00:00:00 Introduction aux complexités de la planification
00:02:30 Interdépendance et défis de niveau de service dans l’aérospatiale
00:06:14 Discussion sur la nomenclature des matériaux et des ressources
00:13:15 Défis quotidiens de planification et limites humaines
00:20:45 Introduction d’algorithmes pour une planification efficace
00:28:30 Mesures d’urgence et tarification AOG dans l’aérospatiale
00:36:02 Perspective mathématique sur les impacts de la planification
00:43:47 Complexité et contraintes dans la planification des tâches
00:50:17 Exploitation de la puissance de calcul pour l’optimisation de la planification
00:57:39 Critique des limites du FIFO en MRO
01:04:15 Prise de décision et automatisation dans la supply chain

Résumé

Lors d’une récente interview, Conor Doherty, directeur de la communication chez Lokad, et Simon Schalit, directeur des opérations, ont discuté de la percée de Lokad dans l’optimisation de la planification pour l’aérospatiale, en particulier dans la fabrication d’aéronefs et les opérations de maintenance, réparation et révision (MRO). Ils ont souligné la complexité de la coordination des nombreuses pièces, compétences et équipements interdépendants, que les méthodes traditionnelles ont du mal à gérer. L’approche de Lokad passe d’une nomenclature des matériaux (BOM) à une nomenclature des ressources (BOR), en tenant compte de toutes les ressources nécessaires et de leur variabilité. En utilisant des algorithmes informatiques, Lokad peut rapidement générer des solutions pratiques, minimisant ainsi les risques financiers et les temps d’arrêt. Cette intégration de l’automatisation et des connaissances stratégiques humaines est cruciale pour une planification efficace et efficiente dans des environnements complexes.

Résumé étendu

Lors d’une récente interview chez Lokad, Conor Doherty, directeur de la communication, s’est entretenu avec Simon Schalit, directeur des opérations et responsable de la science de la supply chain, pour explorer les complexités de l’optimisation de la planification, en particulier dans le secteur de l’aérospatiale. La conversation a mis en évidence une avancée significative réalisée par Lokad dans ce domaine, qui a des implications profondes pour la fabrication d’aéronefs et les opérations de maintenance, réparation et révision (MRO).

Conor a commencé par mettre en contexte, en soulignant la nature complexe de la planification dans les industries de la fabrication et de la réparation. Il a souligné que la gestion d’un vaste réseau de pièces, d’outils et de personnel, qui peut changer de manière imprévisible, est un défi redoutable. Simon Schalit a ensuite développé cette complexité en utilisant 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 la supply chain où les décisions peuvent souvent être prises de manière indépendante, en MRO et en fabrication, en particulier dans l’aéronautique, chaque élément est interdépendant. Manquer ne serait-ce qu’une seule pièce sur cent peut arrêter tout le processus, rendant les 99 autres pièces inutiles.

Simon a expliqué que cette interdépendance nécessite un passage de la perspective traditionnelle de la liste des matériaux (BOM) à une approche plus globale de la liste des ressources (BOR). Alors qu’une BOM répertorie les pièces nécessaires pour une tâche, une BOR inclut toutes les ressources nécessaires - pièces, compétences et équipements. Cette vision holistique est cruciale car elle tient compte de la disponibilité et de la variabilité de chaque ressource. Par exemple, les pièces peuvent être soumises à une variabilité des délais d’approvisionnement, les compétences dépendent de la disponibilité du personnel et les équipements peuvent être utilisés ou en 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 horaires 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 de l’esprit humain dans la gestion de variables complexes et interdépendantes. Simon a souligné que même de légères modifications dans un horaire peuvent avoir des conséquences imprévisibles en cascade, rendant difficile l’obtention d’un plan optimal.

La conversation s’est ensuite tournée vers le rôle des algorithmes informatiques dans la résolution de ces défis. Simon a expliqué que l’algorithme de Lokad peut rapidement générer une solution suffisamment bonne en tenant compte de l’état actuel de toutes les ressources. Cette capacité est essentielle dans l’industrie aéronautique, où chaque minute d’arrêt est coûteuse. La force de l’algorithme réside dans sa capacité à simuler différents “scénarios” pour aider les entreprises à comprendre les implications financières de 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 les risques financiers et reflète l’état actuel des ressources. Simon a convenu que la capacité à 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 telles que 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, qui tient compte du contexte spécifique et des contraintes de chaque tâche, est nécessaire pour une planification efficace.

En conclusion, Simon et Conor ont souligné l’importance d’intégrer des outils informatiques avec les connaissances stratégiques humaines. Alors que les humains excellent dans la planification stratégique, ils ne sont pas équipés pour gérer les complexités granulaires de la planification dans les opérations à grande échelle. En exploitant les algorithmes, les entreprises peuvent prendre des décisions de planification plus efficaces et financièrement solides.

Simon a conclu en affirmant que l’avenir de la prise de décision en supply chain réside dans l’automatisation, en particulier dans des environnements complexes comme l’aérospatiale. Il a souligné que l’approche de Lokad combine la puissance de calcul nécessaire à la prise de décisions granulaires 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 la fabrication et de la réparation.

Transcription complète

Conor Doherty: Bienvenue chez Lokad. La planification est l’un des concepts les plus complexes dans les industries de la fabrication et de la réparation. Cela s’explique par le fait que vous devez gérer un vaste réseau de pièces, d’outils et de personnes, et que ce réseau peut changer à tout moment.

L’invité d’aujourd’hui, Simon Schalit, est COO et responsable de la science de la supply chain chez Lokad, et il m’a rejoint en studio pour discuter de la manière dont son équipe a abordé ce problème. Aujourd’hui, nous avons principalement parlé de la planification dans le domaine de l’aérospatiale, mais tout ce dont nous avons discuté s’applique tout autant à n’importe quelle 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. Et maintenant, je vous présente la conversation d’aujourd’hui avec Simon Schalit.

Le sujet d’aujourd’hui était l’optimisation de la planification et le travail approfondi réalisé par l’équipe de science de la supply chain pour faire une percée dans ce domaine. Avant de nous plonger dans les détails, d’après votre propre perspective, et vous pouvez prendre l’aérospatiale comme exemple concret pour les gens, quel est exactement le problème de la planification que notre équipe d’ingénieurs, notre équipe de scientifiques de la supply chain, essaie de résoudre ? Quel est le problème ?

Simon Schalit: D’accord, prenons l’exemple de l’aéronautique, de la maintenance, de la réparation et de la révision (MRO) ou de la fabrication. Lorsque vous essayez de fabriquer ou de réparer quelque chose de l’ampleur d’un avion ou d’un grand segment d’un avion, disons un moteur par exemple, vous êtes confronté à quelque chose d’incroyablement complexe. Complexité, bien sûr, d’un point de vue technique, mais aussi simplement si vous prenez en compte le nombre impressionnant de pièces, de compétences et d’équipements dont vous aurez besoin pour les assembler afin de pouvoir accomplir la tâche qui vous est assignée, que ce soit la fabrication ou la réparation.

