L'effet coup de fouet (avec Stephen Disney)

00:00:08 Introduction et parcours de Stephen Disney.
00:01:26 Aperçu de l’effet coup de fouet dans les chaînes d’approvisionnement.
00:02:26 Quatre sources clés de l’effet coup de fouet.
00:05:17 Ruptures de stock et leur influence sur l’effet coup de fouet.
00:06:02 Pertinence de l’effet coup de fouet aujourd’hui et moyens de le réduire.
00:08:00 Prévisions et modèles probabilistes dans la gestion de la chaîne d’approvisionnement.
00:10:23 Cultiver plus d’options et tirer parti des substitutions pour un meilleur service.
00:12:13 Passer des prévisions ponctuelles aux prévisions probabilistes pour atténuer les problèmes de chaîne d’approvisionnement.
00:14:35 Application de la théorie du contrôle dans les algorithmes de réapprovisionnement de la chaîne d’approvisionnement.
00:15:38 Joannes partage ses réflexions sur l’analogie des contrôleurs de rétroaction dans la gestion de la chaîne d’approvisionnement.
00:16:00 Gradient stochastique et optimisation locale dans les jeux multidimensionnels.
00:17:11 Différentes approches d’optimisation pour diverses industries et secteurs.
00:19:07 Application des techniques d’optimisation dans les chaînes d’approvisionnement réelles.
00:20:54 Importance de prévisions précises et de l’ingénierie de production.
00:23:20 Pertinence de l’effet coup de fouet aujourd’hui et sa relation avec la pandémie de COVID.
00:25:01 Discussion sur la faisabilité de quantifier la variation dans les chaînes d’approvisionnement.
00:26:05 Discussion sur le contrôle financier dans les chaînes d’approvisionnement.
00:26:22 Les recherches de Stephen sur les chaînes d’approvisionnement à double approvisionnement.
00:27:24 Les points de vue de Stephen sur les avantages des chaînes d’approvisionnement à double approvisionnement.
00:28:01 Comparaison des chaînes d’approvisionnement avec les systèmes de contrôle et la fréquence naturelle.

Résumé

Kieran Chandler interviewe Joannes Vermorel, fondateur de Lokad, et Stephen Disney, professeur de gestion des opérations, à propos de l’effet coup de fouet dans les chaînes d’approvisionnement. Disney identifie quatre sources clés de cet effet et suggère que les entreprises peuvent le réduire en utilisant des idées d’ingénierie de contrôle, en partageant des informations et en mettant en place d’autres stratégies. Vermorel souligne l’importance des prévisions probabilistes et de la maîtrise de l’optionnalité dans la gestion de la chaîne d’approvisionnement. Disney introduit la théorie du contrôle et ils discutent de conseils pratiques pour mettre en œuvre ces techniques. Les deux experts estiment que l’effet coup de fouet n’est pas inévitable. Les recherches de Disney se concentrent sur les chaînes d’approvisionnement à double approvisionnement, offrant une plus grande robustesse face aux perturbations. Ils reconnaissent que la reprise de la chaîne d’approvisionnement après la pandémie de COVID-19 variera en fonction des délais d’approvisionnement.

Résumé étendu

Dans cette interview, Kieran Chandler anime une discussion avec Joannes Vermorel, fondateur de Lokad, et Stephen Disney, professeur de gestion des opérations à l’Université d’Exeter, à propos de l’effet coup de fouet dans les chaînes d’approvisionnement. L’effet coup de fouet est un phénomène où les fluctuations observées dans un système, comme une chaîne d’approvisionnement, dépassent l’ampleur des fluctuations à l’entrée, généralement la demande.

Stephen Disney a passé 25 ans à étudier l’effet coup de fouet, utilisant des techniques d’ingénierie, des simulations informatiques et des mathématiques pour aider les entreprises à comprendre et à atténuer le problème. Il identifie quatre sources clés de l’effet coup de fouet, telles qu’identifiées dans un article de 1997 : 1) le traitement du signal de demande (interprétation, prévision et génération de commandes de réapprovisionnement), 2) le regroupement (quantités minimales ou économiques de commande), 3) le rationnement et les jeux (surcommande en raison de pénuries et annulation ultérieure des commandes), et 4) les variations de prix (manipulation de la demande de produits).

Joannes Vermorel convient que l’effet coup de fouet est omniprésent, mais note que les causes profondes et les manifestations peuvent différer selon les industries. Par exemple, dans l’industrie de la vente au détail de produits frais, les ruptures de stock peuvent entraîner d’importantes fluctuations de la demande en synchronisant les habitudes de consommation des consommateurs.

