #
# + ) # " # ) " ) ) , # #
) + <5 # G 22/= 6
T T
0
Tableau 15: Travaux prenant en compte l'incertitude de la demande dans la planification
$ 3 3 8 ) + #
5 & 9 +
V > ! A J "
P ; # V "
>
<% 0*= # +
#J
V > D A J , A " #
& <% 2= V J ; #
) " V #" , #
#
)+
_ ! J V D A J
<% *= #) # J # ) " J # #
) A
!, , A
! " <% 7= 8 # D A # # 1# + # #
# # >
# h
V J ; # 5 + + )
<% -= "
> # # #
# h
5 + + )
8 <% = # # " > # #
# #
@ +J V
@ A
J
<% = # %2 # #
) + 1#
"
#) #
+
V J
I A < 222= # # #
! A ; #
\ #
)
)
` # ` 93 A
V
< 222= ! A ; # +) # 3 <
>
" +=
8
V ) J
# h D A J
#) # ; # ')
< 22 = ) "
) "
V J
D A J A J ! > + # +)
& < 22 = J
" >J # # , # #
) J #
) "
# h # # J
5 + + )
P < 22*= # )+ > + # + # + J
# #
) +
5 ) 3 J # )+ + Y , #
, + 3 ) "#
$) 3 +" )# ) + + , # # J # + )+ +
# + # # # # , # # +
, )) +# # ) , +U ,+ # +
T T
, # ) # ) # "" J )# :
, + # J + ) # +# , ) ))
# # # # + + 1#, 3 ) #
3 ) ) , # # # + < #
= @ # )+ # 3 1# # + ))+ "
+ , # # # ) # + U )) +
+ J )) )# # #
T T
-2
. / .
, ! , / ", ! =% + ! $ % !
$) 3 )+ + , +U + , )+ # J #
)+ ) 3 , # )+ 6 3 , # )+
# J # )+ + J )# # )+ +
+ "" ) + ) 3 # 3 :)
+ + " J # + # 3 ) )) : + + :
+ , # )+ # # ) +
# '
# , J )# # # + )+ + ) ) #
+ , )+ 5 # J # # # + 1#
1# : + # ) + 4 # )+ :)
4 1# + ) 1# ) + , ) )) : #
)) , #) # + # + "" J # +
)+ + # # )+ 4 1# ) +) ,
# ) + 4 # )+ ) # ) # +# + $ J
1# ) # + " W # 1# ) + ) , ) 3
)+ " 1# : 1# ) # , # # )+ )
)+ " 1# #) # ++
" # ) , # )+ J # ) # # 3 4 #
)+ 65 # 1# J 1# 3 # 3 "J # 3 1#
, + # ) J 3 5 + # J # # U
3 O # )+ O # )) 3 "J 3
# ) " 3
< ! & !%"

5 3 J 4 # )+ )+ ,+ )+
# # $ # )+ J 4 # )+ !"# " )+ !
$ # 6
FU kA = D k − F k
; " + J , # )+ # )# "
# )+ 3 ) , # " " 1# 1#
# )+
3 ) #J+ JU # # 3 " )# 1# ) # 4+
# " 6 D k = F k + FU k
A
T T
-%
(< ! ! ."
5 # 3 3 J 4 # )+ )+ ,+
)+ J )) + : # )+ , # # $ # )+ J
4 # )+ !"% " )+ ! $ # 6
D k − Fk Dk
FU kR = = −1
Fk Fk
$ , #3 )+ + J , # )+ + # "
# )+ 3 , # ) , # "
" # )+
3 ) # U # # 3 # ) " )# 1# ) # 4+ #
" 6 D k = F k 1 + FU ( R
k )
< ! ,/ "
5 3 3 J 4 # )+ ) # ) #
) # $ # )+ J , # )+ ) # ,+ # "
# 6
D k − Fk Dk
FU kM = α .( D k − F k ) + β . = α .( D k − F k ) + β . −1
Fk Fk
3 # # 3 " # 3 # ) " !
) # ,+ # "
Fk
D k = F k + FU kM # (
D k = F k + FU kA + F k . FU kR ) ( )
β + α .Fk
! "" # + # 3 ) + "" & @ #

) , # )+ ,# # " W ) + "
)) ? ) # ,# Y+ ) , # 6
M
FU = A + B .F k
X R
k
)+ ) # , # )+ J 4 : +)
) # )+ J =ef ) J +) )+ @ #
# + ) +" ) 3 :)
, 1# # )+ ) 3 ) # U " + + +
) 3 # , 1# ) J #U 1# , ) : ,+ # #
) # 5 )# J 3 J: 3 # 3 "J ) # U
++ ) # # 3 1# # ) )
< / , ! $%, =%
@ # )+ 3 , # # # ) # + 1#
# # # )+ + J # ,+ # ,
1# # + " )+ @ # #
# 1# # + : + :) 1# , # )+ 6
T T
-
Tableau 16: Exemple numérique d'incertitude prévisionnelle
. . .
+ ) # . ) # . ) # .
$ # 9
) 3 % *2N 0 T % N
2 Q2R % S Q2R 2S Q2R 0S
Q2R 2S Q7R /S Q2R %7S
%2 Q2R S Q/R %*S Q%R 2S
% Q2R *2S Q%%R 2S Q R S
2 Q R* S Q%7R -S Q R *%S
Q%2R 72S Q%0R **S Q%*R */S
*2 Q% R 7 S Q %R * S Q%0R 7*S
* Q 2R 2S Q R 7-S Q R 70S
72 Q R S Q 0R S Q -R 7S
7 Q*2R -2S Q* R S Q*2R -2S
2 Q* R - S Q* R - S Q* R --S
Q72R /2S Q* R / S Q* R /%S
-2 Q7 R / S Q7 R /0S Q7*R //S
- Q 2R 02S Q7-R 0 S Q7/R 0*S
/2 Q R0 S Q7 R %S Q R0 S
/ Q-2R 2S Q *R 0S Q -R 7S
02 Q- R S Q -R %27S Q-2R %22S
0 Q/2R %22S Q-2R %%%S Q-7R %2-S
2 Q/ R %2 S Q-*R %%/S Q- R %% S
Q02R %%2S Q-/R % 7S Q/*R %%/S
%22 Q0 R %% S Q/2R %*2S Q//R % *S
! 8 # %- # + ) D # % # ) ,+ #
" + # # )+ " # )+
U # ) # # # # J 1#, #
)+ ) # #
Figure 15: Valeur absolue de l'erreur de prévision en fonction de la prévision pour

trois types d'incertitudes prévisionnelles
T T
-*
: C !
2 C
%72
% 2
%22
02
-2
72
2
2 %2 2 *2 72 2 -2 /2 02 2 %22
2
+ . # )+ #
. # )+ . # )+
Figure 16: Evolution des trois types d'incertitudes prévisionnelles en fonction des prévisions
@ # " )# # ) 3 ! ) 3 ) 3 1# ,
# 1# # + 8 # %- 1# , " + # #
)+ 1# ) :# )+ + 5 J , # )+
# ) 3 # ) ) # +" # # )+
+ # # # )+ , ) 3 , ) + "+ J +
J , # )+ ) + + # # # )+
) 3 + ": ) , 1# # )+ J
# # #) $ J J , " ) # U
+) + # # )+ " +# # + ) 3 # +
D # %/ !, " + +J # ) # # D # %0
Figure 17: Illustration de l'hypothèse de prévision non biaisée (1)
T T
-7
! !
%72
+
% 2
%22
+ +
02
-2 + +
72
2 + +
< #
2
"+ # : A+ =
2 %2 2 *2 72 2 -2 /2 02 2 %22
2
Figure 18: Illustration de l'hypothèse de prévision non biaisée (2)

@ # )+ ) 3 , #
)+ ) 3 , ) )+ + + R g< # # =
= ( hi < # =
) # $ '
1# # +" 3 , # J #
+" ) 3 " , " ) #
) 3 + " J # ) # ) )+ # #
, # )+ " )+ + , 1# @ # ) #
# " "" <B ' ! j e '= : ) # #
) #) + + " "" )+ # )+
" FU k = A + B . F k ! D # %
M
#
+ ) , # + )+ ) # # )+ +
"" J + 1# ,# : `c% )+ ) " + U 1# ) # #
)+ : `c% . " # : + ) 3 +1# "
)+ 1# , # # ! 1# + + +) , 1# )
# 1# #"" + ) # # + ) 3
" "
Figure 19: Tracer de la droite de tendance modélisant l'incertitude

prévisionnelle mixte
T T
-
. ) ) # # ) # + # )+
, # )+ ) # )# # A # ) +"
)+ + + # : ) J # # > + # +J "
, A )+ + # 3
5 X , # ) , 1# ) J U + 1# ) + +
) # U # + J ) + J ) ) 3
,# ) # 5 # J 3 1#,# 1# #"" ) J ,#
# ) + # # ) 3 1#
@ # )+ +# # # + +
" # *
$" 3 J # ,
)) 1#+ # # + +) $
*2 ) # ) " ""+ ) # )) + ) # #
# @ # + + , # )+ :) , 1# )+
# # A <) + 1# # # A * =
$) +# J # +" , # )+ # ) #
$ )# # A )+ J # + + ) # 1# ) # )# #
# )+ ! D # 2)+ # ) # # ) #
) # 9T % ) # A )+ `c* `c%0 @ # ,+1# #
1# ) # `c*J $M J &M J*N 1# ) # `c%0J $M/2 &M/J/N
$ " =
: !!
%222
22
T TGTG
022 T`c*
/22
T TGTG
-22 T`c%0
22
! +
722 < T TGTG
M 2J2/-- c - J-*% T`c*=
*22 + T `c%0 ! +
22 < T TGTG
M 2J2 *7 c J7 0 T`c%0=
%22
+ T `c*
2
2 22 %222 % 22 222 ;
* (
Figure 20: Détermination des paramètres de l'incertitude prévisionnelle mixte sur deux horizons
différents
T T
--
Tableau 17: Incertitudes prévisionnelles pour chacun des produits de l'échantillon et pour les différents horizons de prévisions
DE DE DE DE5 DE' DE DE A DE 1 DE @ DE 5 DE1 DE1A DE1' ) ; $ F;
7 $ 7 $ 7 $ 7 $ 7 $ 7 $ 7 $ 7 $ 7 $ 7 $ 7 $ 7 $ 7 $ 7 $ ) )
7G@ N % *N 2 7N 7N 2 %2N % % N 7 % N % N %% % N % % N %* %%N %- %%N % %%N % 'H A %7 7N
7G@ 2N * 2N - 2N / 2N %2 N - -N / %%N %*N 7 %*N 7 %*N 7 %*N - %*N / %7N / AH @ - /N
7G@ N % -N % 0N % %2N % %0N % N % % N 2 *N % 7N % /N % *2N *%N *%N 'H / N
7G@1 %N % 2N %N %N * 2N %2 N %% N N %2 N %2 %2N %2 N %% %2N %% %2N %% 5H A %* -N
7G@ -N % N 2 -N 2 %2N 2 % N %7N * %7N 7 %7N - %7N - %7N - %*N / %*N 0 %*N 0 H 1 0 N
7G@5 %N % %N N N N %/ 7N 2 N - 7N *2 7N *2 7N *% 7N *% 7N * N * H @ 07 /N
7G@& 7N 7N N /N * /N / %2N 0 %7N 0 %7N %*N % N %2 %*N %% %*N % %*N % @H & - %%N
7G@A %N %N * N * N - N %0 7N N / *N *% 7N *% 7N ** 7N *7 7N *7 7N *7 H 2 /N
7G@' N % 7N -N /N * %%N * %7N 7 %-N 7 %/N 7 %0N * % N * %0N 7 % N 7 % N 7 H -7 N
7G @ %N % 2N %N 2N - 2N %2 N %% N N %2 %2N %2 %2N %2 %2N %2 %%N % N 5H A %*2 -N
7G %N % %N % N N * N 7N %% 7N %- N %0 *N %0 *N % *N % 7N %/ 7N %/ H %7 0N
7G *N 2 *N 2 N 2 /N 2 %/N % %0N 2 %0N 2 N 2 N 2 N 2 0N 2 N 2 N 2 &H @ 0 %N
7G N / N N %% *N %7 *N - -N 0 -N *0 N 7 -N 7% -N 7* -N 7- /N * /N *0 H ' *-7 0N
7G 1 %N * %N 7 %N 7 N / N % 7N 7N *N ** *N * *N *7 *N * *N *7 7N * H 0* 0N
7G N N % N 2 N 2 N % %2N * %%N 7 %%N %%N %%N - %2N / N 0 N 'H 1 0* 7N
7G 5 %N 7 %N 2 %N % N * 7N - -N %*/ 0N % 2 0N %-* 0N %-7 0N %-0 0N %00 /N 22 0N 22 H ' % * -N
7G & 7N % 7N % N % /N 0N - %2N 0 %%N %2 % N %2 % N %% % N %% % N %% % N %% % N %% 'H & %* N
7G A N * N 7 N 7 *N 0 *N %/ N 2 N 7 7N 0 7N 7N *2 7N *2 N *% N *2 1H @ / 0N
7G ' %N % %N %N %N * 2N %% N %% 0N %% N %% N % %2N % N %7 %2N %7 %2N %7 5H ' %*- /N
7G @ %N % %N N N %2 *N *2 N * -N 7- 0N 77 0N 7% %2N 72 %2N *0 %%N *- %%N *- 5H A * N
7G N N N *N %- 7N 7 -N -* 0N /2 0N // 0N / 0N 0 /N * /N /N %22 5H & 0 - /N
7G 2N % 2N % 2N %N N 7 -N - 7N *N %2 *N %2 *N %2 7N %2 7N %2 7N %2 H & - %2N
7G %N - %N %N %% N %7 7N 0 N 72 *N 0 N -7 N -* N -- %N -/ %N - %N - H 1 722 %%N
7G 1 %N %2 %N 0 %N *2 %N % 2N % * N % % 7N 27 7N %0 N %0 N N *% N 0 -N - H 1 % /* 0N
7G 7N / 7N / N /N 0 %2N % % N %* %*N %0 %*N % %*N % % N % %%N %%N %%N @H %-* N
7G 5 *N % 7N N /N * 0N %%N 7 %*N %*N % N - % N / %%N / % N 0 % N 0 'H - N
7G & *N % 7N N /N * 0N %%N 7 %*N %*N % N - % N / %%N / % N 0 % N 0 'H - N
7G A %N % %N %N N %2 *N -N * /N * /N 7* /N 77 0N 7 /N 2 /N 7 /N 7 H 70- /N
7G ' 2N % 2N % 2N %N N 7 -N - 7N *N %2 *N %2 *N %2 7N %2 7N %2 7N %2 H & - %2N
7G @ 2N % 2N % 2N %N N 7 -N - 7N *N %2 *N %2 *N %2 7N %2 7N %2 7N %2 H & - %2N
) H H 1 H 1H A 5H @ AH 'H ' 'H 'H @H @H @H @H &H /N
T T
-/
@ # ) # + ) # " W ) + ! +# 1# #
# 1# , # )+ ) #) + #
" ,# # # ) # ) # ) #
3 #8 # %/J
J ) # # , #
, # + , # ) J ,# )
+ ) , # +# ) # ) + 1# , : ,#
,# # 3 # # " "" J # + J # ) +
+ ""+ 3 +# + ) )) # + + +#
)+ + 8 # %0 ! + )) + ) ,# # 3 )
)) # 3 " )# # )# ) # *2 ) # + # +
) 7/N N
Tableau 18: Comparaison corrélation modèles relatif, absolu et mixte et gains associés
3 " )# 3 # )# 3 # "
+ +
# " " "
# #
+ + + " )# # )#
9T2% %%J N 2J/7 -J/7 2J * 0J N /J- 2J 0 N 7-N
9T2 %*J N 2J27 J/* 2J 0 /J N % J-0 2J/2 7N %/N
9T2* %0J/N 2J 0 J 2J 0 % J*N 2J 0 2J %N %N
9T27 %2J7N 2J2 % J7 2J%% J0N /J/ 2J/ 7N 0-N
9T2 %7J-N 2J 2 %*J2/ 2J/ %%J*N *J0% 2J N 7N
9T2- 0J7N 2J** J*7 2J%% *J*N % J0 2J00 - N 00N
9T2/ %/J/N 2J% %*J * 2J*7 J0N /J 7 2J07 0 N -2N
9T20 0J-N 2J*7 *2J*2 2J2/ *J%N %J7 2J-0 2N 0 N
9T2 %-J N 2J %%J 2J/7 %*J*N *J%% 2J /N N
9T%2 %2J N 2J20 % J 0 2J% -J2N /J 2J0 %N 0*N
9T%% 0J0N 2J** % J/* 2J2 J/N %%J0* 2J7 * N 0 N
9T% %/J N 2J 0 7J-0 2J 0 %/J N 2J%0 2J %N %N
9T%* %2J%N 2J* 7-J 2J% 7J/N J*- 2J/ /N / N
9T%7 0J7N 2J* J/* 2J2 J-N J7* 2J70 /N 0 N
9T% %%J0N 2J %2J/ 2J*0 0J-N *J 7 2J 77N N
9T%- %2J*N 2J*2 %J-7 2J%% J*N %% J%- 2J/% /N 0 N
9T%/ %*J N 2J 2J 2J*7 J7N /J % 2J 72N - N
9T%0 J*N 2J*7 J%0 2J%% *J-N % J 2 2J - - N 0 N
9T% %%J%N 2J*2 %-J0 2J%2 J/N J2- 2J/2 -N 0-N
9T 2 J N 2J% -%J/ 2J -J2N 0J 2 2J 0 02N //N
9T % %2J N 2J*2 %27J/% 2J% J N /J7- 2J/0 -%N 0 N
9T %2J7N 2J*/ 0J 0 2J2- J N -J- 2J70 *N 00N
9T * 0J/N 2J7% 2J/2 2J2/ %J0N 7*J*7 2J7 0N 07N
9T 7 J-N 2J** %-J%* 2J2* *J%N % 7J77 2J7 2N N
9T % J%N 2J7- *%J 2 2J0 J/N % J*- 2J 7N %2N
9T - %7J0N 2J*/ %2J2 2J- J7N 7J/ 2J 0 - N */N
9T / %7J0N 2J*/ %2J2 2J- J7N 7J/ 2J 0 - N */N
9T 0 %2J N 2J*% J0% 2J2 J2N *%J-0 2J-% 2N 0 N
9T %2J7N 2J*/ 0J 0 2J2- J N -J- 2J70 *N 00N
9T*2 %2J7N 2J*/ 0J 0 2J2- J N -J- 2J70 *N 00N
) .'H 2J7% '. 2J* 5.'H .55 2J/0 7/N N
T T
-0
. # + U : ) +"+ ,# # 3 ) )) # 3
"J # @ # # " 1# + +" )# ) )
)) # 3 "J # 2 : %*22N
"
# , #J + ) 3 # 3 1# # ,
)+ + + )+ ,# 1# + 5 ,# ) # 1# J
+ ) 3 ) ) 3 ; ) # U "
+ )+ 1# ! # ) ) + ) J ) #
)+ J ,# # # ,# # ,# ) # (# + F H
! ) 3 1# # ) # # : # # /N
) # ) 3 $ /N ) # ) 3 &
+# J , : ) # ) # )+ +) +
! ) 3 1# # " )+ " +
# )+ + 1# # # # ) # " : ,#
+ + , # )+ "" J
)+ J # + 1#, #"" + # , # )+
# + ) )) : ) + + +
+ # ) ) # ) # + )# ) + +
+ 1# , # )+ "" J + ) , #
+ # 1# " ) # # 1# ) )) : # " , 1#
+ +J # # 3 1# # # 1# +" 3 1#
) # U # + + ) + +" J # + +" : )
, 1# ) ) # ) # : + # @ # ) # ) # <&
22 = ) ) ,+ # # " )+
# ) ) "" ,+ ) 1# # + "" J
+ ) ( # Y # )+ J 4 : + #
" )+
T T
-
. "/ .
, ! + !% . " , ! =% + ! $ % !
! ) 3 + # 1# # ) ) + ) # + , #
)+ + ) ) # + 3 # "
, # " )+
@ # )+ # # 3 + # ) )
) "" J ) ? + 1# , A
#1# )+ J+ +
" # ) + # ) 3
J )+ " :# A 1#,: # A ) @ #
# ++ # + ,+ # , # )+ " , A
)+
@ # )+ 3 ,+ # 1# , # # : J #
)+ + ) + ) 3 3 ) # , #
)+ : + # " J ) # )+ + J #
3 # # ) +
+ # '
# : + ,+ # , # )+ # ,+ +
" # ) ) J # # +" " 3 ,+ #
"" J # ,+ # )+ # " 1# 1# , ) # +
@ # )+) # # 3 ,+ # , # )+ "
# 6
EFU µ ,ρ (t , k ) = µ . FU max (t ).(1 − e ρ . k ) < 3 F ) H=
6 !" & 6 , # )+ J 4 : , # )+ ) #
)+ >
6 )+ #
6 )+ ) +
'6 ) 3 ,+ , #
(6 ) 3 ,+ # <i ∈ S2 RjQ=
@ # # ,+ # " D # % ! 3
+ ) , # , # )+ J 1# , )
" + " @ # ) # : , J +" ,+ # , # )+ :
) % )+ ) + @ # 3 # 6
T T
/2
: C ! C =
%J
%J2
D; 2
2J0 D; 2J%
2J- D; 2J
D; 2J*
2J7
D; 2J7
2J D; 2J
2J2
% * / %% %* % %/ % % * / *% ** * */ * 7%
Figure 21: Evolution de l'incertitude modèle « Exponentiel max »
EFU µ ,ρ (t , k ) = µ . FU 1 (t ).(1 − e ρ . k ) < 3 F ) % H=

