Thèse soutenue

Amélioration des processus de prévision et de gestion des stocks dans le cas d'une chaîne logistique des pièces de rechange
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Adnane Lazrak
Direction : Bruno Castanier
Type : Thèse de doctorat
Discipline(s) : Automatique, productique
Date : Soutenance le 02/12/2015
Etablissement(s) : Nantes, Ecole des Mines
Ecole(s) doctorale(s) : Sciences et Technologies de l'Information et Mathématiques
Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Communications et en Cybernétique de Nantes / IRCCyN
Jury : Président / Présidente : Sylvie Norre
Examinateurs / Examinatrices : Alexandre Dolgui, David Lemoine
Rapporteurs / Rapporteuses : Michel Gourgand, Jacques Lamothe

Résumé

FR  |  
EN

Le cadre général des travaux de cette thèse est la chaîne logistique des pièces de rechange et particulièrement l’amélioration de sa performance en prévision et en gestion des stocks à plusieurs niveaux de service. La spécificité d’une demande faible et erratique ne permet pas l’utilisation des approches classiques de prévision. Par ailleurs, les mesures de performance associées reposant sur des indicateurs purement statistiques ne reflètent pas nécessairement les objectifs de gestion d’une chaîne logistique qui cherche à s’aligner avec différents niveaux d’exigence des contrats de maintenance. Après une description des processus et des outils en prévision et en gestion de stocks utilisés dans ce contexte, ces travaux proposent de nouvelles approches de sélection des méthodes de prévisions qui intègrent prévision et gestion de stocks, qui permettent la priorisation en service ou en inventaire et qui utilisent une segmentation par profil de la demande et par niveau de maturité des pièces. Par la suite, ces travaux considèrent le cas de la différenciation client dans le modèle de gestion de stocks basé sur des prévisions, en comparant la performance de la politique à niveau critique avec les politiques classiques à stock commun ou séparé. Chaque processus étudié a été accompagné d’une analyse comparative entre différentes méthodes de prévisions et politiques de gestion de stocks sur des données réelles du cas d’application industrielle de la chaine logistique de GE Healthcare. Ce qui a permis de construire un ensemble de recommandations en fonction de la segmentation de la pièce et des priorités des décideurs.