Investigation-Analyse des facteurs et des évènements de

Revue des Etudes et Recherches en Logistique et Développement (RERLED) | Edition 2018 – Vol 1, N° 2 | ISSN 2458-5890

10

Investigation-Analyse des facteurs et des évènements de risques liés à la chaîne

logistique : cas Secteur Automobile au Maroc.

Pr. EL ABDELLAOUI Mohamed

[email protected]

Doctorant, Université Hassan II-Casablanca, Faculté des Sciences

Juridiques, Economiques et Sociales Ain Sebaâ, Casablanca,

+212 670 904 379

Laboratoire de Recherche sur la Nouvelle Economie et

Développement LARNED,

Résumé

La chaine logistique est un élément très important dans l’industrie automobile, à notre connaissance

aucune étude antérieure n’a tenté d’analyser et d’évaluer les événements et les facteurs de risques

liés à la chaine logistique dans les entreprises automobiles marocaines, dans cette perspective

l’objectif de cet article sera d’élaborer un aperçu assez détaillé sur les principaux évènements ou

facteurs de risques liés à la chaine logistique.

Méthode et Résultats : L’étude est basée sur une enquête recueillie auprès d’un échantillon de 32

composé des opérateurs et sous-traitants du secteur d’automobile au Maroc. Au total 35 évènements

de risques (EIRLs) sont analysés, évalués et regroupés dans 14 facteurs de risques (FRLs). Sur la

base de ces facteurs deux outils d’évaluation (une matrice probabilité-impact et une hiérarchie des

niveaux de criticité) sont développés.

Conclusion : Souhaitant enrichir le corpus littéraire existant sur la gestion des risques liés à la

chaine d’approvisionnement, tout en soulignant les facteurs de risques marquants qui devraient

garder et attirer toute l’attention des gestionnaires engagés à notre étude.

Mots clés: Chaine logistique d’automobile, analyse et évaluation des risques, évènement et facteur

de risque (EIRLs, FRLs), matrice de visualisation (probabilité-impact), hiérarchie des niveaux de

criticité

mailto:[email protected]


11

I. INTRODUCTION :

En raison de l’évolution des contextes économiques, commerciales et écologiques les

chaînes logistiques deviennent plus complexes, plus vulnérables et plus Lean au cours de ces

dernières années (Mason-Jones et al., 2000 ; Chen et Paulraj, 2004 ; Craighead et al., 2007 ;

Fabbe-Costes, 2007 ; Thun et Hoenig, 2011, Li Zhao et al., 2013). De ce fait il est difficile pour

la plupart des chaînes logistique de réagir au changements et sont plus que jamais soumises aux

risques liés à la chaine logistique (Tang et Tomlin, 2008). Plus encore l’externalisation, l’ouverture

des systèmes économiques, l’internationalisation des processus de production et la délocalisation

des activités ont rendu sûrement difficile la coordination et la collaboration entre les différents

partenaires de différentes interfaces, ce qui rendent les chaines logistiques plus susceptibles à des

sérieux problèmes dû à l’incertitude lié à leur environnement turbulent, celui de l’offre et de la

demande aussi bien que celles des perturbations imprévisibles qui ne cessent de se propager et

s’aggraver au cours de ces dernières années (Tang et Tomlin, 2008 ; Hans-Christian Pfohl et al.,

2010). Ces événements imprévisibles ou facteurs de risques logistiques désignent d’après les

travaux de (March et Shapira, 1987 ; Craighead et al., 2007) toute variabilité potentielle pouvant

affecter ou perturber les flux d’informations, de matières aussi de produits (ou de bien et service) et

par conséquent modifiées l’utilisation des ressources dans une chaine logistique. Engendrant

certainement de graves conséquences négatives sur la performance financière, commerciale, voir

même opérationnelle des partenaires d’une chaîne logistique que celle de leurs intégrations

(Hendricks et Singhal, 2003 ; Hendricks et Singhal, 2005 ; Wagner et Bode, 2008 ;

Narasimhan et Talluri, 2009 ; O. Lavastre, et A. Spalanzani, 2010).

Dans ces circonstances on aperçoit un intérêt croissant pour la recherche de la flexibilité et

de la productivité conduisant souvent à des pratiques de Lean management à différents horizons et

niveaux (Fabbe-Costes, 2007 et O. Lavastre, et A. Spalanzani, 2010). A cet égard la réalisation

des objectifs, se traduit par des chaines logistiques plus performantes, ou les partenaires mènent des

efforts d’optimisation (minimiser les coûts et maximiser la valeur), à travers une collaboration gérée

efficacement entre eux (Hallikas et al., 2002 ; Blackhurst et al., 2007 ; Trkman et McCormack,

2009 ; Tuncel et Alpan, 2010). Cependant et malgré ces progrès, on n’obtient que l’effet opposé à

ce niveau on rejoint l’observation des deux auteurs (Tang et Tomlin, 2008) ont constaté que « long

and complex global Supply chains are usually slow to respond to changes, and hence, they are

more vulnerable to business disruptions ». Dans le même contexte (Kleindorfer et Saad, 2005) ces

chaînes, optimisées pour être plus flexibles et moins coûteuses, deviennent plus vulnérables, ceci

engendrent des risques et des coûts supplémentaires, qui entravent la performance voire même la

réalisation des objectifs à différents horizons (Lavastre., et al 2012).

Bien que la gestion des risques liés à la chaîne logistique repose sur un processus de la

gestion des risqués structuré, ou les deux premières étapes à savoir l’identification et l’évaluation

sont devenues décisives, pour faire réussir la mise en place de toute dispositif de la SCRM, en

mettant tout en œuvre pour que ces risques ne puissent se matérialiser puisque le risque zéro

n’existant pas, et ceci se concrétise selon (Harland., et al 2003) par l’analyse des risques qui s’est

associée à la probabilité qu'un événement ou facteur survienne et à l'importance des conséquences

ou des effets. C’est pourquoi, une compréhension de la manière dont les entreprises peuvent gérer

les perturbations de la chaîne logistique a mis en relief l’importance du sujet tant pour les

universitaires que pour les praticiens (Craighead et al., 2007; Blackhurst et al., 2011).