6 !" 6 , # )+ ) 3 )+ ) + <!" ) # )* =
6 )+ #
6 )+ ) +
'6 ) 3 ,+ , #
(6 ) 3 ,+ # X k( ( ( klmn( = >
+) # )+ , ) ) ) +
) 3 k i # 3
@ # )+ + ) + ) 3 :)
,# 1#
) # $ '
1# # +" 3 ,+ # , # )+ J #
+" ) 3 " , " ,+ #
, # : , A
: + , # )+ J # " )
, ) 3 )+ "" J + ) 3 ) "
+ # # + 1# #
$" + ) 3 # 3 J# +
)+ , 1#
`c% : `c> 1# + "" J ) 3 + )
, ) # , # )+ "# # +) ,+ #
, # )+ ) + . ) # 3 )+ + J # + 1#
#) + # ) + "# # ) 3 + ) J
+ + +# )+ # # ) ) , #
" 1# ) ( +
T T
/%
. # + , # # ""+ A , )
<`c%J [J `c> = : ) , 1# # )+ ! 3 F ) %H) #
U +" : ) # ! D # # +
; " ) 3 + +J + ,+ # , #
)+ "# # ) # U + + ! ) 3 # 3 ) # U : ( #
" # + ) # "# : # )+
Figure 22: Evolution de l'incertitude prévisionnelle en fonction de l'horizon d'extrapolation

5 X , # ) , 1# ) J U + 1# ) #
+ , # )+ ) # U # + J 4 :
) + J ) ) 3 ,# ) # 5 #
J 3 1#,# 1# #"" ) J ,# # ) + #
# ) 3
@ # )+ +# # # + +
" # *
) # 3 , # )+ J #
)) 1#+ 3 ,+ # , # )+ " , A
)+ # # + + *2 ) # ""+ ) $) ,
# )+ # # 1# ) <* )+ 1# # A
)+ + : 70 ( # =J # )# + ) 3 # 3 + # ") #
""+ ) #
@ # )# +" ,+ # # )+ J 1# ,+
) , # )+ : 1# A @ # 1# 1# ,+
) # # U ,+ # 1# 1# # ) ) + ! D # *
)+ ) # # ) # J + # , # # + ) @ #
1# 1# # , ) " + # ! )+ J + J) +
# # ""+ A+ 1# ) <) + ) =J +
, ) # , ) D # * <) + ) = ! D # 7 )+
U ++ ) # # #
! 8 #% ) + ) # +# ) # ,+ + # 1# #
+ @ # # ) # # ) # ,+ + # +J ) # , #
# # F TH # F ) HJ ) 3 # 3
,+ # EFU µ , ρ (t , k ) = µ . FU max (t ).(1 − e ) ) # 6
ρ .k
, # F T H #F ) T H
T T
/
,+ ) F T H #F ) T H
# G G $ G7G@ G ) ) I!* (
/2
-2
2
72
*2
2
%2
2
%2 2 %2 2 *2 72 2
2
T T ) 3 T T 3 T T T )T
Figure 23: Modélisation de l'évolution de l’erreur absolue moyenne et de l'écart type de l’erreur
absolue moyenne en fonction de l'horizon de prévision
# G G G7G@ G ) ) I!* (
02N
-2N
72N
2N
2N
2 %2 2 *2 72 2
2N
72N
G ) G ) 2 G G 2 G G G) G
Figure 24: Modélisation de l'évolution de l’erreur relative moyenne et de l'écart type de l’erreur
relative moyenne en fonction de l'horizon de prévision
T T
/*
Tableau 19: Synthèse des résultats des paramètres des modèles d'évolutions
; !!
;
3) C J
)
2 J "
) G .@ @. . ' .
) G @. 5 @.@ 1. 5.1 1&'
) G ) . & @.@A . .&
) G ) @. 1 @.@ . 5.@ 1&'
) G @.'5 @. H & H
) G @.@ @.@ @H H 1&'
) G ) .1 @. 5 H H
) G ) . 5 @. 5 H AH 1&'
$ J # ) # # + ,+, # )+ 1# )
" , A )+ ! ,+ # , # )+ A ) #
, ) # +# + 5 U " W J ) , # + A
) # # ) # + ) " # ,+ ) #
) 3 F #H F HJ 1# ) # # + )
# # # +# # ) " +1# 3
3 + J # # "+ # : *N
@ # # )) 1#+ +# # )3
# )+ " # # # A @ #
+ + + , # )+ " , A
)+ @ # # # +# ) # + )+ + !
D # )+ # ) # +# # # + !, # +# +
% : C ! C =
%2222J22
0222J22
-222J22
7222J22
222J22
2J22
2 2J % %J J *
222J22
7222J22
T%7 T T%2 T T)
T/ T0 T% T
3 T T%7 3 T T 3 T T%2 3 T T T)
3 T T/ 3 T T0 3 T T% 3 T T
Figure 25: Evolution de l'erreur de prévision en fonction de l'horizon de prévision (cas des
pièces de rechanges)
T T
/7
, # # )+ ! 8 # 2)+ +# ) # 7
) # ,+ !: J # ) # 1# 3 ) 3 :
+ + # # N
Tableau 20: Synthèse des résultats des paramètres des modèles d'évolutions (cas des pièces de
rechanges)
Erreur relative
Incertitude Demande
mu rho moyenne du modèle
maximale moyenne
par rapport au réel
Moyenne 1,23 4,43 5% 3513 10812
Ecart type 0,54 6,72 7% 8480 20222
; # " W ,+ # +) # " , A
)+ )+ +) # )+ ) # ""+ A
)+
!, ) #) # ) + D # * D # 7 )+ + # D # - !,
+ )+ " , # , # < %22N , #
: %22N , # = 1# , )+ ) #
< %22N : c%22N , # + # , A )+ =
@ # 1# # D # - 1# ) # , A )+ # J )# #
)+ +) # + +J J " W + 1# @ # + 1#
#) " 6 # + J # ) J
)+ @ # 1# ) 3 # )+ 3 , A
)+
T T
/
Figure 26: Evolution et répartition relative de l'erreur de prévision en fonction de
l’horizon de prévision
T T
/-
"
! + ,+ # # )+ , " , A )+
# )) ) "" J # ) ) + # + )
+ ,+ # , # )+ J 1#, # J #
" , A )+ @ # + ) ) + # 3 ,+ # 1#
) ) " : ,+ # + , # )+ 1# ) # U )+ :
1# ) # )+ " 1# " + 1# ) ) + #
) 1# , # )+ )) ? ) " , A
)+ ) # + , # , A )+
) + # )+ : 3 #
# )+ : $ J ) )+ "
) 3 # + J )+ : A )# ) # , + " W
)
@ # ) # + # 3 , # )+ ) # # #
)) 3 # )) ) 1# + , #
)+ "" J # + ,+ # , # 1# ,+ #
,+ ) , # " , A )+ + 1# , #
)+ # # J # ) # + # + 1# < +
) = ) # + )+ + +) # ) # :
+ # "# " )+ A )+
+ # # (# +
) J + ,+ # )+ 3 + : +
)+ "" J :( # )+ J ,+ # , # )+ ) # U
"+ , ) # 1#, ) # , 1# # ) # ++
"" J ) # ) # 1# + " ? )+ + # ,
+ + # ) 3 " #) # )+
" J # J )+ ,# 1# + @ # ) # ) ) J
X , # ) , 1# J ,# + : )+ J
# + J ) 3 ) # : # +# +
# ) ) # ) # + )# ) + + + 1#
, # )+ "" J ) , # + # 1# "
)# ) )) : , 1# J # 1# " ,# 3 1# ) + +" 1#
+) # ) , # )+ J # , A )+ @ # ) #
) # <& 22 = ) ) ,+ # #
" )+ A # ) # # 1#
"" ,+ ) 1# # + J # #
T T
//
!
$ !% $
5 # 3 ) J # )+ + , 1# 3
, # )+ @ # )# , 3 )
+ # < # = @ # + + ,
3 ,+ # 1# + )+ " , A )+
# : # + ))+ # 3 ) +
#
@ # J # 3 J)+ +# + ) +
" W ) 1# , # :) # "" # 3
# )#
) + # ! 3 , # ) ) ,# #
# :#
# + # # + + )) 1#+
# # # ) + J 1#
@ # 3 ) )+ + # 3 )
+ ,+ # , # )+ " , A )+ "" J
+# , # + 1# ) 3 , ) @ # ) # :
3 + ,+ # , # # " , A )+
@ # + + 1# , # )+ + )
) 3 )+ ) # # + # , # 1# # ) # 3
+ ++ " +:# + @ # )# ) " +1#
3 +
! # + ,# ) 1# + )#
) " 1# + # J 1# 3 ) ) + )
: + + # ) ) # + 3 ) "#
) # # #
T T
/0
, !
&
@ # ) # + : ) ) "# #))
"" J ) 3 +# + + )+ J # + +
, # + # # )+ @ # + #
? 1# " ) # +) :# ,# )+ # # #
V !,# # # # + # #)) ) # U
+ ! 1# 1# ) 6 B# ) 1# ) "#
C B#, 1# # ) # 1# # C B# 3 ) #
# C
@ # +) : 1# 3 ) @ #
)) ,# , # )+ ) 1# ) "# @ #
)+ ) # ) 3 + ) "# 1#
# : J # )+ )+ " 1# 1# # ) + +# J:
# @ # ) # # 3 )+ #
) 3 1# # ) ) # ) 1# + # # #
T T
/
"
! =% ! =% ! - .!%/
5 ) J # " # ) + # ) 1# 1# )
"# "" J " ) # )+ )+ " + #) "#
# # J ) ) + 1# ) # + + #)
"#
$ J # ) )+ + 1# >
3 ) # J # # ))# # # <& 22 = !
( + " # ) 3 ) ++ + @ # )+ #
"# # # ""+ + + "" J )+ 3 ,+ #
: )+
- '
< $ % $
! ,+ J #( # , # ) # 1#, J )+ +
) ) ) # # " # J ) "#
> : V + # # " # # 1# ) #
( # #" ) 5 J ""+ ) 1# )
"# # ( # )# ) # # + ; ) 3 ) # ) 1#
+ 3 + " ) # + # ,
@ # ) )+ # + , ) ) ) 1# )
"# + # + + # $) 3 + # ) ) " J #
)+ # # + # +"+ # # 1# ++
+ + @ # ) ) # " ) ) + ) <& 22 =
3 , " #
(< ! - .!%/ $ ! C$ ! - =%
3< $ C$ ! - =%
`# 1#4 # # + /2J + + 4 # ++ O) # O
) # 4 ( " 4 + )# 1# + #)+ # : , "" 5
) #) ) J ) 4 + # V # #
# +J ) + #) +) # + # , +
, ) $ " + /2J ) + # ) # U
+ # ) # "" , # , "" # # )# " .
)) # + ) ) ) 3 4 # J
# ) # J + 4 )) J
# J ) # ( " 4 # # # + J ) 4 (#
) : # " , #))
T T
02
54# ) # )# )# J # ? 1# ) # U ++ #
# 4 + 4 )) J " # + )
"# "# ) # U + ) J: 6 "# ) 1# J "# 4 "
"# "
• + ! " ) 4 6 "# # + ) 1# 1# ?
1# J ) # "# 3 ) 3 J , # ) # " "#
? 1# 4 5, # "# ) 1#
) # # ? 1# 4 # 4 J 1#
# J J ) ) # # +
• + ! " C ! 6 4 + 4 " # ?
!4 " ) # 4+ # 3 J # > # J #
# "# ) # , "" # #
• + ! "! 6 , "# + + # "# ) 1# "#
? 4 "# " ) # # # 4
, J 1# # # )
5 3 J # # + ) ) # "# ) 1# # "#
4 " !, ) " # )+ 3 ) J #
# ""+ ) V < V >J V J = 3
1# # +#
2< ! - .!%/
! ) "# ## + # 3 ) : )
+ # # ? 1# ! ) "# # + #J:
4 3 > # J + #+ ) # + )# #
+ 1# 3 3 ) # J: 6
""+ "# # 3 ) # J ) + 3
) # J $ # J ,+ )# )# ) # # ?
1# )# 4 )) (# 1#4: # 53 J ) "#
#( # 4 # : ) # + J: # J: # "# J: #
# ? 1# J 4 ( " # # : #
" # V
54# ) # ) # ) 1# J ) "# ? 1# :)
+ 1# J : 1# + ) ? < )# " # # (# 1#, # " = ) #
1# +< 3 ) 3 J ) # ) # " =J +) # # 1# +
# 6 1# # +< + 4 )) J " J , J
) # +) = 1# 1# +C + + J + + +
) , )) J " J 4 J ) +)
<D # /=
! + ) "# ) )# # " 1# # ) #
) 6
• ! " # ,+ # 3 < 1# ) J =
• ! " # # >
T T
0%
• ! " #
Décisions
Décisions d’assemblage
d’approvisionnement Décisions
Décisions d’assemblage Décisions
de transport de déploiement
Décisions Décisions
de fabrication de fabrication Décisions
de déploiement
Fournisseurs
Fab
Fab1 Ass
Ass1 Transp
Fab
Fab6
Ass
Ass3
Fab
Fab2 Fab
Fab4
Transp Ass
Ass2
Fab
Fab3 Fab
Fab5
Légende :
Transp
Transp Activité de transport Ass
Ass3 Activité d’assemblage
Fab
Fab3 Activité de fabrication Stock
Flux
Figure 27: Le pilotage de flux dans la chaîne logistique

