Une approche numérique du DDMRP

Joannes Vermorel

DDMRP signifie Demand Driven Material Requirements Planning. Ces dernières années, la popularité du DDMRP a augmenté dans certains secteurs, occupant la niche que l’approvisionnement juste-à-temps ou le six sigma occupaient autrefois. Mais qu’est-ce que le DDMRP peut vraiment apporter et quelle est la réelle nouveauté qu’il apporte en termes d’optimisation de la supply chain ?

Pour répondre à cette question, examinons le DDMRP d’un point de vue numérique, c’est-à-dire en considérant le DDMRP comme un ensemble de recettes numériques¹ permettant d’optimiser les performances mesurables d’une chaîne d’approvisionnement donnée. En effet, tous les avantages avancés par les auteurs du DDMRP sont des objectifs quantifiés (par exemple, atteindre un taux de couverture à l’heure de 97 à 100%²), il semble donc juste d’adopter une approche numérique pour évaluer les mérites de cette approche.

Les auteurs du DDMRP affirment que cette approche apporte quatre innovations clés à l’optimisation de la supply chain, à savoir :

• le découplage des délais de livraison³
• l’équation du flux net⁴
• les explosions découplées⁵
• la priorité relative⁶

En tirant des conclusions, l’examen attentif de chacun de ces points - qui sera fait plus en détail par la suite - indique qu’il y a très peu de substance dans les affirmations audacieuses du DDMRP. Les recettes numériques proposées par le DDMRP n’auraient même pas été considérées comme étant à la pointe de la technologie à la fin des années 1950, car le domaine naissant de la recherche opérationnelle avait déjà découvert des stratégies d’optimisation numérique plus sophistiquées et meilleures à l’époque.

Les améliorations prétendument réalisées par le DDMRP commencent par une mauvaise référence : les MRPs - tout comme les ERP - ne fournissent généralement aucune capacité d’optimisation numérique⁷. Leurs systèmes de bases de données relationnelles ne sont tout simplement pas adaptés à la manipulation de données importantes, même en tenant compte du matériel informatique moderne[^computing hardware]. Ainsi, malgré le discours de nombreux éditeurs de logiciels d’entreprise - opérant dans le domaine transactionnel du problème - il est incorrect de prendre les MRPs comme référence en ce qui concerne l’optimisation de la supply chain.

Découplage des délais de livraison

Les MRPs, basés sur des bases de données relationnelles (SQL) et fermement ancrés dans le domaine des logiciels de gestion des actifs, ont peu ou pas de capacités de traitement des données. Par conséquent, il n’est pas surprenant que les analyses des délais de livraison ne soient pas le point fort de ces solutions. En considérant le graphe des besoins générés par les nomenclatures, de nombreux MRP ne proposeraient que deux analyses de délai de livraison extrêmement simplistes, à savoir :

• le délai de fabrication, qui est excessivement optimiste et suppose que les stocks sont toujours disponibles partout, sous-estimant ainsi considérablement les délais de livraison.
• les délais cumulatifs, qui sont excessivement pessimistes et supposent que les stocks seront toujours manquants partout, surestimant ainsi considérablement les délais de livraison.

DDMRP propose de remédier à cette situation en utilisant un schéma de coloration de graphe binaire où certains nœuds du graphe - chaque nœud étant associé à un produit ou à une pièce - sont promus en tant que points de découplage. Ces nœuds sont ensuite supposés toujours détenir des stocks disponibles ; et la méthodologie de DDMRP garantit que c’est effectivement le cas.

Une fois les points de découplage choisis, un choix qui est effectué manuellement par le praticien de la supply chain, les calculs de délai de livraison peuvent être effectués avec une méthode qui alterne entre les deux méthodes de calcul énumérées ci-dessus en fonction de la couleur de chaque nœud. Avec une sélection minutieuse des points de découplage, les valeurs des délais de livraison peuvent être considérablement réduites.

Il existe trois principales critiques de cette approche.