Alors l’objectif de cet article est d’analyser les événements et/ou facteurs de risques liés à la

chaine logistique, EIRLs ou FRLs une matrice ou cartographie et hiérarchie des niveaux de criticité

seront dressées pour le secteur d’industrie Automobile. Le reste de cet article est organisé comme

suit, la section 2 présente une revue de la littérature assez récente sur le management des risques liés


12

à la chaîne logistique, ou on définit le risque d’une manière générale, celui lié à la chaîne logistique

ainsi que les typologies et classifications existantes. La section 3 présente les objets de mesures, le

terrain d’investigation ainsi que la structure des bases de collecte. La section 4 présente les résultats

de notre analyse, en fin la section 5 une conclusion et les recommandations pour des recherches

futures sont présentées.

2- REVUE DE LA LITTERATURE :

2-1-Le management des risques liés à la chaine logistique ou SCRM :

La littérature sur le management des risques liés à la chaine logistique SCRM reçoit une

attention croissante (Zsidisin., et al 2003 ; Ellis et al., 2010, Tummala et Schoenherr, 2011 ; Li

Zhao., et al 2013) et ne cesse de se développer. Les prémisses de (Dailun., et al 2004) ont fourni

un cadre de base de la gestion des risques mais ont été davantage influencés par les approches de

gestion des risques financiers, d’autres auteurs ont signalé que les études dans cette branche du

management de la chaine logistique restent insuffisantes pour relever les défis relatifs à la nature

dynamique des risques et à la complexité des chaînes logistiques (Khan et Burnes 2007, Thun et

Hoenig 2011, Gourc 2006). Ce souci sera comblé davantage par des études diversifiées axées sur

des nouvelles voies de recherche couveront un peu après l’ensemble de la chaine logistique, que par

le développement des nouveaux outils et méthodologies qui nécessitent encore de cadrage, de

conception et de validation.

Dans ce sens, les premiers auteurs qui ont proposé un cadrage, on trouve (Jüttner., et al 2003) ont

indiqué que l’objectif, de la SCRM est d'identifier et de gérer les risques, permettant à la chaine

logistique de réduire sa vulnérabilité par une approche coordonnée de ses membres. Dans le même

sens, d’autre définition son accès sur l’optimisation et la continuité de la SCM (Fabbe-Costes, 2007

et O. Lavastre, A. Spalanzani, 2010) à ce niveau le management des risques liées à la chaine

logistique se présente comme une nouvelle voie pour minimiser les coûts, sécuriser et assurer à la

fois l'efficacité et la continuité de la chaîne logistique (SCM) par l'identification, l'analyse et

l’évaluation des pertes potentielles (Lavastre, et al., 2014). Tandis que d’autre s’est focalisé sur

l’importance de la collaboration interorganisationnel dans une chaine logistique, (Tang, 2006a ;

Tang et Nurmaya Musa, 2011) dans ce sens l’auteur (William H et al., 2015) indique que le

management ou la gestion des risques liés à la chaine logistique « représente l’effort collaboratif

interorganisationnel utilisant diverses méthodologies de gestion des risques à fin d’identifier,

évaluer, atténuer et surveiller des événements ou des conditions, pourront avoir des effets

dévastateurs sur toutes ou partie d’une chaîne logistique ».

En guise de synthèse le management des risques liés à la chaine logistique représente une approche

structurée (Hallikas., et al. 2004 ; Zsidisin et Ritchie 2009 ; Hans-Christian Pfohl et al., 2010)

en quatre étapes constituent un processus : à savoir l'identification, l'évaluation, l’atténuation et la

maîtrise des risques (ou la gestion des risques et la surveillance des risques), ajoutant une cinquième

étape, celle de l'apprentissage organisationnel et personnel, y compris le transfert de connaissances.

2-2-DEFINITION DE LA NOTION DU RISQUE :

2-2-1-DEFINITION GENERALE DU RISQUE

La notion du risque repose sur trois éléments et/ou critères que les auteurs (Yates., et al

1992) ont les utilisés pour définir un risque à savoir l’étendue de la perte ou éléments de perte, son

impact (signification de la perte) et bien sur sa probabilité d'occurrence (fréquence ou incertitude

associée à la perte). À cet égard, (Mitchell., 1995) « a défini le risque comme la probabilité de

perte et l’importance de cette perte pour l’organisation ou l’individu ». Proposant ainsi une formule


13

de calcul de risque qui sera retenue dans plusieurs études en SCRM, ou [P (loss n)] désigne la

probabilité ou fréquence de perte, [L (loss n)] représente l’importance ou la gravité de la perte, la

multiplication de ces deux variantes représente la valeur de risque d’un événement n avec [Riskn] =

[P (lossn)] × [(L lossn)] (Dani., 2009) le même principe est adapté pour calculer la criticité ou

l’intensité des risques liés à la chaine logistique durant la phase de l’analyse, selon Dani la criticité

[Ci (criticité ou intensité)] = [Pi (Probabilité)] × [Gi (Impact)]. D'autres définitions du risque ont émergé à partir des études de

recherche axées sur la gestion des risques liés à la chaîne logistique, cela on le voit en plus de détail

dans ce qui suivant.

2-2-2-DEFINITION DE LA NOTION DU RISQUE LIE A LA CHAINE LOGISTIQUE

Dans la littérature de la gestion de la chaîne logistique, il n'y a pas encore de consensus sur

la définition du risque (Sodhi, et Tang. 2012), ce qui rend la tâche de définir les risques liés à la

chaine logistique d’une manière unifié et unanime un peu difficile (William H, et al., 2015). Selon

(Khan et Burnes 2007), le risque reste moins bien compris dans le domaine de la gestion de la

chaîne logistique. En raison de la divergence et de la différence des terminologies et des approches

appliquées dans la pratique que plusieurs chercheurs ont proposé des définitions accès sur (la

variabilité du résultat cible et/ou la variabilité de la répartition des flux) relatives aux risques liés à

la chaîne logistique (Jüttner., et al 2003 ; Wagner et Bode 2006 ; D. Bogataj, M. Bogataj 2007 ;

Lavastre., et al 2012) qui dépendent d’une part de leurs applicabilités à des contextes bien

spécifiques en fonction des attributs structurels, et d’autre part de la nature des flux étudiés et de

leurs emplacements dans la chaine logistique (Jüttner., et al 2003 ; Svensson 2002 ; Christopher

et al 2004). Cependant (Jüttner., et al 2003) ont défini le risque lié à la chaine

d’approvisionnement comme « a variation in the distribution of possible supply chain outcomes,

their likelihood, and their subjective values ». Autrement le risque lié à la chaîne logistique est

considéré comme une variation de la distribution, des résultats possibles de la chaîne logistique, de

leur probabilité et de leur valeur subjective. Cette définition ainsi que celle de Zsidisin et al 2004 p

397 ont mis en évidence un critère fondamental celui de la probabilité d'occurrence du risque, cela

revient aussi à distinguer en plus de ce dernier, le critère de l'impact du risque (Jüttner 2005 ;

Tang, 2006a ; Wagner et Bode 2008). Tandis que d’autres auteurs ont encadré le risque lié à la

chaine logistique en mettant l’accent sur la variabilité des flux, par exemple (Lavastre., et al 2012),

ont avancé que le risque n’est que la variabilité de la répartition des différents types de flux entre les

différentes interfaces de la chaîne logistique, modifiant éventuellement l'utilisation des ressources.

