Comment atténuer l'incertitude dans la chaîne d'approvisionnement?

#SupplyChain #Logistics

 

L'incertitude est une caractéristique inhérente des chaînes d'approvisionnement, et nous ne pouvons pas l'éradiquer, car la source de la demande, chaque consommateur individuel pense différemment et change de temps à autre. Si vous voulez boire du café aujourd'hui et boire du thé au lait demain, il est difficile de saisir avec précision les besoins individuels.

Mais intéressant, lorsque nous agrégeons la demande ensemble, nous constatons que la volatilité du grand échantillon diminue. Par exemple, lors de la commande de thé l'après-midi, le nombre de personnes de l'équipe veulent boire du café ou du thé à lait ne sera certainement pas unilatérale, et la fluctuation de la demande est relativement faible.

Lorsque nous réunissons certaines des mêmes choses ou similaires, il y a un terme spécial dans la chaîne d'approvisionnement appelée «mise en commun» ou «agrégat».

Par exemple, lors de la réalisation des prévisions, intégrez les mêmes exigences. Lors du calcul de la capacité, la même capacité de poste de travail est agrégée et comptée. Cette pratique peut réduire la volatilité et aujourd'hui je me concentrerai sur cet aspect.

1. Pourquoi la mise en commun?

Utilisons un exemple pour illustrer davantage ce qui se passe avec la volatilité de la demande. Comme mentionné ci-dessus, il y a beaucoup d'aléatoire dans le comportement d'achat des consommateurs, ce qui crée une volatilité. Zhang San a ouvert un café et pour augmenter le prix unitaire, le magasin a également vendu des gâteaux.

Comment devrait-il faire le plein? Il y a trop d'achats et les gâteaux ne sont pas épuisés. Lorsque la durée de conservation est atteinte, les gâteaux seront jetés et jetés. Moins d'achats, d'inventaire insuffisant et de perte de ventes.

Afin de mieux faire le plein, Zhang San a compté les ventes de gâteaux dans le magasin au cours des 20 derniers jours. Le magasin de Zhang San est ouvert cinq jours par semaine, 20 jours par mois, et les ventes spécifiques sont les suivantes.

Jours	Quantité de vente	Différence par rapport aux ventes moyennes	Différence de valeur absolue
1	42	7	7
2	30	-5	5
3	24	-11	11
4	35	0	0
5	43	8	8
6	38	3	3
7	34	-1	1
8	29	-6	6
9	44	9	9
10	21	-14	14
11	33	-2	2
12	42	7	7
13	46	11	11
14	31	-4	4
15	37	2	2
16	31	-4	4
17	44	9	9
18	36	1	1
19	41	6	6
20	27	-8	8
Average	35	0	6

 

Nous avons vu un pic de 46 ventes et un minimum de 21, avec une moyenne de 35 (arrondi). Les résultats réels du volume des ventes varient considérablement de la moyenne, mais ils en moyenne zéro en raison des décalages positifs et négatifs.

Nous voulons prendre la moyenne absolue de la différence, ce nombre est également appelé déviation moyenne (MAD), et sa moyenne mensuelle est de 6.

D'un point de vue statistique, nous devons utiliser l'écart type, qui est plus rigoureux. Après un simple calcul dans Excel, nous pouvons obtenir une série de résultats d'analyse sur les ventes de ce mois-ci.

Max	46
Le minimum	21
Average	35
Écart-type	7.1
Coefficient de variation	0.2

 

Le coefficient de variation (CV) est l'écart type divisé par la moyenne, et le résultat est 0,2. D'un point de vue statistique, les ventes de ce mois-ci sont très stables.

D'un point de vue quotidien, la différence absolue maximale entre les ventes quotidiennes et la valeur moyenne est de 14, ce qui est divisé par 40% par la valeur moyenne de 35, ce qui est l'ampleur de l'écart.

Lorsque les écarts de ces 20 jours sont résumés, la différence de valeur absolue moyenne est de 6, ce qui est divisé par 35, ce qui est évidemment beaucoup plus stable que 40%. En effet, le volume des ventes est élevé et faible, et les statistiques sont calculées en groupes de 20 jours. La différence de ventes au-dessus et en dessous de la moyenne s'annule mutuellement, donc la vue globale est plus stable.

Il est difficile pour Zhang San de s'approprier uniquement en examinant les données quotidiennes des ventes, car les ventes quotidiennes fluctuent considérablement, mais la demande mensuelle est relativement stable, ce qui peut fournir des instructions plus précises pour le stockage.

2. Pourquoi la mise en commun peut rendre les variables aléatoires plus stables?

Ensuite, nous verrons pourquoi la mise en commun rend les variables aléatoires plus stables à partir de la théorie statistique.

Le coefficient de variation est une statistique sommaire qui mesure la dispersion et est souvent utilisée pour comparer différents éléments, tels que deux besoins ou produits différents. Nous pouvons comparer leurs coefficients de variation pour voir à quel point leurs caractéristiques sont similaires ou différentes.