# ) ) 3 # ) # U # " W J
, " # # ) 3 "" : 1# # "# #
) ? 1# ; ) + #
4 " # J ) # 1# 4 " )+ # "
)+
< .. $ ! =% ! - .!%/
@ # )+ J J
) 1# ) "# + + # J
" ! ) 3 " # "
J )) + O) 1# ) )
# OJ #) ) 1# ) "# + #
# > ! # 3 " J )) + O) 1# ) ) "# # OJ
#) ) 1# ) + # " # )+ @ #
+# )# + " ) 1# ) "# *
# # + , ) 1# ) "# J # #
) J # # 1# + + # + )) # ) 1#
) "#
3< ! =% ! - $ %+ !! , $ ! $ ,, $
! ) 1# ) ) # ) # U + #
# " J: 6 ) 1# > 1# ) 1# + #
3 I
T T
0
@ # )) ) 1# > 1# J ) 3 ) 1#
> + ))+ )# + % *2 ) 1# # ,# # ) # #
> + ) 3 , )) 1# ) # U ) + ,#
, + ) # J , ) !, ( " " #
# # > $ J ) + ) #
+ )) > <D # 0= " !4 ) +)
X # ) + + ) ) # + + )) + +
, )) ) J + +J # + + )
J " ) # # ) >J )
> ) #! 1# Y ,+ # > " #J )
) 1# : # # 5 X Y " )+ )
" J ) ) 1# : # )+ 1#
Commande
Stock
Système Demande
Délai de
réapprovisionnement
Figure 28: Schéma d'une politique de gestion des stocks classique

5 ) 1# > 1# J , + + + : # #
>6 ) > # > ! > )+ ""+ >
) 1# ) " . )+ # ) 3 ) :
+ ) # ,+ # V > ! ) # > 3 J )# # > J
+(: ) + # # # ) 3
) : + ) # ) + # ) # 1# + :
! ) 1# > 1# )# # + 6 )
1# O: # #
: ) OJ + + + < +=J ) 1# O: )3
)+ 1# OJ + <, -= ) # # # ) 1# 1# ) 1# < -=J
) 1# <, -= ) 1# <, += ) 1# # + ) # >
3 + 1# 3 # + @ # )+ ) )
) 1# > 1# 3 +
@3? ! =% 4 $ ,, $ @ 12?
) 1# : # # : # 1# +" + 1# " 1#
) > # ,# # )) + ) J + !
+ ) + : 4 # # + , )) . !4+ # # > #
) 1# + ) D #
T T
0*
Niveau de stock
Q Stock net
Q
Position du stock
t
L L
Figure 29: Evolution du stock avec la politique (r,Q)
@ 1# ) 1# J , ) 6
)# 1# J ) )# Y R
J ) )# ! > ) # )
) # # # (# 1#,: + )
5# " 1# ) 1# : # #J # > ): #
+ ) # U + 3 1#4# ) # ) ) # ?
) 1# V + + <) ) ) 4# 3 #
" += 5 ) # J X )# # ) # ) 4# U " # #J
) # ) "" # # #) ) 1# # ) # , )
" + # ) # U
@2? ! =% 4 , ! , $ =% @314?
) 1# : #
1# $# + # )+ 1# )+ # # ,J )
# > ## 4#
+ J )) + # )3 + -J #
+ )) + 3 : ) # > : - !
+ ) + : 4 # # + , )) . !4+ # # > #
) 1# + ) D # *2
Niveau de stock
S
Q1 Stock net
Q2
Position du stock
t
L L
T T
Figure 30: Evolution du stock avec la politique (T,S)
!4 ) 1# ) )) : ) 1# < += 1#4 ) #)
) " # # J 1# ) # + # V )
T T
07
. " # )) ) 1#1# <, -= ) + # + "" J 4
) 1# O # O : 4 + # 4# )+ + J J# +
3 <: ""+ ) 1# < += 1# )# +
# " # #= 5 ) # J J )3 " )
1# +J , : 1#,: 1# )+ J # > U 3 ) # #
-J # U + ) # - U 1# + 1# 3 )
 # # #
J )3 ) # > (# 1#,: # # )3 -
: ) 1# < += X 1# + + " J ) 1# J
!4+ # # > # ) 1# + ) D #
*%
Figure 31: Evolution du stock avec la politique (s,S)
. " # 1# 1# # # J +
1# ) # > # J 1# + + "
+ : -/ J # # ) 1# < += + )+ + < ) + ) -/
= ! ) # ) 1# < -= X # #
1# M - %J )) + ) 1# : < )) + # + #
) 1# 0 = ) J ) # J 1# + + ) #
)+ # > :- #)+ # #+ : + ) -/
!4 + ) 1# ) + ) + # +
) 3 ) # -
< >G " % -2= # % *= + + + :
) 1# < -= . +# + ) 1# # ) < -= : # + # +
" 4
T T
0
@A? ! =% @31 14?
5 ) 1# : # )+ 1# J # ) 1# < += <, -= + "" J
: " 1# )+ # ,J ) # > ' ) #
1# ) "+ # : # # + ! 1# + + ) #
# ) # >:# # )3 - !4+ # # > #
Niveau de stock
S
Q1 Stock net
Q2
Position du stock
r
t
L T L
T T
Figure 32: Evolution du stock dans la politique (T,r,S)

) 1# + ) D # *
))
: ) 1# <, -=J 4 + 1#4 ) 4+ )
)) ) )+ ++ 3 "
. : 1# ) 1# < J-= # ) # ) 1# <, -= 1# ) #
X )+ # T A+ 5 J ) 1# <, -= ) # U ++
# )+ 1# ) 1# < J-= # X r = S − 1J # # +
) 1# <,J-=
@B? ! =% @31 12?

5 ) 1# : # )+ 1# J # ) 1# < += <, -= "" J
)+ 1# 4+ # > : 1# )+ ,J ) # > #)+ # :
# # J # # , + J ) # >
# # # J # 1# + " + <D # **=
Niveau de stock
Q Stock net
Q Position du stock
r
t
L T T L
T
Figure 33: Evolution du stock dans la politique (T,r,Q)
T T
0-
) 1# ) 1# : ) 1# <, -=J #" 1# 4 ))
" 1# ) + " 5 )# J ) 1# ) # 4+ )
)) ) )+ ++ 3 " 4
) 1# <, -=
@ # 1# ) 1# < += ) + # ) # ) 1# <, +=
1# )+ # , A+
5 # ) 1# # ) 1# > 1# +
) <E GP % -*=J < G % 0 =J <_ )> 222= <$ l 22-=
- 5
! OI O " O O ( ) " +"+ # + 1# :
# :# )3 < # )# + + :# )3 =J #
# + ) "
! ) # ) # 3 I # )+ + ) < # % //=
<I # G 8 % 0%= : " /2 + 3 ) # 8 "
) # # # 3 I ) 5 1# # J # + ) )
" ) 1# I
! D # *7 <& 22 = # ) ) " ) 1# I ) # #
3 : # +
Cycles des cartes
Carte détachée Carte attachée
Etage 1 Etage 2
K1 K2 Demande
Stock de pièces avec cartes Accumulation de cartes
Accumulation de demandes non satisfaites Point de contrôle
Figure 34: La politique Kanban dans un système à deux étages

! ) 3 ) 1# J1 ) # 1# +
1# ) 1# J # + : 1# + ! 1#,#
)+ # + <+ =J # )3 # )+
>J " + + ) # U
) ) #) Y )+ + $ #J # )3 )+ J
+ + < 1# # #) 3 ) = ) + )
1# )3 + " + !
+ + J) ) : # + ) #
# ? ) J , 1#,# ) 3 ) ) :# + J
# # , ! ,+ 1# , # # , " 1#
+ ) # 1#+ : # ?
! ) 1# I ) # # + J , #
" : 1# + 1# # )3 + + "" + +
; +1# + + 1# )3 # "
T T
0/
+) 1# + ) J ) # ) U
+ : # ? J + " ) # U )# 1#
) # ) 1# : > ! 1# ,+ )+ # ? ) # J
) : ) # # )3 ,# J 3 1#,# ) # 1# 3
) # ) 1# I # # # '@P. < '@
P >. =
& # #) # ) 1# I ++ + ))+ )# ))
; # + + + # # ) 1# I + ) <& > % = 54 #
# 1# <&#A G ># % *=J <D % = <5 G! ) # 222=
+ # + " 4 ) # + # ) " ) 1# I
3 + # + '# ) 1# J ) ) +
) 1# + # 3 I J 1# ) 1# I + + + <&#A
% 0 = ) 1# I # <5 G! ) # 222=
2< ! =% ! - ! & $ .% %
5 J # # + # ) 1# ) "# )
"# # 5 + # J # # ) 6 # 1# 4 + :
) 1# 9 1# < 9 = # 1# + # ) 1#
> # )+
6 6
! ) 1# 9 + ))+ )# + /2 # ) J:
6 2 $ 2 < 5 = 1# )+ " 1# + : ) # 1#
)+ ) # 1# ) # J 1# )+ " ""+ )
# ""+ + ) " ) # J " J #)) +
J: 1# + ) # ) # ! ) ) " ) 1# 9 ) #
U + # +) # # 6
• 6 ! ) # " J + ) ) #
) # J " + ) # " ) #
#
• 5+ 6! #+ : # # ? #
+ ) # ) ) O #)# O ) +
) # + " " W : ) 1# +
) # " (# : )
! Z# ) 1# 9 ) # U " # # ) 4#
" W ) + + )+ ) # 1# ) # :
1# )+ 4 A
! ) 1# 9 : + J) # 1# ) # : 1# )+ 4 A J
""+ ++ # # 9 )) 1# # ) ) + + )+ +
J 4 ( " 4 ) # " ) (# : ) $ J )+ +
) # 4 4 + J # 1# 1# ) 1# 9 ) # U
++ # ) # 4# ) 1# `$8 # J )+ 4 +
3 J ) 1# 9 + ) ) 3 + # +
! + # # ) 1# 9 3 ! ) 3 +"+ + "
) 1# 9 <' > % /7= 1# ) 1# )
"# + 1#+ ' ) # + < 22 = 1# ) + #
T T
00
# ) # +# ) 1# 9 3 +"+ )
# + 1# # ""+ ) 3 + : ) 1# 9 J
1# ) 3 + # +J ) + ) # J ! # # + 1# +
) 1# 9 ) 1# ) `$8 . " # 1# J )+
1# 1# ) # +# ) " ) 1# 9 J ( +
# + +J J #) 3 #
) 1# 9 <) 3 # + # # / 3 =J
# ) 3 + # + 1# ) + : 4 # ) 1# 9
<&#A % 0 = <&#A G ># % 0 = ) ) : # +
3 1# ) # ) " ) 1# . +# + 3
+ ) + ) # ) 1# 9 : ) #< # # 9 =J 4 : X
)+ 4+ # 3 # " W # . +
+# + 3 + ) + ) # ) 1# 9 : ) <5 9
=J 4 : # ) 1# 9 1# )+ J
" ) # "" #+ : )+ 1# <&#A G
># % 7= + +# + 4 ) # 4# > + # +
, ) + + # + # ) " 3 J X
)+ ) " J # )+ + "
0
5# 3 + J ) "# + # )+ #)+
# ) ) + # @ # + 1# ) 1# ) ) +
+ + ) 1# > 1# ; ) +
# # J + + J# )) ) + # 3 :( #
)+ J )) + + # ! " ! ) 1# ) ) +
+ + ) 1# : # )+ 1# # ) >
! ) 3 ) 1# > # )+ + + ) ) + ) <! % /=
)) + 4 < # # + #
# 5 /" /, /. = 5 ) 1# J : 1# )+ J # 1# + 1#
) : ""+ # )3 ) # >
+ ! 1# + + + )3 + , )) # 1#
)+ )J # )3 1#
! # 3 ) 1# + # + + # )) +
) 1# J # + # # # 0 - J ++ #
) < % = ! ) 1# : > ) " # ) 1# : >
1# 5 ) 1# : > ) "J : 1# )+ J )3 +
J 1# + + #+ # ) ! ) 3 ) )
+ )) 1# + 1# ) : 3 1# ,U +
< 4# ) 1# : > 1# =J 1# # 3 ) :
(# # # > ) # 4 ) # )+
# + 4 ))
@ 1# 3 :( # )+ # + # ) 1# 1#
( + ) 1# > # )+ # # 3 #
# 6 6 ! 7 <66!7= + ))+ ) < % 0-= )
<E G` > % 7=
# # <! % /= < % =J ) # # #
+ ))+ , # ) 1# > # )+ # )# + #
T T
0
# J
< 222=J <! J J 222=J <9 # 22%=J <8 > GP 22%=
< # # % -= ! ) # + # # # #" "
4 # )+ 3
@ # 1# ) 3 ) ) )+ 3 # +
# #
+ + #( # U+ ) 3 # #
< # + # # 0 8 ) = 3 + + ) #
) + 3
, ) " + 1# , +) ,
? 1# 5 U J< 222= <! J J 222= 1# "+ ,
# 3 ) # # + 1# ) " )+
)+ # J <$ 22 = + # + ) ) # )+ "
# 3 4 )) # # + # #) )+
# ) # 4 + #) # 3
< ! . $ ! =% %+ $ ! 6 !> $. , $ % !
, $
@ # )+ # " ) 1# + # 3
, " # " + + ) ) + ) <& 22 = 5 1# # J
# W ) )+ 1# 1# : , " # #
) J ) # J " ) 1# ) "# #
" J # )+ ) 1# 1# + + , # ) 1#
)
3< $. , $ % ! , $
! ) 4 4 ) # 4
" # ) # # + # 3 # J , " #
# ) # U ) # A ""+ )
" # ) # 4 ) " " 1#
4+ ) )# )# 53 J # ) #
4 " # ) J D # * @ # #
6
• + ! 6 )+ # " " # J #
1# + 1# # ! " +" ) )
4 # J 4 : 1#4 )+ # )
• + 6 )+ # " # ) # U
# ) 6
! )+ 6 + " # J
# " J # # # 1# + \ # #
#
! )+ 6 + ) 4+ # ) ) >
# # : , 4 # + 1# # 1# )+ + #
1#
• $ C ! 6 4 X , ) 4 "
) # "# #
T T
2
Incertitude sur la demande
Pas d'information avancée
Prévisions de la demande
Commandes fermes
temps
Figure 35: Visibilité sur la demande et incertitude

! # ) ) 4 " # J: 6 "
)+ J )+ 1# # )) # " + #
! ) "# + 4 ) # # : # J 1#
1# ) , " ) J) # # # ( "
) 3 4# ) ) # Y # 3 J # +
" +J )) ) ""+
5 # J # )) ) "# 1#
, ) # 1# ) 4 " #
2< ! - .!%/ $. , $ % ! , $
8 ) ""+ ) 4 " # J # ) 1#
) "# # )) ! ) 3 )) J 1# # )) +
O) ) ""# # OJ
J + + J X ) 4 "
+ # J ) , # # " : , #
J ) ) # # 3 )) 1# # )) + O) )
# O
@ 1# 1# # ) ) "# 4 " +
#
J # # 4 " ) # ) # 3 ) ) #
) + # 3 < 1# # I = "" J + 1# ) #
) + # 3 J " # ) ,# # , " #
" ) # U # ) 1# : ) , 1#
!4 )) ) ) # J J #
> ) # U ++ # )) ) ) +
5 )) J ,# ) 1# " ) ) 1# >
1# #) ) 1# ) + # 3 I ; " , ))
) ) # J)# # # 3 ) # U )
) ) # 4# ) 1# ) # 3 )) 3 + #
) 3 ) 1# "# ) 1# ) J: 6 ) #
<# # # # )+ 1# =J ) #) < #)+ #! ) ! =J )
3 , )) < 3 ) + + # 3 ) + + =J
!4 )) ) ) "# # J 1# : JU # + 1#, )
,# " + # + # " " #
)+ # )+ + J ) " ) + )
J ) 1# 9 )+ # J 4 " # +
# " )+ 1# ) 3 " J " ) ) 1#
T T
%
> # )+ . + 1# )+ 3 " J ) 1#
9 + )+ : # <& 22 = + 1# X
)+ ) " J ) +"+ ,# # ) 1# ) ) #
# J ""+ ) 4 " # J # ) #
)+ # # 3 " ) 1# ) # +) :
" # ) 1#
) 1# "" J X , , ) # + #
"# # < # # " # )+ =J # + +
> 4 ) ) # ) # # # > !
1# + :) # >J , ) " 5
J ) ) 1# ) # ) ) J #
# # A +< " = 1# + #"" ) J ,
) + # > : , J ) # + 1#, +) :
# # 5 J ) ) 1# ) # :
@ # +# " ""+ ) 1# )) ) "#
" # ) , " # J D # *-
Pilotage de flux
Pas d'information avancée Information avancée

sur la demande sur la demande
Pilotage par renouvellement Pilotage par les besoins

de la consommation futurs
Commandes
Prévisions
fermes
Production par anticipation Production à la commande
Politique MRP
Politiques de gestion Politiques basées sur
Politiques de gestion de Politique MRP
de stock classiques le système Kanban
stock sur prévisions
Figure 36: Classification des politiques de pilotage de flux en fonction du type de l’information sur la
demande
) 1# J # ? 1# J " + 4 " # #
4 4 J 4 X + + )# # ) 1# ) "#
" 4 " ) # ! D # */ # 3 1#
""+ )) ) "# # ? 1#
T T
Ass 1 Ass 2 Fab 4
fab 7 Demande
Fab 1 Fab 2 Fab 5 Ass 4
Ass 3
Fab 3 Fab 6
Aucune information Prévisions de la demande Commandes fermes
Pilotage par renouvellement Pilotage par les besoins futurs

de la consommation
Production par anticipation Production à la commande
Figure 37: Information sur la demande et méthodes de pilotage

