RIRL 2010 - Bordeaux September 30th & October 1st, 2010 1 RIRL 2010 The 8th International Conference on Logistics and SCM Research BEM Bordeaux Management School September 29, 30 and October 1st 2010 Apprentissage expérientiel en gestion des chaînes logistiques : Exploitation des simulateurs participatifs tels que le XBeerGame Edith Brotherton Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport (CIRRELT), Université Laval, Québec, Canada [email protected]Benoit Montreuil Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport (CIRRELT), Université Laval, Québec, Canada [email protected]Rémy Glardon Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport (CIRRELT), École Polytechnique Fédérale de Lausanne, Lausanne, Suisse [email protected]Salma Naccache Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport (CIRRELT), Université Laval, Québec, Canada [email protected]Résumé La gestion des chaînes logistiques est un domaine stimulant de par la diversité et la complexité des réseaux globaux qui les composent, mais aussi fondamentalement par la nature dynamique des relations et des phénomènes qui s’y retrouvent. Cet article présente un nouveau cadre expérimental générique qui permet de conceptualiser, développer et expérimenter à l’aide d’un simulateur participatif, tel que le XBeerGame, des scénarios pédagogiques de formation expérientielle plus évolués. Un exemple d’utilisation sur une semaine est présenté afin de démontrer le potentiel d’apprentissage progressif des multiples facettes de la gestion des chaînes d’approvisionnement à travers une programmation structurée de simulations ciblées. Mots clés: Pilotage de chaîne logistique, Simulations participatives et immersives, Jeux d’affaires, Apprentissage expérientiel, Effet coup de fouet
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
1
RIRL 2010 The 8th International Conference on Logistics and SCM Research
BEM Bordeaux Management School September 29, 30 and October 1st 2010
Apprentissage expérientiel en gestion des chaînes logistiques : Exploitation des simulateurs participatifs tels que le XBeerGame
Edith Brotherton Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le
transport (CIRRELT), Université Laval, Québec, Canada [email protected]
Benoit Montreuil
Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport (CIRRELT), Université Laval, Québec, Canada
Rémy Glardon Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport (CIRRELT), École Polytechnique Fédérale de Lausanne, Lausanne, Suisse
Salma Naccache Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le
transport (CIRRELT), Université Laval, Québec, Canada [email protected]
Résumé La gestion des chaînes logistiques est un domaine stimulant de par la diversité et la complexité des réseaux globaux qui les composent, mais aussi fondamentalement par la nature dynamique des relations et des phénomènes qui s’y retrouvent. Cet article présente un nouveau cadre expérimental générique qui permet de conceptualiser, développer et expérimenter à l’aide d’un simulateur participatif, tel que le XBeerGame, des scénarios pédagogiques de formation expérientielle plus évolués. Un exemple d’utilisation sur une semaine est présenté afin de démontrer le potentiel d’apprentissage progressif des multiples facettes de la gestion des chaînes d’approvisionnement à travers une programmation structurée de simulations ciblées. Mots clés: Pilotage de chaîne logistique, Simulations participatives et immersives, Jeux d’affaires, Apprentissage expérientiel, Effet coup de fouet
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
2
INTRODUCTION
La gestion des opérations, de la logistique et des chaînes d’approvisionnement sont des
domaines très importants sur le plan économique. Ils intéressent aussi fortement les
chercheurs et les enseignants en raison de la diversité et de la complexité des phénomènes
dynamiques qui gouvernent les réseaux globaux qui les composent. Le jeu d’affaires le plus
connu permettant d’illustrer ces relations est le Beer Game développé dans les années 1960 au
Massachusetts Institute of Technology (MIT) et basé sur la théorie de la dynamique des
systèmes de Forrester (1958). Le Beer Game est un jeu de table qui permet à des équipes de
quatre joueurs de prendre en charge le pilotage opérationnel d’une chaîne logistique à quatre
centres en série, comme illustré à la Figure 1. L’objectif est de répondre efficacement aux
demandes du marché en réduisant les inventaires ainsi que les ruptures de stocks de manière à
minimiser les coûts globaux encourus par la chaîne logistique.