Nous avons déjà vu que s'il y a un stochastique d'un mois, c'est la somme de 20 stochastiques quotidiens. Nous avons donc une variable aléatoire mensuelle M et 20 variables aléatoires quotidiennes di.

En supposant que DI est indépendant et toute la même distribution, ils appartiennent à la distribution normale. Nous avons une distribution normale avec la moyenne µ et l'écart type σ.

Et si la variable aléatoire des ventes mensuelles obéit également à une distribution normale, c'est-à-dire que les distributions quotidiennes et mensuelles sont les mêmes, alors nous devons établir une relation de conversion entre ces deux échelles de temps.

Moyenne mensuelle quotidienne µ20 * µ écart type σ√20 * σ

Regardez d'abord la moyenne, car le nombre de jours ouvrables par mois est de 20 jours, donc un mois est égal à 20 jours, nous pouvons multiplier directement la moyenne quotidienne de 20 et attendre la moyenne mensuelle, ce qui est plus facile à comprendre.

L'écart type n'est pas calculé de cette manière. Selon la formule, le carré de la taille de l'échantillon est requis, qui est √20. L'écart type mensuel est √20 fois σ.

Le coefficient de variation quotidien est σ / µ, qui est: 1 * (σ / µ), et la variation mensuelle est: (√20 * σ) / 20*µ=0,22* (σ / µ).

De toute évidence, le coefficient mensuel de variation de 0,22 est inférieur au quotidien 1. Il s'agit d'une preuve mathématique qu'après la demande agrégée, la volatilité mensuelle est inférieure à celle quotidienne, ce qui nous aidera à formuler des stratégies de chaîne d'approvisionnement pertinentes.

 

3. Scénarios d'utilisation

3.1 Stratégie de retard

La stratégie de retard dans la chaîne d'approvisionnement divise le processus de production d'un produit en une étape de généralisation et une étape de différenciation. Les entreprises produisent d'abord des composants communs et retardent autant que possible le processus de fabrication de la différenciation des produits.

La production différenciée du produit n'est pas terminée tant que l'utilisateur final demande l'apparence ou la fonction du produit. Par exemple, pour le lait de soja dans la boutique du petit-déjeuner, le produit au stade de généralisation du produit est le jus de lait de soja d'origine, et le produit différencié est le lait sucré et salé transformé sur la base du jus d'origine.

La volatilité de la demande d'un seul produit est certainement supérieure à celle de tous les produits, de sorte que les restaurants du petit-déjeuner devraient agréger la demande de tous les produits de soja pour faire des prédictions avec une précision plus élevée que tout produit unique.

Nous utilisons également cette approche lors de la prévision de la demande pour d'autres produits, car la demande individuelle des matières premières variera, mais ces différences s'annuleront mutuellement, ce qui rend les prévisions globales plus précises.

 

3.2 Paramètres d'inventaire

Certaines sociétés de commerce électronique fraîches utilisent le modèle d'entrepôt avant pour servir la communauté à quelques kilomètres autour de l'entrepôt.

L'écart dans le stockage d'un seul entrepôt avant sera relativement élevé. Si nous combinons les exigences de plusieurs entrepôts avant, utilisons un entrepôt général régional pour couvrir les besoins de ces entrepôts avant et distribuer de l'entrepôt général aux entrepôts avant, nous pouvons optimiser les coûts globaux des stocks et les taux de livraison à temps.

La position totale rassemble la demande de chaque position avant et ralentit la volatilité.

 

3.3 Capacité de production

Lorsque nous faisons la planification de la production, nous planifions généralement la capacité d'une ligne de production, par exemple, trois types de produits A, B et C peuvent être produits sur cette ligne. Je ne pourrai peut-être pas déterminer le nombre spécifique de production A, B et C, car la situation réelle changera toujours, parfois il y a une pénurie de matériaux, ne peut pas produire A, ne peut faire que B ou C.

Ainsi, lorsque nous planifions la capacité d'une chaîne de production complète, nous agrégeons souvent toutes les capacités. Lors de la réunion mensuelle de la production et de la coordination des ventes, nous pouvons avoir du mal à décider de la quantité spécifique à produire, mais planifiez plutôt la capacité de production totale de la ligne de production. À partir de ce qui précède, nous savons que cela sera plus précis et moins volatile.

Dans le processus de production réel des produits, des situations inattendues se produiront inévitablement, certains sont trop achevés, certains sont sous-cibles, mais ils peuvent en effet se compenser mutuellement pour atteindre notre objectif global.

Pour résumer, la mise en commun de Baichuan Juhai est une stratégie de chaîne d'approvisionnement très pratique, qui peut atténuer efficacement diverses volatilités. Les dimensions agrégées comprennent le temps et la quantité, qui doivent être appliquées de manière flexible en fonction de la situation.