La science et la technologie de la Supply Chain
RETOUR À LOKAD TV ›
Les générations de l’apprentissage automatique
L'apprentissage automatique est un terme générique qui englobe diverses approches algorithmiques. Dans la supply chain, la façon historique de faire de l'apprentissage automatique était la prévision des séries temporelles. Cependant, cette approche a été remplacée par une série d'approches de prévision supérieures.
Pourquoi les délais d’approvisionnement sont presque toujours sous-estimés
Le délai d'approvisionnement est le temps total, généralement exprimé en jours, associé au cycle de réapprovisionnement des stocks. La quantité de stocks dont une supply chain a besoin pour fonctionner tend à être approximativement proportionnelle à ses délais d'approvisionnement. Estimer avec précision les futurs délais d'approvisionnement est essentiel pour estimer avec précision la quantité de stocks nécessaire pour répondre à la demande future. Cependant, il s'agit d'un facteur fondamental qui est souvent négligé par les entreprises, une importance beaucoup plus grande étant accordée aux prévisions.
Taux de service vs Taux de couverture
En gestion de la supply chain, le taux de service définit la probabilité de ne pas subir une rupture de stock lors du prochain cycle de commande. Cependant, le taux de couverture définit la fraction de la demande client qui sera correctement servie. Les taux de service et les taux de couverture sont distincts et ne doivent pas être confondus.
La méthode d’inventaire Min/Max ne fonctionne pas
La méthode d'inventaire Min/Max définit deux niveaux de stock : d'abord, un seuil de réapprovisionnement, appelé 'min', et ensuite, un objectif de réapprovisionnement, appelé 'max'. Pourtant, malgré sa popularité, cette méthode n'est pas adaptée à la plupart des chaînes d'approvisionnement modernes.
Est-il possible de prévoir une forte croissance ?
La croissance, et plus généralement les tendances, doivent être prises en compte pour fournir des prévisions de demande précises. Cependant, la croissance en tant que modèle statistique s'avère plus difficile et plus difficile à saisir que d'autres modèles bien connus tels que la saisonnalité.
Comment prévoir la saisonnalité
La saisonnalité est l'un des principaux motifs cycliques qui peuvent être utilisés pour améliorer la précision des prévisions. La plupart des processus de la chaîne d'approvisionnement ont tendance à être saisonniers dans une certaine mesure. Non seulement en raison de la demande, mais aussi des délais.
L’analyse ABC ne fonctionne pas
L'analyse ABC est une méthode de catégorisation des stocks largement utilisée dans de nombreuses chaînes d'approvisionnement. Son objectif est de prioriser l'attention de la direction là où cela compte le plus. Pourtant, cette méthode présente de nombreuses failles et ne peut plus être considérée comme étant à la pointe de la technologie.
Modularisation dans la Supply Chain
Alors que l'infrastructure physique soutenant la plupart des supply chains est hautement modulaire, leur infrastructure logicielle correspondante, telle que le contrôle des stocks ou les systèmes de prévision de la demande, tend à être monolithique et fragile. En conséquence, les échecs à grande échelle des chaînes d'approvisionnement logicielles sont encore en cours.
Sales and Operations Planning (S&OP)
La planification des ventes et des opérations (S&OP) est une pratique d'entreprise visant à améliorer l'exécution de la supply chain en renforçant l'alignement avec d'autres divisions au-delà de la supply chain - notamment les ventes, la finance et la production. Malgré les affirmations de plusieurs fournisseurs selon lesquelles les entreprises les plus performantes fonctionnent grâce au S&OP, la plupart des mises en œuvre souffrent de défauts similaires, inhérents à la nature même du S&OP.
Emplois de données dans la Supply Chain
Les pratiques de gestion de la Supply Chain (SCM) sont de plus en plus axées sur les données et quantitatives. De nouveaux rôles sont apparus, tels que le Supply Chain Scientist. Les entreprises doivent prendre des décisions stratégiques quant à savoir si ces compétences sont développées en interne ou externalisées.
Exigences en matière de données pour l’optimisation de la supply chain
L'optimisation prédictive de la supply chain repose sur des données fortement préparées. Le but de ces données est double : premièrement, les données historiques de la supply chain sont utilisées pour construire les modèles de prévision, deuxièmement, les données décrivant l'état actuel de la supply chain sont utilisées pour piloter l'optimisation des décisions.
Prévision de la demande pour les nouveaux produits
Les nouveaux produits n'ont pas d'historique des ventes pouvant être représenté sous forme de séries temporelles. Par conséquent, les modèles de prévision des séries temporelles ne fonctionnent pas pour les nouveaux produits. La prévision de la demande pour les nouveaux produits nécessite des modèles de prévision alternatifs capables d'exploiter des données, telles que les attributs des produits, qui ne sont pas présentées sous forme de séries temporelles.