Donc cela mis en évidence la nécessité d’analyser et d'évaluer correctement les risques (Lavastre.,

et al 2014), tout en gardant à l’esprit l’effet de la perception subjective des gestionnaires.

En guise de synthèse nous retenons de cet aperçu, que souvent le risque est perçu comme un effet

négatif, générant des conséquences indésirables (Harland., et al 2003). Ou on classe les définitions

en trois catégories celle à caractère générale orienté résultat (Wagner et Bode 2006 ; D. Bogataj,

M. Bogataj 2007). La seconde repose sur les attributs structurels des chaines logistiques (Jüttner.,

et al 2003 ; Tang, 2006a ; Tang et Nurmaya Musa, 2011), alors que la troisième regroupe les

deux premiers et repose sur le degré d’impact et sur la nature des flux (William Ho., et al 2015).

Avant de voir les typologies et les classifications de risque proposées par la littérature, et pour le

reste de ce présent article, le concept de risque lié à la chaîne logistique repose sur les facteurs ou

événements imprévisibles, affectant et/ou provenant d'un ou de plusieurs partenaires d'une chaîne

logistique et/ou de ses processus, pouvant avoir une influence négative sur l'atteinte des objectifs

(Lavastre., et al 2012).


14

2-3-TYPOLOGIE ET CLASSIFICATION DES RISQUES LIES A LA CHAINE LOGISTIQUE:

Dans une large recension de la revue littéraire et des synthèses assez récentes sur les risques

liés à la chaine logistique (Hans-Christian Pfohl, et al 2010 ; Claudia Colicchia, et al 2012 ;

Behnezhad Ali., et al 2012; Djalma Araújo Rangel., et al 2014 ; William Ho., et al 2015), ou les

chercheurs ont souhaité de distinguer les risques liés à la chaine logistique des autres risques

commerciaux, plusieurs d’entre eux ont proposé des typologies et/ou taxonomies de risques en

fonction de l’étendues des risques, leurs caractéristiques, leurs emplacements ainsi que par thèmes

ou catégories de risques. En outre (Bjørn Egil Asbjørnslett., 2009) précise que les typologies et les

classifications des risques, sont utile pour l'identification efficace des risques et même pour

l’analyse et l'évaluation des risques faisant l’objet de cet article. A cet égard la littérature propose

plusieurs typologies et classifications des risques liés à la chaine logistique, selon leur origine

interne ou externe, endogènes et exogènes, selon leur attribut qualitatif ou quantitatif, degré

d’impact et types de flux, ainsi que systémiques ou par processus auxquels ils sont associés (Wu.,

et al 2006 ; Trkman et McCormack., 2009 ; Sri Krishna Kumar., et al 2010 ; Svensson 2000 ;

Jüttner., et al 2003 ; Olson., et al 2010 ; Wagner et Bode., 2008 ; Claudia Colicchia, et al 2012

; Behnezhad Ali., et al 2012; Djalma Araújo Rangel., et al 2014). En d’autre terme ceux à

caractère hybride ou on obtient une vision presque similaire à celle de (Christopher., et al 2004 ;

Hans-Christian Pfohl, et al 2010) en parlant des risques au sein d’un cabinet focal et des risques

en dehors de l’entreprise mais interne à la chaîne logistique. Dans le même sens (William Ho., et al

2015) ont proposé une classification macro et micro plus holistique combinant les types de risques à

divers degrés d'impact (demande, fabrication et d'approvisionnement) aussi que à différents types et

natures de flux (informationnel, transportation et financiers), complémentaires à celle de Davis

1993. D’après ce petit passage sur les typologies et classifications liées à la gestion des risques dans

la chaine logistique, nous nous positionnons pour cette étude à deux classifications

complémentaires inspirés des travaux de (William Ho., et al 2015 ; Davis., 1993), considérant que

la deuxième n’est qu’une extension de la première ou les auteurs ont classé les facteurs de risque

logistique (FRLs ou EIRLs) en trois position avec quatre natures: en amont, en aval et en interne ou

infrastructurel (y compris ceux de transport).

Dans la section suivante, on commence la partie empirique de notre étude, par la description de la

méthode de recherche, la structure des résultats de notre enquête par questionnaire est examinée et

les EIRLS et FRLs liés aux trois parties de la chaine logistique sont analysés et évalués. Vers la fin

une conclusion est présentée et des recommandations relatives à l’effet de subjectivité de la

perception et aux dimensions des risques sont proposées.

3- METHODES :

Les résultats de cette analyse empirique proviennent d’une enquête par questionnaire composée de

trois catégories et quatre natures de facteurs des risques liés à la chaîne logistique, en amont, en aval

et interne ou infrastructurel (infrastructure et transport). Une présentation des mesures sur lesquelles

repose cette étude sont envisagées, par la suite les résultats sont analysés. Et enfin la conclusion et

les recommandations sont présentées.

3-1- L’OBJET DES MESURES

Le questionnaire est composé de trois catégories des événements risqués liés à la chaine logistique,

chacune d’elle est constituée des FRLs ou items tirées, testés et validés dans la littérature existante

du management des risques liés à la chaine logistique SCRM, la même échelle de Likert de 5 points

reste utilisée pour mesurer à la fois la probabilité d’occurrence et le degré d’impact pour chaque

élément identifié ci-dessous. Commençant par les facteurs de risques en amont, vingt éléments ont

été utilisés, comprennent les échecs des fournisseurs intrinsèques, les caractéristiques sur les

marchés d’approvisionnement, réglementation et droit douanière, conjoncture économique et


15

volatilité du marché national d’énergie ainsi que les défaillances des prestataires logistiques de

service. Donc les vingt items sont présentés comme suit : (Ups1) Les fluctuations des prix sur les

marchés d'approvisionnement, (Ups2) Problèmes de qualité des produits de fournisseur, (Ups3)

Fluctuations ou pénuries de capacité sur les marchés d’offre, (Ups4) Faible performance logistique

des fournisseurs (Fiabilité de livraison, capacité de commande), (Ups5) Les fournisseurs

interprètent mal nos exigences, (Ups6) Incapacité du fournisseur de faire face à des augmentations

importantes (> 20%) des volumes requis, (Ups7) Problèmes de partage électronique d'informations

avec les fournisseurs (par exemple : EDI, ERP), (Ups8) Variations des taux de change (Ex : Cas de

libéraliser le dirham progressivement et par tranche, pénuries de la matière sur les marchés), (Ups9)

Contrats fermes à prix fixe avec les prestataires et les fournisseurs, (Ups10) Expéditions rapides

pour éviter une interruption due à une livraison tardive par le fournisseur, (Ups11) Introduction des

nouveaux systèmes ainsi l'augmentation de droit, tarif routier et douanier, (Ups12) Arrêt imprévu de

la production du fournisseur clé, (Ups13) Faible performance logistique des prestataires de services

logistiques et Manque d'intégration des prestataires de transport, (Ups14) Défaillance financière

(Insolvabilité ou faillite) des fournisseurs, (Ups15) Problème de la souplesse d'approvisionnement

en cas de contraintes de capacité ou de perturbations dangereuses, (Ups16) Forte dépendance vis-à-

vis des sources externes de matériaux et de composants critiques, (Ups17) Problème relationnel

avec le fournisseur (Ex : la confiance, la visibilité et l'influence des fournisseurs), (Ups18) Nombre

restreint de fournisseurs intermédiaires, (Ups19) Fluctuations des prix du pétrole et des produits

d'énergies au niveau national et (Ups20) Ralentissements économiques au niveau national.

Quant aux risques infrastructurels sont scindés en deux parties la première a été évalué à l’aide de

cinq items liés aux défaillances de l’infrastructure matériel et immatériel pour des raisons humaines

ou techniques, et sont présentés : (IFs1) Perturbation et dégradation des systèmes informatiques

internes, (IFs2) Perte de capacité de production propre en raison de perturbations locales ou

techniques (p. Ex Grève, incendie, explosion, accidents industriels et Détérioration de la machine),

(IFs3) Arrêt ou interruption des infrastructures informatiques (cyber-attaque, propagation de virus

etc.), (IFs4) Echec de la sécurité du système d'information (Ex: l'accès à l'information, et le risque

de l’impartition de l’information) et (IFs5) Échec de l'infrastructure critique et Incident massif de

fraude ou de vol de données. Tandis que la deuxième regroupe les facteurs de risque de transport

(Transportation risk Factors), ont été évalués par trois items liés à l’efficacité des prestations

logistiques, présentés comme suit : (TRs1 ou Ups13) faible performance logistique des prestataires

de services logistiques et Manque d'intégration des prestataires de transport (Ex : Coûts transport

élevés), (TRs2 ou Dws5) interruptions de la chaîne de livraison suite à une perturbation dans la

distribution physique des produits au client final (Ex un retard dans un centre de distribution) et

dans les opérations de transport (Ex une grève de chauffeur de camion) (TRs3) retard de livraison

dû à l’usage du mode de livraison à temps sur budget ou problème d’ordonnancement.

Et pour la troisième catégorie de notre chaine logistique, les risques en aval ont été évalués en

utilisant dix items, liés à la variabilité et l’instabilité du marché en aval, échecs inhérents des clients,

défaillances des caractéristiques du marché des produits et les échecs associés aux échanges

commerciales, sont présentés par : (Dws1) Demande imprévue ou très volatile des clients, (Dws2),

Défauts de paiement des clients, (Dws3) Modification ou annulation des ordres fermes par les

clients, (Dws4) Erreurs intolérables de prévision établies, (Dws5) Interruptions de la chaîne de

livraison suite à une perturbation dans la distribution physique des produits au client final (Ex un

retard dans un centre de distribution) et dans les opérations de transport (Ex une grève de chauffeur

de camion), (Dws6) Incapacité à gérer les changements de la demande en volume, (Dws7)

Incapacité à satisfaire aux exigences de qualité, (Dws8) L’équilibre entre la demande non satisfaite

et l'excédent d'inventaire (Ex : risque d'obsolescence), (Dws9) Incertitude du marché des produits

suite au changement des tendances des consommateurs ou de la disponibilité de produits de

substitution et (Dws10) Echec de mesure d'atténuation et d'adaptation au changement climatique.


16

3-2-TERRAIN D’INVESTIGATION « INDUSTRIE AUTOMOBILE AU MAROC » :

Le secteur automobile mondial a connu une phase de restructuration et de refonte de sa chaîne de

valeur suite à la relocalisation de l’offre et de la demande mondiale vers les pays émergents

(Direction des études et des prévisions financières 2015). L’industrie automobile Marocaine de

sa part se positionne désormais comme le premier constructeur automobile d’Afrique du nord et

deuxième du continent après l’Afrique du sud, avec une capacité totale de 410.000 véhicules par an

et plus de 86 500 employés, considérer comme le secteur du premier rang des activités à l’export

dépassant la barre de 54,4 milliards de dirhams en 2016 avec une croissance annuelle de deux

chiffre avoisinant le 27% sur la période ente 2009 et 2015 (Direction des études et des prévisions

financières 2015). Cette performance est dû à une volonté d’assurer une intégration des principales

industries du secteur dans le réseau de sourcing mondial ILN, avec une meilleure connectivité

logistique permettant de réduire le coût logistique et d’augmenter le rendement des opérations à

l’exportation grâce à une infrastructure adéquate, maîtrisant ainsi les transactions avec les

principaux partenaires du royaume (Direction des études et des prévisions financières 2015).

L’intérêt pour ce secteur d’industrie est dû à la fois de son importance à l’économie nationale que

de sa complexité en tant que domaine de recherche en SCM. Certes que ce secteur reste parmi les

plus explorés dans la recherche sur le SCM, mais il en a une certaine carence en matière des études

sur la gestion des risques liés à la chaine logistique, surtout celles liées à l’impact des facteurs et des

événements risqués (EIRLs et FRLs) sur leurs performances logistiques. Par voie de conséquence

cette étude constitue un ancrage et une projection de la gestion des risques liés à la chaine logistique

au niveau national, à travers une réflexion sur l’analyse et l’évaluation des évènements et des

facteurs de risques liés à la chaine de l’industrie automobile au Maroc.