Figure 1: Chaîne logistique du Beer Game
Dans une démarche pédagogique conventionnelle, le Beer Game est utilisé sur une période
d’au plus quelques heures afin de démontrer les effets systémiques dans les chaînes
logistiques, dont l’effet coup de fouet ou bullwhip effect observé par Forrester (1961). Au
cours des dernières années, notre équipe de recherche a conçu et développé le XBeerGame
(Montreuil et al, 2009), un simulateur de pilotage de chaînes logistiques inspiré du Beer
Game, mais offrant des fonctionnalités et un potentiel expérimental largement supérieurs. Il
permet en particulier aux participants d’expérimenter de nombreux aspects liés au
comportement dynamique de ces chaînes, allant bien au-delà de l’effet coup de fouet.
La recherche rapportée dans cet article investigue le potentiel d’exploitation d’un simulateur
tel que le XBeerGame pour favoriser un intensif apprentissage expérientiel de multiples
facettes de la gestion des chaînes logistiques à travers un programme structuré de simulations
ciblées. Après une brève revue de littérature, l’article décrit l’espace d’apprentissage du
XBeerGame et catégorise les paramètres permettant de configurer des expériences. Ceci
permet de décrire le cadre expérimental générique qui sert à élaborer et à réaliser une
programmation d’apprentissage expérientiel. L’article décrit ensuite les résultats et les
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
3
apprentissages tirés d’une expérience réalisée auprès des étudiants de l’Executive Master in
Global Supply Chain Management (EMGSC) de l’École Polytechnique Fédérale de Lausanne
(EPFL). Finalement des conclusions et des perspectives de recherche sont élaborées.
REVUE DE LA LITTERATURE
Malgré la simplicité du Beer Game, il s’agit de l’un des jeux de simulation d’affaire les plus
utilisés pour l’apprentissage et la compréhension des effets en cascade dans les chaînes
logistiques (Sterman, 1992; Lee et al. 1997a; Lee et al. 2004). Longtemps joué sur table, le
Beer Game est maintenant disponible en versions informatisées sur quelques sites web pour
des utilisations limitées, tel que celle développée par Jacobs (2000). À ce jour, plusieurs
groupes de recherche et organisations d’enseignement ont créé un ensemble de versions
informatisées, dont: Massachusetts Institute of Technology (http://beergame.mit.edu/),
Indiana University (http://jacobs.indiana.edu/beer/index.htm) et Swiss Federal Institute of
Technology (http://www.beergame.lim.ethz.ch/).
Plusieurs auteurs ont souligné les avantages de l’utilisation de jeux éducatifs, dont Gee (2003)
qui mentionne que les jeux offrent aux joueurs un environnement immersif les invitant à
penser de manière approfondie et les incitant à résoudre des problèmes d’un niveau élevé de
complexité. Selon Shaffer (2005), ces jeux permettent de développer une compréhension
contextuelle, pour explorer de nouvelles identités, créer des communautés de pratique et
appuyer l’apprentissage par l’action. Les jeux consolident aussi le transfert de connaissances
vers d’autres contextes (Oblinger, 2004). Dans le cas des chaînes logistiques, les simulations
ont pour but principal d’aider les étudiants dans leur apprentissage de l’impact global de
configurations alternatives des chaînes logistiques, de stratégies de gestion des chaînes,
d’approches collaboratives ou d’algorithmes de décision et d’heuristiques (Chen et al. 2000).
Il existe aussi des jeux logistiques qui permettent aux joueurs d’interagir avec des agents
logiciels qui implémentent des règles de décision simples (Nienhaus et al. 2006).
L’intégration d’agents logiciels qui simulent le comportement humain est abordée par
plusieurs auteurs dont Hall (2009) qui présente une vue prospective sur les courants
émergents dans la conception des jeux de simulation d’entreprise. Selon l’auteur, le
développement de jeux sérieux de simulation (Serious Game Movement) bénéficie de
l’utilisation de graphismes en trois dimensions, ainsi que d’agents qui interagissent avec le
joueur, afin de l’impliquer davantage dans le jeu et susciter son interaction. Smith (2010)
décrit l’évolution de la conception des jeux de simulation pour les militaires qui est similaire à
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
4
l’évolution du jeu de la bière. L’auteur met l’accent sur les versions informatisées de cette
classe de jeux et insiste sur la nécessité d’investir plus d’efforts tant au niveau de la création
des données avant le jeu que lors de la collection et l’analyse des données après celui-ci.
