Master Recherche Gnie Industriel

Spcialit OSIL
Promotion 2008/2009

Mmoire Thmatique

GESTION DE STOCK MULTI-PRODUIT

Soutenu le 5 mars 2009 par Amaury CIVRAC

Jury :
Asma GHAFFARI
Zied JEMAI
...
..
RESUME

Lobjet de cette tude est de raliser un tat de lart des politiques de gestion de stock en
environnement multi-produit dans le cadre dun entrept ou magasin devant se rapprovisionner
auprs dun fournisseur, problmatique plus communment connue sous le nom de Joint
Replenishment Problem .

Aprs avoir rpertori les diffrentes approches considres dans la littrature, nous indiquons
diffrentes voies quil nous semblerait pertinentes dapprofondir. Nous nous sommes focaliss sur la
problmatique doptimisation dune politique de rapprovisionnement multi-produit sous contrainte de
capacit de stockage, dallocation de budget, de transport et de minimum de commande.

Nous proposons deux modles prenant en considration lensemble de ces contraintes dans le cas
dune demande stochastique et dans le cas dune demande dterministe constante dans le temps, ainsi
que les structures de cot associes.
SOMMAIRE

RESUME ................................................................................................................................................. 2
SOMMAIRE ........................................................................................................................................... 3
INTRODUCTION ................................................................................................................................... 5
I. Revue bibliographique .................................................................................................................... 6
I.1 Primtre de ltude................................................................................................................. 6
I.2 Analyse globale du sujet en enjeux associs ........................................................................... 7
I.3 Prsentation de la base bibliographique .................................................................................. 8
I.3.1 Sources de recherche ........................................................................................................... 8
I.3.2 Source dinformation en Recherche Oprationelle pour la problmatique de
rapprovisionnement multi-produit ................................................................................................. 9
I.3.3 Les chercheurs et les principales collaborations.................................................................. 9
I.4 Analyse de la base bibliographique ....................................................................................... 11
I.4.1 Chronologie des publications ............................................................................................ 11
I.4.2 Les principaux ples et quipes de recherche travers le monde ..................................... 12
I.4.3 Les pistes de recherche rcentes : la prise en compte des contraintes ............................... 12
II. Classification et caractrisation des modles du JRP ................................................................... 14
II.1 Les articles de revues ............................................................................................................ 14
II.2 Classification retenue ............................................................................................................ 16
II.3 Prsentation du Problme de rapprovisionnement multi-produit ........................................ 18
II.3.1 Contexte de ltude ........................................................................................................ 18
II.3.2 Hypothses du modle ................................................................................................... 18
II.3.3 Paramtres du modle.................................................................................................... 19
II.3.4 Variables de dcision ..................................................................................................... 19
II.3.5 Fonction de cot ............................................................................................................ 20
II.3.6 Mthodes de rsolution.................................................................................................. 20
II.4 Quelques exemples de modlisation ..................................................................................... 21
II.4.1 JRP avec contraintes de stockage, de budget et capacit de transport : Hoque, 2006 ... 21
II.4.2 JRP avec minimum de commande (MOQ) : Porras & Dekker, 2006 ........................... 22
II.4.3 JRP avec demande stochastique .................................................................................... 23
III. Problmatique de recherche ...................................................................................................... 24
III.1 Identification des champs dexploration possibles ................................................................ 25
III.2 Choix dune problmatique de recherche .............................................................................. 26
IV. Mise en place dun modle associ ........................................................................................... 27
 IV.1 Contexte du modle ............................................................................................................... 27
IV.2 Hypothses associes et justification..................................................................................... 28
IV.3 Dfinition des paramtres et des variables de dcision ......................................................... 28
IV.3.1 Paramtres du modle.................................................................................................... 28
IV.3.2 Variables de dcision ..................................................................................................... 29
IV.4 Fonction de cot optimiser ................................................................................................. 29
IV.4.1 Cots pris en compte ..................................................................................................... 29
IV.4.2 Fonction de cot total .................................................................................................... 30
IV.5 Contraintes du modle ........................................................................................................... 31
IV.6 Proposition de modle en environnement dterministe ......................................................... 31
IV.6.1 Extension du modle de Hoque, 2006 ........................................................................... 32
IV.6.2 Analyse des cots de transport ...................................................................................... 32
IV.6.3 Nouvelle modlisation des cots de transport ............................................................... 33
IV.7 Avantages et limites des modles proposs........................................................................... 34
IV.7.1 Les contraintes prises en compte ................................................................................... 34
IV.7.2 Typologie de la demande............................................................................................... 35
CONCLUSION ..................................................................................................................................... 36
BIBLIOGRAPHIE ................................................................................................................................ 37
INTRODUCTION

Limportance de loptimisation de lensemble de la chaine logistique nest plus dmontrer

aujourdhui, lheure du client roi, dans un monde conomique o la satisfaction du client est le
principal enjeu et la sanction fatidique de toute politique conomique dentreprise.

Dans un environnement conomique international de plus en plus comptitif, les gains potentiels
effectus tout au long de la chaine de valeur sont ainsi considrs comme un levier de comptitivit
essentiel.

Par ailleurs, les besoins de consommation toujours plus spcifiques et la production de biens
industriels guide par des volutions toujours plus rapide imposent aux entreprises de biens et services
des gammes de produits de plus en plus tendues.

Dans ce cadre, les politiques de gestion de stocks sont directement impactes par la multiplication des
rfrences produits, les exigences de livraison toujours plus rapide, et les cots d'approvisionnement
toujours plus discriminants. Le pilotage de flux et les politiques de gestion des stocks reprsentent
donc un enjeu crucial pour la matrise gnrale de la chane logistique, et de nombreuses politiques de
gestion de stocks ont t dveloppes dans la littrature dans le cadre de systmes mono-produits
(modle de Wilson, politiques point de commande, niveau de recompltement).

Cependant, les flux logistiques rels sont bien souvent composs de plusieurs produits, apportant une
complexit supplmentaire pour l'optimisation de ces politiques. De nombreux travaux se sont donc
penchs sur la gestion des stocks et les problmatiques d'approvisionnement dans un environnement
multi-produit.

Des revues de littrature sur le problme dapprovisionnement dans un contexte multi-produit ont ainsi
t publies ds 1988 par Aksoy and Erenguc, et ractualises plus rcemment par Khouja et Goyal,
2008. Les gains potentiels lis ces politiques doptimisation ont suscit un certain intrt pour mettre
en uvre des politiques dapprovisionnement conjointes.

Nanmoins les contraintes industrielles ont t peu prises en compte jusqu peu et lon voit clore un
nombre croissant de travaux traitant de ces enjeux dapprovisionnement dans un contexte multi-
produit. Ils prennent dsormais en compte une ou plusieurs contraintes parmi lesquelles la capacit des
entrepts, les contraintes de budget ou encore certaines contraintes lies la problmatique du
transport ou de minimum de commande.

Cest ainsi la conclusion de la revue de littrature de Khouja et Goyal, 2008 selon laquelle la recherche
de solutions optimales du problme de rapprovisionnement dans un contexte multi-produit (Joint
Replenishment Problem ou JRP) est arrive un point de saturation. Le temps serait ainsi propice la
prise en compte de modles appliqus des problmes de gestion de stocks rels avec un certain
nombre de contraintes prgnantes.
I. Revue bibliographique

I.1 Primtre de ltude

Au sein de la problmatique doptimisation globale de la Supply Chain, la gestion des stocks et des
approvisionnements correspondants est un enjeu primordial et des gains considrables peuvent tre
raliss en coordonnant lapprovisionnement auprs des fournisseurs dans un environnement multi-
produit (Aksoy and Erenguc, 1988).

Pour rpondre de manire optimale la demande des clients, chaque entreprise ou rseau
dapprovisionnement et de distribution sorganise selon un schma qui allie la fois ractivit et
optimisation des cots de gestion des stocks et des transports.

Ce schma peut tre rduit sa plus simple expression lorsquun magasin sapprovisionne auprs dun
client unique, et peut stendre jusqu des rseaux logistiques beaucoup plus complexes impliquant
plusieurs point dacheminement des produits et diffrents fournisseurs, avec parfois mme plusieurs
chelons de stockage intermdiaires.

Dans le cadre de la recherche oprationnelle, un nombre croissant de pistes exploratoires ont t

lances autour de ces problmatiques dapprovisionnement, notamment impliquant plusieurs
fournisseurs pour un mme lieu dentreposage ou de vente. La plupart de ces tudes traitent de
problmatiques mono-produits (voir Vincent Giard, Gestion de production et des flux ).

Cependant, la ralit de lenvironnement multi-produit concernant les flux de la grande majorit des
Supply Chain a engag un certain nombre de chercheurs explorer la piste de modles multi-produit
afin de rpondre de manire plus pertinente aux problmatiques industrielles les plus rcentes depuis
Balintfy, 1964 ou Renberg & Plenche 1967 et les mthodes de rsolutions associes (voir Silver, 1976,
Goyal, 1974, Kaspi&Rosenblatt, 1983 ou encore Viswanathan, 1997).

Certains sont mmes alls jusqu dvelopper des modles de rapprovisionnement coordonns
partir de plusieurs fournisseurs. Cest le cas de Chan & al, 2003 ou encore de Li, 2004 allant jusqu
des modles dapprovisionnement et de livraison dans une chaine logistique intgre, extensions de
modles se concentrant sur lapprovisionnement et la dtention du stock, tel Chan, Moon & Park,
2008.

De surcrot, dans la grande majorit des cas, une entreprise de biens ou services propose au client de
nombreux produits pouvant tre regroups par famille selon le fournisseur auprs duquel lentreprise
dcide de sapprovisionner. Ltude dun tel rseau 1 seul entrept et N fournisseurs peut de cette
manire tre subdivise en plusieurs problmes ramens un seul fournisseur auquel serait rattache
une famille de produit.

Ainsi, il semble tout aussi intressant et pertinent de sintresser au problme dapprovisionnement

concernant un panel de produits provenant dun seul fournisseur et destination dun entrept de
stockage ou encore dun magasin. Notre tude bibliographique se limitera donc ce champ de
recherche dj riche en articles et propositions de modles associs.
I.2 Analyse globale du sujet en enjeux associs

Notre tude consiste donc mettre en lumire les diffrentes pistes de recherche explores dans le
cadre de politiques dapprovisionnement multi-produit ainsi que les diffrentes modlisations qui ont
pu tre proposes. Il sagit galement de mettre en lumire les transformations apportes par ces
mthodes sur les modes traditionnels de pilotage de flux et de gestion des stocks.

Dans le cadre de la gestion de stock dans un contexte mono-produit, de nombreuses propositions de

politiques doptimisation et dapprovisionnement ont t dfinies. Il est tout dabord ncessaire de
mettre en valeur quel type de dcision ces politiques peuvent impliquer.

Les grandes dcisions que doit balayer une politique de gestion de stock pour un produit, rpondant
une certaine demande des clients, est de savoir quand se rapprovisionner et en quelle quantit afin
dassurer un taux de service maximum tout en minimisant les cots de gestion de stocks associs
cette politique.

