Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
1
OTIMIZAÇÃO DA CADEIA DE SUPRIMENTOS –
- UM ESTUDO DE CASO DE UMA STARTUP FRANCESA
Ana Carolina Dias Nóbrega
Projeto de Graduação apresentado ao Curso
de Engenharia de Produção da Escola Politécnica,
Universidade Federal do Rio de Janeiro, como
parte dos requisitos necessários à obtenção do
título de Engenheiro.
Orientador: Ricardo Manfredi Naveiro
Rio de Janeiro
Novembro 2018
Scanned with CamScanner
1
Dias Nóbrega, Ana Carolina
Otimização da Cadeia de Suprimentos – Um estudo de
caso de uma startup francesa/ Ana Carolina Dias Nóbrega. –
Rio de Janeiro: UFRJ/ Escola Politécnica, 2018.
VII, 71 p.: il.; 29, 7cm.
Orientador: Ricardo Manfredi Naveiro
Projeto de Graduação – UFRJ/ Escola Politécnica/ Curso de
Engenharia de Produção,2018.
Referências Bibliográficas: p. 64.
1. Otimização. 2. Supply Chain.
3. Previsão de Demanda. I. Manfredi Naveiro, Ricardo. II.
Universidade Federal do Rio de Janeiro,EscolaPolitécnica,
Curso de Engenharia de Produção. III.Título.
2
Agradecimentos
Gostaria de agradecer à todas as pessoas que contribuíram para a realização e para o
sucesso do meu período de estágio e execução do projeto em questão. Agradeço
primeiramente aos meus pais pela dedicação e amor com que me criaram e me ensinaram
a importância do estudo e da informação, à meus amigos, família que escolhi, por todo o
apoio e risadas nessa jornada e posteriormente à Richard Viot Coster, meu gestor no
estágio, por ter me oferecido a possibilidade de trabalhar no projeto em questão. Projeto
esse que correspondia à minhas expectativas enquanto estudante de Engenharia com
especialização em Logística Externa e Transportes. Agradeço principalmente à ele por ter
me apoiado de maneira consistente durante todo o período de estágio e ainda por ter me
apresentado a realidade do trabalho de um engenheiro industrial.
Agradeço igualmente a Sophie Viot Coster por sua recepção calorosa e por seu esforço
para transformar o período de estágio num período de aprendizagem no sentido amplo da
palavra, buscando me apresentar nuances da cultura que enriqueceram a experiência na
França.
Não menos importante, agradeço a UFRJ (Universidade Federal do Rio de Janeiro) pela
oportunidade de poder realizar um intercâmbio que me proporcionou aprendizados
inigualáveis e de valor incalculável, agradeço também à UTT (Université de Technologie
de Troyes) pelos incríveis dois anos de aprendizado. Em especial agradeço à dois
professores que me apoiaram de forma consistente nesses dois anos, Professor Ricardo
Naveiro e Professor Lionel Amodeo, ambos responsáveis pelo projeto Brafitec.
3
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte dos requisitos
necessários para a obtenção do grau de Engenheiro de Produção.
OTIMIZAÇÃO DA CADEIA DE SUPRIMENTOS –
- UM ESTUDO DE CASO DE UMA STARTUP FRANCESAS
Ana Carolina Dias Nóbrega
Novembro 2018
Orientador: Ricardo Manfredi Naveiro
Curso: Engenharia de Produção
Otimização do gerenciamento da cadeia de suprimentos – Um Estudo de
Caso de uma Startup Francesa
Este estágio realizou-se na empresa SENERIS CONSEIL, uma consultoria
especializada emLogística Supply Chain. A empresa SPAREKA confiou-nos
uma missão de reformulação do sistemade gestão da cadeia de suprimentos e
gerenciamento de estoque.Os objetivos eram implementar um novo sistema de
gerenciamento da cadeia de suprimentos passando pela etapa de previsão da
demandaque reduzisse a necessidade de capital de giro (NCG) da
empresa.Analogamente reduziríamosa carga de trabalho dos
aprovisionadores, respeitando a taxa de serviço desejada pela empresa.Os
passos alcançados foram:
Identificar necessidades da empresa junto à equipe;
Desenvolver um modelo de gestão da cadeia de suprimentos
respeitando as diferentes restrições;
Simular e adaptar o modelo proposto usando dados reais;
Os resultados obtidos responderam positivamente às expectativas e
necessidades da equipe. Todas as restrições foram respeitadas, resultando
em uma redução de NCGda empresa e consequente liberação de caixa além
de uma forte otimização da carga de trabalho dos aprovisionadores e uma
diminuição significativa nos estoques médios.
4
OPTIMIZATION OF SUPPLY CHAIN MANAGEMENT - A CASE OF A FRENCH STARTUP
ANA CAROLINA DIAS NÓBREGA
Novembro 2018
Advisor: Ricardo Manfredi Naveiro
Course: Industrial Engineering
Optimization of Supply Chain Management - A Case of a French Startup
This internship took place in the company SENERIS CONSEIL, a consultancy specialized in
Logistics and Supply Chain. SPAREKA has entrusted us with a mission to reformulate the supply
chain management system and inventory management. The objectives were to implement a new
supply chain management system going through the demand forecasting step that would reduce
the company's working capital (WCG) need. Analogously we would reduce the workload of the
suppliers, respecting the service rate desired by the company. The achieved steps were:
• Identify company’s needs together with the team;
• Develop a model of supply chain management respecting the different constraints;
• Simulate and adapt the proposed model using real data;
The results obtained responded positively to the expectations and needs of the team. All
constraints were met, resulting in a reduction of WCG of the company and consequent release
of cash in addition to a strong optimization of the workload of the suppliers and a significant
decrease in average inventories.
5
Sumário
1. Resumo estendido ................................................................................................................................... 7
2. Remerciements ...................................................................................................................................... 17
3. Introduction ........................................................................................................................................... 18
4. L’entreprise qui m’a accuilli pour mon stage ........................................................................................ 19
4.1. Seneris Conseil .................................................................................................................................... 19
4.2. Logistique Urbaine et supply chain ..................................................................................................... 19
4.3. Le sujet de stage.................................................................................................................................. 20
4.3.1. Le client et le contexte .................................................................................................................... 20
4.3.2. Le perimètre de la mission .............................................................................................................. 21
4.3.3. Les objectifs enoncés de la mission ................................................................................................ 21
4.3.4. La demarche du projet .................................................................................................................... 21
4.3.4.1. L’etape 1 ........................................................................................................................................ 22
4.3.4.2. L’etape 2 ........................................................................................................................................ 22
4.3.4.3. L’etape 3 ........................................................................................................................................ 23
4.3.5. Les missions qui m’ont été confiées ............................................................................................... 23
4.4. Le planning prévisionnel du travail ..................................................................................................... 23
4.4.1. L’organisation du temps de travail.................................................................................................. 24
4.5. L’intégration auprès de l’équipe de travail ......................................................................................... 24
4.6. La méthodologie des étapes de travail du projet ............................................................................... 25
4.6.1. La méthodologie de l’etape 1 ......................................................................................................... 25
4.6.2. La méthodologie de l’etape 2 ......................................................................................................... 26
4.6.3. La méthodologie de l’étape 3 ......................................................................................................... 26
5. Le deroulement du travail ..................................................................................................................... 27
5.1. Le deroulement du travail – L’étape 1 ................................................................................................ 27
5.1.1. Les difficultés rencontrées .............................................................................................................. 27
5.1.2. Les objectifs de l’étape 1 ................................................................................................................. 28
5.1.3. Les réunions avec l’équipe approvisionnements ............................................................................ 28
5.1.4. Les besoins exprimés par l’équipe approvisionnements ................................................................ 30
5.1.5. Les résultats de la première étape .................................................................................................. 31
5.1.5.1. Le fonctionnement du système d’approvisionnements actuel ..................................................... 31
5.1.5.1.1. Le stock de securité .................................................................................................................... 32
5.1.5.2. Spareka .......................................................................................................................................... 32
6
5.1.5.3. Telecommandes express ............................................................................................................... 33
5.1.6. Les besoins en termes de fonctionnalités ....................................................................................... 33
5.1.7. Les contraintes du projet ................................................................................................................ 34
5.1.8. Synthèse de résultats de l’étape 1 .................................................................................................. 35
5.2. Le deroulement du travail – L’étape 2 ................................................................................................ 36
5.2.1. L’analyse de la demande ................................................................................................................. 39
5.2.2. Les modèles de prévision de demande étudiés .............................................................................. 41
5.2.2.1. Le modele de holt-winters ............................................................................................................. 41
5.2.2.2. Le modele multiplicatif .................................................................................................................. 42
5.2.2.3. Calcul du volume de reference – V(t) ............................................................................................ 44
5.2.2.3.1. Exclusion des ventes exceptionnelles......................................................................................... 44
5.2.2.3.2. Calcul du coefficient de saisonnalite (s(t)) ................................................................................. 45
5.2.2.3.3. Calcul de la composant tendance ............................................................................................... 45
5.2.3. Le premier choix .............................................................................................................................. 45
5.2.4. La première simulation des données .............................................................................................. 46
5.2.5. Le modèle d’approvisionnement .................................................................................................... 47
5.2.5.1. Le modèle saisonnier ..................................................................................................................... 48
5.2.5.1.1. Le raisonnement du modèle ....................................................................................................... 48
5.2.5.1.2. Les paramètres du modèle ......................................................................................................... 49
5.2.5.1.3. Le calcul du seuil et proposition de comande –modèle saisonnier ........................................... 50
5.2.5.2. Le calcul du seuil et proposition de comande –le modèle erratique ............................................ 51
5.2.6. La validation du modèle par l’équipe .............................................................................................. 52
5.2.7. Synthèse de résultats de l’étape 2 .................................................................................................. 53
5.3. Déroulement de l’étape 3 ................................................................................................................... 53
5.3.1. Le simulateur excel ......................................................................................................................... 54
5.4. Les préconisations ............................................................................................................................... 56
5.5. Résultats de la simulation complète ................................................................................................... 57
5.6. Synthèse étape 3 ................................................................................................................................. 58
5.7. Résultat du projet ............................................................................................................................... 59
6. Discussion dês Résultats ........................................................................................................................ 59
7. Conclusions ............................................................................................................................................ 60
8. Bibliographie .......................................................................................................................................... 61
9. Annexes ................................................................................................................................................. 62
9.1. Annexe 1 – logigramme du modèle proposé ...................................................................................... 62
9.2. Annexe 2 – Capture d’écran du simulateur excel ............................................................................... 67
7
1. Resumo estendido
O presente trabalho é o resultado de um estágio de seis meses realizado como
parte do programa de Dupla Diplomação entre a Universidade Federal do Rio de
Janeiro (UFRJ) e a Université de Technologie de Troyes (UTT) localizada na
cidade Troyes, França. O presente relatório apresenta todo o desenvolvimento e
aplicação dos conhecimentos adquiridos durante o programa especialmente no
que tange a previsão de demanda, gestão de estoques bem como gerenciamento
e otimização da Supply Chain. O idioma original do relatório, francês, foi mantido e
o resumo estendido contempla os principais pontos do trabalho bem como os
principais resultados alcançados.
O estágio foi realizada na empresaSeneris Conseil que foi criada em 2015 por dois
sócios, sendo o primeiro deles um consultor especializado em Supply Chain
advindo de uma grande consultoria parisiense a segunda uma empreendedora
especializada em agregar valor à marcas pequenas para sua posterior venda. A
Seneris Conseil é uma consultoria de porte pequeno que atende principalmente
projetos de melhoria na Supply Chain e que também atua na confecção de estudos
prospectivos nos mais diversos campos da Industria.