• la réduction des délais de livraison est principalement un artefact de calculs causés par une définition révisée. Le système de la supply chain - dans son ensemble - a toujours une inertie similaire dans le contexte d’un marché en constante évolution. En effet, au lieu d’avoir une inertie du système directement reflétée par le délai de livraison, l’inertie du système est maintenant cachée à travers les tampons conservés aux points de découplage. Les délais de livraison peuvent avoir été réduits, mais l’inertie du système n’a pas été.
• s’appuyer sur des entrées humaines pour régler un processus d’optimisation numérique n’est pas une proposition raisonnable compte tenu du coût des ressources informatiques modernes. L’ajustement des méta-paramètres peut être acceptable, mais pas une intervention fine à chaque nœud du graphe. En particulier, mon observation occasionnelle des chaînes d’approvisionnement modernes est que le besoin d’entrées humaines est l’un des plus grands facteurs de l’inertie de l’ensemble du système. Ajouter une autre couche d’ajustement manuel - le choix des points de découplage - n’est pas une amélioration à cet égard.
• bien que l’on puisse soutenir que les estimations de délai de livraison de DDMRP pourraient être meilleures que les chiffres bruts fournis par le MRP, la référence est outrageusement naïve. Même les méthodes de Monte Carlo de base - introduites par Nicholas Metropolis en 1947 - surpassent toutes ces méthodes en ce qui concerne l’estimation des délais de livraison, y compris DDMRP.

En conclusion, les délais de livraison découplés ne se qualifient guère d’innovants et donnent une fausse impression de compression des délais de livraison tout en enfouissant l’inertie du système de la supply chain sous un schéma de coloration de graphe.

L’équation du flux net

Afin de résoudre le problème de la génération des commandes d’approvisionnement, DDMRP a introduit un concept pivotant de flux net. L’équation du flux net est introduite dans DDMRP comme suit :

Stock disponible + Commandes en cours - Demande de commandes de vente qualifiées = Position du flux net.

Cette quantité peut être interprétée comme la quantité de stock disponible pour répondre à la partie incertaine de la demande. À travers les flux nets, DDMRP souligne que seule la partie incertaine de la demande nécessite réellement une analyse statistique. Traiter la demande future qui est déjà connue relève d’un plan d’exécution déterministe.

Le calcul du flux net est une combinaison simple de trois variables SKU non triviales mais largement utilisées. La complexité réelle réside dans ces variables, qui peuvent être moins anodines qu’elles ne le semblent :

• le stock disponible est sujet à des inexactitudes d’inventaire
• le stock en commande est soumis à des délais d’approvisionnement variables
• de nombreuses nuances lors de l’identification des commandes de vente qualifiées par rapport aux commandes non qualifiées

Dans tous les cas, il est difficile de revendiquer beaucoup de nouveauté en introduisant ce qui est sans doute une combinaison banale de variables largement utilisées dans les systèmes de la supply chain. De plus, DDMRP ne révèle aucune propriété cachée / invisible / non évidente de l’expression du flux net.

Des algorithmes sophistiqués pour prévoir les dépendances partiellement connues sont connus depuis plusieurs décennies, avec des publications remontant au début des années 1990⁸; avec un degré de raffinement qui va bien au-delà des recettes numériques présentées dans DDMRP.

Explosion découplée

Le terme “explosion découplée” inventé par les auteurs de DDMRP est la conséquence directe du schéma de coloration de graphe binaire introduit dans la première section ci-dessus : les nomenclatures (BOMs) ne sont pas énumérées de manière récursive au-delà de tout nœud coloré comme un “point de découplage”. En considérant le traitement appliqué aux délais de livraison et aux nomenclatures, nous constatons que DDMRP utilise les “points de découplage” comme des frontières de partitionnement du graphe de la supply chain globale.

Ce schéma de partitionnement du graphe est quelque peu similaire à ce qui est communément appelé un algorithme de diviser pour régner, qui remonte aux travaux de John von Neumann en 1945. Cependant, les recettes numériques de DDMRP ne comportent pas la deuxième partie des approches algorithmiques de diviser pour régner, qui consiste à recombiner les sous-solutions en une solution plus efficace pour le problème dans son ensemble. DDMRP partitionne le graphe de la supply chain, résolvant chaque sous-graphe avec des méthodes MRP “classiques”, et s’arrête là. Il n’y a pas d’optimisation numérique globale supplémentaire au-delà de l’optimisation locale effectuée dans chaque sous-graphe.

Ainsi, la principale critique de ces explosions découplées est que, par conception, elles achèvent le partitionnement des graphes de la supply chain en sous-graphes indépendants, et par ce processus même, elles imposent une limite stricte à l’optimisation qui peut être réalisée pour le système de la supply chain dans son ensemble ; précisément parce qu’aucun couplage d’aucune sorte ne peut se produire entre les éléments de la partition.

Cet aspect peut sembler contre-intuitif pour un non-spécialiste, mais du point de vue de l’optimisation numérique, une partition statique d’un système est simplement une réduction des degrés de liberté disponibles pour le processus d’optimisation, et donc une réduction de la capacité du processus d’optimisation à trouver une solution meilleure.

