otimizaÇÃo da cadeia de suprimentos ana carolina...

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.


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


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

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

otimizaÇÃo da cadeia de suprimentos ana carolina...

Documents