Optimisation des stocks

L'optimisation des stocks fait référence aux techniques utilisées par les entreprises pour améliorer leur surveillance, leur contrôle et leur gestion de la taille et de l'emplacement des stocks dans leur réseau d'approvisionnement étendu . Il a été observé dans le cadre de recherches opérationnelles que « chaque entreprise doit relever le défi d'adapter son volume d'approvisionnement à la demande des clients. La façon dont l'entreprise gère ce défi a un impact majeur sur sa rentabilité. »

Contrairement au cycle traditionnel de « frénésie et purge » des stocks, dans lequel les entreprises achètent trop de produits pour se préparer à d'éventuels pics de demande, puis se débarrassent des produits excédentaires, l'optimisation des stocks vise à adapter plus efficacement l'offre à la demande attendue des clients. Les données Open Standards de l'American Productivity and Quality Center (APQC) montrent que l'entreprise médiane détient un stock de 10,6 % de son chiffre d'affaires annuel en 2011. Le coût typique du stockage des stocks est d'au moins 10,0 % de la valeur des stocks. Ainsi, l'entreprise médiane dépense plus de 1 % de son chiffre d'affaires pour stocker des stocks, même si pour certaines entreprises, ce chiffre est bien plus élevé.

De plus, le volume des stocks détenus a un impact majeur sur la trésorerie disponible. Le fonds de roulement étant élevé, il est important pour les entreprises de maintenir les niveaux de stocks aussi bas que possible et de les vendre le plus rapidement possible. Lorsque les analystes de Wall Street examinent les performances d'une entreprise pour établir des prévisions de bénéfices et des recommandations d'achat et de vente, les stocks sont toujours l'un des principaux facteurs qu'ils prennent en compte. Des études ont montré une corrélation de 77 % entre la rentabilité globale du secteur manufacturier et la rotation des stocks.

Le défi de la gestion des stocks est accru par le phénomène de « longue traîne » qui fait qu'un pourcentage plus élevé des ventes totales de nombreuses entreprises provient d'un grand nombre de produits, chacun ayant une faible fréquence de vente. Des cycles de produits plus courts et plus fréquents, nécessaires pour répondre aux besoins de marchés plus sophistiqués, créent la nécessité de gérer des chaînes d'approvisionnement contenant davantage de produits et de pièces. Par conséquent, les entreprises doivent comprendre comment cela affecte leurs stocks et comment elles peuvent saisir les opportunités présentées par ces produits.

Dans le même temps, les fréquences de planification et les intervalles de temps passent de mensuels/hebdomadaires à quotidiens et le nombre d'emplacements de stockage gérés de dizaines dans les centres de distribution à des centaines ou des milliers dans les points de vente (POS). Cela conduit à un grand nombre de séries temporelles avec un niveau élevé de volatilité de la demande. Cela explique l'un des principaux défis de la gestion des chaînes d'approvisionnement modernes, le soi-disant « effet coup de fouet », qui fait souvent que de petits changements dans la demande réelle entraînent un changement beaucoup plus important dans la demande perçue, ce qui à son tour peut inciter les entreprises à apporter des changements de stock plus importants que nécessaire.

Sans optimisation des stocks, les entreprises définissent généralement leurs objectifs de stock à l'aide de règles empiriques ou de calculs en une seule étape. Les règles empiriques impliquent généralement de définir un nombre de jours d'approvisionnement comme objectif de couverture. Les calculs en une seule étape examinent un seul article dans un seul emplacement et calculent la quantité de stock nécessaire pour répondre à la demande.

Les modèles d’optimisation des stocks peuvent être soit déterministes (chaque ensemble d’états variables étant déterminé de manière unique par les paramètres du modèle), soit stochastiques (les états variables étant décrits par des distributions de probabilités). L’optimisation stochastique prend en compte l’incertitude de l’approvisionnement : par exemple, 6 % des commandes d’un fournisseur étranger ont 1 à 3 jours de retard, 1 % ont 4 à 6 jours de retard, 5 % ont 7 à 14 jours de retard et 8 % ont plus de 14 jours de retard.

