7/28/2019 25705

1/73

FABIN CID YEZ

VALUATION DES STRATGIES FLUX TIR ETFLUX POUSS DANS LA PRODUCTION DE BOIS

DUVREUne approche base sur des agents

Mmoire prsent la Facult des tudes suprieures de lUniversit Laval

dans le cadre du programme de matrise en sciences du boispour lobtention du grade de Matre s sciences (M.Sc.)

DPARTEMENT DE SCIENCES DU BOIS ET DE LA FORTFACULT DE FORESTERIE ET DE GOMATIQUE

UNIVERSIT LAVALQUBEC

2008

Fabin Cid Yez, 2008

7/28/2019 25705

2/73

i

Rsum

Lobjectif de ltude est dvaluer des stratgies en flux tir et flux pouss pour la

planification de la production en utilisant comme cas dtude une usine de sciage situe au

Qubec. Un outil de planification de la production (APS, Advanced Planning and

Scheduling System), bas sur une architecture logicielle distribue, simule les divers

processus de production et planification des oprations de la scierie (approvisionnement,

sciage, schage, rabotage, entreposage et distribution) en les reprsentant comme des agents

logiciels spcifiques. Pour les expriences, des configurations de pilotage dfinies par deux

facteurs contrlables sont utilises, savoir : la position du point de dcouplage et les

niveaux des contrats pour une famille de produits. Ensuite, des scnarios ont t dfinis par

deux facteurs non contrlables : la qualit de lapprovisionnement et le diffrentiel des prix

pour les produits viss par les contrats. Ces configurations et ces scnarios gnrent un plan

dexpriences de niveaux mixtes avec cinquante-quatre expriences. Pour chacun des 54

plans de production gnr par lAPS trois indicateurs de performance sont calculs : le

taux de service, le niveau de stock de produits en-cours et le profit potentiel de la

production (Potential Monetary Throughput). Les rsultats montrent une relation directe

entre le niveau de pntration du point de dcouplage, le flux tir et le taux de service, pourchaque niveau de demande des produits tirs par les contrats. Ainsi, une planification qui

incorpore le flux tir gnre en moyenne une augmentation de performance de 100% dans

le niveau de service, par rapport une planification en flux pouss pour tous les niveaux de

contrats. Cette augmentation de la performance du niveau de service a un cot financier

dapproximativement 7% du profit potentiel, lequel devrait tre compens par de meilleures

conditions des contrats (un premium pay sur le prix march) et des cots de stockage plus

bas. Ce compromis savre un rsultat direct de la divergence dans la production de

bois duvre. Ainsi, dans un contexte daffaires qui privilgie la qualit du service et o les

clients sont prts payer pour ce service, lutilisation de ces stratgies de planification de la

production, o le point de dcouplage est situ en amont de la chane, est une opportunit

possible davantage concurrentiel.

7/28/2019 25705

3/73

ii

Abstract

The objective of this study is the evaluation of pull and push strategies in lumber

production planning using a Quebec sawmill as case study. An Advanced Planning and

Scheduling System (APS), based on a distributed software architecture, simulates the main

operations planning and production processes of the sawmill (sourcing, sawing, drying,

finishing, warehousing and delivery) representing them as autonomous software agents.

Push and pull strategies are simulated using different penetration positions of the demand

information decoupling point over the value chain. To set experiments, configurations are

defined by two controllable factors, namely: the decoupling point position and the level of

contracts for a product family. Following, a set of scenarios are generated by two

uncontrollable factors: the quality of supply and market prices differential for products

under contracts. These configurations and scenarios leads to a mixed levels experimental

design with fifty four runs. Three performance indicators: orders fill rate, work in process,

and potential monetary throughput; are calculated for every one of the 54 production plans

generated by the APS. Results show a direct relation between the orders fill rate and the

position of the decoupling point, pull strategy, for the three levels of demand on products

under contract. Accordingly, at every demand level, production plans under pull strategiesgenerate improvements of 100% compared with equivalent plans under push strategy. This

service level performance improvement has a financial cost of about 7% of the Potential

Monetary Throughput which should be compensated externally with better contract

conditions and internally by lower costs of inventory management. This trade-off seems to

be a direct consequence of the divergent nature of lumber production. Consequently, in a

business context that privileges service quality and where customers are willing to pay for

it, the use of this kind of demand driven strategies in production planning represents a

source of competitive advantage.

7/28/2019 25705

4/73

iii

Avant-propos

Ce mmoire, crit en modalit dinsertion darticle, comprend une introduction, deux

chapitres et une conclusion gnrale. Le premier chapitre prsente une revue de littrature

approfondie sur le sujet trait dans larticle et elle est complmentaire celui-ci. Le

deuxime chapitre est compos de larticle intitul Agent-Based Simulation and Analysis

of Demand-Driven Production Strategies in the Lumber Industry . Cet article a t accept

dans International Journal of Production Research. Larticle est cocrit avec Jean-Marc

Frayret, Franois Lger et Alain Rousseau. Dr. Frayret est membre du Consortium FORAC

et professeur adjoint au Dpartement de mathmatique et gnie industrielle de lcole

polytechnique de Montral. Il a particip en tant que directeur de recherche, rviseur et

correcteur des manuscrits. Dr. Franois Lger, professeur associ au Dpartement de gnie

mcanique et celui des sciences du bois et de la fort de lUniversit Laval, est co-auteur

de par son support en tant que codirecteur de recherche. Enfin, M. Rousseau a collabor en

tant que directeur des projets industriels au Consortium de recherche FORAC et principal

responsable du dveloppement de loutil de planification. La responsabilit de mener

terme ce projet reposait sur le candidat qui prsente ce mmoire. Les rsultats de ce travail

ont t prsents dans deux congrs (Forest Products Society 59th International Conventionet 19th International Conference on Production Research).

Arriv ce point cest le moment prcis, et prcieux, pour remercier toutes les personnes et

entits qui ont contribu la ralisation et au succs de ce qui est faonn dans ce mmoire

et capitalis dans mon exprience.

Tout dabord, cest loccasion de reconnatre leffort dploy par mon directeur pour arriver

bon port avec ce projet. Jean-Marc, je suis trs reconnaissant des sacrifices que tu as faits

pour me soutenir dans cette tche, merci. Ces remerciements je les adresse aussi Alain

Rousseau et M. Lger : merci particulirement pour votre temps et votre support. Je

remercie aussi Sophie DAmours pour avoir eu la vision de donner naissance au

Consortium Forac et la force de caractre pour le faire vivre.

7/28/2019 25705

5/73

ivTout au long du projet jai ctoy des personnes qui ont su prendre le temps de maider. Je

les remercie, en commenant par lquipe Forac en gnral et Pascale Plamondon en

particulier, pour leur travail toujours professionnel et leur humour naturel, toujours a flor

de piel . Je tiens aussi remercier Forintek et Francis Fournier en particulier pour son

support avec Optitek. En mme temps, en la personne dYves Lemieux, je veux faire

extensifs mes remerciements la compagnie et aux personnes qui mont accueilli et ont

facilit laccs aux donnes pour configurer notre tude de cas. Jaimerais aussi remercier

le personnel enseignant et de support au Dpartement de sciences du bois et de la fort de

lUniversit Laval pour nous aider faire de la vie dtudiant une exprience enrichissante.

Dans le domaine plus personnel, je veux tmoigner dune reconnaissance spciale aux

copains dtudes que jai eu la chance de rencontrer lors de ces tudes de matrise. Leur

courage est toujours un exemple motivant pour avancer dans ce chemin, leur compagnie un

souvenir qui maccompagnera toujours. Comment ne pas se sentir chanceux de se promener

en Chine, Iran ou Brsil tout en profitant du terroir qubcois ? Je repars de cette aventure

avec un beau nombre damis.

Finalement, ma gratitude pour toi Fabienne, qui ma accompagn, soutenu et rjoui tout au

long de cette belle priode.

7/28/2019 25705

6/73

Pour tous ceux qui mont donn leur temps,pour marcher, pour apprendre, pour rire,

pour aimer et pour vivre.

