Development of the supply chain and production management system (SCPMS) for small-series fashion industry - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Development of the supply chain and production management system (SCPMS) for small-series fashion industry

Développement d’un système de gestion de la chaîne d'approvisionnement et de la production (SCPMS) de petites séries dans l'industrie de la mode

Nitin Harale
  • Fonction : Auteur
  • PersonId : 1145447
  • IdRef : 263198006

Résumé

Small-series fashion production is a popular and growing trend in the fashion industry as it enables customers to customize their fashion products such as garments, fashion luxury items, etc. This trend translates into the ever-growing need for efficient supply chain management that constitutes the backbone of the small-series fashion industry. However, the existing SCM models fail to address the needs and the problems of the small-series supply chain in terms of solving complex decision problems related to supplier selection, supply chain co-ordination and dynamic customer order management. Therefore, this thesis proposes a scientific approach for the development of an effective mechanism to aid the decision making in the small-series fashion supply chain management. The main objective of the research conducted in this thesis is to develop decision-support solutions for managing key supply chain management decision problems. Based on the systematic literature review of the small-series fashion industry and supply chain management models, three research questions are formulated that are guided by the identified gaps in the literature. These research questions constitute the significant aspects of the small-series fashion supply chain management. The first research question addresses the raw material supplier selection in a static way. The second research question explores the problem of best supplier prediction for new customer order of small-series fashion items. The third research question focuses on the processing of continuously arriving customer orders by dynamically assigning them to the best suppliers. The methodology used in this thesis is based on the combination of techniques: MCDM methods; Machine learning; and the Genetic Algorithm.
La production en petites séries d’articles de mode est une tendance croissante dans l'industrie de la mode car elle permet, entre autres, aux clients de personnaliser leurs propres produits tels que des vêtements, des articles de mode de luxe, etc. Cette tendance se traduit par le besoin toujours croissant d'une gestion efficace de la chaîne d'approvisionnement (SCM) qui constitue une des facteurs clés du succès de la production en petites séries. Cependant, les modèles SCM existants ne parviennent pas à répondre aux besoins et aux problèmes de la chaîne d'approvisionnement en petites séries notamment en termes de résolution des problèmes décisionnels complexes liés à la sélection des fournisseurs, à la coordination de la chaîne d'approvisionnement et à la gestion dynamique des commandes clients. Pour combler ces lacunes, cette thèse propose une approche scientifique pour développer une méthode d'aide à la décision efficace pour la gestion de la chaîne d'approvisionnement de la mode en petites séries. L'objectif principal de cette thèse est de développer des solutions d'aide à la décision efficaces pour gérer les problèmes de décision clés dans la gestion de la chaîne d'approvisionnement de la mode en petites séries en s’appuyant sur des études expérimentales. Sur la base d'une revue systématique de la littérature de l'industrie de la mode en petites séries et des modèles de gestion de la chaîne d'approvisionnement, trois questions de recherche sont formulées en fonction des lacunes identifiées dans la littérature. Ces questions de recherche constituent les axes de développement significatifs de la gestion de la chaîne d'approvisionnement de la mode en petites séries. La première question de recherche porte sur la sélection des fournisseurs de matières premières de manière statique basée sur les méthodes d’aide à la décision multi critères. La deuxième question de recherche explore le problème de la meilleure prédiction des fournisseurs pour les nouvelles commandes de clients d'articles de mode en petites séries basées sur des méthodes d'apprentissage automatique. La troisième question de recherche développe un algorithme génétique et un mécanisme basé sur la méthode TOPSIS pour l'attribution dynamique des commandes clients aux fournisseurs de vêtements les plus appropriés selon des critères à la fois quantitatifs et qualitatifs. Les résultats démontrés dans cette thèse fournissent des informations managériales importantes pour aider les entreprises de mode basés sur une production en petites séries à résoudre des décisions complexes de SCPM.
Fichier principal
Vignette du fichier
Harale_Nitin_DLE.pdf (5.7 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03708644 , version 1 (29-06-2022)

Identifiants

  • HAL Id : tel-03708644 , version 1

Citer

Nitin Harale. Development of the supply chain and production management system (SCPMS) for small-series fashion industry. Automatic Control Engineering. Centrale Lille Institut, 2021. English. ⟨NNT : 2021CLIL0005⟩. ⟨tel-03708644⟩

Collections

STAR
230 Consultations
158 Téléchargements

Partager

Gmail Facebook X LinkedIn More