Dans le monde de la planification de la chaîne d'approvisionnement, il est crucial de trouver un équilibre entre la précision des prévisions et la stabilité opérationnelle. Alors que de nombreuses organisations s'efforcent d'obtenir des prévisions très précises et fréquemment mises à jour, l'utilisation de ces prévisions dans l'horizon opérationnel entraîne par inadvertance des défis opérationnels importants.
Les ajustements constants des prévisions créent un environnement opérationnel volatil, ce qui entraîne des problèmes d'efficacité tels que des changements fréquents dans les calendriers de production, les niveaux de stocks et les bons de commande. Le maintien d'une prévision stable dans cette fourchette l'emporte largement sur la nécessité de disposer du dernier signal de demande « exactement correct », contribuant ainsi à une chaîne d'approvisionnement plus résiliente et plus efficace.
Équilibrer précision et stabilité
La précision des prévisions est indéniablement importante ; toutefois, une focalisation excessive sur les ajustements à court terme peut être néfaste. Lorsque les prévisions sont continuellement mises à jour pour refléter des variations mineures de la demande, cela peut entraîner un « effet de fouet », où de petites variations de la demande entraînent de fortes fluctuations des commandes et des niveaux de stocks. Cette instabilité peut mettre à rude épreuve les ressources, augmenter les coûts et réduire l'efficacité globale de la chaîne d'approvisionnement.
Prévisions en DDMRP
Dans le modèle DDMRP, qui concerne principalement la planification opérationnelle et tactique, nous garantissons la stabilité des prévisions en utilisant une moyenne des prévisions et des ventes historiques, connue sous le nom d'utilisation quotidienne moyenne mixte (ADU). Pour les articles très saisonniers, nous pondérons cette moyenne afin d'utiliser une plus grande partie des prévisions sur un horizon plus court. Nous utilisons l'apprentissage automatique pour améliorer les prévisions lorsque les promotions ou les conditions météorologiques sont importantes, mais elles font désormais partie de la moyenne.
Cette méthode fonctionne car nous mesurons la volatilité de la demande et définissons une zone tampon (zone rouge) pour absorber les variations de la demande réelle. Lorsque la demande réelle dépasse la demande moyenne attendue, ce que l'on appelle un pic, nous réagissons immédiatement pour réapprovisionner et commençons à donner la priorité à cette grosse commande. Ces zones tampons s'ajustent au fil du temps en fonction de l'évolution de la demande ; toutefois, si la mémoire tampon tombe en panne et entraîne une rupture de stock, le planificateur reçoit un feedback instantané et peut ajuster la taille de la mémoire tampon en conséquence.
Le résultat de l'utilisation d'une prévision stable
Sur la base des commentaires que nous avons reçus de nos plus de 180 clients, cette approche se traduit par un plan beaucoup plus stable avec des stocks plus bas, des niveaux de service plus élevés, moins de changements au fil du temps et moins de délais, ce qui améliore l'efficacité opérationnelle.
Prévisions opérationnelles et prévisions stratégiques
Alors que la méthode moyenne fonctionne sur le plan opérationnel, la planification stratégique nécessite de travailler avec les prévisions réelles. L'impact de l'évolution de la demande (comme des pénuries d'approvisionnement ou des problèmes opérationnels) doit être évalué rapidement, et des plans doivent être mis en place pour répondre à ces prévisions de ventes ou comprendre l'ampleur des pertes de revenus potentielles. Des scénarios tels que la planification d'un plus grand nombre de quarts de travail, l'organisation d'espaces supplémentaires et l'augmentation des prix pour ralentir la demande doivent être évalués et des décisions doivent être prises.
Des ajustements devraient être effectués à des niveaux agrégés afin d'accélérer la prise de décisions. Il est essentiel de travailler avec une seule prévision et de collaborer efficacement avec les différents services. Par conséquent, la saisie des prévisions doit se faire dans différentes unités de mesure pour les différentes parties prenantes : opérations en unités, ventes en dollars et entrepôt en volume.
En outre, les ajustements des prévisions ne devraient être effectués que lorsqu'un impact significatif sur la faisabilité des plans d'approvisionnement est identifié. Par exemple, l'ajustement pour tenir compte des effets causaux tels que les promotions ou les tendances du marché a moins d'impact si les prévisions sont déjà très volatiles.
Mesure des améliorations
Traditionnellement, les mesures prévisionnelles mettent l'accent sur la précision, mais la stabilité et le biais des prévisions sont tout aussi importants. L'amélioration de la stabilité, de la précision et des biais des prévisions peut être mesurée efficacement en comparant les prévisions statistiques aux prévisions finales enrichies. Cela permet d'identifier les domaines à améliorer et garantit que le processus de prévision évolue en permanence.
Conclusion
Bien que la précision des prévisions demeure un objectif, la stabilité des prévisions est tout aussi importante pour maintenir l'efficacité opérationnelle et réduire les fluctuations inutiles. En se concentrant sur des prévisions stables dans la fourchette opérationnelle, les organisations peuvent parvenir à une chaîne d'approvisionnement plus résiliente, à une meilleure utilisation des ressources et à une amélioration des niveaux de service et de la rentabilité. Cette approche équilibrée des prévisions garantit que l'organisation reste réactive aux changements du marché, sans compromettre son intégrité opérationnelle.
Think flow,
Kévin Boake