+ + J ? J ) # )+ # " + #
) # # +"+ ) # # # ) # ) # U ) + ) # ) 1#
) # : # )+ + J , " ) J
J #"" " < " =J # ) 1# ) )
"# # J 1# ) 1# 9 J 3 )+ : #
) ) # 3 ) 3 1#4 # J + + J
? 1# J ) + # ) 1# ) # ) )
5 )# J # # " # 4 ) J # ) 1# ) )
# U )) 1#+ , ) 1# J # ) J) "
1# ) 3 ) 3 + J + + J # )
+ )) + # # >
5 # # + ? 1# J # J + + J ) #
) # " # ) # J 4 " # J ) # U
+ # " )+ J 1# + # ) 1# ) ) "# #
< $ !% $
$) 3 + 1# 1# ) + + # " # ) "# # ?
1# J# )+ +# ) ) 1# ) "# + # +
+ # ) 1# ) ) " # , # J # #
J # + # ) W# # # +"+ 1# +# + ) 1#
)+ ) # ""+ +# ) # ) 1#
) "# " 3 , " #
5 # J # # + )# ) + + : ,+ # ) 1# )
"# # #
! 1# 9 " # # "" +
+# # + J , + J +
) # " + 9 1# , ) )+ : +1#
)# # # + # , ) 9 # 1#
5, ) 3 <5 # G 22/=J ) # )) 1# 9 )+ , # " # "
) 3 9 ! ) 3 1# ) # # # 6
T T
*
• ! > + # +
• ! + + # + #) "+
• ! 3 < A =
• # 5 <D A ) # # =
5 + # )# # # 1# , + J , )3 ( "
) 3 ) # # J: " # #)# # ) 3
@ # J ) 1# 1# ) # ) # 1#
) 3 ) # # , " 1# ) # #
< 7 ! ! %
<5 # G 22/= +" # ) # ) 1# > +
+ # +6
• ! >
+ # + ) ) # ) # # +U :
+ # +" # : # + # 1# J #
V ) R , ) # 1#, ) # #
+1# ) # + # #)# #) # > # : ) +) #
V ) # # #
• ! + + # + # U ) ) 1# > + # + ! ""+
1# 1# + 1# + + # +
) ! + + # + + : + + + ) "+ +
: # + + # + # + + 1#
# # , <5 # G 22/=J # 1# , ) 3 

G P % /-=J ) # V > # # # ) +
" J " # # > + # + 1# # 1# + +
+ # + 1# , , + + 1# ) # < G 8 % 07=J
> + # + )) ) + ) # # ) , # 6 1# + + B# : <5
& GP % 0*=J "" 1# ,# > + # + , ) )+ #
X "
1# # + # > + + # + # <
22 = ! # ,+ # , ) # )+ , #
$# ,# > + # + + ) "+ ++ < "+ = ) #
) # )+ + #+ !, # # "" 1# # ) #
) 3 # + , 3 ) # ,#
> + + # + # + + #
) " ! ,# ,# # , # +) #
)+ <, # + # > + # +=
(< -! ! ; D $-
! ) 3 " , ( )# # # ) 3 , #
+ )# # # ) 3 <` G5 22/= + )) ""+
A 1# 1# 6
• ! ) 3 A ) + # # ) # <;! J ,
3 =
• ! ) 3 A ) + + )# # ) # <,
3 .-2= X ) # # ) # ) # U " 1#+ #
T T
7
# # # # )+ )) + # > @ #
# 3 1# # , < 1# 220=
• < 3 J ! = # > X: 1# )+ #
# ) # ) # U " 1#+
• <6 / 3 = X ) ) # , ) " # ) #
) # " # ) # ) ,
<` G5 22/= " # + 1# ) # # 3
1# # ! # # , + ) # # + + # 5
+ 9 J )# # 3 # <` G5 22/=
) ) 3 A ! +" 1# # ) ) + ) <5 # G
22/=
• P ^P <PP= 6 , # ) + # 1# + V
) ) ) # # 1# +
) +
• 8 1# < 'B=6 , # + " 1# : #
1# +: # " # P
• 1# < 'B= 6 , # + 1# ) # U + # 'B X
) ) + + 5 ) 1# + :
) # 1# )+ #
• ! ) <! = # # # # < = # 6
# 1# ) # )+ :) ,# # ! #
# 1# ) > ) )+ 5, ) 3 <5 #
G 22/= # 1# ) # )# 1# , PP
X # ) )
• ! # <!; = 6 , # ) + # 1# ""+ 1# +:
# # ""+ )+ (# 1#,: 1# V :
#
• ) <
&= 6 ) # )+ : #
3 : V )
• ! <!8 = 6 , # + : + 'B 1# :
#)) 1# V # 1# ""+ V + #
• m
• 8 1# " ) A
< ) 22%= ) # 1# A J ( # )# # # 1#
)+ + * # # 1# . , 6
• ""4 < 9'DD=J
• ! # 4 < ' =
• # ) ) < = , ) + +
< ) 22%=J
5 , <5 # G 22/=J # # # 1# 1#
# 1# 5, ) 3 J 3 )# # + 6 !D!J 'B 'BJ #
, PP , # 1# # +
@ # 1# 1# 3 A # ) +1#
,# + ) # # , ) + !, + #
) # # # " , ( # #) #
) < ) 22%= ) + 3 A + 1# , )3
3 " " < % =J 1# : #
T T
) ) ,# 3 !D! ) # # ) # $ ( + ) #
& # "
< ! $ % % $ @, % $ %! ?
! 5 ) ) # 1# +" 1#
+ :) # ) # :
# " " # )+ )+ " , # 5
U :( # " ) # ) + # # + #
3 J , ) 3 <5 # G 22/=J : # ) 1# # 6
• 1# " +1# :( # # 5 C
• 1# # + U :( # # U C
# +) J <5 # G 22/= "" 1# : ( # " +1# 1#
: ( # # + # # ) 1# ) 1#
+ 5 )# V , +1# :( # # 5
) " " +1# # 1# 1# 1# + )
# + : " $# J ) # + # +J ) 5
, 1#, )) A " # , ) ) " 5 #
+# " # ) " : " A " # J )+
A " ) , # + #+
< ! $ % ! ,
. + ? , ) # " # < > + # +J +
+ # +J 3 A A " = # 9 $# J ) 3
+1# # 3 +# + < G 8 % 07= ) ) # +# , ) 1#
" # # # ) " + 9 )+ , # 3
#
• ! 1# + # > + # +
• ! + + \! + + # +
• ! 3 A
• V ) )+ +
!, + U " # "# V 9 ! 3
+# + # 3 # # ) # " # J + # 1# # , #
, )) J + #)) +
! +# # 6
• ! V "" + ) # 1# " #
• ! + + # + "" ) " 9 ) > + # +
• ! + + "" 3 A
. (# # # " #
# # ) J + ) ) + ) <5 # G 22/= ) + +
D # *0J # + ) # " )) + . +# : "" #
" # 1# )+
T T
-
Figure 38: Techniques de planification généralement utilisées
; # ) ) : " 1# ) 3 ) " ) # U #
+ # + # 1# 9 # ) + 1# "" J
, <& 22 =J , # # # ) 1# > 1#
) # ) 1# < JB= <8J = ! # <& G 5 22 = ) )
# ) 1# 5 # ) 1# 1# + # + < >J B=J <8J >=
) + ) 1# 1#
# ,# 9 # ,# ) 1# >J
<E # G % =) ) ,# " $& ) # ) # )# ,#
9 ) # ) # $ # ) 1# + )) ) # # &
$ )+ + J 3 # ) "# J #
1#,# 1# ""+ ) @ #
# # + ) ) )
# " ) # # )) 1# + # + # # #
# 5 ) :J # + 1# ) # # ) ""+ ) #
" " : # 6 > + + # +R 3 A R :( # # 5 #
# 9 8 # + ""+ ""
+ 5 J # # + : ) >
+ # + ) # " " # # # @ # )+ # )
#
T T
/
7 4
#! & ! % $-
! # J ) , ) 1#, ) )# 1# 1# + )
# #" J # #( ) # + # + ,# ) # 1# "J
U # #) # ) # 1# " $ J. ) " # +
# ,# #)) 1# ) # +# #
)) 8 # " "" # 3 "#
)+ " 1# + + # # , ) # 1#, # ) #)
,+ # + ) " # # 5 )# J ) +
,+ # : + # 1# , , # #
3 "#
; 3 3 ) ) # ( +
3 # + 3 ' # + 1# + # +
) # + # "" ) # +# + ) 3
, )) , ) # 1# + ) 3 3
# )) ? # ) + ) # # # " # ,
) 3 # # ) 3 # )
) 3 # + ? , + )
" # )# 1# # # # 1#, " # + # , #
# , ) + "" J ( + # )+ ) )
# (# : ) # # # # ) # ) # (# :
) )) :) 3 # # + ) J n ) # 1# )) ?
+ , # ) ) # + # # + ) ,
# + + # ) # , )) J #
#( ++ 3 ( + # +)
! &
$#( # , # ) , +J Y #)) , + #
) "+ " , # Y V + )) +
, )) $ J: # ,+ # , + ))
) # J ) # # 3
, )) ,+ : ) 3 3 5 # J 1# # )
: ) # # ) ) # " J # #
) + 6
− # " # # )+ # + 3
) +J
T T
0
− , )) + + # ) # + 1#
3 : ) # +1# : ) )# # J ) #
1# , 3 : ) # # +
) ) 1# + + +" " J 3
) ) # 3 ) ) : # 4# ) ) # ) #
) +J # " ) # : + + , ) # #)# Y J #
# #) # " " V # + # # : +)+ : # ,+
+ ) 1# $ " # # # # +" 1#
#)) # ) 1# : # + , )) :
, # ) 1# ++ ) # +1# +" #
+# ,# ) J , X , +U 1# #
# ) F #)) H< G& 222= $ J
, + # 3 , )) + + # # + + #
, +" + 1#
< E%) ; =% ! #! & ! % $- F

!, )) J # J " U +) # " # # <1# ) #
U : , ) = 1# # :# #
+ + ) ) # Y 1# + ) 1# !, )) : ,
< # = +"3 # ) + ) + ) # ) J
" # # + + " 3 #) X + <@
22-= ) , )) ) # ) " ""+ " ,
+ ) 1# " # # , ) +# + J # ) #
) # ) # " 1#+ ) 3 # U n ,# +
, )) 1# + # # " ) #
# # + # ) # ) # # ! #
) ) ) , ) # < L % *= R , "" # 2%2=
!, )) # ) 1# # )
) ) # , # # 1# )+
# # ( # ) 1#
! ) + 1# ) ) , )) + " 1# "#
J ? 1# )# ! #)) " " :
) 3 1# V ) J # < # ) + =J
+ ""+ J + # < ) J ++ # J + = +
J ) + + #+ : # 1# J 1#
) ) U # [
$" , ) + 1# J ) " + + )) :
""+ + + )+ + , )) J 5 J .5 ! J
# # #
(< % =% ! #! & ! % $-
! # +1# , )) ,# # ) + 3 1#
, # ! ) , + 1#
) : # V : # # Z# + F! )
HJ 1# #) # +1# # # ( # + )) +
) # + ) : )# # " " : , $
T T
+ )) # # ) J ,# )+ )
) " )# " : ,+ ?
, )) #
# 5 # # 3 ) # " # # #
) + ) # <) 1# = ! # + )
)# )# ) " ,# " # # , #) + # >
! +1# # + 1# #))
# ) ) # ( #+ # # , )
! + " # # , " + + U ) 1#
4 # ) + ) # + + # V
) ,Z# 1# " ,Z# #) + :
, )) # # + ,$ + 1# # # 1# " # # #
+ 1# <$ % 0 =J # # " # #
6 # )+ + 5 + )) #
# ) 6
− ')+ # # + 6 " + 1#
" # # ++ ) # # +J
− ' + 1# 6 " , " # #
1# + ) # + # ) " , )
! 1# 1# ) # 6 # 1# ) + #
)) : , 1# 1# # # )+ +C 4 :
1# 1# + # " 1# 4 "" +) <$ # % 7=R < G
# 22 = R <D % =R < G % =R <8 G A> 22*=R <& # G
D L % *=R G` % -=R <& A % 0=R < A> G # ) % 07=R <&
227=R <B# 22-= < GI 2%2= 3 1# )
)# )+ " )# ) J V ) # ! +
# ) # U # ,# # " 1# + 3 # ) # "
# 1# + ! ""+ ) 1# # # ,# )
)) : # # ) # # U # )# 1# ? # #) #) # .
) # )# + 1# , 3 : # # +J ) #
" )# # # U , , ) <E " % 7= ) ) #
+ +" 1#,# ) # # 6 , + 1# + ) # J
+ # V J , 3 : # J , " # #
" 3 1# # ) # ) : # +) : #
< $ $ % #! & ! % $-
. # # ,# #)) 1#, )
# # + "" # + J ) # # # # ) :# #))
< G 22 =R <5 220=R <P 22 = R < G
$ L 22*= "" J , + 1# ,+ + ) 1# , )
" # # ? # # V ) J ) )+ 1#
+ : , , # ) 1# # ) #
""+ # # J # J ) 1# # 1# , " # #
""+ ) # +1# # ) # ) "
)) ? ) A + J 1#
# : , # # # #)) ! )
, "" # + # ? , ))
T T
%22
5 ""+ J) )# # # + 6 , # # # >
@+ ) 1# , ) +1# )# 1#, "" + " 3
, ) # V " + # >
5 # # < GI 2%2= 3 1# )
#( # : # ) + # ) ) # "" 6 + ) #
# ) ) ) # 4 )) $" "" +"
) # ) 3 : # ) 6 # > ) +
) # < G P # 22-= $ # 3 >
)+ # " +) > J +< 22*= .
"" 1# 1#4# )) : 4+ )# ? +
# #) ) # ) J +) ) : 1#
) 4# # > + # + #"" ) ) # ) # 4 #
++ ) # "" J , ) , ) 3 >
1# , #)) 1# + + ) # #
mD # + ) σD ! ) 3 ) # 3 < JB= <8J = ) , ))
+1# < ) #) 3 ,+ ,+ # , ) #) 3
> + # += + ) +1# <%= < = φ (.) " +)
! ) + ) #) #
2 Am D
Q= r = m D ( L + 1) + φ −1 (CSL )σ D L + 1 (1)
h
2A
T= S = m D ( L + T ) + φ − 1 ( CSL )σ D L+T (2)
mD h
B 6 1# +:
!6 + , ))
96)
$6 V )
6 # )3
8 6 )+ : " 1# # > + "+
. + J # 1# , # +
<!= +1# # >6 # # # 3 < JB= )
U )# # 3 <8J = # )3 #
#
5 U " W < GI 2%2= + + : ) + +
# > )) ,# # # # )+ +
+ : ,+ # #) 3 1#,
/%% ) + 7 + *)
1# 7 ) 3 + ""+ J # 1# # # 1# )
#)) 1# # ) # +1# , # > !,+ # # #
+ 1# ) 1# , )) )# : ,
: # # >)# ) +# # , ) + ""
# # "" ) : , )) : ,+
# ) " V ) 1# ) # , # )
@+ ) # # : , # # # > : V +
1# ) # +) )) + ) , )) : , <E " % 7=
" + 1# V > " ) ) ) # ) 3 1#
) 1# 4 )) : 4+ ) + . "" 1#
T T
%2%
# ) # +1# # # # @ #
( # + 4 # ># V
!4 ( " # ) # # # "" 1# )
) # " 5 ) 1# (# : )
# #) + + # + ) # + # > # #
Y J 1# ) # )+ " 1#
< ) J " +1# ) = 1# ) ) # #
< GI 2%2= ) # +# ,# `.8 # )
) ,# )) : ,+ ) + J ) + #
# # " # # "" J 1#4#
) , )) : ,+ J # " +
: # " # # 3 " # J 1# ) : , ) , # 3
, " #"" " ) # U ) + # )
" # #
< ! % % ! #! & ! % $-
$ , , + U 1# ) , # # # J #
+ + : #( # + + 2 <@ 22-=J + # ) # U
+ + 6
• ! 1# + +,# Y + # 1# # + # :
) ) # # ,# # Y+ # ) ) # 1# " #
+ , )) # + ) $ + # + 1#
# # " ) ) ) ,# " # 6
o ! ) + , # < 3 ) 3 J ) J
,Z# J =< A> G 8 % = R <& # G D L % *= R
o ! # 3 < G@ % 2= R < G
% 2= R <E " % 7= R < ( G % /= R < ) > % =R
o ! ) + )+ # + G 8 % =R< > 227= R
o ! : ) ,# )) : , 6 ) J
J J 1# J ,Z# 1# " + [ < L
% *= R <D L % *= R <D G % =
• ! 1# + + # ) " # ( + )) #
# G 8 % =R < L % *= R <$ % 0 =R
<8 G A> 22*==
• ! 1# + + # , )) : ,
< > 5 % 0/= R <@ G % 2= R < L % 7= R < G % =
"" ! # )+ " + + 1# , ) ,#
))
# : " <@ 22-= 3 : (# 1#, # 1#