Dans la plupart des segments de la supply chain, lorsque vous prenez des décisions, on pourrait dire que les décisions peuvent être considérées comme indépendantes sans que cette façon de penser soit trop préjudiciable. Par exemple, si je décide d’acheter l’article A et que l’article A est en 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. Penser de manière indépendante n’est pas trop préjudiciable.

En ce qui concerne la MRO ou la fabrication, en particulier dans l’environnement aéronautique, cela devient complètement faux. Si vous voulez être en mesure de réparer, disons, un moteur et que vous avez besoin de 100 pièces pour réparer ce moteur, en avoir 99 et en manquer une ne vous avancera pas plus que si vous n’en aviez absolument aucune.

Conor Doherty: Que voulez-vous dire ?

Simon Schalit: Parce que l’avion ne peut toujours pas voler même s’il vous manque seulement une de ces pièces. Même si vous en avez 99, l’avion ne peut toujours pas voler. Vous êtes donc confronté à un problème où vous ne devez pas essayer d’avoir chaque pièce ; vous devez avoir toutes les pièces et, en fait, toutes les ressources disponibles au bon endroit et au bon moment. Sinon, vous ne pouvez rien faire.

Et en fait, cela change complètement le problème. Parce que même si vous disiez, “D’accord, j’ai un taux de service de 99%” (voir la définition du taux de service), ce que la plupart des gens dans la plupart des entreprises diraient, “Oui, c’est un taux de service élevé.” Si vous regardez indépendamment un taux de service de 99%, c’est assez élevé. Mais si vous dites, “D’accord, j’ai besoin de 100 pièces, et pour ces 100 pièces, je vais avoir un taux de service de 99% pour chacune d’entre elles individuellement,” donc une chance de 99% sur 100 pour qu’elles soient là au moment où je m’y attends, en fait, si vous considérez qu’elles sont indépendantes, le taux de service combiné de ce cas très simple serait en réalité extrêmement faible. Il serait inférieur à 40%.

Cela signifie que même avec un taux de service de 99%, si vous avez besoin de 100 pièces ou ressources différentes pour être disponibles, il y a en réalité plus de 50% de chances que vous ne puissiez pas effectuer votre réparation ou votre étape de fabrication. Ce n’est donc pas un accident ; c’est la norme. Cela vous place dans un monde extrêmement différent de votre processus habituel de prise de décision en matière de supply chain. Cela vous place dans un monde où même avec des taux de service très élevés, les problèmes sont la norme et non l’exception. Vous devez donc construire vos supply chains et votre processus de prise de décision en matière de supply chain pour être résilient face à cela. C’est donc un sujet très différent.

Conor Doherty: D’accord, merci. Et vous avez mentionné quelques termes là-bas, et je veux juste les séparer un peu parce que vous avez parlé de pièces, puis vous avez commencé à parler de ressources. Maintenant, je suppose que vous ne les utilisiez pas de manière synonyme ; vous faisiez une distinction là-bas. Pourriez-vous donc apporter un peu plus de clarté là-dessus ? Lorsque vous parlez de ressources, vous ne parlez pas uniquement de pièces physiques. Encore une fois, si nous parlons de réparer un moteur ou de réparer un APU, il y a des pièces physiques impliquées dans le processus, oui. Mais lorsque vous parlez de ressources, de quoi parlez-vous ?

Simon Schalit: Eh bien, lorsque vous parlez de réparation ou de fabrication de quelque chose, les gens font référence au concept de nomenclature. Une nomenclature est essentiellement la liste des pièces dont vous avez besoin pour assembler quelque chose - un avion, un moteur, peu importe. Le problème, c’est que ce n’est qu’une partie du problème. Vous allez avoir besoin d’autres types de ressources pour effectivement réaliser la tâche.

Principalement, ces ressources vont être des compétences provenant de personnes et des équipements qui vont être des choses que vous ne consommez pas nécessairement mais que vous allez utiliser. Et le plus souvent, ils peuvent être assez coûteux, et vous n’en avez pas une quantité infinie, comme un banc d’essai, par exemple, si vous parlez d’aéronautique. Donc, il ne suffit pas d’avoir toutes les pièces disponibles. Vous allez devoir vous assurer d’avoir l’équipement - banc d’essai, grue, peu importe - et les personnes pour utiliser et assembler les pièces de manière sûre et techniquement valide.

Donc, lorsque nous parlons du problème de ces nomenclatures et de leur utilisation, nous préférons nous référer à un concept de nomenclature des ressources, qui est plus précis dans le sens où il englobe le problème dans son intégralité plutôt que seulement les matériaux.

Conor Doherty: D’accord, maintenant que vous avez réintroduit le terme de nomenclature, que je suppose que quiconque regarde cela est probablement familier avec, la perspective de la nomenclature des ressources - pouvez-vous les comparer concrètement ? Prenez une décision, esquissez une décision pour, disons, une MRO utilisant un avion pour simplifier, et expliquez comment une perspective de nomenclature des ressources jouerait en temps réel par rapport à une perspective de nomenclature des ressources plus sophistiquée.

Simon Schalit: D’accord, s’il vous plaît. En général, l’activité de MRO ou l’activité de fabrication suit différentes étapes qui doivent être effectuées dans un certain ordre. Des choses doivent être faites avant, des choses doivent être faites après. Mais chaque étape peut être définie avec sa propre nomenclature des ressources, c’est-à-dire la liste des pièces dont vous avez besoin pour effectuer cette étape de réparation particulière, la liste des compétences - pas des personnes, car vous pouvez avoir différentes personnes avec différentes compétences - la liste des compétences nécessaires pour effectuer, et la liste des équipements.

Les pièces seront généralement consommées dans le sens où elles seront montées. Les compétences ne seront pas consommées de la même manière dans le sens où les personnes ont toujours ces compétences, mais elles seront consommées d’un point de vue temporel sur une certaine période de temps. Même chose pour l’équipement. Ces trois éléments - les pièces, les compétences et l’équipement - sont tous accompagnés de leur propre ensemble de variabilités.

Les variabilités des pièces sont généralement liées à leur disponibilité en stock ou non, ce qui est une façon simple de le dire. Derrière cela se cache le concept de variabilités du délai d’approvisionnement, principalement, et bien sûr, que vous passiez la commande au bon moment ou non, mais généralement principalement la variabilité du délai d’approvisionnement.