3-3-BASE DE DONNEE ET STRUCTURE DE L’ECHANTILLON

Donc les données ont été collectées au moyen d’une enquête administrée aux principaux opérateurs

et sous-traitant du secteur d’automobile au Maroc mené sur la période entre Janvier 2017 et Mars

2017 au total d’un échantillon de 68 composé des opérateurs et des sous-traitants. Cette opération a

généré au total 39 observations, dont on a écarté 7 en raison de l’incompatibilité et l’incomplétude

des réponses de ce fait 32 réponses demeurent exploitables, avec un taux de réponse de 57%. La

structure et les descriptions générales de notre échantillon en termes de chiffres d’affaires annuels,

taille de l’entreprise et profil des participants(es) sont présentées dans les figures suivants :


17

Donc d’après les trois figures suivantes 94% de notre échantillon est constitué des entreprises de

grandes et moyennes tailles réalisant annuellement un chiffre d’affaire entre 300 à 5000 Million de

MAD, dont 81% ont un effectif entre 100 et 250. Alors pour les participants(es) qui ont été ciblés

presque 84% des profits sont des responsables logistiques et des responsables d’approvisionnement

et des stocks. Comme nous avons déjà avancé, nous nous intéressons à l’analyse et l’évaluation des

facteurs de risques liés à la chaine d’approvisionnement. Dans ce sens les deux indicateurs à savoir

la probabilité d’occurrence et le degré d’impact tiendront toute notre attention dans un effort de

caractériser leurs niveaux, pour chaque facteur de risque. Une étape de regroupement des

évènements risqués liés à la chaine logistique EIRLs demeurent nécessaires pour une meilleure

représentabilité et exploitabilité des risques durant les deux phases d’analyse et d’évaluation. De ce

fait 35 EIRLs seront regroupés en 14 FRLs en fonction des catégories de risques. (Voir l’annexe II).

Alors une fois les fréquences et les niveaux de gravité sont acquises, une matrice de probabilité

d’occurrence et degré d’impact sera mise en place comme outil de cartographie pour localiser et

visualiser les différents facteurs de risques suivant la typologie de Davis 1993 et William. Ho

2015, à fin d’évaluer les facteurs de risques qui peuvent entraver la réalisation des objectives dans

le secteur d’automobile au Maroc. A cette fin le volet statistique a été traité à l’aide du logiciel

SPSS version 23, Sphinx V5 et Office Excel 2016, les résultats est discuté durant de la section

suivante.

4- RESULTAT ET ANALYSE DE L’ENQUETE :

Tableau 01 : Probabilité et Impact par RFLs individuel et par groupe de FRLs


18

Alors on a commencé par le calcul de la moyenne des valeurs de notre base de collecte à la fois de

la probabilité d’occurrence et le degré d’impact par la suite et sur la base de ces deux indicateurs, on

a pu avoir le troisième celui de l’intensité ou la criticité. A l’aide de ces trois indicateurs, nous

avons procédé par une analyse comparative entre les valeurs moyennes calculées de chaque facteur

individuel de risque et la moyenne des groupes de FRLs relatifs aux trois étapes constituent la

chaine logistique. Dont le tableau n°1 indique la valeur moyenne, maximale et la valeur minimale à

la fois de la probabilité d’occurrence et du degré d’impact pour chaque facteur individuel de risque,

dans le même sens la deuxième moitié de ce tableau regroupe la valeur moyenne, maximale et la

valeur minimale des trois groupes de facteurs de risque associés aux trois parties de notre chaine

logistique.

Donc un premier constat neuf facteurs de risque logistique ont une valeur de probabilité assez

importantes, scinder sur les trois parties de notre la chaine logistique : quatre en amont à savoir

(Ups1, Ups2, Ups3, Ups4 et Ups13), deux d’infrastructure (IFs2 et IFs3) et trois en aval (Dws1,

Dws5 et Dws7). Commençant par la partie amont les facteurs : (Ups1) augmentation des prix des

matières premières, (Ups2) problème de qualité des fournisseurs, (Ups4) échec du fournisseur et

(Ups13) problème d’intégration logistique enregistrent à la fois des valeurs supérieures à la

moyenne de la probabilité d’occurrence et du degré d’impact de leur groupe, tandis que le facteur

(Ups3) problème de capacité sur les marché d’offre, à une valeur d’impact supérieur et une valeur

de probabilité inférieur à la moyenne du groupe. En amont, les facteurs (Dws1) changement et

fluctuation de la demande, (Dws5) interruption de la chaine de livraison et (Dws7) problèmes de

qualité et d’insatisfactions des clients enregistrent des valeurs supérieures à la moyenne à la fois

pour la probabilité d’occurrence et le degré d’impact de leur groupe. Alors qu’en interne les deux

facteurs (IFs2) échec de la capacité de production et (IFs3) échec de l’infrastructure informatique

critique ont de leur part enregistré des valeurs de probabilité proche de la moyenne du groupe avec

un impact très fort ce qui est conforme avec les conclusions de la 12ème édition du The Global

Risks Report 2017.

Une fois on a matérialisé les trois indicateurs relatifs à chaque facteur de risque FRLs, et afin de

cartographier ces risques potentiels auxquels sont confrontés les chaines logistiques d’automobiles,

une matrice probabilité-impact regroupera les FRLs permettant d’identifier ceux qui ont une

probabilité et un impact assez critique qui doivent à cet égard attirer l’intention des gestionnaires

sur la nature des risques impactant la performance de leurs chaines logistiques. La table N°01 trace

les différents FRLs par probabilité d’occurrence et degré d’impact en amont, aval et en interne

(Davis 1993 ; William Ho et al., 2015).


19

Alors la matrice des risques (FRLs et EIRLs) permet de visualiser les risques potentiels, pour la

lecture de cette matrice plus en s’éloigne de l’origine plus la probabilité et l’impact s’augmentent.

Les figures n° 01 et 02, indiquent qu’il existe une différence observable de représentabilité des

FRLs ou on les a reclassés par trois position ceux qui ont une probabilité d’occurrence et un degré

d’impact élevé avec un niveau de criticité supérieur à (DI×PO>10,17) cette classe regroupe les

FRLs inacceptables ou critiques composés des facteurs : Ups1, Ups2, Ups3, Ups4, Trs01, Dws1,

Dws7 ainsi que IFs2. La deuxième position tient compte des FRLs qui ont une probabilité

d’occurrence moyenne et un degré d’impact moyen et élevé avec un niveau de criticité de

(5<DI×PO<10,17), cette classe regroupe les FRLs révisables tels que Ups5, Ups9, Ups11, Dws5 et

IFs3. La dernière position tient compte des FRLs de faible valeur à savoir Dws10.

