Vaincre l`incertitude : réduire l`effet coup de fouet* sur les Supply

Logistique & Management
Vaincre l’incertitude : réduire l’effet
coup de fouet* sur les Supply Chains
Rachel MASON-JONES, Denis R. TOWILL
Logistics Systems Dynamics Group, Cardiff University
Toutes les chaînes logistiques souffrent des effets de l’incertitude. Un des symptômes les plus documentés (et les plus douloureux) est l’amplification de la variation de la demande amont connu sous le nom d’effet coup de fouet. Nous sommes
convaincus que les entreprises qui maîtrisent l’incertitude grâce à une véritable
stratégie Supply Chain ont toutes les chances d’être très performantes sur le plan international. L’incertitude revêt de nombreuses formes mais, au sein d’une Supply
Chain, elle concerne principalement quatre grands domaines : l’approvisionnement (supply side), le processus de fabrication, le contrôle des processus et la
distribution (demand side). Ces domaines, une fois réunis, forment le cercle de
l’incertitude. Il est manifeste que l’incertitude dans chacun des quarts de cercle doit
être réduite pour maximiser l’avantage concurrentiel et par conséquent les parts de
marché. Cet article propose donc un ensemble d’actions, qui réduiront
l’incertitude de la Supply Chain provoquée par l’amplification de la variation de la
demande (ou l’effet coup de fouet) indépendamment de la source. La méthodologie
utilisée s’applique à tout type de chaîne logistique.
Introduction
Afin de protéger leurs parts de marché et
d’assurer leur pérennité, les entreprises doivent satisfaire la demande future de leur
client. Une erreur de prévisions peut mener à
l’incapacité de fournir les clients, ce qui a non
seulement comme conséquence une perte de
vente à ce moment précis mais peut avoir un
impact sur de futures ventes en raison d’une
perte de confiance du consommateur. La prévision est un processus prédictif qui est par
nature un élément d’incertitude. La fiabilité
de la prévision peut cependant être améliorée
en réduisant l’incertitude de la chaîne logistique notamment par la réduction des temps
de cycle. Nous croyons que les entreprises qui
comprennent et combattent l’incertitude peuvent optimiser leur potentiel de prévisions et
sont en meilleure position pour parvenir à plus
de performance sur le plan mondial.
Vol. 7 – N°1, 1999
Les entreprises capables de concevoir des
stratégies intégrant la présence de l’incertitude et de mettre en œuvre des mécanismes
pro-actifs pour la combattre sont récompensées par la perspective d’élaborer de meilleures pratiques bien avant les concurrents dont
les réponses sont purement réactives. Une
grande part de l’incertitude est inhérente au
système et amplifiée par l’effet coup de fouet,
le marché n’ayant pas d’influence sur elle. Par
conséquent la meilleure façon de faire face à
l’incertitude est de tout mettre en oeuvre pour
la réduire. Le but final est une chaîne logistique sans rupture (Seamless Supply Chain)
où tous les acteurs ne font qu’un [1]. Ainsi,
cette Supply Chain gagnera des parts de marché pour le bien de tous les acteurs de la
chaîne.
Afin de comprendre les problèmes posés par
l’incertitude, considérons l’exemple d’une
(*) NDT : bullwhip effect.
7
Logistique & Management
Fig. 1 - Simple Generic Model of the Causes of Uncertainty in the Product Delivery
Process
entreprise dont le processus de livraison de
produit consiste à fournir les produits en réponse à une commande du client le plus
proche. Or la position du client immédiat dépend de notre position dans la chaîne. Si nous
sommes un OEM (original equipment manufacturer), notre client immédiat est normalement un distributeur, mais si nous sommes un
constructeur de cartes électroniques, notre
client est un sous-ensemblier de produits électroniques. Nous verrons plus tard que, dans
“la chaîne logistique traditionnelle”,
l’incertitude est fonction de l’éloignement du
marché final. Plus nous sommes en amont,
plus important sera l’effet coup de fouet. Plusieurs facteurs contribuent à l’incertitude de la
chaîne logistique, toutefois la principale origine de l’effet coup de fouet identifiée par Lee
et al. [2] est l’impact de l’information sur le
mouvement d’amplification et de distorsion
de la commande au fur et à mesure que l’onde
se propage en amont.