) + # # # ) # ) # 6
! ( + +# + + : ) )+ " 1# <; $J ` ) [ =
! ( + +# 3 1# #
T T
%2
! ) + (# : ) , )) : , )#
+ + # , + #))
, )) : ,
! # # + 1# ) # , )) : ,
! )+ + ) # +) # ( # 1#
#3 #
1# 1# <@ #3 22-= # , ) #
5, J )) ) # 1# +# + ""+ 3
# 1# + + : ) + 1# : " # # 3
) " J <E GE % = ++ # + # ) #
, )) $# # , )) J # # ) #
+" # , # ) # 6# U ) # #
) # # # 1# ) ) # ) # ( " +
+) ) # " ) )) + $ # #
+ # ) ) # # + + ) # # # ) 1#
) # , )) ) +# # # 3 ) ""
# ) 1# ) # , "" 3 # ) #
, ))
! # 3 ) # +) <@ 22-= ) + (# : )
, )) : , "" J# , ) 1#
: ,# " # # + ! ) ) # (# : )
) # " +1# ) $ " ( #
# `.8 1# ) + " # # , ) + #
+ " +1# ) # + # V 1# +
+ 3 ) 5 )# + 1# )+ " #1# #
`.8 , ) " + # "" J ) # + # # # #))
# ) + # # # J , )) :
, " 1# ( # 1# " # , #
# #" # # , ) # +# J ) ) `.8
" + " +J ) ) " # # , ) +
# )
$ # ) )J 1# # + ) )
# #) , "" + + < > % 0 = R <5 G E " % /= R
<E# ) % 0= @+ 1# 1# + + : ) + 1#
<D L % *= R < > % 0 = + , )) # + # +) < > % 0 =
, + + # ) 1# ) + 1# + (# #
, )) : , (# : ) 5
) ) # +# # ) ( ! ) + + ) # , ) , )
+ ) " 1# ) # # 3 # )
+ # # , ) " # # ) # +
# 8 3 J# : ,+
# # , # 1# + +1# ,# Y + ,# 1#
"" , # " J ) + #) # U # " # "#
+ + "" 1# )# U " J <5 G
E " % /= + : # 1# ) " 1# : , )+
T T
%2*
# `.8 , )) 1# # #
) : , "" + +
5 J # )+ + " W + 1# # ( "
+ : ,+ # 1# +) ) J #
) # @ # "" + 1#, ) " #))
1# # # ) V # ) # + :" @ #
)+ + # ) + 1# # # 1# +#
1# # #( + U U + 1# < > 22/=
# +# 1# # +# " )
# ) ) + 1# ) "#
> ) # # # @ # )+
) "# # 3 1# # + ))+ " +) :
) + 1#
T T
%27
" 7
4
! - .!%/ $ #! & ! % $-
# : )+ ) 1# ) "# 1# : )+ + +
# # J # )+ + ) "#
+ # )) 1# # ) ) " ) )
)+ " + # #
@ # ) ) ( " J )# #
)+ + # + ! 3 ) + : )+ # 3
) ) + +# #
) *
!, ( " ++ +" # + ) + # , #
# + # " ) ) ,# > + # + 1#
# , # U + )+ " 1# J # # , #
+ , )) U + + # + , # # )
,# > ) ) )
!, + # 3 :# > + # + 1# U + ) )
+ ) ""+ ,U " W :+ 1# (# # +
# # , # # )+ # ) #
. J # # " # > + # +) " " # +
# # )+ J 1# # ) # )) + !
# + # + , )) # # 1# + + + )
+
! + ) + + #)) ) #
#) $ !, # #) $ " 1# , ) " + #
)) ) # , )) # #+ # ""+
5 )# J , # # # # # # X)
1# , "" + ) # ) " 5 # + #
, ) #)) J $ # + )) # + ) # +
# > + # +: ) ) # +) : +
) + 1# # : , # "#
# #
T T
%2
5 #
+) # > # J #
+ ))+ # 3 + # # > + # # + #
, # ) + 1# # + FE A " > <E = H @ # +
3 ) # # + ) ,# ,+ # +
# 6 5 ) + 1# : " # # # , #
# ! " # # # )) # 1#
)) # )# # ; )#
+ ""+ " , ) # # ) #
) # 1# 5 + , # )+ J
+ ) ) )# # + ) # ?
#) # ! ) > + # +) " " : "# #
+ ! # + # > + # + "
, # )+ # + , ))
Figure 39: Présentation schématique du cas d'étude
! # &
! )+ + + # , A ) " )) ) # )
U # " + ) J + #
+ )) ) # # , # ) < + + #)+ # :
N= + ;#) # ) # ) U > )+ #" ) # #
, )) 5 # J , U ,# #
U # # !, U ,# # ? V , # , # ) ( #
#) # + J# + + )) ,# J)# # # 1#
)) 1# ) ! + )) ) # )
) U " ) # + )3 # ) # ) #
T T
%2-
) J ,# #) # + J ) + # ) ,+ #) #
U # # J 1# ) 1# + + , # # + +
< $ $ , , ! - $ .!%/
5 # + J # # # 6
L6! + , )) " R
α6! ) 3 , A + # 1# # # 3 9-- ) 3
)+ , 1# ) ) ,+ # # ) +"
+ # "# # # ) ) J)# , A # , 1#
+ $ , J )# ) )# , 1# ) )
) R
nr 6 ! #) # > # , A ) )+ + J , : #
) )+ )+ + R
NEA6 ! , # ) # , A ) )+ + J , : #
) )+ )+ + R
ASL6 ! # + . #+ + #) # >
# , A ) +# +
nr
ASL = 1 −
α
TSL 6 ! # R
ATSL6 ! # + R
UC6 !,# +
Di 6 ! + ) # )+ iJ
Fi , j 6 ! ) + ) # )+ j + + : )+ iJ
Oi 6 ! )+ iJ
PSi 6 ! >) 1# : )+ iJ
UI i 6 ! ># : )+ iJ
CE i 6 !, # # # )+ iJ
SSi 6 ! > + # + )+ iJ
RO i 6 ! + )+ iJ
(< $ $ &5 . $ $ , !
! # # + # >) 1# # # # #
# 5 # J # )+ " ( " 1#
1# # + @ # >) 1# # , A ++
) ) 3 : # " # 1# ! ) 3 V ; V
> +: 1# # + ) # + >) # 1# )+ 5 U " W J
# V + # #) # $) # # ""+ V J # ) # #
) F V > V #) # H ) V
+ # >
! " # , ))# # # ) # +
# > " # )# # 1# + V < V >
V #) # = "" : + 5 J , # # # 1#
T T
%2/
+ ) > # ) ,# # > , )
!, ( " > # " #
@ # # ))# # " # #" "" # + :
V + > #) # ) 3 " #
@ # ) ,# # <8 != 1# # ) +
) 3 3 # # ) # # ) "
) # 1# +) : + +
1# )+ 5
+ +J )+ ) # ) # ) " ! # +
""+ # # ! "" # + , # # #
# + ) )) # #
3< $ $ &5 .
!, ( " > ) 1# # , A ++ :
# # >
OF = min( mean inventory )
2< $ $
!,# 1# 1# # # 1# , #
+" ) # >J @ # ) )
) # # # # N
ASL > 95%

@ # : + # >) , #
+ <$ != N # J # " + # # <8 != 1# +" )
,+1# <*= 8 ! # ) # + , # ) <@ $= #
, A ,+ # 1# +" ) ,+1# <7=
NEA
TSL ≥ 1 − (3)
α
NEA = α .(1 − TSL) (4)
# ) # " + X α = 35 TSL = 90% 5 J #

NEA = α .(1 − TSL) = 3.5 = 3 @ # ) # ) * #
)+ # # )# ) +" > + # +
<8 != 1# # "+ # U + ) > + # + !
D # 72 ) ) # )+ ) 1#
Figure 40: Présentation du TSL

T T
%20
# # 1#, # ""+ 8 ! ,$8 ! ) , )
)+ + J #" )) # ) 3 J # # $8! M %N 2N
8 ! !,+1# < =)+ # ,$8 ! ""+ # :
+ ++ + # #
NEA
ATSL = 1 − (5)
α
@ # ) 1# + # + + ) 1#
) # ,3 # # : + + ) ) #
) # + @ # ) # # " ) , ""
+ : + + 1# + + # +
5 )# J # ) ) ,+ # , # )+ # +
, )) ) ) + # )+ # A
@ # )+ + + ) + ))
# > + # + ,+ # 1# # + +
< # $ .!%/ + $ , !) =% % $ !
% #! & ! % $-
$ 1# )) 1# # )+ J
# +" # + + # > + # +) + #
+ )) # @ # # + # + # ,#
+ + )) ,# # , # !,+ +
) # + ) :# ) # )+ ) "
+ ""+ < " J" J J = # +
, )) " L
! + # )+ # , A LJ >
) + # L )+ <( # = ) + + !,#
, 1# # )+ # ) + , # )+
) # > # + # #))
)+ + ) ) + ) # 1#
)+ @ # ) ) #+ # # +" # > + # +
# + 1# # )+
( ; > ) 4 K 4 $
PS j = PS j −1 − D j + RO j − L
( ; $ > +8 9
j+ L
UI j = F j ,i
i = j +1
( ; > ) 4
L
CE j = RO j − i − UI j
i =1
T T
%2
!
! " !!#
3 # " +) # # ,# # <8 != #
# # > !, # )+ ) + )
+ , # ) <@ $= # > + # +:
) " + # # )+ #+ W: # ) # " J
3
# ) @ $ # , # # # " ) 8 !
) # + # # > + # + # ) #
# )+ "# # , ) 3 X # )+ :
# # )+ ) +
SS j = NEAth max(CEi )
i∈[ j −1; j −α ]
! ) , ))# # 3 ) ) <K= )
+)+ + @ # "
"" , ) 3 1#, # # ) +J # ) # )+ # #
"# # 5 " # # > #)+ # # # # ) +J # )#
#) # # # # "# # ! ) 3 K )+ , 1# :
) ) ) # , # ) + # 1# # )
+ ( # # " 1# , ) # + # !,# ,# K
" <%7 ( # = # )+ # 1# # # + # , # )+ 1#
,# ,# K <% - ( # = # ) , # " )
> + # + ! ) " # # > + # +)# )
; ) > + # +: A <E = + +:) , # # #
; . 4 " > 9
= */%%(
% 2
2
\2%\%2
\2%\%2
2 \2 \%2
% \2 \%2
% \2 \%2
-\2 \%2
2 \2*\%2
% \2*\%2
% \2*\%2
-\2*\%2
2 \27\%2
2 \27\%2
%-\27\%2
*\27\%2
*2\27\%2
2/\2 \%2
%7\2 \%2
%\2 \%2
0\2 \%2
27\2-\%2
%%\2-\%2
%0\2-\%2
% 2
* 2
# # E A " > %7(

E A " > 7 ( E A " > //( E A " > % -(
Figure 41: Présentation du niveau de stock de sécurité à horizon (HSS) pour quatre paramètres
différents et un TSL=100%
T T
%%2
1# ) 3 , A ""+ # U 8 ! %22N )+ + # D # 7%
; ) > + # + : A <E = + + : ) , #
# # 1# ) 3 # ""+ ) # # U A
+ # %( # )+ + # D # 7
; . 4 " > 9
= */%%(
% 2
2
2%\2 \%2
20\2 \%2
% \2 \%2
\2 \%2
2%\2*\%2
20\2*\%2
% \2*\%2
\2*\%2
\2*\%2
% 2
* 2
# # E A " > %22N

E A " > 2N E A " > 02N E A " > /2N
Figure 42: Présentation du niveau de stock de sécurité à horizon (HSS) pour quatre paramètres TSL
différents et un =21jours
@ # 1# ,# ,# ) 3K ) ,+ , # #
# # #)+ # # > + # + ( + ) # # >
+ # + # # )+ $ , J# ) 3 K) ) , # >
+ # + " # # # # +) + # 3 # #
> + # + 5 U " W J ) 3 8 !) " + #
+ # >
@ # )+ +# # ) 3 >
#
1( ; 9 $ >
j − L −1
O j = UI j − ROi + SS j − PS j
i = j −1
( 4 $
RO j = Oj /UC * UC( )
5( +
" !
@ # )+ , )) 3 1# # , ) # #
+ + + # ) + ) " #
+ " W +) J )# ) # # # 1#,: +
#
T T
%%%
< ! $ $ ,
!,+ + ) ,# + , )) ,# # ,
# # #) $ + # ) 3
+ )+ 1# ( #
)+ 3 :
1# # # A #)+# + # , ))
: ( # 1#
) # ) # )+ ) " 1# ""+
)+ " J , # " J , # 3
! 3 )+ + ) # + U )) 1#+ : , # 1# # ; 1#
)3 * )# %222 ( # ++# + 5 " W : +# " " J
, 1# + U # # + : # " + , )) #
7 ( # )# (# 1#,: + ) ) #
+
@ # +" # >
+ # + " + # #
>) 1# # # # :# # # 5, #
" ) ) ) )) + )
# 5 # ) )+ +# # ++ #
&$ # "" " ""+ ) 3
@ # )+ # 3 E
(< ' D $ . 6 7
@ # + , "" # ) 3 # 3 E ) : 3 , A <K=
) 3 # <8 != # ,+ + )+ +)+
@ # " ) ) 3
<% /( # = : % - ( # <%0
7 =) + ,# ) @ # ) " , )
) ) # ) + )+ # "# # # + #
> + # + ; A ,# # : + #" #
# @ # + 1# % - ( # # #)+ # + + 1#
A ) : )# # " + , )) +#
1# + +) 1# ) 1# 5 ) # J +# 1#
""+ : " # "# : # , # K
) 3 <8 !=J # #+ # ""+ 6 /2NJ 02NJ 0 NJ 2NJ N
%22N ! +# )+ + 8 # % @ # # ) # 1# #
<8 != # >) 1# ) # # ) 3 , A K @ #
+ " )) ? # + <$8 != " W : ) ""+
8 ! $8 !
5 " W : +# )# J # )+ + # )
)+ + , A ) + < 4 : # #) 3
K= # > ,# ) , A ) + # +
<$ != , # ) # ) ) + , "# # #
<8 !=
T T
%%
/ = ! ) > I!* ( " 3%+ !!
/22
22
/2N
*22 02N
0 N
%22
2N
% 22 N
%22N
%/22
% 22
2 2 72 -2 02 %22 % 2
Figure 43: Présentation du niveau de stock physique en fonction de pour six valeurs de TSL
7 % + I!* ( " 3%+ !!