7/28/2019 25705

7/73

vi

Table des matires

Rsum.....................................................................................................................................iAbstract .................................................................................................................................. ii

Avant-propos ........................................................................................................................ iiiTable des matires .................................................................................................................viListe des tableaux................................................................................................................. viiListe des figures .................................................................................................................. viiiIntroduction.............................................................................................................................1Chapitre 1. Stratgies de pilotage des flux de production : revue de littrature................4

1.1 Dynamique des flux de matires dans la chane de cration de valeur...................51.2 Stratgies pour planifier et piloter les flux de production : pousser ou tirer?.........9

1.2.1 Techniques dimplmentation des stratgies ................................................121.2.2 Outils de recherche et dapplication industrielle ..........................................14

1.3 Planification de la production de bois duvre ....................................................20

Rfrences.............................................................................................................................22Chapitre 2. Agent-Based Simulation and Analysis of Demand-Driven ProductionStrategies in the Lumber Industry.........................................................................................28

2.1 Abstract.................................................................................................................282.2 Rsum..................................................................................................................292.3 Introduction...........................................................................................................292.4 Research context ...................................................................................................31

2.4.1 Characterization of the lumber production process ......................................312.4.2 Production planning and control in the lumber industry ..............................332.4.3 Decoupling point strategies ..........................................................................35

2.5 Research objective, method, and tools..................................................................37

2.5.1 Introduction to supply chain simulation .......................................................382.5.2 Research objective and method overview ....................................................392.5.3 Experimentation platform .............................................................................40

2.6 Experimental case definition ................................................................................442.6.1 Sawmill case study modeling .......................................................................442.6.2 Modeling of the decoupling point positions .................................................45

2.7 Experimental design and simulation.....................................................................472.7.1 Experimental design .....................................................................................472.7.2 Performance measurement framework .........................................................49

2.8 Results and discussion ..........................................................................................522.8.1 Logistic performance ....................................................................................52

2.8.2 Financial performance ..................................................................................562.9 Conclusion ............................................................................................................592.10 Acknowledgements...............................................................................................60

Conclusion gnrale..............................................................................................................61Bibliographie ........................................................................................................................62

7/28/2019 25705

8/73

vii

Liste des tableaux

Tableau 1-1 : Caractristiques des stratgies de production avant et aprs le PDD, selonOlhager (2003)..............................................................................................................11

Tableau 1-2 : Classement gnrique des techniques de planification et contrle de la

production .....................................................................................................................14Tableau 1-3 : Relation entre les diffrents outils et mthodes appliqus aux problmes lis la planification de la production ...................................................................................18

Table 2-1: Advanced planning tools features .......................................................................43Table 2-2: Case study general characteristics.......................................................................45Table 2-3: Configuration and scenario elements ..................................................................48Table 2-4: ANOVA Tables...................................................................................................55Table 2-5: Loss and premium calculations for 60 days of production .................................59

7/28/2019 25705

9/73

viii

Liste des figures

Figure 1-1 : lments retenus pour valuer la performance de la dynamique de la chane decration de valeur............................................................................................................8

Figure 1-2 : Facteurs affectant le positionnement du PDD. Olhager (2003)........................11Figure 1-3 : Matrice de la chane de cration de valeur (Meyret al. 2005) .........................15Figure 1-4 : Outils dapplication et recherche sur la matrice de planification de la chane .16Figure 2-1: Product flow divergence in sawmilling .............................................................32Figure 2-2: Tested decoupling point positions .....................................................................37Figure 2-3: Modeling of the decoupling point strategies......................................................42Figure 2-4: Agent coordination protocol ..............................................................................47Figure 2-5: Performance assessment framework..................................................................50Figure 2-6: Weighted Fill Rate performance........................................................................53Figure 2-7: Coefficient of variation of WFR........................................................................54Figure 2-8: Daily Average WIP performance (DAWIP) ......................................................56

Figure 2-9: Potential Monetary Throughput (PMT).............................................................57

7/28/2019 25705

10/73

1

Introduction

Lors de larrive dune crise, lexprience nous indique quon peut prendre deux chemins :

une mise en garde passive pour minimiser les risques, ou une prise de position active pour

profiter des opportunits. Dans ce travail, on suit la deuxime logique pour la recherche de

solutions la situation de crise que traverse lindustrie forestire au Qubec actuellement.

Les opportunits que lon veut exploiter dans cette recherche passent par linnovation des

faons de faire dans la gestion des flux de matires des agents de cration de valeur de

lindustrie du bois duvre. Notre approche dcoule dune valorisation des modles

daffaires centres client. Ces modles permettent que linformation de demande du march

dtermine plus fortement les dcisions oprationnelles de production.

Historiquement, les faons damliorer la performance dans lindustrie du bois duvre

qubcoise ont fortement repos sur une recherche continue dune plus grande efficience

tant au niveau du coefficient de transformation -pmp (pied mesure de planche) de produit

par m3 consomms- que de la productivit globale. Cette recherche sest principalement

matrialise en termes de technologies trs performantes pour augmenter le rendement

matire des usines de sciage tout en composant avec des billes chaque fois plus petites. Or,

ces logiques defficience marchent trs bien dans des conditions de march fortement

standardises o la demande est assure, quelques soient les produits transforms.

Cependant, les marchs daujourdhui ne rpondent plus exactement ces caractristiques.

Les nouveaux contextes daffaires demandent des rponses plus ajustes et des relations

plus collaboratives. Par exemple, les grands acheteurs commerciaux veulent tendre

lapplication des relations dapprovisionnement du type VMI (Vendor Managed Inventory)

pour partager les risques associs la gestion du stock. En mme temps, les conditions

chaque fois plus complexes dans le march des tats-Unis, marqu par les quotas, la fortevaleur du dollar canadien ou la concurrence accrue des producteurs fortement comptitifs

sur les prix, obligent les producteurs qubcois innover dans la faon dy placer leurs

produits. Cela implique que les conditions qui agissaient comme gagnantes de march

(market winners), tel que le cot ou le volume, sont devenues des conditions qualifiantes de

march (market qualifiers). Leur place devrait tre prise par des facteurs tels que la vitesse

7/28/2019 25705

11/73

2de rponse ou la fiabilit du service, comme cela arrive dj dans dautres marchs (Maness

et Norton; 2002; Todoroky et Rnnqvist, 2002; Gustafsoon, 2003; Palmer et Selen 2004;

Vila et al., 2005). De plus, les conditions dopration des usines deviennent de plus en plus

difficiles avec des cots dapprovisionnement qui augmentent, la fibre qui se rarfie et la

qualit de la matire premire qui diminue (Coulombe et al., 2004). Dans ce contexte, il est

ncessaire dexplorer des mcanismes de gestion de la production qui facilitent un meilleur

positionnement concurrentiel et aident mieux cibler le march.

Il sagit alors dtudier ladoption dune vision de chane de cration de valeur intgre et

capable de rpondre efficacement aux nouveaux besoins du march. Pour ce faire, les

principes daffaires des philosophies centres client, accompagns de lutilisation de

mthodes de recherche oprationnelle et dune forte composante de technologies de

linformation et de communication pour la prise de dcision, peuvent contribuer aider

lindustrie du bois duvre. Ainsi, une des faons dincorporer des approches centres

clients sur la chane de cration de valeur est travers des stratgies qui permettent que les

flux dinformation lis la demande circulent en amont pour la prise de dcisions. De cette

faon, lhypothse de ce travail se base sur la possibilit damliorer la performance et

atteindre des meilleurs niveaux de service en incorporant des stratgies de flux tir, tout en

diminuant les niveaux dinventaires prsents dans la chane de cration de valeur de

lindustrie. Cependant, le systme productif du bois duvre possde la complexit dtre

divergent. Ce phnomne gnre des flux de produits concurrents, ce qui peut diminuer les

avantages potentiels des pratiques bases sur le flux tir compar au cas de processus de

production discrte. Cest dailleurs dans ce dernier type dindustrie que les approches de

planification et contrle de la production bases sur des logiques en flux tir voient le plus

dapplications (Sendil Kumar et Panneerselvam, 2007).

Dans ce travail nous avons utilis un logiciel de simulation pour comparer une approche

centre client, pour grer les flux de produits dans une usine de sciage, aux approches

traditionnelles en flux pouss. Ce logiciel, la plateforme Forac, est bas sur une technologie

distribue, o chaque processus de la scierie est reprsent par un agent logiciel ayant une

certaine autonomie pour planifier sa production en fonction de linformation disponible.

Ainsi, les stratgies de flux sont implmentes par lentremise du positionnement du point

7/28/2019 25705

12/73

3de dcouplage diffrents endroits sur la chane de cration de valeur. Le point de

dcouplage (PDD) reprsente le point dans la chane de cration de valeur o les flux de

matriaux ou dinformation changent de logique de circulation de flux pouss flux tir. Il

est aussi un point o les dcisions se dconnectent d au changement de responsabilit sur

les flux. Il en ressort que ce point dans la chane peut tre identifi par une forte prsence

de matriaux ou dinformation stocks.

Lobjectif est dvaluer la performance du systme de production avec diffrentes

configurations du point de dcouplage dans des contextes varis de contrats de ventes. Plus

gnralement, lvaluation des impacts logistiques et financiers permet de mettre en

vidence les compromis faire pour arriver tirer profit de lintroduction dune approche

centre client dans un processus de production divergent.

7/28/2019 25705

13/73

4

Chapitre 1. Stratgies de pilotage des flux deproduction : revue de littrature

Trouver les causes des problmes ou faiblesses dans la performance de la chane de

cration de valeur, et formuler des stratgies pour les rsoudre, demande une

comprhension accrue de la complexit des phnomnes lis la dynamique de ce systme.

Malheureusement, dans lindustrie de bois duvre, la littrature sur des aspects lis la

gestion de la chane de cration de valeur est rare, en particulier au niveau nord amricain.

Les premiers travaux publis sur ce sujet datent du dbut des annes quatre-vingt. Ils

prsentent des recherches pour rsoudre des problmes spcifiques lis loptimisation des

flux dans les diffrents sous-processus : dbitage ou schage (Faaland et Briggs, 1984;

Rensi et Weintraub, 1988). On passe ensuite aux travaux de Reinders et Hendriks (1989) et

Maness et Adams (1991), mais toujours avec un effort pour rsoudre des problmes

ponctuels et localement. Au contraire, dans ce travail des sources varies sont utilises afin

dintroduire la problmatique des flux de matires en gnral et dans la production de bois

duvre en particulier.