O desenvolvimento do projeto se deu durante uma consultoria prestada à empresa
Spareka que é uma startup francesa que vende peças sobressalentes de
eletrodomésticos via e-commerce. A Spareka reformulação do sistema de
tivemos,no entanto, algumas etapas preliminares de extrema importância para o
sucesso do projeto, dentre eles podem ser destacados a compreensão do
funcionamento do sistema vigente na empresa para gestão de suprimentos,
análise da capacidade técnica da equipe bem como levantamento das restrições
que deveriam ser respeitadas em qualquer possibilidade de solução para o
problema levantado.
A empresa Spareka, por ser uma startup estava passando por um momento de
estruturar melhor suas operações, o que quer dizer que inicialmente,
impulsionados pela forte demanda por seu produto, a empresa cresceu
organicamente porém sem estruturar suas operações de maneira otimizada e
organizada. Dessa forma, decidiram contratar a consultoria na qual estagiei para
que estruturássemos melhor o sistema de gerenciamento da cadeia de
suprimentos afim de reduzir a necessidade de capital de giro da empresa, uma vez
8
que esta estava sendo consumida pela conta estoques. Inicialmente tínhamos um
panorama de altos níveis de estoque e também altos níveis de ruptura de estoque
e consequentes vendas não realizadas. Para resolução do problema explicitado
acima estruturou-se o projeto como se segue:
Etapa 1- Nesta etapa buscamos entender o funcionamento atual e as
necessidades da empresa. Por se tratar da etapa que coleta as
informações que serão a base para as decisões tomadas durante o projeto,
é a etapa mais longa e também a mais importante. Esta etapa consistia em
descrever de maneira minuciosa o atual funcionamento do sistema de
aprovisionamento da empresa, as principais dificuldades enfrentadas pelos
aprovisionadores sem deixar de levar em conta as expectativas da equipe
quanto ao resultado final. Nesta etapa utilizamos como ferramenta um
logigrama para facilitar o detalhamento das atividades exercidas pelos
aprovisionadores bem como os atuais parâmetros utilizados para
realização de pedidos de reposição de peças junto aos fornecedores.
Etapa 2 – Uma vez finalizada a etapa 1 passamos então para a etapa 2.
Tendo conseguido descrever o funcionamento do sistema, seus principais
problemas passamos então a buscar alternativas para responder às
demandas da empresa. Identificamos que a principal busca por soluções se
daria através da busca e adequação de modelos de previsão de demanda
adaptados às diferentes realidades dentro do Portfolio da empresa. Aqui,
cabe ressaltar que fomos contratados enquanto consultoria para definir
como o novo sistema de gestão da cadeia de suprimentos deveria
funcionar o que inclui o desenho de tal sistema e a descrição de todas as
funções necessárias. Não estando, no entanto, sob nossa
responsabilidade, o desenvolvimento de tal sistema uma vez que isso seria
feito pelo próprio TI da empresa.
Etapa 3 – A última etapa é uma etapa de finalização e de pequenas
alterações no sistema proposto. Aqui realizamos a construção de um
protótipo do sistema proposto no Excel e realizamos a simulação com os
dados reais para avaliar a aderência da proposição. Uma simulação
automatizada foi feita e pequenas alterações foram realizadas a ponto de
garantir a qualidade do entregável.
Passarei agora a descrição dos detalhes de cada uma das etapas bem
9
como apresentação dos resultados mais importantes.
Como resultado da primeira etapa obtivemos quatro elementos: A
compreensão do funcionamento do sistema de aprovisionamento atual, a
caracterização dos diferentes tipos de demanda dos produtos do portfolio, as
necessidades da empresa no que tange o sistema de gestão de
aprovisionamento e as funções à serem integradas no novo sistema e
finalmente, as restrições à serem observadas durante a execução do projeto.
Alcançamos os objetivos descritos em e as principais preocupações foram
identificadas:
• A necessidade de integrar no novo modelo de gestão de suprimentos os
componentes de tendência e sazonalidade da demanda atualmente
negligenciados pelos dois back offices;
• A urgência de distinguir os históricos de vendas de cada produto por canal
de vendas, notadamente excluindo a parte de vendas da AMAZON.
• A necessidade de respeitar as taxas de serviço para cada back office.
• A necessidade de gerenciamento transparente, uma interface de usuário
simples e acessível e mais visual (alertas).
• A separação dos históricos de vendas por canal foi realizada e uma nova
análise de dados foi realizada para investigar a possível necessidade de
levar em consideração ou não os componentes de tendência e sazonalidade.
O modo de reabastecimento atual é baseado nos últimos 3 meses de vendas,
o que tem como efeito gerar um grande fluxo de pedidos de fornecedores
durante a alta temporada com os seguintes efeitos principais: Grande
necessidade de capital de giro, sem antecipação da alta temporada:
degradação do atendimento ao cliente no início da temporada alta, elevado
estoque no final da alta temporada, enquanto as vendas caem, assim o caixa
não é usado eficientemente. Por fim, esse método de gerenciamento não
otimiza o número de pedidos de fornecedores para reduzir os custos
incorridos por eles. Identificamos ainda a necessidade de obter uma
classificação ABC usando como critério o volume de vendas anual.
No desenvolvimento da segunda etapa fizemos inicialmente um estudo
gráfico e puramente visual para identificarmos dentro do portfolio da empresa
os diferentes tipos de demanda, tendo sido identificados dois tipos de
demandas diferentes: Errática e Previsível (podendo ser descritas por
10
modelos de previsã que levassem em conta Trend, Level and Saisonality).
Após essa subetapa, começamos a testar dentre os modelos disponíveis
aquele que melhor descreveriam a maior parte das demandas dos produtos.
Logo, estudamos o modelo de Previsão de Demanda de Holt- Winters e após
a realização de testes no Excel, o modelo utilizado era o modelo de Holt-
Winters só que considerando que cada mês representa uma temporada.
Desta forma evitaríamos que a determinação do tamanho de cada temporada
dependesse da intepretação gráfica de cada um dos aprovisionadores. Além
disso, os testes demonstraram que esse era um modelo aderente e que
proveria qualidade na previsão de demanda ser produtos com classificação
de demanda previsível.
O modelo utilizado é apresentado abaixo para conhecimento:
Este modelo de previsão é uma adaptação do modelo multiplicativo (seção
5.2.2.2). Ele também considera que a demanda deve ser dividida em três
componentes (nível, tendência e sazonalidade). No entanto, a etapa de
identificar o tamanho da temporada a partir de uma ferramenta visual não é
necessária, pois cada mês é uma temporada. Desta forma simplificamos o
uso do modelo pelos usuários. O método é baseado em três etapas:
P (t) = V (t) * S (t) * T (t)
Para o cálculo do volume de referência - V (t):
O volume de referência é a média de vendas excluindo vendas
excepcionais (próximo capítulo) das 53 semanas anteriores à semana
para as quais fazemos a previsão. Em outras palavras, fazemos a
previsão para a semana x, então nosso volume de referência seria a
média de vendas de 53 semanas antes da semana x. Excluído de vendas
excepcionais
Conforme mencionado em (5.2.1), é necessário um mecanismo atípico de
exclusão de vendas para aumentar a eficiência da previsão de demanda. É
comum ter uma venda atípica que é levada em conta e que desenha uma
tendência que não é verdadeira.
De fato, o modelo entende isso como uma nova tendência e o estoque médio
se encaixa. Para resolver isso, consideramos a taxa de serviço de 99% e,
com a tabela de lei normal, dissemos que todas as vendas acima da média
de vendas, mais 2,33 desvios-padrão, deveriam ser excluídas. Este modelo
11
de previsão é baseado nas vendas excluindo vendas excepcionais (VEVE).
Para o cálculo do coeficiente de sazonalidade (s (t))
1- Calcula-se quanto a venda da semana representa em relação ao
volume de vendas anual. (�̇�)
�̇� =𝑉𝐸𝑉𝐸( 𝑠𝑒𝑚𝑎𝑛𝑎 𝑡)
𝑠𝑜𝑚𝑎 𝑑𝑎𝑠 𝑣𝑒𝑛𝑑𝑎𝑠 𝑑𝑎𝑠 𝑢𝑙𝑡𝑖𝑚𝑎𝑠 53 𝑠𝑒𝑚𝑎𝑛𝑎𝑠
2- Calcula-se a média entre semanas equivalentes do histórico de
vendas. Exemplo, para a semana 10, calcularemos a média do (�̇�) do
ano de 2014 e 2015, assim, S (t) será a média da semana 10 de 2014
e a semana 10 de 2015. Por esse motivo você precisa de pelo menos
dois anos de histórico de vendas para poder aplicar este modelo. Nós
teremos um S (t) para cada semana do ano, então 53 S (t).
3- Cálculo do componente de tendência
Para o cálculo do componente de tendência, o procedimento é muito
próximo ao usado pelo modelo multiplicativo. Aqui, uma regressão linear
é realizada usando vendas médias móveis de 53 semanas (VEVE).
Nesse caso, a regressão foi feita a partir da função Excel DROITREG.
O modelo de Aprovisionamento: Após a escolha feita entre os diferentes modelos
de previsão de demanda. Podemos agora passar para o projeto, apresentando o
modelo de aquisição em sua totalidade. O modelo aplicado é dividido em duas
partes: o modelo de fornecimento para produtos com demanda do tipo errático e
uma segunda parte para os produtos com demanda do tipo sazonal. Mesmo que o
modelo seja diferente da categorização da demanda, existem pontos constantes: é
um modelo que é baseado na venda máxima prevista para o cálculo do limite e na
necessidade de uma proposta de pedido. O fluxograma (Apêndice 1) apresenta o
funcionamento do modelo em suas principais etapas. O modelo utilizado se estrtura
com base na venda máxima prevista. Em contraste com outros modelos que
raciocinam, em particular, na venda média, aqui nos concentraremos na relação
entre a venda máxima durante o período de cobertura e a taxa de serviço prevista
por Spareka e TE. A ideia é ter um sistema constantemente atualizado. Os dois
conceitos que orientam esse modelo são o limite de ordem e a necessidade de uma
proposta de pedido. De acordo com o cálculo que será explicado mais tarde, o
sistema gera um valor para a linha de comando e executa uma comparação entre
12
este valor e o estoque virtual, se o estoque virtual estiver abaixo do limiar de controle
um aviso é gerado para o comprador, para que ele faça um pedido. A quantidade a
encomendar é a "proposta de encomenda" baseada na necessidade máxima
durante o período de cobertura, respeitando a taxa de serviço. O que significa que
possui um sistema com quantidade de pedidos variável e também um tempo de
pedido variável. Para o modelo funcionar, precisamos de alguns parâmetros:
1. O Período de Cobertura do Pedido: Este é o período de tempo durante
o qual nos cobriremos para atender a demanda de acordo com a taxa de
serviço prevista. Defendemos um período de cobertura diferente para
produtos de acordo com a categorização ABC.
2. O prazo de entrega do fornecedor (em semanas)
3. Idade - O intervalo de tempo (em semanas) da última venda
4. O número de desvios padrão para o mecanismo de exclusão de
vendas: Este parâmetro foi, em princípio, definido como 2,33, a fim de
manter a taxa de serviço de 99%.
5. Min idade - Este é o tamanho mínimo do histórico de vendas para
categorizar um produto como sazonal ou errático. Como o modelo
sazonal requer pelo menos dois anos de histórico de vendas para
calcular corretamente os coeficientes de sazonalidade, foi necessário
criar um parâmetro que nos ajude a categorizar os produtos entre
erráticos e sazonais.
