Problème
La société de conseils Sterling Simulation a été engagée par un géant pharmaceutique afin de créer un modèle de chaîne d’approvisionnement. Le client lançait un de ses produits sur de nouveaux marché et souhaitait visualiser la restructuration de la chaîne d’approvisionnement et comment elle réagirait face à l’incertitude en matière de demande. L’objectif de la société était de réduire le temps d’attente tout en préservant le taux de remplissage et en évitant les commandes en retard ou les ventes perdues. Le client désirait de disposer d’un outil d’hypothèses flexible du type »what – if », pour l’analyse d’atténuation des risques.
Solution
Le client avait développé auparavant un modèle de chaîne d’approvisionnement à évènement s discrets dans AnyLogic. Cependant, il manquait de flexibilité, car il était difficile d’y mettre en place de nouvelles conditions. Les ingénieurs de Sterling Simulation ont proposé une solution : bâtir un modèle hybride, qui combinerait des éléments de chaîne d’approvisionnement multi-agents avec des processus à évènements discrets. Le nouveau modèle était plus simple à configurer et à utiliser, car il permettait la construction rapide de la chaîne d’approvisionnement elle-même, mais aussi des processus à l’intérieur de chaque élément de celle-ci.
Le cœur du modèle incluait des agents, qui représentaient:
- Les installations de production, comportant un ou plusieurs processus et des ressources partagées.
- Les lignes de production, qui intégraient une logique de production et d’expédition.
- Les étapes du processus de production.
- Les types de lot avec dimensions préattribuées.
- Les demandes d’expédition pour les lots de produit.
Après le traitement initial, le modèle utilisait une planification MRP pour déterminer les besoins de production. Le modèle était impacté par la variabilité de la demande, car celle-ci créait des surplus ou pénuries dans les stocks de sécurité. À l’aide de ces résultats, les développeurs ont atteint les principaux objectifs du client, à savoir répondre à la demande et réduire les risques financiers et opérationnels.
Afin de déterminer s'il était nécessaire de produire ou non, le modèle calculait la somme de la demande actuelle et du stock de sécurité souhaité. Si le résultat était inférieur au stock actuel, la production n’était pas lancée, dans l’autre cas de figure, ils augmentaient les stocks et lançaient la production.
Pour valider le modèle, le client ne pouvait pas utiliser la chaîne d’approvisionnement existante, car elle n’incluait pas les nouveaux marchés. En mettant à profit la capacité de configuration du modèle, ils l’ont appliqué à une autre chaîne d’approvisionnement où ces données étaient disponibles, et ont montré que la logique du modèle fonctionnait correctement.
Conclusions
Le modèle a montré comment les techniques de réduction du temps d’attente permettaient de réduire les stocks au sein d'une chaîne d’approvisionnement pharmaceutique. La nature hybride du modèle a permis aux analystes de combiner des éléments de chaîne d’approvisionnement, y compris les installations et lignes de production, avec des caractéristiques de flux de production et d’expédition, offrant ainsi une grande flexibilité au modèle. Cela a en grande partie été rendu possible par les capacités de modélisation multi-méthodes d’AnyLogic, avec l’association d’approches à évènements discrets et celle du comportement des agents. Grâce à AnyLogic, le temps de développement du modèle a été grandement réduit.
Afin d’inclure davantage de dynamiques dans le modèle de chaîne d’approvisionnement et réaliser des expériences approfondies sur celui-ci, la société et le prestataire ont souhaité passer d’un modèle AnyLogic à un modèle anyLogistix, un logiciel spécialisé dans la conception et l’analyse des chaînes d’approvisionnement. Cette approche offre plus d’informations aux dirigeants de la société, notamment en cas d’agrandissement de la chaîne d’approvisionnement.
Présentation du projet par Scott Hebert, vice-président de Sterling Simulation:
