Exploiter l’analyse des données pour optimiser les réseaux des chaînes d’approvisionnement

Article

L'optimisation du réseau est un aspect essentiel de la gestion des chaînes d’approvisionnement. Il s’agit de trouver la configuration physique la plus optimale pour minimiser les coûts totaux et maximiser la satisfaction du client.

Blog_SC Analytics_uitgelicht-1

Le monde interconnecté que nous connaissons rend la gestion des chaînes d’approvisionnement de plus en plus complexe. Les entreprises sont confrontées à de nombreux défis, tels que la (dé)mondialisation, la volatilité des demandes des clients, l’intensification de la concurrence et la nécessité d’une plus grande efficacité. Chez Möbius, nous aidons nos clients à relever ces défis en utilisant l’analyse et la modélisation des chaînes d’approvisionnement. Dans cet article de blog, nous allons nous concentrer sur la conception des réseaux des chaînes d’approvisionnement et expliquer comment l’analyse et la modélisation des données peuvent aider les entreprises à optimiser les opérations de leurs chaînes d’approvisionnement.

La conception des réseaux de chaînes d’approvisionnement consiste à déterminer le réseau physique optimal d’usines, de centres de distribution, de hubs, etc. afin de minimiser les coûts tout en répondant à la demande des clients. Des décisions stratégiques doivent être prises quant à l’emplacement de ces installations, à la quantité de stocks à détenir et aux endroits où les détenir.

Blog_SC analytics_1

 

L’analyse et la modélisation peuvent aider les entreprises à optimiser leurs réseaux de chaînes d’approvisionnement en leur fournissant des informations dans des domaines clés.


1.    Emplacement de l’installation

Le problème du lieu d’une installation est un problème classique en recherche opérationnelle qui vise à déterminer l’emplacement optimal des installations, telles que les entrepôts, les centres de distribution et les usines, afin de minimiser les coûts et de maximiser l’efficacité. Une technique puissante que nous utilisons souvent pour ce type de problème est le regroupement. Les sites des clients sont regroupés en fonction de leur situation géographique et de la structure de la demande, ce qui constitue une base solide pour déterminer l’emplacement envisagé pour les installations. Le choix judicieux de ces sites peut avoir un impact significatif sur les performances globales des chaînes d’approvisionnement et des réseaux de transport.

Blog_SC analytics_2

 

2.    Optimisation des coûts

L’optimisation des coûts de transport est un élément essentiel de la gestion logistique. Elle peut permettre de réaliser d’importantes économies et d’améliorer la satisfaction des clients, grâce à des délais de livraison plus courts et à une plus grande prévisibilité. Différentes techniques de modélisation peuvent être utilisées pour optimiser les coûts de transport. La première étape consiste à identifier l’objectif de l’optimisation : minimiser les coûts totaux, maximiser les bénéfices ou maximiser la satisfaction du client.

Si l’objectif est de minimiser les coûts totaux, les lieux envisagés pour les entrepôts déterminés dans le problème de l’emplacement des installations peuvent servir de base à l’optimisation en minimisant le coût de transport total pour toutes les commandes historiques, compte tenu des lieux d’entrepôts candidats. Pour optimiser les coûts totaux, il est toutefois nécessaire d’élargir notre champ d’action au-delà des seuls coûts de transport. Nous devons inclure les coûts d’inventaire pour garantir un équilibre optimal entre ces deux aspects essentiels de la gestion logistique. En tenant compte à la fois des coûts de transport et des coûts d’inventaire, la conception stratégique du réseau se traduira par une amélioration de l’efficacité opérationnelle et de la rentabilité.

On utilise souvent la programmation en nombres entiers mixtes pour relever ces défis logistiques complexes. Le résultat de l’analyse comprend un plan complet qui précise l’entrepôt qui desservira tel ou tel client et les produits qui partiront de chaque entrepôt.

3.    Gestion des stocks

Pour calculer les niveaux de service à la clientèle, des règles d’inventaire doivent être définies et une simulation historique peut être appliquée aux résultats du modèle de programmation en nombres entiers mixtes.

Si l’objectif est de réduire les niveaux de stocks en tant que tels, on peut mener des audits intensifs, comme dans l’un de nos projets où l’objectif était d’améliorer le service tout en réduisant les actifs. Nous avons cartographié et analysé le système de planning actuel et mis en place un plan d’action pour améliorer la précision de l’inventaire, mettre à jour les modèles de calcul pour les objectifs de stock et commencer à rééquilibrer et à réduire les stocks, ce qui a permis de réduire les stocks de 51 %.

4.    Prévision de la demande

Les modèles de prévision de la demande servent à prédire la demande future des clients pour des produits ou des services. Le choix du bon modèle de prévision dépend de la disponibilité et de la qualité des données, du niveau de précision requis et de l’horizon prévisionnel. Les techniques que nous utilisons peuvent se subdiviser en deux catégories :

  1. Modèles de séries chronologiques : ces modèles statistiques recourent à des données historiques afin d’identifier les tendances et les modèles de saisonnalité de la demande. Ils reposent sur l’hypothèse que la demande future sera similaire à la demande passée. Parmi les modèles les plus utilisés, épinglons ARIMA, le lissage exponentiel et l’algorithme Prophet développé par Facebook.
  2. Modèles causaux : les modèles de causalité tentent de trouver des variables, principalement des indicateurs économiques, des tendances démographiques et d’autres facteurs externes qui influencent le niveau de la demande. Les modèles les plus courants sont l’analyse de régression et les modèles économétriques.