6. The Past Horizon: Este é o período de tempo até o qual as vendas
passadas acumuladas serão procuradas para encontrar a necessidade
máxima. Quanto mais tempo o "horizonte acabar", mais provavelmente
encontraremos vendas muito altas à medida que aumentarmos nosso
alcance de pesquisa. Esse parâmetro está diretamente relacionado à
taxa de serviço que queremos garantir. Quanto mais avançamos, maior
o risco de aumentar o estoque médio, mais nos certificamos de não
quebrar.
7. O valor máximo do componente de tendência que pode ser aplicado.
Previmos que, para novos produtos, o modelo poderia indicar um
componente de tendência muito forte e, por esse motivo, definimos um
parâmetro para poder influenciar esse componente. A intenção é
controlar a quantidade em estoque.
13
8. Desvio padrão da demanda.
No que tange os cálculos dos parâmetros de aprovisionamento dos
modelos erráticos e sazonais, estes podem ser vistos com mais detalhe
nas seções 5.2.5.1.3 e 5.2.5.2. Sendo SVo a quantidade atual tida em
estoque menos a quantidade que já foi vendida e deve, portanto, ser
enviada aos clientes, obtivemos a validação da equipe com o seguinte
esquema:
14
Passando para a etapa final, a terceira, A construção de um simulador Excel foi necessária
para avaliar o funcionamento do modelo proposto na vida real. A abordagem foi simular a
operação do modelo de gestão de suprimentos ao longo das semanas de 2016. Construímos
um simulador que realizou os cálculos do modelo atual e do modelo proposto. O caso "product
SKU" deve ser inserido e todos os resultados exibidos automaticamente. As comparações
foram feitas por uma tabela de resumo (Figura 14) com os critérios mencionados em (5.3).
Com este simulador pudemos observar o comportamento dos produtos. Produtos que
vendem muito, outros que vendem muito pouco (frequência de vendas) e tentamos
encontrar um padrão ou categorias para poder defender a tomada de parâmetros mais
eficazes.
Naquela época, identificamos a partir dos testes, a entrada correta desses parâmetros de
15
acordo com uma categorização de produtos ABC.
Esta classificação foi realizada, bem como novas simulações para validar as
recomendações. Abaixo, apresento as recomendações que foram validadas pelas novas
simulações.
Fréqence de vente hebdo moyenne
Nombre de produits Moyenne Mini Maxi
A 125 94% 12.3% 100%
B 323 63% 8.5% 100%
C 1761 12% 0.9% 60%
Total 2209 29% Imagem 16 –Quadro com as características dos produtos pós
classificação ABC
As recomendações: A recomendação para levar em conta as vendas dos diversos canais de
vendas é calcular o limite de pedidos e a proposta de pedidos nos 2 canais B2C e Pro
acumulados, bem como excluir as vendas vindas do canal da Amazon e fazer pedidos
separados para esse canal específico.
Para a definição do período de cobertura pela classe ABC (critério de classificação - Volume
de Vendas) o objetivo era reduzir substancialmente o estoque em produtos de alto volume,
aumentando a freqüência de pedidos nos produtos A e compensando por um aumento
inventário e diminuição do número de pedidos de produtos de baixa rotatividade.
Produtos A: Diminuir o período de cobertura para 6 semanas
Produto B: Manter um período de cobertura de 10 semanas
Produtos C: Aumentar o período de cobertura para 20 semanas
Defina um horizonte passado exclusivo para modelos sazonais e erráticos. Essa configuração
define o horizonte no passado para determinar a venda máxima durante o tempo limite do
fornecedor. Defina um horizonte longo o suficiente para manter a taxa de serviço (52 semanas).
Defina o tempo do fornecedor mais próximo da realidade (atraso máximo observado em
condições normais). O atraso do fornecedor tem um impacto muito forte no limite do pedido. Um
atraso maior que o atraso real gera sobrecarga desnecessária. A última recomendação foi obtida
empiricamente: o parâmetro "número de desvios padrão" deve ser 4 em vez de 2,33. De fato, a
demanda não segue uma distribuição normal e, por essa razão, o desvio padrão 2,33 não se
apresenta como o parâmetro mais eficiente.
Resultados da simulação completa: Após a integração das mudanças mencionadas acima, uma
macro (Imagem 16) foi programada para avaliar o impacto da implementação desse modelo em
todos os produtos ativos da TE. O objetivo é simular todos os produtos ativos armazenáveis e
avaliar os ganhos em termos de inventário, carga de trabalho e taxas de serviço.
16
O resultado desta simulação é mostrado na tabela abaixo. O impacto nos estoques foi uma
redução de 15% em média. Isso é consistente com as recomendações: reduzimos os estoques
nos produtos tipo A e B, recebemos mais pedidos e aumentamos os estoques de produtos do
tipo C com menos pedidos.
A etapa 3 foi a última etapa e com ela concluímos o projeto. Como resultado dessa etapa, tivemos
também o resultado do projeto. Durante o passo 3, construímos o simulador Excel em sua
primeira versão, onde encontramos algumas inconsistências. A partir desta e de uma nova
reunião com a equipe Spareka, fizemos algumas modificações (incluindo as classificações ABC
e as recomendações dos parâmetros) no modelo. Em seguida, realizamos uma nova simulação
desta vez, com todos os produtos TE armazenáveis e os resultados dessa simulação ainda são
estimativas. Os prazos reais do fornecedor não foram levados em consideração, uma vez que
esses dados ainda não são suficientemente confiáveis. Apesar disso, tivemos resultados
próximos ao esperado.
Discussão dos Resultados: os resultados aqui apresentados são resultados baseados nos
objetivos definidos no início do projeto, incluindo a redução de NCG, a definição de um modelo
de fornecimento que atenda às necessidades identificadas da empresa, bem como a
otimização da carga de trabalho dos aprovisionadores. Com relação a esses objetivos, os
alcançamos de maneira integral. Por outro lado, deve-se levar em conta que a última
simulação, realizada com todos os produtos estocáveis da TE, continua sendo uma estimativa
do resultado da implementação do modelo de oferta. Os atrasos do fornecedor ainda são
superestimados devido ao gerenciamento de fornecimento atual, o que aumenta o tempo do
fornecedor para ter um estoque de segurança de maneira não estruturada.
17
2. Remerciements
J’adresse mes remerciements à toutes les personnes qui ont contribué à la réalisation et au
succès de mon stage. Je tiens tout d’abord à remercier Richard VIOT COSTER, mon maître
de stage, pour m’avoir offert la possibilité de travailler sur un projet correspondant à mes
attentes professionnelles et notamment pour m’avoir suivi et soutenu durant ces 6 mois. Il a
su m’orienter et me faire découvrir concrètement ce que représente le métier d’ingénieur au
quotidien. Le suivi et les conseils qu’il m’a donnés durant cette période m’ont beaucoup
apporté et stimulé. Je serai toujours reconnaissante d’avoir eu l’opportunité de vivre cette
expérience si enrichissante.
À Sophie VIOT COSTER pour m’avoir accueilli dans son service ainsi que pour son aide
quotidienne. Je la remercie pour sa bienveillante attention à mon égard, et son intérêt pour
mon travail. J’ai réellement apprécié travailler à leur cotés autant pour la qualité des conseils
donnés que pour leur disponibilité.
Enfin, je tiens à remercier l’UTT pour ces incroyables deux ans d’échange et toutes les
opportunités d’apprentissage qui m’ont été offertes par l’Université de Technologie de Troyes.
En outre, je voudrais remercier, en particulier M. Lionel AMODEO responsable SI, pour le
soutien apporté durant toute la démarche de mes études à l’UTT et M. Yann DIJOUX, mon
responsable pédagogique UTT, pour le suivi de mon stage.
18
3. Introduction
Ce rapport de stage détaille les missions et les projets que j’ai réalisés au cours
de six mois de stage au sein de Seneris Conseil au titre de mon stage
professionnel pour l’obtention du diplôme d’ingénieur à l’Université de
Technologie de Troyes (UTT) comme partie du programme de double diplôme
entre l’Université de Technologie de Troyes et l’UniversidadeFederal do Rio de
Janeiro (UFRJ). Il a contribué de façon significative à ma formation
commeingénieur, notamment pour l’application des connaissances acquises
pendant les années d’étude à l’UTT et à l’UFRJ aux problèmes réels. Mes
principales missions étaient:
• Analyser des données des ventes pour déterminer le comportement de la
demande,
• Analyser des modèles d’approvisionnements existants et faire le lien
entre eux et les besoins et attentes du client,
• Définir le modèle à être appliqué et adapté au besoin du client,
• Construire un simulateur automatisé, sur Excel, qui permette d’estimer
les gains de l’entreprise à partir des données réelles.
Le rapport est structuré comme suit: une présentation de l’entreprise, les étapes
réalisées et ensuite la précision du travail développé durant le stage, les
difficultés rencontrées, les solutions proposées, les résultats attendus, la
discussion des résultats et la conclusion des enseignements que j’ai tiré de ce
stage.
19
4. L’entreprise qui m’a accuilli pour mon stage
4.1. Seneris Conseil
Seneris Conseil est une société inscrite sous le statut juridique de SARL qui a
été créée en 2015 par 2 associés, l'un ancien consultant, l'autre entrepreneur.Le
siège social est situé à Paris (75019) et le dirigeant est Richard Viot Coster.Ils
interviennent en tant que consultants en Supply Chain, Organisation et Systèmes
d'information dans divers secteurs d'activité et type d'entreprises, de l'industrie
aux services, dans la distribution spécialisée comme dans la mode, dans des
grands groupes et des start-up.Ces interventions ont lieu tant en France qu'à
l'international.En parallèle de ces missions de conseils, des études de
prospectives sont menées, notamment dans un esprit de laboratoire pour voir
émerger de nouveaux concepts entrepreneuriaux.
4.2. Logistique Urbaine et supply chain
Dans le cadre de son activité de consulting, Seneris Conseil mène plusieurs
missions sur différents sujets simultanément. En tant qu'étudiante à l'UTT et plus
précisément en GI LET, J'ai eu l'occasion de participer à divers projets:
La définition des process cible d'une start-up en R&D passant en phase
d'industrialisation: formalisation d'une macro cartographie des process.
La réalisation d'une étude d'observation consommateurs dans le cadre d'une
étude de prospective en logistique urbaine
La mise en place d'un modèle d'approvisionnements & de gestion des stocks,
projet sur lequel portera ce rapport
20
4.3. Le sujet de stage
4.3.1. Le client et le contexte
Spareka est une Start- up française avec son siège social situé à Paris (75019),
créée en août 2006. Elle propose un service de vente des pièces détachées en
ligne pour la réparation des appareils électroniques ainsi que la vente des
produits neufs du type télécommandes. En outre, ils proposent des tutoriels en
vidéos pour que la réparation puisse être effectuée par le propre client.
Comme il s’agit d’une entreprise des pièces détachées, le nombre de références
actives est très élevé, plus de 4000 dans leur catalogue (les produits en flux tiré
par la demande ne seront pas traités dans ce rapport).
En ce qui concerne la structure de l’entreprise elle se divise en deux back-offices,
soit le premier, Spareka et le deuxième Télécommande Express. Les back-
offices opèrent de façon indépendante en ce qui concerne la gestion des stocks
et les approvisionnements. Actuellement, la gestion des stocks et
l’approvisionnements sont confiés aux approvisionneurs et n’ont pas le même
système de fonctionnement par rapport à la politique de gestion des stocks.