Stephen estime que les conclusions de l’article de 1997 sont toujours pertinentes aujourd’hui, en particulier pour les entreprises à forte intensité capitalistique au bas des chaînes d’approvisionnement, car la production ou la distribution peut être deux à cinq fois plus variable que la demande, et les stocks peuvent être cinq à dix fois plus variables. Il n’est pas d’accord avec l’affirmation de l’article selon laquelle l’effet coup de fouet est inévitable, arguant que les entreprises peuvent le réduire en sélectionnant des méthodes de prévision appropriées, en les ajustant, en utilisant des idées d’ingénierie de contrôle, en partageant des informations (par exemple, grâce aux données EPOS ou à l’inventaire géré par le fournisseur) et d’autres stratégies.

Joannes Vermorel remet également en question l’idée selon laquelle l’effet coup de fouet est inévitable, suggérant que les entreprises peuvent trouver des moyens d’atténuer son impact.

Vermorel a souligné le passage des prévisions ponctuelles aux prévisions probabilistes comme une amélioration significative dans la gestion des incertitudes de la chaîne d’approvisionnement. Il a soutenu que ce changement permet de résoudre les problèmes de stabilité numérique et permet une représentation plus précise de la demande et des délais.

Vermorel a également souligné l’importance de maîtriser l’optionnalité dans la gestion de la chaîne d’approvisionnement. En envisageant différentes options de substitution de composants ou de choix de modes de transport différents, les entreprises peuvent mieux s’adapter aux situations changeantes et minimiser les risques. Il a noté que la capacité à exploiter ces options s’est considérablement développée ces dernières années, rendant de plus en plus possible l’optimisation des chaînes d’approvisionnement.

Stephen Disney a introduit le concept de théorie du contrôle dans la gestion de la chaîne d’approvisionnement, en faisant un parallèle avec l’expérience de régulation de la température de l’eau dans une douche. Il a expliqué que de petits ajustements progressifs aux décisions de la chaîne d’approvisionnement sont nécessaires pour éviter les oscillations de l’offre et de la demande. Ce concept s’applique à la gestion des stocks et aux algorithmes de réapprovisionnement dans les systèmes ERP, où les entreprises peuvent corriger lentement les niveaux de stocks et les travaux en cours (WIP) pour créer une chaîne d’approvisionnement plus fluide et plus stable.

Joannes Vermorel est d’accord avec l’analogie de Disney, notant que la percée de l’apprentissage profond était la redécouverte de la descente de gradient stochastique, qui consiste à apporter de petits ajustements pour améliorer un système. Cette idée rejoint l’analogie de la douche de Disney, où de petits changements progressifs peuvent aider à optimiser la chaîne d’approvisionnement face aux incertitudes.

Ils ont discuté de l’optimisation de la chaîne d’approvisionnement et de l’application de ces techniques dans des scénarios réels.

Vermorel discute de l’efficacité de l’optimisation basée sur le gradient, soulignant l’importance de prendre en compte les asymétries des moteurs économiques dans différentes industries. Il utilise l’exemple de la production de montres de luxe, où certaines contraintes peuvent ne pas s’appliquer en raison des marges brutes élevées et de la recyclabilité des matériaux utilisés. Il souligne également la nécessité de comprendre que ce qui peut être considéré comme gaspillage dans une industrie peut être raisonnable dans une autre.

Disney, quant à lui, parle de conseils pratiques pour les entreprises dans la mise en œuvre de ces techniques. Il suggère de commencer par une cartographie de la chaîne de valeur pour comprendre le processus de production d’un produit et les besoins stratégiques de la chaîne d’approvisionnement. Les entreprises doivent déterminer si elles se concentrent sur la réduction des stocks ou si les coûts de capacité sont importants, car ces facteurs auront un impact sur l’approche de l’optimisation. Elles doivent également examiner les séries chronologiques de la demande, des prévisions, des objectifs et des réalisations de production, ainsi que des niveaux de stocks pour identifier les sources et les conséquences de la variabilité dans le système.

Disney recommande de prendre en compte si les ajustements manuels des prévisions ajoutent de la valeur par rapport aux prévisions algorithmiques et d’évaluer si les algorithmes de prévision choisis sont correctement adaptés aux besoins de l’entreprise. Il souligne également l’importance de s’assurer que les algorithmes utilisant les prévisions sont correctement configurés dans les systèmes informatiques, les systèmes ERP ou les feuilles de calcul pour la planification de la production et l’approvisionnement auprès des fournisseurs. Enfin, il insiste sur l’importance de l’ingénierie de production, telle que la fiabilité des machines et la qualité des produits.

