Les chaînes d'approvisionnement font face à une complexité croissante alors que les entreprises peinent à équilibrer rentabilité, fluctuations de la demande du marché et réglementations sur les émissions de carbone. Une nouvelle étude publiée dans Frontiers of Engineering Management en 2025 développe un modèle de chaîne d'approvisionnement basé sur le contrôle optimal dans lequel le taux de production est traité comme une variable dépendante du temps inconnue plutôt que comme une valeur fixe. Cette approche offre une voie pratique vers des opérations de chaîne d'approvisionnement durables et économiquement viables.
Les chaînes d'approvisionnement modernes fonctionnent sous une demande volatile influencée par la saisonnalité, les changements de prix et le comportement des consommateurs, rendant la coordination entre fabricants et détaillants difficile. Parallèlement, les gouvernements du monde entier appliquent des taxes carbone pour limiter les émissions de gaz à effet de serre, augmentant encore la pression opérationnelle sur les systèmes de production. La plupart des études existantes sur les chaînes d'approvisionnement supposent des taux de production constants, négligeant les fluctuations réelles et leurs conséquences environnementales.
Des chercheurs de l'Université de Burdwan, de l'Université Jahangirnagar et de Tecnologico de Monterrey ont rapporté un nouveau modèle basé sur le contrôle optimal qui aborde la coordination de la chaîne d'approvisionnement dans des conditions de demande variable et de taxe sur les émissions de carbone. Le travail, publié avec le DOI 10.1007/s42524-025-4110-6 dans Frontiers of Engineering Management, introduit une approche où le taux de production n'est pas fixe mais ajusté dynamiquement comme une fonction dépendante du temps inconnue.
L'étude formule un modèle de chaîne d'approvisionnement à deux niveaux fabricant-détaillant où la demande du marché dépend simultanément du prix de vente et du temps. Le taux de production est défini comme une variable de contrôle, et les émissions de carbone sont modélisées comme une fonction linéaire de l'intensité de production—ce qui signifie qu'une production plus élevée génère proportionnellement plus d'émissions. Pour résoudre ce problème variationnel non linéaire, les chercheurs ont appliqué la théorie du contrôle optimal et ont ensuite évalué des scénarios décentralisés en utilisant l'analyse du jeu de Stackelberg.
Pour obtenir des décisions optimales concernant la production, la tarification, les stocks et les coûts d'émission, six algorithmes métaheuristiques ont été testés et comparés, incluant l'Algorithme du Champ Électrique Artificiel, l'Algorithme des Lucioles, l'Optimiseur du Loup Gris, l'Algorithme de Recherche du Moineau, l'Algorithme d'Optimisation de la Baleine et l'Algorithme d'Optimisation de l'Équilibre (EOA). Les résultats montrent que l'EOA surpasse les autres algorithmes en précision de solution, convergence et stabilité. L'analyse de sensibilité démontre en outre comment les variations du taux de taxe, du coût de production ou de l'élasticité-prix influencent les résultats de profit et d'émissions.
Ces résultats confirment que le contrôle dynamique de la production peut réduire l'impact environnemental tout en maintenant la rentabilité—offrant une stratégie plus réaliste que les modèles utilisant des hypothèses de production fixes. « Ce modèle rapproche la planification de la production des conditions réelles de l'industrie », expliquent les auteurs. « En traitant le taux de production comme une variable plutôt qu'une constante, nous permettons au système de réagir à la demande et aux contraintes d'émissions au fil du temps. »
Cette recherche fournit un cadre d'aide à la décision pour les industries opérant sous des politiques de régulation du carbone. Elle peut guider les fabricants dans l'ajustement dynamique de la production pour équilibrer coût, fluctuation de la demande et objectifs d'émissions. Le modèle est applicable à des secteurs tels que l'acier, le ciment, les produits chimiques, les biens de consommation et la logistique—où la production de carbone est directement proportionnelle à l'intensité de production. Alors que les taxes mondiales sur les émissions se resserrent, cette approche peut aider les entreprises à développer des stratégies plus vertes, réduire les pénalités et améliorer la collaboration avec les détaillants.
Les implications de cette recherche s'étendent aux industries confrontées aux pressions de la taxe carbone. Alors que les gouvernements du monde entier mettent en œuvre des réglementations d'émissions plus strictes, les entreprises doivent trouver des moyens de rester rentables tout en réduisant leur empreinte environnementale. Ce modèle offre un cadre mathématique qui pourrait transformer la gestion des chaînes d'approvisionnement, réduisant potentiellement les émissions de carbone dans les secteurs manufacturiers tout en maintenant la viabilité économique. Les travaux futurs pourraient intégrer des événements stochastiques, des intrants d'énergie renouvelable ou des chaînes multi-produits pour améliorer encore la conception de la chaîne d'approvisionnement axée sur la durabilité.