Image1-Photo de l’équipe Spareka et TE
21
4.3.2. Le perimètre de la mission
Àpartir du contexte décrit ci-dessus la mission consistait à réaliser une
reformulation du système d’approvisionnements actuel pour les deux back-
offices. L’objectif était de construire un cahier des charge fonctionnel en décrivant
les fonctionnalités nécessaires pour un système d’approvisionnements
automatique pour les deux back-offices qui prendrait en compte les différentes
contraintes de chacun.
Ce cahier des charges serait la base pour que les informaticiens puissent
construire une plateforme automatisée et les intégrer aux données de stock.
4.3.3. Les objectifs enoncés de la mission
Avec la croissance de l’activité, l’impact des commandes d’approvisionnements
sur la trésorerie s’accentue. Aussi l’objectif premier est de diminuer le BFR en
optimisant le niveau de stock. Cependant la démarche vise également les
objectifs suivants :
Augmenter le taux de service : réduction des ruptures,
Optimiser la charge de travail,
Passage de commandes sur la base des propositions de l’outil,
Optimisation du nombre de commandes : réduction de la charge de travail
de suivi des commandes, réception en entrepôt et contrôle des factures,
Simplicité et robustesse des développements informatiques.
4.3.4. La demarche du projet
La démarche de travail proposée par Seneris Conseil pour le déroulement de la
mission est divisée en trois étapes (4.3.4.1, 4.3.4.2, 4.3.4.3) étant donné qu’après
chacune des réunions réalisées un compte rendu qui portait sur les sujets
discutés, les décisions prises et les points à décider était envoyé à tous les
acteurs du projet.
22
4.3.4.1. L’etape 1
Cette étape est l’étape la plus longue vu qu’elle est la base pour toutes les
décisions qui seront prises durant la mission. Elle consiste à comprendre le
fonctionnement actuel de l’entreprise. Autrement dit, c’est une phase durant
laquelle il faut écouter les différentes parties qui sont concernées par la
reformulation du système d’approvisionnements. Il faut par ailleurs identifier
les vrais besoins et attentes de toute l’équipe. Pour cette raison nous avons
réalisé plusieurs réunions avec les responsables de différents départements
de l’entreprise, comme par exemple, les approvisionneurs, les responsables
d’achats, les informaticiens, le responsable de la prévision de la demande et
le responsable stock. Cette étape se termine après la validation des besoins
identifiés par tous les acteurs du processus.
4.3.4.2. L’etape 2
La seconde étape de la démarche consiste à l’étude des différents modèles
de prévision de la demande existants et aux possibles adaptations de ces
modèles pour répondre aux besoins du client. Dans cette partie les modèles
existants sont étudiés exhaustivement pour trouver le ou les plus adaptés à
la réalité des besoins techniques et des attentes du client. Le modèle choisi
est après intégré dans le modèle d’approvisionnements. Cela fait aussi partie
de l’étape 2 de définir toutes les fonctionnalités du modèle.
23
4.3.4.3. L’etape 3
Une fois que le modèle est choisi et toutes les fonctionnalités sont définies,
la troisième étape s’initie : la simulation du modèle choisi avec les données
réelles.
Le but de cette phase est de trouver les derniers points devant être ajustés
selon le résultat des simulations. En l’occurrence, les simulations sont
réalisées dans Excel et sont complètement automatisées.
4.3.5. Les missions qui m’ont été confiées
Pour atteindre les objectifs de la mission chez Spareka j’ai participé à
chacune des étapes dans la démarche proposée par mon tuteur de stage,
Richard Viot Coster.
Ainsi mon projet de stage a été de participer de façon très active à l’analyse
des données des ventes, à l’identification des vrais besoins en termes
d’approvisionnements, à l’analyse et à l’adaptation, si nécessaire, des
modèles existants pour enfin, pouvoir construire un modèle de simulation des
résultats du modèle proposé.
4.4. Le planning prévisionnel du travail
Les missions dans l’univers du consulting sont, en général, vendues au forfait
ou en régie, selon le nombre de jours travaillés. En l’occurrence cette mission
a été vendue au forfait, ce qui veut dire que le travail sera effectué pour un
budget donné et négocié, quel que soit le nombre de jours travaillés.
Le projet n’était pas urgent, nous avons pu travailler de façon rythmée mais
sereine. Le délai imposé par le client était de maximum 7 mois pour
l’intégralité du projet.
24
4.4.1. L’organisation du temps de travail
Comme évoqué précédemment, l’étape 1 était la plus longue et nous avions
jusqu’à 12 semaines pour l’effectuer en son intégralité. Pour l’étape 2 le
planning prévisionnel était de maximum 6 semaines et pour la troisième étape
nous avions jusqu’à 7 semaines.
C’est important de remarquer que l’organisation du travail dans le délai
imposé par le client a été fait dès le début du projet. Cela a été utile pour les
prises des rendez-vous qui réunissant 3 à 4 personnes avec différents
agendas. Sans la définition en amont des délais intermédiaires le respect du
délai final n’aurait pas été possible.
4.5. L’intégration auprès de l’équipe de travail
Richard Viot Coster m’a mis très à l’aise pour proposer des méthodologies
d’étude et des solutions pour les problèmes identifiés. De façon très
rigoureuse nous avons recueilli les informations nécessaires pour toute la
démarche de la mission. Nous avons ainsi évalué les différents aspects des
solutions possibles. Lui a toujours su m’orienter et me faire apprendre le
métier d’ingénieur de manière très naturelle, en utilisant toujours un ton
didactique. À mesure que le projet avançait je voyais aussi ma progression
professionnelle. Notamment sur les aspects techniques de l’ingénierie mais
aussi sur les aspects moraux du métier.
25
4.6. La méthodologie des étapes de travail du projet
4.6.1. La méthodologie de l’etape 1
Comme décrit en (4.3.4.1) l’étape 1 a permis de comprendre les besoins du
client. Comme j’ai pu constater après la fin du projet, les besoins verbalisés
par l’équipe de travail au début du projet peuvent ne pas correspondre aux
besoins réels de l’entreprise. À titre d’exemple, lors des deux premières
réunions, les responsables Achats de deux back-offices insistaient sur le fait
que le grand problème du système de réapprovisionnements actuel était la
non prise en compte de la saisonnalité des produits dans le calcul du besoin
de commande et que c’était cela la cause des ruptures des stocks et de
surstocks. Cependant, au cours de la quatrième réunion, nous avons prouvé
que cela était un problème secondaire et ne représentait pas la priorité du
projet.Ce moment du projet consistait à réaliser plusieurs réunions avec les
différents acteurs pour comprendre le fonctionnement du système actuel, les
raisons de ce fonctionnement et les difficultés rencontrées.
Nous avons recueilli trois informations principales :
Le fonctionnement actuel du système et ses motivations,
Les besoins techniques,
Les attentes de l’équipe.
Après chacune des réunions nous rédigions un compte rendu qui portait sur
tous les sujets abordés pendant la réunion. Pour que de cette façon le
déroulement du travail soit accessible et précisément enregistré.
26
4.6.2. La méthodologie de l’etape 2
Etant donné que toutes les informations nécessaires à la suite du travail ont
été prises en compte, pour la suite du projet nous devons évaluer de façon
plus précise les solutions envisageables aux besoins identifiés à l’étape 1.
Durant cette étape les réunions sont moins fréquentes et le projet est travaillé
notamment par nous (le prestataire).
L’étude des modèles de prévision de la demande est effectuée, ensuite un
choix préliminaire est réalisé de façon à réduire les possibilités de solutions.
Alors, parmi les modèles pré-choisis, en respectant les contraintes du projet
et les caractéristiques de la demande une étude plus approfondie est menée
sur les modèles sélectionnés.
Ensuite un seul modèle est choisi et défini de façon rigoureuse et les
adaptations nécessaires sont rédigées et finalement le modèle est intégré au
modèle d’approvisionnements, construit dans le software Excel.
4.6.3. La méthodologie de l’étape 3
La prochaine étape est donc, la simulation du modèle construit avec les
données réelles. Cette partie requiert des connaissances avancées du
software Excel, étant donnée la nécessité d’automatisation des calculs en
raison de la quantité des données à devant être traitées. En l’occurrence, le
simulateur Excel a été construit pour évaluer l’impact du modèle proposé sur
la charge de travail des approvisionneurs, sur les stocks moyens et sur la
libération de la trésorerie dans les deux back-offices.
27
5. Le deroulement du travail
L’objectif de cette section est de décrire de façon plus précise tout le
déroulement du travail dans les étapes du projet jusqu’au but, en présentant
les résultats. Ensuite, les détails de tous les calculs qui font partie du modèle
seront aussi présentés, en utilisant comme support des captures d’écran des
feuilles Excel. Le déroulement du travail est présenté ci-dessous :
5.1. Le deroulement du travail – L’étape 1
5.1.1. Les difficultés rencontrées
D’abord il faut dire que rentrer dans une entreprise et comprendre les détails
du fonctionnement du processus d’approvisionnements n’est pas forcément
évident étant donnée la complexité de ce processus. Pour cette raison,
comme cela était mon premier stage j’ai eu du mal à synthétiser les
informations verbalisées par les employés de Spareka. Pour eux le processus
était tout à fait simple et évident mais le fait de ne pas avoir les informations
synthétisées, structurées et rédigées a été une difficulté même si au fils du
temps j’ai appris, avec l’orientation de mon tuteur de stage, à mettre en mots
et en schémas le fonctionnement de l’approvisionnements ce qui est la base
du métier de consultant. La deuxième difficulté a été le traitement de
données: nous avions différentes sources de données (l’historique de ventes,
les délais fournisseurs, les prévisions de demande, les données de la gestion
actuelle des approvisionnements qui devaient être intégrées pour décrire
toute le processus d’approvisionnements. Le traitement de cette énorme
quantité de données de manière intégrée a été un fort point d’apprentissage
pour moi, notamment les outils Excel qui sont essentiels pour la fiabilité de la
modélisation.
28
5.1.2. Les objectifs de l’étape 1
À la fin de cette étape, nous nous attendions à schématiser le système
d’approvisionnements actuel de façon à avoir tous les détails de calcul
réalisés pour le seuil de commande et la quantité à commander, en passant
forcement par la compréhension des détails de la prévision de demande. En
effet, la gestion d’approvisionnements est basée sur la prévision de la
demande. Aussi, nous voulions identifier et définir les besoins en termes de
fonctionnalités ayant besoin d’être développées. Nous veillions également au
respect du délai partiel de 12 semaines, au maximum, pour la fin de cette
étape.
5.1.3. Les réunions avec l’équipe approvisionnements
La démarche adoptée pendant la première phase a été toujours la même :
des réunions dont la durée variait entre 2 et 4 heures avec la participation des
deux responsables Achats de deux back-offices et parfois l’informaticien,
responsable du développement informatique du nouveau système, et l’un des
approvisionneurs. L’ordre du jour de la réunion était défini au début de la
réunion lors de la première réunion et pour la suite, était définie par email, à
l’avance, pour que chacun puisse préparer les éléments nécessaires pour la
prochaine réunion. Rigoureusement après les réunions un compte rendu
rédigé par mon tuteur avec ma collaboration était envoyé à tous les
participants. L’image 2 est un exemple de compte rendu rédigé par nous :
29
Image 2-Exemple de Compte Rendu de l’étape 1
30
5.1.4. Les besoins exprimés par l’équipe approvisionnements
La première réunion avait comme objectif d’écouter les responsables Achats
des deux back-offices pour découvrir leurs besoins, les plus grandes
difficultés qu’ils rencontraient à l’époque et aussi pour comprendre le
fonctionnement du système actuel. Comme résultat de cette première
réunion nous avons eu trois grandes demandes.En premier lieu, la
construction d’un système d’approvisionnements qui dissocierait les données
de ventes des différents canaux de ventes.Pour les deux back-offices les
ventes sont réalisées à partir de trois canaux de ventes soit le premier le B2C
(vente pour des particuliers), le deuxième le canal PRO (ventes pour des
entreprises ou groupes) et le troisième, le canal AMAZON.