Fig. 2- Shrinking the Supply Chain Uncertainty Circle - The Key to Enhanced Performance.
8
Indépendamment de notre position dans la
chaîne, le problème d’incertitude du processus de livraison peut être simplifié et schématisé (voir figure 1). Elle propose un schéma
simple (qui se décompose en différentes
tâches) géré par le système de pilotage.
L’entreprise répond à notre client immédiat
(demand side). À leur tour nos stocks sont
réapprovisionnés en produits, composants, et
sous-ensembles par divers fournisseurs (supply side). Nous considérons que la réduction
de l’incertitude est réalisée par la compréhension et la prise en compte des causes inhérentes à chacune des quatre zones du schéma 1.
Le but de cet article est de démontrer qu’une
approche holistique du management de la
Supply Chain basé sur ce modèle générique a
beaucoup à offrir en utilisant le cercle
d’incertitude comme modèle d’amélioration
de la performance.
Réduire le cercle d’incertitude
Les facteurs principaux d’incertitude de la production (notre processus à valeur ajoutée) :
supply side controls and demand side peuvent
être représentés par les quatre segments fondamentaux du cercle d’incertitude du processus
de livraison [3]. La figure 2 (A) montre qu’ils
sont d’égale importance. Que fait la direction
pour réduire l’incertitude ? Deux décisions
sont normalement prises, parfois séquentiellement, parfois concurremment. Premièrement,
elle tente d’améliorer la performance du processus à valeur ajoutée en réduisant des délais
d’exécution et en améliorant la qualité grâce à
une démarche “au plus juste” [4]. Deuxièmement, elle travaille plus étroitement avec les
fournisseurs, de préférence par l’intermédiaire
d’un programme de partenariat. Elle compte
ainsi améliorer considérablement la qualité de
fournisseur, réduire les délais d’exécution du
fournisseur et mettre en place des processus de
livraison de sorte que la production JIT puisse
s’appliquer.
Les entreprises qui ont pris ces mesures (souvent à grand renfort d’argent, de temps et
d’énergie)
constatent
malheureusement
qu’une substantielle incertitude demeure. La
raison en est tout à fait évidente (voir sur la
fig. 2) (B), puisque seulement deux des sources
d’incertitude ont été réduites, laissant intacts le
procédé de contrôle et la demande. Par ailleurs,
la direction est ici confrontée à la loi des rendements négatifs. Il est inutile de continuer à
presser les fournisseurs et la production pour
une meilleure performance quand des gains
importants peuvent être réalisés ailleurs dans le
système.
Vol. 7 – N°1, 1999
Logistique & Management
Mais naturellement nous nous sommes jusqu’ici concentrés sur des actions faciles. Il est
manifestement beaucoup plus simple de
reconfigurer la production, et de changer de
fournisseurs que de persuader tous les acteurs
de la chaîne de pratiquer sérieusement le Supply Chain Management ! Il est ainsi évident
que pour obtenir les améliorations supplémentaires obtenues grâce à la chaîne sans rupture dans fig. 2 (C), nous devons pouvoir
démontrer les bénéfices d’un telle politique.
Pour ce faire nous ferons une simulation avec
des données réelles.
L’effet coup de fouet sur les chaînes logistiques traditionnelles
Il y a trente ans, Forrester [5] a été le premier à
simuler l’amplification des variations de la
demande en prenant des exemples concrets de
Supply Chains. Ce phénomène est devenu
plus connu sous le nom d’effet coup de fouet
en raison de l’amplification du phénomène
fortement observé en amont de la perturbation. Burbidge [6] a apporté une explication à
ce comportement et l’a appelé “loi de dynamique industrielle”. L’effet coup de fouet peut
être vu comme une résultante de cette loi.
“Si la demande est transmise le long d’une
série de stocks en utilisant un contrôle de
stock, alors la variation de demande augmentera à chaque transmission.”
Ainsi l’amplification de la variation de la
demande inhérente aux chaînes logistiques
est propre au système et directement affectée
par des retards dans la circulation de
l’information et des produits et des temps de
réponse dans le processus décisionnel. La
figure 3 présente un exemple concret.