Bien que l’utilisation des jeux de simulation dans les milieux pédagogiques semble
prometteuse, il existe plusieurs éléments qui doivent être pris en considération lors de leur
développement. Rieber (2005) a souligné qu’il arrive que les apprenants se concentrent
uniquement sur l’amélioration de leurs propres scores, sans s’engager dans une réelle
réflexion d’apprentissage. Il a aussi constaté que les apprenants doivent être guidés pendant le
jeu. Manske et Conati (2005) ont observé qu’il est difficile d’introduire des éléments
permettant aux étudiants de réfléchir par rapport au domaine de connaissances sans interférer
avec leur engagement dans le jeu. Par contre, Gentry et McGinnis (2008) s’inspirent de la
théorie de l’auto-détermination de Ryan et Deci (2000) pour proposer une idée innovatrice qui
consiste à impliquer les étudiants dans le processus de conception des scénarios de jeu afin de
stimuler d’avantage leur implication lors de leur participation au jeu. Mais selon Gentry et
McGinnis (2009), l’un des inconvénients de cette approche est que l’instructeur risque de
perdre le contrôle sur le contenu et les processus de la simulation.
Dobson et al. (2004) rapportent que les jeux de simulation d’entreprises sont des outils
efficaces d’apprentissage, cependant ils en énoncent quelques limites dont le manque de
rétroactions explicites directes par rapport aux étapes stratégiques du jeu. Aussi ils critiquent
la durée des jeux qui ne permet pas aux joueurs de se familiariser avec le jeu dans une
cadence convenable, et d’un autre côté, peut rendre difficile l’atteinte des objectifs de
l’entraînement. De plus, les jeux actuels affichent l’information sous des formes simplistes,
des tableurs par exemple, ce qui rend inintelligibles les informations fournies pendant le jeu.
Une autre limite rapportée par Dobson et al. (2004) est le manque de support technologique
lors du débriefing après le jeu. Il a été démontré qu’il existe plusieurs avenues de recherche
dans la conception des jeux de simulation d’affaire en général, et dans la conception des
versions informatisées du jeu de la bière. La conception de ces jeux se définit par plusieurs
aspects, dont la conception de l’environnement du jeu en lui-même, l’expérience de jeu ainsi
que la relation qu’entretient l’apprenant avec l’environnement du jeu.
XBEERGAME – ESPACE D’APPRENTISSAGE
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
5
Le XBeerGame est simulateur immersif qui nous permet de reproduire le jeu classique d’une
chaîne logistique à 4 acteurs (Beer Game), mais également de concevoir des expériences
d’apprentissage plus complexes de pilotage des flux. Parmi les fonctionnalités que nous avons
développées afin de rendre les expériences plus pertinentes et réalistes, notons l’ajout d’un
ensemble d’outils d’analyse et de pilotage permettant à la fois de prendre en compte la
performance individuelle du joueur (ex: graphiques détaillés, revenus, coûts, profits et
niveaux de service), celle de ces partenaires d’affaires directs (ex: inventaire net, inventaire en
main et commandes en transit) ainsi que celle de toute la chaîne (ex: performance financière
et niveau de satisfaction). Une description de l’architecture de la plateforme
BusinessWebGame, sur laquelle le XBeerGame est bâti, des différents cockpits de gestion et
des paramètres de configuration est présentée dans Montreuil et al. (2009).
Au cours d’une simulation, chaque participant prend en charge le pilotage opérationnel de
l’un des centres d’une chaîne logistique. Son objectif est de répondre efficacement aux
demandes de son client en minimisant les inventaires et les ruptures de stocks. Il doit piloter
au mieux possible les flux de matières, les flux d’informations et les flux monétaires, entre le
centre et son fournisseur, ainsi qu’entre le centre et son client. La Figure 2 illustre ces flux.
Figure 2: Flux d’un centre avec son fournisseur et son client
Par le biais de parcours de formation ciblés, les participants sont amenés à comprendre les
enjeux de la gestion des chaînes logistiques et du pilotage des flux. Les parcours de formation
proposés dans cet article sont définis par un ensemble de paramètres génériques, dont les
objectifs de performance, le scénario de jeu, les outils de pilotage, la stratégie et la
collaboration entre les participants qui permettent de faire vivre un cheminement d’une
complexité croissante dans l’espace d’apprentissage selon les objectifs pédagogiques
identifiés. Les sections qui suivent présentent l’ensemble des options de configuration
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
6
proposées par rapport à chacun des paramètres qui sont classifiés, sur une échelle croissante
de la variante la plus simple à la plus évoluée.
