00:00:00 Introduction aux complexités de la planification
00:02:30 Interdépendance et défis du taux de service dans l’aérospatial
00:06:14 Discussion sur la Bill of Materials et Bill of Resources
00:13:15 Défis quotidiens de la planification et limites humaines
00:20:45 Présentation des algorithmes pour une planification efficiente
00:28:30 Mesures d’urgence et tarification AOG dans l’aérospatial
00:36:02 Perspective mathématique sur les impacts de la planification
00:43:47 Complexité et contraintes dans l’ordonnancement des tâches
00:50:17 Tirer parti de la puissance computationnelle pour l’optimisation de la planification
00:57:39 Critique des limites de FIFO dans les opérations MRO
01:04:15 Prise de décision et automatisation en supply chain
Résumé
Lors d’une interview récente, Conor Doherty, Directeur de la Communication chez Lokad, et Simon Schalit, COO, ont discuté de la percée de Lokad dans l’optimisation de la planification dans l’aérospatial, en particulier dans la fabrication d’avions et les opérations MRO. Ils ont mis en avant la complexité de coordonner de nombreuses pièces interdépendantes, compétences et équipements, que les méthodes traditionnelles peinent à gérer. L’approche de Lokad passe d’une Bill of Materials (BOM) à une Bill of Resources (BOR), en considérant toutes les ressources nécessaires et leur variabilité. En utilisant des algorithmes computationnels, Lokad peut rapidement générer des solutions pratiques, minimisant ainsi le risque financier et les temps d’arrêt. Cette intégration de l’automatisation et des insights stratégiques humains est cruciale pour une planification efficace dans des environnements complexes.
Résumé Étendu
Lors d’une interview récente chez Lokad, Conor Doherty, Directeur de la Communication, a rencontré Simon Schalit, COO et Head of Supply Chain Science, pour approfondir les complexités de l’optimisation de la planification, en particulier dans le secteur de l’aérospatial. La conversation a mis en lumière une percée significative réalisée par Lokad dans ce domaine, qui a des implications profondes pour la fabrication d’avions et les opérations de Maintenance, Repair, and Overhaul (MRO).
Conor a commencé par poser le contexte, en soulignant la nature complexe de la planification dans les industries de la fabrication et de la réparation. Il a souligné que gérer un vaste réseau de pièces, d’outils et de personnel, pouvant changer de manière imprévisible, constitue un défi de taille. Simon Schalit a ensuite détaillé cette complexité en prenant l’exemple de l’aéronautique, où la tâche de fabriquer ou de réparer quelque chose d’aussi complexe qu’un moteur d’avion implique de coordonner de nombreuses pièces, compétences et équipements. Il a souligné que, contrairement à d’autres segments de supply chain où les décisions peuvent souvent être prises de manière indépendante, dans les opérations MRO et la fabrication, en particulier dans l’aéronautique, chaque élément est interdépendant. L’absence même d’une seule pièce sur cent peut paralyser l’ensemble du processus, rendant les 99 autres pièces inutiles.
Simon a expliqué que cette interdépendance nécessite un passage de la perspective traditionnelle de la Bill of Materials (BOM) à une approche plus complète de la Bill of Resources (BOR). Alors qu’une BOM dresse la liste des pièces nécessaires à une tâche, une BOR inclut toutes les ressources requises — pièces, compétences et équipements. Cette vision holistique est cruciale car elle prend en compte la disponibilité et la variabilité de chaque ressource. Par exemple, les pièces peuvent subir une variabilité des lead time, les compétences dépendent de la disponibilité du personnel, et l’équipement peut être en utilisation ou en cours de réparation.
Conor et Simon ont discuté des implications pratiques de cette approche. Dans un environnement MRO traditionnel, la planification quotidienne implique souvent d’ajuster manuellement les plannings en fonction de la disponibilité des pièces et du personnel. Cette méthode, bien que courante, est inefficace et sujette aux erreurs en raison des limites du cerveau humain à gérer des variables complexes et interdépendantes. Simon a souligné que même de légers changements dans un planning peuvent avoir des conséquences en cascade imprévisibles, rendant difficile l’obtention d’un plan optimal.
La conversation s’est ensuite orientée vers le rôle des algorithmes computationnels pour relever ces défis. Simon a expliqué que l’algorithme de Lokad peut rapidement générer une solution suffisante en prenant en compte l’état actuel de toutes les ressources. Cette capacité est vitale dans l’industrie aéronautique, où chaque minute d’inactivité est coûteuse. La force de l’algorithme réside dans sa capacité à simuler divers scénarios, permettant aux entreprises de comprendre les implications financières des différentes décisions et mesures d’urgence.
Conor a souligné que l’objectif n’est pas de trouver une solution parfaite, mais une solution pratique qui minimise le risque financier et reflète l’état actuel des ressources. Simon a acquiescé, notant que la capacité de générer rapidement une nouvelle séquence d’événements en fonction des ressources disponibles est cruciale pour minimiser l’impact financier.
La discussion a également abordé les limites des heuristiques traditionnelles comme FIFO (First In, First Out). Bien que FIFO soit simple et rapide, il ne tient pas compte de l’importance financière et stratégique variable des différentes tâches. Simon a soutenu qu’une approche plus nuancée, prenant en considération le contexte spécifique et les contraintes de chaque tâche, est nécessaire pour une planification efficace.
En conclusion, Simon et Conor ont souligné l’importance d’intégrer des outils computationnels aux insights stratégiques humains. Si bien que les humains excellent en planification stratégique, ils ne sont pas équipés pour gérer les complexités pointues de la planification dans des opérations à grande échelle. En tirant parti des algorithmes, les entreprises peuvent parvenir à des décisions de planification plus efficaces et financièrement solides.
Simon a conclu en affirmant que l’avenir de la prise de décision supply chain réside dans l’automatisation, en particulier dans des environnements complexes comme l’aérospatial. Il a souligné que l’approche de Lokad combine la puissance computationnelle nécessaire à une prise de décision précise avec la supervision stratégique fournie par des experts humains, offrant ainsi une solution robuste aux défis de l’optimisation de la planification dans les industries de fabrication et de réparation.
Transcription complète
Conor Doherty: Bienvenue chez Lokad. La planification est l’un des concepts les plus complexes dans les industries de fabrication et de réparation. Cela s’explique par le fait que vous devez gérer un réseau énorme de pièces, d’outils et de personnes, et ce réseau peut changer à tout moment.
L’invité d’aujourd’hui, Simon Schalit, est COO et Head of Supply Chain Science chez Lokad, et il m’a rejoint en studio pour discuter de la façon dont son équipe a abordé ce problème. Nous avons principalement parlé de la planification dans l’aérospatial, mais tout ce dont nous avons discuté aujourd’hui s’applique tout autant à toute industrie manufacturière. Comme toujours, si vous appréciez ce que vous entendez, aimez cette vidéo, abonnez-vous à la chaîne YouTube, et suivez-nous sur LinkedIn. Sur ce, je vous présente la conversation d’aujourd’hui avec Simon Schalit.
Le sujet d’aujourd’hui portait sur l’optimisation de la planification et l’important travail réalisé par l’équipe supply chain science pour obtenir une percée dans ce domaine. Avant d’entrer dans les détails, d’après votre perspective, et en prenant l’aérospatial comme secteur pour illustrer concrètement, quel est exactement le problème de la planification que notre équipe d’ingénieurs, notre équipe de supply chain scientists, essaie de résoudre ? Quel est le problème ?
Simon Schalit: D’accord, prenons l’exemple de l’aéronautique, MRO, ou de la fabrication. Lorsque vous essayez de fabriquer ou de réparer quelque chose de l’envergure d’un avion ou d’une grande partie d’un avion, disons un moteur, par exemple, vous êtes confronté à quelque chose d’incroyablement complexe. Complexe, bien sûr, du point de vue de l’ingénierie, mais aussi en tenant compte du nombre impressionnant de pièces, de compétences et d’équipements que vous devrez assembler pour mener à bien la tâche qui vous est assignée, que ce soit pour la fabrication ou la réparation.