L’exemple de la chaîne du textile a été analysé
par Stalk et Hout [7] et montre clairement
l’amplification croissante des fluctuations de
commande plus elles vont en amont.
Au niveau de chaque entreprise dans une
chaîne, l’information concernant la commande est sujette à retard, et à déviation avant
d’être transférée au fournisseur suivant. Loin
de s’annuler, les diverses sources de distorsion de la véritable demande de marché sont
au mieux cumulatives et au pire multiplicatrices dans leur effet. Toute incertitude est considérablement magnifiée au fur et à mesure que
les commandes sont transmises en amont dans
la chaîne. Fréquemment, ceci est aggravé par
des acteurs à tous les niveaux qui font une
mauvaise évaluation de la commande. Malheureusement, leurs actions sont en décalage
par rapport à ce qui est exigé réellement pour
Vol. 7 – N°1, 1999
Fig. 3 - Sequential Structure of a “Traditional” Supply Chain Generating the Bullwhip
Effect in the Clothing Sector
(Based on a Description by Stalk and Hout, 1990).
atténuer la forme sinusoïdale de l’amplification. Le résultat est illustré figure 3 où le
fabricant de fil en amont doit faire face aux
variations de la demande 40 % supérieure à
celle du détaillant situé à l’autre extrémité de
la chaîne.
On a largement analysé l’effet coup de fouet
tout en recherchant de nouveaux systèmes logistiques. Il est généralement admis que si la
demande peut trouver un moyen de se multiplier alors elle le fera [8]. Ainsi, plus l’acteur
est éloigné du consommateur final, moins il
est averti de la véritable demande du consommateur et plus il a de chance de se tromper en
raison de l’éloignement géographique et temporel. Dans une chaîne traditionnelle, l’approvisionnement en matières premières répondra
à une hausse de la demande du consommateur
des semaines, peut-être des mois ou même des
années après que la pratique d’achat soit apparue pour la première fois dans le marché.
Pendant ce temps, le produit sera devenu obsolète avec de grandes quantités de stock passées en pertes et profits à divers points de la
chaîne.
Des modèles de simulation capables de répondre aux questions “que se passe-t-il si ?”
sont un outil valable de configuration de la
chaîne logistique [9]. Bien que les observations de Forrester datent du début des années
60, les problèmes posés sont toujours vrais aujourd’hui pour la majorité des chaînes logistiques [10]. Le problème de l’amplification de
la variation de la demande et de ses effets
dynamiques demeurent, malgré de nombreu-
9
Logistique & Management
Fig. 4 - Input-Output diagram summarising the impact of streamlined flow controls
on the performance of a company. (Towill [11].)
ses recherches et des programmes
d’amélioration des systèmes logistiques.
L’incertitude persiste, il convient alors
d’apprendre à contraindre les effets en développant les stratégies qui la traitent efficacement pour assurer la compétitivité des
chaînes. Avant qu’une chaîne logistique
puisse réaliser cet objectif, elle doit accepter
l’incertitude et s’attaquer à ses causes dans
chacun des quartiers du cercle d’incertitude.
Aborder l’incertitude dans les deux “pipelines” réduit l’effet coup de fouet.
Jay Forrester a, le premier, parlé du concept de
“pipeline management” pour décrire le flux
contrôlé continu des marchandises par rapport
à une demande utilisant l’analogie avec le
comportement d’un circuit hydraulique. Il
considérait qu’il existait un flux continu de
produits dans la chaîne logistique plutôt
qu’une série d’opérations sans lien les unes
avec les autres. Un bon management de la
Supply Chain exige le développement des
stratégies sans rupture qui lissent le flux en
otant les barrières entre les entreprises. Toutes
les chaînes ont deux temps de cycle, le transfert de l’information de la commande se déplaçant en amont du point de vente au
fournisseur de matière première et deuxièmement le transfert de produits vers l’aval à partir
de la matière première jusqu’au consommateur final. Les flux d’information et de produits apparaissent clairement sur la figure 3.
