Cet article de Jean-Patrice Netter, Président de Diagma et Nathan Mayes, Directeur de Diagma USA, vous propose une méthode pour améliorer vos prévisions, en tenant compte de leur incertitude, et ainsi optimiser toute votre Supply Chain.
Comment tirer parti de prévisions de « mauvaise qualité »
Pour obtenir un avantage concurrentiel et assurer la réussite de son entreprise, il faut continuellement améliorer ses Supply Chains. Cela suppose de trouver en permanence le compromis optimal pour fournir des produits de bonne qualité, avec de bons niveaux de service, à un coût minimal. Mais que faire si des problèmes de prévision de la demande s’immiscent dans vos processus de planification et dégradent votre service et vos coûts ?
Un processus en 3 étapes pour améliorer vos prévisions et vos approvisionnements
L’approche de Diagma permet de rectifier toute prévision de la demande (quelle que soit la méthode pour l’obtenir) pour en supprimer le biais et estimer son erreur maximale. En effet, il y aura toujours de l’incertitude dans vos prévisions. Trop d’entreprises se préoccupent de cette incertitude sans la calculer et sans l’exploiter pleinement à leur avantage. Au lieu d’essayer de tomber juste avec leurs prévisions, nous recommandons aux entreprises de suivre le processus suivant :
1ère erreur : vous pensez qu’il vous faut un stock de sécurité en nombre de jours de vente, que ce doit être un pourcentage de la prévision
En réalité si vous comparez a posteriori vos prévisions avec la demande vous vous apercevrez que ce n’est pas le cas. L‘erreur est plutôt une valeur absolue. Par exemple vous vous trompez au maximum de 500 unités dans votre prévision. Si vous prévoyez 2000 en période creuse la demande réelle sera comprise en tre 1500 et 2500. Si vous prévoyez 5000 en période de pointe vous vendrez entre 4500 et 5500.
2ème erreur : vos prévisions sont biaisées, toujours trop optimistes ou pessimistes
Visualisez vos erreurs de prévision sur un graphique avec en abscisse la prévision et en ordonnée le réel. Si vous étiez devin tous les points seraient sur la première bissectrice. Ce n’est probablement pas le cas. Si 50 % des points sont sous la bissectrice et 50 % sont au dessus, c’est un bon indicateur que votre prévision n’est probablement pas biaisée. Si ce n’est pas le cas tracez la droite de régression qui passe à travers les points. L’équation de cette droite vous donne une meilleure prévision. Elle n’est plus biaisée et l’écart entre vos points et cette nouvelle droite vous permet de mesurer l’erreur de prévision. Par exemple la plupart de vos points sont à moins de 500 au dessus de la droite. Donc votre demande maximum sera 500 au-dessus da la prévision.
3ème erreur : vous utilisez la prévision pour approvisionner ou planifier
La prévision n’est qu’une moyenne. L’utiliser vous donne une chance sur deux d’être en rupture. Sauf à utiliser les fameux stocks de sécurité, souvent mal calculés. Abandonnez cette idée des stocks de sécurité et planifiez à partir de la demande maximum prévue.
Utilisez la demande maximum prévue pour alimenter vos processus de planification. Cela vous permettra d’optimiser vos flux. Et d’utiliser au mieux vos ressources, réduire vos stocks. Vous obtiendrez un meilleur service clients. Vous réduirez vos coûts.
Pour en savoir plus sur le sujet, contactez-nous !
Autres articles de Jean-Patrice Netter :
Bien choisir vos prestataires logistiques en Amérique du Nord
REVOIR VOTRE RESEAU SUPPLY CHAIN : POURQUOI ET COMMENT
Juste à temps, Onde Verte, DDMRP?
Hashgraph, l’avenir de la Blockchain pour les Supply Chains complexes