La variabilité attachée à la compétence provient du fait que la personne sera présente et disponible, mais surtout présente pour effectuer la tâche. Elle est donc accompagnée de toutes les variabilités qui sont attachées aux êtres humains en général, comme la personne est-elle malade, la planification a-t-elle été correctement faite, la personne a-t-elle la compétence valide d’un point de vue légal, etc. Et en fait, c’est le type de variabilité qui est encore plus difficile à appréhender et à contrôler que le délai d’approvisionnement car vous ne pouvez pas forcer quelqu’un à ne pas être malade. Si la personne est malade, elle est malade.

Et bien sûr, il y a la disponibilité de l’équipement, qui est encore consommée pendant une certaine période de temps, mais qui est bien sûr moins susceptible d’être malade. L’équivalent serait cassé, en réparation, ou peut-être encore coincé dans un autre moteur ou avion en réparation et toujours pas libéré de cette tâche particulière. Ce sont donc, je dirais, les trois, et ils sont tous accompagnés de leurs variabilités, et c’est ce qui rend le problème difficile.

Conor Doherty: Eh bien, sur ce point, encore une fois, prenons un exemple concret, et encore une fois, nous pouvons comparer la façon dont un MRO traditionnel avec une perspective de nomenclature des matériaux et, disons, l’un de nos clients avec une perspective de nomenclature des ressources, nous pouvons contraster la façon dont ils aborderaient 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 de nomenclature des matériaux. Encore une fois, une perspective de nomenclature déterministe physique. Je sais combien de pièces j’ai besoin - 100 pièces pour réparer ce moteur. Vous arrivez lundi matin, nous avons toutes les pièces. Simon et Connor sont absents. Par exemple, Simon enseigne quelque chose, Connor s’est blessé le dos en soulevant quelque chose de lourd, donc nous ne sommes pas disponibles.

Donc vous avez toutes les pièces, donc cette partie de l’équation est en votre faveur. Vous avez toutes les 100 pièces. Vous avez même tous les outils - peut-être qu’il en faut 20, disons 20 outils. Donc vous avez les 100 pièces, vous avez les 20 outils, mais il vous manque les compétences critiques. Et même pas toutes les compétences, juste Simon pour attacher une certaine pièce, vous avez besoin d’une licence pour le faire, et Connor pour superviser. Alors que se passe-t-il là en termes de décisions si vous avez une perspective de nomenclature des ressources ?

Simon Schalit: Ce n’est pas d’avoir la nomenclature des ressources qui va faire la plus grande différence. La nomenclature des ressources 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. Vous devez vous 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 les personnes ne sont tout simplement pas là, ce qui est en fait assez fréquent pour de nombreuses raisons. Actuellement, la façon dont les gens font face à cela, c’est que chaque matin dans l’atelier, disons que nous 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 vont se réunir et essayer de reconstruire le planning de la journée.

Ils verront ce qui manque, que ce soit des pièces ou des personnes, et ils diront : “D’accord, le plan que nous avions pour aujourd’hui n’existe plus. Il n’existe tout simplement pas. Alors quel est le minimum de changements que nous pourrions apporter parce que nous sommes juste des êtres humains et nous n’avons pas beaucoup de temps ? Quel est le minimum de changements que nous pouvons apporter au planning pour qu’il puisse être réalisable et ne s’éloigne pas trop de l’objectif que nous avions pour la journée ?”

Le problème, c’est que cette logique, cette sorte de logique de l’effort minimal, ne fonctionne pas très bien. C’est ce que les gens font parce qu’ils n’ont pas nécessairement autre chose à leur disposition, mais cela ne fonctionne pas très bien pour une raison très simple.

Modifier un peu le plan découle de l’idée que dans une situation simple, ces changements minimes auront des conséquences minimes car il y a une sorte de continuité ou de linéarité dans la quantité de conséquences par rapport à la quantité de changements que vous apportez. Il y a cette sorte de supposition, donc vous apportez des changements minimes parce que ce n’est pas trop complexe et vous espérez que cela n’aura pas beaucoup de conséquences.

Le problème, c’est que lorsque vous parlez de planification, vous parlez de réorganiser potentiellement des dizaines, voire des centaines, d’activités différentes, chacune avec ses propres contraintes et sa variabilité associée. Donc, l’idée qu’il y ait un lien quelconque entre l’ampleur du changement et l’ampleur de l’impact est, disons, un peu illusoire, malheureusement.

Cependant, l’esprit humain est limité car il ne peut même pas essayer d’estimer l’impact général, il va donc essayer de limiter les changements minimes en espérant qu’ils auront un impact minimal. Mais la seule chose qui est absolument certaine, c’est que même si votre plan initial était bon, voire proche d’un plan optimal, au moment où vous apportez des changements, vous n’avez absolument aucune garantie que votre nouveau plan soit même vaguement proche d’un nouveau plan optimal. C’est juste un plan qui se trouve fonctionner.

Conor Doherty: Permettez-moi de vous le renvoyer et vous pouvez me corriger si je me trompe car c’est un point vraiment intéressant. Plus tôt, j’ai parlé de Simon et Conor étant absents et ayant besoin de travailler sur le moteur A. Disons simplement que Joannis, avec un stylo et du papier ou un tableur Excel, dit : “Eh bien, Max, notre ingénieur qui est également notre vidéaste derrière la caméra, a en réalité les compétences de Simon et Conor. Je vais simplement le retirer de ce qu’il devait faire. Oui, il peut travailler sur le moteur A. Problème résolu.” Donc, je déplace simplement une personne, c’est simple.

Mais est-il possible que cela introduise en réalité des conséquences disproportionnées ? Parce qu’avec la même quantité de temps que Max prend pour travailler sur le moteur A, il aurait pu effectuer les tâches 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11 et 12 sur les moteurs B, C, D, E et F, et ces tâches combinées ont un rendement financier plus élevé que de simplement travailler sur le moteur A, par exemple ?

Simon Schalit: Oui, l’exemple est tout à fait correct. Ce que les gens doivent garder à l’esprit, c’est que vous devez effectuer ces tâches dans un certain ordre. Donc, si une tâche n’est pas effectuée, le problème n’est pas seulement que cette tâche n’est pas effectuée, mais que tout ce que vous aviez prévu qui devait se produire par la suite, à condition que la tâche A soit effectuée, ne peut pas se produire.

Donc, si vous retirez quelqu’un d’autre et que vous lui dites : “Faites la tâche A”, vous pourrez faire B, C et D. Mais le problème est que cette personne était censée faire autre chose, qui ne sera pas fait et aura également des conséquences en cascade. Vous avez cette sorte d’effet papillon, et ce qui est très difficile pour un être humain, c’est de dire quel effet papillon a le plus grand impact financier et quelle option je devrais choisir. C’est vraiment difficile, même lorsque vous êtes dans un environnement très petit et pas si complexe. Si vous l’appliquez à l’échelle d’une grande activité de maintenance, en pensant que vous pouvez faire quelque chose qui sera proche de l’optimal, c’est tout simplement ridicule.