En ce qui concerne la pertinence de l’effet coup de fouet aujourd’hui, Vermorel estime que la pandémie de COVID-19 n’était pas une manifestation directe de l’effet coup de fouet, mais plutôt un exemple d’événements à queue grasse qui rappellent aux responsables de la chaîne d’approvisionnement l’importance de prendre en compte les distributions statistiques non normales. Il spécule que les conséquences de la pandémie pourraient donner lieu à des problèmes similaires à l’effet coup de fouet, comme cela a été observé dans l’industrie électronique en Asie.

Vermorel explique qu’en examinant tous les futurs et les décisions possibles, les entreprises peuvent apporter des réponses plus granulaires aux problèmes de la chaîne d’approvisionnement. Cette approche n’était pas techniquement réalisable il y a deux décennies, mais elle permet aux entreprises de mieux contrôler les résultats financiers actuels. Les chaînes d’approvisionnement ont souvent des coûts non linéaires, ce qui signifie que produire deux fois plus peut coûter cinq fois plus cher en raison des heures supplémentaires, de la maintenance agressive et d’autres facteurs. Bien que ces problèmes ne puissent pas être entièrement éliminés, ils peuvent être gérés de manière plus efficace d’un point de vue financier.

Les recherches de Disney se concentrent sur les chaînes d’approvisionnement à double source, où les entreprises se procurent la plupart de leurs produits dans des pays à bas coûts avec des délais de livraison longs, tout en complétant avec une petite usine locale. L’usine locale peut répondre rapidement à la variabilité de la demande, en maintenant les stocks sous un contrôle strict, tandis que la majorité de la demande est satisfaite par des produits à bas coûts provenant d’usines éloignées. Cette approche présente plusieurs avantages, notamment une distribution mondiale réduite, la possibilité de rapatrier la production dans les pays occidentaux et une plus grande résilience de la chaîne d’approvisionnement face aux perturbations.

Selon Disney, les chaînes d’approvisionnement ont une fréquence naturelle, tout comme un pont vibrant dans le vent. La chaîne d’approvisionnement oscille actuellement à sa fréquence naturelle en raison de l’impact de la COVID-19, ce qui entraînera une augmentation et une diminution périodiques de la demande. Les chaînes d’approvisionnement mondiales avec des délais de livraison longs mettront plus de temps à se rétablir, tandis que les chaînes d’approvisionnement avec des délais de livraison plus courts rebondiront plus rapidement.

Transcription complète

Kieran Chandler: Aujourd’hui sur Lokad TV, nous sommes ravis d’accueillir Stephen Disney, professeur d’opérations à l’Université d’Exeter, qui va nous expliquer pourquoi cet effet peut se produire et quel impact il peut avoir sur les praticiens de la chaîne d’approvisionnement. Donc Stephen, merci beaucoup de nous rejoindre en direct depuis Exeter aujourd’hui. Comme toujours, nous aimerions en savoir un peu plus sur nos invités. Alors peut-être pourriez-vous simplement commencer par nous parler un peu de vous.

Stephen Disney: Oui, je m’appelle Stephen Disney. Je suis professeur de gestion des opérations à l’Université d’Exeter ici au Royaume-Uni. Je m’intéresse en fait à la dynamique des chaînes d’approvisionnement dans le cadre de mes recherches. J’ai passé environ les 25 dernières années à étudier l’effet coup de fouet. Il s’agit d’un effet dynamique dans les chaînes d’approvisionnement, et j’ai appliqué des techniques d’ingénierie, de simulation informatique et de mathématiques à ces problèmes tout en travaillant dans une école de commerce et en aidant les entreprises. Je trouve cela fascinant, et je vous remercie de me permettre d’en parler aujourd’hui.

Kieran Chandler: Bien sûr, pas de problème. L’idée de l’effet coup de fouet est ce que nous allons examiner un peu plus en détail aujourd’hui. Alors peut-être pourriez-vous commencer par nous donner un bref aperçu.

Joannes Vermorel: Donc, ma compréhension de l’effet coup de fouet est fondamentalement un phénomène où les fluctuations que vous observez dans un système, et ici nous regardons la chaîne d’approvisionnement comme un système, dépassent l’ampleur des fluctuations qui alimentent l’entrée du système, et généralement cela serait la demande. Et donc ce serait le genre de phénomène. Et d’ailleurs, si vous avez quelque chose qui peut amplifier les fluctuations des entrées, vous avez aussi des choses qui peuvent réellement diminuer les fluctuations. Et c’est généralement ce qui peut amplifier ou diminuer, comme les tampons d’inventaire, par exemple.

Kieran Chandler: D’accord, donc Stephen, quels sont ces facteurs qui peuvent influencer l’effet coup de fouet ? Quels sont-ils ?