Objectifs de performance
Au cours d’une simulation, les participants peuvent monitorer leur performance à l’aide du
tableau synthèse des performances présenté dans leur cockpit. Selon l’objectif de la joute, ils
doivent minimiser leurs coûts (transport, inventaire, approvisionnement, arrérage, etc.) et
maximiser leurs revenus (ventes, annulations, arrérages) pour générer le maximum de profits,
de façon individuelle ou par équipe pour l’entière chaîne. La Figure 3 présente les différentes
options possibles en termes d’objectifs et de degrés d’information sur la chaîne logistique.
Visibilité de la coloration • V0 : Aucun • V1 : Commandes et livraisons • V2 : Inventaire net centre • V3 : Inventaire net partenaires • V4 : Inventaire net chaîne
Communication • C0 : Aucune • C1 : Clavardage avec partenaires
Dans le bloc trois, toutes les chaînes sont identifiées (SC3), les participants ont une visibilité
(V2) sur les demandes et les inventaires de leurs partenaires d’affaires directs (client et
fournisseur) et ils sont encouragés à collaborer par l’utilisation du clavardage (C1). En 3.1,
une demande saisonnière (D2) sans historique (H0), mais avec une connaissance générale du
patron est proposée, de plus tous les délais dans la chaîne sont courts et connus (R1). En 3.2,
les caractéristiques des demandes sont similaires, mais l’usine a un délai de livraison de 21
jours représentant une localisation outremer (R2). Le temps de réponse de la chaîne est plus
long et le déploiement stratégique des inventaires selon les délais peut faire la différence entre
une équipe performante et une équipe ayant constamment des arrérages.
Finalement le bloc 4 mise sur les stratégies d’équipe (S3 et S4) afin de créer des chaînes
logistiques performantes peu importe la complexité du scénario de jeu (D2-D3, I0-I2, H0-H2,
R1-R3). Pour ce bloc, l’objectif devient la performance de la chaîne (SC4) par rapport aux
autres chaînes, la Figure 9 montre les outils supplémentaires qui sont disponibles. Dans le
scénario 4.1 l’usine est localisée outremer (physiquement au Québec) et les joueurs sur le
même site sont physiquement ensemble (distributeur, grossiste et détaillant en Suisse). Avant
de démarrer cette joute, les membres de sites différents communiquent par Skype et ils ont
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
15
généralement de 20 à 50 minutes pour établir collectivement une stratégie d’équipe. Tous
connaissent l’historique de demande du marché (H2) dont le patron est saisonnier (D2). En
4.2, le réseau devient global (R3) avec l’usine en Asie, le distributeur en Europe, le grossiste
et le détaillant en Amérique. Les joueurs ont jusqu’au lendemain pour établir leur stratégie. Le
match 4.3 propose un scénario de lancement de nouveaux produits (D3) pour lequel
l’historique est remplacé par une prévision large bande du marketing pour les deux produits.
L’usine est localisée en Asie (R2) et les participants ont 50 minutes pour établir une stratégie
d’équipe (S4).
Tel que montré par l’exemple des ateliers du EMGSC, le programme d’apprentissage élaboré
doit prévoir une introduction graduelle des différents outils de pilotage. La Figure 8 montre
l’évolution des différents cockpits de gestion à partir du cockpit transactionnel du premier
bloc jusqu’au cockpit collaboratif du quatrième bloc.
Figure 8: Interface du cockpit de gestion individuel (a) sans identification du réseau - scénario 1.1 et 1.2
(b) avec visibilité du réseau et outils avancés - bloc 4
Validation
Afin de s’assurer que les paramètres choisis et que la progression dans l’espace
d’apprentissage permettent d’atteindre les objectifs fixés de l’expérience d’apprentissage, il
est important de valider chacun des scénarios de façon expérimentale. Ceci permet de calibrer
et de réajuster au besoin un ou plusieurs des paramètres de scénarios. Le mode de validation
le plus simple à mettre en place est celui de la simulation par des agents virtuels. Les agents
virtuels peuvent reproduire des comportements typiques de joueurs ou appliquer les
techniques mondialement reconnues afin de générer des comparatifs de performances. Le
scénario peut également être mis à l’épreuve par une équipe experte de joueurs humains.