Dans la plupart des segments de supply chain, lorsqu’on prend des décisions, on pourrait soutenir que les décisions peuvent être considérées comme indépendantes sans que cette façon de penser ne soit trop nuisible. Par exemple, si je décide d’acheter l’article A et que l’article A est rupture de stock, je pourrai quand même vendre l’article B ou l’article C. Il peut y avoir des conséquences, mais en général, c’est le cas. Ainsi, penser de manière indépendante n’est pas trop préjudiciable.
En ce qui concerne les opérations MRO ou la fabrication, surtout dans le domaine de l’aéronautique, cela devient complètement faux. Si vous voulez réparer, disons, un moteur et que vous avez besoin de 100 pièces pour le réparer, disposer de 99 de ces pièces et en manquer une ne vous permettra pas d’avancer par rapport à n’en avoir absolument aucune.
Conor Doherty: Que voulez-vous dire ?
Simon Schalit: Parce que le moteur ne peut toujours pas — l’avion ne peut toujours pas voler même s’il vous manque une seule de ces pièces. Même si vous en avez 99, l’avion ne peut pas voler. Vous êtes donc confronté à un problème où il ne suffit pas d’avoir chaque pièce isolément ; vous devez disposer de toutes les pièces et, en réalité, de toutes les ressources au bon endroit au bon moment. Sinon, vous ne pouvez rien faire.
Et en fait, cela change complètement la donne. Car même si vous dites, “D’accord, j’ai un taux de service de 99% taux de service,” ce que la plupart des entreprises considéreraient comme un taux de service élevé. Si vous considérez un taux de service de 99% indépendamment, c’est assez élevé. Mais si vous dites, “D’accord, j’ai besoin de 100 pièces, et pour ces 100 pièces, j’aurai un taux de service de 99% pour chacune d’elles individuellement,” autrement dit, 99% de chance sur 100 qu’elles soient présentes au moment attendu, alors si l’on considère ces probabilités comme indépendantes, le taux de service combiné dans ce cas très simple serait en réalité extrêmement bas. Il serait inférieur à 40%.
Cela signifie donc que même avec un taux de service de 99%, si vous avez besoin que 100 pièces ou ressources soient disponibles, la probabilité de ne pas pouvoir réaliser votre réparation ou votre étape de fabrication n’est pas un cas isolé ; cela devient la norme. Il y a plus de 50% de chances que cela se produise. Cela vous place dans un univers très différent de votre prise de décision supply chain habituelle. Vous vous retrouvez dans un monde où, même avec des taux de service très élevés, l’apparition de problèmes est la norme et non l’exception. Vous devez donc construire vos supply chains et votre processus de prise de décision supply chain pour qu’ils soient resilient face à cela. C’est donc un sujet entièrement différent.
Conor Doherty: D’accord, merci. Et vous avez mentionné quelques termes, et je souhaite les distinguer un peu car vous avez parlé de pièces, puis avez commencé à parler de ressources. Je présume donc que vous ne les employiez pas de manière synonyme ; vous faisiez une distinction. Pourriez-vous apporter un peu plus de clarté à ce sujet ? Quand vous dites ressources, vous ne parlez pas uniquement de pièces physiques. Certes, dans le cadre de la réparation d’un moteur ou d’un APU, des pièces physiques sont impliquées dans le processus, oui. Mais quand vous parlez de ressources, de quoi s’agit-il exactement ?
Simon Schalit: Eh bien, lorsqu’on parle de réparer ou de fabriquer quelque chose, on fait référence au concept de bill of material. Un bill of material est fondamentalement la liste des pièces dont vous avez besoin pour assembler quelque chose — un avion, un moteur, peu importe. Le problème, c’est que cela ne constitue qu’une partie du problème. Vous aurez besoin d’autres types de ressources pour réellement accomplir la tâche.
Principalement, ces ressources vont être des compétences provenant des personnes et des équipements, lesquels ne sont pas nécessairement consommés mais utilisés. Et, bien souvent, ils peuvent être assez coûteux, et vous n’en avez pas une quantité infinie, comme un banc d’essai, par exemple, si l’on parle d’aéronautique. Il ne suffit donc pas que toutes les pièces soient disponibles. Vous devez vous assurer de disposer de l’équipement — banc d’essai, grue, etc. — ainsi que des personnes pour opérer et assembler les pièces de manière sûre et techniquement valide.
Donc, lorsqu’on aborde le problème de ces bills of materials et leur utilisation, nous préférons parler du concept de bill of resources, qui est plus précis dans le sens où il englobe le problème dans sa totalité plutôt que de se limiter aux matériaux.
Conor Doherty: D’accord, maintenant que vous avez réintroduit le terme bill of materials, que je suppose que tout le monde connaît probablement, la perspective du bill of resources — pourriez-vous opposer ces deux approches en termes concrets ? Prenez, par exemple, une décision, esquissez une décision pour, disons, un MRO concernant un avion, afin de simplifier, et expliquez comment une perspective BOM se déroulerait en temps réel par rapport à une approche plus sophistiquée du bill of resources.
Simon Schalit: D’accord, s’il vous plaît. Habituellement, l’activité MRO ou la fabrication suit différentes étapes qui doivent se succéder dans un certain ordre. Certaines choses doivent être faites avant, d’autres après. Mais chaque étape peut être définie par son propre bill of resources, c’est-à-dire la liste des pièces dont vous avez besoin pour effectuer cette étape de réparation particulière, la liste des compétences — et non des personnes, car vous pourriez avoir différentes personnes avec différentes compétences — la liste des compétences nécessaires à la réalisation, et la liste des équipements.
Les pièces seront généralement consommées dans le sens où elles seront montées. Les compétences, quant à elles, ne seront pas consommées de la même manière, dans la mesure où les personnes conservent ces compétences, mais elles seront consommées en termes de temps sur une certaine période. Il en va de même pour l’équipement. Ces trois éléments — pièces, compétences et équipements — sont tous soumis à leur propre ensemble de variabilités.
Les variabilités pour les pièces concernent généralement leur disponibilité en stock ou non, ce qui est une manière simple de l’exprimer. Derrière cela se cache le concept de variabilités du délai de livraison, principalement, et bien sûr, la question de savoir si vous passez la commande au bon moment ou non, mais généralement, c’est surtout la variabilité du délai de livraison.
La variabilité associée à la compétence provient du fait que la personne soit présente et disponible, mais surtout présente pour exécuter la tâche. Elle comporte donc toutes les variabilités inhérentes aux êtres humains en général, comme le fait que la personne soit malade, que la planification ait été correctement réalisée, que la personne dispose de la compétence valide d’un point de vue légal, etc. Et en réalité, c’est le type de variabilité qui est encore plus difficile à appréhender et à contrôler que le délai de livraison, car on ne peut pas forcer quelqu’un à ne pas tomber malade. Si la personne est malade, elle l’est.
Et bien sûr, il y a la disponibilité des équipements, qui eux aussi sont utilisés pendant une certaine période, mais qui, évidemment, sont moins susceptibles d’être “malades”. L’équivalent serait qu’ils soient en panne, en réparation, ou peut-être toujours bloqués dans un autre moteur ou un autre appareil en réparation et toujours pas libérés de cette tâche particulière. Voilà donc, je dirais, les trois, et ils comportent tous leurs propres variabilités, et c’est ce qui rend le problème difficile.