Dans ce sens en recours au troisième indicateur la criticité, pour confirmer les résultats exploités

précédemment. La figure n°3 présente la hiérarchie des niveaux de criticité pour chaque FRLs de

notre chaine logistique, ainsi que la figure n°4 reprend et classe par niveau décroissant la criticité

des FRLs.

Huit risques peuvent être considérer comme intolérable dépassant la valeur moyenne de 10,17 on a

en amont : (Ups2) les problèmes de qualité fournisseur, (Ups1) l’augmentation des prix des

matières premières, (Ups4) échec du fournisseur, (Ups3) problème de capacité sur le marché d’offre

et problème d’intégration logistique (Ups13). En aval on trouve : (Dws7) problèmes de qualité et

d’insatisfaction des clients, (Dws1) changement ou fluctuation de la demande et enfin en interne

c’est surtout (IFs2) problème de capacité de production.

Alors pour un niveau de criticité élevé et moyen, on trouve (Dws5) les interruptions de la chaine de

livraison, (Ups5) problème d’échange et de partage avec les fournisseurs, (Ups9) structure et

condition du marché d’offre, (IFs3) échec de l’infrastructure informatique critique ou échec de

l'infrastructure critique et incident massif de fraude ou de vol de données (Global Risk report 2017

12th édition) et (Ups11) changement des droits et tarifs douanières et pour un niveau assez

médiocre on trouve (Dws10) l’échec d’atténuation et d’adaptation au changement climatique avec

une moyenne de 5,51. Donc ces résultats sont convergents avec nos analyses sur la matrice

probabilité-impact.

Et par conséquent le niveau de criticité nous montre que les trois parties de la chaine logistique

contiennent des FRLs avec des niveaux intolérables ou critiques (on rejoint l’observation du Thun

al., 2011 et Grouc 2006 plus les interfaces sont nombreuses plus les risques sont critiques ce qui

reflète encore une fois le caractère dynamique du risque (Grouc 2006 ; Thun et Hoenig 2011;

Tang et Tomlin 2008).


20

5- Discussion et conclusion :

Dans cet article, nous avons voulu enrichir la littérature récente sur la gestion des risques liés à la

chaine logistique via une étude empirique sur les facteurs de risques logistiques en amont, aval et

interne dans le contexte d’une chaine logistique d’automobile. De ce fait notre apport consiste

d’analyser et d’évaluer les événements imprévisibles pouvant impactés potentiellement la chaine

d’automobile, grâce à une panoplie des outils (matrice probabilité-impact et hiérarchie des niveaux

de criticité) qui peuvent être utiles pour les professionnelles et les chercheurs engagés dans des

études axées sur la gestion des risques liés à la chaine logistique. Les résultats suggèrent que les

gestionnaires doivent veiller sur les sources de risques coté offre, interne et demande à savoir, les

FRLs qualité et relation avec les clients et les fournisseurs, structure et fluctuation des prix et des

capacités sur les marché d’offre et de la demande, l’intégration logistique et l’échec de la capacité

de production et n’oubliant pas l’échec critique de l’infrastructure informatique en terme de cet

étude nous avons accordé une intention assez particulière au trois partie de notre chaine logistique,

surtout l’effet des événements perturbateurs en interne ou nous avons choisi le risque « échec de

l'infrastructure critique et incident massif de fraude ou de vol de données » tiré du rapport Global

Risks Report 2017 pour évaluer la gravité de ce genre de risque interne sur toute la chaine

logistique, dans ce sens une vague de cyber-attaques de portée mondiale remet en question la

vulnérabilité des chaines logistique au niveau nationale, cette attaque a pu arrêter toute la chaine de

production du groupe Renault dû à un échec de l’infrastructure informatique donc on parle d’une

défaillance de production (mille voiture non produite par journée de production).

Donc à la fin de notre étude, on peut recommander que l’effet des perceptions subjectives

pourraient être neutraliser si on accorde pour la probabilité d’occurrence une fréquence par rapport


21

à un intervalle de temps ou espace de temps nécessaire pour qu’au moins le ou les FRLs se

manifestent (exemple Ups01 se produise α fois / β mois) et pour le degré d’impact lié la gravité à

une perte financière (Ups01 à une gravité de α équivalent à une perte financière de π), et dans le

même sens que d’élargir l’échantillon des observations aussi que les FRLs. D’autre part pour y

arriver à un certain niveau de finité sur nos analyses de l’impact des événements ou facteurs de

risques sur la performance logistique, on suggère de retenir au moins quatre natures d’impacts pour

évaluer les risques, ce qui permis d’encadrer la majorité de leurs dimensions.

Remerciements :

Les auteurs adressent leurs sincères remerciements à toutes les entreprises participantes pour leur

implication et leur collaboration, en remplissant les questionnaires afin de constituer la base des

données empiriques pour notre recherche.


22

Bibliographies:

- Behnezhad, Ali, Connett, Brian I. and Nair, Manjula (2012) “The Evolution of Supply Chain

Risk Management,” Journal of Supply Chain and Operations Management, Volume 11, Number

1, February 2013.

- Bjørn Egil Asbjørnslett (2009) “Assessing the Vulnerability of Supply Chains,” International

Series in Operations Research & Management Science, Volume 124 pp 15-33.

- Chen I.J. et Paulraj A. (2004), Understanding Supply Chain Management: Critical research and a

theoretical framework, International Journal of Operational Research, Vol.42, n°1, pp.131-163.

- Christopher M. et Peck H. (2004), Building the resilient supply chain, International Journal of

Logistic Management, Vol.15, n°2, pp.1-13.

- Claudia Colicchia, Fernanda Strozzi, (2012),"Supply chain risk management: a new

methodology for a systematic literature review", Supply Chain Management: An International

Journal, Vol. 17 Iss: 4 pp. 403 – 418.

- Craighead C.W., Blackhurst J., Rungtusanatham M.J. et Handfield R. (2007), The severity of

supply chain disruptions: Design characteristics and mitigation capabilities, Decision Sciences,

Vol.38, n°1, pp.131-156.

- Dailun, S.H.I. (2004), “A review of enterprise supply chain risk management”, Journal of

System Science and System Engineering, vol. 3, no. 2, pp. 219-244.

- David Bogataj, Marija Bogataj (2007) “Measuring the supply chain risk and vulnerability in

frequency space,” International Journal of Production Economics, volume 108, Issues 1–2, July

2007, Pages 291– 301.

- Davis, T., (1993). “Effective Supply Chain Management. Sloan Management Review” 13(4),

pp.35- 46.