Dans la gestion de la chane de cration de valeur, et en particulier dans la planification de

la production, les logiques de mobilisation de ressources prennent un rle fondamental pour

la performance du systme. Selon Chopra et Meindl (2001), la profitabilit dune chane de

cration de valeur est troitement lie sa mission, ses stratgies fonctionnelles et la

gestion des flux lintrieur de la chane. Dailleurs, la stratgie oprationnelle doit

correspondre parfaitement la stratgie daffaires et les autres stratgies fonctionnelles

pour que la chane de cration de valeur puisse gnrer de la valeur pour tous. De ce point

de vue, les stratgies de gestion des flux devront tre choisies en prenant expressment

compte des autres stratgies et du contexte oprationnel dans lequel la chane existe

(Lampel et Mintzberg, 1996; Fisher, 1997; Olhager et Rudberg, 2002; Jonsson, 2003). Pour

cette raison, les stratgies proposes dans ce travail devront tre analyses selon la

compagnie et sa stratgie daffaires pour choisir celle qui correspond le mieux aux

objectifs. Ainsi, la proccupation centrale de cette recherche est lvaluation de la

7/28/2019 25705

14/73

5dynamique des flux de matires et dinformation lintrieur de la chane de cration de

valeur du bois duvre, et leur influence sur la performance de rponse aux contrats en vue

de suivre une stratgie centre client.

Cette tude de la littrature a t ralise en analysant trois thmes. Dabord, nous abordonsle sujet par une tude de la dynamique de flux de produits, des facteurs qui linfluencent et

des mesures de performance pour lvaluer. Ensuite, nous tudions les stratgies servant

la gestion des flux de produits dans une chane de cration de valeur et les mthodes

appliques dans la recherche et les domaines daffaires pour les mettre en place.

Finalement, des rfrences particulires de planification et contrle de la production dans

lindustrie de bois duvre et ses particularits en tant quindustrie de processus sont

prsentes.

1.1 Dynamique des flux de matires dans la chane de crationde valeur

La dynamique des flux de matires dans la chane de cration de valeur est une quation

complexe, rsultat du contexte oprationnel, des dcisions associes la production et lestockage, de lmission de commandes dans le systme, ainsi que des flux dinformation,

de capital et des ressources. Quand de telles dcisions sont prises dans une seule

organisation, qui constitue elle mme la chane au complet (intgre verticalement), la

coordination des flux de matires est en quelque sorte facilite (du moins en thorie, car les

objectifs sont normalement aligns). Par contre, si les chanons du rseau sont autonomes

ou guids par des objectifs indpendants, voire contradictoires, les dfis de coordination

sont plus grands. Il arrive ainsi que les flux de matires soient dcoupls et potentiellement

mal coordonns. Ce manque de coordination devient plus sensible dans des contextes de

marchs volatils et hautement concurrentiels comme ceux daujourdhui. Pour viter des

problmes lis cette dynamique, des mcanismes de coordination des flux sont

ncessaires. En pratique, cette coordination se fait laide de diffrents mcanismes de

collaboration impliquant, par exemple : des changes dinformation, des mcanismes de

7/28/2019 25705

15/73

6consultation et de prise de dcisions conjointes, ainsi que la dfinition de processus de

gestion centrs sur le client final. Or, bien que la coordination des flux de matires soit

dtermine tant par les dcisions stratgiques que tactiques et oprationnelles, dans ce

travail on sintresse surtout aux deux derniers niveaux dcisionnels et leur coordination.

Du point de vue logistique, les premiers essayer dexpliquer la dynamique des flux de

matires dans les rseaux de cration de valeur, ont t les conomistes. En fait, les

premires rfrences disponibles sur le sujet apparaissent avec linstallation dfinitive de la

rvolution industrielle qui entrane une forte augmentation des flux mobiliss dans les

chanes dapprovisionnement. Par exemple, une des principales thses de Smith dans son

ouvrage AnInquiry into the Nature and Causes of the Wealth of Nations (Smith, 1776)

est le potentiel cr par la possibilit de sparer les processus dans la production de biens

grce la division du travail et leur standardisation. Ce paradigme reprsente une vidente

modification de la dynamique des chanes de cration de valeur. Ce seront les mmes

principes que reprendront Taylor et Ford pour augmenter lefficience dans leurs systmes

productifs. Lapproche dominante pour mobiliser les ressources est alors celle de pousser la

production en aval, tant donne la grande disponibilit de ressources mobiliser, la main

duvre conomique venue des campagnes, les sources dnergie accessibles, les

restrictions environnementales presque nulles et des clients avides de progrs.

Toutefois, les premiers essais modernes pour analyser et expliquer le comportement de la

dynamique des flux des matires dans une chane dapprovisionnement proviennent de

ltude de problmes de stocks (Wilson, 1934, Hanssmann, 1959; Clark et Scarf, 1960;

Zymelman, 1965) et plus prcisment, de ltude de la dynamique des systmes industriels

(Forrester, 1958). Ce dernier travail met en vidence les problmes qui surgissent du

manque de coordination dans le systme, d des stratgies de dsagrgation sans

coordination des acteurs dans la chane de cration de valeur. partir de l, il est possible

de trouver des travaux qui analysent les aspects lis lintgration et aux diffrents

mcanismes de coordination des flux de matires (Hax et Meal, 1973; Aggarwal, 1985).

Stadtler (2005) prsente une bonne revue de lvolution de ce domaine de recherche. Ainsi,

lvolution des recherches de solutions de management semble tre passe dune

proccupation pour une haute performance dans la microstructure de la chane (efficience et

7/28/2019 25705

16/73

7coordination intra-entreprise), vers une comprhension de limportance de la

macrostructure (coordination extra-entreprise) et une intgration des deux niveaux.

Prenant la dfinition de Mentzeret al. (2001), une chane de cration de valeur peut tre

synthtise comme un ensemble de trois, ou plus, entits (organisations ou individus)directement impliqus dans le transfert, en aval et en amont, des flux de produits, services,

finances, ressources et/ou informations depuis une source et jusqu un client, tout en

considrant les interactions avec lenvironnement. Ainsi, la dynamique des flux de matires

est, en fin de comptes, exprime en termes de mesures de performance du rseau sous

plusieurs perspectives (entre autres) : efficacit et efficience, volume et service, en plus des

mesures financires. En consquence, les objectifs viss par le management dune

organisation requirent des compromis. Alors, il faut trouver un mcanisme dvaluation de

la performance quilibr et align avec la vision stratgique de lentreprise.

Beamon (1999) prsente un excellent rsum des mesures de performance utilises pour

valuer la dynamique de la chane de cration de valeur. Elle propose trois groupes de

mesures : de rsultat, de ressources et de flexibilit, et fait remarquer, en mme temps, le

besoin dune vision intgre pour valuer la performance de la chane. Gunasekaran et al.

(2001) utilisent lapproche des processus Supply Chain Operation Reference (SCOR), du

Supply Chain Council (2006) et proposent un cadre de rfrence aux niveaux stratgique,tactique et oprationnel; on note quil manque des mesures intgres tout au long de la

chane. Dun autre ct, dans la Thorie de contraintes (TOC), Goldratt (1990), propose un

ensemble de trois mesures oprationnelles montarises : Throughput (dbit ou sortie de

production), inventaire et frais d'exploitation. Avec ces mesures il est possible de calculer

des indicateurs financiers globaux tels que le rendement du capital investi ou le rsultat net.

Ainsi, pour construire un bon systme de mesure de la performance il faut tenir compte de

la nature complexe de la chane et utiliser des indicateurs balancs dans les principales

perspectives : efficience, clients, finances. Dans la Figure 1-1 lapproche retenue dans cette

tude pour valuer la performance de la dynamique des flux de matires sur la chane de

cration de valeur est prsente. Lide derrire cette approche est de tenir compte des trois

perspectives de mesure de performance qui nous intressent le plus en relation avec

7/28/2019 25705

17/73

8linfluence de la stratgie sur : le dbit total valoris, les niveaux de stock et le niveau de

service.

Figure 1-1 : lments retenus pour valuer la performance de la dynamique de la chane decration de valeur.

Perspective ClientTaux de Service

La dynamique des flux de matires est aussi le rsultat des dcisions de commercialisation,

des dcisions financires, stratgiques et conomiques en gnral, qui peuvent parfois tre

en conflit. Par exemple, lorganisation en units stratgiques daffaires gnre de petites

entits plus faciles grer mais qui demandent des efforts de coordination majeurs au

niveau de la satisfaction du client final et de la gestion de la chane de cration de valeur.

Dun autre ct, lexternalisation de certains services logistiques (outsourcing) demande un

effort dapprentissage et dadquation initial pour donner leur meilleur rsultat selon laperspective du client.

Les principaux problmes documents dans la dynamique des flux de produits travers la

chane de cration de valeur, tel que leffet coup de fouet (bullwhip effect), trouvent leur

cause dans les difficults de coordination des diffrents flux sur la chane, comme par

exemple la dfinition de la taille de lots de transfert ou lalignement stratgique, tactique et

oprationnel des dcisions.

Perspective InterneEfficience

Dbit (Throughput)

Perspective InterneRessources

Produits en cours de fabrication

7/28/2019 25705

18/73

9

1.2 Stratgies pour planifier et piloter les flux de production :pousser ou tirer?

Les stratgies pour planifier et coordonner les flux de production rentrent dans le domainedes stratgies dopration. Daprs Lowson (2002), ces types de stratgies peuvent tre

dfinis comme :

major decisions about, and strategic management of core competencies,

capabilities and processes; technologies; resources; and key tactical activities necessary in

any supply network, in order to create and deliver products or services and the value

demanded by a customer.

ce quon peut ajouter et aider garantir le futur de lentreprise , pour prendre compte

du long terme. De cette faon, les approches de flux tir et flux pouss, ou nimporte quelle

combinaison des deux, peuvent tre considres comme des stratgies aux trois niveaux

dcisionnels : stratgique, tactique ou oprationnel, dans loptique o elles dterminent des

faons de prendre des dcisions ou dagir pour mobiliser les diffrents flux sur la chane.

