Effet “coup de fouet” dans la chaîne d’approvisionnement des semi-conducteurs

La direction de la chaîne d’approvisionnement d’Infineon, un gros fabricant de semi-conducteurs, voulait étudier l’effet coup de fouet affectant son marché afin de diminuer les dépenses et de mieux prévoir le comportement du marché. A l’aide du logiciel AnyLogic, elle a construit un modèle de chaîne d’approvisionnement, depuis les matières premières jusqu’au marché.


Problématique :




L’effet Semiconductor Supply Chain Demand Fluctuation coup de fouet (ou amplification de la variation de la demande) désigne la propagation de variations de plus en plus grandes des stocks en réponse aux changements de la demande qui affecte les entreprises en amont de la chaîne d’approvisionnement d’un produit. Par exemple, dans la chaîne d’approvisionnement des semi-conducteurs, la demande fluctue bien davantage au point de production qu’à la sortie du produit final. Le secteur des semi-conducteurs est très sensible aux problèmes extérieurs. L’équipe innovations de la chaîne d’approvisionnement Infineon voulait explorer les points suivants :

  • Quelle était la nature de l’effet coup de fouet dans leur chaîne d’approvisionnement et quelles étaient ses formes extrêmes.
  • Quelle était la relation entre les fluctuations de la demande sur le marché et les fluctuations de la demande qu’ils reçoivent de leurs clients directs.

Solution :




Les modélisateurs ont créé des agents pour chaque acteur majeur de la chaîne d’approvisionnement et leur ont affecté des comportements en fonction du jeu de distribution de bière bien connu. Les marchandises transitaient depuis le fournisseur de matières premières vers le fabricant de semi-conducteurs (Infineon), puis vers le fournisseur de premier niveau, l’OEM (le fabricant final) et le marché. Les informations et les commandes se déplaçaient en sens inverse. Les modélisateurs ont défini le PIB et les données du marché réels comme signaux entrants. Enfin, ils ont recréé une structure interne simplifiée d’Infineon. L’agent Infineon a été séparé en deux entités :

  • La planification et le contrôle : la branche qui prend les décisions sur les capacités et effectue les prévisions et les commandes.
  • Le système de base : la branche qui gère les flux de matériaux et qui exécute les commandes.

Les agents, Infineon et le marché ont ensuite été reliés ensemble à l’aide de la méthode de simulation Discrete Event pour combiner un modèle hybride avec une structure hautement réaliste.


Tous les agents externes au fabricant de semi-conducteurs (Infineon) ont été modélisés à l’identique :

  • Les agents produisaient des informations génériques (le flux des informations était retardé dans la chaîne d’approvisionnement)
  • Les agents fonctionnaient selon deux états (anxieux et serein) déterminés par les niveaux des stocks :
  1. Les agents commandaient en excès lorsqu’ils étaient anxieux (+ 20 % de la demande)
  2. Les agents commandaient insuffisamment lorsqu’ils étaient sereins (- 50 % de la demande)

Résultats :




Les modélisateurs ont reproduit les comportements typiques des agents dans une chaîne d’approvisionnement affectée d’un effet coup de fouet.


Le modèle :

  • a permis d’analyser les situations particulières émergeant sur le marché, les conséquences de l’effet coup de fouet et l’amplification de la demande le long de la chaîne d’approvisionnement.
  • a été utilisé dans les formations internes de l’entreprise pour illustrer l’effet coup de fouet.
  • a servi de support de communication avec les clients afin d’établir une coopération dans la réduction de l’effet coup de fouet.

L’équipe innovations de la chaîne d’approvisionnement chez Infineon a donc eu recours au logiciel AnyLogic. Les spécialistes n’étaient pas familiers avec les logiciels de simulation ou la programmation avant ce projet, mais ils ont pu acquérir toutes les connaissances nécessaires grâce aux didacticiels AnyLogic disponibles. Ils ont choisi AnyLogic parce que ce logiciel leur permettait de combiner les approches de modélisation basée sur les agents et par événements discrets. L’équipe d’Infineon a estimé que c’était le principal avantage du logiciel, sans compter sa facilité d’utilisation.


