Bénéfices et exigences de l’optimisation mathématique pour la planification de l’allocation du bois aux usines de produits forestiers

La planification des approvisionnements représente un grand un défi pour l’industrie forestière, surtout dans le contexte où la forêt naturelle est caractérisée par une grande hétérogénéité de la matière première servant à générer différents produits. Ainsi, l’élaboration de plans pour répondre à la demande des usines devient un problème complexe pour les planificateurs forestiers. La planification automatisée faisant usage d’outils d’optimisation permet de tenir compte de plusieurs facteurs importants pour la planification. Dans la littérature, plusieurs modèles théoriques ont été proposés, mais il semble que très peu de ces modèles soient actuellement utilisés par les entreprises. On suppose que la complexité du problème, l’environnement naturel en constante évolution, de même que l’expertise nécessaire pour utiliser ces modèles limitent leur application dans un contexte industriel. Néanmoins, la mise en œuvre de ces outils pourrait améliorer significativement le bénéfice des entreprises forestières. Les objectifs de l’étude sont (i) évaluer le potentiel d’implantation de l’optimisation mathématique en entreprise, notamment en identifiant les ressources supplémentaires nécessaires à l’adoption d’une telle approche (ii) estimer les bénéfices et avantages d’utiliser l’optimisation mathématique pour soutenir les décisions de planification dans un contexte industriel (iii) analyser l’effet d’une variation dans les informations utilisées pour la confection des plans. Le logiciel d’optimisation LogiLab, développé par le consortium de recherche FORAC, a été utilisé en support à cette étude. L’outil permet de maximiser le profit généré dans la chaîne d’approvisionnement grâce à une allocation optimale de la matière première vers les usines du réseau. Le modèle considère simultanément la récolte, le transport, l’hétérogénéité de la forêt et la performance des usines. Dans ce projet, nous avons adapté LogiLab pour permettre son application dans une étude de cas visant une entreprise de produits forestiers canadienne. Nous avons ensuite analysé les bénéfices générés et évalué le potentiel de mise en œuvre. Pour réaliser le deuxième objectif, nous avons étudié la méthode de planification actuelle de l’entreprise partenaire, pour ensuite la comparer à l’approche d’optimisation utilisée pour générer le plan optimal. Finalement, nous avons ajusté les données d’inventaires de départ en utilisant des données réelles provenant du mesurage pour tester l’effet de la variabilité des informations utilisées dans le développement des plans. L’approche de planification optimisée a permis de générer un bénéfice net plus élevé que la méthode de planification actuelle en entreprise. Cette différence est en partie due à une allocation plus efficace de la matière première aux usines. En ce qui concerne le deuxième objectif, plusieurs avantages ont été identifiés, notamment la réduction du temps nécessaire pour produire un plan. En outre, même si le coût de la mise en œuvre est élevé, ces dépenses supplémentaires sont récupérées en moins de deux ans dus à l’économie de temps associée à la réalisation de la planification. De plus, les gains générés suite à l’utilisation des plans optimisés dépassent largement les coûts initiaux liés à la mise en place du système.Supply planning is a significant challenge for the forest industry, particularly in natural forests characterized by great heterogeneity. Such forests produce raw material suitable for different final products. Thus, developing plans to match supply with demand becomes a complex problem for forest planners. The automatization of the planning approach using an optimization tool allows many important factors to be taken into consideration during planning. In the literature, several theoretical models have been proposed, but it appears that very few of these are currently used by companies. It is assumed that the complexity of the problem, the ever changing nature of the planning environment, and the expertise required to use these models limit their application in industrial context. Nevertheless, the implementation of such tools could bring significant improvements in profits for the forest companies. The aims of the study are threefold : (i) to evaluate the potential for the implementation of mathematical optimization in companies, in particular by identifying the additional resources needed to adopt such an approach, (ii) to estimate the potential gains associated with utilization of optimization model in formulating wood procurement planning in an industrial case, and (iii) to analyze the effect of variation in the information used could have on the plans. An optimization software (LogiLab) developed by the FORAC research consortium was used. The tool allows to maximize the profit generated on the entire supply chain through optimal allocation of raw materials to mills in the network. The model simultaneously considers both harvesting and transportation cost, the heterogeneity of the forest and mill performances. The planning done now in companies visually focuses on lower transportation distance. We adapted LogiLab to a case study involving a Canadian forest products company, to analyze the generated profits, and assess its potential for implementation. To realize the second objective, we studied the planning method of our Partner Company and compared it to the optimization approach that we used for generating the optimal plan. Finally, we adjusted the baseline inventory data using actual data from the measurement to test the effect of the variability of the information used in developing the plans. A higher net profit was generated when using our planning approach in comparison to the plan prepared by the company. This difference is due, in part, to a more efficient allocation of raw materials to the mills. With regards to the second objective, we found several advantages such as a reduction in the time needed to produce a plan. Moreover, even if the cost of implementation is high they are recovered in less than two years by savings in planning time. The gains generated following the optimized plans exceed by several orders of magnitude the initial costs of the system to be set up