Conor Doherty: Eh bien, sur ce point, prenons encore un exemple concret, et encore, nous pouvons comparer comment une MRO traditionnelle avec une perspective de bill of materials et, disons, peut-être l’un de nos clients avec une perspective de bill of resources, aborderait un scénario. Nous essayons de réparer, je pense que c’est un A380. Je pense que c’est un A380. Lundi matin, nous devons réparer le moteur A. Nous arrivons, et vous avez une perspective BOM. Encore une fois, une perspective BOM physique et déterministe. Je sais de combien de pièces j’ai besoin—100 pièces pour réparer ce moteur. Vous arrivez lundi matin, nous avons toutes les pièces. Simon et Conor sont absents. Par exemple, Simon est en train d’enseigner quelque chose, Conor s’est blessé au dos en soulevant quelque chose de lourd, donc nous ne sommes pas disponibles.
Donc, vous avez toutes les pièces, donc pour cette partie de l’équation, vous avez de la chance. Vous avez les 100 pièces. Vous avez en réalité tous les outils—peut-être que cela nécessite 20 outils, disons simplement 20 outils. Ainsi, vous avez 100 pièces, vous avez les 20 outils, mais il vous manque les compétences critiques. Et pas même toutes les compétences, juste Simon pour fixer une certaine pièce, vous avez besoin d’une licence pour cela, et Connor pour superviser. Alors, que se passe-t-il en termes de décisions si vous adoptez une perspective de bill of resources ?
Simon Schalit: Ce n’est pas le fait de disposer du bill of resources qui fera la plus grande différence. Le bill of resources vous permettra de combiner les différentes incertitudes qui existent dans les trois segments que je viens de décrire et de réaliser à quel point il est probable qu’un incident comme celui que vous venez de décrire se produise. Il faut s’organiser de manière à pouvoir faire face à ce genre de problème.
Mais prenons votre exemple. Disons que nous avons toutes les pièces, nous avons tout l’équipement, mais que les personnes ne sont tout simplement pas là, ce qui est en réalité assez fréquent pour de nombreuses raisons. Actuellement, la manière dont les gens s’en sortent est qu’à chaque matin dans l’atelier, parlons d’un grand atelier qui effectue des réparations, chaque matin et peut-être même deux fois par jour, les responsables des différentes lignes de réparation se réunissent et tentent de reconstruire le planning de la journée.
Ils verront ce qui manque, que ce soit des pièces ou des personnes, et diront, “D’accord, le planning que nous avions pour aujourd’hui est fichu. Il n’existe plus. Alors, quel est le minimum de modifications que nous pourrions apporter, puisque nous ne sommes que des êtres humains et que nous n’avons pas beaucoup de temps ? Quel est le minimum de changements que nous pouvons apporter au planning pour qu’il soit réalisable et qu’il ne s’écarte pas trop de l’objectif que nous avions pour la journée ?”
Le problème, c’est que cette logique, ce genre de logique du moindre effort, ne fonctionne pas vraiment bien. C’est ce que font les gens parce qu’ils n’ont pas forcément d’autre option, mais cela ne marche pas très bien pour une raison très simple.
Modifier légèrement le planning découle de l’idée que, dans une situation simple, ces changements minimes entraîneront des conséquences minimes parce qu’il existe une sorte de continuité ou de linéarité entre l’ampleur des conséquences et l’ampleur des modifications apportées. C’est cette hypothèse que vous faites, vous optez donc pour des changements minimes parce que ce n’est pas trop complexe, en espérant que cela n’aura pas beaucoup de conséquences.
Le problème survient lorsqu’il s’agit de planification, c’est-à-dire de réarranger potentiellement des dizaines, voire des centaines d’activités différentes, chacune avec ses propres contraintes et variabilités associées. Ainsi, l’idée qu’il existe un lien entre l’ampleur du changement et l’ampleur de l’impact est, disons, quelque peu illusoire, malheureusement.
Cependant, l’esprit humain est limité car il ne peut même pas tenter d’estimer l’impact global, il essaiera donc de se limiter à des changements minimes en espérant qu’ils auront un impact minimal. Mais une chose est absolument assurée : même si votre plan initial était bon ou même proche d’un plan optimal, dès que vous apportez des modifications, vous n’avez absolument aucune garantie que votre nouveau planning soit ne serait-ce qu’approximativement optimal. Ce n’est qu’un plan qui se trouve fonctionner.
Conor Doherty: Laissez-moi essayer de vous le reformuler, et vous pourrez me corriger si j’ai mal compris, car c’est un point vraiment intéressant. Plus tôt, j’ai parlé de Simon et Conor étant absents et qu’il fallait travailler sur le moteur A. Disons simplement que Joannis, avec un stylo et du papier ou un tableau Excel, déclare, “Eh bien, Max, notre ingénieur qui est aussi notre vidéaste derrière la caméra possède en réalité les compétences de Simon et Conor. Je vais simplement le détourner de ce qu’il allait faire. Oui, il peut travailler sur le moteur A. Problème résolu.” Donc, je déplace une personne, tout simplement.
Mais est-il possible que cela introduise en réalité des conséquences disproportionnées ? Car avec le même laps de temps que Max prend pour travailler sur le moteur A, il aurait pu réaliser les tâches 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 sur les moteurs B, C, D, E et F, et celles-ci combinées génèrent un retour financier plus important qu’en travaillant uniquement sur le moteur A, par exemple ?
Simon Schalit: Oui, l’exemple est tout à fait juste. Ce que les gens doivent garder à l’esprit, c’est qu’il faut exécuter ces tâches dans un certain ordre. Donc, si une tâche n’est pas effectuée, le problème n’est pas seulement que cette tâche ne soit pas réalisée, mais que tout ce que vous aviez prévu, qui devait se produire par la suite sous condition que la tâche A soit effectuée, ne peut pas se produire.
Donc, si vous détournez quelqu’un d’autre pour lui dire, “Fais la tâche A”, vous pourrez ensuite faire B, C et D. Mais le problème, c’est que cette personne était censée faire autre chose, qui ne sera pas accomplie et qui entraînera également des conséquences en cascade. Vous avez ce genre d’effet papillon, et il est très difficile pour un être humain de déterminer quel effet papillon aura le plus grand impact financier et quelle option choisir. C’est vraiment difficile, même dans un environnement très restreint et peu complexe. Si vous portez cela à l’échelle d’une grande activité MRO, penser que vous pouvez faire quelque chose qui sera presque optimal est tout simplement ridicule.
Conor Doherty: Je tiens à faire très attention à la manière dont nous nous exprimons ici, car le message n’est pas que les gens sont stupides. D’après ce que j’ai compris, ayant assisté à des conférences MRO, nous avons affaire à des personnes très intelligentes et très talentueuses. Il est tout simplement déraisonnable d’attendre d’un ingénieur très brillant ou d’un groupe entier de personnes très intelligentes qu’ils retravaillent une séquence d’événements incroyablement complexe, où chaque étape a des impacts financiers, plusieurs fois par jour, chaque jour, pour une entreprise aéronautique de plusieurs milliards de dollars. C’est une proposition déraisonnable. Votre proposition n’est pas de faire cela, mais de faire autre chose ?
Simon Schalit: Oui, vous avez raison. Il faut préciser que les gens font cela pour une bonne raison. D’abord, parce qu’il n’y avait pas d’alternative, et aussi parce qu’ils se basaient sur l’hypothèse que, oui, bien sûr, les problèmes surviennent. Il y a des situations où il faut tout réorganiser, mais cela n’arrive pas très souvent. Pour le reste de la supply chain en général, oui, cela n’arrive pas très souvent. Mais dans ce contexte particulier, cela se produit tous les jours. C’est le problème. C’est pourquoi les humains sont submergés, non pas parce qu’ils sont incompétents ou stupides, mais simplement parce que les humains ne sont pas câblés pour gérer ce problème.
Donc, la manière dont nous proposons de faire différemment est, bien sûr, de laisser une machine, un ordinateur, le faire, via un algorithme. Ce n’est pas nouveau. Ce type de problème d’organisation a été abordé par les ordinateurs depuis un certain temps, surtout avec l’essor de la puissance de calcul au cours des dernières décennies. Le problème ici est que vous vous trouvez dans un contexte incroyablement complexe, comme je l’ai dit, avec une séquence d’événements très complexe. Chaque événement s’accompagne d’un bill of resources complexe, de dépendances et d’incertitudes.
