1. Vème Conférence Internationale en Recherche Opérationnelle
CIRO'10
Marrakech, 2427 Mai 2010
Modélisation Stochastique de la demande
pour les stocks de distribution par une loi
de probabilité Lognormale
Mohamed El Merouani
Département de Statistique et Informatique
Faculté Polydisciplinaire de Tétouan
Université Abdelmalek Essaâdi
Tétouan-Maroc
2. Introduction:
● Modéliser la demande lors de la période de
livraison.
● On considère la demande des stocks de
distribution comme variable aléatoire qui suit une
loi de probabilité Lognormale
● Tadikamalla (1979); Das (1983); Aggarwal
(1984); AlHarkan & Hariga (2007).
2
3. Objectifs:
● Optimiser (minimiser) le coût total de stockage.
● Déterminer le minimum de la quantité
commandée et le point de commande.
● Déterminer le nombre moyen des ruptures.
● Déterminer le minimum de l'espérance du coût
total du stock de sécurité,
On discute les deux cas:
✔ coût de rupture connu,
✔ coût de rupture proportionnel.
3
4. Modélisation Stochastique de la
demande:
● Lois de probabilités: discrètes et continues.
● Dans le cas discrèt, ● Dans le cas
on utilise la loi de continue, on utilise
Poisson. la loi normale.
● Loi de Poisson (Non), pourquoi?:
● Discrète.
● Sa variance=sa moyenne.
4
5. Loi normale?
● Loi normale, non, les raisons:
● une loi normale a une probabilité non nulle de
prendre des valeurs négatives.
● La demande d'un produit est normale
lorsqu'elle porte sur un grand nombre d'unités.
● Elle est symétrique par rapport à la moyenne.
6. Loi exponentielle?
● Losque la symétrie n'est plus vérifiée,
● La loi exponentielle (négative).
● De même, la loi exponentielle, non, parce que:
● Elle est caractérisée par E=
● Loi exponentielle négative, modélise les
phénomènes de désintégration.
7. Loi Lognormale:
● On se propose de modéliser la demande X
pendant le délai de livraison L par une loi de
probabilité Lognormale.
● X ~ ,
Notation: si sa fonction de densité
de probabilité est
{
2
1 1 Ln x −μ
exp {− } si x0
f x = 2π σx 2 σ
2
0 si x≤0
8. Loi Lognormale:
● La loi lognormale a la propriété d'être asymétrique
et étalée vers la droite
9. Schéma multiplicative:
● La demande durant le délai de livraison L est
notée X et elle est supposée égale à :
X=D.L
où D est la demande globale ou totale
10. Schéma multiplicative:
● Lorsque la demande D et le délai de livraison (ou
de production) L sont des v.a., alors la demande
X, les dates et durées de rupture de stocks
éventuelles et les coûts de détention deviennent
euxmêmes aléatoires.
11. Schéma multiplicative:
● Si les lois suivies par D et L sont lognormales à
deux paramètres, alors la loi suivie par le produit
D.L=X est aussi lognormale dont les paramètres
sont exactement la somme des paramètres de D et
de L. Ceci est grâce à la propriété de la fonction
logarithme, Ln(D.L)=Ln(D)+Ln(L).
12. Espérance et variance de la
demande:
● La loi suivie par X et L se caractérise par les deux
paramètres: 2
σ
L'espérance E X =exp { μ }
2
La variance σ2 2μσ
2
Var X = e −1 e
13. La méthode à point de commande:
● Le point de commande Sc est le niveau de stock
auquel on déclenche une commande ou auquel on
entame la production d’un nouveau lot.
14. La méthode à point de commande:
● La fonction de répartition de la Log-normale étant:
2
1 x 1 Ln t− μ
F x =
σ 2π
∫0 t exp {− 2σ2 }dt
● L’événement “une rupture de stock se produit” n’est
rien d’autre que l’événement {X >SC}; en conséquence
la probabilité de rupture s’écrit:
2
1 ∞ 1 Ln t− μ
P X S C =1−F S C =
σ 2π
∫S t exp {− 2σ2 }dt
C
15. Détermination de Sc lorsque le
coût de rupture Cr est connu:
● Nr=nombre de ruptures dans la période de
réference (l'année, par exemple)
●
Cr =Coût de ruptutre
Cr =
●
CS=Coût de détention
●
Ct=Coût totale du stock de sécurité
Ct=CS+Cr
16. ●
L'objectif est min Espérance du coût total de
stockage pendant le délai de livraison.
● Notons E(Ct) l’espérance du coût total du stock
de sécurité
E(Ct) =Cr E(Nr) + CS E(SS)
17. Nous supposons implicitement que la quantité
optimale de commande a déjà été déterminée par
Q
les techniques déterministes classiques (Le modèle
de Wilson).
le coût de rupture total est égal au produit Nr.Cr où
Nr est le nombre de ruptures dans l’année; on a
alors:
18. E D
E N r = ×P X S C
Q
{ }
2
E D 1 ∞ 1 Ln t−μ
E N r =
Q σ 2π
∫S t exp − 2σ dt
C
ED
En effet, le rapport est le nombre moyen de
Q
commandes et par conséquent le nombre moyen
de possibilités de rupture de stock.
