Pénurie vs Stock, l'importance de la précision des prévisions
La prévision de la demande est un élément essentiel de l’optimisation des stocks. Pourtant, la relation exacte entre :
- le taux de service (probabilité de ne pas avoir de pénurie),
- le stock de sécurité (quantité de stock 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, les ventes indirectes peuvent également être perdues, …
Pourtant, le stock coûte aussi de l’argent : plus de stocks signifient plus de fonds de roulement, plus d’obsolescence des produits, plus de coûts d’entreposage ; un excès de stock signifie des coûts publicitaires plus élevés et une baisse des points de vente, …
Ainsi, satisfaire les clients est un compromis financier entre la quantité de stock 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, uniquement des politiques de réapprovisionnement min-max et aucune prévision.
En réalité, même si personne dans votre entreprise ne produit explicitement de prévisions, votre stock bénéficie toujours d’une précision de prévision implicite (illustration ci-dessus, le triangle orange représentant la contrainte). En effet, il est possible - bien que cela soit un peu compliqué - de calculer la précision implicite par les entreprises dans vos niveaux de stock 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 manque profond d’analyse dans vos politiques de stock, l’amélioration apportée par l’ajustement du compromis pénurie vs stock devrait être marginale (ce qui pourrait néanmoins représenter des économies substantielles, surtout si la marge est mince).
Afin d’améliorer les deux aspects de l’équation, vous avez besoin de meilleures prévisions.
L’impact d’une meilleure précision est illustré dans le graphique de gauche. Comparé aux situations précédentes, nous constatons que réduire la précision vous permet de réduire à la fois la fréquence des pénuries et la quantité de stock de sécurité.
La théorie dit grosso modo que réduire l’erreur de prévision de 1% (relative) peut être utilisé pour réduire soit la fréquence des pénuries de 1% (relative), soit la quantité de stock de sécurité de 1% (relative).
En pratique, il peut y avoir des obstacles pour tirer pleinement parti de l’amélioration apportée par la précision supplémentaire, tels que les niveaux de service offerts par vos propres fournisseurs. Cependant, avec une position conservatrice, nous pouvons estimer qu’une précision supplémentaire de 1% entraîne soit une réduction de 0,5% des pénuries, soit une réduction de 0,5% du stock de sécurité.
Encore une fois, le compromis pénurie vs stock peut être réajusté en maintenant la nouvelle précision améliorée.
Commentaires des lecteurs (6)
Bonjour Benhard, La plupart des formules de stock 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 stock de sécurité, remplacez simplement le coefficient ‘sigma’ de la variance historique par la variance attendue des prévisions elles-mêmes. J’espère que cela vous aide. Il y a 7 ans | Joannes Vermorel
Bonjour Joannes, Je trouve vraiment cet article intéressant. Je suis en train de déterminer la politique de stock basée sur les prévisions de la demande plutôt que sur l’historique de la demande. La plupart des sites web montrent comment déterminer la politique de stock en se basant sur la variance des données historiques. Je me demande comment intégrer l’erreur de prévision dans l’équation du stock de sécurité. Je suis désolé si ma question est hors sujet par rapport à ce qui précède. Toute aide serait appréciée. Merci Jo. ben Il y a 7 ans | Benhard Adolf
En réalité, ce n’est pas le triangle qui importe vraiment, mais ses deux côtés (droit et gauche). Intuitivement, l’angle principal est une constante qui ne peut pas être modifiée, donc si vous déplacez un côté, l’autre côté se déplace aussi. La forme ressemble en quelque sorte à un triangle, mais seuls deux côtés et un angle importent vraiment. Il y a 8 ans | Joannes Vermorel
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 Il y a 8 ans | Piet Buyck
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 à part entière. J’essaierai d’y revenir lorsque j’aurai le temps. Il y a 8 ans | Joannes Vermorel
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 réduire soit la fréquence des pénuries de 1% (relative), soit la quantité de stock de sécurité de 1% (relative).” Pouvez-vous expliquer 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 Il y a 8 ans | Achyut Koushik A