Les méthodes traditionnelles pour aborder cela ne fonctionnent généralement pas de manière très satisfaisante et, plus important encore, pas assez rapidement. C’est là où réside le problème. Si vous demandez à un ordinateur de résoudre un tel problème et si vous construisez un algorithme suffisamment performant, il y a de fortes chances que vous obteniez une bonne solution si vous y consacrez suffisamment de temps et de puissance de calcul. Ce sera difficile ; beaucoup de solutions n’atteignent même pas ce stade, mais c’est faisable.
Le problème, c’est que la situation se situe un lundi matin. L’atelier doit commencer à travailler s’il ne le fait pas déjà, car c’est généralement, imaginons, un lundi matin. Ils doivent tout reprogrammer parce que certaines pièces manquent et que telle ou telle personne est absente. Vous n’avez pas quelques heures devant vous pour résoudre le problème ; vous n’avez que quelques minutes parce qu’il faut passer à l’action. Chaque minute compte, et en aéronautique, chaque minute est chère. Il faut donc résoudre ce problème en quelques secondes ou quelques minutes au maximum, et c’est une affaire très urgente.
C’est là que cela devient vraiment difficile. Donc, ce que nous avons développé, c’est un algorithme qui va nous permettre de résoudre ce problème de manière suffisamment efficace. Il est impossible de prouver que votre solution sera optimale, mais au moins une très bonne solution par rapport à d’autres solutions que vous pourriez trouver, et où vous pouvez démontrer que, d’un point de vue financier, vous allez obtenir une très bonne solution en quelques minutes. Nos clients peuvent généralement être assez exigeants sur le nombre de minutes dont nous disposons pour résoudre le problème.
L’idée derrière tout cela, je ne vais pas m’étendre sur les détails des mathématiques et des ordinateurs, mais il s’agit d’exploiter la capacité informatique et de s’appuyer sur le fait que ce que vous recherchez n’est pas la solution elle-même, mais la manière dont vous structurez le solveur qui sera capable de résoudre le problème en quelques minutes. En réalité, c’est en quelque sorte un méta-problème. Il serait très intéressant d’en discuter pendant des heures, mais nous n’avons pas ce temps maintenant. L’essentiel, c’est que vous ne voulez pas trouver la solution, vous voulez trouver le solveur qui va trouver la solution à partir de la solution idéale précédente que vous avez eu le temps de calculer pendant la nuit ou lorsque vous aviez plus de temps.
Conor Doherty: Du point de vue du client, ils veulent la solution, ils veulent que la nouvelle séquence soit générée aussi rapidement que possible. Je veux simplement approfondir un point que vous avez abordé, car du point de vue de la gestion des attentes dans cette conversation, nous ne présentons pas l’idée que vous aurez toujours, en six minutes, je pense, ou trois à six minutes, la capacité de régénérer un planning d’opérations énorme pour, disons, réparer un moteur afin de refléter le nouvel état du bill of resources.
En termes de gestion des attentes quant à ce que cela signifie, vous ne dites pas que c’est parfait, que si vous passiez 10 ans à y réfléchir, vous n’obtiendriez pas mieux. C’est simplement une bonne solution qui reflète ce qui est disponible actuellement et qui gère votre risque financier.
Simon Schalit: Oui.
Conor Doherty: Effectuer cette nouvelle séquence d’événements avec ces ressources disponibles aboutit à un résultat financier spécifique.
Simon Schalit: Oui, d’accord, c’est exactement ce que nous faisons et ce que vous souhaitez également, car c’est quelque chose de nécessaire. Vous ne voulez pas seulement régénérer un planning, vous voulez aussi offrir à vos clients la possibilité de changer la réalité d’une certaine manière. C’est ce qu’on appellerait un scénario “what if”.
Par exemple, si une personne est absente aujourd’hui, nous serons en retard. Je peux trouver une bonne solution, mais la bonne solution que je trouve me laisse toujours un manque d’une personne, donc ce ne sera pas mieux que ce que j’avais avec cette personne supplémentaire. Tout sera légèrement en retard. Ainsi, je veux donner à mon client la possibilité de générer un scénario où il dit, “D’accord, j’étais à une personne de moins aujourd’hui. Je dois rattraper le temps perdu. Peut-être pourrais-je ajouter quelqu’un en plus de mon planning habituel demain ou peut-être ouvrir pour un jour supplémentaire là où l’atelier était censé être fermé.” Je veux savoir ce qui se passerait, combien de temps je gagnerais si j’ouvrais, par exemple, un samedi, alors que l’atelier est normalement fermé.
Ainsi, vous voulez que l’outil soit capable, bien sûr, de simuler ce qui se passe réellement, car c’est probablement ce que vous ferez aujourd’hui, mais vous voulez également que le client puisse simuler un scénario “what if” dans lequel il intègre les mesures d’urgence qu’il pourrait prendre dès maintenant. Mais il est important qu’il comprenne quelles seraient les conséquences de ces mesures d’urgence, car ces mesures d’urgence portent ce nom pour une raison. On n’a recours à ce genre de solution que pour une activité exceptionnelle parce qu’elles coûtent de l’argent. Elles coûtent généralement beaucoup d’argent. C’est pourquoi on ne les utilise pas de manière régulière.
Conor Doherty: Par exemple, des prix AOG pour se procurer des pièces à la dernière minute.
Simon Schalit: Exactement, c’est comme si une pièce manquait et que cela allait provoquer un arrêt de travail, le prix que vous êtes prêt à payer pour cette pièce en particulier peut être exorbitant. C’est quelque chose qui est, bien sûr, vrai dans l’industrie aéronautique et c’est également bien connu dans l’industrie automobile, par exemple. Ils sont prêts à expédier des pièces manquantes à un prix astronomique.
Conor Doherty: Parce que le coût financier de ne pas expédier du tout est encore plus élevé.
Simon Schalit: Exactement. Ce que vous voulez, c’est donner au client une estimation du gain afin qu’il puisse en tenir compte lorsqu’il envisage le coût de cette mesure d’urgence et prendre une décision éclairée pour savoir si recourir à cette mesure d’urgence a réellement un sens d’un point de vue financier. Ils doivent connaître cela pour prendre la décision et la documenter afin de la défendre au sein de l’entreprise. Car lorsque vous recourez à des mesures d’urgence coûteuses, vous devrez en rendre des comptes à votre patron ou à l’entreprise en général.
Conor Doherty: Encore une fois, je veux être très prudent avec le langage ici. Vous avez mentionné des scénarios d’urgence « et si », mais plus tôt dans la conversation, vous avez parlé de la perception des urgences et de la manière dont celle-ci est quelque peu déformée. La compréhension que les gens ont de ce qui constitue une urgence est peut-être un peu naïve. Pourriez-vous donc les différencier ?
Lorsque nous parlons de produire ou de réparer une APU ou de fabriquer une APU, nous parlons de beaucoup de pièces, de nombreux outils et de nombreuses personnes. Si vous parlez de fabriquer un avion entier, c’est encore plus : une demi-million de pièces, des centaines d’outils, peut-être des centaines d’ingénieurs et de techniciens. Donc, lorsque nous parlons d’urgences, comme si un élément de la nomenclature des ressources manquait, étant donné l’ampleur des ressources dont il est question, le terme « urgence » est-il le terme approprié pour décrire quelque chose qui se produit assurément assez souvent ou est-il du moins très probable d’un point de vue probabiliste ?
Simon Schalit: Oui, bien, il y a une chose que nous devons comprendre. Si nous parlons d’aéronautique, l’aéronautique est par nature ou par conception une industrie très aversée au risque, et ce pour de très bonnes raisons. Le problème est que dans la supply chain, chaque décision que vous prenez, sans exception, est un pari. Vous pariez que l’avenir ne sera pas trop différent de ce à quoi vous vous attendez. Vous placez vos paris sur cette hypothèse.