- Direction des études et des prévisions financières, Ministère de l’économie et des finances, «

Rapport des tableaux de bord sectoriel », Mai 2015 pp 1-88.

- Direction des études et des prévisions financières, Ministère de l’économie et des finances « Le

secteur automobile au Maroc : vers un meilleur positionnement dans la chaîne de valeur

mondiale », mars 2015 pp 1-27.

- Djalma Araújo Rangel, Taiane Kamel de Oliveira & Maria Silene Alexandre Leite “Supply

chain risk classification: discussion and proposal,” Journal International Journal of Production

Research, Volume 53, 2015 - Issue 22.

- Ellis, S.C., Henry, R.M. and Shockley, J. (2010), “Buyer perceptions of supply disruption risk: A

behavioral view and empirical assessment”, Journal of Operations Management, Vol. 28 No. 1,

pp. 34- 46.

- Fabbe-Costes N. (2007), La gestion des chaînes logistiques multi acteurs : les dimensions

organisationnelles d’une gestion lean et agile, in La gestion des chaînes logistiques multi-acteurs

: perspectives stratégiques, Paché, G. et Spalanzani, A. (Eds.), PUG, pp.19-43.

- George A. Zsidisin and Bob Ritchie (2009) Supply Chain Risk Management Developments,

Issues and Challenges Supply chain risk a handbook of assessment, Management and

Performance pp. 17-29.

- Gourc, D. (2006). Vers un modèle général du risque pour le pilotage et la conduite des activités

de biens et de services, Habilitation à Diriger les Recherches. Ecole des Mines d’Albi-Carmaux.

- Hallikas J, Virolainen VM, Tuominen M (2002) Risk analysis and assessment in network

environments: a dyadic case study. Int J Product Econ 78(1):45–55.

- Hallikas, J., I. Karvonen, U. Pulkkinen, V. M. Virolainen, and M. Tuominen. 2004. “Risk

Management Processes in Supplier Networks.” International Journal of Production Economics

90: 47–58.

- Hans-Christian Pfohl, Holger Kohler, David Thomas, State of the art in supply chain risk

management research: empirical and conceptual findings and a roadmap for the implementation

in practice Logist. Res. (2010) Vol. 2:33–44.


23

- Harland C., Brenchley R. et Walker H. (2003), Risk in Supply Networks, Journal of Purchasing

and Supply Management, Vol.9, n°2, pp.51-62.

- Hendricks KB, Singhal VR (2003) The effect of supply chain glitches on shareholder wealth. J

Operat Manage 21(5):501–522

- Hendricks KB, Singhal VR (2005) Association between supply chain glitches and operating

performance. Manage Sci 51(5):695–711.

- J.F. Yates, E.R. Stone, The risk construct, in: J. Yates (Ed.), Risk Taking Behavior, Wiley, New

York, 1992, pp. 1–25.

- Jennifer Blackhurst, Kaitlin S. Dunn, Christopher W. Craighead (2011), “An Empirically

Derived Framework of Global Supply Resiliency” Journal of business logistics Volume 32, Issue

4 Pages 374– 391

- Jüttner U. (2005), Supply Chain Risk Management: Understanding the Business Requirements

from a Practitioner Perspective, The International Journal of Logistics Management, Vol.16,

n°1, pp.120-141. Kleindorfer, P. R., and G. H. Saad. 2005. “Managing Disruption Risks in

Supply Chains.” Production and Operations Management 14: 53–68.

- Lavastre O., Gunasekaran A. et Spalanzani A. (2014), Effect of Firm Characteristics, Supplier

Relationships and Techniques used on Supply Chain Risk Management (SCRM): An Empirical

Investigation, International Journal of Production Research, Vol.52, n°11, pp.3381-3403

- Lavastre, O., A. Gunasekaran, and A. Spalanzani. 2012. “Supply Chain Risk Management in

French Companies.” Decision Support Systems 52: 828–838.

- Li Zhao Baofeng Huo Linyan Sun Xiande Zhao, (2013),"The impact of supply chain risk on

supply chain integration and company performance: a global investigation", Supply Chain

Management: An International Journal, Vol. 18 Iss 2 pp. 115 – 131

- March JG, Shapira Z (1987) Managerial perspectives on risk and risk taking. Manage Sci

33(11):1404– 1418.

- Mason-Jones R. et Towill D.R. (2000), Coping with Uncertainty : Reducing "Bullwhip"

Behaviour in Global Supply Chains, Supply Chain Forum An International Journal, Vol.1, n°1,

pp. 40-45.

- Narasimhan R. et Talluri S. (2009), Perspectives on risk management in supply chains, Journal

of Operations Management, Vol.27, n°2, pp.114-118.

- O. Khan and B. Burnes, “Risk and supply chain management: creating a research agenda,” The

International Journal of Logistics Management, vol. 18, no. 2, pp. 197–216, 2007.

- Olivier Lavastre, Alain Spalanzani, Comment gérer les risques liés à la chaîne logistique ? Une

réponse par les pratiques de SCRM (Supply chain Risk Management) CAHIER DE

RECHERCHE n°2010-02 E5 CERAG pp. 01-32

- Olson, D. L., and D. D. Wu. 2010. “A Review of Enterprise Risk Management in Supply Chain.”

Kybernetes 39: 694–706.

- S. Dani, “Predicting and Managing Supply Chain Risks,” in in Supply Chain Risk: A Handbook

of Assessment, Management et Performance, G. A. Zsidisin and B. Ritchie, Eds. NewYork:

Springer, 2009, pp. 53–66.

- Sodhi, M. S., B. G. Son, and C. S. Tang. 2012. “Researchers’ Perspectives on Supply Chain Risk

Management.” Production and Operations Management 21: 1–13.

- Sri Krishna Kumar, M.K. Tiwari & Radu F. Babiceanu (2010) “Minimisation of supply chain

cost with embedded risk using computational intelligence approaches,” International Journal of

Production Research, 48:13, 3717-3739.

- Stephan M. Wagner, Christoph Bode (2006) “An empirical investigation into supply chain

vulnerability,” Journal of Purchasing and Supply Management Volume 12, Issue 6, November

2006, Pages 301–312.

- Svensson G. (2002), “A conceptual framework of vulnerability in firms inbound and outbound

logistics flows,” International Journal of Physical Distribution & Logistics Management, Vol.32,

n°2, pp.110- 134.


24

- Svensson, G. (2000), “A conceptual framework for the analysis of vulnerability in supply

chains”, International Journal of Physical Distribution & Logistics Management, Vol. 30 No. 9,

pp. 731-49.

