Abstract FR:

Les technologies de l'information offrent aux entreprises des possibilités croissantes pour piloter en temps réel leurs systèmes de production. Pour prendre ses décisions, le gestionnaire peut disposer d'informations telles que les niveaux des stocks, l'état de la production ou encore une information avancée sur la demande. Bien que les bénéfices liés à l'utilisation de ces informations soient intuitivement clairs, il est beaucoup moins évident de les utiliser concrètement pour prendre des décisions. Il existe un besoin réel de principes théoriques permettant d'assister les entreprises dans la définition de règles de gestion. Notre objectif est de contribuer à la définition de règles pour piloter en temps réel des systèmes de production par anticipation. Le chapitre 1 délimite le cadre de nos recherches. Le chapitre 2 présente un état de l'art et une classification des modèles de commande optimale de systèmes de production par anticipation à événements discrets stochastiques. Les chapitres 3, 4 et 5 étudient trois modèles originaux, respectivement sur l'allocation dynamique de stock avec une information sur l'état d'avancement de la production, sur l'allocation dynamique de stock avec une information avancée sur la demande et sur la gestion dynamique des prix dans un environnement économique fluctuant. Pour chacun des modèles, l'objectif est de déterminer la politique qui minimise les coûts actualisés ou moyens à horizon infini. Nous formulons ces problèmes comme des processus de décision markoviens et nous caractérisons la structure de la politique optimale. A partir de résultats numériques obtenus par itération sur la valeur, nous étudions, entre autres, l'influence de la variance du temps de production sur la performance, la valeur d'une information avancée sur la demande et le bénéfice lié à une gestion dynamique des prix.