10
Le cercle d’incertitude (précédemment représenté sur la figure 2) illustre les quatre zones
principales où l’incertitude est présente dans
une chaîne logistique. Chacun des quatre segments souffre de l’incertitude dans les pipelines de l’information et des produits. Comme
indiqué précédemment, beaucoup de chaînes
se sont focalisées sur leurs pipelines produits
en réduisant l’incertitude interne par des
processus d’optimisation de fabrication.
Cependant l’information présente toujours
beaucoup de possibilités de réduction de
l’incertitude. Même si une chaîne logistique
tire des bénéfices de l’écoulement sans
rupture des produits, son comportement dynamique global par rapport au marché sera
encore soumis à l’amplification de la variation
de demande si le transfert de l’information
n’est pas amélioré. Les entreprises doivent
comprendre que l’optimisation seule du flux
des produits n’est pas suffisante pour réaliser
un avantage concurrentiel soutenable et la différence peut très bien se faire au niveau de la
transmission des données de commande vers
l’amont.
La figure 4 montre un exemple industriel des
bons résultats qui peuvent être réalisés en
optimisant à la fois le flux d’information et le
flux des produits. Initialement présenté par
Towill [11] ce schéma est basé sur des données de Goldman [12].
Initialement étudié par Fine [13] le schéma
compare les ventes réelles et la configuration
de commande imposée au fournisseur amont
de machine-outil. À première vue, la dynamique peut venir de deux entreprises séparées
par opposition à la réalité de faire partie de la
même chaîne logistique. La dynamique de
l’information représentée sur la figure 5
illustre clairement l’effet coup de fouet et par
conséquent l’incertitude qui s’accumule le
long de la chaîne logistique avec pour résultat
les oscillations sauvages des courbes de besoins. La variation de la demande de machines
outils est si importante que la fermeture de
l’usine alternera heures supplémentaires et
externalisation.
Un moyen sûr d’atténuer l’effet coup de fouet
est de réduire l’incertitude provoquée par des
données faussées et par conséquent d’atténuer
ce comportement d’amplification de la
demande. Un achat génère le remplacement
d’un produit, le processus de livraison est
donc activé par les informations issues des
ventes [3]. La vitesse de transmission de
l’information est cruciale dans une chaîne
performante. À la différence des retards de
Vol. 7 – N°1, 1999
Logistique & Management
production, qui sont dépendants de matériels
technologiques, l’information sur les commandes doit-elle, en théorie, se déplacer à la
vitesse de la lumière.
Le flux d’information a été reconnu comme
essentiel dans le processus de changement,
Hammer et Champy [14] l’ont décrit comme
le facilitateur du Business Process Reengineering. La vitesse du transfert de l’information a
été donc reconnue comme une “commodité”
qui, si elle est gérée correctement, peut devenir un véritable avantage concurrentiel. Cependant c’est la qualité de l’information et
pas la quantité des données qui est le levier
principal. Beaucoup d’entreprises ont découvert à leurs dépends le maigre retour sur investissement de la mise en place de nouvelles
technologies de l’information [15]. En les implantant sur des systèmes d’information existants, il y a un risque de transfert plus rapide de
mauvaises données - la qualité de l’information ne s’en trouve absolument pas améliorée. Afin d’assurer un comportement
dynamique et ainsi réduire l’incertitude,
l’information doit être traitée comme un produit pour lequel il convient de redéfinir le contrôle du flux. Pour assurer l’avantage
concurrentiel et la performance du bas de bilan, les Supply Chains devraient rechercher
les stratégies qui limitent l’effet de
l’incertitude dans le transfert des produits et
de l’information à travers chacun des quatre
segments du cercle d’incertitude.
L’optimisation des flux des produits et de
l’information rétrécit le cercle
Fig. 5 - The Supply Chain Bullwhip Effect in the Machine Tool industry [12]
nées qui n’est absolument pas déformée.
Par conséquent, en alimentant directement
chaque niveau de la chaîne avec ces données
de ventes, on s’attaque activement à l’incertitude des commandes. Cet enrichissement est
réalisable avec un lien données de ventes à
chaque niveau dans la chaîne. Ainsi, plutôt
que de passer un ordre de commande en se basant sur les données de ventes internes à la
chaîne, on se base sur ce que le consommateur
a réellement acheté.
