Analyse et modélisation de la chaîne agrumicole marocaine basée sur le système multi-agents et indicateurs de performance : planification réactive et robuste

Hind MOUTAOAKIL; icham JAMOULI

doi:10.53102/2014.33.04.794

Auteurs

Hind MOUTAOAKIL Univ. Ibn Zohr, Ecole Nationales des Sciences Appliquées d' Agadir Laboratoire LGII
icham JAMOULI Univ. Ibn Zohr, Ecole Nationales des Sciences Appliquées d' Agadir Laboratoire LGII

DOI :

https://doi.org/10.53102/2014.33.04.794

Mots-clés :

agrumes, chaîne logistique, SCOR, système muti-agents, processus, indicateurs de performance

Résumé

Dans le cadre de l'amélioration des services adressés aux divers clients dans toutes les zones de production marocaines, les groupes marocains d'exportation de fruits et légumes en collaboration avec leurs unités d'emballage et leurs producteurs ont tendance à coopérer entre eux afin de faire face à une compétitivité internationale. En effet, la complexité grandissante des réseaux de partenaires a poussé les décideurs de mettre en place des techniques et des outils contribuant à la maîtrise des différents processus. Pour cela, la mise en place d'un suivi permanent des divers opérations allant de la production, l'emballage, jusqu'à la distribution des produits périssables est devenue primordiale. Cet article vise à proposer une modélisation multi-agents de la chaîne logistique agrumicole basée sur des indicateurs de suivi et d'évaluation de performance de ses systèmes logistiques. Ceci dans le but de construire une nouvelle chaîne autonome, robuste et réactive, permettant ainsi d'optimiser et contrôler le flux des matières et d'informations entre les différents acteurs et intervenants de la chaîne. L'article se présente selon quatre axes majeurs : d'abord une revue littérature résumant les différents modèles existants pour la modélisation des chaînes logistiques. Ensuite, une présentation du principe de la modélisation distribuée basée sur le système multi-agents et son application sur notre étude de cas. Au rùveau du troisième axe, nous avons projeté le principe du modèle choisi sur la chaîne agrumicole marocaine. Enfin, nous avons proposé un modèle décisionnel basé sur une architecture mixte permettant une chaîne réactive et robuste par rapport aux perturbations et aux incertitudes ..

Références

Amrani - Zouggar, A., (2009), « Impact des contrats d'approvisionnement sur la performance de la chaîne logistique: Modélisation et simulation», Thèse de Doctorat, Université Bordeaux 1.

Berrah, L., (1997), « Une approche d'évaluation de la performance industrielle, modèle d'indicateur et techniques floues pour un pilotage réactif», Thèse de doctorat, INP Grenoble.

Biteau, R., Carreau A., Gavaud M., (1991), Dictionnaire des termes de gestion industrielle, Editions AFGI (Association of Financial Guaranty Insurers).

Bouquin, H., (2004), Le contrôle de gestion (2ème édition), Presses Universitaires de France.

Chan, F.T.S., (2003), « Performance Measurement in a Supply Chain», International Journal Advanced Manufacturing Technology, n° 1, pp. 534-548.

Cooper, M., Lambert, D., Pagh, J., (1997), « Supply chain management: more than a new name for logistics », International Journal of Logistics Management, n° 1, pp. 1-14.

Cousin, J., (2006), Key Performance lndicators for Global Materials Management and Logistics, Automotive lndustry Action Croup.

Epstein, M., Manzoni J.F., (1998), « lmplementing corporate strategy: from Tableaux de bord to balanced scorcards », European Management Journal, vol 16, pp. 199-203.

Ferber, J., (1995), Les systèmes multi-agents vers une intelligence collective, lnterEditions.

Fournet, P., (2006), Livre Blanc GMA, Econornica.

Gharbi, H., (2012), « Planification réactive et robuste au sein d'une chaîne logistique », thèse de doctorat, INSA Toulouse.

Gilmour, P., (1999), « A strategic audit framework to improve supply chain performance», Journal of Business & lndustrial Marketing, n°4, pp. 283-290.

Jeruùngs, N.R., Sycara, K., Wooldridge, M., (1998), « A Roadmap of Agent Research and Development, Autonomous Agents and multi-agents Systems», n° 1, pp. 7-38.

Julien, P.A., (1997), Les PME bilan et perspectives (2éme édition), Econornica.

Labarthe, O., (2006), « Modélisation et simulation orientées agents de chaînes logistiques dans un contexte de personnalisation de masse : Modèles et cadre méthodologique », thèse de doctorat, Université Paul Cezanne. Marseille - France.

Lambert, M., Pohlen, L., (2002) : « Mesurer la perfonnance globale de la chaîne logistique », Mesure et valeur de la chaîne logistique, n°1, pp. 7-8.

Laville, J. J., Paul, J., (2007), « The SCOR Model of Excellence Vector Supply Chain. », Supply Chain Magazine, n° 13, pp. 241-255.

Lizarrage, V., Dupont, L., Gourg, D., Pingaud, H., (2005), « Contributing to management of shared projects in SMEs manufacturing clusters », 18th International conference on Production Research (ICPR-18), Salerno, Italy.

Lorino, P., (2001), Indicateurs de performance, Productique-Hermès.

Parunak, H.V.D., Practitioners, A., (2000) « Review of Industrial Agent Applications, Autonomous Agents and multi-agents Systems », n°4, pp. 389-407.

Porter, M., (1990), The competitive Advantage of Nations, New York: free press.

Ruet, S., (2014), « Maîtrise des incertitudes de l'environnement de la chaîne logistique: une analyse au regard du décalage entre théorie et pratique », thèse de doctorat de l'École Doctorale Sciences de Gestion, Paris.

Sayouti, A., QrichlAniba, F., Medromi, H., Lakhouili, A. (2007), « Remote Control Based on Multi Agents Systems. First International Conference on Research Challenges in Information Science (RCIS) », Ouarzazate, Morocco.

Stalk, G., Hout, T., (1990), How time-based management measures performance, Planning Review.

Tambade, H., (2010), Supply Chain Operation Reference SCOR, Supply Chain Council Inc (Version 10.0).

Valla, A., (2008), « Une méthodologie de diagnostic de la performance d'une chaîne logistique», Thèse de doctorat, Institut National des Sciences Appliquées de Lyon.