L'optimisation stochastique tient également compte de la volatilité de la demande, qui constitue l'un des principaux défis auxquels sont confrontés les professionnels de la chaîne d'approvisionnement. Par exemple, la direction prévoit une probabilité de 65 % de vendre 500 unités, une probabilité de 20 % de vendre 400 unités et une probabilité de 15 % de vendre 600 unités. Des niveaux de service élevés peuvent être atteints en cas de dépassements de coûts, de stocks excessifs et de lutte contre les incendies, mais une rentabilité plus élevée peut être obtenue en comprenant les sources de volatilité et en planifiant de manière appropriée. Le résultat est une meilleure compréhension des besoins en stocks qu'avec une approche déterministe.

Les problèmes de localisation à un seul échelon sont des problèmes de type unique dans lesquels le flux de matières sortant ou le flux de matières entrant dans les installations à localiser est négligeable. Dans les problèmes à plusieurs échelons, les marchandises entrantes et sortantes sont toutes deux pertinentes. C'est le cas, par exemple, lorsque les centres de distribution (CD) doivent être localisés en tenant compte à la fois du coût de transport des usines aux CD et du coût de transport des CD aux clients. Dans les problèmes à plusieurs échelons, les contraintes visant à équilibrer les flux entrants et sortants doivent être prises en compte.

Une approche séquentielle à un seul échelon prévoit la demande et détermine les stocks requis pour chaque échelon séparément. L'optimisation des stocks à plusieurs échelons détermine les niveaux de stock corrects sur l'ensemble du réseau en fonction de la variabilité de la demande aux différents nœuds et des performances (délai d'exécution, retards, niveau de service) aux échelons supérieurs.

L'optimisation des stocks multi-échelons examine les niveaux de stock de manière globale sur l'ensemble de la chaîne d'approvisionnement tout en tenant compte de l'impact des stocks à un niveau ou à un échelon donné sur les autres échelons. Par exemple, si le produit vendu dans un point de vente d'un détaillant est reçu de l'un de ses centres de distribution, le centre de distribution représente un échelon de la chaîne d'approvisionnement et le point de vente un autre. Il doit être clair que la quantité de stock nécessaire dans les points de vente est une fonction du service reçu du centre de distribution. Plus le service fourni en amont est bon, moins la protection nécessaire en aval est importante. L'objectif de l'optimisation des stocks multi-échelons est de mettre à jour et d'optimiser en permanence les niveaux de stock de sécurité sur tous ces échelons.

L'optimisation des stocks à plusieurs niveaux représente une approche de pointe pour optimiser les stocks tout au long de la chaîne d'approvisionnement. La modélisation de plusieurs étapes permet de prévoir plus précisément d'autres types de stocks, notamment les stocks cycliques et les stocks de pré-production ainsi que les stocks de sécurité dus aux demandes échelonnées dans le temps. Dans le cadre de l'optimisation des stocks, les performances des fournisseurs, le service client et les mesures des actifs internes doivent être surveillés en permanence pour permettre une amélioration continue.

Scheuffele et Kulshreshtha font référence aux moteurs d'optimisation des stocks ou moteurs IO, dont la fonction est d'analyser les données d'inventaire en utilisant une approche holistique sur l'ensemble du réseau d'approvisionnement. Ils notent un intérêt croissant pour leur utilisation et leur application dans des domaines d'inventaire spécifiques, tels que les opérations en usine, les chaînes de montage et dans le domaine des transports.

Les entreprises ont obtenu des avantages financiers en recourant à l’optimisation des stocks. Une étude réalisée par IDC Manufacturing Insights a révélé que de nombreuses organisations qui ont utilisé l’optimisation des stocks ont réduit leurs niveaux de stocks jusqu’à 25 % en un an et ont bénéficié d’un flux de trésorerie actualisé supérieur à 50 % en moins de deux ans. Par exemple :

• Electrocomponents , l'un des plus grands distributeurs mondiaux de produits électroniques et de maintenance basé au Royaume-Uni, a augmenté ses bénéfices de 36 millions de livres sterling en utilisant l'optimisation des stocks pour atteindre des niveaux de service plus élevés tout en réduisant les stocks.
• Castrol a utilisé l'optimisation des stocks pour réduire les stocks de produits finis d'une moyenne de 35 % en deux ans tout en augmentant les niveaux de service (définis comme les taux de remplissage des lignes) de 9 %.
• Smiths Medical, une division de Smiths Group , a utilisé l'optimisation des stocks pour mieux faire face à la volatilité de la demande et à la variabilité de l'offre, réduisant ainsi le risque de sous-stocks et de surstocks tout en lissant les cycles de fabrication.