Pénurie vs. Stocks, la précision des prévisions est importante

Joannes Vermorel

La prévision de la demande est un pilier de l’optimisation des stocks. Pourtant, la relation exacte entre :

• le taux de service (probabilité de ne pas avoir de pénurie),
• les stocks de sécurité (quantité de stocks supérieure à la demande prévue),
• et la précision des prévisions

est parfois un peu floue. Essayons donc de clarifier la situation.

Les pénuries coûtent de l’argent : les clients sont mécontents et moins susceptibles de revenir, l’argent investi dans l’acquisition de clients est gaspillé, des ventes indirectes peuvent également être perdues, …

Pourtant, les stocks coûtent aussi de l’argent : plus de stocks signifient plus de capital de travail, plus d’obsolescence des produits, plus de coûts de stockage ; un excès de stocks signifie des coûts publicitaires plus élevés et des points de vente plus bas, …

Ainsi, satisfaire les clients est un compromis financier entre la quantité de stocks et la quantité de pénuries.

Nous considérons implicitement ici une situation de vente au détail, mais un raisonnement presque identique s’applique également aux fabricants.

À ce stade, il n’est toujours pas clair comment la précision des prévisions entre en jeu. En particulier, pour certaines entreprises, il peut sembler qu’aucune prévision n’ait été produite en premier lieu. Par exemple : simplement des politiques de réapprovisionnement min-max et aucun prévisionnement.

En fait, même si personne dans votre entreprise ne produit explicitement des prévisions, vos stocks bénéficient toujours d’une précision de prévision implicite (illustration ci-dessus, le triangle orange représentant la contrainte). En effet, il est possible - bien que un peu compliqué - de calculer la précision implicite par les entreprises dans vos niveaux de stocks de sécurité avec vos fréquences de pénurie.

Ajuster le compromis en faveur du taux de service, ou en faveur de la réduction des stocks n’améliore pas la précision implicite, car un coût est échangé contre un autre (illustration à droite, la contrainte est tournée, pas réduite). Les prévisions peuvent être cachées par vos processus, mais cela n’empêchera pas votre entreprise de subir des pertes financières si ces prévisions s’avèrent incorrectes.

À moins qu’il n’y ait un profond manque d’analyse dans vos politiques de stocks, l’amélioration apportée par l’ajustement du compromis pénurie vs. stocks est censée être marginale (ce qui pourrait néanmoins représenter des économies substantielles, surtout si la marge est mince).

Pour améliorer les deux côtés de l’équation, vous avez besoin de meilleures prévisions.

L’impact d’une précision améliorée est illustré dans le graphique à gauche. Comparé aux situations précédentes, nous voyons que réduire la précision vous permet de réduire à la fois la fréquence des pénuries et la quantité de stocks de sécurité.

La théorie dit grosso modo que réduire l’erreur de prévision de 1% (relative) peut être utilisé pour soit réduire la fréquence des pénuries de 1% (relative) soit réduire la quantité de stocks de sécurité de 1% (relative).

En pratique, il peut y avoir des obstacles à exploiter pleinement l’amélioration apportée par la précision supplémentaire, comme les niveaux de service offerts par vos propres fournisseurs. Cependant, avec une position conservatrice, nous pouvons estimer qu’une précision supplémentaire de 1% apporte soit une réduction de 0,5% des pénuries, soit une réduction de 0,5% des stocks de sécurité.

Encore une fois, le compromis pénurie vs. stocks peut être réajusté en tenant compte de la nouvelle précision améliorée.

Commentaires des lecteurs (6)

Salut Benhard, La plupart des formules de stocks de sécurité reposent sur la variance des prévisions, cependant, comme cette valeur est plus difficile à calculer, une heuristique typique consiste à remplacer les variances des prévisions par la variance des données historiques, mais c’est une approximation. Ainsi, si vous souhaitez intégrer l’erreur de prévision dans votre calcul de stocks de sécurité, remplacez simplement le coefficient ‘sigma’ de la variance historique par la variance attendue des prévisions elles-mêmes. J’espère que cela vous aidera. Joannes Vermorel (il y a 7 ans)

Salut Joannes, Je trouve vraiment cet article intéressant. Je suis en train de déterminer une politique de stocks basée sur les prévisions de la demande au lieu de l’historique de la demande. La plupart des sites web montrent comment déterminer une politique de stocks basée sur la variance des données historiques. Je me demande comment intégrer l’erreur de prévision dans l’équation des stocks de sécurité. Désolé si ma question est hors sujet par rapport ci-dessus. Toute aide serait appréciée. Merci Jo. ben Benhard Adolf (il y a 7 ans)

En fait, ce n’est pas le triangle qui compte vraiment mais ses deux côtés (droit et gauche). Intuitivement, l’angle principal est une constante qui ne peut pas être changée, donc si vous déplacez un côté, l’autre se déplace aussi. La forme ressemble en quelque sorte à un triangle, mais seuls deux côtés et un angle importent vraiment. Joannes Vermorel (il y a 8 ans)

Cher Joannes, Je trouve votre explication très claire, mais je ne comprends pas le triangle orange. Il représente la contrainte. Mais je ne le vois pas dans le dessin. Auriez-vous un mot d’explication supplémentaire. Merci Piet Buyck (il y a 8 ans)

Bonjour Achyut, dans le modèle classique de stock de sécurité, nous supposons généralement une distribution normale (distribution gaussienne) de la demande. La distribution normale est définie par deux paramètres : sa moyenne et sa variance. La quantité de stock de sécurité (également appelée stock supplémentaire au-dessus du niveau de demande moyen), pour un niveau de service donné, est proportionnelle de manière linéaire à la variance. Ainsi, si vous réduisez la variance (également appelée erreur de prévision) de 1 %, vous réduisez également le stock de sécurité de 1 % dans ce modèle idéal. Ensuite, l’autre partie concernant la réduction de la fréquence des pénuries tout en maintenant la même quantité de stock de sécurité est plus compliquée, et nécessiterait un article de blog dédié. J’essaierai d’y revenir quand j’aurai le temps. Joannes Vermorel (il y a 8 ans)

Bonjour Joannes, C’est un article très utile. J’ai juste besoin de plus de clarté sur l’une des choses que vous avez mentionnées dans cet article. Vous avez dit que “La théorie dit grosso modo que réduire l’erreur de prévision de 1 % (relative) peut être utilisé pour soit réduire la fréquence des pénuries de 1 % (relative) soit réduire la quantité de stock de sécurité de 1 % (relative).” Pouvez-vous élaborer sur le concept sur lequel il est basé ? Je comprends qu’une meilleure prévision réduirait les niveaux de stock, mais j’ai du mal à le quantifier. Merci d’avance Achyut Koushik A (il y a 8 ans)