Ainsi, dans tout contexte daffaires, les entreprises ont besoin de mobiliser des ressources,

tangibles ou non. Elles peuvent tre plus ou moins performantes, dpendamment de lalogique applique pour la mobilisation des ressources et du cadre utilis pour valuer la

performance. Seely et Hagel (2005) reprennent cette ide pour construire une thse de ce

queux considrent comme les deux paradigmes possibles pour mobiliser des ressources.

Dun ct, un systme marqu par une approche en flux pouss, dont la principale

caractristique est la qute de lefficience dans lutilisation des ressources de production et

des matires premires en considrant comme axiome une connaissance anticipe des

conditions futures (prvisions de demande, principalement). Et dun autre ct, un systme

gr par une approche en flux tir qui a pour but la mobilisation des ressources (de

production et matire) en rponse aux signaux quand ils se produisent effectivement, quils

proviennent de lintrieur ou lextrieur de lentreprise. Cette thorie des deux paradigmes

reprsente une extension des deux dynamiques analyses dans ce travail. Ici, on tudie

7/28/2019 25705

19/73

10linfluence de ces approches sur les flux de production et leur implantation comme des

lments centraux des stratgies doprations pour la production de bois duvre.

Chopra et Meindl (2001) indiquent que le principal dfi de la gestion de la chane de

cration de valeur consiste parvenir lquilibre stratgique, cest--dire, arriver laccord parfait entre la stratgie comptitive et la stratgie oprationnelle. Prcisment

cest en grande partie dans les dcisions de planification quotidiennes que se joue

principalement cet accord. Les dcisions du niveau stratgique sont considres hors de la

porte de cette tude. Alors, pour planifier les flux de matires, il est question de dfinir

stratgiquement lapproche ou la logique qui guidera les dcisions des flux des produits

dans le cadre de la stratgie doprations au niveau tactique. Dans ce contexte, il existe un

certain accord dans la littrature par rapport au rle central que les approches de flux

pouss et flux tir occupent dans la stratgie oprationnelle. Il revient aux gestionnaires de

choisir le point de dcouplage, ou la frontire, des deux approches dans la chane pour grer

les risques associs aux flux de produits et au niveau de service (Lampel et Mintzberg,

1996; Fisher, 1997; Cachon, 2004). Selon la position du PDD les chanes sont classes

comme des chanes de fabrication sur stock (Make To Stock, MTS), de fabrication la

commande (Make To Order, MTO) ou hybrides. Ainsi, pour aider choisir le type de

stratgie, plusieurs auteurs fournissent des cadres daide la dcision bass sur les facteurs

quils considrent clefs dans le contexte et la stratgie de lorganisation. Olhager (2003)

identifie le march, le produit et la production comme des lments importants pour faire ce

choix et il rsume cela avec la Figure 1-2. De plus, il prsente un sommaire des conditions

associes aux diffrents facteurs et qui caractrisent lapplication de chacune des stratgies,

pouss ou tir, (voirTableau 1-1). Une extension la production de bois duvre peut tre

faite. En gnral, la considration des dits facteurs en plus du systme de mesure de la

performance guidera le choix stratgique.

Le type de stratgie et les techniques pour la mettre en place dans la gestion des flux de

production seront principalement dtermins par le positionnement du point de dcouplage

dans les diffrentes chanes de cration de valeur de lentreprise.

7/28/2019 25705

20/73

11

Figure 1-2 : Facteurs affectant le positionnement du PDD. Olhager (2003)

Tableau 1-1 : Caractristiques des stratgies de production avant et aprs le PDD, selonOlhager (2003)

Attribut Operations avant le PDD(pouss)

Operations aprs le PDD(tir)

March et produitsType de produit Standard, commodit Spcial, personnalisGamme de produits Prdtermine, limite EtendueDemande Haut volume, prvisible Bas volume, volatileGagnants de march Prix Design, flexibilit, vitesse de

livraisonQualifiants demarch

Design, qualit, volume Prix, qualit, livraison en temps

Production (catgories de dcision)Processus Ligne, grosse taille de lots Atelier multi-gamme, petitetaille de lots

Capacit Lag/track (ractive, elle suitla production)

Lead/track (anticipative, elledoit prvoir la production)

Installations Centres produit Centres processusIntgration verticale Relations fournisseurs,

Stock tampon au PDD /post oprations PDD

Relations clients PDD buffer/ pr oprations

PDDQualit Centre sur la qualit des

processusCentre sur la qualit desproduits

Organisation Centralise, hirarchique Dcentralise, coordonnePilotage de laproduction

Stratgie S&OP nivele(capacit fixe)

Promesse de livraisonbase sur la disponibilitdes stocks

Stratgie S&OP Chase(capacit variable)

Promesse de livraisonbase sur la disponibilitdes stocks

Mesure de laperformance

Cot, productivit Temps de livraison, Flexibilit

Facteurs dumarch

Facteurs duprocessus

Facteurs du

produit

Dlai delivraison

Dlai deproduction

Positionnement dupoint de

dcouplage

7/28/2019 25705

21/73

12

Donc, la rponse la question pousser ou tirer , en tant que stratgie daffaires ou de

production, nest pas une rponse automatique. Elle est plutt le fruit dune analyse

dtaille des facteurs et choix stratgiques de lentreprise.

1.2.1 Techniques dimplmentation des stratgies

tant donne la grande varit dlments qui traversent une chane de cration de valeur,

et les multiples cycles et sous-cycles internes qui sy gnrent, un classement gnral pour

les diffrents stratgies, techniques et outils de pilotage de la production, dans le type

pouss ou tir, nest pas vident et il faut y aller par partie. Effectivement, ce nest pas clairpuisquils se trouvent rarement oprer de faon purement thorique (Bonney et al., 1999).

Il faut donc utiliser des dfinitions prcises pour les diffrencier selon leur approche et leur

porte. Dans un des premiers travaux essayant de classer les techniques de pilotage de la

production, De Toni et al. (1988) classent les deux techniques les plus connues lpoque :

planification de besoin matires (MRP), de lapproche hirarchique; et kanban, de

lapproche juste temps (JIT), comme tant des techniques pouss et tir, respectivement.

Hirakawa et al. (1992) proposent la mme classification et ils y ajoutent une approche

hybride avec des lments des deux autres approches pour des systmes tapes multiples.

Spearman et Zazanis (1992) admettent la classification antrieure, mais, au mme temps, ils

notent les nuances existant au moment de classifier les outils dans des contextes

stratgiques juste temps (JIT) comme purement flux tir. Certains auteurs testent les

techniques flux tir ou pouss aussi bien dans des contextes MTS (Masuchun et al., 2004)

que MTO (Stevenson et al., 2005). En ce faisant, ils obtiennent, normalement, des rsultats

qui confirment que la technique pour grer le systme de planification de la production

performe mieux sous son stratgie quivalente. Les cas chant, les techniques les plusperformantes sont les techniques hybrides.

Entretemps, la thorie des contraintes (TOC) se consolide et propose la technique cadence-

tampon-lien (Drum-Buffer-Rope, DBR) pour mieux exploiter la contrainte du systme.

Koh et Bufin (2004) comparent DBR et une autre mthode, le CONWIP (Constant Work In

7/28/2019 25705

22/73

13Progress) et rapportent des meilleurs rsultats pour DBR dans un systme non balanc

valu selon les mesures de performance de la TOC. De cette faon, les comparaisons sont

nombreuses et, selon le contexte ou les mesures de performance utilises, une technique

peut performer mieux que lautre. Un ensemble de problmes de rfrence, qui permette

une valuation plus standard, pourrait tre intressante pour dpartager les approches et leur

performance. La revue de littrature de Graves et al. (1995) rsume les ressemblances et

diffrences des diffrentes techniques et certaines de leurs variations selon leur

concentration sur la capacit ou la production.

Les dfinitions des stratgies retenues dans ce travail ressemblent celles proposes par

Bonney et al. (1999) bases sur les flux dinformation. Dabord, une technique fonctionne

sous une stratgie pousse si la production est dclenche selon des signaux gnrs en

amont du flux des produits. Ensuite, la technique fonctionnera en mode tir si le

dclenchement est d des signaux en aval du flux de produits, ce qui est quivalent la

dfinition retenue ici pour les stratgies correspondantes. Ces dfinitions permettent de

classer les techniques classiques de pilotage des flux de production. Ainsi, pour les

techniques MRP on retient leur classification comme tant essentiellement de type pouss,

voir Tableau 1-2. Maintenant, pour valuer la performance globale des techniques de

pilotage des flux de matires, la plupart des analyses se limitent, malheureusement, des

mesures de performance de stockage, associes aux ressources. Cest pour cela que

lvaluation ralise dans cette recherche porte sur trois perspectives (Figure 1-1).