Il existe une variété d’outils qui peuvent être
utilisés pour améliorer la performance des
chaînes dans chaque quartier du cercle de
l’incertitude (les principaux sont récapitulés
sur la figure 6). Comme on peut le voir, les
sources d’incertitude se situant à la fois dans
le flux des produits et le flux de l’information,
les outils doivent nécessairement traiter les
deux flux simultanément.
Des stratégies de réduction d’incertitude dans
le flux des produits sont largement développées et appliquées dans beaucoup
d’industries, une des techniques les plus
connue étant le “lean thinking” (le juste nécessaire) [4]. La meilleure façon de réduire
l’incertitude dans le flux de l’information
concernant les commandes est de transmettre
à chacun dans la chaîne logistique l’information la plus à jour et la plus utile. Les données de ventes sont le catalyseur de
l’information pour la Supply Chain dans son
ensemble, et représentent la source de don-
Vol. 7 – N°1, 1999
Fig. 6 - Examples of improvement strategies to reduce Uncertainty
in each Quadrant.
11
Logistique & Management
Une façon standard de se fixer des points de
comparaison pour juger de l’efficacité des
nouvelles configurations Supply Chain est
d’utiliser des modèles de simulation [16].
Nous utilisons un modèle générique, qui est
une représentation éprouvée et testée de la
bonne pratique industrielle. Chaque échelon
est représenté par des systèmes d’aide à la
décision qui tiennent compte des commandes
reçues, du travail en cours, des stocks, et des
prévisions disponibles. Les échelons sont
alors reliés à l’image d’une parfaite Supply
Chain. Un exemple d’un modèle générique
décrivant la chaîne logistique de l’électronique (Berry et al.) [17] a servi de référence
pour diverses études de cas de stratégies.
Des points de comparaison pour la conception de la Supply Chain
Nous constatons que pour la synthèse il est
réaliste d’employer une step demand pour simuler un événement de choc du marché. On
observe alors en amont la propagation de
l’onde de forme coup de fouet. La raison en est
que la réponse fournit une image “extrêmement riche” de la dynamique de la Supply
Chain. Par conséquent l’approche adoptée
consiste à faire une sélection préliminaire de
la meilleure stratégie sur la base de la réponse,
et de vérifier ensuite le choix en simulant les
perturbations aléatoires et saisonnières [18].
On peut voir tableau 1 un repère output ; les
scénarios ont été choisis pour démontrer
l’impact de la réduction des temps de cycles et
de l’enrichissement de l’information sur
l’effet coup de fouet. Pour illustrer l’impact
des programmes d’amélioration, on a simulé
quatre stratégies. La première, une configuration qui simule une Supply Chain traditionnelle avant toute amélioration. La deuxième
simule une stratégie qui vise le flux
d’information en permettant à tous les acteurs
Table 1 - Comparaison des améliorations de Performance : Réduction du cercle
d’incertitude.
12
une vision des ventes réelles. La troisième simule une amélioration du flux des produits en
accélérant la vitesse de manière à rendre la
chaîne plus réactive. La quatrième stratégie
simule l’ensemble du cercle d’incertitude
avec une optimisation des flux de produits et
d’information.
Afin de comparer les diverses stratégies, on
applique une méthodologie de classement des
diverses configurations. Une échelle linéaire
indiquera la meilleure (4 étoiles) et la plus
mauvaise (une étoile) configuration au niveau
de l’effet coup de fouet. Les autres configurations seront classées sur cette échelle en se référant aux meilleures et plus mauvaises
configurations observées pendant la simulation. Si la différence entre les deux conceptions est considérée comme non significative,
on donnera aux deux conceptions la même
notation d’étoile.
Sur le tableau 1, on constate que la réduction
de l’incertitude dans chacun des pipelines a un
effet positif sur la performance globale de la
Supply Chain. L’effet des pipelines de produits et d’information sur le comportement de
la Supply Chain est sensiblement différent.
L’information est cruciale pour le contrôle de
la Supply Chain tandis que l’écoulement des
produits impacte directement la vitesse de la
réponse. Les bénéfices possibles apparaissent
clairement dans le tableau 1. Non seulement
l’effet coup de fouet a été réduit sur la Supply
Chain mais les temps de réponse ont nettement amélioré la fonction commande et les
niveaux de stock. Dans cette configuration
particulière, il est clairement avantageux de
réduire tous les temps de cycle dans les flux
des produits et de mettre en place une politique d’enrichissement de l’information.
