Gestion des stocks sous la contrainte de quantités minimales de commande multi-référence
Les quantités minimales de commande (MOQs) sont omniprésentes dans les supply chains. Chaque entreprise qui n’est pas spécialiste du retail est très susceptible d’imposer un MOQ à tout ce qu’elle distribue. Même les détaillants eux-mêmes doivent faire face aux MOQs, car ceux-ci sont imposés par leurs fournisseurs. Compte tenu de la prévalence des MOQs, et du fait qu’environ 1 million d’articles ont été publiés dans des domaines liés à la supply chain au cours des 100 dernières années (alias recherche opérationnelle, gestion des stocks, planification, etc.), on pourrait s’attendre à ce que des milliers d’articles1 soient facilement accessibles pour étudier une préoccupation aussi basique. On se trompe.
Il y a quelques années, Gaetan Delétoille a entamé un doctorat chez Lokad abordant précisément ce sujet, et notre plus grande surprise a été de découvrir l’extrême rareté de la littérature scientifique sur cette thématique. Non seulement on ne trouvait à peine quelques dizaines d’articles publiés au cours des 100 dernières années traitant des MOQs2, mais beaucoup d’entre eux ne reproduisaient pas ni n’offraient de meilleurs résultats que de simples heuristiques lorsqu’il s’agissait des MOQs.
Tout comme la recherche de Benoit Petra et de Matthieu Durut, ce travail académique constitue un apport attendu de longue date sur le site de Lokad.
Auteur: Gaetan Delétoille
Date: Juin 2022

Résumé:
Cette recherche de doctorat3 traite du problème de contrôle des stocks en quantités minimales de commande multi-articles auquel sont confrontés de nombreux clients d’optimisation de la supply chain. Le problème du MOQ est à la fois crucial et difficile à résoudre en raison de sa nature stochastique et de la quantité minimale de commande partagée entre plusieurs articles. Les méthodes existantes, telles que la programmation dynamique et les algorithmes de reinforcement learning, ne parviennent pas à s’adapter aux problèmes complexes ou sont rarement appliquées dans la pratique. Cette thèse introduit la w-policy, une approche novatrice qui simplifie le problème du MOQ multi-période en priorisant les articles lors de la constitution de la meilleure commande potentielle. De vastes expériences numériques valident la performance quasi-optimale et la robustesse de la w-policy. De plus, l’étude explore le potentiel du reinforcement learning dans la résolution du problème du MOQ en présentant la hybrid policy - une approche qui combine le mécanisme d’allocation de la w-policy avec un deep Q-network. Bien que la hybrid policy présente des résultats prometteurs, elle nécessite une robustesse accrue pour une application en conditions réelles. La w-policy a été implémentée avec succès et intégrée dans la solution de Lokad pour le contrôle quotidien des stocks prise de décision. Les résultats de la recherche contribuent de manière significative à la résolution de problèmes complexes de contrôle des stocks à grande échelle en situation d’incertitude, avec des implications pratiques pour l’optimisation de la supply chain.
Jury:

-
Google Scholar retourne 25 000 résultats pour “Seasonality forecasting” publiés rien qu’en 2019. ↩︎
-
Le problème multi-référence du MOQ est le cas qui caractérise l’immense majorité des situations. Bien que les problèmes de MOQ multi-référence soient généralement mêlés aux problèmes de MOQ au niveau des SKU, ces derniers sont relativement faciles à traiter isolément. ↩︎
-
Le manuscrit original de thèse ne comporte pas de résumé. Pour la commodité de nos lecteurs, nous en avons fourni un. Toute inexactitude ou méprise dans ce résumé relève de notre responsabilité et ne doit pas être attribuée à l’auteur original. ↩︎