Selon eux, les ventes de ces trois canaux étaient de natures très différentes
et le fait de mélanger les historiques de ventes influençait directement la
prévision de la demande, et ainsi la gestion des approvisionnements.
Autrement dit, les volumes de ventes et le comportement historique de la
demande étaient suffisamment différents pour qu’ils ne soient pas traités
comme une donnée unique.
La deuxième demande était de construire un modèle qui prendrait en compte
la saisonnalité des ventes de toutes les références. Selon eux, c’était la cause
des ruptures constantes des stocks et des surstocks.
Enfin, la troisième demande était la réduction de la charge de travail des
approvisionneurs des deux back-offices ; le nombre de commandes passés
était trop élevé et étant donné que sur Télécommande Express la croissance
de l’activité est générée par une croissance des ventes de 20 à 30% par
référence et que sur Spareka la croissance est générée par l’augmentation
du nombre de références, ils craignaient ne pas être capables d’absorber une
plus grande charge de travail.
31
5.1.5. Les résultats de la première étape
Comme résultats de la première étape nous avons eu quatre éléments: la
compréhension du fonctionnement du système d’approvisionnements actuel,
la caractérisation de la demande, les vrais besoins en termes des
fonctionnalités à intégrer à la reformulation du système de gestion
d’approvisionnements et les contraintes du projet. Ces quatre éléments
seront présentés ensuite dans l’ordre évoqué.
5.1.5.1. Le fonctionnement du système d’approvisionnements actuel
Pour les back-offices, les données des ventes des trois canaux de ventes
sont stockées dans une base de données unique. Pour comprendre les
prochains chapitres il faut définir trois termes: la « période de couverture »,
la « consommation moyenne journalière » et le « buffer days ».
La période de couverture est le terme employé pour désigner la quantité de
jours que les approvisionneurs veulent avoir en stock pour répondre à la
demande prévue. Autrement dit c’est la période de temps pendant laquelle
les approvisionneurs n’ont pas l’intention de passer de nouvelles commandes
chez le fournisseur.
La consommation moyenne journalière est le terme utilisé par les deux
backoffices pour désigner le résultat de la division de la somme des ventes
des trois derniers mois de ventes pour 90 jours (3 mois).
𝐶𝑜𝑛𝑠𝑜𝑚𝑚𝑎𝑡𝑖𝑜𝑛𝑀𝑜𝑦𝑒𝑛𝑛𝑒𝐽𝑜𝑢𝑟𝑛𝑎𝑙𝑖è𝑟𝑒 =∑𝑣𝑒𝑛𝑡𝑒𝑠𝑑𝑒 3 𝑑𝑒𝑟𝑛𝑖𝑒𝑟𝑠𝑚𝑜𝑖𝑠
90 𝑗𝑜𝑢𝑟𝑠
Le « buffer days » est le délai fournisseur estimé. Il faut préciser qu’ils n’ont
pas les vrais délais fournisseurs. Cette donnée est estimée par les
approvisionneurs basés sur leur expérience et leur mémoire, et en
général,ces chiffres sont surestime. La démarche pour définir le délai
fournisseur est de faire la somme du délai annoncé par le fournisseur et
d’ajouter 2 ou 3 semaines.
32
5.1.5.1.1. Le stock de securité
Il faut remarquer que chez Spareka le calcul du stock de sécurité se
fait par le prolongement du délai fournisseur. Actuellement, le seuil de
commande est calculé de manière à rendre Spareka capable de
répondre à la demande pendant la période de temps égale au délai
fournisseur, de manière qu’ils passent des commandes au moment
où le stock atteint le niveau capable seulement de répondre à la
demande pendant qu’ils attendent la livraison de la commande
fournisseur. Etant donné qu’ils ne veulent pas tomber en rupture, ils
allongent le délai fournisseur pour qu’ils passent une commande
avant que la quantité en stock soit le minimum nécessaire pour
répondre à une demande moyenne. En faisant cela, ils créent des
stocks ce qui augmente le stock moyen et ce qui ne garantit pas le
taux de service.
5.1.5.2. Spareka Après avoir défini ces trois termes nous pouvons maintenant expliquer le
système d’approvisionnement : trois paramètres sont utilisés pour la gestion des
approvisionnements soit le seuil de commande, le besoin pour proposition de
commande et la proposition de commande. Pour Spareka, le seuil de commande
est la somme des ventes des trois derniers mois divisée par 90 jours et ensuite
multiplié par le « buffer days ». De manière à passer une commande au moment
où nous atteindrons le stock suffisant pour répondre à la demande pendant le
temps que le fournisseur nous livre la nouvelle commande.
𝑆𝑒𝑢𝑖𝑙 𝑑𝑒 𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒 =∑𝑣𝑒𝑛𝑡𝑒𝑠 3 𝑑𝑒𝑟𝑛𝑖𝑒𝑟𝑠 𝑚𝑜𝑖𝑠
90 𝑗𝑜𝑢𝑟𝑠∗ 𝑏𝑢𝑓𝑓𝑒𝑟 𝑑𝑎𝑦𝑠
Ensuite nous avons le besoin pour proposition de commande qui est la demande
cumulée prévue, en occurrence, la consommation cumulée des trois derniers
mois pendant la période de couverture.
𝐵𝑒𝑠𝑜𝑖𝑛 𝑝𝑜𝑢𝑟 𝑝𝑟𝑜𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑑𝑒 𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒 = ∑ 𝑣𝑒𝑛𝑡𝑒𝑠 𝑑𝑒𝑠 3 𝑑𝑒𝑟𝑛𝑖𝑒𝑟𝑠 𝑚𝑜𝑖𝑠
90 𝑗𝑜𝑢𝑟𝑠∗ 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑑𝑒 𝑐𝑜𝑢𝑣𝑒𝑟𝑡𝑢𝑟𝑒
Après, le dernier paramètre c’est la proposition de commande que c’est la vraie
quantité à être commande chez le fournisseur. Elle est la différence entre le
33
besoin pour proposition de commande et le seuil de commande.
𝑃𝑟𝑜𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛𝑑𝑒𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒 = 𝐵𝑒𝑠𝑜𝑖𝑛𝑝𝑜𝑢𝑟𝑝𝑟𝑜𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛𝑑𝑒𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒 − 𝑆𝑒𝑢𝑖𝑙𝑑𝑒𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒
Le problème c’est que en faisant cette soustraction ils réduisent la période de
couverture à (période de couverture – délai fournisseur) étant donné que le seuil
représente aussi une estimation du stock réel au moment que la commande arrive.
5.1.5.3. Telecommandes express
Le système d’approvisionnements utilisé par Télécommande Express
utilise les mêmes paramètres et logique de fonctionnement que Spareka
ce qui inclue les trois paramètres et la façon de les calculer.
La seule différence est par rapport à quantité de jours utilisée pour la période
de couverture qui dans ce cas est de 60 jours au lieu de 90. Pour cette raison
le problème constaté chez Spareka est tout à fait le même chez
Télécommande Express.
5.1.6. Les besoins en termes de fonctionnalités
Après avoir compris intégralement le fonctionnement du système actuel
nous avons pu, finalement, identifier les fonctionnalités du nouveau système
d’approvisionnements qui s’imposaient comme les vrais besoins techniques.
Ces besoins sont listés ci-dessous :
• L’automatisation du système de calcul du seuil de commande,
besoin pour proposition de commande et proposition de commande
• Faire la distinction entre les historiques des ventes de chaque canal de vente
• Reformuler le calcul du seuil de commande, besoin pour proposition
de commande et proposition de commande en prenant en compte la
34
tendance et la saisonnalité de la demande sur les calculs
d’approvisionnements.
• Saisir le vrai délai fournisseur pour chacun des fournisseurs.
• Réduire le nombre total de commandes passées dans un horizon d’1 an
• Diminuer le BFR mobilisé par l’approvisionnements et les stocks
• Créer des alertes pour que les utilisateurs puissent identifier de façon très visuelle les produits sur lesquels ils doivent porter plus d’attention, les produits qui sont en rupture, qui attendent des livraisons fournisseurs en retard et qui risquent de tomber en rupture.
5.1.7. Les contraintes du projet
Dans ce chapitre je listerai les contraintes qui ont été respectées pendant le
déroulement du projet. Ces contraintes concernent notamment le taux de
service envisagé par Spareka et Télécommande Express :
Suite à l’analyse des donnés effectuée à l’étape 1, il était évident que le
traitement de donnés AMAZON devait être réalisé de façon séparée vue la
nature des données. Pour cela, le modèle développé a été conçu pour traiter les
données PRO et B2C pour Spareka e Télécommande Express mais pas pour
AMAZON.
Le taux de service envisagé par les deux back-offices,
soit 99%.
Ne pas augmenter la charge de travail des
approvisionneurs.
Les utilisateurs du système doivent être capables de comprendre tous les
résultatsproposés par le module approvisionnements. Autrement dit, il faut
que les détails du calcul ou une alerte rende claire les chiffres pour le seuil
de commande, proposition de commande et besoin pour proposition de
commande.
Respecter le délai pour terminer le projet défini au début, en l’occurrence.
35
La préconisation de la Direction Générale d’atteindre les remises de franco
deports devrait être intégré à l’algorithme, ainsi que les règles d’arrondi des
quantités à être commandées.
5.1.8. Synthèse de résultats de l’étape 1
Le planning prévisionnel de l’étape 1 a été respecté, étape réalisée en 11
semaines. Ses résultats ont été très décisifs.
Nous avons atteint les objectifs décrits en 5.1.2 et les principaux soucis
inhérents à ceci ont été identifiés :
• Le besoin d’intégrer dans le nouveau modèle de gestion des
approvisionnements les composants de tendance et de saisonnalité
de la demande actuellement négligés par les deux back-offices ;
• L’urgence de faire la distinction des historiques de ventes de chaque
produit par canal de ventes, notamment en excluant la partie de
vente AMAZON.
• La nécessité de respecter les taux de service pour chaque back-office.
• Le besoin d’une gestion transparente, d’une interface utilisateur
simple et accessible et plus visuel (alertes).
• La séparation des historiques des ventes par canal a été effectuée et
une analyse sur les nouvelles données a été menée dans le but
d’étudier le possible besoin de prendre en compte ou pas les
composants de tendance et saisonnalité (confirmé
à partir de ça).
Le mode de réapprovisionnements actuel est basé sur les 3 derniers
mois de vente, ce qui a pour effet de générer un flux de commandes
fournisseurs important au cours de la saison haute avec les effet
principaux suivants:
• Appel de trésorerie important
36
• Pas d’anticipation de la saison haute : service client dégradé
en début de saison
• Stock élevé en fin de saison haute alors que les ventes diminuentpar conséquent la trésorerie n’est pas utilisée au mieux pour garantir le meilleur service client. Enfin, ce mode de gestion ne permet pas d’optimiser le nombre de commandes fournisseurs afin de réduire les coûts induits par celles-ci. • Le besoin de réaliser une classification ABC en utilisant
comme critère le volume de ventes annuel
5.2. Le deroulement du travail – L’étape 2
Pour pouvoir étudier les possibles modèles de solutions, nous avons tout d’abord
effectué une analyse de données de ventes pour pouvoir déterminer les
caractéristiques de la demande. Ensuite nous avons étudié les quatre modèles
théoriques de prévision de la demande qui prenaient en compte les trois
composants identifiés de la demande (level,seasonality and trend) pour une
partie de références. En conséquence, selon les contraintesthéoriques de chaque
modèle nous les avons triés jusqu’à trouver le plus adapté et efficace pour
répondre aux contraintes et besoins identifiés antérieurement.