- Tang S.C. et Tomlin B. (2008), The power of flexibility for mitigating supply chain risks,

International Journal of Production Economics, Vol.116, n°1, pp.12-27.

- Tang, C. S. 2006a. “Perspectives in Supply Chain Risk Management.” International Journal of

Production Economics 103: 451–488.

- Tang, O., and S. N. Musa. 2011. “Identifying Risk Issues and Research Advancements in Supply

Chain Risk Management.” International Journal of Production Economics 133: 25–34.

- Thun J.H. et Hoenig D. (2011), An empirical analysis of supply chain risk management in the

German automotive industry, International Journal of Production Economics, Vol.131, n°1,

pp.242-249.

- Trkman, P. and McCormack, K. (2009), “Supply chain risk in turbulent environments – a

conceptual model for managing supply chain network risk”, International Journal of Production

Economics, Vol. 119 No. 2, pp. 247-58.

- Tummala, R. and Schoenherr, T. (2011), “Assessing and managing risks using the supply chain

risk management process (SCRMP)”, Supply Chain Management: An International Journal, Vol.

16 No. 6, pp. 474-483.

- Tuncel, G., and G. Alpan. 2010. “Risk Assessment and Management for Supply Chain

Networks: A Case Study.” Computers in Industry 61: 250–259.

- Uta Jüttner, Helen Peck & Martin Christopher (2003) “Supply chain risk management: outlining

an agenda for future research” International Journal of Logistics Research and Applications A

Leading Journal of Supply Chain Management Volume 6, 2003 - Issue 4: Logistics Research

Network Conference (LRN2002) pp. 197-210.

- V.-W. Mitchell, Organizational risk perception and reduction: a literature review, British Journal

of Management 6 (2) (1995) 115–133.

- Wagner SM, Bode C (2008) An empirical examination of supply chain performance along

several dimensions of risk. J Bus Logistics 29(1):307–325.

- William Ho, Tian Zheng, Hakan Yildiz & Srinivas Talluri (2015): Supply chain risk

management: a literature review, International Journal of Production Research pp. 1-40.

- Wu, T., J. Blackhurst, and V. Chidambaram. 2006. “A Model for Inbound Supply Risk

Analysis.” Computers in Industry 57: 350–365.

- Zsidisin GA, Ellram LM (2003) An agency theory investigation of supply risk management. J

Supply Chain Manage 39(3):15–29.


25

Annexe I :

FRLs EIRLs EIRLs FRLs PROBABILITE IMPACT

UP S04

UP S04 4-Faible performance logistique des fournisseurs (Fiabilité de

livraison, capacité de commande)

Echec du Fournisseur 3,42 3,92

UP S06 6-Incapacité du fournisseur de faire face à des augmentations

importantes (> 20%) des volumes requis


UP S12 12-Arrêt imprévu de la production du fournisseur clé Echec du Fournisseur 2,88 3,64

UP S14 14-Défaillance financière (Insolvabilité ou faillite) des fournisseurs Echec du Fournisseur 2,86 3,54

UP S15 15-Problème de la souplesse d'approvisionnement en cas de

contraintes de capacité ou de perturbations


UP S01 UP S01 1-Les fluctuations des prix sur les marchés d'approvisionnement Augmentation des prix des matières premières 3,21 3,82

UP S11 UP S11 11-Introduction des nouveaux systèmes ainsi l'augmentation de droit,

tarif routier et douanier

Changement des droits et tarifs douaniers 2,42 3,21

D WS01

D WS01 1-Demande imprévue ou très volatile des clients Changement ou fluctuation de la demande 3,76 3,86

D WS03 3-Modification ou annulation des ordres fermes par les clients. Changement ou fluctuation de la demande 3,14 3,44

D WS06 6-Incapacité à gérer les changements de la demande en volume, Changement ou fluctuation de la demande 3,08 3,70

D WS09 9-Incertitude du marché des produits suite au changement des

tendances des consommateurs

Changement ou fluctuation de la demande 2,90 2,68

D WS02 D WS02 2-Défauts de paiement des clients Défauts de paiements 3,40 3,96

D WS10 D WS10 10-Echec de mesure d'atténuation et d'adaptation au changement

climatique

Echec d'atténuation et d'adaptation au changement

climatique 2,01 2,74

IF S02 IF S02 2-Perte de capacité de production propre en raison de perturbations

locales ou techniques

Echec de la capacité de production 2,64 3,94

IF S03

IF S03 3-Arrêt ou interruption des infrastructures informatiques Echec de l'infrastructure critique 2,82 3,36

IF S04 4-Echec de la sécurité du système d'information Echec de l'infrastructure critique 2,72 3,04

IF S05 5-Échec de l'infrastructure critique et Incident massif de fraude ou de

vol de données

Echec de l'infrastructure critique 2,60 3,48

UP S10

UP S10 10-Expéditions rapides pour éviter une interruption due à une

livraison tardive par le fournisseur

Interruption de la chaîne de livraison 2,92 3,14

D WS05 o u

T R s02

5-Interruptions de la chaîne de livraison suite à une perturbation dans

la distribution

Interruption de la chaîne de livraison 3,08 3,35

UP S03 UP S03 3-Fluctuations ou pénuries de capacité sur les marchés d’offre Problème de capacité sur marché d'offre 2,82 3,78

UP S05

UP S05 5-Les fournisseurs interprètent mal nos exigences Problème d'échange et de partage des

fournisseurs 2,69 3,29

UP S07 7-Problèmes de partage électronique d'informations avec les

fournisseurs (par exemple : EDI, ERP)

Problème d'échange et de partage des


UP S17 17-Problème relationnel avec le fournisseur Problème d'échange et de partage des


UP S02 UP S02 2-Problèmes de qualité des produits de fournisseur Problèmes de qualité des fournisseurs 3,32 4,14

D WS07 D WS07 7-Incapacité à satisfaire aux exigences de qualité Problèmes de qualité et d'insatisfaction des

clients 3,00 3,76

UP S13 o u

T R s01

UP S13 o u

T R s01

13-Faible performance logistique des prestataires de services logistiques et

Manque d'intégration des prestataires de transport

Problèmes d'intégration logistique 3,09 3,42

UP S09

UP S09 9-Contrats fermes à prix fixe avec les prestataires et les fournisseurs Structure et condition du marché d'offre 2,86 3,48

UP S18 18-Nombre restreint de fournisseurs intermédiaires. Structure et condition du marché d'offre 2,64 3,18

Documents

Investigation-Analyse des facteurs et des évènements de