%22N
0N
-N
7N /2N
N 02N
2N 0 N
00N 2N
0-N N
07N %22N
0 N
02N
2 2 72 -2 02 %22 % 2
Figure 44: Présentation du niveau de taux de service réel en fonction de pour six valeurs de TSL
@ # ) # :) )+ 1# ) # K J )# # >
) 1# ) 5 U " W J , # K ? , # # #
+ ! ) 3 8 ! U 1# K # + 3 #
# # >) 1# 1#,# # # # + <$ !=
! D # 7 , +# )+ + 8 # %
D # 7* D # 77 @ # ) # + # >
# + @ # ) # + 1# # + <$ != ) # U
"+ # # #)+ # # # <8 != # # ) 3 , A K
) J # + %22N ) # ) U # " W @ # ) #
) 1# ) " 1# # ) # ) ) , + + # "# #
T T
%%*
# ) + 1# # # A " ) 1# ) 1#
# $ !M%22N 1# , # ) # ) # # + 8 !
%22N
LI 5
LI 5
LI 5
LI&
LI
LI&
Figure 45: Présentation du niveau du taux de service réel en fonction du niveau du stock physique
pour l'ensemble des simulations réalisées
@ # ) # + , ,# ) :" # +
# > 3 : ) #) + ,# <KJ 8 != 1# )
+ # # > + # +) , $ !
! # 1# # + + ++ + ) ,+ # # # > 1#
)+ ) ) + 5 J # ## #
%22N # # > # "" J : + # +
X # 1# : +) # " # )+
"
@ # )+ + ( " # ) "#
# ! + # )) "" J # # #
@ # )+ + + #) $ # : J #
)+ + 3 E <E A " >= ) ) 3 !
+# # # + +) + + " )) 1#, "" 3 1#
# > # # # #
# > @ # )+
" ) # $ 1# ) "#
# ) +# # ) + : # ) 1#
T T
%%7
Tableau 21: Présentation des résultats des simulations pour le modèle HSS
Paramètre de Paramètre d'horizon
7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112 119 126
TSL
Stock - modèle HSS 1611 1649 1638 1657 1645 1647 1660 1666 1668 1647 1639 1636 1643 1629 1621 1621 1613 1611
70% ASL 83% 84% 85% 86% 87% 87% 88% 89% 89% 89% 90% 90% 90% 90% 91% 91% 91% 91%
ATSL 71% 71% 71% 71% 71% 71% 71% 71% 71% 70% 70% 70% 70% 70% 70% 71% 71% 71%
Stock - modèle HSS 1757 1779 1769 1803 1829 1799 1802 1798 1816 1824 1803 1816 1810 1822 1833 1816
80% ASL 87% 88% 88% 89% 90% 90% 91% 91% 92% 92% 92% 92% 93% 93% 94% 94%
ATSL 81% 82% 80% 81% 82% 80% 81% 80% 81% 81% 80% 81% 80% 80% 81% 80%
Stock - modèle HSS 1692 1787 1812 1843 1858 1877 1889 1909 1929 1908 1913 1909 1918 1930 1944 1941 1941 1944
85% ASL 85% 87% 88% 89% 90% 90% 91% 92% 92% 93% 93% 93% 93% 93% 94% 95% 95% 95%
ATSL 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86%
Stock - modèle HSS 1859 1884 1958 1969 1976 2027 2032 2024 2012 2038 2042 2040 2066 2054 2055 2073 2076
90% ASL 89% 89% 91% 91% 91% 92% 93% 93% 93% 94% 94% 94% 95% 95% 95% 96% 96%
ATSL 93% 90% 93% 91% 90% 92% 91% 90% 90% 91% 90% 90% 91% 90% 90% 91% 90%
Stock - modèle HSS 1957 2024 2089 2082 2137 2176 2156 2183 2214 2194 2226 2243 2227 2270 2291 2266
95% ASL 90% 92% 93% 92% 93% 94% 94% 94% 94% 95% 95% 95% 96% 96% 96% 96%
ATSL 95% 96% 97% 95% 96% 96% 95% 96% 96% 95% 96% 96% 95% 96% 96% 95%
Stock - modèle HSS 1856 1970 2065 2135 2202 2254 2313 2354 2402 2432 2469 2501 2526 2548 2576 2588 2619 2655
100% ASL 88% 90% 92% 93% 94% 94% 95% 95% 96% 96% 96% 96% 97% 97% 97% 97% 97% 97%
ATSL 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%
T T
%%
& 4&
.
! $ % , $ + ! , ! ! ! % <
5 ) J # )+ , + # + ) $) # + #
"# @ # ) # +# # ) + J: " J: #
+ # : + $
- !
@ # # , ) + ) + 1# , ))
A
$ # # )+ + 1# ) ) + ) $J 1#
: + # "" " + ) ) # # # # + +
+ #) # # J # # # + , # # #+
1# ) + 3 + # # # ) # + 8 #
# + # , 1# +"+ ,# # $
< &! , =% !) + $$ , $ ! $ $ D
$ )) )3 A # +) " # # + #
+ + )) *:% $ +) ) 3 + # ,#
"# #) 6 + # " + )+ + # +
" J + # " + )+ ) # ( " " +
)+ J 1# +1# : , # )+ # 1# # )+ +
) B# : + # + J # )+ #
+ , )) # 1# + W#
5 J ) + 1# , )) A $ # # + J
1# ) + 1# + : # (# + # # #
+ +
8 # ( # J )+ ( #+ : )+ +(:
)) + # ) + + 1# + : )) + ) :
)+ # # # )+ ! D # 7-
D # 7/ # : ) ) + 1# , )) A $
T T
%%-
$6 )+ J , # # # )) + #)) 1#
# # ( # `J + , )) )3 ! ' 1#
)3 + : ) # ,# : `c!
,6 )+ +(: )) + # `c2
Figure 46: Illustration de la problématique de l'approvisionnement lointain chez PSA
Figure 47: Illustration de l’incertitude sur la demande en approvisionnement lointain chez PSA
T T
%%/
) 1# J " + )+ + # )3 , + # " # +
, )) J ) # # " + %22N 1# )+ " +
" + " J , # D # 70
Figure 48: Fiabilité des prévisions
(< %
@ # )+ + ) + "" " +
, )) ! # + # 1#
# ) 1# + J # # 1# 1#
3< & =% G
$" # "" , )) J $ ) # 1# #
)) + F U 9 # H < G9= 1# +" " + $
" # # ) # , )) )3 ++ # # :# +#
1# )+ J + # # + )+ " )3 + #
+ # $ # # )+ )# #
5 1# J # ) # # 1# + 1# # ) # )) A
" # # : ) ( # 3 ; , 1# G9
+ #
Tableau 22: Extrait de l'abaque C&R de PSA
Journalier Hebdomadaire
CMJ/K Maxi J/K Mini J/K CMJ/K Maxi J/K Mini J/K
0 0 0 0 0 0
1 10 0 1 23 0
2 14 0 2 35 0
3 17 0 3 45 0
4 20 0 4 54 0
5 23 0 5 63 0
6 25 0 6 72 0
7 28 0 7 80 0
8 30 0 8 88 0
9 32 0 9 96 0
10 35 0 10 103 0
11 37 0 11 111 0
… … … … … …
2000 2297 1703 2000 10308 9692
T T
%%0
2< .. $ $ ,, $H
! "" )3 4# # ) + ""
" # ) # @ # ) # ) ) # # 6 !
+"+ $ # + # + # g # "" ! U +"+
# + # + # o # "" % 1# + # g
) # : %22 ) ) ( # 1# + # o ) # :% 2 + # ) ( #J
"" +"+ $ 6 p 72N c % p -2N M 2J0 c 2J- M %J7
0< ! %! % .. $ .! / & !
: 7 !! ! "$ $ C 4
!, ( " + ) " # : , )) # # # #
+ # : ) # (# + J : # +
, ))
"" " + + # + + #+ "# # 1# +
)+ + . # # 1# )3 :@( #
" + 1# ) :
• 5 + + ,+ ) % 6 E 1# < # # +
, )) J + =) # # + , ))
• 8 6! "" " + #F. # + # " + H ,#
+"+ # # A ) < + , )) , ))
# ( # + = )# ) # 1# ) + #
"# J 4 : # 1# ) # "# # # A J #) #
< # W: ,# # #) # (# + ) =J # > +# )#
"
1# J # # # A * #) F
)+ \ + HJ # # > + 1# ) # + # #
#+) # + 1# (# 1#,: , # # + # )
,+ #) # # #+: +"+ J) # # # +
! D # 7 )+ ) ) # # # "" @ # + 1#
" < `c2 `c-= # # + , ))
@( # J # )+ `c/ (# 1#,: `c@ 1# " 1# :
( # )+ + # ) )+ + ) #
Figure 49: Illustration du calcule de coefficient de flexibilité
T T
%%
!, + # # "" ) # + # ,+ )+ 1# + +
: ! # " 1# ( # # + , )) # #
, 1# @ # " ) # # "" )
) # + # "" !, ) "" # )
, )) + # 1# # - "" #+
$" + # # "" " +J # ) W 4 1# G9
`< ` # 3 =) # )+ # # \IJ #
# G9 ! # G9 # ) + ) "" I # #
)+ J # # ) + ) "" " + # 1# +
)3 : ( # ) # + # " + ,# " #
#)) 1# D "" " +J # )3 : ( # : )+ #
" # + 1# 6 Q G9 < \I=pI SpD
; ) # + 1# # + + ) # ! F& !;' H
)+ + #( # ,# 5 # J #
# )+ "" $) 3 #+
1# + : ( # # )+ J # ,+ # # > 3
, # 8 # *J # # "" 2J% #)) 1#
> #J # ) #) # >
Tableau 23: Exemple 1 pour le calcul du coefficient de flexibilité
$# J # " # U + )+
J+ # "" ,# # 2J2- J # # #) # # >
<& c G9 c !;' c > e2= 8 # 7 5 J "" 2J2-
++ # "" )"
T T
% 2
Tableau 24: Exemple 2 pour le calcul du coefficient de flexibilité
! "" " #+ ) "" ( # #

# " # # 1#
• 9 1#
$" , "" # # ) # "" + # J# +
) # + ) J : 1# + ) J + # 4 )
+ , # D # 2 ) # )# )
"" 1# # #8 # * <& c G9 ^ !;' c >=
#)+ # #+ :2
Figure 50: recherche dichotomique

: " C !! C
! + + )+ + J )
) # 1# ) 3 , #
"" " + ,+ # , A `c- : `c! # ! +
, )) "" ) ) + : , )) # " ,
# "" " + # ) ) + ) 3 #
# # # 1# # ) # )) ) +
: !! $ $ C
; " 1#,# "" ++ +) # + 4 )) J # +
) # # 4 ))
#
@ # ) 3 1# # ) ) + ) 1#
> 1# <8J = @ # ) + 3 ) 1#
T T
% %
> + # )+ + ))+ ) <& 22 = ) <8J >= @ #
" " 3 : + ) 1# # + ) ) #
) # , +# + 1# J # + + # #
+ + + # ) @ # )) 1#+ ) 1# <8J =
)+ 8M% ! +# ++ ) + : # # ) ) #
Y
< , $ $ ! , ' ! ! =% @ I ?
! ) ) 1# <8J = , # + >
+1# 1# ! ) 3 # + # )+ + % <8M%= " W :
# # + + 3 : # 1# @ #
+" ) 3 > " W # 6
S = m.( L + 1) + SS
:
m ;
L est le délai d’approvisionnement
SS = Φ −1 (TSL).σ D . ( L + 1) est le stock de sécurité où TSL est le taux de service cible,
Φ −1 (TSL ) est la fonction inverse de la loi normale centrée réduite et σ D est l’écart-type de la
demande journalière.
! #+ # # A 7 ( # </ =
# # # # # + *2 ) # # # A ) )# *
: 1# J # D # % )+ ,+ # # >) # # #
2N : N ! >) 1# + # # %*22 # + <8 !M 2NJ
$ !M-2N= : ) 3 %72 222 # + <8 !M NJ $ !M%22N=
! ) +# # 3 <8J = 3 E ) ) +
D # @ # , # 3 E # 3 <8J = "" J
" I !* >( !! " $
%22J2N
2J2N
02J2N
/2J2N
-2J2N
2J2N
72J2N
2J2 2 222J2 72 222J2 -2 222J2 02 222J2 %22 222J2 % 2 222J2 %72 222J2 %-2 222J2
# +
Figure 51: Présentation du taux de service réel et du stock physique moyen pour
différents taux de service cible (50% à 99%) pour le modèle (T, s)
T T
%
) # # # + 1# NJ > ) 1# + ) )
, 222 : 7 222
J " )
>J 4 * . ( 2 /%%
%
2J
2J
2J0
2J0
2J/
2J/
2J-
2J-
2J
2J
2 2222 72222 -2222 02222 %22222 % 2222 %72222
3 E < # M %22N= 1# <%J =
Figure 52: Comparaison "Taux de service et niveau moyen de stock" pour la

politique (1,s) et le modèle HSS
1# ) 1# <8J = , ) )) ) "#
)) # " + 1# #
+ + + ))
(< , $ ! =% $ % !!
) 3 + # # + 3 <) 3 , A
+ # ) 3 # =J # ) # # #
-2 : %22N @ # ) # ) + # # $ "
# J # #) $: -J N # ,+ +# +
# # ) # # #)+ # J # # # > 3 "+ #
: # $ ! # # 02N "+ # , : ,# ))
) ) # @ # )+ +# + #
! ) , # # #)+ # : # #) )
< -J N= # 6. " # ) 3 , A + # J# #
#)+ # : 07 ( # < 1# ) + % #* = 1#,# #
%22N
! + ""+ +# # 3 # ""+
3 E ) 3 F8 # H FE A + # H
)+ + 8 # ! ) ) ""+ # > @ 3 J
) 3 # + ) + # # / : 0 NJ + #
# : %*N # # , + %N #
T T
% *
Tableau 25: Comparaison des niveaux de stock et du Taux de Service du modèle HSS par rapport au modèle industriel
Paramètre de Paramètre
taux de service d'horizon de 7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112 119 126
cible sécurisation
Stock - Modèle
-85% -85% -85% -85% -85% -86% -86% -86% -86% -86% -86% -86% -86% -86% -86% -86% -87%
HSS
60%
Taux de
-13% -13% -13% -13% -12% -11% -10% -9% -9% -9% -9% -9% -9% -9% -8% -8% -8%
Service
Stock - Modèle
-85% -84% -84% -84% -84% -84% -84% -84% -84% -84% -84% -84% -84% -84% -85% -85% -85% -85%
HSS
70%
Taux de
-13% -12% -12% -11% -10% -9% -9% -8% -7% -7% -7% -7% -6% -6% -6% -5% -5% -5%
Service
Stock - Modèle
-83% -83% -83% -83% -83% -83% -83% -83% -83% -83% -83% -83% -83% -83% -83% -83%
HSS
80%
Taux de
-9% -8% -8% -7% -7% -6% -6% -5% -5% -4% -4% -4% -4% -3% -2% -3%
Service
Stock - Modèle
-84% -83% -83% -82% -82% -82% -82% -82% -82% -82% -82% -82% -82% -82% -81% -81% -81% -81%
HSS
85%
Taux de
-12% -9% -8% -7% -7% -6% -6% -5% -4% -4% -3% -3% -3% -3% -2% -2% -2% -1%
Service
Stock - Modèle
-82% -82% -81% -81% -81% -81% -81% -81% -81% -81% -81% -81% -80% -80% -80% -80% -80%
HSS
90%
Taux de
-8% -7% -6% -5% -5% -4% -4% -3% -3% -2% -2% -2% -2% -1% -1% -1% -1%
Service
Stock - Modèle
-81% -81% -80% -80% -80% -79% -79% -79% -79% -79% -79% -79% -79% -78% -78% -78%
HSS
95%
Taux de
-6% -5% -4% -4% -3% -3% -2% -2% -2% -2% -1% -1% -1% 0% 0% 0%
Service
Stock - Modèle
-82% -81% -80% -80% -79% -79% -78% -78% -77% -77% -76% -76% -76% -76% -75% -75% -75% -75%
HSS
100%
Taux de
-8% -6% -5% -4% -3% -2% -2% -1% -1% 0% 0% 0% 0% 1% 1% 1% 1% 1%
Service
T T
% 7
! D # * )+ +# # 3 # # 3 E / ( #
) 3 ""+ ! ) 3 8 # 02N : %22N 1#
) 3 , A + # %7 ( # : %% ( #
Figure 53: Comparaison "taux de service et niveau moyen de stock" pour le modèle
industriel et le modèle HSS
T T
%
! D # 7 # # 3 E ) )) # +# ) ) #
# > @ # 1# /7N : 0-N ) # +# +
3 " ) 2 /%% 3 " ) 2
%-N
%7N
% N
%2N -2N
/2N
0N
02N
-N
2N
7N %22N
2N
%7 0 7 - /2 07 % %2 %% % -
N
Figure 54: Stock moyen modèle HSS vs Stock moyen modèle industriel
! D # )+ ) 3 E +# )
) # # + @ # 1# 3 E # # # +
#+ %*N #+ 1#, + # + %N
# 1# ) : # # # > /7N
% > ) 2 /%% % > ) 2

00N
0-N
07N
0 N
-2N
02N
/2N
/0N
02N
/-N 2N
/7N %22N
/ N
/2N
-0N
%7 0 7 - /2 07 % %2 %% % -
Figure 55: Taux de service moyen modèle HSS vs Taux de service moyen modèle industriel
T T
% -
< , $ $ ! , ' ! ! =% @ I 7?
! ) )1# <8J >= ) ) + ) <& G5 22 = 3 1#
# ) ) + ++ + + ) # ) )+ + J #
# > # # + *2 ) # # # 1# )# *
+ )+ # + , + ++ + +
! ) 3 # + ) # ) 1# > # 6
; )+ + % <8M%= " W : # # + +
3 : # 1#
; > +" ) S = m.(L + 1) + SS
X
m ;
L est le délai d’approvisionnement (49 jours)
SS = Θ−1 (TSL; 0 ;σ D ) est le stock de sécurité où TSL est le taux de service cible,
Θ −1 (TSL ; 0 ;σ D ) est la fonction inverse de la loi normale et σ D est l’écart-type de l’erreur de
prévision additive cumulative sur T+L.
J " ) >J
2 *3. >( 2 /%%
%22N
2N
02N
/2N
-2N
2N
22 *222 * 22 7222 7 22 222 22 -222
E 02N E 2N E %22N 8>
Figure 56: Comparaison "taux de service et niveau moyen de stock" pour le modèle
(T,sk)et le modèle HSS
5 ""+ #
+ # ++ + ) 1# ) ,# #
2N ) #(# 1#,: J N ) # # D # -J ) 1# <8J >=
) , +# ( #)+ # : # # ) +
E $ # + J # > ) 1# <8J >= #)+ # , % N ;
: # > #)+ # + , )) + + (# #+ : # "
1# + )+ "" J , # # # 1# ""+
) # ! )+ : <!M! 8 = # U
! )+ 3 . + # # # > )# + + ) + <8J >= 5
)# J + # + ) 1# + # + )+
1# + <8J >= , ))# # + # )+ )
) )# ) )# + ) , + # # > + # +
) # # # # + #
T T
% /
. - $
# : # J ))+ # # # , : + + : $
# + # # " ) # > ) # # ) " 1#
) # U + + + # + #)+ + # 1# +
! # # ) # +" ) 3 + # # 3 E
" #) " #) # : + # ! ) ) +U ) # "
""+ ) 3 1# ) " J ,+ # 1# + )+ J
) 3 + # :) ) "" J ) 3 + # ) #
+ # " #) " " W : : # # )
>\ # "" J 1# J + J # J
+# + # ) +1#
< $ $ , + &!
3< , $
! ) + ""+ ) " , "" # ) 3
+ # # ) " # "" J # ) + + ) "
""+ ! # ) # U +" J # + #
+ ) # > ) )
" ,+ # )+ # ! D # / )+ )
""+
:
!! !
222 222 222

% 22 % 22 % 22
% 222 % 222 % 222
22 22 22
%
0
0-
*7*
722
%%
%/
%
--
%*%
% -
-%
* -
* %
%
--
%*%
% -
-%
* -
* %
Demande à décroissance rapide