Stephen Disney: Eh bien, l’article de Hau Lee en 1997 a identifié quatre sources clés de l’effet coup de fouet. L’une d’entre elles s’appelle le traitement du signal de demande, qui concerne la façon dont nous interprétons la demande, la prévoyons, puis générons des commandes de réapprovisionnement. Donc, il y a un algorithme de prévision et de réapprovisionnement là-dedans. Le suivant est le regroupement, où nous pourrions produire dans une quantité minimale de commande ou une quantité économique de commande, ce qui introduit de la variabilité. Un autre effet est le rationnement et la manipulation ; vous pourriez manquer de produits ou votre fournisseur pourrait manquer de produits, vous pourriez donc commander en excès pour obtenir les produits dont vous avez réellement besoin, puis annuler vos commandes lorsque ces produits arrivent. Le dernier est les variations de prix. Les entreprises aiment manipuler la demande de produits, et cela peut cannibaliser la demande future de produits. L’offre deux pour un dans le supermarché en est un exemple classique. J’achète deux fois plus de papier toilette quand il est à moitié prix parce qu’il ne se périme pas et j’ai beaucoup d’espace de stockage à la maison. Cependant, une tarification basse tous les jours peut aider à résoudre cela.

Kieran Chandler: Les techniques de gestion des revenus aussi ?

Joannes Vermorel: Oui, la fondamentale, celle qui est due à la structure du système, les délais de livraison, c’est la prévision et le système de réapprovisionnement, les délais de livraison dans le traitement du signal de demande.

Kieran Chandler: Et Stephen a mentionné que le signal de demande, qui se manifeste sous forme de prévision, est celui qui semble attirer le plus d’attention parmi ces quatre facteurs. Pensez-vous que c’est juste ? Pensez-vous que c’est la bonne façon de faire les choses ?

Joannes Vermorel: Je pense que cela dépend des secteurs. Ma propre observation est qu’il y a de nombreux secteurs où ce qui domine, et pourtant vous avez cet effet d’amplification de la variation qui se produit, ou l’effet Bullwhip, mais les causes profondes sont complètement différentes et extrêmement simples. Par exemple, dans la vente au détail de produits frais, ce qui le motive, ce sont en réalité les ruptures de stock. Parce que ce qui se passe lorsque vous avez une rupture de stock, c’est que vous avez tendance à synchroniser les habitudes de consommation de vos clients. Ainsi, ce que nous avons observé avec de nombreuses entreprises de vente au détail de produits alimentaires, c’est que vous pouvez observer de grandes fluctuations de la demande, et c’est simplement parce que vous avez une population de clients qui, lorsqu’il y a une rupture de stock, retardent un peu leur consommation. Vous vous retrouvez donc avec un effet d’exacerbation qui synchronise les habitudes de consommation simplement causé par les ruptures de stock. Les ruptures de stock elles-mêmes peuvent en réalité entraîner beaucoup de ces grandes fluctuations en synchronisant les clients eux-mêmes. Mais en fin de compte, je crois que ce genre d’effets est en effet omniprésent, mais la façon dont ils se manifestent dépend vraiment des industries que vous regardez. L’article original se concentrait largement sur les produits de grande consommation, et ce que je dis, c’est que cela tend à se produire de manière assez différente si vous regardez des entreprises qui ne sont pas des entreprises de produits de grande consommation.

Kieran Chandler: D’accord, Stephen, parlons des principales conclusions de cet article. Il a été publié il y a plus de 20 ans, donc quelles étaient les principales conclusions, et diriez-vous qu’elles sont toujours pertinentes aujourd’hui ?

Stephen Disney: Je pense que les conclusions sont très pertinentes aujourd’hui. Elles ont principalement affirmé que l’effet Bullwhip était inévitable, en particulier en raison du traitement du signal de demande. Une demande faiblement corrélée et positive générera toujours un effet Bullwhip. Et ce que je constate dans les entreprises, c’est que, généralement au niveau d’un produit individuel, la production ou la distribution sera deux fois plus variable que la demande, parfois jusqu’à cinq fois plus variable que la demande. Et cela a également des conséquences sur les stocks, qui peuvent être cinq ou dix fois plus variables que la demande. Je vois donc de nombreuses entreprises souffrir de cet effet, et pour les entreprises à forte intensité capitalistique au bas de la chaîne d’approvisionnement, il s’agit d’une grande inefficacité. La conclusion principale est très pertinente, surtout à l’ère des chaînes d’approvisionnement mondiales, et nous sommes devenus de plus en plus mondiaux avec des délais de livraison plus longs. Là où je ne suis pas d’accord, c’est avec l’aspect “inévitable” de la chose. Il y a des choses que nous pouvons faire ; nous pouvons choisir des méthodes de prévision plus appropriées.

