Stock de sécurité – Création d’une Supply Chain de type “coup de fouet”

Quel que soit le secteur d’activité dans lequel vous évoluez, il est toujours nécessaire d’établir des estimations pour planifier l’avenir. Il peut être essentiel d’examiner de plus près la manière dont la précision et l’exactitude d’une stratégie de prévision affectent les autres parties de votre processus de planification. Cette perspective permet d’observer comment différentes stratégies de prévision affectent les niveaux de stocks de sécurité simulés et le réapprovisionnement. En examinant la façon dont votre propre système de planification réagit à des tests similaires, vous pourriez mettre en évidence certaines déficiences qui limitent votre capacité à atteindre les objectifs en matière de stocks.

Dans la plupart des secteurs d’activité, les prévisions comportent une attente commune concernant la croissance des revenus. Il est facile de comprendre pourquoi la précision est pertinente dans un tel cas. Dans le cadre de la planification des approvisionnements, le besoin de précision absolue peut être légèrement différent.

La différence essentielle pour la planification des approvisionnements est qu’une prévision est l’une des nombreuses données utilisées pour prendre des décisions telles que la quantité à fabriquer ou à acheter. Des données supplémentaires, telles que la taille des lots, les stocks de sécurité et les délais de livraison, permettent de stabiliser et d’amortir les plans d’approvisionnement face aux changements rapides causés par la fluctuation de la demande des clients. Sans ces données supplémentaires, l’industrie manufacturière peut rencontrer des difficultés importantes pour répondre aux attentes des clients dans les délais. Essayer de faire correspondre l’offre à la demande peut se traduire par un fonctionnement moins efficace si l’entreprise n’a pas la souplesse nécessaire pour réagir rapidement.

Parmi ces entrants supplémentaires, les stocks de sécurité sont les plus faciles à gérer. Pour surmonter le défi de ne pas pouvoir faire correspondre exactement l’offre au taux, à l’ampleur et au moment de la demande, les entreprises vont souvent “découpler” ou “tamponner” la relation entre la demande et l’offre avec un stock de sécurité. Le stock de sécurité est utilisé pour minimiser l’effet d’inertie qui pourrait autrement se produire lorsque les ventes et les délais sont incohérents. Cependant, une hypothèse clé est que plus vous êtes capable de prévoir les ventes avec précision, moins vous avez besoin de stocks de sécurité. Lorsque vous mettez cette hypothèse à l’épreuve, vous pouvez découvrir des résultats surprenants. Dans notre ensemble de données, nous avons constaté qu’un modèle de prévision qui chasse systématiquement la demande peut en fait produire un signal de demande plus nerveux et un stock de sécurité potentiellement plus élevé.

Bien qu’il faille noter que la simulation était limitée à moins de 10 exemples, et ne constitue en aucun cas une observation académique, nous vous recommandons vivement de tester vous-même cette hypothèse sur vos systèmes de planification. Dans la simulation, différentes méthodes ont été utilisées pour déterminer les niveaux de stock de sécurité. Alors que l’une des méthodes utilise la différence entre les ventes prévues et réelles pour déterminer le stock de sécurité, l’autre méthode compare les ventes réelles aux ventes réelles normalisées. Les deux méthodes ont été utilisées dans la simulation en fonction d’une stratégie de prévision donnée.

Exemples

Les exemples suivants montrent la différence entre les prévisions et le stock de sécurité en utilisant les deux méthodes. La méthode de prévision dans le graphique de gauche suit la demande, en essayant de prédire avec précision la demande de la période suivante. La méthode du stock de sécurité utilisée dans cet exemple est basée sur la comparaison entre les prévisions et les ventes réelles. L’exemple lissé du graphique de droite adopte une approche beaucoup plus simple en éliminant le bruit à travers la prévision.

Cette méthode utilise les valeurs historiques normalisées comparées aux valeurs historiques réelles comme base pour déterminer le stock de sécurité. Chaque point de données du graphique est une observation réelle tirée de l’exécution de simulations sur 12 mois.

En comparant les figures 1 et 2 ci-dessus, il apparaît clairement qu’une prévision changeant de façon dynamique, une demande sporadique et une mauvaise méthode pour déterminer le stock de sécurité peuvent augmenter considérablement les stocks. L’observation montre une accumulation de stocks, probablement due aux décalages non triviaux entre les ventes réelles et la prévision, alors que la prévision plus lisse a donné lieu à un stock de sécurité beaucoup moins important lorsque le bruit a été éliminé en utilisant un modèle de prévision différent. Comme nous l’avons observé ici, lorsque la demande devient plus variable, la création d’une prévision qui suit la demande (dans le but d’être plus précise) peut en fait entraîner un stock de sécurité plus élevé.