Conor Doherty : Je tiens à être très prudent quant à la façon dont nous nous exprimons ici, car le message n’est pas que les gens sont stupides. Ce que je comprends, après avoir assisté à des conférences sur la maintenance, c’est que nous avons affaire à des personnes très intelligentes et très talentueuses. Simplement, il est déraisonnable de s’attendre à ce qu’un ingénieur très intelligent ou à un groupe entier de personnes très intelligentes retravaille une séquence incroyablement complexe d’événements, dont chaque étape a des conséquences financières, plusieurs fois par jour, tous les jours, 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 dire que les gens ont fait cela pour une bonne raison. Tout d’abord, parce qu’il n’y avait pas d’alternative, et aussi parce qu’ils se fiaient à l’hypothèse que, oui, bien sûr, des problèmes surviennent. Il y a des situations où vous allez devoir tout réorganiser, mais cela n’arrive pas trop souvent. Pour le reste de la chaîne d’approvisionnement en général, oui, cela n’arrive pas trop souvent. Mais dans ce contexte particulier, cela se produit tous les jours. C’est le problème. C’est pourquoi les humains seront dépassés, non pas parce qu’ils sont incompétents ou stupides, mais simplement parce que les humains ne sont pas câblés pour résoudre ce problème.

Donc, la façon dont nous proposons de faire différemment est, bien sûr, d’avoir une machine, un ordinateur, qui fasse cela, un algorithme. Ce n’est pas nouveau. Ce type de problème d’organisation a été abordé par les ordinateurs depuis un certain temps déjà, notamment avec la montée en puissance du calcul informatique au cours des dernières décennies. Le problème ici, c’est que vous êtes dans un contexte incroyablement complexe, comme je l’ai dit, avec une séquence d’événements très complexe. Chaque événement s’accompagne d’une facture complexe de ressources, de dépendances et d’incertitudes.

Les méthodes traditionnelles pour aborder cela ne fonctionnent généralement pas de manière très satisfaisante et, plus important encore, ne fonctionnent pas assez rapidement. C’est là que se situe le problème. Si vous demandez à un ordinateur de résoudre un problème de ce genre et si vous construisez un algorithme suffisamment performant, il y a de fortes chances que vous obteniez une bonne solution si vous consacrez suffisamment de temps et de puissance de calcul à ce problème particulier. Ce ne sera pas facile ; de nombreuses solutions n’atteignent même pas ce stade, mais vous pouvez le faire.

Le problème, c’est que vous êtes dans la situation du lundi matin. L’atelier doit commencer à travailler s’il ne l’a pas déjà fait, car c’est généralement, imaginons, le lundi matin. Ils doivent tout reprogrammer parce que telle ou telle pièce manque et telle ou telle personne manque. Vous n’avez pas quelques heures devant vous pour résoudre le problème ; vous avez quelques minutes car vous devez avancer. Chaque minute compte, et en aéronautique, chaque minute est coûteuse. Vous devez donc résoudre ce problème en quelques secondes ou quelques minutes maximum, et c’est une question 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 bonne. 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 prouver que financièrement parlant, vous aurez une très bonne solution en quelques minutes. Nos clients peuvent généralement être assez exigeants sur le nombre de minutes que nous avons pour résoudre le problème.

L’idée derrière cela, je ne vais pas entrer dans les détails des mathématiques et de l’informatique, mais il s’agit d’utiliser la capacité informatique et de s’appuyer sur le fait que ce que vous recherchez n’est pas la solution elle-même, mais comment vous structurez le solveur qui va être capable de résoudre le problème en quelques minutes. En fait, c’est un peu un problème méta. Ce serait très intéressant d’en parler pendant des heures, mais nous n’avons pas le temps maintenant. L’essentiel est que vous ne voulez pas trouver la solution ; vous voulez trouver le solveur qui va trouver la solution en se basant sur 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 le plus rapidement possible. Je voudrais juste creuser un peu sur un point que vous avez mentionné, 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, vous avez dit que vous pouvez régénérer un énorme planning d’opérations pour, disons, réparer un moteur pour refléter le nouvel état du plan des ressources.

En termes de gestion des attentes de ce que cela signifie, vous ne dites pas que c’est parfait, que si vous passiez 10 ans à y réfléchir, vous ne trouveriez pas mieux. C’est simplement une bonne solution qui reflète ce qui est disponible maintenant et qui gère votre risque financier.

Simon Schalit: Oui.

Conor Doherty: Faire cette nouvelle séquence d’événements avec ces ressources disponibles entraîne un résultat financier spécifique.

Simon Schalit: Oui, d’accord, c’est exactement ce que nous faisons et ce que vous voulez aussi, car c’est quelque chose de nécessaire. Vous ne voulez pas seulement régénérer un planning, vous voulez aussi donner à vos clients la possibilité de changer la réalité d’une certaine manière. C’est ce que vous appelleriez un scénario “et si”.

Par exemple, si une personne est absente aujourd’hui, nous allons être en retard. Je peux trouver une bonne solution, mais la bonne solution que je trouve me laisse toujours une personne en moins, donc ce ne sera pas mieux que ce que j’avais avec cette personne supplémentaire. Tout va être légèrement en retard. Donc, je veux donner à mon client la possibilité de générer un scénario où il dit : “D’accord, j’avais une personne en 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 un jour supplémentaire où l’atelier était censé être fermé.” Je veux savoir ce qui se passerait, combien de temps gagnerais-je si j’ouvrais un samedi, par exemple, alors que l’atelier est généralement fermé.

Donc, vous voulez que l’outil soit capable, bien sûr, de simuler ce qui se passe réellement, car c’est probablement ce que vous allez faire aujourd’hui, mais vous voulez aussi que le client puisse simuler un scénario “et si” où il intègre les mesures d’urgence qu’il pourrait prendre dès maintenant. Mais il est important pour lui de comprendre quelles seraient les conséquences de ces mesures d’urgence, car ces mesures d’urgence sont appelées ainsi pour une raison. On n’y a pas recours pour son activité habituelle car elles coûtent de l’argent. Elles coûtent généralement beaucoup d’argent. C’est pourquoi on ne les utilise pas régulièrement.

Conor Doherty: Par exemple, des prix AOG pour se procurer des pièces au dernier moment.

Simon Schalit: Exactement, c’est comme si vous aviez une pièce manquante et que cela allait entraîner 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 qui est très 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. Donc, ce que vous voulez, c’est donner au client une estimation du gain afin qu’il puisse prendre cela en compte lorsqu’il évalue le coût de cette mesure d’urgence et prendre une décision éclairée sur le fait de recourir ou non à cette mesure d’urgence du point de vue financier. Ils ont besoin de le savoir pour prendre la décision et documenter cette décision pour la défendre au sein de l’entreprise. Parce que lorsque vous avez recours à des mesures d’urgence coûteuses, vous allez devoir en rendre compte 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 façon dont elle est quelque peu faussée. La compréhension des gens de ce qui constitue une urgence est peut-être un peu naïve. Alors, pourriez-vous les distinguer ?