Demande aléatoire Demande croissance
puis stabilisation
Figure 57: Présentation de différents profils d'évolution de demande
2< ! + $"
$" , # " + #)) + : , # # J # "" ) +
# > ""+ ) " ,+ # )+ "" J 1# +
)+ # ) 3 ) # # >+ + 1# >
+ # + , ) " , # )+ # # @ # +
) + + + )+ )# # 1# + !,+ # 1# +
+" 3 1# # ) ) + ) : 3 + # " +
# # )
T T
% 0
0< ! ) + $$ , $
$" , # # # , ) # )# ) J
" # + , )) ) ! # ))
+ # "# ) ) # # + , )) $ J ,+ # #
) V + ) V # >) # U + +
A< , %, ! '
" J > :) ) ) J # ) 3 +
" $ J ) 3 , A + # <K= ) # U # #
<8 != @ # ) # " ) 3 " ) # )
+# # + # + # : )
(< $ $ %! ,%! $
@ # )+ +# # 1# # )
+ # " ) # # # J #
" ) 3 + # # 3 )+
" 1# + , )) " +:7 ( #
3< .. ! + $ J % %$ , $ $$ $ B11
3111
; > !! 2 L
- 222
% 222
222
022
7 222
-22
* 222
722 222
22 % 222
% %% % *% 7% % -% /% 0% % %2% %%% % % %*% %7% % % %-% %/% %0% % %
5 E 1# + # + %2 ( #
E 1# + # + * ( # E 1# + # + 2( #
D # 06 + + 4+ # # >) # ""+
) 3 + # K
! # # )+ +# # # # 6
Tableau 26: Présentation des résultats de la simulation d'une demande aléatoire dans l'intervalle [500;
1000]
jours d'historique 10 jours 35 jours 50 jours

taux de service 92% 97% 98%
stockage moyen 4210 4751 4986
T T
%
# # J# ) U + +6# 1# %2 ( #
, # ) # # #"" 1#,# 1# 2( # ) 1# # >
+ + ; 1# * ( # )# )+) # # + # )
#+ @ # # # ) # # >
2< .. ! + $ J % %$ , $ $ $ 311
3111
; > !! 2 L
22 22
722 222
*22 % 22
22 % 222
%22 22
2
% %% % *% 7% % -% /% 0% % %2% %%% % % %*% %7% % % %-% %/% %0% % %
5 E 1# + # + %2 ( #
E 1# + # + * ( # E 1# + # + 2( #
D # 6 + 4+ # # >) # ""+
) 3 + # K
@ # )+ # U +# 1# ) + +
Tableau 27: Présentation des résultats de la simulation d'une demande croissante dans l'intervalle [100;
1000]

# # J # " # # 1#
%2 ( # J # 0 N # 5 :J # ) + #
)# ) # ) ) , 1# + # + )# : 2
( # "" J J # )+ 1# +
, # . " # ) + # + # )# ) , 1# ) )
) #)# 1#
T T
%*2
0< .. ! + $ J % %$ , $ $ $ 311
3111
; > !!
2 L
- 222
%222
222
022
7 222
-22 * 222
722 222
22 % 222
2
% %% % *% 7% % -% /% 0% % %2% %%% % % %*% %7% % % %-% %/% %0% % %
5 E 1# + # + %2 ( #
E 1# + # + * ( # E 1# + # + 2( #
Figure 60: Présentation de la demande décroissante et de l'évolution du stock pour différents

paramètres de sécurisation
+# #
Tableau 28: Présentation des résultats de la simulation d'une demande décroissante dans l'intervalle
[100; 1000]

# ,# J , # )+ #
+ 5 :J , +# + ) , #
+ # # " /N < ) # =J J
# 1# * ( # #"" @ # # # # > # ) # (# ) #
" : ( " # 5 :J , 1# 2( # #
# )+ ) ) 1# # . )#
+ 1# )# #
T T
%*%
!
$ !% $
! + # ) # ) # :
# )# )# # # # ! ) 3 1# , #
, )) + + # # #
# 1# # ) # U # # ) + + ) #
# ) V # , # " " : ( # J #
# + + "" #+ # 3 + @+ J
# : # #( )) # #
)+ ! 1# < + )) < JB=J <8J = = "
) "" " # )) : + ) 1# # 1#
) 1#
@ # ## # # ) )) # + # +
"# # )+ " 1# # # #
! ) 3 # ) )+ ) 1# ) "# 1#
# ) 1# ) ) ) # # : J
# # # # # # )
(# " # $) 3 ,+ # # ) # #( J # )+ +
3 " # 1# # ) ) + ) +# #
3 # 3 1# ) <8J =J # <8J >= + # + )
$ @ # )# + +" 1# ) # )+ ,# ,# + #
1# ) ) )+ ,+ # # 1# + )
+ " J # # ) ) )+ ,# # #
) + ,+ # # > " ,# + # ## ,# ) "
+ + # ) # # # : + )
1# ) + # # + # , )) ++
T T
%*
< $ !% $"
! + # # # #) + #+ # 3 + $ # +
)# )# + J "# # ) )
+ ) 1# ) ) ) )# )# ) B# ) #
" # 3 ) 3 ) 1# ) # ) # " J # )
) 1# ) + 3 ! # )+ : " ( # #
+ # ) " # 1# J , X , + U ) #
) #( # + " 1# # #
, + ) # ( " , "" # # # ) #
) "# )) )+ # ) 1#
) "#
@ # J J + ) ) 3 )+ # : ,
+ # J # # , + : "
"" + ) # 3 )+ @ # ) ) +# +
) , # + 3 )+ , + 1# + )+
# # ) + # + + )) 1#+ # # # J
A " A $ 9 1# + + ) #
5 # 3 J # # + + : +
, # )+ # ) ) + # 3 ) + , #
)+ " W )# " 1# 1# + # @ # ) ) + #
) + 6 + 1# ) # )+
# J ) ) ,+ # , # )+ "
, A )+ @ # + )+ +# + ) +
) 3 3 " ) # # " # # @ #
)) 1#+ # 3 )) $ #
+ , )) + # 1# + + , # )+
5 J # ) ) # + ) "# + #
)+ # )+ + < + E = 1# ) + #
)) " # )+ ) + + + )) 1#+ ) #
, )) "# $ ! ) + 1# # ) ) :
+ $ # 3 + # + +" 1#
) # )) + > # # :
+ # + # # + ) ,# " W
" # > # ) # # ( "
T T
%**
# J +# # ) + 1#
+ )+ )) # #
) + 1# ,# )) ) ) # 3 ; # 3
) 1# # ) ) , ) J #))
) # # ) , # )
1# +# + ))+ + )) # )
(< + "
! #)) #( # , #
) )+ # + # @ # )#
J )# 3 J + # 1#
)+ $#( # , # J 3 ) # + 3
)+ U # ) " ) # U 1#+ # # )
) # U + # : # )+ ,# #
1# # ,+ # ) # 1# )+ ) # ) #
3 ) # , 1# ! ) ) # # " # +
+ "" J ) J )# + J , "" ++
#( # , # # Z# ) + #) # 5 # 1# # +
# J # # + # 3 )+ )
# ""+ ) 3 , + < # # #) # J #) ) # #
#)) = . + ,+ # , ) + # 1# +
+ )+
! # 1# # )+ + ) ) + # # #) "#
)) )+ # , ) 3 1#, +
"" J ) "# + # 3 J #
# ))# # ) # ) # ) # ) ) # 3 )+
! ) ) , # # 1# + : + # U
3 # # 1# . ) # U ) ) + , #
# + , )) ) 3 , )) 5
)) J ) # ) 1# 1# , ) )
" + U 1# # , + ) 3 # #
J # ) + 1# 1# + )# # # > <
) ) <9 22%= <& G9 22 == !, # # 1# + +
) # + U ) ) # # ) # )+ " 1# #
# + #
5, # " # ) # ) # ) # # U ++
5 J # ) +# 3 ) + # 3 )+ )
) <& L % = ! > + # + 3 #+ # 6
SSE j = γ * SS j + (1-γ )* SSE j −1 X SS j
> + # + #+ ) # )+ ;
SSE j
> + # + + )+ ; + ) #
# # >
+ # + ! "" ) " + ) #
> + # + ! +# # ) + 1# + E J
# # 1# ) ) # + ,U )) "
T T
%*7
5,# ) # )# + 1# J ) ) # ""+ +
#)) ) # U # # ) "" J # # + :
,+ # ,# 3 + 5 U , + J ) ) #)
# )) # ) # # # " # # ) # " )
+ # 3 ) ) + ' ) # # 3 : # #
# > + # + 1# # ) + )) # )
J # # + 1# #) #
T T
%*
T T
%*-
/
Alguire, M.S., Frear, C.R. & Metcalf, L.E., 1994. An examination of the determinants of
global sourcing strategy. Journal of Business & Industrial Marketing, 9(2), p.62–74.
Alstrom, P. & Madsen, P., 1996. Tracking signals in inventory control systems A simulation
study. International journal of production economics, 45(1-3), p.293–302.
Arnold, U., 2000. Global Soucring: an indispensable element in worldwide competition.

European Journal of Purchasing & Supply Management, 6, p.14-28.
Arnold, U., 1989. Global sourcing: an indispensable element in worldwide competition.

Management International Review, p.14–28.
Aviv, Y., 2002. Gaining benefits from joint forecasting and replenishment processes: The
case of auto-correlated demand. Manufacturing & Service Operations Management, 4(1),
p.55.
Axsäter, S., 2006. Inventory control, Springer Verlag.

Babai, M. Z, Syntetos, A.A., Dallery, Y. & Nikolopoulos, K. , 2009. Dynamic re-order point
inventory control with lead-time uncertainty: analysis and empirical investigation.
Babai, M. Z. & Dallery, Y., 2009. Dynamic versus static control policies in single stage
production-inventory systems. International Journal of Production Research, 47, p.415-
433.
Babai, M. Z., 2005. Politiques de pilotage de flux dans les chaînes logistiques : impact de
l’utilisation des prévisions sur la gestion de stocks. Available at: http://tel.archives-
ouvertes.fr/tel-00275292/.
Bello, D.C., Lohtia, R. & Sangtani, V., 2004. An institutional analysis of supply chain
innovations in global marketing channels. Industrial Marketing Management, 33(1), p.57–
64.
Berkley, B.J., 1992. A review of the kanban production control research literature. Production
and Operations Management, 1(4), p.393–411.
Bermúdez, J.D., Segura, J.V. & Vercher, E., 2006. A decision support system methodology
for forecasting of time series based on soft computing. Computational statistics & data
analysis, 51(1), p.177–191.
Biggs, J.R. & Campion, W.M., 1982. The effect and cost of forecast error bias for multiple-
stage production-inventory systems. Decision Sciences, 13(4), p.570–584.
Birou, L.M. & Fawcett, S.E., 1993. International purchasing: Benefits, requirements, and
challenges. Journal of Supply Chain Management, 29(2), p.27–37.
De Bodt, M.A. & Wassenhove, L.N., 1983. Cost increases due to demand uncertainty in MRP
lot sizing. Decision Sciences, 14, p.345-362.
T T
%*/
Bourbonnais, R. & Usunier, J.-C., 2007. Prévision des ventes: Théorie et pratique 4e éd. ,
Economica.
Box, G.E.P., Jenkins, G.M. & Reinsel, G.C., 1976. Time series analysis: forecasting and
control, Holden-day San Francisco.
Boylan, J. E & Syntetos, A. A, 2010. Spare parts management: a review of forecasting

research and extensions. IMA Journal of Management Mathematics, 21(3), p.227.
Bozarth, C., Handfield, R. & Das, A., 1998. Stages of global sourcing strategy evolution: an
exploratory study. Journal of operations management, 16(2-3), p.241–255.
Bradley, J.R. & Robinson, L.W., 2005. Improved base-stock approximations for indepedndent
stochastic lead times with order crossover. 2005, 7(4), p.319-329.
Brown, R.G., 1959. Statistical Forecasting for Inventory Control, McGraw-Hill, New York.
Buzacott, J.A., 1989. Queueing models of Kanban and MRP controlled production systems.
Engineering Costs and Production Economics, 17(1-4), p.3-20.
Buzacott, J.A. & Shanthikumar, J.G., 1994. Safety Stock versus Safety Time in MRP
Controlled Production Systems. Management Science, 40(12), p.1678-1689.
Buzacott, J.A. & Shanthikumar, J.G., 1993. Stochastic models of manufacturing systems,
Prentice Hall Englewood Cliffs, NJ.
Buzacott, J.A. & Shanthikumar, J.G., 1989. Stochastic Models of Single Stage MRP-
Controlled Production Systems, Working Paper, University of Waterloo, Canada.
Carter, J. & Narasimhan, R., 1990. Purchasing in the international marketplace: Implications
for operations. International journal of purchasing and materials management, Summer,
p.2-11.
Chandra, C. & Grabis, J., 2005. Application of multi-steps forecasting for restraining the
bullwhip effect and improving inventory performance under autoregressive demand.
European Journal of operational research, 166(2), p.337–350.
Chen, A., Hsu, C.H. & Blue, J., 2007. Demand planning approaches to aggregating and
forecasting interrelated demands for safety stock and backup capacity planning.
International Journal of Production Research, 45(10), p.2269–2294.
Chen, F. et al., 2000. Quantifying the bullwhip effect in a simple supply chain: The impact of
forecasting, lead times, and information. Management science, p.436–443.
Chitturi, P. et al., 2010. Identification and classification of intermittent demand patterns.

International Journal of Productivity and Quality Management, 6(3), p.304–317.
Clark, A.J. & Scarf, H., 1960. Optimal policies for a multi-echelon inventory problem.
Management science, 6(4), p.475–490.
Cogger, K.O., 1973. Specification Analysis. Journal of the American Statistical Association,
p.899-905.
T T
%*0
Cook, T.A., 2007. Global sourcing logistics: how to manage risk and gain competitive
advantage in a worldwide marketplace, AMACOM Div American Mgmt Assn.
Croston, J.D., 1972. Forecasting and Stock Control for Intermittent Demands. Operational
Research Quarterly (1970-1977), 23(3), p.289-303.
Dallery, Y. & Liberopolous, G., 2000. Extended kanban control system: combining kanban
and base stock. IIE Transactions, 32, p.369–386.
Das, A. & Handfield, R.B., 1997. Just-in-time and logistics in global sourcing: an empirical
study. International Journal of Physical Distribution & Logistics Management, 27(3/4),
p.244–259.
Das, S.K.&Abdel-Malek, L., 2003. Modeling the flexiility of order quantities and lead-times
in supply chains. International Journal of Production Economics, 85(2), p.171–181.
Davis, T., 1993. Effective supply chain management. Sloan management review, 34, p.35–35.
Dolgui, A. & Prodhon, C., 2007. Supply planning under uncertainties in MRP environments:
A state of the art. Annual Reviews in Control, 31(2), p.269–279.
Dornier, P.P. et al., 2008. Global operations and logistics: Text and cases, Wiley-India.
Eaves, A.H.C. & Kingsman, B.G., 2004. Forecasting for the ordering and stock-holding of
spare parts. Journal of the Operational Research Society, 55(4), p.431–437.
Enns, S.T., 2002. MRP performance effects due to forecast bias and demand uncertainty.
European Journal of Operational Research, 138(1), p.87–102.
Ericsson, N.R. , B. of G. of the F.R.S., 2001. Forecast uncertainty in economic modeling,

Board of Governors of the Federal Reserve System.
Ettlie, J.E. & Sethuraman, K., 2002. Locus of supply and global manufacturing. International
Journal of Operations & Production Management, 22(3), p.349–370.
Fawcett, S.E., Birou, L.M. & Cofield, T.B., 1993. Supporting global operationw through
logistics and purchasing. International Journal of Physical Distribution & Logistics
Management, 23(4), p.3-11.
Fildes, R. et al., 2008. Forecasting and operational research: a review. Journal of the
Operational Research Society, 59(9), p.1150–1172.
Fleischmann, B., Meyr, H. & Wagner, M., 2002. Supply Chain Management & Advanced
Planning. Dans Berlin: Springler.
Flores, B.E., 1986. A pragmatic view of accuracy measurement in forecasting. Omega, 14(2),
p.93–98.
Flores, B.E., Olson, D.L. & Pearce, S.L., 1993. Use of Cost and accuracy measures in
forecasting method selection: a physical distribution example. International Journal of
Production Research, 31(1), p.139-160.
Fraering, M. & Prasad, S., 1999. International sourcing and logistics: an integrated model.
T T
%*
Logistics Information Management, 12(6), p.451–460.
Frear, C.R., Metcalf, L.E. & Alguire, M.S., 1992. Offshore sourcing: its nature and scope.
International journal of purchasing and materials management, 28(5), p.2-11.
Frein, Y., Di Mascolo, M. & Dallery, Y., 1995. On the design of generalized kanban control
systems. International Journal of Operations & Production Management, 15(9), p.158–
184.
Fukuda, K., 2006. Time-Series Forecast Jointly Allowing the Unit-Root Detection and the
Box–Cox Transformation. Communications in Statistics—Simulation and Computation®,
35(2), p.419–427.
Galbraith, J.R., 1974. Organization design: An information processing view. Interfaces, 4(3),
p.28–36.
Ghobbar, A.A. & Friend, C.H., 2003. Evaluation of Forecasting methods for intermittent parts
demand in the field of aviation: a predictive model. Computer, 30(14), p.2097-2114.
Gicquel, C., Minoux, M. & Dallery, Y., 2008. Capacitated Lot Sizing models: a literature
review. Open Access Article hal-00255830, Hyper Articles en Ligne.
Golini, R. & Kalchschmidt, M., 2010. Moderating the impact of global sourcing on
inventories through supply chain management. International Journal of Production
Economics.
Grasso, E.T. & Taylor, B.W., 1984. A Simulation-based Experimental Investigation of

