Transformation d'une chaîne logistique par l'EA et la dynamique des systèmes

Posté le dans Actualites

Replay Webinaire Obeo - Jeudi 7 Novembre 2024 (bientôt disponible) 

 Slides disponibles


Transformation d'une chaîne logistique par l'EA et la dynamique des systèmes

 

La transformation d’une chaîne logistique peut être modélisée de manière « classique » via les méthodes et outils de l’architecture d’entreprise :
- Les modèles correspondants décrivent les acteurs, les processus, les applications, les flux, …, l’état initial de la chaîne, son état cible et les transformations nécessaires.
- Méthodes et outils : Togaf, ArchiMate, Obeo SmartEA.

L’approche proposée ici est, en complément, de modéliser la chaîne logistique comme un système dynamique
- Les modèles correspondants décrivent la dynamique des stocks et des flux.
- Méthodes et outils : simulation numérique, Vensim.

Cette double approche produit une modélisation plus riche de la structure et du comportement de la chaîne logistique permettant d’adresser de manière plus efficace les préoccupations des parties prenantes.

Un élément essentiel concerne la simulation numérique du comportement de la chaîne logistique qui permet tout au long de la conception - sans mise en œuvre réelle lourde - de tester, de valider ou d’invalider de nombreuses hypothèses de travail concernant :
- L’organisation et la politique logistique (stock, commande, reconditionnement, …).
- La planification des capacités opérationnelles.
- Le calcul et le suivi des coûts opérationnels.
- La prévision et l’exécution budgétaires.
- La gestion de la dette technique.

Cette présentation est un retour d’expérience qui comprend :
- Des modèles réels, « classiques » et de dynamique des systèmes, ainsi qu’une démonstration de simulation numérique du comportement de la chaîne logistique.
- Une description du processus de modélisation : les ateliers, les acteurs, les outils, les compétences, …
- En particulier, un focus sur les interactions avec les acteurs opérationnels et ceux du support : processus, performance et data.