Exemples industriels de réduction du cercle
d’incertitude
Un bon exemple d’utilisation d’informations
commerciales à partir du consommateur est
celui de Wal-Mart (Etats-Unis) et d’un de ses
fournisseurs principaux Procter & Gamble.
Wal-Mart a littéralement abattu les barrières
au partage de l’information et a donné accès à
son information consommateur à ses fournisseurs pour leur propre utilisation tactique et
stratégique. Etape révolutionnaire dans la
nouvelle philosophie de Wal-Mart qui se
moque de ce que peuvent apprendre les
concurrents à partir du moment où les excellentes relations avec ses fournisseurs ont pour
résultat un meilleur service aux clients [19].
Procter & Gamble prend maintenant l’information du consommateur au point de vente
Vol. 7 – N°1, 1999
Logistique & Management
Wal-Mart et décide quelle quantité il va livrer
aux magasins pour satisfaire les demandes.
Procter & Gamble est responsable de
l’approvisionnement des linéaires grâce à une
gestion partagée des approvisionnements
(VMI). Cette stratégie présente un double
avantage dans la réduction du cercle d’incertitude. Premièrement elle réduit l’incertitude
en éliminant des retards d’écoulement des
produits et de l’information ; deuxièmement
elle réduit l’incertitude en éliminant un point
de décision dans la chaîne.
Une autre application des principes de réduction du cercle d’incertitude a été analysée par
Towill et McCullen. [20]. Elle concerne le
re-engineering réalisé dans une Supply Chain
de produit mécanique de précision par
l’intermédiaire de programmes de réponse
rapide et d’intégration de nouvelles technologies de l’information. Les mesures mises en
place comprennent la réduction des temps de
cycle de fabrication (quart de cercle processus
de fabrication) ; en reliant les usines à la
demande client (quart de cercle demande) ;
une planification plus fréquente et plus rapide
(quart de cercle de planification et de contrôle) ; la rationalisation de l’acquisition et de
la distribution (quart de cercle approvisionnement) ; et de nouveaux systèmes d’aide à la
décision (encore le quart de cercle de planification et de contrôle) pour gérer la réduction
des délais. Le tableau 2 résume les améliorations de performance réalisées par l’entreprise
en réduisant l’incertitude dans chacun des
quatre quarts de cercle d’incertitude.
Les résultats enregistrés présentés dans le tableau II comprennent la tendance à la baisse
des stocks (réduits de 45% sur une période de
cinq ans), et jusqu’ à la réduction de 46% de
l’effet coup de fouet. Malheureusement les
données ne permettent pas de mettre
l’amélioration au crédit de la réponse rapide
ou de l’implantation de IT simplement la
combinaison des deux donnent des résultats
impressionnants. Ils confirment également
l’efficacité de notre approche à rétrécir le
cercle d’incertitude comme moyen de réduire
l’effet coup de fouet sur toute Supply Chain.
Conclusion
Le cercle d’incertitude est un concept utile
d’amélioration de la performance des Supply
Chains grâce auquel chaque acteur peut tirer
des bénéfices. Alors que les processus
d’approvisionnement et de fabrication dépendent directement de l’entreprise, et peuvent
être améliorés grâce à des politiques “au plus
Vol. 7 – N°1, 1999
SUPPLY CHAIN
PERFORMANCE
METRIC
PRODUCT CODE
A
Reduction in production
demand amplification
-45%
variability
Reduction in central
warehouse stock
-34%
variability
B
C
D
E
F
- 26%
-18%
-25%
-14%
-46%
-31%
-35%
+15%
-27%
-36%
(a) Improvement in production orders and central warehouse stock
variability.
YEAR
1
2
3
4
5
% TOTAL CHANGE
0
-17%
-29%
-35%
-45%
(b) Improvement in global inventory.