Les avantages de lutilisation des diffrentes techniques dpendront de lajustement de

celles-ci avec la stratgie oprationnelle, le contexte daffaires et les mesures de

performance pertinentes. En fait, une fois la stratgie choisie - pousse, tire ou hybride -,

le nombre doptions des techniques se rtrcit et les options vont tre choisies en termes de

la faisabilit technique de leur implmentation. Les techniques qui demandent de

linformation provenant de laval de la chane de production semblent lgrement plus

complexes mettre en place (Diehl et Sterman, 1995), mais ces difficults peuvent tre

surmontes laide des outils qui seront prsents dans la prochaine section.

7/28/2019 25705

23/73

14Finalement, dans lanalyse, il semble ncessaire de faire une claire sparation entre la

stratgie pousse, tir ou autre, et la ou les techniques implmentes dans toute la chane ou

diffrents chanons, car les combinaisons peuvent tre multiples.

Tableau 1-2 : Classement gnrique des techniques de planification et contrle de laproduction

Technique Centr sur : Associ principalement :MRP Utilisation de la capacit PushKANBAN Limitation du WIP localement PullCONWIP Limitation du WIP globalement PullDBR Contrle du WIP au Goulot dtranglement Pull-PushHybride Combinaison des facteurs Approches combins

1.2.2 Outils de recherche et dapplication industrielleDans ce contexte, les outils de recherche ou dapplication industrielle sont les formes

concrtes dans lesquelles les stratgies, modles daffaires ou techniques sont implments

pour grer ou rsoudre une problmatique spcifique, occasionnelle ou rcurrente, dans la

dimension oprationnelle de la gestion de la chane de cration de valeur. La Figure 1-3

prsente une version simplifie des diffrentes dimensions dans la gestion de la chane de

cration de valeur, en termes de temps, despace et de direction des flux. Dans le cas de la

planification et contrle de la production, le nombre et la varit doutils sont trs

clairement marqus par lvolution des technologies de linformation et de la

communication ainsi que par le dveloppement des mthodes de recherche oprationnelle.

En fait, cela a facilit une extension de lutilisation des outils (voire systmes) de

planification de la production dans les grandes entreprises, principalement, mais aussi dans

les petites et moyennes entreprises, ainsi que dans la recherche. Dailleurs, il existe des

outils qui vont de trs simples, comme les feuilles de calcul ou feuilles denregistrement, enpassant par loptimisation classique jusquaux systmes APS intgrs ou des outils

multiagent. Ainsi, au fur et au mesure que les outils se sont sophistiqus, les possibilits de

traiter des problmes plus complexes ont augments. De cette manire, la complexit des

taches abordes dans lactualit fait quun outil de recherche ou dapplication devient un

ensemble intgr de rgles daffaires, architecture informatique et moteurs transactionnels

7/28/2019 25705

24/73

15ou doptimisation pour appuyer la prise de dcisions et le dploiement des activits. Dans la

pratique, les outils daide la dcision les plus communs sont les systmes ERP (Enterprise

Ressource Planning) avec une composante chaque fois plus importante de systmes APS,

lesquels sont leur tour munis de moteurs optimiseurs pour amliorer les transactions.

Dans ce travail interviennent plusieurs outils de recherche. Tout dabord, la simulation,

puisque les stratgies pour grer le systme de production sont values par simulation de

la planification de la production en fonction dun plan dexprience. Ensuite, le systme

bas sur des agents qui labore et traite les plans. En troisime lieu, les modles

mathmatiques utiliss par les agents. Enfin, le systme dinformation qui intgre tous ces

lments pour en faire un outil de planification de la production.

Fourniture Production Distribution Ventes

Longterme Design stratgique du rseau

Moyenterme

Planification agrgePlanification desbesoins en matires

et delapprovisionnement

Gestionde la

demandeProduction-Distribution-

Taille de Lots synchronissCourtterme

Contrle desachats

Contrle dela

Contrle dedistribution

Contrle descommandes

Excutionproduction

Figure 1-3 : Matrice de la chane de cration de valeur (Meyret al., 2005)

Dans ce cadre complexe qui reprsente la gestion de la chane de cration de valeur, du

design du rseau au dploiement des techniques de pilotage et excution de la production et

de la distribution, existent de nombreux outils pour la gestion et daide la dcision. Ainsi,

la Figure 1-4 prsente une superposition de ces outils la matrice de la Figure 1-3 pour les

7/28/2019 25705

25/73

16situer tels quils sont couramment employs en gestion des problmatiques de la chane

dapprovisionnement.

Figure 1-4 : Outils dapplication et recherche sur la matrice de planification de la chane(adapte de Meyret al., 2005)

Classification des outils de planification de la production

Dans le cadre global de la chane de cration de valeur, Beamon (1998) utilise une

classification base sur la nature de donnes et lobjectif des modles pour diffrencier les

outils en quatre catgories : a) modles dterministes analytiques; b) modles stochastiques

analytiques; c) modles conomiques (dans lesquels elle place les modles de la thorie des

jeux); et d) modles de simulation. Dun autre ct, Mula et al. (2006) rvisent une srie de

modles utiliss dans la littrature pour dvelopper des outils qui permettent de mettre en

place des techniques ou des stratgies pour rsoudre des problmes lis la planification de

la production dans plusieurs contextes manufacturiers assujettis des perturbations

alatoires. Cette revue de la littrature se centre principalement sur les outils appliqus en

Systmes dexcution manufacturire (MES) Systmes dexpdition etroutage

Outils dintelligence daffaires (BI)

erformance

Systme de gestiond'entrept

Tableaud

eborddep

EDI (change de donnes informatis)

Progiciel de gestion intgr,ERP (MRP II)

Applications de design de rseaux

CRM

Systme avanc de planification et d'ordonnancement

(APS)

7/28/2019 25705

26/73

17recherche. Ils classent les modles supportant les diffrents outils de recherche en quatre

groupes, savoir : a) modles conceptuels, b) modles bass sur lintelligence artificielle,

c) modles analytiques et, d) modles de simulation. Dans ce contexte, les systmes base

dagents ou multiagent sont classs comme modles dintelligence artificielle. Par contre,

Tang et al. (2001), utilisent une classification diffrente et sen servent pour ltude des

problmatiques dans la production dacier. Ils classent les mthodes bases sur des agents

dans une catgorie propre, laquelle ils ajoutent trois autres : a) mthodes de recherche

oprationnelle (programmation mathmatique), b) dintelligence artificielle (systmes

experts, recherche intelligente et satisfaction de contraintes) et c) mthodes de coordination

homme-machine. Dun autre ct, dans le contexte de modlisation de la chane

dapprovisionnement, Min et Zhou (2002) offrent une taxonomie des modles appliqus

la chane de cration de valeur qui mlange indistinctement outils et modles.

Dans la mme ligne danalyse de la littrature, Schmidt et Wilhelm (2000) prsentent une

revue des modles de programmation mathmatique utiliss pour les dcisions stratgiques,

tactiques et oprationnelles, mais visant les rseaux internationaux et mettant en vidence le

besoin de construire des modles intgrs permettant dappuyer la prise des dcisions tous

les niveaux de la dimension temporelle.

Dans ce travail, il est ncessaire de faire la diffrence entre loutil, le modle, et la mthodedimplmentation. Ainsi, si loutil est multiagent, les modles sous-jacents peuvent tre soit

des modles analytiques mathmatiques soit des modles logiques. Par exemple, mme si

MRP est une technique essentiellement transactionnelle, sa fonction peut tre munie de

moteurs doptimisation bass sur la programmation mathmatique, des heuristiques ou

dautres modles. Ainsi, Vo et Woodruff (2006) prsentent diffrents modles pour

implmenter le MRP dans des APS selon lobjectif privilgier ou la technique de solution.

Maintenant, si lon considre la planification et le contrle de la production (le pilotage), laplupart des applications se font partir de modles quantitatifs bass sur diffrentes

mthodes de recherche oprationnelle. Normalement les outils bass sur des techniques de

dynamique de systmes ou de simulation sont utiliss pour la recherche, quoiquavec leur

avancement et lincorporation de routines doptimisation, leur utilisation industrielle

devient plus courante et priodique.

7/28/2019 25705

27/73

18Le Tableau 1-3 rsume des combinaisons problmes-outils-mthodes qui peuvent se

prsenter pour traiter les diffrents problmes lis la planification de la production en

implmentant les diffrentes techniques signales dans la section 1.2.1. Ce tableau nest pas

exhaustif mais est une reprsentation des possibilits les plus observs dans cette recherche

et rapportes, entre autres, dans Mula et al. (2006) et Olhager et Wikner (2000). Les

solutions ad-hoc (SAH) du Tableau 1-3 correspondent aux dveloppements spcifiques

rapports de faon indpendante dans diffrents travaux de recherche. Lutilisation des

diffrentes mthodes, telles que prsente dans le tableau, nest pas mutuellement

exclusive.

Tableau 1-3 : Relation entre les diffrents outils et mthodes appliqus aux problmes lis la planification de la production

Situationdapplication

Outil

Programmation

mathmatique

Heuristiques

Programmationpar

contraintes

Modlesstochastiques

Thoriedesjeux

ModlesdeSimulation

Dynamiquedesystmes

Agentslogiques

Agentsoptimiseurs

Modlestransactionnels

Design de la chanede cration de valeur

Solution adhoc (SAH)

valuation desstratgies daffaires

Gestion de lademande

CRM

Planificationagrge (ATP)

ERP

ERP APS

Planification etcontrle de laproduction

SAH

tablissement decontrats

SAH

Gestion dentrepts WMS Contrle etexcution

MES/SAH

7/28/2019 25705

28/73

19Outils bass sur des agents

Cette catgorie doutils mrite une place spciale dans cette revue de la littrature car le

logiciel utilis pour lvaluation des stratgies de planification de la production est un outilbas sur une architecture du type agent. Cette architecture permet dmuler fidlement le

comportement du systme sociotechnique rel.