Les acteurs ont donc été une nouvelle fois convoqués pour valider le premier choix de modèle.
À cette occasion nous avons pu présenter une première version d’un logigramme
(Image 3,4 et 5) qui représentait le fonctionnement du modèle et les
fonctionnalités les plus importantes à être intégrées. Pour la suite du projet,
après cette réunion tous les points évoqués par les acteurs ont été pris en
compte pour la modification de l’algorithme.
37
Image 3- Première Version du Logigramme qui représentait les
fonctionnalités du module de gestion d’approvisionnements
Image 4- Première Version du Logigramme qui représentait les fonctionnalités
du module de gestion d’approvisionnements
38
Image 5- Première Version du Logigramme qui représentait les fonctionnalités
du module de gestion d’approvisionnements
En synthèse ce qui a été fait à cette étape : L’étude de 4 modèles de prévision
de demande qui semblaient les plus pertinents pour la modélisation de
données Spareka et TE. Ensuite, nous avons choisi parmi ces 4 les 2 modèles
qui répondaient le mieux aux différents enjeux (ceci sera présent plus loin
dans ce rapport). Une première simulation a été menée pour pouvoir choisir
entre les 2 modèles pré-choisis. Avec les résultats de cette simulation nous
avons pu présenter une première version du modèle complet (prévision de
demande plus gestion des approvisionnements) aux acteurs et la modifier au
fur et à mesure des réunions jusqu’à la version finale, validée par toute
l’équipe.
39
5.2.1. L’analyse de la demande
La démarche pour le faire sera présentée ci-dessous :
Nous avons pris un échantillon de références (environ 5% du total de
références actives) et à partir d’Excel nous avons généré les graphiques de
l’historique de ventes (quantité vendue X temps). L’objectif était d’effectuer
une analyse purement visuelle du comportement de la demande. Nous
cherchions à la catégoriser en grandes groupes et comme résultat nous avons
identifié deux types de demande parmi les références étudiées, un type de
demande très erratique et une autre demande qui se structure en trois
composantes (level, trend and seasonality).
Pour les produits de demande erratique, nous avons appliqué un modèle qui
sera présenté en (5.2.2.4) qui a été utilisé plusieurs fois par Seneris Conseil
lors d’autres missions avec succès. Un deuxième constat réalisé à partir de
cette analyse concerne les ventes atypiques qui ne démontrent pas une
nouvelle tendance et que donc ne doivent pas être prise en compte dans le
modèle. Il faudrait un mécanisme d’exclusion des ventes exceptionnelles. À
partir de ces analyses nous avons pu conclure que deux modèles différents
seraient nécessaires pour l’étape 2.
40
Image 6- Exemple d’un produit avec demande non erratique
Image 7- Exemple d’un produit avec demande erratique
41
5.2.2. Les modèles de prévision de demande étudiés
5.2.2.1. Le modele de holt-winters
Le lissage exponentiel contient une succession de méthodes de lissage et de
prévision apparues dans les années de 1950. Plus tard, ces méthodes ont été
remplacé par des spécifications beaucoup plus rigoureuses. Ces techniques
permettent de mettre à jour les prédictions en t+1 à parti de l’équation :𝜇 =𝑐𝑦
+𝑐𝑦 +𝑐𝑦 +⋯ , où les poids 𝑐 ≥0 peuvent être 𝑡 0 , 𝑡 1 , 𝑡−1 , 𝑡−2 𝑡moyennes
pondérées des valeurs passées. Le lissage exponentiel définis de nombreuses
manières, voir Aragon (2011 ;121) pour une présentation concise. Si 𝜇𝑡constitue
notre prévision de 𝑦en t+1, il est intuitif d’attribuer plus de poids aux valeurs
𝑦𝑡récentes. La formule 𝑐 = 𝛼(1 − 𝛼), 𝑖 = 0,1, ...et 0 ≤ 𝛼 ≤ 1, d’où l’appellation de
lissage exponentiel. 𝑖Le modèle de base sous cette hypothèse attribut des poids
qui décroissent exponentiellement, selon 𝑖.Plus le paramètre 𝛼est proche de 1,
plus le passé immédiat influence la prévision 𝜇𝑡. Ce schéma de pondération
conduit à l’expression équivalente 𝜇𝑡= 𝛼𝑦𝑡+ (1 − 𝛼)𝜇𝑡−1, dans laquelle la mise à
jour de la prévision en t+1 s’effectue facilement dès qu’une information en t est
connue, en séparant la contribution du passé lointain et du présent immédiat.
Dans ce travail, nous nous concentrons sur des méthodes de lissage exponentiel
de type Holt-Winters, qui permettent d’ajouter à la composante autorégressive
du modèle, une tendance et une saisonnalité. Notons également que le lissage
exponentiel peut s’exprimer sous la forme de modèles ARIMA spécifiques, voir
à ce sujet Hyndman et al (2011, Ch.11).
42
5.2.2.2. Le modele multiplicatif Ce chapitre et le suivant ont été écrit à partir des notes de cours et les slides
présentés pendant les séances de GP27- Méthodes de gestions des stocks et de
prévision de la demande- à l’UTT. Les valeurs observées à la date t de la variable
étudiée 𝑌𝑡est fonction des valeurs prises à cette même date par les composants :
𝑌𝑡 = 𝐹(𝑇𝑡, 𝐶𝑡, 𝑆𝑡,𝑅𝑡)
𝑇𝑡, le composant tendance : évolution moyenne à long terme du phénomène
étudié
𝐶𝑡, le composant conjoncture : un facteur influençant à moyen terme
𝑆𝑡,le composant saison : les fluctuations de périodicité constante
𝑅𝑡 , le composant résidus : les perturbations aléatoires ou non du phénomène
Soit 𝑌𝑡 = 𝐹(𝑇𝑡, 𝐶𝑡, 𝑆𝑡,𝑅𝑡 ) = 𝑇𝑡 ∗ 𝐶𝑡 ∗ 𝑆𝑡 ∗ 𝑅𝑡 .Les étapes du calcul pour la
prévision sont présentées ci-dessus :
1- Identification de la périodicité (n) du phénomène à partir d’un outil
graphique
2- Dessaisonalisation des données avec les moyennes mobiles centrées
MMC(n)
3- Détermination de la tendance à partir de la régression linéaire simple des
MMC.
𝑇(𝑡) = �̂� ∗ 𝑡 + �̂�
{
�̂� =
𝑐𝑜𝑣(𝑡,𝑀𝑀𝐶)
𝑉(𝑡)= 𝜌 ∗ √
𝑉(𝑀𝑀𝐶)
𝑉(𝑡)
�̂� = 𝑀𝑜𝑦(𝑀𝑀𝐶) − �̂� ∗ 𝑀𝑜𝑦(𝑡)
4- Calculs des coefficients de saisonnalité
𝑆(𝑡) = 𝑌(𝑡) − 𝑇(𝑡)
5- Calculs des coefficients de saisonnalité non corrigées
𝑆∗(𝑡) = 𝑆 ∗ (𝑡 + 𝑛) = 𝑆∗(𝑡 + 𝑛) = 𝑆∗(𝑡 + 2𝑛) = ⋯ = 𝑆∗(𝑡 + 𝑘𝑛)
𝑆∗(𝑡 + 𝑗𝑛) = ∑𝑆∗(𝑡 + 𝑗𝑛)
𝑘
𝑘−1
𝑗=0
, ∀𝑗 < 𝑘 𝑒𝑡 𝑡 < 𝑛
43
6- Calcul du paramètre de correction A
𝐴 =∑ 𝑆∗(𝑗)𝑛𝐽=1
𝑛
7- Calcul des coefficients saisonniers corrigées
𝑆̅(𝑡) = 𝑆∗(𝑡) − 𝐴, ∀𝑡
8- Calcul des prévisions :
𝑃(𝑡) = 𝑆̅ + 𝑇(𝑡), ∀𝑡 ∈ [1,∞[
9- Estimation des erreurs du modèle :
𝑅(𝑡) = |𝑌(𝑡) − 𝑃(𝑡)|
La modélisation Excel est présentée dans les annexes.
Image 8- Capture d’écran de la modélisation du modèle multiplicatif dans Excel
Image 9- Capture d’écran de la modélisation du modèle multiplicatif dans Excel
44
5.2.2.3.LE MODELE DE PREVISION DE DEMANDE OPTIMISE PAR SENERIS CONSEIL
Ce modèle de prévision est une adaptation du modèle multiplicatif. Il
considère aussi que la demande doit être décomposée en trois
composantes (level, trend and seasonality). Cependant, l’étape
d’identification de la taille de la saison à partir d’un outil visuel n’est
pas nécessaire vu que chaque mois est une saison. Comme ça nous
simplifions l’utilisation du modèle par les utilisateurs. La méthode se
base sur trois étapes :
𝑃(𝑡) = 𝑉(𝑡) ∗ 𝑆(𝑡) ∗ 𝑇(𝑡)
𝑃(𝑡) = 𝑉(𝑡) ∗ 𝑆(𝑡) ∗ 𝑇(𝑡)
5.2.2.3. Calcul du volume de reference – V(t)
Le volume de référence est la moyenne des ventes hors ventes
exceptionnelles (chapitre suivant) des 53 semaines antérieures à la
semaine pour laquelle nous faisons la prévision. Autrement dit, nous
réalisons la prévision pour la semaine x, donc notre volume de
référence serait la moyenne de ventes des 53 semaines antérieurs à
la semaine x.
5.2.2.3.1. Exclusion des ventes exceptionnelles
Comme mentionné en (5.2.1), un mécanisme d’exclusion des
ventes atypiques se fait nécessaire pour augmenter l’efficacité de
la prévision de demande. Il est fréquent d’avoir une vente atypique
qui est prise en compte.
En effet, le modèle la comprend comme une nouvelle tendance et
le stock moyen s’adapte. Pour résoudre cela, nous avons pris le
taux de service envisagé, 99% et avec la table de la loi normale
nous avons dit que toutes les ventes supérieures à la moyenne de
ventes plus 2,33 écart-type devraient être exclues. Ce modèle des
prévisions se base sur les ventes hors vente exceptionnelle
(VHVE).
45
5.2.2.3.2. Calcul du coefficient de saisonnalite (s(t))
1- Calculer combien la vente de la semaine représente par rapport au
volume de vente annuel. ( �̇�)
�̇� =𝑉𝐻𝑉𝐸( 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑡)
𝑠𝑜𝑚𝑚𝑒𝑑𝑒𝑠𝑣𝑒𝑛𝑡𝑒𝑠 53 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠
2- Faire la moyenne entre les semaines équivalentes de l’historique de
ventes. Exemple, pour la semaine 10, nous allons calculer la moyenne
des �̇� de l’année de 2014 et 2015, donc la moyenne entre le 𝑆(𝑡)de la
semaine 10 de 2014 et la semaine 10 de 2015. Pour cette raison qu’il faut
avoir au minimum 2 ans d’historique de ventes pour pouvoir appliquer
ce modèle. On aura, un 𝑆(𝑡) pour chacune des semaines de l’année, donc
53 𝑆(𝑡) .