Table 2 - Improved Supply Chain Dynamic Performance Observed Following
Implementation of Agile Manufacturing Programme (Towill and McCullen [20])
juste”, les processus de planning et de
contrôle exigent des mesures en externe. Les
incertitudes dans la livraison de produit liées
aux processus de contrôle et de demande peuvent être sensiblement réduites par l’accès
aux données du marché. Afin d’obtenir un bon
degré de collaboration, des accords de partenariat peuvent être un bon moyen d’y parvenir. Notre approche de réduction du cercle
d’incertitude a été démontrée par l’intermédiaire de la simulation et des expériences
réelles de Business Process Re-engineering.
L’optimum peut être atteint, seulement si les
stratégies s’attaquent à l’incertitude dans les
deux pipelines produits et information et ce
dans les quatre quartiers du cercle.
Bibliographie
1. Towill, D. R. “The Seamless Supply Chain-the predators advantage”, International Journal of the Technology of Management Vol. 13, n° 1, 1997, pp. 37-56.
2. Lee H. L, Padmanabhan V. and Whang S. (1997)
“Information distortion in a Supply Chain : the Bullwhip effect”, Management Science Vol. 43, n° 4,
pp. 546-558.
3. Mason-Jones R. and Towill D. R. (1998) “Shrinking
the Supply Chain Uncertainty Circle”, Control
Vol. 24, n° 7, pp. 17-23.
4. Womack J., Jones D. T. (1996) “Lean Thinking”,
Simon and Schuster.
5. Forrester J. W. (1960) “Industrial Dynamics”,
MIT Press Cambridge MA.
6. Burbidge J. L. (1989) “Production Flow Analysis”,
Oxford University Press, Oxford. UK.
Remerciements
Nous tenons à exprimer notre
reconnaissance à EPSRC qui a
financé cette recherche (numéro
94315659) en association avec
le programme doctoral, Hierarchical Control of Supply Chain
Dynamics.
13
Logistique & Management
7. Stalk G., Hout T. (1990) “Competing against time”,
Free Press.
8. Towill D. R. “Supply Chain Dynamics-The change
Engineering challenge of the Mid 1990s”, Prod I.
Mech. E in Eng Man vol. 206, 1992, pp. 233-245.
9. Andraski J. C. (1997) “Foundations for a Successful
Continuous Replenishment Programme”, International Journal of Logistics Management, vol. 5, n° 1,
pp. 1-8.
10. Balle M. (1995) “The Business Process ReEngineering Action Kit”, Kogan Page, London.
11. Towill D. R. (1999) “Simplicity wins, Twelve rules for
designing effective Supply Chains”, IOM Control
Journal, March issue, pp. 9-13.
12. Goldman S.L., Nagel R.N. Preiss (1995) “Agile
Competitors and virtual Organisation”, Van
Nostrand Reinhold, New york.
13. Fine C. (1998) “Clockspeed: Winning Industry Control in the Age of Temporary Advantage”, Sloan
School of Management, M.I.T.
14. Hammer M. and Champy J. (1993) “Re-Engineering
the Corporation”, Harper-Collins, New York.
14
15. Davenport T. (1994), “Saving IT’s soul: human centred information management”, Harvard Business
Review, March-April pp. 119-131.
16. Ackere A. V., Larsen E. R., Morecroft J. D. W.
(1993), “Systems thinking and Business Process Redesign: An Application to the Beer Game”, European
Management Journal, vol. 11 n° 4, pp. 412-423.
17. Berry D, Naim M. M. and Towill D.R. (1995) “Business Process Re-Engineering an Electonic Products
Supply Chain”, IEE Proc-Sci Meas. Technol.
Vol. 142 , n° 5 September.
18. Mason-Jones R. K., Naim M. M. and Towill D.R.
“The impact of Pipeline Control on Supply Chain Dynamics”, International Journal of Logistics Management, vol. 8 n° 2, 1997, pp. 47-62.
19. Johansson H. J., McHugh P., Pendlebury A. J.,
Wheeler III W.A. Business Process Reengineering,
(Wiley) 1993.
20. Towill D. R. and McCullen P. (1999) “The Impact of
an agile Manufacturing Program on Supply Chain
Dynamics”, accepted for publication in International
Journal of Logistics Management, December issue.
Vol. 7 – N°1, 1999