Tel est bien le grand quilibre trouver entre deux objectifs apparemment antinomiques, mis en
lumire par Khouja et Goyal, 2008 comme la dcision de quantits optimales de commande auprs
dun mme fournisseur afin de minimiser le cot total de gestion de stocks tout en satisfaisant la
demande.

Ainsi, un taux de service proche 100 %, c'est--dire nautorisant aucun retard la livraison dune
demande client, ncessitera parfois des politiques de gestion de stocks trs couteuse. A linverse, des
politiques dapprovisionnement peu coteuses peuvent engendrer des ruptures de stocks parfois trs
pnalisantes pour lentreprise. Nous voyons donc bien tout lenjeu de dfinir une bonne politique
dapprovisionnement assurant le taux de service requis par lentreprise, et permettant de minimiser les
cots associs cette mme politique.

Quant aux cots associs une politique de gestion de stocks, ils prennent en compte le cot de
commande, le cot de dtention du stock qui est bien souvent un grand enjeu dimmobilisation en
ressources financires pour les entreprises qui ont tout intrt les rduire au minimum, et parfois
mme les cots imputs aux retards de livraison ou encore lobsolescence de certains produits.

Savoir quand et en quelle quantit se rapprovisionner est donc un enjeu crucial pour les industriels.
Plusieurs politiques gnriques dapprovisionnement ont ainsi t dveloppes afin de rpondre ces
objectifs.

Politique de gestion de stock mono-produit

Le modle le plus simple, dans le cadre dun modle multi-priode, celui qui intresse rellement les
industriels car plus proche de la ralit des enjeux rels de pilotage de flux, est celui de Wilson
(galement connu comme le modle EOQ). Il prsuppose une demande dterministe et statique (fixe)
pour chaque priode. Ce modle propose un approvisionnement intervalle de temps fix (priode T)
en une quantit galement prdtermine Q qui permet de satisfaire la demande jusquau prochain
approvisionnement.

Par la suite ont t dvelopps deux modles complmentaires. Dune part, une politique (r,Q) point
de commande dans le cadre dintervalle de temps variables entre deux commandes successives et
dautre part une politique niveau de recompltement (T,s) dans le cadre de priode de temps T fixe
entre deux commandes mais autorisant des quantits de commandes variables dtermines afin
datteindre un certain niveau de recompltement s.

Dans le cadre dune politique de gestion de stocks multi-produit, une politique simple premire vue
serait doptimiser sparment lapprovisionnement de chacun des produits selon une politique EOQ,
(r,Q) ou encore (T,s).

Nanmoins, il apparat clairement possible de profiter de la multiplicit des rfrences produits afin de
minimiser les cots de commande, en mutualisant au maximum les cots fixes lis la passation des
commandes auprs dun fournisseur. Cest ainsi que selon Aksoy et Erenguc, 1988, des conomies
considrables peuvent tre envisages.

I.3 Prsentation de la base bibliographique

I.3.1 Sources de recherche

Les sources dinformation scientifiques et techniques utilises pour balayer lventail le plus large
possible des pistes de recherche explores jusqu prsent peuvent tre regroupes autour des
quelques moteurs de recherche et sources de donnes suivantes :

Web of science, qui permet de trouver un certain nombre de revues de rang A autour dun
grand nombre de problmatiques de Gnie Industriel. Un certain nombre de papiers
fondamentaux pour la problmatique traite ont t rpertoris par cet intermdiaire.
ISI Proceedings, qui a permis de rpertorier quelques uns des derniers et plus importants actes
de confrences traitant de cette problmatique.
JSTOR, qui a galement permis de rpertorier quelques uns des papiers fondamentaux du
domaine de recherche en question.
Science Direct qui a permis de balayer un grand ventail de problmatiques de recherche lies
la gestion de stock dans un environnement multi-produit. La plus grande partie des articles
de revues autour du Joint Replenishment Problem (JRP) ont pu tre rpertoris grce cette
base de donnes relativement exhaustive.
Google Scholar, qui permet galement de survoler un ventail plus htrogne de papiers de
tous niveaux de recherche, permettant galement dlargir le champ dexploration de la
recherche actuelle sur lapprovisionnement multi-produit.
Certaines sources de littrature disponibles en bibliothque ou sous format lectronique.
 I.3.2 Source dinformation en Recherche Oprationelle pour la problmatique de
rapprovisionnement multi-produit
Les revues scientifiques dans lesquelles la grande majorit des articles de revues ont t rpertoris
peuvent tre rpertories autour des principales sources de littrature suivantes :

Management Science
European Journal of Operational Research
International Journal of Production Economics
International Journal of Operations and Production Management
International Journal of production Research
Decision Science
Operations Research
Naval Research Logistics
The Journal of the Operationnal Research Society
IIE Transactions
Computers & Operations Research
Computers 1 Industrial Engineering
Production Planning & Control

Par ailleurs, deux livres nous ont permis dapprhender et approfondir les enjeux lis la
problmatique de gestion de stock dans un cadre mono-produit puis son extension un environnement
multi-produit :

Vincent Giard, Gestion de la production et des flux , Economica, 2003

Sven Axster, Inventory Control , Springer science, 2006

Sans prtendre une totale exhaustivit, la liste des revues ci-dessus nous apparat comme une
synthse des principales revues sintressant de manire plus ou moins spcifique notre thme de
recherche, savoir la gestion de stocks dans un environnement multi-produit.

I.3.3 Les chercheurs et les principales collaborations

Nous prsentons ci-dessous la liste des principaux chercheurs ayant abord le thme plus spcifique
du Joint Replenishment Problem.

Sans se vouloir pleinement exhaustive sur les diffrentes mthodes envisages dapprovisionnement
multi-produit, elle veut rfrencer les auteurs fondateurs ainsi quun panel aussi large que possible de
chercheurs stant attels la modlisation et la rsolution du problme du JRP, dans la situation ou
un fournisseur doit dfinir une politique dapprovisionnement multi-produit auprs dun seul
fournisseur.

Pays Universit/ Institut Auteur

Allemagne RWTH Aachen Bastian
Allemagne University of Mannheim Minner
Arabie Saoudite King Fahd University of Petroleum and Minerals Ben-Daya
Arabie Saoudite King Saud University Hariga
Australie Monash University, Melbourne Ibrahim
Australie Monash University, Melbourne Lochert
Australie Monash University, Melbourne Siajadi
Brnei University Brunei Darussalam Hoque
Canada Concordia University, Montreal Satir
Canada Concordia University, Quebec Goyal
Canada The university of British Columbia, Vancouver Atkins
Canada Universit Laval, Qubec Renaud
Canada Universite Laval, Ste-Foy, Quebec Boctor
Canada University of Calgary Miller
Canada University of Calgary, Alberta Silver
Canada University of Waterloo, Ontario Bookbinder
Canada University of Waterloo, Ontario Qu
Canada Wilfrid Laurier University, Waterloo Iyogun
China City University of Hong Kong Fung
Chine Academy of Mathematics and Systems Science, Beijing Li
Core du Sud Electronics and Telecommunications Research Institute, Cha
Daejeon
Core du Sud Korea Advanced Institute of Science and Technology, Seoul Park
Core du Sud Pusan National University Moon
Danemark The Aarhus School of Business Larsen
Danemark The Aarhus School of Business Nielsen
Danemark University of Aarhus Melchiors
Isral Ben-Gurion University of the Negev, Beer-Sheva Kaspi
Isral TECHNION ISRAEL INST TECHNOLOGY Rosenblatt
Isral Tel Aviv University Tzur
Mexique Instituto Tecnolgico y de Estudios Superiores de Monterrey, Porras
Mexico
Pays-Bas Erasmus University Rotterdam Dekker
Pays-Bas Erasmus University Rotterdam Frenk
Pays-Bas Erasmus University Rotterdam Wildeman
Pays-Bas Tilburg University Heuts
Pays-Bas Tilburg University Kleijnen
Pays-Bas Tilburg University Van Eijs
Pays-Bas Vrije Universiteit, Amsterdam Tijms
Singapour Nanyang Technological University, Singapore Viswanathan
Singapour National University of Singapore Chan
Singapour National University of Singapore Chew
Singapour National University of Singapore Lee
Singapour National University of Singapore Ng
Tawan National Chiayi University Shu
Tawan Tunghai University Yao
Turquie Bilkent University, Ankara Berk
Turquie Bilkent University, Ankara Gurler
Turquie Sabanc University, Orhanli-Tuzla Birbil
UK University of Abertay Dundee Dagpunar
USA Columbia University Federgruen
USA Columbia University, New York Groenevelt
USA Cornell University, Ithaca Jackson
USA Cornell University, Ithaca Muckstadt
USA Louisiana State University Kelle
USA Southern Illinois University, Edwardsville Fogarty
USA The Pennsylvania State University Ventura
USA The University of North Carolina at Charlotte Khouja
USA University of Florida, Gainesville Aksoy
USA University of Florida, Gainesville Bayindir
USA University of Florida, Gainesville Erenguc
USA University of North Carolina, Charlotte Saydam
USA University of Pennsylvania, Philadelphia Zheng
USA Washington University, St Louis Eynan
USA Winthrop University, Rock Hill Olsen

I.4 Analyse de la base bibliographique

I.4.1 Chronologie des publications

Lanalyse de la base bibliographique traitant du Joint Replenishment Problem et des dates de

publications des diffrents travaux conduit lanalyse suivante :

Nombre de publications annuelles

sur le domaine de recherche du JRP
6
5
4
3
2
1
0
1976

1988
1962

1971

1982

1984

1986

1991

1993

1995

1997

1999

2001

2003

2005

Le nombre de publications annuelles sur les problmatiques du JRP cites par Khouja & Goyal, 2008
est prsent ci-dessus. On note un regain dintrt la suite des deux revues de littrature de 1988 et
1989 ainsi quune volution notable depuis 2005 avec un nombre croissant darticles sintressant de
nouveau ce problme dapprovisionnement en environnement multi-produit.

Cela correspond un regain dintrt du fait denjeux oprationnels important, notamment de matrise
des cots de gestion de stock au sein de la Supply Chain. Les chercheurs sont donc invits et pousss
par la ralit oprationnelle se concentrer de nouveau sur cette problmatique en tenant compte des
contraintes sur les politiques optimales mener ou de lintgration de cette problmatique
dapprovisionnement dans un environnement plus vaste.
I.4.2 Les principaux ples et quipes de recherche travers le monde

La liste des auteurs stant pench sur la problmatique du Joint Replenishment Problem ci-dessus
permet de faire ressortir les grands ples de recherche travers le monde depuis les papiers fondateurs
de Balintfy, 1964 ou encore Renberg & Planche, 1967.

Voici donc regroups la liste des pays o la recherche autour de cette problmatique contribue ou a du
moins contribue dvelopper cette piste de recherche.