Ceux-ci ont l’avantage de pouvoir communiquer directement de façon verbale ou écrite afin
de s’échanger des messages contenant divers types d’informations permettant une meilleure
prise de décision collaborative au sein de l’équipe. La validation idéale consiste à utiliser un
groupe de joueurs humains qui ont les mêmes connaissances et compétences que le groupe
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
16
ciblé lors de l’expérience. Ceci permet d’anticiper les résultats et de s’assurer que les objectifs
visés seront réellement atteints par le groupe. Toutefois cette approche de validation est plus
difficile à mettre en place.
Figure 9: Interfaces et outils des participants – bloc 4
RÉSULTATS ET EXPÉRIENCES ACQUISES
Afin de s’assurer de l’atteinte des objectifs par les participants, un mode d’évaluation hybride
a été mis en place dans le cadre des ateliers EMGSC. D’un part la performance obtenue
(profits ou pertes) est compilée, basé sur l’objectif de la simulation qui peut être soit
individuel, de centre ou de chaîne. D’autre part les participants sont évalués sur leur
comportement et leur participation individuelle ou au sein de leur équipe. Finalement des
rapports de stratégies et d’apprentissage sont produits afin de synthétiser les leçons apprises.
L’utilisation d’un simulateur participatif tel que le XBeerGame, dans le cadre d’un
programme d’apprentissage structuré, basé sur l’introduction progressive des notions en
gestion des chaînes logistiques, permet aux participants d’expérimenter et d’améliorer leurs
techniques de gestion des approvisionnements et des stocks lors des premières joutes, mais
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
17
également de réaliser les impacts des décisions individuelles sur l’ensemble d’une chaîne ou
d’une entreprise lors des simulations suivantes.
Nous avons réussi avec le premier bloc à montrer le compromis entre la satisfaction des
consommateurs et le niveau d’inventaire requis pour répondre à la demande. En vivant les
effets des surplus d’inventaire et ceux des arrérages dans une chaîne toujours fiable, un des
participants nous a confié avoir compris en temps réel ce compromis crucial dans les
entreprises. « Il faut faire des compromis pour atteindre les objectifs et savoir s’adapter en
fonction de l’évolution du marché et des ressources disponibles ».
Figure 10: Profits individuels par joueur - bloc 1
Cet effet de compromis est particulièrement ressenti au cours de la joute 1.1 où les
participants n’avaient aucune information sur le volume de la demande et devaient réagir aux
commandes passées par leur client. Leur défi était d’interpréter correctement les informations
à disposition pour en extraire une stratégie flexible permettant d’optimiser la gestion du centre
de façon à maximiser le niveau de service et minimiser les coûts. Par la suite, lorsque des
informations sur la demande ont été rendues disponibles (ex: historique à la joute 1.4), une
stratégie individuelle a pu être élaborée et les performances se sont améliorées, tel que montré
sur la Figure 10. Les résultats montrent clairement une amélioration dans le premier bloc
entre les joutes 1.1 et 1.4, dont la médiane des profits grimpe de -179 123$ à 412 390$, ce qui
est attribuable principalement par l’accès à des informations supplémentaires de pilotage dont
les graphiques locaux et l’historique de demande.
Le deuxième bloc a introduit les participants dans des chaînes non-collaboratives et a permis
de démontrer les impacts de la non-disponibilité des stocks chez les fournisseurs en amont
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
18
dans cette chaîne. Chaque participant devait maximiser son profit individuel ou de centre,
ainsi certains d’entre eux ont fait du profit au détriment de leurs collègues en misant sur des
commandes impossibles à satisfaire qui ont engendré des revenus d’arrérage élevés. Les
étudiants ont ainsi appris que, peu importe leur stratégie, ils sont toujours dépendants des
comportements des autres acteurs dans la chaîne, de leur interprétation de la demande, des
prévisions et des règles du jeu. Même une stratégie parfaite ne peut pas atteindre les résultats
anticipés si le fournisseur est lourdement en retard ou que le client commande des lots hors-
normes sans avertissement. Les participants ont compris les enjeux de chacun des différents
rôles de la chaîne logistique et l’importance d’adapter leur stratégie de pilotage au centre dont
ils sont responsables, selon les paramètres de revenus et de coûts associés (voir Figure 11). De
plus, au travers l’expérience ils ont réalisé de façon concrète que tous les acteurs peuvent
influencer le succès ou l’échec de la chaîne de par les interrelations de leur comportement.