Pour obtenir la meilleure précision, nous combinons souvent différents modèles dans le cadre d’une technique d’ensemble qui permet d’exploiter au mieux la force de chaque modèle.

Blog_SC analytics_3

Pour commencer à élaborer un bon modèle de prévision, nous collectons les données de vente nécessaires et appliquons les modèles de prévision mentionnés ci-dessus. À ce stade, nous faisons abstraction de toute connaissance des facteurs exogènes et basons nos résultats uniquement sur les données historiques. Il en résulte un modèle qui prévoit les volumes en tenant compte de la tendance générale et de la saisonnalité. À l’étape suivante, nous menons des entretiens avec les parties prenantes de l’entreprise afin de déterminer les facteurs externes susceptibles d’influencer la demande. Nous collectons les données et intégrons les informations supplémentaires dans le modèle existant afin de prévoir les erreurs, c’est-à-dire le volume non prévu par la tendance et la saisonnalité.

Pour bon nombre de ces domaines clés de la gestion des chaînes d’approvisionnement, il existe des logiciels faciles à utiliser et à mettre en œuvre au sein de l’entreprise. Toutefois, nous avons souvent l’impression que ces progiciels ne sont pas toujours adaptés aux besoins spécifiques de l’entreprise. Il se peut que les données nécessaires ne soient pas disponibles ou que les entreprises soient organisées d’une manière différente de celle prévue par les progiciels. Nous apprécions travailler avec le client et personnaliser nos solutions en fonction de ses besoins exacts et du niveau de détail nécessaire. En effet, nous attachons une grande importance à travailler main dans la main avec nos clients et à les soutenir à chaque étape, depuis la collecte des données jusqu’à l’élaboration d’une solution et à la mise en œuvre du résultat dans la pratique :

Blog_SC analytics_4

 

  1. Dans un premier temps, nous identifions avec le client l’objectif final de la conception du réseau : réduction des niveaux de stock, réduction des délais de livraison aux clients, réduction des coûts de transport, etc. Nous explorons les différents concepts de modèles potentiels que nous pouvons utiliser pour traduire leur problème commercial en un problème mathématique et identifier le bon objectif d’optimisation.
  2. Lorsque l’objectif et le concept sont clairement circonscrits, nous établissons un plan pour la phase de collecte et d’exploration des données : de quelles données avons-nous besoin et à quel niveau de détail ? Les données sont-elles disponibles et où pouvons-nous les trouver ? Y a-t-il des anomalies dans les données ? Nous fournissons une analyse exploratoire détaillée de la situation réelle.
  3. Dans un troisième temps, nous commencerons à mettre en œuvre les concepts du modèle. Nous étudions un par un les différents domaines clés et ne passons à l’étape suivante que lorsque le client approuve le concept final du modèle et les résultats de l’étape précédente.
  4. Le résultat final de la refonte complète du réseau est présenté au client, souvent sous la forme d’une application web. L’avantage de créer ces applications web sur mesure est que le client peut réexécuter le modèle avec différents paramètres ou différentes fourchettes de dates pour effectuer des analyses de sensibilité, sans avoir besoin de connaissances en programmation et en modélisation. L’application lui permet également de voir les résultats pour différents sous-segments et pour des clients ou des produits distincts.
  5. Enfin, pour combler le fossé entre un modèle et ses implications pratiques, nous aidons souvent le client à mettre la théorie en pratique. La conception du réseau suppose que les installations puissent se trouver n’importe où dans un pays ou une zone définis, mais ne prend pas en compte les installations déjà existantes ou les endroits où la construction d’une telle installation n’est pas possible. En conséquence, nous avons établi une feuille de route pour la mise en œuvre pratique de la conception du réseau.

Une fois le réseau de la chaîne d’approvisionnement en place, nous pouvons également aider le client à tester la résilience de la chaîne d’approvisionnement du nouveau réseau complet. Le monde d’aujourd’hui est devenu beaucoup plus incertain et les chaînes d’approvisionnement sont soumises à davantage de risques, de problèmes et de perturbations dans le réseau qu’il y a 5 à 10 ans. Alors que nous avions l’habitude de mettre l’accent sur l’optimisation des réseaux sur la base d’une situation stable, nous constatons aujourd’hui que ce point de départ n’est plus vrai du tout. L’analyse de graphes et le process mining peuvent être utilisés pour tester les faiblesses et les goulets d’étranglement du réseau. Nous associons les connaissances commerciales avec les connaissances techniques et travaillons par itérations pour augmenter la complexité du modèle et collaborer avec les parties prenantes à chaque étape du processus.

En conclusion, l’optimisation du réseau est un aspect essentiel de la gestion des chaînes d’approvisionnement. Il s’agit de trouver la configuration physique la plus optimale pour minimiser les coûts totaux et maximiser la satisfaction du client. En concertation avec le client, nous définirons les objectifs stratégiques et choisirons le modèle qui convient le mieux. Nous testerons la résilience du nouveau réseau et rassemblerons tous ces aspects dans une application web permettant au client d’appliquer ses propres scénarios et de consulter des vues détaillées de l’optimisation.

De cette manière, nos clients pourront obtenir un avantage concurrentiel dans ce monde de plus en plus complexe et interconnecté, où l’optimisation des coûts totaux et l’amélioration de l’efficacité opérationnelle restent essentielles.