Principaux pays de Nombre de chercheurs

recherche reconnus
Allemagne 2
Arabie Saoudite 2
Australie 3
Brnei 1
Canada 10
Chine 2
Core du Sud 3
Danemark 3
Isral 3
Mexique 1
Pays-Bas 7
Singapour 5
Tawan 2
Turkey 3
UK 1
USA 15
Total gnral 63

Les Etats-Unis et le Canada sont les deux principaux ples de recherche travers le monde. Viennent
ensuite un ple en Europe autour des Pays-Bas et de lAllemagne, en Asie reliant Singapour, Taiwan
et la Chine, ainsi quau Moyen-Orient regroupant la Turquie, Isral, lArabie Saoudite et Brune. Ainsi
quatre grandes rgions du monde semblent tre les ples dattraction de la recherche mondiale pour ce
qui concerne lapprovisionnement multi-produit. Elle reste tire par le continent Nord-Amricain.

I.4.3 Les pistes de recherche rcentes : la prise en compte des contraintes

Les premiers travaux traitant des problmatiques de rapprovisionnement dans un contexte multi-
produit remontent aux annes 1960. Depuis lors un grand nombre de travaux se sont penchs sur cette
question si bien que trois articles de revues ont t publis sur ce sujet l.

Deux papiers datant de 1988, celui Aksoy & Erenguc et celui de Goyal & Satir, font une revue de
littrature sur les diffrentes hypothses de modlisation et les diffrentes approches de rsolution
apportes par les chercheurs travers le monde. Une dernire revue de littrature, plus exhaustive sur
les dveloppements entre 1989 et 2005 t entreprise par Khouja&Goyal et publie en 2008.

La conclusion de cette revue de littrature est que la recherche dalgorithme garantissant loptimalit
des solutions du JRP classique a atteint un niveau de saturation qui devrait conduire un intrt plus
 grand pour le dveloppement de modles dapprovisionnement dans un environnement multi-produit
applicables la ralit des problmes de gestion de stock .

Autrement dit se fait sentir depuis quelques annes le besoin dadapter lensemble de ces travaux de
recherche aux ralits industrielles. Cela a conduit au dveloppement de modles doptimisation du
JRP sous contraintes de diffrents types :

Contraintes de budget allou

Contraintes de capacit de stockage
Contraintes de transport
Contraintes lies lactivit du fournisseur (minimum de commande)

Les rsultats de cette recherche sont donns par la liste bibliographique suivante des articles prenant en
compte cette dimension dans leurs hypothses de modlisation :

Anne de
Auteurs Pays Journal Contraintes
Publication
Van Eijs Pays-Bas 1994
Allemagne International Journal of
Minner & Silver 2007 Capacits de stockage
/ Canada Production Economics
Core du European Journal or
Moon & Cha 2006 Capacit de stockage
Sud Operationnal Research
European Journal or
Porras & Dekker Pays-Bas 2006 Minimum de commande
Operationnal Research
Contrainte de budget,
European Journal or
Hoque Brune 2006 capacit de stockage et
Operationnal Research
de transport
International Journal of
Kiesmller Pays-Bas 2008 Contraintes de transport
Production Economics
International Journal of
Aksever, Moussourakis USA 2005,2008 Contraintes multiples
Production Economics

Cette recherche bibliographique sur les diffrentes pistes de recherche fait clairement ressortir la
ralit suivante. Les deux premires contraintes ont t assez naturellement prises en compte dans les
derniers modles mis en place car tenant compte des contraintes propres lactivit de stockage
entreposage de lentreprise.

En revanche, les contraintes externes lies au transport et lorganisation spcifique du fournisseur

(dont les quantits de commande minimum) commencent tout juste apparatre, comme le rvle
lanalyse de la liste des derniers articles parus.
II. Classification et caractrisation des modles du JRP

Nous allons commencer cette partie par rpertorier les diffrentes classifications proposes dans la
littrature et celle que nous avons finalement utilise afin de classifier lensemble de la bibliographie
disponible.

Nous aborderons ensuite dans un deuxime temps une description du modle classique du Joint
Replenishment Problem ainsi que diffrentes extensions et possibilits de modlisation qui peuvent
modifier la politique de gestion de stock associe.

II.1 Les articles de revues

Depuis les travaux fondateurs de Balintfy, 1964 et Renberg & Plenche, 1967, 3 articles de revues se
sont penches sur la classification des travaux de recherche lis la problmatique du Joint
Replenishment Problem .

Le premier dentre eux fut publi en 1988 par Aksoy & Erenguc et propose de regrouper lensemble
des travaux effectus jusqualors selon la classification suivante :

Dun cot les modles dterministes, c'est--dire pour lesquels la demande est connue
lavance de manire certaine avant de dterminer une politique de gestion de stock optimale.
Les auteurs proposent de subdiviser ce groupe de travaux selon que :
la demande reste constante dans le temps (modles dterministes statiques)
ou bien que la demande puisse tre considre comme voluant au cours du temps,
bien que pralablement connue (modles dterministes dynamiques)

De lautre les modles stochastiques lorsque la demande suit une loi de probabilit. L aussi,
les auteurs proposent de distinguer deux types dapproche selon que lapproche est :
Une politique de suivi continu du niveau des stocks de chaque produit
Une politique de revue priodique du niveau des stocks de chaque produit

Cette classification peut ainsi tre synthtise selon le tableau suivant

Modles dterministes Modles stochastiques

Demande Demande Revue continue Revue priodique
statique dynamique
Principaux Silver Zangwill,1966 Balintfy,1964 Nahmias&Pierskalla,1976
travaux 1975,1976 Veinott,1965 Silver,1973,1974,1975
Goyal, Kao,1979 Federgruen,Groenevelt,
1973,1975 Tijms, 1984
Nombre de important moyen important faible
travaux

La deuxime revue de littrature stant penche sur une classification des travaux de recherche autour
du JRP est celle de Goyal & Satir publie en 1989 dans European Journal of Operationnal
Research.
L aussi, la principale distinction effectue par les auteurs est celle autour de la typologie de la
demande, selon quelle sera considre dterministe ou stochastique dans les diffrents modles du
problme.

La caractrisation stochastique de la demande rpond souvent un besoin de mieux modliser la

typologie de la demande du client afin de mettre en lumire certains effets non dtectables dans le cas
dune modlisation dterministe.

Cette fois-ci, en revanche, les travaux de recherche traitant avec une demande dterministe ne sont
plus distingus selon que la demande est constante dans le temps (on considre alors un horizon de
temps infini) ou dynamique. Lhypothse de base est que lon travaille avec un horizon de temps
infini. Les travaux sont alors rpartis selon la mthode de rsolution propose pour minimiser la
fonction de cot associe la gestion des stocks multi-produit.

Dans le cas des modles dterministes, les auteurs ont dcid de classifier les travaux pour chacune
des hypothses du modle (Demande, Lead Time, cot de commande, possibilit de retard) sans en
tirer une classification plus gnrique. Cela tient au fait que la recherche sur le JRP ntait pas
encore mature. De ce fait, les hypothses poses variaient dun modle lautre et la classification
devenait trop singulire pour pouvoir regrouper les travaux de manire significative.

Nanmoins, certaines pistes de recherche taient donnes pour la recherche future et les modles
dterministes inclus dans des modles de revue priodique, tandis que les modles stochastiques
taient considrs comme des modles de revue continue.

Cela rejoignait en effet la conclusion de la classification d Aksoy & Erenguc qui mettait en lumire le
faible nombre de travaux dveloppant des modles stochastiques revue priodique.

Depuis 1989, un grand nombre de travaux ont suivi les pistes de recherche proposes par ces deux
revues de littrature, et la prolifration des extensions a pouss Khouja & Goyal, 2008 enrichir le
domaine dune nouvelle revue de littrature sur les modles dvelopps entre 1989 et 2005.

La classification retenue par les auteurs, lun dentre eux, S. Goyal, tant un des prcurseurs de la
modlisation et de la rsolution du JRP, est dfinie de la manire suivante :

Dans un premier temps sont rpertoris les articles ayant fait lhypothse dune demande
constante dterministe avec horizon de temps infini. Ceux-ci sont eux mme subdiviss selon
les mthodes de rsolution mises en uvre afin de rsoudre lobjectif de minimisation des
cots de gestion de stock (nouvelles heuristiques et mta-heuristiques)
Une autre partie des articles sont regroups sous lhypothse dune demande stochastique
De surcrot, une troisime catgorie de travaux considrent lhypothse dune demande
dynamique, voluant au cours du temps
Enfin, les auteurs rpertorient dans une quatrime et dernire catgorie des approches plus
spcifiques, avec des hypothses distinctes du problme classique.

On peut ainsi reprsenter les quatre grandes classes darticles selon la classification propose par les
auteurs de cette dernire revue de littrature.
 Demande
Demande dterministe Hypothses
Demande stochastique dterministe
constante modifies
dynamique
heuristiques Revues priodiques Temps discrtis
Prise en compte des
Mta-heuristiques Revues continues
discounts
Dveloppements et JRP considr comme
Approches spcifiques
extensions sous-problme

Lobjectif avou de cette classification tait de rpertorier et synthtiser la littrature ayant approche
la question de lapprovisionnement multi-produit avec les hypothses du JRP depuis 1989. Cette revue
de littrature couvre la priode postrieure aux deux autres revues proposes par Aksoy & Erenguc
1988 ainsi que Goyal & Satir 1989 et ce jusquen 2005.

Quelques travaux de 2006 sont voqus en conclusion de la revue tel ceux de Hoque, 2006 ou encore
Porras&Dekker, 2006 comme perspectives de recherche plus proches des ralits auxquelles sont
confronts les politiques de gestion de stocks.

La prise en compte de contraintes dans le modle du JRP relve depuis quelques annes dun intrt
croissant, et les derniers articles parus dans la ligne de ce domaine de recherche font apparatre de
manire toujours plus vidente la prise en compte de contraintes de capacit de stockage, de budget ou
encore des contraintes lies au transport depuis les fournisseurs.

Il nous a ainsi sembl pertinent dintgrer cette dimension dans la classification que nous allons
propose afin de mettre en lumire les diffrentes pistes de recherche voques jusqu prsent.

II.2 Classification retenue

Lobjectif de notre travail de synthse sur les travaux dvelopps autour des enjeux du
rapprovisionnement dans un environnement multi-produit est dapporter une rflexion sur
lintgration de certaines contraintes lies lactivit de gestion de stock, comme propos par Khouja
& Goyal 2008.

Il nous semble donc tout fait pertinent, parmi les principaux articles ayant abord la problmatique
du Joint Replenishment Problem, de faire ressortir lventuelle prise en compte de certaines
contraintes dans la modlisation du problme du JRP.

Lautre dimension de la classification reprendra fidlement celle dfinie rcemment par Khouja &
Goyal, 2008 pour classifier les travaux effectus depuis 1989, selon les hypothses poses sur la
demande des clients. Il nous est en effet apparu plus pertinent de faire rfrence cette dernire revue
de littrature qui apporte un recul certain sur lensemble des travaux ayant attrait la modlisation
dune politique de gestion de stock de type JRP.