Ce pari peut être risqué ou non, et nous pourrions explorer cette métaphore du pari où vous souhaitez agir davantage comme le casino plutôt que comme le joueur. Mais en fin de compte, l’essentiel est que lorsqu’il s’agit de planification, dans le contexte dont nous parlions, le pari que vous faites sur l’avenir est extrêmement complexe. L’idée que l’avenir se déroulera exactement comme vous l’aviez prévu, ou plutôt comme cela avait été planifié, n’est pas réaliste. Cela ne se passera pas comme prévu.
Conor Doherty: Pardonnez-moi de vous interrompre, mais c’est un très bon point. Lorsque vous dites, par exemple, pour réparer un moteur, j’ai besoin de 100 pièces. Lundi matin, j’ai besoin de 100 pièces, de 10 outils, et de cinq ingénieurs. Voilà l’avenir que je planifie. Quelle est la probabilité que cela se produise ? Veuillez continuer à partir de là.
Simon Schalit: Oui, vous allez planifier toutes vos ressources en supposant que ces ressources seront disponibles. Vous aurez planifié une séquence d’événements qui, en théorie, devrait s’enchaîner comme prévu. Mais étant donné le nombre considérable, cette sorte de malédiction de la dimensionnalité, cela ne se produira pas. Nous avons pris l’exemple de 100 pièces à un taux de service de 99%. Vous voyez déjà que la probabilité que tout soit effectivement présent, au bon endroit et au bon moment simultanément, est inférieure à 40%. Donc, cela ne se passera pas.
Le problème est que, puisque les entreprises sont averses au risque, leur réflexe est de dire : « D’accord, si un taux de service de 99% n’est pas suffisant, je vais augmenter ce taux. » Quand on parle de pièces, ce que signifie un taux de service de 99%, c’est que vous passerez des commandes pour que les pièces arrivent plus tôt, encore plus tôt, juste pour tenir compte de la variabilité du délai de livraison — le temps qu’il faut pour que les pièces arrivent effectivement. Parce que c’est la principale incertitude concernant les pièces.
Ainsi, vous allez prendre de plus en plus de marge jusqu’à passer d’un taux de service de 99% à 99,9%. Sauf si vous avez besoin de 100 pièces ou de plus de 100 pièces, la somme d’argent nécessaire pour atteindre un taux de service combiné satisfaisant est tout simplement inabordable. Donc, l’approche traditionnelle consistant à dire : « Je vais pousser le taux de service jusqu’au point où je me sens à l’aise et cela garantira que je pourrai mettre en œuvre le plan que j’ai élaboré » n’est pas nécessairement une méthode de travail valide.
Bien sûr, vous aurez besoin de taux de service élevés parce que c’est l’aéronautique. Mais ce dont vous aurez besoin, c’est d’un moyen de modifier votre plan de la manière la plus efficace et la plus rentable possible, garantissant que le nouveau plan que vous devez élaborer à la volée soit le meilleur plan possible compte tenu des informations dont vous disposez. En fait, cela fait une très grande différence par rapport à la simple croyance que tout se déroulera conformément au plan, avec des personnes chaque matin, n’ayant pas les outils appropriés, essayant d’élaborer un nouveau plan.
Conor Doherty: Donc, pour résumer, l’argument que vous avancez est que lorsqu’on prend tout cela — et nous n’allons pas trop approfondir les mathématiques —, mais d’un point de vue purement mathématique, lorsque vous tracez ou listez simplement toutes les pièces physiques dont vous avez besoin, tous les outils physiques dont vous avez besoin, puis toutes les compétences abstraites ou les personnes physiques nécessaires pour réaliser une séquence d’actions, et ensuite que vous considérez que rien de tout cela ne se produit isolément. Je veux dire, vous ne réparez pas simplement un moteur et ensuite ces personnes rentrent chez elles. Elles travaillent sur autre chose. Il y a une interconnexion dans toutes ces séquences.
Ainsi, lorsque vous arrivez lundi matin, mathématiquement, la probabilité que quelque chose manque est bien plus élevée que ce que les gens ne réalisent ou ne veulent réaliser. Les conséquences financières de cela, comme littéralement chaque seconde que vous perdez à essayer de déterminer la prochaine action, où aller, qui est présent, ce qui est disponible, etc., en travaillant ou en envoyant des feuilles Excel — tout cela a des conséquences financières immédiates et significatives. Ai-je bien compris ?
Simon Schalit: Correct, et j’ajouterais également que c’est le temps perdu à réorganiser le plan et le temps perdu en suivant un nouveau plan tout sauf optimal. Habituellement, cette seconde partie n’est pas aussi douloureuse car elle est un peu plus difficile à quantifier, mais elle est en réalité très, très coûteuse. Il faut imaginer que, dans le cadre des activités de MRO ou de fabrication aéronautique, chaque minute compte car chaque minute représente un segment ou une fraction d’un avion supplémentaire qui pourrait sortir et aller voler, qu’il s’agisse d’un nouvel avion ou de la génération de revenus. Ainsi, même une petite augmentation de l’efficacité de votre capacité à élaborer de nouveaux plans à la volée peut avoir un impact financier considérable.
Conor Doherty: Il me semble aussi, et vous venez de le dire, juste une remarque. Nous avons largement parlé des implications directes, comme le fait qu’en cas d’absence d’une personne, la conséquence directe immédiate est que cette partie du moteur n’est pas réparée. Mais, de manière indirecte, il y a l’effet d’entraînement non seulement sur les autres processus — car soyons réalistes, ceux-ci ne se déroulent pas dans le vide. Vous passez de l’un à l’autre, ou cette pièce est ensuite intégrée à une autre. Les sous-ensembles de la nomenclature (BOM) forment les pièces plus grandes dans leur ensemble. Mais il y a aussi des obligations contractuelles à prendre en compte. Je veux dire, si vous ne parvenez pas à remettre un avion en circulation, selon que vous êtes un MRO ou autre, cela a également des conséquences financières.
Ainsi, il y a des conséquences directes, des conséquences indirectes, mais encore une fois, l’essentiel ici est qu’il y a des centaines, voire des milliers de décisions qui entrent dans la réalisation d’un planning optimal ou très bon, et chacune de ces décisions a un impact financier. Et quand elles tournent mal parce qu’il manque quelque chose — et apparemment c’est très probable, même si cela ne se produit pas demain, il est toujours probable que cela se produira le jour d’après ou ultérieurement —, cela engendre des coûts financiers.
Simon Schalit: Oui, et en pratique, soyons très pragmatiques. Dans le travail quotidien, ce que j’ai constaté dans ces entreprises, c’est que l’exercice d’élaborer un nouveau plan est tellement chronophage et difficile que l’atelier se concentre uniquement sur le problème connu du jour. Ils n’ont pas le temps pour autre chose. Ce qui se passe, c’est que le lendemain, de nouveaux problèmes surgissent, qu’il s’agisse d’anciens problèmes qui n’ont toujours pas été réglés ou de nouveaux problèmes.
Mais si vous examinez les détails des nouveaux problèmes, la moitié d’entre eux aurait pu être connue la veille. Ils auraient pu être prévus. Mais en pratique, ce que nous avons constaté, c’est que les gens sont tellement concentrés sur le problème qu’ils doivent résoudre aujourd’hui qu’ils n’ont pas nécessairement le temps ou la capacité intellectuelle d’anticiper les problèmes des prochains jours, ce qui peut faire grossir les problèmes avec le temps et conduit généralement à des retards accumulés dans les activités de MRO ou de fabrication. D’où, naturellement, des manquements dans leurs obligations contractuelles.