Lorsque nous parlons de production ou de réparation d’un APU ou de fabrication d’un APU, nous parlons de nombreuses pièces, de nombreux outils et de nombreuses personnes. Si nous parlons de la fabrication d’un avion entier, c’est encore plus vrai - un demi-million de pièces, des centaines d’outils, éventuellement des centaines d’ingénieurs et de techniciens. Donc, lorsque nous parlons d’urgences, comme un élément de la liste des ressources manque, compte tenu de l’ampleur des ressources dont nous parlons, le terme “urgence” est-il le terme correct pour refléter quelque chose qui se produit sûrement assez souvent ou qui est au moins probabilistiquement très probable ?

Simon Schalit: Oui, eh 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 prudente en matière de risques, pour de très bonnes raisons. Le problème, c’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 que vous vous attendez qu’il soit. Vous placez vos paris en fonction de cette hypothèse.

Ce pari peut être risqué ou non risqué, et nous pourrions entrer dans cette métaphore du pari où vous voulez agir davantage comme le casino plutôt que comme le joueur. Mais en essence, la partie importante est que lorsqu’il s’agit de planification, le contexte dont nous parlions, le pari que vous placez sur l’avenir est extrêmement complexe. L’idée que l’avenir va se dérouler exactement comme vous l’attendez ou plutôt comme il était prévu n’est pas réaliste. Cela ne se passera pas comme vous l’avez planifié.

Conor Doherty: Excusez-moi de vous interrompre, mais c’est un bon point. Lorsque vous dites, par exemple, pour réparer un moteur, j’ai besoin de 100 pièces. Le lundi matin, j’ai besoin de 100 pièces, j’ai besoin de 10 outils et j’ai besoin de cinq ingénieurs. C’est l’avenir pour lequel je planifie. À quel point est-ce probable ? Continuez à partir de là, s’il vous plaît.

Simon Schalit: Oui, vous allez planifier toutes vos ressources en fonction de l’hypothèse que ces ressources seront là. Vous avez planifié une séquence d’événements qui, en théorie, devrait se dérouler comme prévu. Mais compte tenu du nombre élevé, de cette sorte de malédiction de la dimensionnalité, cela ne se produira pas. Nous avons pris l’exemple de 100 pièces avec un taux de service de 99 %. Vous voyez déjà que la probabilité que toutes les choses soient effectivement là, au bon endroit et au bon moment simultanément, est inférieure à 40 %. Donc, cela ne se produira pas.

Le problème est que, comme les entreprises sont prudentes en matière de risques, leur réflexe est de dire : “D’accord, si un taux de service de 99 % n’est pas suffisamment élevé, je vais aller plus haut.” Lorsque vous parlez de pièces, ce que vous voulez dire par un taux de service de 99 %, c’est que vous allez passer des commandes de pièces pour qu’elles arrivent plus tôt, encore plus tôt, juste pour tenir compte de la variabilité du délai de livraison, c’est-à-dire le temps qu’il faut pour que les pièces arrivent réellement. Parce que c’est l’incertitude principale que vous avez pour les pièces.

Donc, vous allez prendre de plus en plus de tampon jusqu’à passer d’un taux de service de 99 % à un taux de service de 99,9 %. Sauf si vous avez besoin de 100 pièces ou plus de 100 pièces, le montant d’argent dont vous auriez besoin pour atteindre un taux de service combiné satisfaisant est tout simplement quelque chose que vous ne pouvez pas vous permettre. Donc, l’approche traditionnelle qui consiste à dire : “Je vais pousser le taux de service au point où je vais me sentir à l’aise et cela garantira que je peux mettre en œuvre le plan que j’ai élaboré”, n’est pas nécessairement une façon valide de travailler.

Bien sûr, vous aurez besoin de taux de service élevés car c’est l’aéronautique. Mais ce dont vous aurez besoin, c’est d’une manière de changer votre plan de la manière la plus efficace et rentable possible, en garantissant que le nouveau plan que vous devez élaborer à la volée est le meilleur plan que vous puissiez concevoir en fonction des informations dont vous disposez. En fait, cela fait une très grande différence par rapport à la simple pensée positive selon laquelle les choses vont se dérouler comme prévu et avoir des humains chaque matin sans les bons outils qui essaient d’élaborer un nouveau plan.

Conor Doherty: Donc, encore une fois, pour résumer, l’argument que vous avancez est que lorsque vous le prenez - et nous n’allons pas entrer trop profondément dans les mathématiques - d’un point de vue purement mathématique, lorsque vous tracez ou énumérez 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 accomplir une séquence d’actions, et que vous considérez également que rien de tout cela ne se produit de manière isolée. Je veux dire, vous ne réparez pas simplement un moteur et puis ces personnes rentrent chez elles. Elles travaillent sur autre chose. Il y a une nature interconnectée à toutes ces séquences.

Donc, lorsque vous arrivez le lundi matin, mathématiquement, la probabilité qu’il manque quelque chose est beaucoup, beaucoup plus élevée que ce que les gens réalisent ou veulent réaliser. Les conséquences financières de cela, comme littéralement chaque seconde que vous passez à essayer de comprendre quoi faire ensuite, où aller, qui est là, ce qui est disponible, etc., à travailler, à envoyer des feuilles de calcul 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 que vous perdez à réorganiser le plan et le temps perdu à suivre un nouveau plan qui est tout sauf optimal. Habituellement, cette deuxième partie n’est pas aussi douloureuse car elle est un peu plus difficile à quantifier, mais elle est en réalité très, très coûteuse. Vous devez imaginer que lorsqu’il s’agit d’activités de MRO ou de fabrication aéronautique, chaque minute compte car chaque minute est un segment ou une fraction d’un avion supplémentaire qui pourrait sortir et voler, que ce soit un nouvel avion ou pour générer de l’argent. Donc, même une petite augmentation de l’efficacité de votre capacité à élaborer de nouveaux plans à la volée peut avoir un impact énorme d’un point de vue financier.

Conor Doherty: Il me semble également, et vous venez de le dire, je viens de prendre une note. Nous avons principalement parlé des implications directes, comme la conséquence directe immédiate de l’absence de la personne, c’est-à-dire que cette partie du moteur ne sera pas réparée. Mais indirectement, il y a des répercussions non seulement sur les autres processus car la plupart du temps, soyons réalistes, cela ne se produit pas dans le vide. Vous passez de l’un à l’autre, ou cette partie est ensuite ajoutée à cette autre partie. Les sous-ensembles de la nomenclature des matériaux constituent les pièces plus grandes. 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 une MRO, cela a également des conséquences financières.