Kieran Chandler: Nous pouvons ajuster les méthodes de prévision de la bonne manière, et nous pouvons également prendre ces décisions de réapprovisionnement en utilisant des idées et des théories de l’ingénierie de contrôle pour aider à lisser et éliminer l’effet Bullwhip. Nous pouvons utiliser des informations, des données EPOS dans les chaînes d’approvisionnement de la vente au détail qui peuvent nous aider. Nous pouvons également utiliser des techniques telles que la gestion des stocks par le fournisseur, où votre fournisseur a accès à vos informations de stock et peut les utiliser dans ses décisions. Toutes ces choses peuvent aider à atténuer l’effet Bullwhip, et dans certains cas, nous pouvons l’éliminer complètement. Joannes, qu’en pensez-vous ? Seriez-vous d’accord avec cette idée selon laquelle ce n’est pas si définitif, et qu’il existe des moyens et des méthodes pour atténuer l’impact ?

Joannes Vermorel: Ma perspective est que lorsque nous examinons l’angle de la prévision, cette perspective, qui remonte à la fin du XXe siècle, est fermement ancrée dans la prévision ponctuelle. Il s’agit d’une prévision qui est essentiellement une série temporelle avec un point de données par an, par jour, par semaine ou par mois, et vous déroulez la prévision en avant avec une perspective de série temporelle et une gestion des stocks à l’esprit. Ce que Lokad a fait depuis plus d’une décennie, c’est de passer à une prévision probabiliste pour toutes les zones où il y a de l’incertitude, comme la demande et les délais de livraison. Ce genre de malédiction que vous aviez avec les prévisions ponctuelles, où soit vous avez une prévision qui est toujours en retard, soit si vous avez quelque chose de plus réactif mais alors vous vous retrouvez avec des variations beaucoup plus grandes, ce sont des problèmes de stabilité numérique qui dépendent beaucoup du fait que nous parlons de prévisions ponctuelles en premier lieu. Lorsque nous passons au domaine des prévisions probabilistes, la plupart de ces problèmes disparaissent littéralement. Cela serait la première partie de ma réponse.

La deuxième partie est la façon dont j’aborde généralement la supply chain, c’est de dire que c’est la maîtrise de l’optionnalité, et une partie du jeu est de cultiver plus d’options. Je crois que la vision où vous voyez la demande comme un monolithe et les délais de livraison comme un monolithe est également, dans une certaine mesure, un peu dépassée. Tout d’abord, il y a une grande quantité de substitution. Parfois, vous pouvez même concevoir le fait que vous pouvez exploiter cette substitution pour offrir un meilleur service. Il peut y avoir des composants partagés entre les produits que vous servez, vous n’avez donc pas naturellement à suivre l’archétype de, par exemple, l’industrie pharmaceutique où vous

Kieran Chandler: Joannes, que pensez-vous de l’idée de maintenir des options ouvertes en termes de transport et d’emballage pour atténuer les problèmes potentiels de la supply chain ?

Joannes Vermorel: Vous devez avoir le produit brut actif, mais ensuite vous pouvez avoir 150 options d’emballage différentes réalisées à la dernière minute pour garder vos options ouvertes. De nos jours, il existe de nombreuses options de transport disponibles, comme l’air, la mer, le rail et la route. Ce n’est pas que chaque option est gravée dans le marbre ; c’est un gradient de choses qui peuvent être plus ou moins coûteuses. Selon la situation, vous pouvez décider d’avoir un envoi anticipé par avion à un coût beaucoup plus élevé, simplement parce que cela va compresser considérablement vos délais de livraison et atténuer une rupture de stock imminente. Mais vous n’allez pas le faire pour toute votre production, seulement une partie. Donc, bien que je sois d’accord avec la conclusion de Stephen selon laquelle les problèmes de la supply chain ne sont pas inévitables, je dirais que le nombre de moyens pour les atténuer et les rendre plus rentables pour votre supply chain a considérablement augmenté au cours des deux dernières décennies.

Kieran Chandler: Stephen, vous avez mentionné cette idée d’utiliser la théorie du contrôle, que je vois comme une technique plus d’ingénierie. Comment cela peut-il être appliqué dans ce genre de scénario ?

Stephen Disney: J’ai une analogie que j’aime utiliser - c’est à propos de prendre une douche. Dans une supply chain, nous prenons une décision, et après un certain temps, nous recevons des produits soit de notre système de production, soit de notre fournisseur. Il y a un délai entre la cause, la décision, et la conséquence, l’arrivée des produits. Maintenant, imaginez que nous avons l’une de ces douches à l’ancienne avec des robinets d’eau chaude et d’eau froide séparés. Pour réguler la température, je tournerais le robinet d’eau chaude à fond, j’attendrais que l’eau chaude arrive dans la douche et tombe sur ma tête, puis j’utiliserais le robinet d’eau froide pour réguler la température. Si je tourne le robinet d’eau froide trop rapidement, il fera trop froid, et si je le tourne trop rapidement dans l’autre sens, il fera trop chaud. Nous savons que dans la douche, nous devrions tourner le robinet lentement et attendre que l’eau arrive dans le tuyau pour atteindre la température souhaitée.