Conor Doherty: Encore une fois, c’est un très bon point, car tout comme les processus ne se déroulent pas isolément, les externalités ou simplement les conséquences des actions ne se produisent pas dans le vide. Ainsi, l’accumulation du retard et, par extension, l’accumulation de l’impact financier, continuent en arrière-plan, que vous soyez prêt ou non à le reconnaître, à y penser, ou à agir en conséquence. Ou même si vous agissez et pensez : « J’ai résolu ce problème », en arrière-plan, parce qu’il y a une variable que vous avez manquée, car encore une fois, je suis humain, vous êtes humain, nous sommes humains, le compteur, la note, le relevé continue de tourner en arrière-plan. Vous ne savez peut-être même pas que cela se produit.
Ok, passons un peu à autre chose, car en ce qui concerne les détails de l’optimisation de la planification telle que nous la voyons, nous avons parlé des aspects liés aux stocks concernant les pièces et les outils. Quand il s’agit des compétences, s’agit-il simplement — laissez-moi reformuler cette question — les décisions telles que nous les présentons aux clients se limitent-elles, par exemple, à prendre cette pièce, cet outil, et à envoyer Simon là-bas pour travailler sur ce moteur, ou est-ce un peu plus nuancé que cela ?
Simon Schalit: Eh bien, cela va être un peu plus nuancé dans le sens où, généralement, cela vient avec tout un ensemble de complexités. Fondamentalement, le résultat ressemblerait à un ensemble d’allocations recommandées pour les matériaux, les pièces et l’équipement avec une planification. Cette pièce doit être allouée à cet avion ou à ce moteur. Cet équipement particulier doit être utilisé par cet avion ou ce moteur durant ce segment de temps. Et ensuite, cette personne en particulier, qui possède cette compétence particulière, doit être affectée à ce moteur ou à cet avion durant cette période. Le système doit garantir que nous ne violons aucune des contraintes fixées pour chacune des tâches à planifier.
En termes de complexité, si vous parlez de pièces, cela est généralement assez simple. La pièce est affectée à une tâche parce qu’elle fait partie de la nomenclature (BOM), et cela va. Bien sûr, il faut disposer des pièces, ce qui n’est pas garanti. Ainsi, en général, vous pouvez procéder à des échanges quand c’est possible, mais vous décidez du moment de l’allocation et vous essayez de l’effectuer au dernier moment possible afin d’éviter une réallocation. Mais c’est la partie simple. Étrangement, c’est celle sur laquelle les gens se concentrent le plus, car c’est celle qui semble être la plus maîtrisable.
Mais pour l’allocation des personnes et de l’équipement, celles-ci vont souvent de pair, ce qui complexifie la situation, surtout lorsqu’il y a des tâches nécessitant non seulement une compétence unique ou les compétences d’une seule personne, mais peut-être des compétences différentes de plusieurs personnes simultanément, que ce soit pour des raisons techniques ou de sécurité. Par exemple, manœuvrer une grue lors du déplacement d’un moteur au milieu de l’atelier nécessite au moins deux personnes, rien que pour des raisons de sécurité : l’une qui peut manœuvrer la grue et l’autre qui est là simplement pour s’assurer que rien ne se passe mal et que le passage reste dégagé. C’est le strict minimum.
Ainsi, vous ne pouvez pas considérer toutes ces ressources, en particulier les ressources qualifiées, comme des entités complètement indépendantes. Ce serait trop simple. La plupart du temps, vous devez les considérer comme assorties de contraintes, c’est-à-dire qu’elles doivent être disponibles au même endroit et au même moment pour la même tâche. Et vous avez le choix : les tâches peuvent être effectuées par une, deux, trois, quatre personnes simultanément, non simultanément, en séquence, ou pas en séquence. Un large éventail de combinaisons différentes où l’algorithme doit simplement trouver quelle est la meilleure solution valide, en tenant compte du fait que pendant que vous utilisez ces compétences, elles ne sont pas disponibles ailleurs.
Cela rend le problème assez difficile. Pour réaliser la tâche A, si vous avez besoin de deux personnes, elles doivent être disponibles à un moment donné. Ainsi, quoi qu’elles aient à faire, elles doivent finir à peu près en même temps pour pouvoir toutes deux se rendre à cette tâche particulière. Ce n’est en fait pas trivial, car souvent, l’une d’elles va probablement attendre que l’autre ait terminé, et cela coûte très cher. Vous voulez donc éviter cela autant que possible. Chaque minute compte. Ces compétences valent beaucoup d’argent.
Conor Doherty: D’accord, et encore une fois, pour quelqu’un qui écoute, cela peut sembler magique. Je comprends cela, car ce que j’entends dire, c’est que ce que Lokad fait maintenant, c’est se concentrer uniquement sur la planification. Nous avons déjà abordé les stocks, nous avons d’autres éléments à ce sujet. Nous pouvons vous dire : prenez ceci, assurez-vous que cette pièce et cet outil soient à cet endroit à ce moment précis, et que Simon se rende là-bas pour travailler pendant cette période, en commençant à telle heure et en terminant à telle heure. Est-ce bien cela ?
Simon Schalit: Oui, c’est à peu près ce que nous affirmons. Mais en réalité, si vous prenez le problème dans sa globalité, il y a, je dirais, deux éléments qui, considérés séparément, pourraient être vus de cette manière et qui ne sont pas faciles, voire quasiment impossibles à réaliser correctement par un être humain sans l’aide de l’ordinateur. Il y a la partie des paris, c’est-à-dire comprendre les conséquences de vos paris, et il y a la partie de l’arrangement, de la réorganisation, de la planification.
Du côté des paris, il s’agit de comprendre la stratégie et de transformer les choses en une question d’argent. Une image très simple que j’ai utilisée un peu plus tôt : les humains, lorsqu’ils doivent placer ces paris, se fient à leur connaissance, à leur intuition. Fondamentalement, ils agissent comme un joueur de casino avec tous les biais et les émotions qui en découlent. Si, récemment, ils ont eu un problème avec une pièce qui a provoqué une grosse perturbation, il y a de fortes chances qu’ils achètent en excès, qu’ils sur-achetènt, en ajoutant une très grande marge sur cette pièce parce qu’ils en ont pris pour leur grade. C’est un biais.
La machine, si elle est correctement réglée, suivra une stratégie exactement comme le casino. Même pari, même jeu. Celui qui suit une stratégie et gagne ; c’est le casino. Celui qui ne suit pas de stratégie, ou du moins pas une stratégie documentée et cohérente ; c’est le joueur, c’est l’être humain. Dans notre cas, le casino gagne. Le casino gagne toujours. Ce n’est pas de la magie. Il s’agit de comprendre qu’il existe, même si c’est difficile à calculer, une stratégie optimale, et vous ne voulez pas vous en écarter.
Donc, pour cette partie en particulier, ce n’est pas de la magie. Il s’agit de s’assurer que nous extrayons des idées stratégiques clés de l’esprit des personnes, de ceux qui sont réellement compétents dans ce domaine, et de les traduire en une stratégie à l’intérieur de l’ordinateur. C’est ce que fait un Supply Chain Scientist. Ce n’est pas de la magie. C’est un processus cohérent de construction de la stratégie.
La réorganisation, ce n’est pas de la magie. Encore une fois, c’est une combinaison de puissance de calcul et de quelques astuces mathématiques. La puissance de calcul est accessible à la plupart des gens, surtout si vous utilisez cloud computing comme nous le faisons. Mais nous ne sommes pas les seuls; assurément, nous ne sommes pas les seuls. Beaucoup de personnes ont accès à encore plus de puissance de calcul, bien plus que nous. Mais utilisée correctement, vous pouvez résoudre ce problème avec quelques astuces supplémentaires.