Donc il y a des conséquences directes, des conséquences indirectes, mais encore une fois, la principale conclusion ici est qu’il y a des centaines, voire des milliers de décisions qui entrent dans un planning optimal ou très bon, et chacune de ces décisions a un impact financier. Et lorsque les choses 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 lendemain ou le surlendemain ou le surlendemain. Cela entraîne des coûts financiers.

Simon Schalit: Oui, et en pratique, soyons très concrets ici. Dans le travail quotidien, ce que j’ai constaté dans ces entreprises, c’est que l’exercice consistant à élaborer un nouveau plan est si chronophage et si difficile que l’atelier se concentre uniquement sur le problème qu’il connaît aujourd’hui. Ils n’ont pas le temps pour autre chose. Ce qui se passe, c’est que le lendemain, de nouveaux problèmes existent, comme de vieux problèmes qui n’ont toujours pas été résolus, plus de nouveaux problèmes.

Mais si vous regardez les détails des nouveaux problèmes, la moitié d’entre eux auraient pu être connus la veille. Ils auraient pu être prédits. 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 pour anticiper les problèmes des prochains jours, ce qui peut rendre les problèmes de plus en plus importants avec le temps et entraîner généralement des retards accumulés dans les activités de MRO ou de fabrication. Donc, des manquements contractuels à leurs obligations contractuelles, bien sûr.

Conor Doherty: Encore une fois, c’est un point très important car tout comme les processus ne se déroulent pas de manière isolée, les externalités ou simplement les conséquences des actions ne se produisent pas dans le vide. Donc, encore une fois, l’accumulation du retard et par extension, l’accumulation de l’impact financier continue en arrière-plan, que vous soyez prêt à le reconnaître, à y réfléchir ou à agir dessus. Même si vous agissez dessus et que vous pensez avoir résolu ce problème, en arrière-plan, parce qu’il y a une variable que vous avez manquée, parce que je suis humain, vous êtes humain, nous sommes humains, le compte, la facture, le compteur continue de tourner en arrière-plan. Vous pourriez même ne pas savoir que cela se produit.

Bon, continuons un peu car en ce qui concerne les détails de l’optimisation de la planification telle que nous la voyons, nous avons parlé des aspects de l’inventaire des pièces, des outils. Lorsque vous parlez des compétences, est-ce simplement - permettez-moi de reformuler cette question. Les décisions telles que nous les présentons aux clients, est-ce simplement, par exemple, prendre cette pièce, cet outil, et 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 cela s’accompagne généralement d’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 attribuée à cet avion ou à ce moteur. Cet équipement particulier doit être utilisé par cet avion ou ce moteur pendant cette période. Et puis cette personne particulière, qui a cette compétence particulière, doit être attribuée à cet avion ou à ce moteur particulier pendant cette période de temps. Le système doit garantir que nous ne violons aucune des contraintes fixées pour chacune des tâches que nous allons placer.

En termes de complexité, si vous parlez des pièces, c’est généralement assez simple. La pièce est attribuée à une tâche car elle fait partie de la nomenclature, et c’est bien. Bien sûr, vous devez avoir les pièces, ce qui n’est pas garanti. Donc, généralement, vous pouvez les échanger chaque fois que possible, mais vous décidez quand les attribuer et vous essayez de les attribuer au dernier moment possible pour éviter la réattribution. Mais c’est la partie simple. Étrangement, c’est celle sur laquelle les gens se concentrent le plus car c’est celle sur laquelle ils ont généralement le plus de contrôle.

Mais pour l’attribution des personnes et de l’équipement, généralement ils vont de pair, cela devient un peu plus complexe, surtout parce qu’il y a des tâches qui nécessitent non seulement une compétence ou non seulement les compétences d’une personne, mais peut-être différentes compétences de différentes personnes en même temps, que ce soit à des fins techniques ou simplement de sécurité. Le simple fait de faire fonctionner une grue lorsque vous déplacez un moteur au milieu de l’atelier nécessite au moins deux personnes, uniquement pour des raisons de sécurité. Une personne qui peut faire fonctionner la grue et l’autre qui est simplement là pour s’assurer que nous ne faisons rien de mal et que le chemin est dégagé. Au minimum, c’est ce qui se passerait.

Donc, vous ne pouvez pas considérer toutes ces ressources, en particulier les ressources qualifiées, comme des entités complètement indépendantes. Ce serait trop facile. Le plus souvent, vous voulez les considérer comme étant soumises à des contraintes où elles doivent être disponibles au même endroit, au même moment, pour la même tâche. Et vous avez le choix entre des tâches pouvant être effectuées par une, deux, trois, quatre personnes en même temps, pas en même temps, en séquence ou pas en séquence. Un large éventail de différentes combinaisons où l’algorithme doit simplement trouver la meilleure solution valide, en considérant que pendant que vous utilisez ces compétences, elles ne sont pas présentes ailleurs.

Cela rend le problème assez difficile. Pour effectuer la tâche A, si vous avez besoin de deux personnes, vous avez besoin qu’elles soient disponibles à un certain moment. Donc, quoi qu’elles faisaient, elles doivent finir approximativement en même temps pour qu’elles puissent toutes les deux être disponibles pour passer à cette tâche particulière. Et en réalité, ce n’est pas trivial car le plus souvent, l’une d’entre elles va probablement attendre que l’autre ait fini, et cela coûte assez cher. Donc, vous voulez 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. J’en suis conscient car ce que vous semblez dire, c’est que ce que Lokad fait maintenant, c’est simplement se concentrer sur la planification. Nous avons déjà discuté de l’inventaire, nous avons d’autres documents à ce sujet. Nous pouvons vous dire, prenez ceci, assurez-vous que cette pièce et cet outil sont à cet endroit à ce moment-là, et que Simon y va et travaille pendant cette durée à partir de ce moment-là et jusqu’à ce moment-là. Est-ce bien ce que vous dites ?

Simon Schalit: Oui, c’est à peu près ce que nous disons. Mais en fait, si vous considérez le problème dans son ensemble, il y a, je dirais, deux éléments qui, séparément l’un de l’autre, pourraient être considérés comme cela n’est pas facile et, en fait, presque impossible pour un être humain de faire correctement sans l’aide de l’ordinateur. Il y a la partie des paris, comme 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, cela a à voir avec la compréhension de la stratégie et de la gestion de l’argent. Une image très simple que j’ai utilisée un peu plus tôt : les humains, lorsqu’ils doivent placer ces paris, se fieront à leurs connaissances, à leur intuition. Fondamentalement, ils agiront comme un joueur dans un casino avec tous les biais qui en découlent et toutes les émotions qui en découlent. Si récemment ils ont eu un problème avec une pièce qui a causé une grande perturbation, il y a de fortes chances qu’ils achètent en excès, mettent une très grande marge sur cette pièce car ils ont été brûlés avec celle-ci en particulier. C’est un biais.