19. ● Lorsqu’on cherche à évaluer un coût de rupture
moyen (une espérance), il faut connaître le
nombre moyen d’unités non livrées et appliquer
le coût unitaire de rupture à ce nombre (que nous
noterons E(Nn)). On a alors:
∞
E N n =∫S x−S f x dx
C
C
∞ x−S C
2
1 Ln x− μ
E N n =
σ 2π
∫SC x
exp {−
2σ 2
}dx
20. ● Un coût de rupture fixe est généralement associé
à des ventes différées et dans ce cas le stock de
sécurité s’écrit :
S S =S C −X
21. E D
Min E(Ct) =C r P X S C C S S C −E X
Q
ce qui conduit à résoudre l’équation : ∂ E(Ct)=0
∂ SC
E D
−C r f S C C S =0
Q
où f est la fonction de densité de la loi log-normale.
22. ● Le point de commande dans ce cas est déterminé
“implicitement” par:
Q CS
f S C =
E D Cr
pour éviter l’obtention du point de commande
« implicitement » est de considérer la demande
suivant une loi de probabilité lognormale à trois
paramètres, avec SC comme le paramètre seuil.
23. Détermination Sc lorsque Cr
proportionnel:
● Cr fonction linéaire de du nombre d’unités dont
la demande n’a pu être satisfaite Nn.
●
Distinguer deux cas:
●
Ventes différées:
●
Ventes perdues:
24. Ventes différées:
Cr=coût de rupture unitaire
E D
E(Ct) =C S S C −E X C r E N n
Q
E D ∞
=C S S C −E X C r
Q ∫S x−S C f x dx
C
{ }
2
ED 1 ∞ x−SC Ln x−μ
σ 2π ∫S
=C S S C −E X C r exp − 2
dx
Q C x 2σ
25. ● Nn dépende de Sc
E D ∂
[ ]
∞
∂ E(Ct) =C S C r
Q ∂ SC
∫ x−S f x dx
S
C
C
∂ SC
E D
∂ E(Ct) =C S −C r P X S C
Q
∂ SC
Q CS ¿
P X S C =1−F S C =
E D Cr
ou F est la fonction de répartition de la lognormale
(de X)
26. Ventes perdues:
● Le stock de sécurité s’écrit, cette fois:
S
E S S =∫0 S C −x f x dx
C
{ }
2
1 S SC− x Ln x−μ
E S S = ∫0 x exp − 2σ2 dx
C
σ 2π
● Le coût total de stockage s’écrit alors:
[ ]
∞
E(Ct) =C S S C −E X ∫S x−S C f x dx
C
E D ∞
C r
Q ∫S x−S C f x dx
C
27. [ E D
E(Ct)=C S [ S C −E X ] C S C r
Q ] ∞
∫ x−S f x dx
SC C
∂ E(Ct)=0
∂ SC
CS
CSQ
P X S C = =
[ ] [C QC r E D ]
E D S
C S C r
Q
28. Conclusion :
● Cas numériques d’application, surtout dans le cas
d’un très grand nombre de données, que ces
derniers soient réels ou générées par simulation.
● Inférence statistique, en particulier l’estimation
des paramètres de la loi lognormale pour prévoir
la demande futur, ainsi que les délai de livraison
dans les périodes à venir.
29. Conclusion:
● Considérer la demande suivant une loi de probabilité
lognormale à trois paramètres, avec SC comme le
paramètre seuil.
● Modéliser la demande par des processus stochastiques
au lieu de le faire par des simples lois de probabilités.
30. Réferences:
[1] Aggarwal, V. : « Modelling of distributions by value
for multiitem inventory», IEEE Trans., 16, 9098, 1984.
[2] Aitchison, J. & Brown, J. A. C.: « The Lognormal
Distribution », Cambridge University Press, London,
1957.
[3] AlHarkan, I. & Hariga, M.: « A Simulation
Optimization Solution to the Inventory Continuous
Review Problem with lot size dependent Lead Time »,
The Arabian Journal for Science and Engineering, Vol.
32, N° 2B, 327338, October 2007.
31. Références:
[4] Crow, E. L. & Shimitzu, K.: « Lognormal
Distributions: Theory and Applications », Marcel
Dekker, Inc., New York, 1988.
[5] Cohen, A. C.: « Estimating parameters of logarithmic
normal distributions by maximum likelihood », Journal
of the American Statistical Association, 46, 206212,
1951.
[6] Das, C.: «Inventory control for Lognormal demand »,
Computers & Operations Res., 10, 267276, 1983.
32. Références:
[7] Roger, P. : « Gestion de Production », DallozSirey,
1997.
[8] Strijbosch, L. W. G. & Moors, J. J. A. : « Modified
normal demand distributions in (R, S)inventory control»,
European Journal of Operational Research, 172, 201212,
2006.
[9] Tadikamalla, Pandu R : « The lognormal approximation
to the lead time demand in inventory control », Omega, vol.
7, issue 6, pages 553556, 1979.
[10] Tadikamalla, Pandu R : « A comparison of several
approximations to the lead time demand distribution»,
Omega, vol. 12, issue 6, pages 575581, 1984.