Voici donc ci-dessous la matrice de classification retenue afin de synthtiser les grands axes danalyse
et de rsolution du JRP, sous langle de la prise en compte ventuelle de contraintes dans la dfinition
du modle :
 Modles
Modles JRP tendu
Modles stochastiques dterministes
dterministes avec dautres
avec demande
demande statique hypothses
dynamique
Revues Revues
Contraintes
continues priodiques
Aucune DS0 SC0 SP0 DD0 JE0
Une contrainte
prise en DS1 SC1 SP1 DD1 JE1
compte
Contraintes
DSn SCn SPn DDn JEn
multiples

Nous vous proposons de classifier les articles ci-dessous selon la matrice que nous venons de dfinir,
par anne de publication, exercice facilement entrepris et qui nous semble venir appuyer la pertinence
de la classification propose :

Auteurs Journal de publication Anne Classification

Renberg, Planche Revue Franaise d'Informatique er Recherche 1967 SC0
oprationnelle
Goyal Management Science 1974 DS0
Silver Management Science 1976 DS0
Goyal, Belton Management Science 1979 DS0
Silver Naval Research Logistics Quarterly 1979 DD0
Kaspi, Rosenblatt IIE Transactions 1983 DS0
Federgruen, Management Science 1984 SC0
Groenevelt, Tijms
Zheng, Federgruen Operations Research 1991 SP0
Van Eijs,Heuts, European Journal of Operational Research 1992 DS0
Kleijnen
Van Eijs Journal of the Operational research Society 1993 DS1
Klein, Ventura Journal of the Operational research Society 1995 JE0
Maloney, Klein International Journal of Operations and 1997 DS2
Quantitative Management
Viswanathan Management Science 1997 SP0
Eynan, Kropp IIE Transactions 1998 SP0
Gder, Zydiak Computers and Operations Research 1999 DSn
Johanson, Melchiors Journal of the Operational research Society 2003 SP0
Boctor, Laporte, International Journal of Production Research 2004 DD0
Renaud
Aksever, 2005 DSn
International Journal of Production Economics
Moussourakis
Cha, Moon OR Spectrum 2005 JE0
Lee, Chew European Journal of Operational Research 2005 DD0
Minner, Silver IIE Transactions 2005 SC1
Nielsen, Larsen European Journal of Operational Research 2005 SC0
Hoque European Journal or Operationnal Research 2006 DSn
Moon, Cha European Journal of Operational Research 2006 JE0
Porras, Dekker European Journal of Operational Research 2006 DSn
Aksever, 2008 DSn
International Journal of Production Economics
Moussourakis
Kiesmller International Journal of Production Economics 2008 SPn

II.3 Prsentation du Problme de rapprovisionnement multi-produit

Nous allons aborder dans cette partie la prsentation du modle du Joint Replenishment Problem dans
sa formulation la plus classique avec les hypothses associs, les paramtres du modle et les variables
de dcision associes ncessaires la modlisation.

Dautres modlisation avec diffrentes variantes seront ensuite prsentes, reprenant les principales
pistes de recherche prcdemment voques (modle dterministe statique, modle dterministe
dynamique et modle stochastiques).

II.3.1 Contexte de ltude

Le Problme communment appel dans la littrature Joint Replenishment Problem est, comme
nous lavons dj prsent une modlisation dune politique de gestion de stocks dans un
environnement multi-produit.

Les questions auxquelles doit rpondre un dcideur de la Supply Chain pour sa politique
dapprovisionnement est de savoir quand et en quelle quantit il doit rapprovisionner son stock, et ce
pour chacun des produits proposs au client.

Lintrt dun rapprovisionnement multi-produit par rapport une simple juxtaposition de politiques
de rapprovisionnement mono-produit (n-EOQ) est assez clair. Il sagit de profiter de la
massification dune commande sur un certain nombre de produit afin de rduire limpact des cots
fixes lis la commande (cot de setup pour le transport, charge lie la passation dune
commande).

Le modle ci-dessous reprend la formulation propose par Khouja&Goyal, 2008 ainsi que la
prsentation faite en introduction dans larticle Hoque, 2006.

II.3.2 Hypothses du modle

Les hypothses classiques du modle du Joint Replenishment Problem sont donc les suivantes, et sont
identiques au modle de quantit conomique de commande (modle EOQ) :

Les demandes pour chacun des produits sont dterministes et uniformes, considres sur un
horizon de temps infini
Les ruptures ou retards ne sont pas autoriss
Dventuelles remises de prix sur les quantits ne sont pas prises en compte
Les cots de dtention du stock sont linaires
Le Lead Time correspondant la passation dune commande et au transport est considr nul
Aucune contrainte nest prise en compte dans le modle
Enfin, dans le cadre de la politique dapprovisionnement, il est considr que le temps de cycle de
chaque produit (ie le temps entre deux commandes dun mme produit) est un multiple dun temps de
cycle de base T.

II.3.3 Paramtres du modle

Afin de modliser le problme et de pouvoir exprimer lensemble des cots li une telle politique de
gestion de stock multi-produit, il est ncessaire de dfinir un certain nombre de paramtres et de
notations qui rendent possible lcriture de la fonction de cot, lobjectif tant de dterminer les
bonnes variables de dcision afin de minimiser limpact de la gestion du stock sur le cot des produits.

Voici donc les notations que nous utiliserons par la suite pour les paramtres intervenant dans la
modlisation :

T : temps de cycle de base, entre deux commandes successives possible

S : cot fixe li lapprovisionnement des produits lors de la passation dune commande
TC : Cot total annuel li la politique de gestion de stock, fonction cot minimiser
i : indice des produits
n : nombre de produits
: demande annuelle des clients pour le produit i
: cot de dtention en stock annuel dun produit i
: cot dit mineur li la passation dune commande du produit i
: quantit commande de produit i

II.3.4 Variables de dcision

Les variables de dcision associes cette modlisation sont lies la rponse donner aux deux
questions suivantes, savoir quand et en quelle quantit sapprovisionner pour chacun des produits
prsents en stock.

Reste donc dterminer pour dfinir une politique de gestion de stock efficiente et minimiser la
fonction cot la valeur des :

, intervalle entre 2 commandes dun mme produit i, multiple entier du temps de

cycle de base. On introduit donc une variable entire ki associe au produit i dterminer et
lon peut poser un vecteur de dcision associ
La quantit commander

En dernire analyse, les variables de dcision que lon doit attribuer pour dfinir une bonne politique
de gestion de stock sont donc :

T, le temps de cycle de base

le vecteur de dcision associ la commande de chacun des produits i
donnant la valeur de lintervalle ncessaire entre 2 commandes pour un produit i donn
II.3.5 Fonction de cot

La fonction de cot dune politique de gestion de stock minimiser est donc dfinie sur une anne
(unit de temps), puisque lon a mis lhypothse dun horizon de temps infini.

Elle se compose dun cot de dtention du stock ainsi que dun cot de commande intgrant la fois
le cot de passation et de prparation de la commande et le cot de transport sous la forme dun cot
de commande fixe auquel viennent sadditionner chacun des cots propres lis la passation dune
commande du produit i.

Si lon utilise les notations prcdemment dfinies, la formulation du cot de gestion de stock associ
devient :

Il est intressant dobserver la typologie de cette fonction cot qui est une fonction convexe de T et du
vecteur .

La modification des variables de dcision influe de la manire suivante :

Augmenter le temps de cycle de base T, en gardant K constant, gnre ainsi une augmentation
des cots de dtention du stock mais a contrario une baisse du cot de commande.
Augmenter les valeurs de K, T constant, rduit linverse les cots de stocks tandis que cela
implique une augmentation des cots de commande.

II.3.6 Mthodes de rsolution

La premire remarque, qui est essentielle au moment daborder les mthodes de rsolution de ce type
de problme, est celle faite par Arkin et al, 1989 qui prouve que le JRP est un problme NP-difficile,
quil ne semble donc pas possible de rsoudre analytiquement en temps polynomial.

Goyal, 1974 a dvelopp un algorithme de rsolution afin de dterminer les solutions optimales du
problme. Nanmoins, compte tenu de la NP-difficult du problme, de nombreuses mthodes de
rsolution du problme, la plupart sous forme dheuristiques, ont t dveloppes. Cela afin dvaluer
des solutions proches de loptimum, par lintermdiaire de bornes limitant lespace de recherche de
bonnes solutions pour les variables de dcision (T, K).

Les premires heuristiques furent dveloppes par Silver, 1976 puis amliores par Goyal & Belton,
1979 et enfin par Kaspi & Rosenblatt, 1983. Des amliorations algorithmiques ont ensuite t
apportes pour certaines tendances de valeur de paramtre, par van Eijs, 1993 ou encore Viswanathan,
1996.
Enfin certaines mthodes de rsolutions ont utilis des approches de type mta-heuristique,
particulirement par des algorithmes gntiques. Nanmoins, les amliorations apportes sur la
fonction de cot restaient minimes. Cest le temps de calcul qui intressent alors les industriels.

II.4 Quelques exemples de modlisation

A ce moment de notre travail, il nous semble intressant dapprofondir quelque peu la modlisation du
JRP au-del de sa forme la plus classique qui vient dtre dcrite. Car si lanalyse et les travaux autour
du JRP dit classique ne manquent pas, lanalyse quen font Khouja & Goyal, 2008 est sans appel.

Ils concluent en effet leur revue de littrature avec lide selon laquelle la recherche de solution
optimale a atteint un point de saturation . Et cela rejoint notre volont dexplorer certaines voies de
recherche encore en friche notre connaissance autour de la prise en compte des contraintes lies la
ralit de la gestion des stocks.

Pour cela, nous vous proposons de dcrire ici quelques modles du JRP, avec les mmes hypothses
de dpart que le JRP dit classique puis dapprhender la modlisation dans le cadre de modles
stochastiques ou dynamiques.

II.4.1 JRP avec contraintes de stockage, de budget et capacit de transport : Hoque,

2006

Hoque, 2006 rapporte dans son article publi dans European Journal of Operational Research que
la trs grande majorit des modles dvelopps jusqualors ne prenaient pas en compte des
problmatiques oprationnelles tel que les capacits de transport, la limite dinvestissement en capital
ou encore des contraintes de capacit de stockage pour chacun des produits.

Hoque prend donc le parti dintgrer ces diffrents types de contraintes au modle du JRP de la
manire suivante :

Prise en compte de capacits limites de stockage pour chaque produit i

Prise en compte dune limite de budget allou chaque produit i
Bonne utilisation des capacits de transport, avec introduction dun cot de transport par
produit proportionnel la quantit de chaque produit en nombre de camion

Pour se faire, lauteur introduit les notations supplmentaires suivantes pour de nouveaux paramtres,
les variables de dcision (T, K) restant les mmes :

t cot de transport dun camion plein

cot dachat du produit i
poids dune unit de produit i
nombre de camions pleins dun produit i dans une commande
capacit maximum de stockage alloue au produit i
poids maximum de lquipement de transport
montant plafond dinvestissement pour le produit i
Le problme alors modlis par Hoque pour reprsenter le choix face auquel est confront un dcideur
dans une politique de gestion de stock multi-produit est le suivant :

Soumis aux contraintes suivantes, qui font linnovation de son modle :

Pour rsoudre ce problme de minimisation, Hoque fait appel une heuristique, et de manire assez
classique dveloppe un principe ditration de bornes infrieures et suprieures des valeurs de par
incrmentation progressive des valeurs des .