La machine, si elle est réglée correctement, suivra une stratégie exactement comme le casino. Même pari, même jeu. L’un suit une stratégie et gagne ; c’est le casino. L’autre ne suit pas une stratégie, ou du moins pas une stratégie documentée et cohérente ; c’est le joueur, c’est l’être humain. Dans notre cas, c’est le casino qui gagne. Le casino gagne toujours. Ce n’est pas de la magie. C’est comprendre qu’il existe, même s’il est difficile à calculer, une stratégie optimale, et vous ne voulez pas vous écarter de cette stratégie optimale.

Donc, sur cette pièce en particulier, ce n’est pas de la magie. Il s’agit de s’assurer que nous obtenons des idées stratégiques clés de l’esprit des gens, des personnes qui sont réellement douées dans ce domaine, et de les traduire en une stratégie informatique. 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 ; certainement, nous ne sommes pas les seuls. Beaucoup de gens ont accès à encore plus de puissance de calcul, bien plus que nous. Mais utilisée correctement, vous pouvez résoudre ce problème plus quelques astuces.

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 mettre cela 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 cela fonctionne, 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 qui est spécifique à ce type de problème particulier.

Conor Doherty : Eh bien, ce que je voulais approfondir, c’est un point clé, qui s’inscrit également dans un message plus large que je pense devoir être souligné à propos de ce que Lokad essaie de faire. Vous avez dit que vous pourriez avoir, disons, un praticien dans l’entreprise cliente qui a évidemment une grande compréhension. L’objectif est de récupérer ces informations et de les intégrer dans la stratégie, disons simplement le processus de prise de décision, qui est l’algorithme qui produit les décisions.

La raison en est que, bien sûr, je pense que vous seriez d’accord, et corrigez-moi si je me trompe, sur un choix ou une décision, une personne vraiment compétente pourrait être aussi bonne, voire meilleure, qu’un algorithme, qu’un processus de prise de décision automatisé. Cependant, lorsque nous parlons de l’échelle de complexité lorsqu’il s’agit de réparer un avion entier ou une flotte d’avions, éventuellement des centaines de milliers de pièces, des centaines d’outils, des centaines de personnes, l’idée qu’une personne sera capable de prendre toutes ces décisions à grande échelle mieux qu’un processus de prise de décision automatisé est tout simplement déraisonnable. C’est l’adjectif que j’utilise : déraisonnable.

Simon Schalit : Une personne ou même une équipe.

Conor Doherty : Une équipe, exactement.

Simon Schalit : L’esprit humain n’est pas fait pour ça. Et je profite de cette occasion pour aborder une sorte de dualité entre l’ordinateur et l’humain. Si je devais utiliser le mot à la mode, l’IA, c’est simplement un outil. C’est un outil, rien de plus. Le véritable défi lorsque nous construisons ces algorithmes est d’extraire les connaissances 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 élevé 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 pourriez être le meilleur mathématicien du monde, mais vous ne pourrez pas résoudre cela dans votre tête. Ce n’est pas possible. Ce n’est pas une question de qui vous êtes ; les humains ne peuvent tout simplement pas le faire. C’est au-delà de ce que vous pouvez faire sans l’outil. Mais les humains sont incroyablement doués pour la stratégie 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 devrait aller, à quel point il est important 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 ont amenés à dire : “Je veux des niveaux de service élevés”. Si vous leur demandiez pourquoi ils veulent des niveaux de service élevés, ils diront que c’est important.

L’une des principales choses qu’un scientifique de la supply chain doit faire, c’est les amener à expliquer pourquoi c’est important. Si c’est important, cela signifie que vous pensez que le coût d’une rupture de stock est élevé. Allons plus loin. Que cela signifie-t-il, 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 qui conviennent le mieux pour atteindre les objectifs qui ont été fixés au niveau stratégique. C’est ce que fait l’ordinateur. Il n’invente rien. Il ne rend pas les humains inutiles, mais il fera ce que l’esprit humain ne peut pas faire.

Conor Doherty : Transition parfaite. Donc, sur cette note, j’ai déjà assisté à des conférences et salons MRO. L’un des modèles que nous avons pour nos affiches dans un stand est une main directement au-dessus d’une corbeille à papier, et elle laisse tomber des morceaux de papier froissé dedans. Sur ces morceaux de papier figurent certains termes, et nous les adaptons en fonction que nous soyons à un événement de vente au détail ou aérospatial. Lors de cet événement, nous avions FIFO et Min-Max, Stock de sécurité sur les morceaux de papier qui tombent dans la corbeille. C’est une chose provocante.

Évidemment, les gens s’approchent et s’ils comprennent, ils commentent. Mais cela fonctionne aussi parce que si vous ne savez pas vraiment que nous sommes un peu critiques à l’égard de ces concepts, vous venez et vous dites : “Oh, hé, ça m’intéresse. Pouvez-vous nous en dire plus ?”

Simon Schalit : Oui.

Conor Doherty : Maintenant, le fait est que beaucoup de gens aiment vraiment FIFO. C’est celui dont nous avons le plus entendu parler. Lorsque vous parlez, vous avez mentionné plus tôt le fait d’avoir des solutions en cas d’urgence qui fonctionnent rapidement. Il est extrêmement important de travailler rapidement. Donc, la question, 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 générale, un solveur très basse résolution qui fonctionne super rapidement en temps réel, et c’est FIFO, premier entré, premier sorti.” Que diriez-vous à cela ?

Simon Schalit : Eh bien, FIFO est certainement 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 que oui, cela fonctionne très rapidement et oui, c’est très facile pour les êtres humains de comprendre car, je veux dire, premier entré, premier sorti, qu’y a-t-il de plus simple que ça ? De plus, le bon avantage est que cela semble logique. Si quelque chose est arrivé en premier, vous voulez vous en occuper en premier car c’est probablement celui pour lequel vous avez le plus de chances d’être en retard si toutes les choses sont égales et devraient prendre le même temps.

Cependant, comme avec de nombreux concepts dépassés en supply chain, pas nécessairement mauvais, juste un peu dépassés, cela repose sur quelques hypothèses. La première hypothèse est que vous êtes dans un environnement simple. Que veux-je dire par là ? Si vous travaillez en utilisant FIFO, c’est premier entré, premier sorti. L’hypothèse est que chaque moteur, chaque avion sur lequel vous travaillez, si nous sommes toujours dans l’aéronautique, est parfaitement interchangeable. Au sens où ils sont les mêmes financièrement du point de vue de l’entreprise, du point de vue de la stratégie, ils sont exactement les mêmes. Du point de vue de la gestion des risques, ils sont tous les mêmes. Être en retard sur l’un ou sur l’autre, c’est exactement la même chose.