Cependant, ces astuces ne sont pas purement mathématiques. Elles sont une combinaison d’aspects mathématiques fondamentaux mais appliqués de manière à prendre en compte la forme réelle du problème. Oui, vous pourriez les mettre dans un solveur général très puissant, le laisser tourner pendant des heures et espérer obtenir une bonne solution à la fin. Probablement, cela ne fonctionnera pas, ou même si c’est le cas, cela prendra beaucoup trop de temps. Ce que vous voulez, c’est vous assurer que l’approche mathématique sera adaptée au type de contraintes, au type de structure spécifique à ce genre particulier de problème.
Conor Doherty: Eh bien, ce sur quoi je voulais revenir est un point clé, qui s’inscrit à nouveau dans un message plus large que je pense devoir être souligné concernant ce que Lokad essaie de faire. Vous avez dit que vous pourriez avoir, disons, un praticien dans l’entreprise cliente qui a manifestement une grande perspicacité. L’objectif est de récupérer cette information et de l’intégrer dans la stratégie, disons le processus de prise de décision, qui est l’algorithme produisant les décisions.
La raison est la suivante : bien sûr, je pense que vous serez d’accord, et corrigez-moi si je me trompe, que pour un choix ou une décision donnée, une personne vraiment compétente pourrait être aussi bonne voire meilleure qu’un algorithme, qu’un processus automatisé de prise de décision. Cependant, quand il s’agit de la complexité à l’échelle de la réparation d’un avion entier ou d’une flotte d’avions, possiblement des centaines de milliers de pièces, des centaines d’outils, des centaines de personnes, l’idée qu’une personne puisse prendre toutes ces décisions à grande échelle mieux qu’un processus automatisé de prise de décision est tout simplement déraisonnable. Voilà l’adjectif que j’emploie : déraisonnable.
Simon Schalit: Une personne ou même une équipe.
Conor Doherty: Une équipe, exactement.
Simon Schalit: L’esprit humain n’est pas fait pour cela. Et je vais profiter de cette occasion pour aborder quelque chose de ce genre de dualité entre l’ordinateur et l’humain. Si je devais utiliser le mot à la mode IA, ce n’est tout simplement qu’un outil. C’est un outil, rien de plus. Le véritable défi lorsque nous construisons ces algorithmes est d’extraire la connaissance de l’esprit humain. Ce que j’aime dire, c’est que l’esprit humain est extrêmement doué pour la stratégie, mais à un niveau tactique, à un niveau plus granulaire, il se perd.
Il se perd en raison du nombre considérable de choses, et il se perd parce qu’au-delà d’un certain nombre de variables, surtout si elles sont non continues, non linéaires, vous pouvez être le meilleur mathématicien du monde, mais vous n’allez pas résoudre cela de tête. Ce n’est pas une question de qui vous êtes ; les humains ne peuvent tout simplement pas faire cela. C’est au-delà de ce que vous pouvez faire sans un outil. Mais les humains sont incroyablement doués pour élaborer des stratégies à un niveau supérieur, pour comprendre les conséquences financières des choses.
En fin de compte, ce sont eux qui décident dans quelle direction l’entreprise doit aller, de l’importance pour l’entreprise de pouvoir servir ses clients d’une certaine manière avec une certaine fiabilité par rapport au coût. Ils ont une idée de ce que sont ces chiffres. Le problème, c’est qu’ils ne savent pas qu’ils ont une idée. Ils ont des intuitions, et ces intuitions les amènent à dire : “Je veux des taux de service élevés.” Si vous leur demandiez pourquoi ils veulent des taux de service élevés, ils diraient que c’est important.
Une des principales choses qu’un Supply Chain Scientist doit faire est de les amener à expliquer pourquoi c’est important. Si c’est important, cela signifie que vous pensez que votre coût de rupture de stock est élevé. Allons plus loin. Qu’est-ce que cela signifie, élevé en dollars, en euros, en termes financiers ? Une fois que vous avez extrait cette connaissance, vous pouvez l’utiliser pour mettre en œuvre la stratégie, la stratégie optimale dont je parlais, optimisée dans le sens où elle prendra la décision optimale en tenant compte des informations stratégiques qui lui ont été fournies.
Dans ce cas, il produira la séquence d’actions et l’allocation des ressources la mieux adaptée pour atteindre les objectifs définis au niveau stratégique. C’est ce que fait l’ordinateur. Il n’invente rien. Il ne rend pas les humains inutiles, mais il accomplira ce que l’esprit humain ne peut pas faire.
Conor Doherty: Transition parfaite. Sur ce point, auparavant, j’ai assisté à des conférences et salons MRO. L’un des modèles que nous utilisons pour nos affiches dans un stand est une main juste au-dessus d’une poubelle à papier, d’un panier, et on y jette simplement des morceaux de papier froissé. Sur ces morceaux de papier figurent certains termes, et nous les adaptons en fonction que nous soyons à un événement de retail ou d’aéronautique. Lors de cet événement, nous avions FIFO et Min-Max, Safety Stock sur les morceaux de papier tombant dans la poubelle. C’est quelque chose de provocateur.
De toute évidence, les gens s’approchent, et s’ils comprennent, ils commentent. Mais cela fonctionne aussi parce que, si vous ne savez pas réellement que nous sommes en quelque sorte critiques vis-à-vis de ces concepts, vous vous approchez et dites : “Oh, hé, cela m’intéresse. Pouvez-vous nous en dire plus ?”
Simon Schalit: Oui.
Conor Doherty: Le fait est que beaucoup de gens aiment vraiment FIFO. C’est celui dont on a le plus entendu parler. Quand vous en parlez, vous avez mentionné plus tôt l’existence de solutions en urgence qui fonctionnent rapidement. Il est crucial de travailler rapidement. Alors, la question est la suivante : si je devais représenter quelqu’un qui est en désaccord avec vous, il pourrait dire : “Eh bien, j’ai déjà une heuristique. J’ai déjà un solveur de prise de décision général, un solveur très basique qui fonctionne super rapidement en temps réel, et c’est FIFO, first in, first out.” Que répondriez-vous à cela ?
Simon Schalit: Eh bien, FIFO est définitivement un algorithme qui existe depuis longtemps. C’est, en fait, je dirais, notre plus grand concurrent sur le marché. Le problème avec FIFO, c’est qu’en effet, il fonctionne super rapidement, et oui, il est très facile à comprendre pour les humains car, je veux dire, first in, first out, quoi de plus simple ? De plus, le bon point, c’est qu’il semble logique. Si quelque chose est arrivé en premier, vous voulez vous en occuper en premier parce que c’est probablement celui pour lequel vous risquez le plus d’être en retard si, toutes choses étant égales, tout doit prendre le même temps.
Cependant, comme pour beaucoup de concepts dépassés en supply chain, pas nécessairement mauvais, juste un peu datés, cela repose sur quelques hypothèses. La première hypothèse est que vous êtes dans un environnement simple. Qu’est-ce que je veux dire par là ? Si vous travaillez avec FIFO, c’est first in, first out. L’hypothèse est que chaque moteur, chaque avion sur lequel vous travaillez, si nous restons dans l’aéronautique, est parfaitement échangeable. Dans le sens où ils sont identiques sur le plan financier du point de vue de l’entreprise, du point de vue de la stratégie, ils sont simplement les mêmes. D’un point de vue de la gestion des risques, ils le sont tous. Être en retard sur l’un ou être en retard sur l’autre, c’est exactement la même chose.
Est-ce vrai en réalité ? Absolument pas. Vous avez différents clients, vous avez différents types d’avions, donc ce ne sera pas la même chose. Un jour de retard sur l’un d’eux n’est pas la même chose que un jour de retard sur un autre. Mais même si c’était le cas, imaginons un monde parfait où vous ne servez qu’un seul type d’avion avec un seul client.
Le problème, c’est que les efforts que vous devrez investir pour résoudre le problème rencontré sur un avion ou un moteur ne sont pas nécessairement les mêmes et probablement pas les mêmes que ceux nécessaires pour résoudre le problème sur un autre. Même si les moteurs sont identiques, le devis de réparation, les choses que vous devez faire sur ces moteurs, ne sont pas les mêmes. Même si c’était le même, les pièces défectueuses entre les deux ne sont pas exactement identiques. C’est une partie de l’incertitude que vous avez lorsque vous ouvrez un moteur. Vous découvrez ce qui est cassé, ce qui est corrodé.