Le même principe s’applique à une supply chain. Si la demande augmente, peut-être parce que nous avons investi de nouveaux marchés ou que nos produits sont devenus plus favorables, nous ne voulons pas suivre immédiatement toute cette augmentation, car nous créerions des oscillations dans l’offre et la demande. En réalité, nous voulons répondre lentement aux changements de demande. Si nous le faisons et que la demande est de courte durée, elle pourrait diminuer, et nous ne la suivons pas jusqu’au bout, que ce soit à la hausse ou à la baisse.

Kieran Chandler: Donc, Joannes, vous avez mentionné cet algorithme de réapprovisionnement qui aide à lisser la variabilité de la production. Pouvez-vous nous en dire un peu plus à ce sujet ?

Joannes Vermorel: Oui, absolument. Nous obtenons ce joli motif régulier avec des commandes de production ou des commandes de réapprovisionnement qui circulent au milieu des pics et des creux de la demande, et le point où vous le faites est dans les algorithmes de réapprovisionnement. La prévision est utilisée dans l’algorithme de réapprovisionnement de votre système ERP, et généralement pour un produit à fort volume, il s’agira d’une variante de quelque chose appelé la politique de remplissage. Il y a deux boucles de rétroaction, une pour l’inventaire et une pour le travail en cours. Donc, nous avons un inventaire cible qui est notre stock de sécurité et notre inventaire réel peut être inférieur ou supérieur. Au lieu d’essayer de tout corriger en une seule décision, ce que nous voulons faire, c’est le corriger lentement au fil du temps pour lisser la variabilité qui est placée sur la production. C’est la même chose avec le travail en cours. Si nous avons un long délai de livraison, il y aura une quantité cible de produits dans les bateaux et les conteneurs qui nous sont expédiés, et nous devons en tenir compte de la même manière que pour l’inventaire. Mais c’est un petit changement dans un algorithme qui peut avoir un impact important sur la dynamique des supply chains.

Kieran Chandler: Stephen, qu’en pensez-vous de cette sorte d’analogie ? Il semble assez évident de suivre cette idée d’un contrôleur de rétroaction. Cela semble fonctionner en surface.

Stephen Disney: Eh bien, Kieran, je veux dire, de nos jours, l’une des plus grandes avancées du deep learning a été en réalité une redécouverte du pouvoir de la descente de gradient stochastique, qui est exactement cela. Vous poussez un système petit à petit dans la direction où vous apprenez. C’est ce que fait la descente de gradient stochastique, donc l’analogie de la douche est juste une série de petites touches, vous savez, chaud et froid jusqu’à ce que vous vous convertissiez. C’est très intéressant parce qu’il y a deux décennies, les gens étaient en réalité très sceptiques quant à ce qui est maintenant connu sous le nom d’optimisation locale. Donc, fondamentalement, vous suivez simplement le gradient et vous obtenez une sortie hautement optimisée, et les gens pensaient : “Oh, si vous faites ça, vous allez rester coincé dans des minima locaux et ça ne marche pas.” La réalité, c’est que lorsque vous jouez à des jeux très dimensionnels, les minima locaux ne sont pas le problème, c’est la vitesse de convergence, et pousser le système avec de petits mouvements comme cela se fait dans la descente de gradient stochastique fonctionne très, très bien. Donc, ce serait une partie de ma réflexion. Ensuite, il y a autre chose, c’est quand nous parlons de ce que nous essayons d’optimiser, encore une fois, je dirais que cela dépend beaucoup du type de secteurs d’activité que vous regardez, car, par exemple, prenons le luxe. Disons que vous êtes un maître horloger et que vous produisez des montres très chères, et disons que l’extrême serait les montres pour femmes. Donc, ce que vous avez essentiellement, c’est un bijou fait de métaux précieux, 100% recyclable. Vous pouvez recycler 100% de la valeur. Vous avez des métaux précieux, des pierres précieuses, puis vous avez un mouvement qui est un peu standardisé. Donc, quelles sont vos contraintes ? Je veux dire, vous pouvez et littéralement, si vous n’avez rien à montrer en magasin, les gens n’achètent pas, donc vous l’avez.

Kieran Chandler: de votre intérêt de produire vraiment beaucoup et c’est un marché, le luxe est très influencé par la nouveauté, donc vous devez produire beaucoup. Et que se passe-t-il si vous ne produisez pas ?