Figure 11: Coûts et revenus par centre - bloc 2
Dans les chaînes logistiques collaboratives d’entreprises indépendantes du bloc 3, les
participants ont réalisé l’importance de viser des buts communs malgré les objectifs
individuels, et d’avoir une communication efficace. Ils ont pu échanger avec leurs partenaires
d’affaires (client, fournisseur) par l’interface de clavardage intégrée au jeu, mais dans certains
cas l’information ne s’est pas propagée dans la chaîne, ou s’est propagée avec un délai tel que
l’information transmise était désuète. De plus, il a été difficile pour plusieurs joueurs de
définir une stratégie commune au sein de leur équipe, certains joueurs ne faisant preuve
d’aucune souplesse, ce qui a créé des conflits et des tensions au sein de certaines chaînes.
L’objectif du bloc 4 a été d’apprendre aux participants à travailler en collaboration dans un
objectif commun de maximiser la performance de la chaîne. Pour la joute finale (4.3), chaque
2.1 2.2
2.3 2.4
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
19
équipe a été installée dans une salle distincte, ce qui leur a permis de discuter directement
entre eux. Cette proximité des coéquipiers, le partage d’information et le réajustement de
stratégie en cours de simulation s’est effectué de façon plus efficace que dans les blocs
précédents. Ils ont réalisé l’importance de prévoir des plans de contingence en cas
d’évènements hors des zones de prévision et de faire preuve de flexibilité.
SYNTHÈSE ET CONCLUSION
L’exploitation de simulateurs participatifs pour la formation en gestion des chaînes
logistiques offre un potentiel d’innovation pédagogique et d’amélioration d’efficacité
d’enseignement. Nous avons proposé une nouvelle approche d’apprentissage basée sur une
progression structurée des participants dans un espace rigoureusement défini. Le cadre
expérimental présenté permet aux participants de vivre des parcours de formation basés sur
des scénarios pédagogiques préalablement établis, plutôt que de simples expériences
ponctuelles. Nous avons montré comment concevoir, exploiter et valider ce cadre
expérimental en utilisant en exemple la semaine d’intégration de l’Executive Master in Global
Supply Chain Management de l’EPFL. L’ensemble des simulations XBeerGame réalisées au
cours de ce parcours de formation ont été présentées afin de démontrer le potentiel de
l’apprentissage expérientiel et de l’impact des différents paramètres sur le pilotage des flux et
la performance de gestion des chaînes logistiques.
Dans une société de savoir, où l’esprit des gens est l’un des facteurs différenciateur pour les
entreprises, le succès de ces ateliers a permis de réaffirmer une motivation conjointe entre
l’Université Laval et l’EPFL de poursuivre le développement et l’exploitation des simulations
pour la formation des gestionnaires. Au cours des prochaines années, l’espace d’apprentissage
sera enrichi par l’introduction de nouvelles fonctionnalités telles que la variabilité de la
demande du marché en fonction des performances de service de la chaîne logistique. De plus
les scénarios pédagogiques seront renforcés en fonction des expériences acquises et des
évaluations des formations expérientielles réalisées.
REMERCIEMENTS
Les auteurs remercient la Chaire de Recherche du Canada en Ingénierie d’Entreprise, le Fonds
APTIC de l’Université Laval pour le support financier des recherches, ainsi que la Fondation
Canadienne de l’Innovation pour le financement d’infrastructure des laboratoires. Les auteurs
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
20
remercient également Anne-Sylvie Borter, Marc Matthey, Souleiman Naciri de l’EPFL ainsi
qu’Alexandre Morneau de l’Université Laval pour leur implication lors des ateliers EMGSC.
RÉFÉRENCES
Chen F., Drezner Z., Ryan J.K., Simchi-Levi D. (2000), Quantifying the bullwhip effect in a single supply chain: The impact of forecasting, lead times, and information, Management Science, Vol. 46, N°3, pp. 436–443.