Enfin, la prise en compte des contraintes de transport peut seffectuer deux niveaux :

La prise en compte de cots de transport dans la fonction cot minimiser

Lventualit seulement traite numriquement de cot de camion fixes quelle que soit la
quantit effective charge, qui nest pas explicite dans le modle mais intgre avec un
facteur correctif.

Ce modle reste donc encore dvelopper si lon souhaite considrer de manire plus approfondie les
structures de cots et les contraintes plus spcifiquement lies au transport.

II.4.2 JRP avec minimum de commande (MOQ) : Porras & Dekker, 2006

De la mme manire que Hoque, 2006 , la rflexion pose par Porras & Dekker, 2006 vise prendre
en compte une contrainte oprationnelle particulire associ la relation entre lentreprise et son
fournisseur, savoir les conditions de livraison du fournisseur qui peut imposer certaines contraintes
sur la typologie de la commande.

Cest ainsi que Porras & Dekker, 2006 partent du constat que la littrature traitant du problme
doptimisation quest le JRP a ignor lexistence ventuelle de minimum de commande associs
chacun des produits du catalogue.

De mme que des cots de lancement , ou cots fixes lis la passation dune commande et au
transport qui lui est li, il est tout a fait envisageable et bien souvent rel quun fournisseur impose un
minimum, un seuil en dessous duquel il refusera de livrer tel produit de son catalogue.
Pour intgrer cette ralit oprationnelle au modle du JRP, les auteurs ont donc fait le choix
dintroduire les paramtres suivants :

quantit minimum de commande associe au produit i

La fonction de cot minimiser reste celle du JRP classique, savoir :

Avec la contrainte :

La mthode de rsolution est relativement comparable celle utilise par Hoque, 2006. Il est fait usage
du mme type dheuristique conduisant la dfinition de bornes infrieures et suprieures pour
modifie par la contrainte lie aux minimum de commande.

Cette heuristique conduit une diminution progressive et itrative de lintervalle de recherche avec
incrmentation unitaire des valeurs des . Lalgorithme sarrte lorsque laugmentation de tous les
. nentraine plus aucune amlioration de la fonction Objectif.

II.4.3 JRP avec demande stochastique

Nous prsentons ici une autre variante du problme du JRP, en environnement stochastique cette fois-
ci. Plusieurs politiques ont t dveloppes parmi lesquelles on retrouve celles qui constituent le
fondement de la classification des revues de littrature de Goyal & Satir, 1989 et Aksoy & Erenguc,
1988.

Le premier type de politique est celui de rapprovisionnements priodiques tandis que le second
ncessite un suivi continu des diffrents niveaux de stocks.

II.4.3.1 Politiques de suivi priodique

Le principe dune politique de revue priodique avec des demandes de Poisson est on ne peut plus
simple. Au bout dun lapse de temps T (temps de cycle de base comparable celui des modles
dterministes), chaque produit i voit son stock complt jusqu un niveau .Les variables de
dcision associes sont celles prcdemment cites savoir :

Le temps de cycle de base T

Chacun des niveaux de recompltement

Diffrentes versions plus labores ont t mises au point, parmi lesquelles on peut citer :

Une revue priodique modifie, avec un socle de produit trait de la manire prcdente ainsi
que dautres produits commands de manire identique la politique dapprovisionnement du
JRP classique
Une politique priodique (m,M) o les niveaux de stocks sont contrls toutes les T units de
temps au bout desquelles la commande pour chaque produit suit une loi de commande
indpendante ( pour laquelle un produit i est recomplt jusquau niveau sil
atteint le seuil .
 Les variables de dcision sont alors :

Le temps de cycle de base T

Les valeurs des variables (

II.4.3.2 Politiques de suivi continu

La premire politique de suivi continu des niveaux de stock a t dveloppe par Renberg & Planche,
1967. Elle consiste complter les stocks ds que la quantit cumule des stocks atteint un niveau de
seuil A, et le stock de chaque produit est alors complt jusquau niveau .

Les variables de dcision en jeu sont donc :

Le niveau de seuil A
Les valeurs des niveaux de recompltement .

A la suite de cette modlisation, la politique dite can order a t dveloppe et enrichie par un
nombre important darticles. On dfinit pour chaque produit i un niveau de seuil en dessous duquel
une commande est dclenche avec recompltement jusquau niveau de recompltement . On dfinit
galement un niveau de can order pour chaque produit qui conduit un recompltement du
stock du produit i si une commande est dclenche pour un autre produit j.

Les variables de dcision sont alors les suivantes :

Chaque couple ( , , ) correspondant aux diffrents seuil spcifiques chacun des produits

Des extensions de ces politiques ont t entreprises, parmi lesquelles celle de Ozkaya & al, 2006 qui
propose un contrle du niveau de stock par une politique a la fois priodique et continue dnomme
(A,S,T) avec un niveau de seuil du stock agrg A en dessous duquel on dclenche un processus de
commande pour rapprovisionner les stocks jusquaux niveaux de recompltement . Cette mme
politique de recompltement est effectue au bout dun lapse de temps T suivant la dernire
commande avec les mmes niveaux de recompltement.

III. Problmatique de recherche

Aprs avoir mis en lumire les voies de recherche dveloppes afin de rpondre loptimisation de
politiques de gestion de stock, il apparait pertinent de se demander quelles sont les principales voies
dexploration et autres pistes de recherche ltude en recherche oprationnelle afin de rpondre
cette problmatique.

Comme nous lavons dj rappel la suite du constat de Khouja & Goyal, 2008, le temps est venu
o la recherche devrait se consacrer au dveloppement de modles du JRP applicables la vie relle
des problmes de gestion de stock.

Nous allons donc rpertorier dans un premier temps les diffrents articles parus rcemment, les
hypothses formules avec la volont de mieux apprhender les contraintes de la ralit oprationnelle
avant de mettre en lumire les pans de la recherche encore en friche actuellement.
 III.1 Identification des champs dexploration possibles

Nous avons list ci-dessous quelques-uns des principaux articles rcents traitant du problme du JRP
et tentant dintgrer une ou plusieurs contraintes de type oprationnel. Lintgration de ces contraintes
dans le modle a pour objectif de modliser limpact parfois trs significatif de ralits oprationnelles
sur loptimisation de la gestion de stock en environnement multi-produit.

Nous avons donc rpertori le type de demande client envisag dans la modlisation, certaines
hypothses du JRP pouvant tre reconsidres ainsi que la prise en compte de contraintes voques par
diffrents articles :

Contraintes de budget allou

Contraintes de capacit de stockage
Contraintes de transport
Contraintes lies lactivit du fournisseur (minimum de commande)

Hoque, 2006 Porras&Dekker, Kiesmller, 2008 Ertogral, 2008 Ben-Kheder, Yano, 1994
2006
Demande Dterministe Dterministe Stochastique Dterministe Dterministe dynamique
dynamique
Horizon de Infini Infini infini Fini Fini, adaptable linfini
temps
Lead Time non non constant non Constant=0
Retard Non autoriss Non autoriss Autoriss Non autoriss Non autoriss
Ruptures Non Non autorises Non autorises Non autorises Non autorises
autorises
discounts Non Non Non Oui Non
Contrainte Contrainte par Non Non Non Non
de capacit produit
entrept
Contrainte Contrainte par Non Non Non Non
de budget produit
Contrainte Intgr dans Cot fixe pour le Camions pleins Intgr dans la Nombre entier de
de la fonction transport fonction cot -container
transport cot (suppos sous -camion
forme de -taille container / camion
container)
MOQ Non Taille de Non Non Non
commande min
pour chaque
produit
Contrainte Commande Commande tous Commande Commande Commande chaque pas
de temps tous les ki*T les ki*T priodique chaque pas de de temps
temps
Variables T, T, Mt : Nombre de Niveau de Xitm : Nombre de
de dcision K=(k1,..,kn) K=(k1,..,kn) camion chaque stock initial containers command
priode, Qit : quantit chaque priode pour
Si : Niveau de commande chaque produit dans 1
recompltement pour pour le produit camion
chaque produit i i, la priode t Proportion de container
vide pour chaque produit
Il ressort de cette classification quelques tendances que nous souhaitons mettre en lumire avant
dvoquer les champs dexploration laisss en friche dans ltat actuel de la recherche.

La plupart des modles intgrant des contraintes lies lactivit de gestion de stock ainsi qu
lapprovisionnement font lhypothse dune demande dterministe, qui est celle du modle du JRP dit
classique.

Deux dentre eux reprennent proprement parler le modle du JRP, avec demande statique et horizon
de temps infini, en intgrant dun ct des contraintes lies aux minima de commande et de lautre des
contraintes de capacit de stockage, de disponibilit de ressources et lintgration dun cot de
transport spcifique. Les variables de dcision restent celles cites auparavant, savoir temps de cycle
de base et coefficients entiers du nombre de priode entre 2 commandes dun mme produit i (T, K).

Deux autres sintressent une modlisation intgrant une demande dterministe et dynamique
horizon de temps fini, et la rsolvant lun laide de programmation mixte en nombre entier lautre
par lintermdiaire dune heuristique de rsolution. La taille des containers, celle des camions et des
contraintes de transport relles sont dveloppes par les travaux de Ben Kheder & Yano, 1994.

Enfin Kiesmller, 2008 sintresse galement lintgration de contraintes de transport, en particulier

dans la structure ce cot de gestion de stock et dans lutilisation de camions pleins, mais en
environnement incertain avec modlisation stochastique.

Quelques pistes de recherche peuvent ainsi tre identifies parmi lesquelles :

La prise en compte couple de contraintes lies lactivit du fournisseur (MOQ +

contraintes de transport) en environnement certain et stable
La prise en compte de contraintes de capacit et de budget en environnement certain et
dynamique
La prise en compte des 4 types de contraintes (budget, capacit, transport, minimum de
commande) dans un environnement dterministe, stable ou dynamique avec un travail
particulier sur la modlisation des contraintes de transport
La prise en compte de contraintes de capacit et budget en environnement incertain dans un
premier temps
La prise en compte des 4 types de contraintes (budget, capacit, transport, minimum de
commande) en environnement toujours incertain dans un deuxime temps.

III.2 Choix dune problmatique de recherche

Suite toutes ces considrations, nous allons devoir dcider parmi les quatre pistes de recherche
prcdentes laquelle choisir. Il nous semble donc intressant de considrer la ralit des
problmatiques industrielles actuelles.

Il nous semble premirement trs intressant de considrer, ou du moins daffiner la prise en compte
des cots de transport dans la modlisation de la structure de cot lie une politique de gestion de
stock en environnement multi-produit.
 La question des minima de commande est galement une ralit prgnante des contraintes des
fournisseurs et il nous semble trs pertinent de le prendre en compte dans une modlisation qui se
voudrait proche de la ralit exprimentale.

