Les réseaux de la chaîne d’approvisionnement peuvent être incroyablement complexes, avec de multiples points de fabrication et de distribution – et l’emplacement de chaque nœud de ces réseaux a un effet significatif sur tout, de la rentabilité au coût du produit en passant par l’impact environnemental. De nouvelles recherches de la North Carolina State University montrent que des outils mathématiques efficaces servent presque aussi bien que des modèles d’optimisation plus exigeants en termes de calcul pour déterminer les meilleurs endroits pour localiser les éléments d’une chaîne d’approvisionnement, et peuvent fournir aux entreprises les informations pertinentes beaucoup plus rapidement.
« Notre travail se concentre sur les chaînes d’approvisionnement qui améliorent les performances économiques et environnementales en adoptant la durabilité », déclare Amir Sadeghi, premier auteur de l’étude et titulaire d’un doctorat. étudiant au département d’ingénierie industrielle et des systèmes Edward P. Fitts de NC State. « Nous avons examiné les chaînes d’approvisionnement où des éléments de leurs produits peuvent être réutilisés, comme les technologies d’impression qui réutilisent les cartouches d’imprimante. Ces chaînes d’approvisionnement impliquent plusieurs installations de fabrication, ainsi que de nombreux autres sites de distribution où les consommateurs peuvent à la fois acheter les produits et les retourner. Ces chaînes d’approvisionnement à plusieurs niveaux sont extrêmement complexes et la localisation de chaque point de la chaîne d’approvisionnement a des ramifications importantes en termes de coût, de temps de transport, etc.
« Bien qu’il existe des modèles qui nous permettent d’identifier la solution optimale exacte pour l’emplacement de chaque point de la chaîne d’approvisionnement, ces modèles sont exigeants en termes de calcul. Nous voulions donc voir dans quelle mesure des outils plus efficaces en termes de calcul pouvaient fonctionner et s’ils pouvaient être un substitut approprié pour une utilisation dans la prise de décisions en matière de gestion de la chaîne d’approvisionnement. »
Plus précisément, les chercheurs ont voulu tester les performances de deux heuristiques bien établies, qui sont des « raccourcis » algorithmiques capables de fournir rapidement une bonne réponse – mais pas nécessairement optimale – à un problème complexe. Ils ont comparé ces deux heuristiques, appelées Gray Wolf Optimizer (GWO) et Whale Optimization Algorithm (WOA), à un modèle informatique capable de trouver la solution optimale exacte. Les chercheurs ont testé l’heuristique par rapport au modèle d’optimisation exact pour 15 problèmes différents, reflétant une gamme de défis de la chaîne d’approvisionnement à plusieurs niveaux.
L’heuristique et le modèle d’optimisation exact ont tous été conçus pour trouver les meilleurs sites pour chaque point d’une chaîne d’approvisionnement, puis déterminer le coût de mise en place de cette chaîne d’approvisionnement. Les trois outils tiennent compte de nombreuses variables qui influent sur les coûts, comme la distance de transport et les coûts immobiliers et de construction.
Les chercheurs ont été surpris du bon fonctionnement de l’heuristique. Il y avait une certaine variabilité dans les performances de l’heuristique, en fonction du défi spécifique de la chaîne d’approvisionnement utilisé dans chaque test. Cependant, au mieux, le GWO a pu établir des sites de chaîne d’approvisionnement avec des coûts inférieurs à 0,01 % du modèle d’optimisation exact, tandis que les coûts du WOA étaient inférieurs à 0,07 % du modèle d’optimisation exact. Et, en moyenne, les heuristiques ont pu fournir leurs solutions en environ la moitié du temps du modèle d’optimisation exact.
« Si vous avez une chaîne d’approvisionnement établie et que l’un de vos nœuds tombe en panne de manière inattendue – un magasin ferme, un site de fabrication est fermé par une inondation, etc. – vous devez agir rapidement pour rétablir la chaîne d’approvisionnement », déclare Sadeghi. . « S’il s’agit d’une chaîne d’approvisionnement complexe – et que vous n’avez pas accès à un superordinateur – il peut y avoir un avantage significatif à utiliser une heuristique qui peut vous donner une très bonne réponse sur l’endroit où remplacer un maillon manquant en quelques heures, plutôt que d’attendre des jours pour exécuter un modèle d’optimisation exact. »
Les chercheurs ont également trouvé un avantage inattendu à l’heuristique : ils étaient plus robustes que le modèle d’optimisation exact. Concrètement, cela signifie que les réponses fournies par les heuristiques étaient plus susceptibles de tenir lorsque certaines des variables changeaient. Par exemple, s’il y avait un léger changement dans l’emplacement d’un nœud dans un réseau de chaîne d’approvisionnement créé par une heuristique, il y aurait un léger changement dans le coût associé. Cependant, des changements similaires dans les réseaux de chaîne d’approvisionnement développés par le modèle d’optimisation exacte étaient plus susceptibles de provoquer des changements importants dans les coûts.
« Dans l’ensemble, nos résultats suggèrent qu’il peut y avoir des avantages significatifs pour les responsables de la chaîne d’approvisionnement à adopter l’utilisation de l’heuristique », déclare Rob Handfield, co-auteur de l’étude.
« Nous ne nous attendons pas à ce que quiconque abandonne l’utilisation de modèles d’optimisation exacts pour la planification à long terme, mais à tout le moins l’heuristique peut être un moyen utile de tester la robustesse des réseaux » optimaux « », déclare Handfield, qui est la Banque of America University Professeur émérite d’opérations et de gestion de la chaîne d’approvisionnement au Poole College of Management de l’État de Caroline du Nord. « Et l’heuristique peut être particulièrement précieuse pour les responsables de la chaîne d’approvisionnement qui sont obligés de réagir rapidement aux perturbations inattendues de leurs réseaux. »