Regardez la présentation de ce projet par Hans Ehm d’Infineon à la Conférence AnyLogic 2012 ou téléchargez cette présentation :



More Case Studies

  • Simulation de la logistique du rail interne du Port du Havre
    Le port du Havre avait besoin d’aide pour construire un nouveau terminal multimodal. Il s’agissait de simuler le transfert des conteneurs entre les trains / péniches fluviales et les autres terminaux existants, qui transféraient eux-mêmes ces conteneurs en direction ou en provenance du transport maritime.
  • Optimisation du réseau ferroviaire français
    Le gestionnaire du réseau ferroviaire national voulait savoir si le transport de fret par rail pouvait être compétitif face au transport par camions. Il voulait rendre le transport par la voie camion-rail-camion plus efficace.
  • Simulation de la construction d’un tunnel à l’aide d’un tunnelier
    Le coût d’une heure d’arrêt d’un tunnelier (machine de forage de tunnel) est habituellement élevé et les gestionnaires de projet doivent s’efforcer d’éviter les retards dans la construction. Le but du projet de simulation, qui a été mené à l’université Bochum de la Ruhr en Allemagne, consistait à créer un modèle de simulation capable de déterminer les goulots d’étranglement dans les processus de construction du tunnel, afin de minimiser les pertes financières potentielles.
  • Modélisation de la capacité d’une gare de triage
    Aurizon est le premier opérateur de fret ferroviaire d’Australie, à la tête de plus de 700 locomotives et 16 000 wagons. Aurizon prend en charge le transport du charbon, du minerai de fer et des minéraux à grand échelle. Afin d’augmenter l’efficacité opérationnelle, l’entreprise a décidé de déplacer l’une de ses gares de triage dans une autre ville. Cette gare de triage gérait essentiellement l’entretien des wagons et des locomotives, ainsi que la préparation des locomotives.
  • Sélection de la meilleure politique de gestion des stocks à l’aide de Gojii
    Les outils existants de gestion de la chaîne d’approvisionnement et les S&OP (Ventes et planning opérationnel) sont performants lorsqu’il s’agit de gérer l’approvisionnement afin de répondre à une «prévision» sélectionnée. Cependant, il n’y a pas de «prévision correcte» de la demande future, et les outils existants ne sont pas conçus pour sélectionner le meilleur niveau de demande pour l’entreprise. Il existe une «insuffisance d’outil» entre les données entrées sur les prévisions et la sélection du meilleur signal de demande (la "Prévision") pour gérer votre système S&OP. Gojii est l’outil créé par DecisioTech pour combler cette lacune.
  • Planification du réseau de distribution et optimisation du stock à l’aide de simulations
    Diageo est une entreprise multinationale britannique de boissons alcoolisées. Diageo Russie est l’un des cinq distributeurs majeurs de Russie de boissons alcoolisées en gros, une activité qui génère traditionnellement peu de marges, et dans laquelle le bénéfice est tributaire du niveau de service client et de coûts logistiques élevés. La société Diageo a cherché assistance auprès d’une société de conseil Amalgama, LLC, lorsqu’elle a dû faire face à une augmentation de son volume de ventes, sans pour autant réaliser de meilleurs profits du fait des coûts logistiques par unité.
  • Maximisation du revenu net par voyage d’une flotte de Bateau-pousseurs
    InterBarge, un opérateur nautique de première, affilié à SCF Marine, une partie du Groupe Seacor Holding, gère le fret le long de la voie fluviale HPP (Hidrovia Parana Paraguay, située en Argentine, au Paraguay, au Brésil et en Uruguay) au titre d’un contrat de transport dédié. Le défi de l’entreprise consistait à utiliser la capacité des bateaux non dédiée aux engagements contractuels comme une flotte, maximisant ainsi le revenu net par voyage.
  • Modélisation d’un réseau de transport centré sur le client
    La sphère des services de transports publics en Australie fait l’objet d’une transformation, afin de répondre à des changements démographiques. Afin de mieux répondre à ces nouveaux défis, les compagnies de transport publiques doivent comprendre le comportement de leurs réseaux du point de vue du consommateur.
  • CSX Solves Railroad Operation Challenges with and without AnyLogic Rail Library
    CSX is a US railroad company that operates about 21,000 route miles (34,000 km). AnyLogic allows the railroad industry users to simulate line-of-road, terminal, and yard problems. The following three projects, completed by CSX in 2014, covered a variety of tasks that were solved using AnyLogic software.
  • Simulation Modeling of Offshore Offloading System for Arctic Oil and Gas Condensate Field
    The Novoportovskoye oil and gas condensate field is located in the Yamal peninsula and owned by Gazprom Neft, the fourth largest oil producer in Russia. Oil from the field is transferred via 100km pipeline to the sea terminal at Cape Kamenny, where it is loaded into arctic cargo tanks for further transportation. The main issues in planning tanker transportation in an arctic region are the harsh ice environment and difficult sea conditions.