Priorité relative

L’hypothèse clé derrière les points découplés dans DDMRP est que le stock est toujours disponible pour ces SKUs. Cependant, des fluctuations aléatoires de la demande ou du délai de livraison peuvent se produire, ce qui peut entraîner un écart par rapport à cette hypothèse dans le système de la supply chain sous DDMRP. Par conséquent, DDMRP stipule que les décisions de la supply chain (par exemple, les commandes d’achat ou les ordres de fabrication) doivent être prioritaires en fonction de leur capacité relative à ramener le système à un état où les hypothèses initiales sont respectées.

Il existe deux critiques principales du schéma de priorisation proposé par DDMRP. Premièrement, la priorisation se fait en regardant vers l’intérieur du système de la supply chain au lieu de regarder vers l’extérieur. Deuxièmement, la priorisation est unidimensionnelle et donc incapable de traiter la plupart des scénarios non triviaux au-delà du cas forward uniforme.

Le système de la supply chain existe pour servir des intérêts externes (exogènes). Pour le dire plus clairement, l’entreprise maximise les dollars de rendement générés par son interaction avec l’économie dans son ensemble ; pourtant, DDMRP optimise les pourcentages d’erreur par rapport à des objectifs discutables. En effet, la priorisation telle que définie par DDMRP regarde vers l’intérieur : elle oriente le système de la supply chain vers un état qui est cohérent avec les hypothèses sous-jacentes au modèle DDMRP lui-même - c’est-à-dire la disponibilité du stock aux points de découplage. Cependant, rien ne garantit que cet état soit aligné avec les intérêts financiers de l’entreprise. Cet état pourrait même aller à l’encontre des intérêts financiers de l’entreprise. Par exemple, lorsqu’on considère une marque produisant de nombreux produits à faible marge qui sont des substituts proches les uns des autres, maintenir des taux de service élevés pour un SKU donné peut ne pas être une option rentable si les SKU concurrents (quasi-substituts) ont déjà un excès de stock.

Ensuite, le schéma de priorisation proposé par DDMRP est fondamentalement unidimensionnel : il s’agit de respecter ses propres objectifs de stock (le buffer). Cependant, les décisions réelles de la supply chain sont presque toujours des problèmes multidimensionnels. Par exemple, après avoir produit un lot de 1000 unités, un fabricant met généralement ces 1000 unités dans un conteneur pour le transport maritime ; cependant, si une rupture de stock est imminente dans la supply chain, il peut être rentable d’expédier 100 unités (sur les 1000) par avion pour atténuer la rupture de stock imminente. Ici, le choix du mode de transport est une dimension supplémentaire pour le défi de priorisation de la supply chain. Afin de relever ce défi, la méthode de priorisation nécessite la capacité d’intégrer les facteurs économiques associés aux différentes options disponibles pour l’entreprise.

D’autres dimensions qui doivent être prises en compte dans la priorisation peuvent inclure :

• ajustements des prix, pour augmenter ou réduire la demande (éventuellement des canaux de vente secondaires)
• construire ou acheter, lorsque des substituts peuvent être trouvés sur le marché (généralement à un prix plus élevé)
• dates d’expiration des stocks (nécessitant une compréhension approfondie de la composition des stocks)
• risques de retour (lorsque les partenaires de distribution ont la possibilité de retourner les marchandises invendues)

Ainsi, bien que DDMRP ait raison de dire que la priorisation est une approche plus flexible par rapport aux approches binaires tout ou rien mises en œuvre par les MRPs “classiques”, le schéma de priorisation proposé par DDMRP lui-même est plutôt faible. Encore une fois, les MRPs ne devraient pas être utilisés comme référence pour évaluer le mérite d’une recette d’optimisation numérique de la supply chain.

Conclusions

Les quatre innovations clés de DDMRP, identifiées comme telles par les auteurs de DDMRP, se révèlent à la fois faibles en ce qui concerne l’optimisation numérique et dépassées de plusieurs décennies si l’on considère l’histoire de l’optimisation numérique et de la recherche opérationnelle.

De nombreuses conclusions sont tirées de manière incorrecte sur la fausse prémisse selon laquelle les MRPs sont une référence pertinente à des fins d’optimisation de la supply chain ; c’est-à-dire que l’amélioration des MRPs est une amélioration de l’optimisation de la supply chain. Cependant, les MRPs, comme tous les systèmes logiciels conçus autour de bases de données relationnelles, ne conviennent tout simplement pas aux défis de l’optimisation numérique.

Les fabricants confrontés aux limites de leur MRP ne devraient pas chercher des améliorations incrémentielles du MRP lui-même, car l’optimisation numérique est fondamentalement incompatible avec la conception du MRP, mais plutôt profiter de tous les outils logiciels et technologies qui ont réellement été conçus pour des performances numériques dès le départ.

Références