En effet les possibilits ouvertes par lapproche agent pour simuler des systmes rels sont

un axe de recherche trs prolifique aujourdhui (Zhang et Xie, 2007). Cela trouve sa

justification dans les avantages que lapproche agent et son niveaux dabstraction

prsentent pour la modlisation des contextes autonomes coopratifs comme les chanes de

cration de valeur (Barbuceanu et Fox, 1996).

En essence, lapproche agent profite des capacits computationnelles pour muler ou mme

amliorer les comportements des systmes complexes, tels que les chanes de cration de

valeur, en utilisant des modles dabstraction de haut niveau. Frayret et al., (2008)

prsentent les diffrentes approches agent utilises pour modliser et simuler les

comportement des chanes de cration de valeur.

Une des avantages de lapproche agent est que lautonomie des diffrentes composantespermet non seulement dappliquer et tester des stratgies lintrieur de chaque agent mais

aussi entre eux, ce qui facilite le dveloppement de mcanismes de coordination plus

performants (van der Zee, 2006). De plus, les agents peuvent tre quips des moteurs

avancs daide la dcision ou doptimisation pour enrichir le comportement du systme

quils mulent.

7/28/2019 25705

29/73

20

1.3 Planification de la production de bois duvrePlanifier la production de bois duvre requiert de stratgies, de techniques et doutils

spcifiques. tant donn que cette industrie correspond une industrie de processus, ses

dynamiques font que les dveloppements normalement disponibles, pour les contextes de

manufacture discrte, ne soient pas bien adapts aux singularits prsentes dans ce type

dindustrie (Fransoo, 1993; Crama et al., 2001). Cela dit, une des principales difficults de

ce contexte de production est la prsence des coproduits dans les recettes de production.

Ces coproduits comptitionnent pour les ressources du systme avec les produits en

principe recherchs et, en ce faisant, gnrent des flux parallles sur la chane de cration

de valeur. Ce phnomne est aussi connue sous le nom divergence (Vila et al., 2006).

En gnral, dans les industries de processus il existe une importante varit de

configurations de production (Dennis et Meredith, 2000). Dans ce contexte, lindustrie du

bois duvre peut tre classe comme une industrie divergente (de dsassemblage), aussi

appele en V, cest--dire, avec un nombre de produits finis sensiblement suprieur au

nombre ou varit de matires premires. Dans certains cas, la production sarticule par lots

de production, dans dautres, les flux tendent tre continus. Dans tous les cas, le processus

de schage est forcement organis par lots de production, tant donn la grande taille des

schoirs normalement utiliss.

cause de la divergence diffrents points sur le processus de production, de la variabilit

naturelle de la matire premire et des pratiques de commercialisation, les plans de

production de bois duvre vont connatre beaucoup dexceptions et rarement, dans le

contexte qubcois, la production sera organise en fonction dengagements pralables.

la place, les usines planifient la disponibilit du systme et lapprovisionnement pour avoir

la capacit de traiter le bois qui rentre et pousser les produits les plus recherchs en aval de

la chane. Dans ce cas, les mthodes daide la planification se concentrent sur des

problmes locaux ou ponctuels, tel que le trononnage (Larose, 1999), le dbitage

(Todoroki, 2001; Bhandarkaret al., 2002), ou le schage (Rensi et Waintraub, 1988; Joines

et al., 2007), et les solutions intgres sont moins recherches. Toutefois, certains

7/28/2019 25705

30/73

21chercheurs prsentent des travaux qui visent dvelopper des solutions pour aborder les

problmes de planification de la production de bois duvre, rsineux principalement,

dune faon plus intgre. Beauregard et al. (1994, 1997), par exemple, prsentent une

approche de modlisation systmique des usines de sciage pour tenir compte de leur

complexit au moment de dvelopper des modles daffaires. Dun autre ct, le groupe de

recherche du professeur Maness a dvelopp une srie de travaux pour intgrer des outils

bass sur la programmation mathmatique pour rsoudre de problmes de planification de

la production (Maness et Adams, 1991; Donald et al., 2001; Maness et Norton, 2002). Ces

travaux, ainsi que ceux de Todoroki (2001; Todoroki et Rnnqvist, 1999; 2002) se

concentrent principalement sur loptimisation du dbitage. Les travaux essayent, pour le

moment, de composer avec la divergence et de limiter les niveaux de stock, tout en gardant

de niveaux levs de rendement matire. Dans le projet Forac, le but est dintgrer lespossibilits doptimisation des diffrents processus pour en arriver des solutions

coordonnes.

Finalement, dun point de vue holistique qui contemple la chane de cration de valeur au

complet pour lindustrie des produits du bois, les solutions dvelopper doivent considrer

les diffrentes problmatiques associes la fort (Rnnqvist, 2003) ainsi qu la

transformation du bois.

7/28/2019 25705

31/73

22

Rfrences

Aggarwal, S. C. (1985). MRP, JIT, OPT, FMS.Harvard Business Review, 63(5), 8-16.

Barbuceanu, M., et Fox, M. S. (1996). Coordinating multiple agents in the supply chain.Proceedings of the 5th International Workshops on Enabling Technologies:Infrastructure for Collaborative Enterprises (WET ICE'96): IEEE ComputerSociety. 134.

Beamon, B. M. (1998). Supply chain design and analysis: Models and methods.International Journal of Production Economics, 55(3), 281-294.

Beamon, B. M. (1999). Measuring supply chain performance.International Journal ofOperations & Production Management, 19(3-4), 275-292.

Beauregard, R., Beaudoin, M., Aitkadi, D., et Mongeau, J. P. (1994). A Systemic Approachto Consider Complexity in Sawmill Modeling. Wood and Fiber Science, 26(3), 421-437.

Beauregard, R., Beaudoin, M., AitKadi, D., & Mongeau, J. P. (1997). A systemic modelingapproach to reengineering sawmills: A supplier's perspective. Forest ProductsJournal, 47(2), 38-46.

Bhandarkar, S. M., Faust, T. D., & Tang, M. J. (2002). Design and prototype developmentof a computer vision-based lumber production planning system.Image and VisionComputing, 20(3), 167-189.

Bonney, M. C., Zhang, Z., Head, M. A., Tien, C. C., et Barson, R. J. (1999). Are push andpull systems really so different?International Journal of Production Economics,59(1-3), 53-64.

Cachon, G. P. (2004). The allocation of inventory risk in a supply chain: Push, pull, andadvance-purchase discount contracts.Management Science, 50(2), 222-238.

Chopra, S., et Meindl, P. (2001). Supply chain management: strategy, planning, andoperation. New Jersey: Prentice-Hall, Upper Saddle River.

Clark, A. J., et Scarf, H. (1960). Optimal Policies for a Multi-Echelon Inventory Problem.Management Science, 6(4), 475-490.

Coulombe, G., Szaraz, G., Arsenault, J., Liboiron, M. A., Bernard, J.-T., Bouchard, A.,Bauce, .,et Huot, J. (2004). Rapport de la Commission dtude sur la gestion de lafort publique qubcoise. Qubec: Commission dtude sur la gestion de la fortpublique qubcoise.

7/28/2019 25705

32/73

23

Crama, Y., Pochet, Y., & Wera, Y. (2001). A Discussion of Production PlanningApproaches in the Process Industry. Core Discussion Paper. Lige, Belgium, 37.

De Toni, A., Caputo, M., and Vinelli, A. (1988). Production Management Techniques:

Push-Pull Classification and Application Conditions. International Journal ofOperations & Production Management, 8(2), 35-51.

Dennis, D., et Meredith, J. (2000). An empirical analysis of process industry transformationsystems.Management Science, 46(8), 1085-1099.

Diehl, E., et Sterman, J. D. (1995). Effects of Feedback Complexity on Dynamic Decision-Making. Organizational Behavior and Human Decision Processes, 62(2), 198-215.

Donald, W. S., Maness, T. C., et Marinescu, M. V. (2001). Production planning forintegrated primary and secondary lumber manufacturing. Wood and Fiber Science,33(3), 334-344.

Faaland, B., et Briggs, D. (1984). Log Bucking and Lumber Manufacturing UsingDynamic-Programming.Management Science, 30(2), 245-257.

Fisher, M. L. (1997). What Is the Right Supply Chain for Your Product? Harvard BusinessReview, 75(2), 12.

Forrester, J. W. (1958). Industrial Dynamics: a major breakthrough for decision makers.Harvard Business Review(July-August), 30.

Fransoo, J. C. (1993).Production Control and Demand Management in Capacitated FlowProcess Industries, Technische Universiteit Eindhoven.

Frayret, J.-M., DAmours, S., Rousseau, A., Harvey, S., Gaudreault, J. 2007. Agent-basedSupply Chain Planning in the Forest Products Industry, International Journal ofFlexible Manufacturing Systems, 19(4), pp 358-391.

Goldratt, E. M., (1990) The haystack syndrome: sifting information out of the data ocean.North River Press

Graves, R. J., Konopka, J. M., et Milne, R. J. (1995). Literature-Review of Material Flow-Control Mechanisms.Production Planning & Control, 6(5), 395-403.