Supply\ Timing Uncertainty in MRP Systems. International Journal of Production
Research, 22(3), p.485–497.
Graves, S.C., 1999. A single-item inventory model for a nonstationary demand process.
Manufacturing & Service Operations Management, 1(1), p.50–61.
Graves, S.C., 1986. A tactical planning model for a job shop. Operations Research, p.522–
533.
Grogger, J., 2007. Markov forecasting methods for welfare caseloads. Children and Youth
Services Review, 29(7), p.900–911.
Gross, D. & Harris, C.M., 1973. Continuous-Review (s, S) Inventory Models with State-
Dependent Leadtimes. Management Science, p.567–574.
Guellue, R., 1996. On the value of information in dynamic production/inventory problems

under forecast evolution. Naval Research Logistics (NRL), 43(2), p.289–303.
Gupta, A. & Maranas, C.D., 2003. Managing demand uncertainty in supply chain planning.
Computers & Chemical Engineering, 27(8-9), p.1219–1227.
Hadley, G. & Whitin, T.M., 1963. Analysis of inventory systems. 1963, Prentice-Hall,
Englewood Cliffs, NJ.
Handfield, R.B., 1994. US global sourcing: patterns of development. International Journal of

Operations & Production Management, 14(6), p.40–51.
T T
%72
Hautaniemi, P. & Pirttila, T., 1999. The choice of replenishment policies in an MRP
environment. International Journal of Production Economics, 59(1-3), p.85–92.
Heath, D.C. & Jackson, P.L., 1994. Modeling the evolution of demand forecasts with
application to safety stock analysis in production/distribution systems. IIE Transactions-
Industrial Engineering Research and Development, 26(3), p.17–30.
Hong, J.-D. & Hayya, J.C., 1999. On integrated production-replenishment policies in single-
stage manufacturing. Computers & Operations Research, 26(5), p.505-523.
Hua, Z. & Zhang, B., 2006. A hybrid support vector machines and logistic regression
approach for forecasting intermittent demand of spare parts. Applied Mathematics and
Computation, 181(2), p.1035–1048.
Humphreys, P., Mak, K.L. & Yeung, C.M., 1998. A just-in-time evaluation strategy for
international procurement. Supply Chain Management: An international Journal, 3(4),
p.175-186.
Iglehart, D.L., 1964. The dynamic inventory problem with unknown demand distribution.
Management Science, p.429–440.
Jans, R. & Degraeve, Z., 2007. Meta-heuristics for dynamic lot sizing: A review and
comparison of solution approaches. European Journal of Operational Research, 177(3),
p.1855–1875.
Johnston, F.R. & Boylan, John E., 1996. Forecasting for items with intermittent demand.
Journal of the Operational Research Society, p.113-121.
Kalapanidas, E. & Avouris, N., 2003. Feature selection for air quality forecasting: a genetic
algorithm approach. AI Communications, 16(4), p.235–251.
Kang, S., 1991. An introduction of the use of feed forward neural networks for forecasting.
Ph. D. Thesis, Kent State University.
Karlin, S., 1960. Dynamic inventory policy with varying stochastic demands. Management
Science, p.231–258.
Kimura, O. & Terada, H., 1981. Design and analysis of pull system, a method of multi-stage
production control. International Journal of Production Research, 19, p.241–53.
Kotabe, M. & Murray, J.Y., 1990. Linking product and process innovations and modes of
international sourcing in global competition: A case of foreign multinational firms. Journal
of International Business Studies, Vol. 21 (3). p.383–408.
Kotabe, M. & Swan, K.S., 1994. Offshore sourcing: reaction, maturation, and consolidation
of US multinationals. Journal of International Business Studies, <%=. p.115–140.
Lai, F., Zhao, X. & Lee, T., 2006. Selecting forecasting model parameters in Material
Requirement Planning systems. International Journal of Internet and Enterprise
Management, 4(4), p.331–354.
Lapide, L. 2006. Top-down & Bottom-up forecasting in S&OP. The journal of business, 1.
T T
%7%
Lawrence, M. et al., 2006. Judgmental forecasting: A review of progress over the last 25
years. International Journal of Forecasting, 22(3), p.493–518.
Lee, H.L., Padmanabhan, V. & Whang, S., 1997. Information distortion in a supply chain: the
bullwhip effect. Management science, Vol. 43 (4). p.546–558.
Lee, H.L., So, K.C. & Tang, C.S., 2000. The value of information sharing in a two-level
supply chain. Management science, p.626–643.
Lee, T.S. & Adam Jr, E.E., 1986. Forecasting error evaluation in material requirements
planning (MRP) production-inventory systems. Management Science, p.1186–1205.
Liang, W.Y. & Huang, C.C., 2006. Agent-based demand forecast in multi-echelon supply
chain. Decision Support Systems, 42(1), p.390–407.
Liu, M.L. & Sahinidis, N.V., 1997. Process planning in a fuzzy environment. European
Journal of Operational Research, 100(1), p.142–169.
Luna I.&Ballini R., 2011. Top-down strategies based on adaptive fuzzy rule-based systems
for daily time series forecasting, International Journal of Forecasting, 27, p. 708–724
MacCarthy, B.L. & Atthirawong, W., 2003. Factors affecting location decisions in
international operations – a Delphi study. International Journal of Operations &
Production Management, 23(7), p.794-818.
Makridakis, S., 1986. The art and science of forecasting An assessment and future directions.
International Journal of Forecasting, 2(1), p.15–39.
Makridakis, S. et al., 1982. The accuracy of extrapolation (time series) methods: Results of a
forecasting competition. Journal of Forecasting, 1(2), p.111-153.
Meijboom, B. & Vos, B., 1997. International Manufacturing and location decisions:
Balancing configuration and coordination aspects. International Journal of Operations &
Production Management, 17(8), p.790-805.
Meixell, M.J. & Gargeya, V.B., 2005. Global supply chain design: A literature review and
critique. Transportation Research Part E: Logistics and Transportation Review, 41(6),
p.531–550.
Min, H. & Galle, W., 1990. International purchasing strategies of multinational US firms.
International journal of purchasing and materials management, 27(3), p.9-18.
Minner, S., 2003. Multiple-supplier inventory models in supply chain management: A review.
International Journal of Production Economics, 81, p.265–279.
Monczka, R. M et al., 2010. Purchasing and supply chain management, Cengage Learning
EMEA.
Monczka, Robert M. & Guinipero, L.C., 1984. International purchasing: characteristics and
implementation. International journal of purchasing and materials management, 20, p.2-9.
Monczka, Robert M. & Trent, R.J., 1992. Worldwide sourcing: Assessment and execution.
T T
%7
International journal of purchasing and materials management, p.9-19.
Mula, J. et al., 2006. Models for production planning under uncertainty: A review.
International Journal of Production Economics, 103(1), p.271-285.
Narasimhan, R. & Carter, J.R., 1990. Organisation, communication and co-ordination of

international sourcing. International Marketing Review, 7(2).
Nassimbeni, G., 2006. International sourcing: Empirical evidence from a sample of Italian
firms. International Journal of Production Economics, 103(2), p.694–706.
Orlicky, J.A., 1974. Material requirements planning: the new way of life in production and
inventory management, McGraw-Hill, Inc.
Plenert, G., 1999. Focusing material requirements planning (MRP) towards performance.
Prasad, S. & Babbar, S., 2000. International operations management research. Journal of
Operations Management, 18(2), p.209.
Quintens, L., Pauwels, P. & Matthyssens, P., 2006. Global purchasing: State of the art and
research directions. Journal of purchasing and supply management, 12(4), p.170–181.
Raghunathan, S., 2001. Information sharing in a supply chain: A note on its value when
demand is nonstationary. Management Science, p.605–610.
Regattieri, A. et al., 2005. Managing lumpy demand for aircraft spare parts. Journal of Air
Transport Management, 11(6), p.426–431.
Roberts, S. & Whybark, D.C., 1974. Adaptive forecasting techniques. International Journal
of Production Research, 12(6), p.635-645.
Robinson, L.W., Bradley, J.R. & Thomas, L.J., 2001. Consequences of Order Crossover
Under Order-Up-To inventory Policies. , 3(3), p.175-188.
Saarenketo, S., Puumalainen, K. & Kyläheiko, K., 2004. Dynamic knowledge-related learning
processes in intrernationalizing high-tech SMEs. International Journal of Production
Economics, 89(3), p.363-378.
Sani, B. & Kingsman, B.G., 1997. Selecting the best periodic inventory control and demand
forecasting methods for low demand items. Journal of the Operational Research Society,
p.700–713.
Sastri, T., Flores, B. & Valdes, J., 1989. Detecting points of change in time series. Computers
& Operations Research, 16(3), p.271–293.
Scarf, H., 1959. Bayes solutions of the statistical inventory problem. The Annals of
Mathematical Statistics, 30(2), p.490–508.
Schreuder, H. & Klaassen, J., 1984. Confidential revenue and profit forecasts by management
and financial analysts: evidence from the Netherlands. Accounting Review, p.64–77.
Shah, M. et al., 2009. Improving the effectiveness of traditional demand planning systems.
T T
%7*
Shiskin, J., 1964. Les signaux indicateurs des recessions et des reprises. Gauthiers-Villars.
Silver, E.A. & Peterson, R., 1985. Decision systems for inventory management and
production planning.
Simchi-Levi, D., Kaminsky, P. & Simchi-Levi, E., 2000. Designing and Manging the Supply
Chain, Boston: McGraw-Hill Boston, MA.
Simpson, N.C., 2001. Questionning the relative virtues of dynamic lot sizing rules. Computers
& Operations Research, 28, p.899-9-4.
Smith, M. & others, 1999. Item selection for global purchasing. European Journal of
Purchasing & Supply Management, 5(3-4), p.117–127.
Snyder, R., 2002. Forecasting sales of slow and fast moving inventories. European Journal of
Operational Research, 140(3), p.684–699.
Spekman, J., Spear, J. & Kamuff, J., 1999. Towards more effective sourcing and supplier
management. European Journal of Purchasing & Supply Management, 5, p.103-116.
Stadtler, H., 2005. Supply chain management and advanced planning–basics, overview and
challenges. European journal of operational research, 163(3), p.575–588.
Stadtler, H. & Kilger, C., 2005. Supply chain management and advanced planning: concepts,
models, software and case studies, Springer Verlag.
Stratton, R. & Warburton, R.D.., 2006. Managing the trade-off implications of global supply.
International Journal of Production Economics, 103(2), p.667–679.
Sugimori, Y. et al., 1977. Toyota production system and Kanban system: Materialization of
just-in-time and respect-for-human system. International journal of production research.
Swamidass, P.M., 1993. Import sourcing dynamics: An integrative perspective. Journal of

International Business Studies, p.671–691.
Sweeney, M.T., 1994. A methodology for the strategic management of international

manufacturing and sourcing. The international Journal of Logistics Management, 5(1),
p.55-65.
Syntetos, A. A., Boylan, J. E. & Croston, J.D., 2004. On the categorization of demand
patterns. Journal of the Operational Research Society, 56(5), p.495–503.
Syntetos, A. A., Boylan, J. E. & Croston, J.D., 2005. On the Categorization of Demand
Patterns. Journal of the Operational Research Society, p.495–503.
Syntetos, A. A. & Boylan, J. E., 2001. On the bias of intermittent demand estimates.
International Journal of Production Economics, 71(1-3), p.457–466.
Syntetos, Aris A. & Boylan, John E., 2005. The accuracy of intermittent demand estimates.
International Journal of Forecasting, 21(2), p.303-314.
Tanwari, A.U. & Betts, J., 1999. Impact of forecasting on demand planning. production, 40,
T T
%77
p.31-35.
Teunter, R. & Sani, B., 2009. On the bias of Croston’s forecasting method. European Journal
of Operational Research, 194(1), p.177–183.
Toktay, L.B. & Wein, L.M., 2001. Analysis of a forecasting-production-inventory system

with stationary demand. Management Science, p.1268–1281.
Trent, R.J. & Monczka, Robert M., 2003. Understanding integrated global sourcing.
International Journal of Physical Distribution & Logistics Management, 33(7), p.607-629.
Tyagi, R., 2002. How to evaluate a demand planning and forecasting package. Supply Chain
Management Review, p.43-56.
Vapnik, V.N., 2000. The nature of statistical learning theory, Springer Verlag.
Vickery, S.K., 1989. International sourcing: implications for just-in-time manufacturing.

Production and Inventory Management Journal, 30(3), p.66-72.
Vollmann, T.E., Berry, W.L. & Whybark, D.C., 2005. Manufacturing planning and control
systems for supply chain management, McGraw-Hill Companies.
Voudouris, C. et al., 2006. ARMS: An automated resource management system for British
Telecommunications plc. European journal of operational research, 171(3), p.951–961.
Wallis, K.F., 2008. Forecast uncertainty, its representation and evaluation. Econometric
Forecasting and High-Frequency Data Analysis, 13, p.1–51.
Whybark, D.C. & Williams, J.G., 1976. Material requirements planning under uncertainty.
Decision Sciences, 7(4), p.595–606.
Willemain, T.R., Smart, C.N. & Schwarz, H.F., 2004. A new approach to forecasting
intermittent demand for service parts inventories* 1. International Journal of Forecasting,
20(3), p.375–387.
Willemain, T.R. et al., 1994. Forecasting intermittent demand in manufacturing: a

comparative evaluation of Croston’s method. International Journal of Forecasting, 10(4),
p.529–538.
Williams, T.M., 1984. Special products and uncertainty in production/inventory systems* 1.

Wilson, R.H., 1934. A scientific routine for stock control. Harvard business review, 13(1),
p.116–129.
Womack, J. & Jones, D.T., 1996. Lean Thinking Rawson Ass., New York.
Wood, D.F., 2002. International logistics, AMACOM/American Management Association.
Wright, D.J., 1986. Forecasting data published at irregular time intervals using an extension
of Holt’s method. Management science, p.499–510.
Zhang, G. et al., 1998. Forecasting with artificial neural networks: The state of the art.
T T
%7
International Journal of Forecasting, 14(1), p.25-62.
Zhang, G.P. & Qi, M., 2005. Neural network forecasting for seasonal and trend time series.
European journal of operational research, 160(2), p.501–514.
Zipkin, P.H., 2000. Foundation of Inventory Management, USA: McGraw-Hill.
T T
%7-

2013 09 24thibault-Hubert

Uploaded by

Copyright:

Available Formats

You might also like

2013 09 24thibault-Hubert

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

2013 09 24thibault-Hubert

Uploaded by

Copyright:

Available Formats

! "# $ $ % !

(< &5 . + ! $ ! $ &% $

Figure 1: Place de la prévision dans la chaine logistique globale

Figure 2: Etapes de réalisation de la prévision des ventes

Figure 3: Les différentes méthodes de prévision

Figure 4: Les piliers d'un outil de prévisions

! " < 22 = ) # " 1# ,

Tableau 2: Classification de Ghobbar

' 1# 1# "+ 1# + "

Présence d'un historique de demande du produit

Existence produit similaire

Figure 5: Algorithme de choix du modèle de prévision

Figure 6:Phase d'initialisation de l'algorithme de choix du modèle

! ) 3 : +" " + ) 1# ## ) # "

Figure 7: Phase d'utilisation de l'algorithme de choix du modèle de prévision

; " +" \ #J , ( " U , ) ,# ) +

Figure 9: Schéma logistique de la plate forme de cross-docking

' ' () *"

usine 1 usine 2 usine 3 usine 4 usine 5 flux aval total

Moyenne mobile 28% 47% 21% 20% 3060% 20%

Figure 10: Algorithme de classification des cas de changement de modèle

qualité moyenne de prévision avec

qualité moyenne de prévision avec

Tableau 9: Analyse de la qualité des prévisions suivant la méthode utilisée

! )3 #)3 ,# # <) 1# " J # J) #J =

Tableau 10: Catégories de pièces de rechanges en fonction du type de demande et de la famille

Figure 11: Schéma logistique de distribution des pièces de rechanges

Produit en Produit en fin Produits Fortes Moyenne

Moyenne mobile 51% 34% 143% 33% 44%

Lissage simple 49% 34% 124% 31% 42%

Lissage double 65% 39% 207% 38% 55%

Lissage triple 14143% 41% 205% 172% 2603%

demande moyenne 265 5 888 14 969 17 269 12 698

Produit en Produit en fin Produits Fortes Moyenne

Historique des prévisions

Figure 12: Prévisions et incertitudes prévisionnelles

Figure 13: Fiabilisation de la prévision par la mise en place de l'incertitude prévisionnelle

Figure 14: Bullwhipeffect ou effet coup de fouet

5, ) 3 <5 # G 22/= , # # # 3 # "" #

< ! & !%"

! "" # + # 3 ) + "" & @ #

Figure 15: Valeur absolue de l'erreur de prévision en fonction de la prévision pour

Figure 17: Illustration de l'hypothèse de prévision non biaisée (1)

Figure 18: Illustration de l'hypothèse de prévision non biaisée (2)

Figure 19: Tracer de la droite de tendance modélisant l'incertitude

Figure 21: Evolution de l'incertitude modèle « Exponentiel max »

EFU µ ,ρ (t , k ) = µ . FU 1 (t ).(1 − e ρ . k ) < 3 F ) % H=

Figure 22: Evolution de l'incertitude prévisionnelle en fonction de l'horizon d'extrapolation

Figure 27: Le pilotage de flux dans la chaîne logistique

Figure 28: Schéma d'une politique de gestion des stocks classique

Figure 31: Evolution du stock avec la politique (s,S)

Figure 32: Evolution du stock dans la politique (T,r,S)

@B? ! =% @31 12?

Figure 33: Evolution du stock dans la politique (T,r,Q)

Cycles des cartes

Carte détachée Carte attachée

Stock de pièces avec cartes Accumulation de cartes

Accumulation de demandes non satisfaites Point de contrôle

Figure 34: La politique Kanban dans un système à deux étages

% %% % % 7% % -% /% 0% % %2% %%% % % %% %7% % % %-% %/% %0% % %