La variabilit toujours plus grande de la demande des clients dans le temps et linstabilit du monde
conomique actuel nous fait pencher vers une typologie de demande variable dans le temps.

Par ailleurs, la modlisation dune demande stochastique semble prendre en compte de manire plus
raliste certains phnomnes non dterministes. Nanmoins, cette modlisation ncessite des outils de
rsolution plus sophistiqus, cest pourquoi nous nous attacherons galement au dveloppement dun
modle dans le cadre dune demande dterministe.

La problmatique pourrait donc tre formule de la manire suivante :

Comment minimiser les cots de gestion de stock dans le cadre de rapprovisionnement multi-
produit en tenant compte des contraintes internes lentreprise (capacit de stockage, allocation de
budget) et de contraintes externes (minimum de commande, transport) ?

IV. Mise en place dun modle associ

IV.1 Contexte du modle

Le modle que nous souhaitons dvelopper maintenant sinspire de la ralit oprationnelle dun
industriel dans le secteur des matriaux de construction.

Les travaux les plus rcents prenant en compte lune o lautre des contraintes voques dans la
problmatique sont ceux de Hoque, 2006, Porras et Dekker, 2006 ainsi que Kiesmller, 2008.

Hoque, 2006 fait lhypothse dune demande dterministe et constante dans le temps et prend en
compte des contraintes de capacit, budget et fait le choix dintgrer explicitement un cot de transport
dans la structure de cot associe la gestion des stocks.

De son ct, tout en conservant lhypothse dune demande dterministe et fixe dans le temps, Porras
et Dekker, 2006 ne prennent en compte que la contrainte des minima de commande associs aux
contraintes fournisseurs.

Enfin, Kiesmller, 2008 prfre dvelopper un modle stochastique de la demande mais fixe dans le
temps, avec revue priodique des stocks, avec une vision plus fine du transport, prenant lhypothse de
camion pleins. Il sinspire et synthtise pour cela les travaux de Van Eijs, 1994 et Cachon, 2001
permettant de modifier les quantits commandes afin doptimiser le remplissage des camions.

Le modle suivant propose dintgrer les diffrentes approches de ces recherches rcentes afin de
proposer un modle prenant en compte la fois les contraintes lies lactivit elle-mme (capacit de
stockage ou budget allou), mais aussi celles du fournisseur lors de lapprovisionnement (minimum de
commande et transport).
IV.2 Hypothses associes et justification

Les hypothses du modle typique choisi pour rpondre la problmatique sont donc dfinies, les
explications venant par la suite, comme suit :

Demande stochastique suivant une loi normale pour chacun des produits considrs, et
indpendante
Temps dapprovisionnement constant et gal pour chacun des produits, pouvant tre considr
nul sans perte de gnralit (rsolution du problme par translation de la demande)
Pas de dlais autoriss (volution possible), et si une demande est perdue alors un cot de
rupture est associ
Revue priodique du niveau des stocks (volution possible)
Budget et emplacement allous limits pour chaque produit
Minimum de commande dfini par le fournisseur pour chaque produit
Commande de camions pleins

La demande dterministe selon une loi normale pour chacun des produits correspond la modlisation
propose par lindustriel et semble bien rpondre la ralit des commandes oprationnelles (forte
rotation des stocks). Les dlais ne sont pas autoriss, on suppose que le client nachte pas le produit
sil nest pas disponible en entrept.

Une revue priodique du niveau des stocks semble bien plus pertinente quun suivi continu dans la
mesure o la traabilit en temps rel est parfois difficile et coteuse obtenir, ne donne pas
ncessairement de meilleurs rsultats et demande un investissement en ressource plus important. Elle
allge par ailleurs le travail de gestion mais nautorise pas une ractivit aussi leve.

Les contraintes de budget et de capacit sont des problmatiques extrmement prgnantes dans ce type
dactivit et semblent indispensable prendre en compte. Les contraintes lies au minimum de
commande sont tout aussi relles pour certains secteurs dactivit o le cot du transport est non
ngligeable dans le cot de revient du produit (Valeur produit volume produit faible).

Enfin le remplissage des camions apparat comme un premier moyen simple doptimiser le transport
dans une politique de gestion de stock. Cette ralit sera discute par la suite.

IV.3 Dfinition des paramtres et des variables de dcision

IV.3.1 Paramtres du modle

Lensemble des paramtres ncessaire la dfinition de la fonction de cot associe une politique de
gestion de stock et donc loptimisation de celle-ci est dfini de la manire suivante :

T la priode de revue priodique du stock

V la capacit dun camion
K le cot associ au transport dun camion
le cot de passation dune commande
le cot de passation de commande associ au produit j
le volume dun produit j
le cot dachat unitaire du produit j
 le cot de dtention unitaire du produit j
le cot de rupture unitaire associ au produit j
la capacit de stockage maximum alloue au produit j
le budget maximum allou au produit j
le minimum de commande associ au produit j

IV.3.2 Variables de dcision

Une politique de gestion de stock avec revue priodique (de priode T) ncessite de dfinir un seuil en
dessous duquel il est dcid de se rapprovisionner, jusqu un seuil de recompltement.

On dfinit donc les variables de dcision suivantes pour chaque produit j:

( , ) o reprsente le seuil de commande et le niveau de recompltement

le niveau de stock au dbut de la priode t
le complment de commande li au remplissage des commandes

IV.4 Fonction de cot optimiser

La fonction cot optimiser est difficile modliser analytiquement, on peut lvaluer comme le cot
priodique long terme dune telle politique de gestion de stock.

Nanmoins, lanalyse analytique du cot lie la gestion dun stock peut tre effectue sur une
priode donne.

IV.4.1 Cots pris en compte

Une politique de gestion de stock implique un cot pour lentreprise quelle va chercher minimiser.
Suivant le secteur dactivit, le type de produit et le choix de la modlisation, la fonction de cot peut
prendre diffrentes formes.

Nanmoins, on retrouve le plus souvent la dcomposition suivante du cot total :

Passation de la commande
Transports
Dtention du stock
Ruptures
Retards de livraison

Le Cot li la passation dune commande est suppos fixe quelque soit la quantit des produits
commands la priode t, pour peu quil y ait une commande.
La modlisation du cot de transport est un vaste sujet sur lequel il est possible de stendre
indfiniment et sur lequel un grand certain nombre dtudes se sont penches. Dans un premier temps,
nous supposerons le cot de transport proportionnel la quantit de produit j command la priode t.

On dfinit ainsi chaque priode t :

lensemble des valeurs de j tel que

le nombre de camions ncessaire pour transporter la quantit de
produit j commande la priode t, si j

Le cot de transport associ est donc

Le cot de dtention du stock pendant une priode t est dfini comme la somme des cots de dtention
associ au niveau de stock de chacun des produits. On obtient donc

On peut galement associer un cot de rupture lventualit dune non-livraison du fait dune rupture
de stock ne permettant pas de faire face la demande/

Dans ce cas on obtient le cot de rupture de stock qui est suppos dans un premier temps proportionnel
au nombre de produits non livrs pour rpondre la demande :

Posons
On obtient alors
Il faut nanmoins modifier la forme dune relation associ dans les contraintes (cf partie
suivante)

En revanche, il est galement possible de tenir compte dun cot li aux retards ventuels si lon
dcide den tenir compte dans le modle en lieu et place des cots de rupture, ce qui nest pas
modlis ici.

IV.4.2 Fonction de cot total

La modlisation ci-dessus conduit lgalit suivante :

Avec les diffrents cots pris en compte, cela donne de manire analytique comme cot de gestion de
stock pour une priode t donne :
IV.5 Contraintes du modle

Aprs avoir rpertori lensemble des hypothses du modles, les paramtres associs ncessaires pour
la modlisation, les variables de dcision choisies, ainsi que la fonction de cot de gestion stock dont
lobjectif est de la minimiser, il nous reste dfinir les contraintes associes au modle afin de le
rendre compatible avec les diffrentes donnes du problme.

Le niveau du stock la priode t+1 est celui de la priode t duquel on a dduit la demande et
ventuellement ajout la commande de cette mme priode.

La commande dun nombre entier de camions pilote les quantits dajustement et de compltude des
camions (variables de dcision ).

Les contraintes de capacit et de budget allou sont classiques, et lon sassure de dpasser les minima
de commande imposs par le fournisseur en forant lcart entre le point de commande s et le niveau
de recompltement S.

Les diffrentes contraintes du modle ici dfini peuvent donc tre rsumes de la manire suivante :

Niveau du stock :
o
o
Minimum de commande :
Contrainte de budget :
Contrainte de capacit :
Contrainte de camion plein :

IV.6 Proposition de modle en environnement dterministe

Nous avons fait le choix de prsenter un modle permettant de modliser la structure de cot en
environnement stochastique afin de permettre un pilotage de lapprovisionnement au plus juste, plus
ractif aux variations de la demande des clients.

Nanmoins, il nous semble important de nous pencher sur la problmatique doptimisation des cots
de gestion de stock en environnement dterministe avec les mmes contraintes prises en compte. En
effet, le champ dexploration reste large lheure actuelle et la prise en compte des contraintes lies
lactivit de gestion de stock ainsi qu celle du fournisseur na pas encore t dveloppe dans son
ensemble.

Pour cela, nous nous appuierons sur le travail de Hoque, 2006 qui a choisi de prendre en compte les
contraintes de capacit de stockage et de budget allou dans son modle, ainsi que des cots de
transports explicites.

Nous allons donc revenir sur lajout de la contrainte de minimum de commande son modle
doptimisation (voir partie II.4.1)
IV.6.1 Extension du modle de Hoque, 2006

Le modle de Hoque, 2006 construit sur lhypothse dune demande dterministe statique suppose la
structure de cot suivante :

Soumis aux contraintes suivantes :

Prendre en compte lhypothse de minimum de commande revient ajouter la contrainte associe :

IV.6.2 Analyse des cots de transport

Dans le modle propos par Hoque, 2006 est fait lhypothse de cots de transport proportionnels la
quantit de produits commands. Il semble intressant de se pencher sur la pertinence dun tel modle
dans le cadre dune politique dapprovisionnement multi-produit.

A premire vue, des cots linaires en fonction de la quantit commande ne semblent pas
ncessairement trs ralistes du fait des cots fixes associs au transport dun camion pour
lacheminement de la commande dun produit, en particulier lorsque les quantits commands restent
faible compares aux capacits dun camion.
Ici sont reprsents trois types de fonction cot associes des quantits de commande. Le cot
linaire est celui choisi par Hoque, un cot affine tant sans doute le plus reprsentatif et rel mais
aussi le plus complexe modliser, et enfin un cot fixe par camion dplac. Dans le cas de faible
quantits commandes, la diffrence entre un cot linaire et un cot affine peut tre importante voire
dterminante.