Conor Doherty: Je ne savais pas que cela serait là.
Simon Schalit: Exactement. Donc dire, “Oh, je vais me concentrer sur le moteur A parce qu’il est arrivé avant le moteur B,” n’a pas vraiment de sens. Il y a des chances que, même si vous consacriez tous vos efforts au moteur A, il vous faudrait beaucoup de temps pour réellement résoudre le problème, alors que peut-être qu’avec le moteur B, vous pourriez le réparer très rapidement.
Oui, vous pourriez dire, “Je fais encore des progrès sur le moteur A,” mais si vous finissez le moteur B, il quitte votre atelier. Ainsi, vous avez de la place pour qu’un autre moteur arrive, vous avez la possibilité que ce moteur soit inspecté et de savoir à l’avance ce dont vous aurez besoin pour lui. Vous avez servi l’un de vos clients, donc potentiellement, vous allez recevoir de l’argent pour cela plus tôt, ce qui vous aidera à financer le reste de vos opérations.
Donc, vous allez avoir des conséquences liées à l’ordre dans lequel vous faites les choses. Chaque minute investie dans les différentes activités n’a pas la même valeur car elle n’entraîne pas les mêmes conséquences. Elle ne débloque pas le même potentiel.
FIFO est complètement aveugle à cela. FIFO est une vision simpliste de vos chaînes de réparation ou de fabrication. Ne vous méprenez pas, ce n’est pas mauvais. Parmi toutes les solutions que vous pourriez utiliser sans les outils appropriés, c’est probablement la meilleure ou du moins l’une des meilleures. Mais si vous y réfléchissez, vous ne voulez pas simplifier à l’excès le problème, surtout en considérant les conséquences financières en jeu.
Conor Doherty: Bien sûr. Et encore, nous avons pris un exemple délibérément trivial juste pour illustrer le point. Mais évidemment, il n’y a pas seulement deux processus. Réparer le moteur A et réparer le moteur B sont deux plannings ou séquences distincts. Il y en a généralement bien plus. Vous devez donc les comptabiliser dans votre tête ou avec une feuille Excel ou simplement en utilisant le solveur. Vous devez tenir compte de beaucoup plus. Et le point ici est que les coûts sont non linéaires. Ils ne sont pas nécessairement les mêmes, et vous devez en être conscient ou avoir quelque chose qui vous donne un aperçu des implications financières de travailler sur ceci par rapport à cela.
Simon Schalit: Et bien sûr, il y a le problème d’allocation simple où vous avez le moteur A et le moteur B, et ils ont tous deux besoin de la même pièce. Si le moteur A est plus ancien, par défaut, vous l’allouez au moteur A. Mais si, pour une raison quelconque, le moteur A nécessite cinq pièces différentes manquantes, tandis que le moteur B n’a besoin que de cette pièce unique, il y a un très bon argument à faire valoir selon lequel la pièce devrait aller au moteur B. Parce que c’est la seule qui manque. Elle peut aller, alors que la pièce unique que vous avez, si vous la mettez sur le moteur A, ne sert à rien, car il manque encore quatre autres pièces. FIFO est insensible à cela.
Conor Doherty: Eh bien, encore, je tiens à souligner rapidement un point qui a été mentionné plus tôt. Dans la mesure du possible, je pense qu’il est important de signaler clairement nos positions. Et je n’ai certainement jamais dit cela publiquement ou en privé : appliquer FIFO n’est pas stupide ou naïf ni quoi que ce soit de ce genre. Dans de nombreux cas, c’est encore l’esprit humain qui aborde le problème et utilise souvent les meilleurs outils disponibles. En l’absence d’outils sans doute supérieurs, les gens se rabattent sur ce qui est au moins compréhensible et ce qui, à première vue, semble fonctionner.
D’après cette longue conversation, j’en comprends que le diagnostic de la valeur de base est souvent très limité en termes de portée financière. Ce que je veux dire, c’est : “Eh bien, le moteur est hors service, c’est une valeur financière qui a été ajoutée, ou la valeur a été ajoutée, c’est réglé.” Et une intuition clé que vous semblez expliquer aujourd’hui, c’est qu’il existe à la fois des considérations financières directes et des considérations indirectes encore plus importantes dont, soyons honnêtes, l’esprit humain est tout simplement aveugle par nature. Vous avez parlé de la nature du design. Par nature, il ne peut tout simplement pas appréhender à grande échelle les non-linéarités souvent présentes et les conséquences financières externes de la prise de décision. Ce qui nous ramène à l’utilisation de l’automatisation, en recourant à un Supply Chain Scientist capable d’extraire cette information et de la convertir en un moteur de décision répétable.
Simon Schalit: Oui, eh bien, notre position à ce sujet est tout à fait claire. L’avenir de la prise de décision en supply chain est entièrement axé sur l’automatisation. Et plus les contextes sont complexes, plus cela devient important. Pour nous, c’est tout simplement la direction que nous prenons.
Conor Doherty: Pour conclure, pour les personnes qui écoutent et qui ont entendu des affirmations incroyables, incroyablement précises et aux conséquences significatives sur ce qui peut être fait, à quelqu’un qui penserait encore, “Simon, ce que tu décris est tiré par les cheveux, c’est magique, c’est impossible,” quelle serait votre réponse de 30 secondes en guise de conclusion ?
Simon Schalit: Eh bien, cela se produit déjà. C’est quelque chose qui se passe depuis quelques années, et c’est la direction vers laquelle se dirige la supply chain en général. L’automatisation à grande échelle et l’automatisation à des niveaux de granularité de plus en plus faibles. Pourquoi ? Parce que nous disposons de la puissance de calcul et, grâce aux Supply Chain Scientists, du concept et du rôle des Supply Chain Scientists. Nous avons la capacité de fournir les données et informations nécessaires, informations stratégiques et financières, à l’algorithme, à l’ordinateur, afin que la stratégie appliquée à grande échelle soit celle conçue par les humains et puisse être optimisée en vue de cet objectif.
Conor Doherty: Vous aviez également mentionné auparavant, en réponse à une question très similaire, en fait, je ne me souviens plus du contexte, mais vous aviez dit à ce sujet que l’incrédulité des gens ou le fait que les gens ne croient pas que c’est possible est surprenant compte tenu du fait que c’est effectivement ce que les gens essaient de faire en temps réel. Ainsi, toute personne, encore une fois, un décideur clé, un acteur clé, un lundi matin doit réviser l’horaire parce que Simon et Conor sont absents. Ce qu’ils font en temps réel est ce que nous décrivons en utilisant un ordinateur, en utilisant des algorithmes. C’est essentiellement le même processus. Vous recherchez une solution optimisée. Ce n’est donc pas de la magie, c’est juste l’intervention technologique sur ce processus.
Simon Schalit: Oui, ils le font à la main. Ils le font de manière très pénible, disons. Pénible pour eux et, dans une certaine mesure, pénible pour l’entreprise car ils n’arrivent pas à obtenir une solution optimisée, non pas par manque de compétences, mais par manque d’outils. Et donc ce que nous apportons, c’est l’outil qui est nécessaire pour remplacer en réalité l’élément humain qui est déficient au niveau granulaire tout en conservant l’élément humain qui est idéal, c’est-à-dire le niveau stratégique. Nous combinons donc le niveau granulaire de l’ordinateur et le niveau stratégique de l’humain.
Conor Doherty: Simon, merci beaucoup pour votre temps. Je n’ai pas d’autres questions. Ce fut un plaisir.
Simon Schalit: Pour moi aussi. Merci encore pour votre temps et merci à vous tous de regarder.