5.2.2.3.3. Calcul de la composant tendance
Pour le calcul de la composante de tendance, la procédure est très
proche de celle utilisée par le modèle multiplicatif. Ici une régression
linéaire est effectuée en utilisant les moyennes mobiles de 53
semaines de ventes(VHVE). En l’occurrence, la régression a été faite
à partir de la fonction DROITREG Excel.
5.2.3. Le premier choix
Après cette pré-sélection et étude des modèles qui semblaient pouvoir
bien répondre à la problématique de la prévision de demande, un premier
choix se faisait nécessaire.
Pour la suite du projet nous avons donc choisi parmi les modèles étudiés
les deux modèles qui semblaient mieux répondre à la problématique
Spareka et TE.
46
Nous avons considéré la complexité d’utilisation et implémentation du
modèle, le coût de développements informatiques, l’automatisation du
modèle et l’adaptation du modèle en fonction du temps (la flexibilité), de
la justesse mathématique.
Après cette évaluation, nous avons décidé que le modèle de Holt-Winters,
malgré sa justesse mathématique très élevée, était, parmi les trois
modèles, le plus complexe à être développé ainsi que le plus complexe à
prendre en main par les approvisionneurs (qui n’ont pas une formation
spécialisée).
Nous avons réfléchi au fait qu’après la fin du projet, les approvisionneurs
devraient être capables de former de nouveaux approvisionneurs et avec
ce modèle cela serait forcément plus dur. Pour la suite du projet nous
avons donc réalisé une première simulation de données en utilisant le
modèle multiplicatif et le modèle Seneris.
5.2.4. La première simulation des données
À partir du premier choix effectué, nous avons réalisé une simulation entre
le modèle Multiplicatif et le Modèle Adapté Seneris avec les données
réelles pour pouvoir enfin déterminer le modèle de prévision de demande
choisi. La simulation a été réalisée en Excel sur une période d’un an pour
142 produits.
Je vous présente à l’image 10 un exemple de produit simulé, la synthèse
de résultats de cette première simulation de données.
47
Image 10- Exemple d’un produit simulé En l’occurrence le calcul d’erreur : (%) =| wGé@HDHJBfEJBBéA GéAx |
EJBBéA GéAx
Image 11- Tableau récapitulatif de la simulations en utilisant les deux modèles
Pendant la simulation, il a fallu générer un graphique et décider manuellement la
taille de la saison et donc nous avons réalisé que cela serait très subjectif et lent
étant donné la quantité de références à gérer. Même si les simulations nous ont
montré que le modèle multiplicatif était légèrement mieux, nous avons pris la
décision d’utiliser l’autre modèle pour son niveau de complexité plus faible et
principalement pour être automatisé plus facilement vu que l’utilisateur n’a pas
besoin de rentrer la taille de saison. Le modèle adapté Seneris a été donc choisi
pour la suite du projet.
5.2.5. Le modèle d’approvisionnement
Nous pouvons présenter le modèle d’approvisionnements dans son
intégralité. Le modèle appliqué se divise en deux parties : le modèle
d’approvisionnements pour les produits avec demande du type erratique
et une deuxième partie pour les produits avec demande du type
saisonnier.
Même si les modèles se différencient par rapport à la catégorisation de la
demande, il y a des points constants : les modèles se basent sur la vente
maximale prévisionnelle pour le calcul du seuil et besoin pour proposition
de commande.
Le logigramme (annexe 1) présente le fonctionnement des modèles dans
leurs grandes étapes.
48
5.2.5.1. Le modèle saisonnier
Ce chapitre se structure comme suit : Une présentation des principaux
concepts du modèle, ensuite les paramètres nécessaires pour le
fonctionnement du modèle et après les détails de calcul du seuil de
commande, besoin pour proposition de commande et proposition de
commandes.
5.2.5.1.1. Le raisonnement du modèle
Ce modèle raisonne sur la base de la vente maximale prévisionnelle.
Contrairement à d’autres modèles qui raisonnent notamment sur la
vente moyenne, ici, nous allons porter notre attention sur le rapport
entre la vente maximale pendant la période de couverture et le taux
de service envisagé par Spareka et TE. L’idée est d’avoir un système
qui se mette à jour constamment. Les deux concepts qui dirigent ce
modèle sont le seuil de commande et le besoin pour proposition de
commande. Selon le calcul qui sera précisé plus loin, le système
génère une valeur pour le seuil de commande et effectue une
comparaison entre ce chiffre et le stock virtuel. Si le stock virtuel est
en-dessous du seuil de commande une alerte est générée pour
l’approvisionneur, pour qu’il passe une commande. La quantité à
commander « proposition de commande » est basée sur le besoin
maximal pendant la période de couverture, en respectant le taux de
service. Ce qui veut dire que c’est un système avec « quantité à
commander » variable et aussi un temps entre commandes variables.
49
5.2.5.1.2. Les paramètres du modèle
Pour que le modèle puisse fonctionner, il nous faut certains paramètres :
1. La période de couverture commande : c’est la période de temps
pendant laquelle nous allons nous couvrir pour répondre à la
demande selon le taux de service envisagé. Nous avons
préconisé une période de couverture différente pour les produits
selon la catégorisation ABC.
2. Le délai fournisseur (en semaines)
3.L’âge -L’intervalle de temps (en semaines) depuis la dernière ventes
4. Le nombre d’écart-types pour le mécanisme d’exclusion des
ventes : ce paramètre a été, à priori, mis à 2,33 pour pouvoir
maintenir le taux de service de 99%.
5. Age min – C’est la taille minimale de l’historique de ventes pour
pouvoir catégoriser un produit comme saisonnier ou erratique.
Étant donné que le modèle saisonnier a besoin d’au moins 2 ans
d’historique de ventes pour pouvoir calculer correctement les
coefficients de saisonnalité, il a fallu créer un paramètre qui nous
aide à catégoriser les produits entre erratique ou saisonnier.
6. L’horizon passé : c’est la période de temps jusqu’où on va
chercher les ventes cumulées passées pour trouver le besoin
maximal. Plus « l’horizon passé » est grand, plus nous risquons
de trouver de ventes très élevées vu que l’on augmente notre
plage de recherche. Ce paramètre est directement en lien avec le
taux de service que nous voulons assurer. Plus on va loin et on
risque d’augmenter le stock moyen, plus on s’assure aussi de ne
pas tomber en rupture.
7. La valeur maximale de la composante tendance qui peut être
appliquée. Nous avons prévu que pour les produits nouveaux, le
modèle pourrait indiquer une composante tendance trop forte et
50
pour cette raison nous avons mis un paramètre pour pouvoir
biaiser cette composante. L’intention est de contrôler la quantité
en stock.
8. Ecart-type de la demande
5.2.5.1.3. Le calcul du seuil et proposition de comande –modèle saisonnier
1. Calcul du Stock Physique 𝑆𝑉0
𝑆𝑉0 = 𝑄𝑢𝑎𝑛𝑡𝑖𝑡é 𝑎𝑐𝑡𝑢𝑒𝑙𝑙𝑒 𝑒𝑛 𝑠𝑡𝑜𝑐𝑘 − 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é à 𝑒𝑛𝑣𝑜𝑦𝑒𝑟 𝑎𝑢𝑥 𝑐𝑙𝑖𝑒𝑛𝑡𝑠
2. Calcul du Stock Virtuel (SV)
𝑆𝑉 = 𝑠𝑡𝑜𝑐𝑘𝑝ℎ𝑦𝑠𝑖𝑞𝑢𝑒(𝑆𝑉0) + 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é à 𝑟𝑒𝑐𝑒𝑣𝑜𝑖𝑟
3. Calcul du seuil de commande
Le seuil de commande est calculé de la même façon pour le saisonnier
comme pour l’erratique. Il est le besoin maximal pendant le délai
fournisseur, obtenu en calculant la vente maximale cumulée sur la durée
du délai fournisseur. Sous la condition de restreindre l'horizon de calcul des
ventes cumulées au paramètre "Horizon passé ». Exemple, avec un délai
fournisseur de 4 semaines : le modèle va effectuer les sommes mobiles des
prévisions de ventes de taille 4 semaines. Il va faire cela jusqu’à atteindre la
semaine s-26. La valeur plus élevée sera le seuil de commande. Rappel :
l’historique de ventes utilisé pour réaliser la prévision sont les ventes hors
ventes exceptionnelles (après le mécanisme d’exclusion des ventes).
4. Calcul de la proposition de commande : C’est à partir de ce point-là que
les modèles se différentient
Proposition de commande = Seuil + Besoin pendant période de couverture - SV
Besoin pendant période de couverture = somme des prévisions de vente
sur la durée de "période de couverture"
51
5.2.5.2. Le calcul du seuil et proposition de comande –le modèle erratique
1. Calcul du Stock Physique 𝑆𝑉0
𝑆𝑉0 = 𝑄𝑢𝑎𝑛𝑡𝑖𝑡é 𝑎𝑐𝑡𝑢𝑒𝑙𝑙𝑒 𝑒𝑛 𝑠𝑡𝑜𝑐𝑘 − 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é à 𝑒𝑛𝑣𝑜𝑦𝑒𝑟 𝑎𝑢𝑥 𝑐𝑙𝑖𝑒𝑛𝑡𝑠
2. Calcul du Stock Virtuel (SV)
𝑆𝑉 = 𝑠𝑡𝑜𝑐𝑘𝑝ℎ𝑦𝑠𝑖𝑞𝑢𝑒(𝑆𝑉0) + 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é à 𝑟𝑒𝑐𝑒𝑣𝑜𝑖𝑟
3. Calcul du seuil de commande
Il est le besoin maximal pendant le délai fournisseur, obtenu en calculant la
vente maximale cumulée sur la durée du délai fournisseur. Sous la condition de
restreindre l'horizon de calcul des ventes cumulées au paramètre "Horizon
passé ». Exemple, avec un délai fournisseur de 4 semaines : le modèle va
effectuer les sommes mobiles des prévisions de ventes de taille égal à 4
semaines. Il va faire cela jusqu’à atteindre la semaine s-26. La valeur plus élevée
sera le seuil de commande. Rappel : l’historique de ventes utilisé pour réaliser
la prévision sont les ventes hors ventes exceptionnelles (après le mécanisme
d’exclusion des ventes).
4. Calcul de la proposition de commande
Proposition de commande = Seuil + Besoin Max pendant période de couverture – SV
Besoin Max pendant période de couverture :
-Somme des ventes sur une durée égale au paramètre "horizon passé "
-Faire la moyenne par semaine
-Multiplier par le nombre de semaines de "période de couverture »
52
5.2.6. La validation du modèle par l’équipe
Après la modélisation du modèle de gestion des approvisionnements, il a fallu
réaliser une nouvelle réunion avec toute l’équipe d’approvisionnements pour
valider l’approche utilisée. L’objectif ici était d’avoir l’aval de l’équipe pour
commencer la simulation des données. Cette réunion a donc été réalisée et
à cette occasion nous avons pu décider des alertes à intégrer dans le modèle.
Elles sont présentées dans le tableau en-dessous :
Image 12 – Le système d’alertes en couleurs
Soit S2, le seuil de commande calculé exactement de la même façon que
précédemment mais basé sur le délai d’un deuxième fournisseur, plus cher
mais qui livre plus rapidement. L’utilisation de ce fournisseur reste
exceptionnelle car il coute plus cher pour l’entreprise. La logique ici est que
si notre modèle montre qu’il y a un risque de tomber en rupture basé sur les
ventes prévisionnelles, et que la commande a déjà été passée mais n’est pas
été livrée dans le délai promis, l’approvisionneur repassera une commande
chez le fournisseur rapide dans le cas où il veut s’assurer de ne pas tomber
en rupture.