Gunasekaran, A., Patel, C., & Tirtiroglu, E. (2001). Performance measures and metrics in asupply chain environment.International Journal of Operations & ProductionManagement, 21(1-2), 71-87.

Gustafsson, A. (2003). Logistic services as competitive means - Segmenting the retailmarket for softwood lumber. Silva Fennica, 37(4), 493-504.

7/28/2019 25705

33/73

24Hax, A. C., et Meal, H. C. (1973). Hierarchical integration of production planning and

scheduling.Massachusetts Institute of Technology (MIT), Sloan School ofManagement.

Hirakawa, Y., Hoshino, K., & Katayama, H. (1992). A Hybrid Push/Pull Production

Control System for Multistage Manufacturing Processes.International Journal ofOperations & Production Management, 12(4), 13.

Joines, J., Culbreth, C., et Schultz, S. (2007). The Lumber Procurement and KilnScheduling Problem: A Hybrid-Ga Approach. Wood and Fiber Science, 39(4), 628-638.

Jonsson, P., et Mattsson, S. A. (2003). The implications of fit between planningenvironments and manufacturing planning and control methods.InternationalJournal of Operations & Production Management, 23(7-8), 29.

Krajewski, L. J., King, B. E., Ritzman, L. P., et Wong, D. S. (1987). Kanban, Mrp, andShaping the Manufacturing Environment.Management Science, 33(1), 39-57.

Koh, S. G., et Bulfin, R. L. (2004). Comparison of DBR with CONWIP in an unbalancedproduction line with three stations.International Journal of Production Research,42(2), 391-404.

Lampel, J., et Mintzberg, H. (1996). Customizing customization. Sloan ManagementReview, 38(1), 10.

Laroze, A. (1999). A linear programming, tabu search method for solving forest-levelbucking optimization problems.Forest Science, 45(1), 108-116.

Lowson, R. H. (2002). Operations strategy: genealogy, classification and anatomy.International Journal of Operations & Production Management, 22(9-10), 1112-1129.

Lee, H. L., et Billington, C. (1993). Material management in decentralized supply chains.Operations Research, 41(5), 835.

Maness, T., & Adams, D. (1991). The Combined Optimization of Log Bucking and SawingStrategies. Wood and Fiber Science, 23(2), 296-314.

Maness, T. C., et Norton, S. E. (2002). Multiple Period Combined Optimization Approachto Forest Production Planning. Scandinavian Journal of Forest Research, 17(5),460-471.

Masuchun, W., Davis, S., et Patterson, J. W. (2004). Comparison of push and pull controlstrategies for supply network management in a make-to-stock environment.International Journal of Production Research, 42(20), 4401-4419.

7/28/2019 25705

34/73

25Meyr, H., Wagner, M., et Rohde, J. (2005). Structure of Advanced Planning Systems. In H.

Stadtler, & C. Kilger (Eds.), Supply Chain Management and Advanced Planning:Springer, 109-115.

Min, H., et Zhou, G. (2002). Supply chain modeling: past, present and future. Computers &

Industrial Engineering, 43(1-2), 231-249.Mula, J., Poler, R., Garcia-Sabater, J. P., et Lario, F. C. (2006). Models for production

planning under uncertainty: A review.International Journal of ProductionEconomics, 103(1), 271-285.

Olhager, J. (2003). Strategic positioning of the order penetration point. InternationalJournal of Production Economics 85(3): 319-329.

Olhager, J., et Rudberg, M. (2002). Linking manufacturing strategy decisions on processchoice with manufacturing planning and control systems.International Journal ofProduction Research, 40(10), 2335-2351.

Olhager, J., & Wikner, J. (2000). Production planning and control tools. ProductionPlanning & Control, 11(3), 210-222.

Palmer, P., & Selen, W. (2004). A Customer-Oriented Profitability Model for an AustralianTimber Company. Second World Conference on POM an 15th Annual POMConference. Cancun, Mexico.

Reinders, M. P., et Hendriks, T. H. B. (1989). Lumber Production Optimization. EuropeanJournal of Operational Research, 42(3), 243-253.

Rensi, G., et Weintraub, A. (1988). Using dynamic programming to obtain efficient kiln-drying schedules. Wood and Fiber Science, 20(2), 215-225.

Rnnqvist, M. (2003). Optimization in forestry.Mathematical Programming, 97(1-2), 267-284.

Schmidt, G., et Wilhelm, W. E. (2000). Strategic, tactical and operational decisions inmulti-national logistics networks: a review and discussion of modelling issues.International Journal of Production Research, 38(7), 1501-1523.

Schneeweiss, C., et Zimmer, K. (2004). Hierarchical coordination mechanisms within thesupply chain.European Journal of Operational Research, 153(3), 687-703.

Seely, J., et Hagel, J. (2005). From push to pull: The next frontier of innovation.McKinseyQuarterly, 2005(3), 9.

Sendil Kumar, C., et Panneerselvam, R. (2007). Literature review of JIT-KANBANsystem. The International Journal of Advanced Manufacturing Technology, 32(3/4),393-408.

7/28/2019 25705

35/73

26

Smith, A. (1776).Inquiry into the Nature and Causes of the Wealth of Nations, 1776.Edited by S.M. Soares. MetaLibri Digital Library, 2007.

Spearman, M. L., et Zazanis, M. A. (1992). Push and Pull Production Systems - Issues and

Comparisons. Operations Research, 40(3), 521-532.Sugimori, Y., Kusunoki, K., Cho, F., et Uchikawa, S. (1977). Toyota production system

and Kanban system Materialization of just-in-time and respect-for-human system.International Journal of Production Research, 15(6), 553 - 564.

Stadtler, H. (2005). Supply Chain Management An Overview. Supply ChainManagement and Advanced Planning, 9-35.

Stevenson, M., Hendry, L. C., et Kingsman, B. G. (2005). A review of production planningand control: the applicability of key concepts to the make-to-order industry.International Journal of Production Research, 43(5), 869-898.

Supply Chain Council (2006), Supply-Chain Operations Reference-model Overview ofSCOR Version 8.0, Supply Chain Council, Pittsburgh, PA. Disponible surwww.supply-chain.org

Tang, L. X., Liu, J. Y., Rong, A. Y., et Yang, Z. H. (2001). A review of planning andscheduling systems and methods for integrated steel production.European Journalof Operational Research, 133(1), 1-20.

Todoroki, C. (2001). Volume and value variation with opening face position: Aninvestigation with pruned softwood logs.Forest Products Journal, 51(1), 36-42.

Todoroki, C., et Ronnqvist, M. (1999). Combined primary and secondary log breakdownoptimisation.Journal of the Operational Research Society, 50(3), 219-229.

Todoroki, C., et Rnnqvist, M. (2002). Dynamic Control of Timber Production at aSawmill with Log Sawing Optimization. Scandinavian Journal of Forest Research,17(1), 79-89.

van der Zee, D. J. (2006). Modeling decision making and control in manufacturingsimulation.International Journal of Production Economics, 100(1), 155-167.

Vila, D., Martel, A., et Beauregard, R. (2006). Designing logistics networks in divergentprocess industries: A methodology and its application to the lumber industry.International Journal of Production Economics, 102(2), 358-378.

Vo, S., et Woodruff, D. L. (2006).Introduction to Computational Optimization Models forProduction Planning in a Supply Chain (2 ed.): Springer.

7/28/2019 25705

36/73

27Wilson, R. H. (1934). A scientific routine for stock control.Harvard Business Review,

13(1), 116.

Zhang, W., et Xie, S. (2007). Agent technology for collaborative process planning: areview. The International Journal of Advanced Manufacturing Technology, 32(3),

315-325.Zymelman, M. (1965). A stabilization policy for the cotton textile cycle.Management

Science, 11(5), 572-580.

7/28/2019 25705

37/73

28

Chapitre 2. Agent-Based Simulation and Analysis ofDemand-Driven Production Strategies in the LumberIndustry

2.1 AbstractThis paper addresses the generic problem of production planning in a divergent lumber

production environment. It aims at analyzing the performance of various demand-driven

production strategies of a lumber production system. This analysis is performed using a

simulation platform built on an agent-based advanced planning system. Nine production

strategies configurations are evaluated under six scenarios in order to carry out a complete

mixed level design of 54 simulation runs. Each of these configurations is a combination of

a decoupling point position and a level of capacity that is committed to contracts with

customers. Accordingly, the six scenarios are designed as a combination of supply type

(i.e., log diameter distribution) and lumber market prices. Production processes and co-

production yields are based on a real manufacturing system from eastern Canada.

Performance is evaluated from the logistic and economic points of view. Resultsdemonstrate that demand-driven planning approaches that propagate demand information

upstream the supply chain have the potential to improve planned customer service and

reduce planned inventories. Results also show that lumber companies need to receive a

premium from their customers in order to compensate from the loss of potential value

resulting from a more constrained planning environment.