Joannes Vermorel: Eh bien, ce que vous ne produisez pas, vous ramenez simplement les montres chères dans un magasin, vous démontez toutes les pierres précieuses, vous recyclez le métal, et vous mettez les mouvements dans de nouvelles montres, puis vous les renvoyez. Ensuite, vous réalisez que peut-être l’assemblage représente environ cinq pour cent du coût d’une montre et que c’est une marge brute de 80%. Donc, vous voyez, lorsque vous êtes dans ce genre de situation, il y a des asymétries très fortes en jeu. Évidemment, cela varie. Ce n’est pas la même chose pour une FMCG fortement pressurée qui opère vraiment avec des marges très serrées. Mon point est que l’optimisation basée sur le gradient fonctionne vraiment, mais alors vous devez vraiment penser en termes d’asymétrie des moteurs économiques pour savoir quels sont les domaines qui représentent le point d’équilibre idéal. Et d’un secteur à l’autre, ce qui serait considéré comme incroyablement gaspilleur dans une industrie pourrait en réalité être considéré comme très raisonnable dans une autre industrie.

Kieran Chandler: D’accord, Stephen, parlons un peu peut-être de l’application de ces techniques dans le monde réel. Je pense que l’une des choses pour lesquelles l’article était très bon, c’est qu’il mettait en évidence certains de ces problèmes, mais il n’était pas très prescriptif sur la façon de les résoudre. Alors, quel genre de conseils donnez-vous aux entreprises avec lesquelles vous travaillez peut-être ?

Stephen Disney: En m’appuyant sur les idées de Joannes, je pense que la première étape consiste à comprendre les besoins de votre supply chain. Ainsi, la cartographie de la chaîne de valeur est une première étape importante. Vous voulez comprendre le processus utilisé pour produire un produit. Vous voulez comprendre quels sont les besoins stratégiques de ce processus. S’agit-il d’une supply chain où vous vous concentrez uniquement sur la réduction des stocks, ou les coûts de capacité sont-ils importants ? Si vous vous concentrez uniquement sur les stocks et que l’effet coup de fouet n’a aucune conséquence, alors concentrez-vous sur la minimisation de vos coûts de stocks, et c’est bien. Dans les industries à forte intensité capitalistique, il s’agit probablement d’un équilibre entre les coûts de stocks des produits finis et des matières premières, et l’utilisation efficace de vos installations de production et du capital que vous y avez investi. Ainsi, comprendre votre supply chain, la cartographier - j’aime utiliser des cartes de flux de valeur pour cela - puis superposer à cela, des séries temporelles de la demande, des prévisions, des objectifs de production et des réalisations de production, des niveaux de stocks, des produits finis, des matières premières. Et ensuite, revenir à votre fournisseur, à quoi ressemblent les prévisions, les commandes que vous passez à votre fournisseur ? Correspondent-elles à leurs livraisons, et êtes-vous en mesure de donner des indications fiables à votre fournisseur sur ce qui est nécessaire ? Cela vous donnera une compréhension de l’endroit où la variabilité dans le système est générée et quelles en sont les conséquences, car ce n’est pas toujours négatif. Ainsi, lorsque vous avez compris les besoins stratégiques de votre supply chain, vous pouvez alors commencer à réfléchir à la façon dont vous faites vos prévisions. Souvent, les entreprises ajustent manuellement leurs prévisions, et nous devons réfléchir à savoir si cela ajoute réellement de la valeur par rapport à une prévision algorithmique.

Kieran Chandler: Utilisez-vous les bons algorithmes de prévision ? Sont-ils réglés correctement pour les besoins de votre entreprise ? Une supply chain axée sur les stocks aura des besoins de prévision différents d’une entreprise de prévision à forte intensité capitalistique. Nous devons nous rappeler que nous ne créons pas des prévisions pour montrer aux gens à quel point nous pouvons bien prédire l’avenir, mais nous créons des prévisions pour prendre une décision commerciale sur la quantité à commander à nos fournisseurs et la quantité à produire. Donc, les algorithmes qui utilisent ces prévisions, sont-ils configurés au bon endroit ? Ont-ils des régulateurs de rétroaction proportionnels, des vitesses de robinets correctes ? Sont-ils configurés correctement ?

Stephen Disney: C’est un travail qui peut être fait dans votre système informatique, votre système ERP, ou vos feuilles de calcul que vous utilisez pour planifier la production et vous approvisionner auprès des fournisseurs. Et puis, il y a du bon vieux travail d’ingénierie à faire. Le système de production est-il capable de produire selon le plan souhaité ? Vos machines sont-elles fiables ? Atteignez-vous les objectifs de production, ou produisez-vous parfois trop ou pas assez ? Produisez-vous des produits de bonne qualité ? C’est un mélange de prévision, d’informatique, de génie de contrôle et de génie de production traditionnel pour amener l’effet coup de fouet à un niveau approprié pour votre supply chain.