Certaines méthodes de prévision peuvent produire des oscillations sauvages difficiles à utiliser dans la planification. De nombreuses organisations ont pu être tentées par les fournisseurs de logiciels de tirer parti de la puissance de calcul pour sélectionner automatiquement un nouveau modèle de prévision chaque mois. Cependant, une technique de ” meilleur ajustement ” peut en fait produire un signal de demande plus nerveux et très tendu qui entraîne un stock de sécurité plus élevé que ne le ferait une prévision lissée. Dans l’exemple ci-dessus, aux fins de la planification des approvisionnements, il semblerait qu’une prévision qui suit la demande soit aussi utile que l’estimation des mouvements aléatoires de souris dans un labyrinthe.

Ces observations sur les prévisions soulèvent d’autres questions. Quel serait l’impact de la prévision sur la planification des approvisionnements ? L’utilisation d’un signal de demande nerveux pour planifier les réapprovisionnements créerait-elle des difficultés pour les fournisseurs à répondre aux attentes de livraison à temps ? Si le fournisseur n’était pas en mesure d’augmenter sa capacité au même moment, les besoins en mutation sauvage entraîneraient-ils des retards de livraison ?

Les planificateurs devraient-ils alors disposer de stocks de sécurité supplémentaires pour compenser le manque de fiabilité des fournisseurs ? Malheureusement, notre capacité à simuler tous ces scénarios était quelque peu limitée, mais nous avons pu utiliser les informations relatives aux prévisions et au stock de sécurité pour déterminer un plan d’approvisionnement théorique.

Dans les exemples suivants (figures 3 et 4), les mêmes positions de stock ont été utilisées comme position de départ et un taux de remplissage ciblé de 98% a été utilisé pour déterminer le stock de sécurité. En utilisant les 12 mois d’observations prévisionnelles créées précédemment, nous avons simulé le plan d’approvisionnement résultant pour les deux méthodes.

En reprenant l’exemple ci-dessus, les deux méthodes ont connu deux ruptures de stock au même moment. Cependant, les niveaux de stock étaient plus élevés dans le graphique de gauche, et les achats étaient également beaucoup plus irréguliers.

Comme les données ont été exécutées dans le cadre d’une simulation, nous n’avons pas pu inclure d’observations sur la performance des fournisseurs ; cependant, on peut supposer que le remplissage des besoins générés par le plan de gauche serait beaucoup plus difficile.

Prévoir la demande pour vos produits peut être une tâche à forte intensité de main-d’œuvre. La sélection des modèles de prévision adaptés à un profil de demande donné peut nécessiter une intelligence et une expertise quasi scientifiques pour être exécutée. Une approche plus organisée pourrait consister à classer la demande en fonction de ses caractéristiques et à planifier les stocks en utilisant des stratégies logiques qui y correspondent. Ce processus est appelé classification de la demande. Il a amélioré l’efficacité de la planification dans de nombreuses entreprises.

La classification de la demande classe systématiquement et scientifiquement les articles à l’aide de techniques statistiques qui produisent des regroupements intelligents de la demande. Ensuite, les paramètres de prévision et de planification les plus appropriés peuvent être appliqués automatiquement. Cette méthodologie est celle que nous utilisons dans le logiciel Slim4 de Slimstock, qui envisage de manière holistique un plan d’approvisionnement équilibré tout en fournissant des indicateurs d’alerte précoce lorsque la demande change.

Les résultats habituels sont les suivants :

• Amélioration de l’efficacité de la planification grâce à la hiérarchisation des activités analytiques.
• Plus de temps consacré à l’identification des exceptions de stock, et à la gestion efficace du fonds de roulement
• Augmentation de la disponibilité des produits et réduction des surstocks.
• Amélioration de l’efficacité de la planification et réduction du stress lié à la gestion de paramètres prévisionnels complexes.

Chaque entreprise gère des produits qui sont nouveaux, en cours de vie ou en déclin. Ils peuvent être stockés ou non stockés. Une observation plus poussée peut révéler une demande saisonnière, tendancielle, à volume élevé ou faible, stable ou irrégulière, ou même à évolution rapide ou lente. En fait, le nombre de façons dont la demande peut être classée est extensible. Décider de l’ensemble des paramètres de prévision à appliquer, pour obtenir les meilleurs résultats, peut souvent laisser perplexe.

Toutes les prévisions ne sont pas créées égales, ou ne servent pas le même objectif. Dans les opérations, les pertes sont dues à des cycles de production inefficaces et au coût du transport pour compenser un manque de stock. Les pertes peuvent également provenir de la nécessité d’escompter ou d’éliminer les stocks excédentaires et obsolètes. En outre, les coûts de détention des stocks peuvent contribuer jusqu’à 30 % aux coûts d’exploitation.

L’utilisation de mauvaises prévisions comme base de la planification des stocks de sécurité et de l’approvisionnement peut compromettre inutilement les performances de votre entreprise. Chez Slimstock, notre logiciel est conçu autour de la science et de l’art de la classification de la demande et de l’optimisation de la supply chain. Ainsi, vous pouvez vous attendre à un meilleur plan de façon constante.