Dobson M., Kyrylov V., Kyrylova T. (2004), Decision training using agent-based business strategy games, Proceedings of the seventh IASTED International Conference Computers and Advanced Technology in Education, Kuai, Hawaii (USA), August 16-18, pp. 67-71.
Forrester J.W. (1958), Industrial dynamics: A major breakthrough for decision makers, Harvard Business Review, Vol.36, N°4, pp. 37-66.
Forrester J.W. (1961), Industrial Dynamics. Cambridge, MA: MIT Press.
Gee J. (2003), What video games have to teach us about learning and literacy, Computers in Entertainment (CIE), Vol. 1, N°1, pp. 20-23.
Gentry J.W., McGinnis L.P. (2008), Thoughts on How to Motivate Students Experientially, Developments in Business Simulation and Experiential Learning, Vol. 35, Charleston, SC, pp.73-77.
Gentry J.W., McGinnis L.P. (2009), Movement toward increased student roles in the design of experiential exercices, Developments in Business Simulations and Experiential Exercises, Vol. 36, pp. 44-47.
Hall J.S.B. (2009), Existing and emerging business simulation-game design movements, Developments in Business Simulations and Experiential Exercises, Vol. 36, pp. 133-136.
Holweg M., Disney S., Holmström J., Småros J. (2005), Supply chain collaboration: making sense of the strategy continuum. European Management Journal. Vol. 23, N° 2, pp. 170-181.
Jacobs F. R. (2000), Playing the beer distribution game over the Internet, Production and Operations Management, Vol. 9, N°1, pp. 31-39.
Lee H.L., Padmanabhan V., Whang S. (1997), The Bullwhip Effect in Supply Chains, Sloan Management Review, Spring 1997, Vol. 38, N°3, pp. 93-102.
Lee H.L., Padmanabhan V., Whang S. (2004), Information distortion in a supply chain: The Bullwhip Effect, Management Science, Vol. 50, N°12, pp. 1875-1886.
Manske M., Conati C. (2005), Modelling learning in an educational game. Proceedings of International Conference on Artificial Intelligence in Education (AIED), Amsterdam (Netherlands), July 18-22.
Meca A., Timmer J. (2008), Supply chain collaboration. Supply Chain, Theory and Applications. I-Tech Education and Publishing, Vienna, Austria, pp. 1-18.
RIRL 2010 - Bordeaux September 30th & October 1st, 2010
21
Montreuil B., Brotherton E., Labarthe O., Morneau A. (2009), XBeerGame: simulations participatives pour le pilotage et l'analyse de chaînes logistiques, Actes de CIGI 2009 - 8e Congrès international de génie industriel, Tarbes (France), 10-12 juin.
Nienhaus J., Ziegenbein A., Schoensleben P. (2006), How human behaviour amplifies the bullwhip effect - A study based on the beer distribution game online. Production Planning & Control, Vol. 17, N°6, pp. 547-557.
Oblinger D. (2004), The next generation of educational engagement. Journal of Interactive Media in Education, Special Issue on the Educational Semantic Web, Vol. 8, pp. 1-18.
Ovalle O.R., Marquez A.C. (2003), The effectiveness of using e-collaboration tools in the supply chain: an assessment study with system dynamics. Journal of Purchasing and Supply Management. Vol. 9, pp. 151-163.
Rieber, L. (2005), Multimedia Learning in Games, Simulations, and Microworlds in R. Mayer (Ed.), The Cambridge handbook of multimedia learning, New York: Cambridge University Press, pp. 549-567.
Ryan R.M., Deci E.L. (2000), Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being, American Psychologist, Vol. 55, pp. 68-78
Shaffer D., Squire K.R., Halverson R., Gee J.P. (2005), Video games and the future of learning, The Phi Delta Kappan, Vol. 87, N° 2, pp.104–111.
Simatupang T.M., Sridharan R. (2005), The collaboration index: a measure for supply chain collaboration. International Journal of Physical Distribution and Logistics Management, Vol. 35, N° 1, pp. 44-62.
Smith R. (2010), The Long History of Gaming in Military Training, Simulation & Gaming, Vol. 41, N° 1, pp. 6-19.
Sterman J.D. (1992), The Beer Distribution Game: An annotated bibliography covering its history and use in education and research, System Dynamics Group, M.I.T., U.S.A.