Kieran Chandler: Génial. Et Joannes, à quel point diriez-vous que l’effet coup de fouet est pertinent aujourd’hui ? Diriez-vous que COVID était un très bon exemple de l’effet coup de fouet en action ?

Joannes Vermorel: Je veux dire, COVID a été une perturbation à grande échelle pour tout le monde. Je ne pense pas que ce soit exactement une manifestation de l’effet coup de fouet. Je dirais que si une chose a caractérisé COVID, c’est une sorte d’événement à queue grasse. C’était un rappel que les distributions dans les supply chains, et par distributions, je veux dire les distributions statistiques, ne sont pas normales ; elles ont une queue grasse. Ainsi, vous avez ces événements extrêmes qui ne sont pas aussi improbables qu’ils le paraissent lorsqu’on regarde les distributions normales.

Je soupçonne qu’en raison de l’erraticité des délais de livraison, il y aura toutes sortes de problèmes résultant de cette pandémie qui prendront la forme de coups de fouet. Dans une certaine mesure, je pense que c’est ce que nous voyons en Asie en ce moment pour l’électronique. Mais je ne pense pas que cela va dominer. De nos jours, je pense que ce qui est très intéressant, c’est que si vous adoptez une approche où vous examinez tous les futurs possibles, puis examinez toutes les décisions possibles et croisez les deux, vous pouvez avoir une réponse très granulaire qui n’était pas techniquement réalisable il y a deux décennies. Vous pouvez vraiment quantifier jusqu’où vous êtes prêt à aller pour avoir des variations dans votre système qui dépassent la variation de la demande, car généralement, dans les supply chains, les choses ont des coûts non linéaires.

Kieran Chandler: Si vous voulez produire deux fois plus pendant la même période, cela peut ne pas coûter deux fois plus cher ; cela peut coûter cinq fois plus cher, simplement parce que les gens doivent travailler plus, que les machines doivent fonctionner à un niveau où un entretien agressif est nécessaire, etc. La question est de savoir si vous pouvez éliminer ces problèmes ou du moins les maîtriser d’un point de vue financier, où vous avez beaucoup plus de contrôle sur le résultat financier de votre entreprise ?

Joannes Vermorel: De nos jours, je ne pense pas que vous puissiez éliminer ces problèmes, mais vous pouvez largement les maîtriser d’un point de vue financier, ce qui vous donne beaucoup plus de contrôle sur le résultat financier de votre entreprise.

Kieran Chandler: Stephen, nous vous laissons le dernier mot. Je sais que vous faites beaucoup de recherches dans le domaine des techniques statistiques et de leur application à la gestion des opérations. Que recherchez-vous en ce moment et qu’est-ce qui vous semble intéressant pour les années à venir ?

Stephen Disney: J’ai passé beaucoup de temps récemment à étudier les supply chains à double approvisionnement. Ce sont des supply chains où nous nous approvisionnons principalement en produits dans un pays à bas coût qui peut être éloigné, mais nous complétons cela avec une petite usine locale. La petite usine locale aura un délai de livraison plus court et peut être plus chère par unité à produire localement, mais parce que nous pouvons satisfaire la plupart de la demande à partir de la supply chain à long délai de livraison et à bas coût, le coût unitaire en moyenne est assez faible. La petite usine peut rapidement adapter son volume pour s’adapter à la variabilité de la demande, nous pouvons donc maintenir nos stocks sous un contrôle très strict avec la petite usine tout en satisfaisant la plupart de la demande avec les produits à bas coût de l’usine éloignée.

L’examen de la manière dont nous exploitons ces idées est intéressant. Je pense que c’est bon d’un point de vue environnemental car la distribution nette des produits dans le monde va diminuer. C’est une façon intéressante de ramener la fabrication dans les pays occidentaux coûteux et espérons-le, rendra nos supply chains plus robustes face aux perturbations.

En s’appuyant sur la dernière question, pour moi, la supply chain est un système avec une fréquence naturelle, tout comme un pont vibrera dans le vent à une certaine fréquence. La supply chain a une fréquence naturelle, et nous venons de lui donner un grand coup de COVID. La supply chain va osciller à sa fréquence naturelle pendant quelques années avant que cette oscillation ne s’atténue. Nous allons voir la demande augmenter, puis baisser, puis augmenter à nouveau. Les supply chains mondiales avec de longs délais de livraison mettront plus de temps à se dissiper, tandis que les supply chains avec de courts délais de livraison se rétabliront beaucoup plus rapidement.

Kieran Chandler: Brillant. Eh bien, merci à vous deux pour votre temps. C’est tout pour cette semaine. Merci beaucoup de nous avoir suivi et nous vous retrouverons dans le prochain épisode. Merci de votre attention.