Nanmoins, la multiplicit des rfrences et donc du nombre de produits commands attnue cette
ralit par la massification des moyens de transport. Deux demi-camions pour deux produits distincts
conduisent remplir un camion et la modlisation du cot de transport linaire rejoint alors celle plus
raliste de cots fixes associs.

Malgr cela, il reste que dans le cadre de cot fixe de setup li au dplacement dun camion (cot
affine ou mme fixe par camion), quelle que soit la quantit commande, et si la commande agrge
reste faible, le cot du transport peut savrer notablement diffrent de celui propos par Hoque.

Nous proposons donc de modliser le transport de la manire ci-dessous afin daffiner la modlisation
et de nous rapprocher de la ralit oprationnelle.

IV.6.3 Nouvelle modlisation des cots de transport

Hoque, 2006 suppose un modle de cot proportionnel la quantit commande (en nombre de
camion plein), le cot dun camion plein tant suppos gal t. Le cot de transport annuel associ
une quantit est donc suppos gal :

Supposons un cot de transport affine et non plus linaire avec les notations suivantes :

le nombre de camions pleins

la portion de camion restante

On obtient alors :

Cette modlisation conserve cependant le mme biais que celui de Hoque, savoir la non prise en
compte des conomies lies la massification des produits pendant le transport. Il semble donc
opportun de regrouper les produits par famille selon la priode de rapprovisionnement, en
dveloppant un produit quivalent pour le transport afin de mieux valuer les cots
dacheminement.
On peut en effet regrouper les diffrents produits j ayant des priodes de rapprovisionnement
identiques et dfinir les notations suivantes :

avec la mme notation et

Ce premier regroupement permet de rduire de manire importante le biais introduit par la non
massification des commandes lies au regroupement des produits. Resterait encore prendre en
compte la rduction des cots de transport rendue possible par des priodes dapprovisionnement
concomitantes pour les diffrents groupes de produits.

IV.7 Avantages et limites des modles proposs

Suite au constat des champs dexploration possibles de recherche dans le cadre dune politique de
gestion de stock en environnement multi-produit, nous avons fait le choix de tenir compte la fois de
contraintes lies lactivit de gestion de stock (capacits de stockage et allocation de budget) ainsi
que de contraintes lies la relation avec le fournisseur (minimum de commande, et structure du
transport associ).

Une premire modlisation tenant compte de lensemble de ces contraintes avec une demande
stochastique a t propose afin de rpondre la ralit oprationnelle dune demande incertaine.
Nous avons galement tenu prsenter un modle doptimisation de gestion de stock multi-produit
intgrant les mmes contraintes, dans le cadre dune demande dterministe statique.

Il nous semble maintenant pertinent de revenir rapidement sur les avantages et les limites des modles
proposs afin den tirer un maximum de profit et dutilit pour dventuelles recherches venir.

IV.7.1 Les contraintes prises en compte

Les quatre contraintes prises en compte dans les deux modles proposs rejoignent diffrentes
recherches effectues au cours des dernires annes afin dadapter le modle du Joint Replenishment
Problem la ralit des conditions et contraintes oprationnelles. On peut citer parmi elles les travaux
de Hoque, 2006, Porras&Dekker, 2006, Kiesmller, 2008, Haksever&Moussourakis, 2005 et 2008
aprs ceux prcurseurs de Van Eijs, 1994 ou Cachon, 2001.

La taille dun entrept ncessite en effet un choix judicieux de lallocation de lespace disponible ainsi
quun arbitrage dans la politique de dtention dun grand nombre darticles rfrencs. Les ressources
ncessaires de tels investissements sont galement limites et une rflexion sur les cots
dimmobilisation est souvent pralable toute politique de gestion de stock et dapprovisionnement.
Ainsi ces deux contraintes lies lactivit dentreposage ont-elles t retenues la suite de la
modlisation propose par Hoque, 2006.

Il nous a sembl intressant de reprendre galement les minimum de commande voqus par
Porras&Dekker, 2006 et peu traits dans la littrature jusqu prsent qui correspondent une forte
ralit des contraintes imposes par le fournisseur.
Enfin, la modlisation du cot de transport dans un modle semble actuellement indispensable, eu
gard aux problmatiques associes toujours plus prgnantes dans les dcisions des dirigeants actuels.
Le choix a donc t fait de revenir sur la prise en compte explicite dun tel cot dans les cots de
commande, voire parfois de les considrer comme une contrainte de remplissage des camions (impact
conomique et cologique).

IV.7.2 Typologie de la demande

La demande du client est ce qui gouverne en premier lieu toute politique de gestion de stock qui a pour
objectif premier de satisfaire le client en lui fournissant les produits dsirs.

Reprsenter une demande par une loi de probabilit stochastique a lavantage de reprsenter de
manire plus fidle la ralit du terrain et de mettre en lumire certains facteurs de cot quune
modlisation dterministe ne prendrait pas en compte.

Parmi ces facteurs, citons une plus grande ractivit face la demande et lala qui lui est li, assurant
par la mme un meilleur taux de service pour le client final. Linconvnient majeur est la difficult de
modlisation de la fonction de cot de manire analytique et les difficults de rsolution associes,
puisque des approximations deviennent ncessaires dans la structure de cot afin de pouvoir dfinir
une politique de gestion de stock optimale.

Le chois dune politique de revue priodique des stocks participe galement dune volont de
simplification de gestion oprationnelle puisquelle ne ncessite aucun suivi continu et donc des
ressources moins importantes mettre en uvre. Ce type de politique surclasse par ailleurs les
politiques de revue continues, except dans le cas de faible cots de commande. (Khouja&Goyal,
2008).

Prendre en compte la demande de manire linaire prsente linconvnient dune moins grande fidlit
la ralit oprationnelle et une moins grande ractivit face lincertitude de la demande.
Nanmoins, cela donne une vision plus globale de la politique de gestion de stock choisie, un suivi des
niveaux de stocks moins rcurrent et lavantage dune plus grande stabilit dans la relation avec le
fournisseur pour des contrats cadre .

Enfin, cela permet une modlisation de la fonction cot optimiser analytique et le dveloppement
dheuristiques ne ncessitant pas de simulation, contrairement au cas de la demande stochastique.
CONCLUSION

Depuis une quarantaine danne, de nombreux travaux se sont intresss la problmatique

doptimisation dune politique de gestion de stock dans un environnement multi-produit. La grande
majorit dentre eux a cherche dterminer quand et en quelle quantit commander lensemble des
produits rfrencer afin de minimiser les cots de gestion de stocks associs.

Ces travaux se sont intresss diffrents types de politiques de gestion de stock, considrant tantt
une demande connue et constante dans le temps, dterministe ou sous la forme dune loi de
probabilit. Ils se sont par la suite intresss des demandes dynamiques, voluant dans le temps.

Le modle le plus classique dvelopp dans la littrature est celui dit du Joint Replenishment
Problem et de nombreuses extensions se sont dveloppes autour des travaux fondateurs de Balintfy,
1964 ou encore Renberg & Planche, 1967. Goyal, 1974, 1979 a minemment contribu au
dveloppement de ces travaux jusqu une rcente revue de littrature publie avec Khouja en 2008.

Il a t mis en lumire limportance dadapter ce modle aux ralits oprationnelles avec la prise en
compte de contraintes auxquelles taient confronts les diffrents secteurs industriels. Quelques
travaux rcents se sont appesantis sur ce domaine jusqualors dlaiss, sintressant aux contraintes
provenant de lactivit propre de gestion de stock ainsi qu certaines contraintes lies la relation
avec le fournisseur.

Ce document dtat de lart a t entrepris afin de rpertorier les diffrents axes de recherche actuels et
de faire une synthse des diffrentes pistes engages actuellement. Il a mis en lumire des voies de
recherche explorer, parmi lesquelles la prise en compte dun jeu de contraintes plus large englobant
la fois celle de lactivit et celles des fournisseurs.

De manire plus spcifique, nous nous sommes engags sur la modlisation dune politique de gestion
de stock en environnement stochastique dune part et dterministe dautre part, en intgrant des
contraintes de capacit de stockage, dallocation de budget, de minimum de commande ou encore lies
au transport des produits depuis le fournisseur jusqu lentrept.

Une rflexion a ainsi t entame sur la modlisation plus explicite des cots de transport dans la
perspective dconomies potentielles sur les cots fixes lis la mise disposition de moyens de
transport.

Les modles proposs restent dvelopper et enrichir, avec la prise en compte ventuelle de dlais
dapprovisionnement, de pnalits de retards autoriss ou encore dobsolescence du stock. La
rsolution du problme na par ailleurs pas t dveloppe au stade actuel de nos recherches.

Il nous reste pour conclure remercier tous les acteurs qui nous ont guids dans cette dmarche de
recherche, pour leurs conseils aviss et leur disponibilit, en particulier Asma Ghaffari et Zied Jema.
Nous sommes galement reconnaissants pour tout le travail effectu par lensemble de la communaut
scientifique rpertorie ci-dessous.
BIBLIOGRAPHIE

Aksoy and Erenguc, 1988 Y. Aksoy and S.S. Erenguc, Multi-item inventory models with coordinated
replenishments: A survey, International Journal of Operations and Production Management 8 (1988),
pp. 6373.

Atkins and Iyogun, 1988 D.R. Atkins and O. Iyogun, Periodic versus can-order policies for
coordinated multi-item inventory systems, Management Science 34 (1988), pp. 791796.

Bastian, 1986 M. Bastian, Joint replenishment in multi-item inventory systems, Journal of the
Operational Research Society 37 (1986), pp. 11131120.

Bayindir et al., 2006 Z.P. Bayindir, S.I. Birbil and J.B.G. Frenk, The joint replenishment problem with
variable production costs, European Journal of Operational Research 175 (2006), pp. 622640.

Ben-Daya and Hariga, 1995 M. Ben-Daya and M. Hariga, Comparative study of heuristics for the joint
replenishment problem, Omega 23 (1995), pp. 341344.

Boctor et al., 2004 F.F. Boctor, G. Laporte and J. Renaud, Models and algorithms for the dynamic-
demand joint replenishment problem, International Journal of Production Research 42 (2004), pp.
26672678.

Cha and Moon, 2005 B.C. Cha and I.K. Moon, The joint replenishment problem with quantity
discounts under constant demand, OR Spectrum 27 (2005), pp. 569581.

Cha, Moon, Park 2008 B.C. Cha, I.K. Moon and J.H. Park, The joint replenishment problem and
delivery scheduling of the one-warehouse, n-retailer system, Transportation Research Part E:
Logistics and Transportation Review, Volume 44, Issue 5, September 2008, Pages 720-730

Chan et al., 2003 C. Chan, B. Cheung and A. Langevin, Solving the multi-buyer joint replenishment
problem with a modified genetic algorithm, Transport. Res. Part B 37 (2003), pp. 291299.

Chan et al., 2006 C.K. Chan, L.Y. Li, C.T. Ng, B.K. Cheung and A. Langevin, Scheduling of multi-
buyer joint replenishments, International Journal of Production Economics 102 (2006), pp. 132142.

Dagpunar, 1982 J.S. Dagpunar, Formulation of a multi item single supplier inventory problem,
Journal of the Operational Research Society 33 (1982), pp. 285286.