Est-ce vrai dans la 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’entre eux n’est pas la même chose qu’un jour de retard sur un autre. Mais même si c’était le cas, imaginons un monde parfait où vous ne desservez qu’un seul type d’avion avec un seul client.

Le problème est que les efforts que vous allez devoir fournir pour résoudre le problème auquel vous êtes confronté sur un avion ou un moteur ne sont pas nécessairement les mêmes, et probablement pas les mêmes que les efforts que vous devez fournir pour résoudre le problème sur un autre. Même si les moteurs sont les mêmes, la facture de réparation, les choses que vous devez faire sur ces moteurs, ne sont pas les mêmes. Même si c’était la même chose, les pièces qui sont cassées à l’intérieur de ces deux moteurs ne sont pas exactement identiques. Cela fait 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 ça allait être là.

Simon Schalit: Exactement. Donc dire que “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 de fortes chances que même si vous consacriez tous vos efforts au moteur A, il vous faudrait beaucoup de temps pour résoudre réellement le problème. Alors que peut-être sur le moteur B, vous pouvez le réparer très rapidement.

Oui, vous pourriez dire “Je progresse toujours sur le moteur A”, mais si vous terminez le moteur B, il sort de votre atelier. Vous avez donc de la place pour qu’un autre moteur entre, vous avez de la place pour que ce moteur soit inspecté et que vous sachiez à l’avance de quoi vous aurez besoin. Vous avez servi l’un de vos clients, donc potentiellement vous allez recevoir de l’argent plus tôt, ce qui va vous aider 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’a pas les mêmes conséquences. Elle ne débloque pas le même potentiel.

FIFO est complètement inconscient de cela. FIFO est une vision simpliste de vos chaînes de réparation ou de fabrication. Ne vous méprenez pas, ce n’est pas mal. 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 trop simplifier le problème, surtout compte tenu des conséquences financières en jeu.

Conor Doherty: Bien sûr. Et encore une fois, nous avons pris un exemple délibérément trivial pour illustrer le point. Mais bien sûr, il ne s’agit pas seulement de deux processus. Réparer le moteur A et réparer le moteur B sont deux plannings ou séquences distinctes. Il y en a généralement beaucoup plus. Vous devez donc les tabuler mentalement ou avec une feuille Excel ou simplement en utilisant le solveur. Vous devez prendre en compte beaucoup plus de choses. Et le point ici, c’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 travailler sur cela.

Simon Schalit: Et bien sûr, il y a le problème simple d’allocation où vous avez le moteur A et le moteur B, et ils ont tous les deux besoin de la même pièce. Si le moteur A est plus ancien, par défaut, vous l’attribueriez au moteur A. Mais si pour une raison quelconque le moteur A a besoin de cinq pièces différentes qui manquent, tandis que le moteur B n’a besoin que de cette seule pièce, il y a de très bonnes raisons de penser que la pièce devrait aller au moteur B. Parce que c’est la seule chose qui manque. Elle peut y aller, tandis que la pièce unique que vous avez, si vous la mettez sur le moteur A, cela ne fait rien car il manque encore quatre autres pièces. FIFO est inconscient de cela.

Conor Doherty: Eh bien, encore une fois, et je tiens à souligner rapidement un point qui a été mentionné précédemment. Dans la mesure du possible, je pense qu’il est important de signaler quelles sont nos positions. Et je n’ai certainement jamais dit cela publiquement ou en privé : appliquer la méthode FIFO n’est pas stupide, naïf ou quoi que ce soit de ce genre. Dans de nombreux cas, encore une fois, c’est l’esprit humain qui aborde le problème et qui utilise souvent les meilleurs outils disponibles. En l’absence d’outils potentiellement supérieurs, les gens se tournent vers ce qui est au moins compréhensible et qui semble fonctionner à première vue.

D’après ce long entretien, je comprends que le diagnostic de la valeur de base est souvent très limité en termes de portée financière. Ce que je veux dire par là, c’est que “Eh bien, le moteur est en panne, cela représente une valeur financière ajoutée, ou une valeur a été ajoutée, cette chose est faite.” Et un point clé que vous semblez expliquer aujourd’hui, c’est qu’il existe à la fois des considérations financières directes et indirectes plus importantes auxquelles, soyons honnêtes, l’esprit humain est tout simplement aveugle par nature. Vous avez parlé de la nature de la conception. Par nature, il ne peut tout simplement pas comprendre à grande échelle les non-linéarités et les conséquences financières externes de la prise de décision. Ce qui nous ramène à l’utilisation de l’automatisation, de l’utilisation d’un scientifique de la supply chain capable d’extraire ces informations et de les convertir en un moteur de décision reproductible.

Simon Schalit: Oui, eh bien, notre position sur ce point est assez claire. L’avenir de la prise de décision dans la supply chain passe par l’automatisation. Et plus le contexte est complexe, plus cela devient important. Pour nous, c’est simplement là où nous nous dirigeons.

Conor Doherty: Pour conclure, pour les personnes qui écoutent et qui ont entendu des affirmations incroyables, incroyablement précises et conséquentes sur ce qui peut être fait, à quelqu’un qui pense encore, “Simon, ce que vous décrivez est tiré par les cheveux, c’est magique, c’est impossible”, votre réponse en 30 secondes à cela en tant que réflexion finale ?

Simon Schalit: Eh bien, cela se produit déjà. C’est quelque chose qui se produit depuis quelques années déjà, 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 bas. Pourquoi ? Parce que nous avons la puissance de calcul et, grâce aux scientifiques de la supply chain, le concept et le rôle des scientifiques de la supply chain. Nous avons la capacité d’apporter les données et les informations nécessaires, stratégiques et financières, à l’algorithme, à l’ordinateur, de sorte que la stratégie appliquée à grande échelle soit celle conçue par les humains et puisse être optimisée dans ce but.

Conor Doherty: Vous avez également mentionné auparavant, en réponse à une question très similaire, je ne me souviens pas exactement du contexte, mais vous avez dit sur ce sujet, l’incrédulité des gens ou le fait que les gens ne croient pas que cela soit possible est surprenant compte tenu du fait que c’est effectivement ce que les gens essaient de faire en temps réel. Donc 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, c’est ce que nous décrivons en utilisant un ordinateur, en utilisant des algorithmes. Ce sont essentiellement les mêmes processus. Vous recherchez une solution optimisée. Ce n’est pas de la magie, c’est simplement l’intervention technologique sur ce processus.

Simon Schalit: Oui, ils le font à la main. Ils le font d’une manière très douloureuse, disons. Douloureux pour eux et dans une certaine mesure douloureux pour l’entreprise car ils n’arrivent pas à 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 réellement l’élément humain qui est déficient à un niveau granulaire et conserver l’élément humain idéal, qui est 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 plus de questions. Ce fut un plaisir.

Simon Schalit: Pour moi aussi. Merci encore pour votre temps et merci à tous de nous avoir regardés.