7/28/2019 25705

38/73

29

2.2 RsumCette recherche traite sur le problme de la planification de la production dans un

environnement de production divergent tel que celui du bois duvre. Elle a pour but

danalyser les changements dans la performance oprationnelle aprs lintroduction de

mthodes de contrle flux tir dans le systme de production de bois duvre. On utilise

une plateforme exprimentale comme systme de planification et programmation avance

base sur une technologie agent pour simuler et valuer la performance. Un plan

dexpriences complet de niveaux mixtes avec 54 observations comprenant neuf

configurations de la scierie sous six scenarios a t ralis. Chacune des neuf configurations

reprsente une combinaison des niveaux des deux facteurs contrlables : la position dupoint de dcouplage et le niveau de capacit allou aux contrats. Par consquent, les six

scenarios sont le rsultat de la combinaison des niveaux des facteurs externes, savoir : le

mlange des billes et les diffrences relatives des prix marchs du bois. La performance est

value des points de vue logistique et financier dans le but de mettre en vidence les

compromis dans ces deux perspectives. Les rsultats dmontrent que les stratgies de

planification bases sur une approche tire, qui propagent linformation de demande en

amont de la chane de cration de valeur, ont le potentiel damliorer le service logistique

aux clients et diminuer les niveaux dinventaire. Cependant, les rsultats montrent aussi que

les compagnies du bois auront besoin daller chercher une prime dans les prix des contrats

pour compenser les pertes dans le revenu potentiel li lopration en mode flux pouss.

2.3 IntroductionThe forest products industry is an important business sector in Quebec, Canada. It plays a

central role in its economy, providing over 115.000 direct employments and contributing

about 4% of its Gross Domestic Product (QFIC, 2005). Despite its importance, the lumber

industry is facing serious difficulties. Timber has become scarce in quantity and quality in

7/28/2019 25705

39/73

30public forests, especially in eastern Canada. Furthermore, the combination of longer

hauling distances and higher gas price result in constantly increasing supply costs due to

higher transportation cost. Moreover, the increased concurrence in the US market, due to

the emergence of low cost fiber producers, has also affected Quebecs lumber industry

directly and indirectly because of its business relationship with the pulp and paper industry.

Finally, the Canadian lumber industry is facing strong protectionism measures in the US

market, as well as a strong Canadian dollar that impairs exports in general.

In order to face these issues, lumber producers have focused their efforts on cost reduction

and potential market value recovery (i.e., price-based optimization with 3D scanning and

curve sawing). The use of such push-oriented strategies also finds justification in a highly

standardized and commoditized North American softwood lumber market. On the one

hand, Quebec sawmills have become highly productive machines, in spite of the small

diameter of the available logs (Bdard, 2002; Lvesque 2005). On the other hand, they have

become inflexible to adapt to changing market needs.

Even though these make-to-stock strategies served the industry rather well when market

prices were higher and competition inexistent, new market conditions are reshaping the

way lumber is demanded. Value-added wood based industries, such as engineered wood

products and prefabricated houses have been experiencing a sustained development for afew years and ask for more collaborative relationships with lumber producers. Instead of

ordering large volume of commodity, engineered wood producers expect high quality

products on demand, because they do not hold large inventory of raw material. A similar

kind of pressure is emerging from the home center industry. Vendor-Managed Inventory

(VMI) is becoming extensively used, forcing lumber producers to learn how to manage

consigned inventories and replenish their customers with the right quantities of the right

product at the right time. Contracts that enforce the delivery of certain volumes of products

are also more frequently used with large retailers. Even if these contracts are profitable,

they put pressure on lumber producers as they must pay important penalties, or even may

lose their contract, if stores become out-of-stock.

Similar challenges have already been addressed by other industries, such as the food

processing industry (Soman et al., 2004). In this industry, customer centric strategies let

7/28/2019 25705

40/73

31demand information guide production decisions. Conversely, the Quebec lumber

production strategy is still mainly driven by potential value recovery and market prices.

The adoption of such strategies is a difficult task for lumber producers who strongly believe

that cost reduction is still the main driver in the lumber business. Although low production

cost remains a barrier to access the lumber market, it becomes more and more necessary for

lumber producers to adopt new strategies to improve their ability to meet market needs. The

challenge is thus to find solutions to overcome the price-based push strategy that is widely

accepted in the industry in North America.

This paper provides an exploratory analysis of the introduction of demand-driven (pulled

by demand information) strategies in the lumber production process. In order to do this, a

series of simulation experiments that exploit an agent-based advanced planning system has

been carried out. The objective is to provide managerial insights concerning the design of a

mix marketing strategy (i.e., contract and/or spot market) that is closely related to the

production and procurement specificities of softwood sawmills.

2.4 Research context2.4.1 Characterization of the lumber production processThe lumber industry is a process industry characterized by three main elements. First, the

process routing is fixed (i.e., sawing, drying, planing and sorting). Second, raw material

(i.e., log diameter distribution and quality) plays a central role in constraining the volumes

and mix of product types that can be produced. Third, lumber is produced through a set of

successive divergent processes with co-production (i.e., several product types are produced

simultaneously, as presented in Figure 2-1) best described by recipes than bills of material(Crama et al., 2001).

7/28/2019 25705

41/73

32

Figure 2-1: Product flow divergence in sawmilling

Lumber is thus co-produced according to multiple input-process combinations that generate

several pieces of lumber from each single log. At the sawing level, the combination of input

(i.e., the size, diameter and shape of a log to be processed) and sawing process (i.e., a set of

log breakdown sub-processes) defines the distribution of output to expect. In practice, a

price list defining the value of each co-product guides the selection of the sawing process to

breakdown each log independently. This price-based optimization process is a typical local

optimization, as each log is broken down independently without regards to customer

demand. Some control systems take past production volume into account to select the next

sawing processes, which improve output production control, and thus, demand satisfaction.

With pure price-based production control systems, the only two possible ways to influence

the output is to control the mix of input logs and to adjust the price list that is fed directly

into the production control optimizers. In other words, the same production control

decisions apply simultaneously to all input logs and products. Consequently, the adjustment

of the price list to force the production of a certain type of lumber, lets say [tw; gd; l],

where t is the thickness, w the width, gd the grading and l the length, will automatically

push the flow of other co-products. This production control strategy limits the companys

ability to commit with customer to deliver specific product types. Contracts are thus usuallybased on the mills historical production data used to identify the reasonable volume that

can be promised and delivered on time. This strategy tends to increase inventory levels due

to limited control of output mix. The remaining products with less rotation are then pushed

to market at a generally lower price.

7/28/2019 25705

42/73

33The drying process is a batch-oriented production process. It can be modeled as a set of

more or less independent sub-processes (i.e., air-drying, kiln drying and equalizing) that

together define a drying process. Air-drying and equalizing are usually carried out in the

log yard. However, kiln drying is a long and energy consuming process. A batch of pieces

of lumber of similar thickness and moisture content level is loaded into the dry kiln.

Although the nominal dimension of lumber is not changed during this process, the output

quality (i.e., twist, internal stress, surface defaults, etc.) depends upon the combination of

drying sub-processes. The careful definition of the overall drying process influences the

lumber grade, which can be controlled to improve response to market needs (Gaudreault et

al., 2006).

Finally, the planing and sorting processes produce several grades of various dimensions of

lumber. A visual inspection of each piece of lumber enables the operator to cut the piece at

the most valuable length, eliminating defaults such as flash (i.e., pieces of bark at the end of

a plank). Production planning of planing and sorting operations is likewise a difficult task,

mainly due to the complexity arising from the co-production and the limited sorting

capacity constraints (i.e., limited number of sorting bins vs. the number of possible product

types). Furthermore, sawmills in Quebec generally limit the number of final products in

order to produce enough volume of each single item to sell it in the lumber spot markets,

where each transaction is individually negotiated.

2.4.2 Production planning and control in the lumber industry

The lumber industry is also characterized by production control principles specific to

process industries. Fransoo (1993) proposes a definition of production control in this

context that emphasizes profit maximization rather than cost minimization. Indeed, the

author explains that a process production system is more likely to influence the profitabilityof the company because it is the bottleneck that defines the companys capacity to satisfy

customers demand. Crama et al. (2001) go further and explain that the characteristics of

process industries, such as the availability of raw materials, the simultaneous production of

several products, and the use of expensive equipments (which is not necessarily the case in

7/28/2019 25705

43/73

34the lumber industry), limits the flexibility of production control so that demand satisfaction

cannot be enforced. Consequently, it is here necessary to allocate capacity to customer

demand in order to maximize profit.

Similarly, the Quebec lumber industry is first constrained by supply availability. It iscontrolled, to some extent, to meet orders allocated to mills and market conditions

perceived by the sales force. Although, production planning seems to be triggered by

market needs, planning and control is in practice not geared up with advanced planning

tools that can simultaneously consider both actual market orders and a forecast of

aggregated market needs. Orders are usually allocated by corporate sales offices to mills

according to their ability to produce certain types of products and according to their relative

proximity to the customers. In turn, these orders influence production planning in a myopic

way. In other words, the mills production planner decides the mix of log types to transform

daily, and sometimes (i.e., from once a week to once every 6 month), adjust the price list in

the log sawing optimizer in order to influence output mix. It is indeed largely believed in

the industry that the variability of the sawmilling process is too unpredictable to be

triggered by orders or demand forecast information. However, a large part of this variability

is due to poor raw material characterization and mills inability to control divergence. Thus,

the most important task of the mills planner is to forecast output product mix and volumes

based on supply availability and to communicate these production forecasts to the sales

force in order to push products (i.e., forecasted available-to-promise and on-hand

inventory) to the market. De Toni et al. (1998) classify this type of production control

approach as a process with a look-back rather than look-ahead criterion, which means that

it is less responsive to market fluctuations.

Furthermore, these practices are greatly encouraged by the performance measurement

system metrics commonly used