Eynan and Kropp, 1998 A. Eynan and D.H. Kropp, Periodic review and joint replenishment in
stochastic demand environments, IIE Transactions 30 (1998), pp. 10251033.

Federgruen and Tzur, 1994 A. Federgruen and M. Tzur, The joint replenishment problem with time-
varying costs and demands: Efficient, asymptotic and -optimal solutions, Operations Research 42
(1994), pp. 10671086.

Federgruen et al., 1984 A. Federgruen, H. Groenevelt and H.C. Tijms, Coordinated replenishments in
a multi-item inventory system with compound Poisson demands, Management Science 30 (1984), pp.
344357.

Fogarty and Barringer, 1987 D. Fogarty and R. Barringer, Joint order release decisions under
dependent demand, Production and Inventory Management Journal 28 (1987), pp. 5561.
Fung and Ma, 2001 R. Fung and X. Ma, A new method for joint replenishment problems, Journal of
the Operational Research Society 52 (2001), pp. 358362.

Goyal, 1974 S.K. Goyal, Determination of optimum packaging frequency of items jointly replenished,
Management Science 21 (1974), pp. 436443.

Goyal and Belton, 1979 S.K. Goyal and A.S. Belton, On A simple method of determining order
quantities in joint replenishments under deterministic demand, Management Science 25 (1979), p.
604.

Goyal and Deshmukh, 1993 S.K. Goyal and S.G. Deshmukh, A note on The economic ordering
quantity for jointly replenishment items, International Journal of Production Research 31 (1993), pp.
109116.

Goyal and Satir, 1989 S.K. Goyal and A.T. Satir, Joint replenishment inventory control: Deterministic
and stochastic models, European Journal of Operational Research 38 (1989), pp. 213.

Haksever and Moussourakis, 2005 C. Haksever and J. Moussourakis, A model for optimizing multi-
product inventory systems with multiple constraints, International Journal of Production Economics
97 (1) (2005), pp. 1830.

Haksever and Moussourakis, 2008 C. Haksever and J. Moussourakis, Determining order quantities in
multi-product inventory systems subject to multiple constraints and incremental discounts,
International Journal of Production Economics 184 (3) (2008), pp. 930-945.

Hariga, 1994 M. Hariga, Two new heuristic procedures for the joint replenishment problem, Journal
of the Operational Research Society 45 (1994), pp. 463471.

Hoque, 2006 M.A. Hoque, An optimal solution technique for the joint replenishment problem with
storage and transport capacities and budget constraints, European Journal of Operational Research
175 (2006), pp. 10331042.

Jackson et al., 1985 P. Jackson, W. Maxwell and J. Muckstadt, The joint replenishment problem with
a powers-of-two restriction, IIE Transactions 17 (1985), pp. 2532.

Johansen and Melchiors, 2003 S.G. Johansen and P. Melchiors, Can-order policy for the periodic-
review joint replenishment problem, Journal of the Operational Research Society 54 (2003), pp. 283
290.

Kaspi and Rosenblatt, 1983 M. Kaspi and M.J. Rosenblatt, An improvement of silvers algorithm for
the joint replenishment problem, IIE Transactions 15 (1983), pp. 264269.

Kaspi and Rosenblatt, 1985 M. Kaspi and M.J. Rosenblatt, The effectiveness of heuristic algorithms
for multi-item inventory systems with joint replenishment costs, International Journal of Production
Research 23 (1985), pp. 109116.

Kaspi and Rosenblatt, 1991 M. Kaspi and M.J. Rosenblatt, On the economic ordering quantity for
jointly replenishment items, International Journal of Production Research 29 (1991), pp. 107114.

Khouja et al., 2000 M. Khouja, M. Michalewicz and S. Satoskar, A comparison between genetic
algorithms and the RAND method for solving the joint replenishment problem, Production Planning
and Control 11 (2000), pp. 556564.
Khouja et al., 2005 M. Khouja, S. Park and C. Saydam, Joint replenishment problem under continuous
unit cost change, International Journal of Production Research 43 (2005), pp. 311326.

Khouja et Goyal, 2005 A review of the joint replenishment problem literature: 1989-2005, European
Journal of Operational Research, 186 (2008), pp. 116.

Kiesmller GP, 2008 A multi-item periodic replenishment policy with full truckloads, International
Journal of Production Economics in press, corrected proof

Klein and Ventura, 1995 C.M. Klein and J.A. Ventura, An optimal method for a deterministic joint
replenishment inventory policy in discrete time, The Journal of the Operational Research Society 46
(1995), pp. 643657.

Lee and Chew, 2005 L.H. Lee and E.P. Chew, A dynamic joint replenishment policy with auto-
correlated demand, European Journal of Operational Research 165 (2005), pp. 729747.

Lee and Yao, 2003 F.C. Lee and M.J. Yao, A global optimum search algorithm for the joint
replenishment problem under power-of-two policy, Computers and Operations Research 30 (2003),
pp. 13191333.

Li, 2004 Q. Li, Solving the multi-buyer joint replenishment problem with the RAND method, Comput.
Ind. Eng. 46 (2004), pp. 755762

Melchiors, 2002 P. Melchiors, Calculating can-order policies for the joint replenishment problem by
the compensation approach, European Journal of Operational Research 141 (2002), pp. 587595.

Minner and Silver, 2005 S. Minner and E.A. Silver, Multi-product batch replenishment strategies
under stochastic demand and a joint capacity constraint, IIE Transactions 37 (2005), pp. 469479.

Moon and Cha, 2006 I.K. Moon and B.C. Cha, The joint replenishment problem with resource
restriction, European Journal of Operational Research 173 (2006), pp. 190198.

Nielsen and Larsen, 2005 C. Nielsen and C. Larsen, An analytical study of the Q(s, S) policy applied
to the joint replenishment problem, European Journal of Operational Research 163 (2005), pp. 721
732.

Olsen, 2005 A.L. Olsen, An evolutionary algorithm to solve the joint replenishment problem using
direct grouping, Computers and Industrial Engineering 48 (2005), pp. 223235.

Ozkaya et al., 2006 B.Y. Ozkaya, U. Gurler and E. Berk, The stochastic joint replenishment problem:
A new policy, analysis, and insights, Naval Research Logistics 53 (2006), pp. 525546.

Pantumsinchai, 1992 P. Pantumsinchai, A comparison of three joint ordering inventory policies,

Decision Sciences 23 (1992), pp. 111127.

Porras and Dekker, 2006a E. Porras and R. Dekker, An efficient optimal solution method for the joint
replenishment problem with minimum order quantities, European Journal of Operational Research
174 (2006), pp. 15951615.

Porras and Dekker, 2006b Porras, E., Dekker, R., 2006b. On the efficiency of optimal algorithms for
the joint replenishment problem: A comparative study. Econometric Institute Report EI 2004-33,
Econometric Institute, Tinbergen Institute, Erasmus University Rotterdam, P.O. Box 1738, 3000 DR,
Rotterdam, The Netherlands.

Porteus, 1986 E.L. Porteus, Optimal lot sizing, process quality improvement and setup cost reduction,
Operations Research 34 (1986), pp. 137144

Qu et al., 1999 W.W. Qu, J.H. Bookbinder and P. Iyogun, Integrated inventory-transportation system
with modified periodic policy for multiple products, European Journal of Operational Research 115
(1999), pp. 254269.

Renberg and Planche, 1967 B. Renberg and R. Planche, Un modele pour la gestion simultanee des n
articles dun stock, Revue Francaise dInformatique et de Recherche Operationnelle 6 (1967), pp. 47
59.

Shu, 1971 F.T. Shu, Economic ordering frequency for two items jointly replenished, Management
Science 17 (1971), pp. B406B410.

Siajadi et al., 2005 H. Siajadi, R.N. Ibrahim, P.B. Lochert and W.M. Chan, Joint replenishment policy
in inventory-production systems, Production Planning and Control 16 (2005), pp. 255262.

Siajadi et al., 2006 Siajadi, H., Ibrahim, R.N., Lochert, P.B., 2006. Applying joint replenishment
policy in a two stage inventory systems with transportation discounts. Working paper, Department of
Mechanical Engineering, Monash University, Melbourne, Victoria, Australia.

Silver, 1976 E. Silver, A simple method of determining order quantities in joint replenishments under
deterministic demand, Management Science 22 (1976), pp. 13511361.

Silver, 1979 E. Silver, Coordinated replenishments of items under time varying demand: Dynamic
programming formulation, Naval Research Logistics Quarterly 26 (1979), pp. 141151.

Silver and Kelle, 1988 E. Silver and P. Kelle, More on Joint order release decisions under dependent
demand, Production and Inventory Management Journal 29 (1988), pp. 7172.

Silver and Meal, 1973 E. Silver and H. Meal, A heuristic selecting lot size requirements for the case of
deterministic time varying demand rate and discrete opportunities for replenishment, Production and
Inventory Management Journal 14 (1973), pp. 6474.

Starr and Miller, 1962 M.K. Starr and D.W. Miller, Inventory Control: Theory and Practice, Prentice
Hall, Englewood Cliffs, NJ (1962).

van Eijs, 1993 M.J.G. van Eijs, A note on the joint replenishment problem under constant demand,
Journal of the Operational Research Society 44 (1993), pp. 185191.

van Eijs, 1994 M.J.G. van Eijs, A Multi-item inventory systems with joint ordering and transportation
decisions, International Journal of Production Economics 35 (1) (1994), pp. 285-292.

van Eijs et al., 1992 M.J.G. van Eijs, R.M.J. Heuts and J.P.C. Kleijnen, Analysis and comparison of
two strategies for multi-item inventory systems with joint replenishment costs, European Journal of
Operational Research 59 (1992), pp. 405412.

Viswanathan, 1996 S. Viswanathan, A new optimal algorithm for the joint replenishment problem,
Journal of the Operational Research Society 47 (1996), pp. 936944.
Viswanathan, 1997 S. Viswanathan, Periodic review (s, S) policies for joint replenishment inventory
systems, Management Science 43 (1997), pp. 14471454.

Viswanathan, 2002 S. Viswanathan, On optimal algorithms for the joint replenishment problem,
Journal of the Operational Research Society 53 (2002), pp. 12861290

Wagner and Within, 1958 H. Wagner and T. Within, A dynamic version of the economic lot size
model, Management Science 5 (1958), pp. 8696.

Webb et al., 1997 I.R. Webb, B.R. Buzby and G.M. Campbell, Cyclical schedules for the Joint
Replenishment Problem with dynamic demands, Naval Research Logistics 44 (1997), pp. 577589.

Wildeman et al., 1997 R.E. Wildeman, J.B.G. Frenk and R. Dekker, An efficient optimal solution
method for the joint replenishment problem, European Journal of Operational Research 99 (1997),
pp. 433444.

Zheng and Federgruen, 1991 Y.S. Zheng and A. Federgruen, Finding optimal (s, S) policies is as
simple as evaluating a single policy, Operations Research 39 (1991), pp. 654665.