53
5.2.7. Synthèse de résultats de l’étape 2
À la fin de cette étape nous ayons atteint les objectifs fixés. Nous avons bien
caractérisé les demandes existantes et nous avons trouvé un modèle qui répondait
aux attentes du projet.
5.3. Déroulement de l’étape 3
La suite du projet est donc la construction du modèle choisi à l’étape 2 sur Excel pour
pouvoir commencer les simulations. L’idée dans cette étape est de construire un
simulateur Excel pour pouvoir évaluer l’efficacité du modèle dans la dernière année de
vente, en comparant, les valeurs proposées par notre modèle avec les vraies demandes
et la performance du modèle actuel. En utilisant comme critère de comparaison le
nombre de commandes passées, le nombre de semaines pendant lesquelles nous avons
eu des ruptures, le stock moyen et le taux de service.
Comme résultat concret, nous avions une feuille Excel avec tous les calculs de seuil de
commande, stock virtuel et physique, quantité à commander et la catégorisation d’un
produit (quel modèle devrait être appliqué). Nous étions capables de simuler un produit
à la fois et voir le comportement de la prévision de la demande.
À partir de ces éléments nous avons pu évaluer de façon plus substantielle l’efficacité
du modèle. Une réunion pour présenter les résultats et faire des ajustements a été
organisée. Enfin, les simulations finales avec l’intégralité des produits actifs ont été
modélisées et effectuées pour pouvoir prouver l’efficacité du modèle.
54
5.3.1. Le simulateur excel
La construction d’un simulateur Excel se faisait nécessaire pour évaluer le
fonctionnement du modèle proposé dans la vie réelle. La démarche a été de
simuler le fonctionnement du modèle de gestion des approvisionnements
pendant toutes les semaines de l’année de 2016. Nous avons construit un
simulateur qui effectuait les calculs du modèle actuel et du modèle proposé.
La casse « SKU produit » devrait être saisie et ensuite tous les résultats
s’affichaient automatiquement. Les comparaisons s’effectuaient par un
tableau récapitulatif (Image 14) avec les critères évoqués en (5.3).
Image 13- Capture d’écran du simulateur
55
Image 14 - Tableau Récapitulatif des résultats hebdomadaire des 3
modèles (actuel, erratique et saisonnier)
Image 15- Graphique exemple de comparaison entre les différents modèles
56
Avec ce simulateur nous avons pu regarder le comportement des produits. Les
produits qui se vendent beaucoup, d’autres qui se vendent très peu (fréquence
des ventes) et nous avons essayé de trouver un standard ou des catégories pour
être capables préconiser les saisies de paramètres de façon à être le plus
efficace.
Ence moment-là nous avons donc identifié à partir des tests, la bonne saisie de
ces paramètres selon une catégorisation ABC des produits.
Cette classification a été effectuée ainsi que des nouvelles simulations pour
valider les préconisations. Je vous présente, en dessous, les préconisations qui
ont été validé par les nouvelles simulations.
Fréqence de vente hebdo moyenne
Nombre de produits Moyenne Mini Maxi
A 125 94% 12.3% 100%
B 323 63% 8.5% 100%
C 1761 12% 0.9% 60%
Total 2209 29% Image 16 –Tableau des caractéristiques des produits
après la classification ABC
5.4. Les préconisations
La préconisation pour la prise en compte des ventes provenant des différents
canaux de ventes est de calculer le seuil de commande et la proposition de
commande sur les 2 canaux B2C et Pro cumulés, ainsi qu’exclure les ventes
provenant du canal Amazon et passer des commandes séparées pour ce canal
spécifique.
Pour le paramétrage de la période de couverture par classe ABC (critère de
classification – Volume des Ventes) l’objectif était de diminuer sensiblement le
stock sur les produits à volume élevé en augmentant la fréquence de commande
sur les produits A et compenser par une augmentation du stock et la diminution
du nombre de commandes sur les produits à faible rotation.
57
Produits A : Diminuer la période de couverture à 6 semaines
Produit B : Maintenir une période de couverture à 10 semaines
Produits C : Augmenter la période de couverture à 20 semaines
Paramétrer un horizon passé unique pour les modèles saisonnier et erratique.
Ce paramètre fixe l’horizon dans le passé pour déterminer la vente maximale
pendant le délai fournisseur. Paramétrer un horizon suffisamment long pour
maintenir le taux de service (52 semaines). Paramétrer le délai fournisseur le plus
proche de la réalité (délai maxi observé dans des conditions normales). Le délai
fournisseur a un impact très fort sur le seuil de commande. Un délai supérieur au
délai réel génère un surstock inutile. La dernière préconisation a été obtenue de
façon empirique : il faut que le paramètre « nombre d’écart-type » soit 4 plutôt
que 2,33. En vrai, la demande ne suit pas une distribution normale et pour cette
raison que le 2,33 écart-type ne se présente pas comme le paramètre plus
efficace.
5.5. Résultats de la simulation complète
Après l’intégration des modifications mentionnées au-dessus, une macro (Image
16) a été programmée pour évaluer l’impact de l’implémentation de ce modèle
dans l’intégralité des produits actives TE. L’objectif, simuler tous les produits
actives stockables et évaluer les gains en termes de stock, charge de travail et
taux de service.
Image 16- Code de la macro utilisé pour la simulation de tous les produits
58
Le résultat de cette simulation est présenté dans le tableau ci-dessous. L’impact
sur les stocks a été une réduction de 15% en moyenne. Ce qui est cohérent avec
les préconisations : nous avons réduit les stocks sur les produits du type A et B,
en passant plus de commandes et nous avons augmenté les stocks des produits
du type C en passant moins de commandes.
Image 17- Tableau récapitulatif des résultats
5.6. Synthèse étape 3
L’étape 3 a été la dernière étape et avec elle nous avons clôturé le projet. Comme
résultat de cette étape nous avons eu, aussi, le résultat du projet. Pendant l’étape
3 nous avons construit le simulateur Excel en sa première version où nous avons
trouvés quelques incohérences. À partir de cela et d’un nouvel échange avec
l’équipe Spareka nous avons effectué des modifications (dont la classifications
ABC et les préconisations des paramètres), sur le modèle. Ensuite nous avons
réalisé une nouvelle simulation à cette fois, avec l’intégralité des produits TE
stockables et les résultats de cette simulation restent des estimations. Les réels
délais fournisseurs n’ont pas été pris en compte vu que ces données ne sont pas
encore suffisamment fiables. Malgré cela, nous avons eu des résultats proches
du prévu.
59
5.7. Résultat du projet
En ce qui concerne les délais définis par le client, nous les avons respectés à
chaque étape du projet. Nous avons atteint tous les objectifs fixés au début du
projet, dans le but de reformuler l’actuel modèle de gestion des
approvisionnements. Les simulations, même s’ils restent des estimations, nous
ont montré que le nouveau modèle fonctionne de façon à répondre aux besoins
du client. Par rapport au développement informatique je ne peux pas vous
présenter plus de résultats étant donné que ce rapport doit être rendu avant le
développement du modèle proposé par les informaticiens. Nous avons rendu le
projet avant la fin de mon stage mais l’accompagnement des résultats a été prévu
pendant les réunions de travail ce qui veut dire que dans quelques mois nous
allons pouvoir mesurer de façon réel l’impact du modèle proposé. L’avis du
responsable informatique lors de la dernière réunion a été très positif en ce qui
concerne le modèle et les fonctionnalités qui seront développés.
En effet, l’équipe est satisfaite avec le travail présenté par nous et ils sont très
confiant des améliorations qui seront apporté à leur système actuel.
6. Discussion des Résultats
Les résultats ici présentés sont des résultats basés sur les objectifs fixés au début
de projet, dont la libération du BFR, la définition d’un modèle d’approvisionnement
qui répondait aux besoins identifiés de l’entreprise ainsi que l’optimisation de la
charge de travail des approvisionneurs. En ce qui concerne ces objectifs nous les
avons atteints de façon intégrale. Il faut, en revanche, faire attention au fait que la
dernière simulation, réalisé avec l’intégralité des produits stockables TE, reste une
estimation du résultat de l’implémentation du modèle d’approvisionnements. Les
délais fournisseurs restent surestimés à cause de la gestion actuel des
approvisionnements qui augmentent de façon peu structurée les délai fournisseur
pour avoir un stock de sécurité.
60
Pour cette raison nous croyons que à l’occasion de l’implémentation du modèle
développé ils vont avoir une réduction encore plus grande des niveaux des stocks et
une réduction de la charge de travail.
La mission que Spareka nous a confié a été fini en ce qui concerne le périmètre de
la mission. Cependant, il est prévu que nous les accompagnent pendant le
développement et implémentation de ce nouveau modèle.
7. Conclusions
Pendant la période de mon stage j’ai pu mettre en œuvre les connaissances acquises
pendant ces deux ans d’étude à l’UTT et les trois ans d’étude à l’UFRJ et dans ce
cadre, j’étais ravis de pouvoir appliquer les modèles théoriques pour résoudre des
problèmes réels. En revanche, les connaissances acquises pendant ces six mois
sont plus larges que les connaissances techniques. La discipline, la rigueur, les
relations humaines, l’adaptation, la flexibilité, l’organisations et le fait d’apprendre à
gérer des aléas sont des exemples des connaissances non techniques que j’ai pu
acquérir pendant cette période.
En ce qui concerne le projet de reformulation du modèle d’approvisionnement chez
Spareka c’était une expérience très riche de pouvoir participer et accompagner une
mission dès le début jusqu’à la fin parce que j’ai vu toutes les difficultés de chaque
étape ce qui m’a fait comprendre qu’être efficace a un sens beaucoup plus large
qu’avoir les compétences techniques.
61
8. Bibliographie
Alema, M. I. G., Barbosa-Povoa, A. P., & Novais, A. Q. (2007). “An optimization
model for the design of a capacitated multi-product reverse logistics network with
uncertainty”. EuropeanJournal of Operational Research, p.12-53.
Hnaien,F. » Gestion des stocks dans des chaînes logistiques face aux aléas des délais
d’approvisionnements ». Génie des procédés. Ecole Nationale Supérieure des Mines
de Saint-Etienne, 2008.p.119-129.
Galbreth, M. R. e Blackburn, J. D. (2006). “Optimal acquisition and sorting policies
for remanufacturing.” Production and Operations Management, 15(3), 384–392
Huet Jean-Michel, Dutreuil Julien, « La prévision des ventes : un art délicat »,
L'Expansion
Management Review, 2010/3 (N° 138), p. 46-53. DOI :
10.3917/emr.138.0046. URL :
http://www.cairn.info/revue-l-expansion-management-review-2010-3-page-46.htm
HROUGA,M. « Optimisation de la logistique inverse et planification du
désassemblage », Thèsepour l’obtention du grade de Docteur de l’Université de
Technologie de Troyes, p.40-53.
HUBERT,T. Prévision de la demande et pilotage des flux en approvisionnement
lointain. Autre. Ecole Centrale Paris, 2013. Francais. , pg.80-96
Houy,N., Houy,T. « Outils de prévision de la demande (OPD) et pratiques de
réduction des stocks », Revue d'économie industrielle [En ligne], 139 | 3ème
trimestre 2012, mis en ligne le 15 septembre 2014, consulté le 20 mai 2017. URL:
http://rei.revues.org/5436 ; DOI : 10.4000/rei.5436
62
9. Annexes
9.1. Annexe 1 – logigramme du modèle proposé
63
64
65
66
67
9.2. Annexe 2 – Capture d’écran du simulateur excel
68
L’historique des ventes hebdomadaire
69
La classification ABC des produits TE stockables