Prévision des performances de la chaîne logistique en cas de fluctuations rapides et imprévues de la demande

Le défi

Résumé

En raison du COVID19, une multinationale produisant des biens de consommation emballés (CPG) voit les profils de demande de ses produits considérablement modifiés, la demande de certains produits augmentant fortement et d'autres chutant de manière significative. Les niveaux de production et de stock requis sont inconnus, ce qui entraîne une incertitude quant aux coûts. Une capacité d'analyse basée sur la simulation a été rapidement développée et déployée pour estimer les niveaux de production et de stock nécessaires pour répondre à cette demande dynamique, en utilisant la structure existante du réseau de la chaîne d'approvisionnement, les contraintes de production, l'état actuel des stocks et les politiques de réapprovisionnement des stocks. Ce modèle axé sur les données génère des résultats tels que les volumes de production, les niveaux de stocks et les coûts par région et par catégorie de produits, qui sont intégrés dans un tableau de bord analytique pour la planification et la sensibilisation à court terme. Le modèle et le tableau de bord ont permis à l'entreprise d'identifier les produits et les usines de production présentant un risque de surproduction, y compris l'impact estimé sur les coûts, et de prévoir les taux de production et les niveaux de stocks nécessaires pour répondre à la demande dynamique sur une base hebdomadaire.

1. Introduction

L'entreprise cliente était confrontée à d'importants changements imprévus dans la demande mondiale de ses plus de 32 000 produits en raison des impacts de la pandémie de COVID19. L'entreprise disposait d'estimations des coûts de production basées sur la planification prépandémique, ainsi que de prévisions de la demande ajustées sur la base des récents changements de la demande. Cependant, elle n'avait pas la capacité d'estimer l'impact hebdomadaire à court terme de cette évolution de la demande sur les taux de production planifiés et les niveaux de stock. Genpact a développé et fourni une capacité analytique avec un modèle de simulation d'événements discrets au cours d'un engagement de trois semaines.

Le système analysé est la chaîne d'approvisionnement des produits finis, composée principalement d'usines de production et de centres de distribution (CD). Les produits sont fabriqués et acheminés à travers le réseau de la chaîne d'approvisionnement, des usines aux centres de distribution (et des centres de distribution aux centres de distribution), afin de satisfaire la demande extérieure. L'objectif principal du modèle de simulation est de prédire les volumes de production requis et les niveaux de stock dans l'ensemble du système afin de permettre aux décideurs de définir avec précision les allocations de volume de production appropriées, en particulier face à l'évolution rapide de la demande.

La solution

2. Approche et cadre du modèle

La capacité analytique a été développée en utilisant Alteryx pour le traitement des données, Simio pour la simulation et Tableau pour la visualisation des résultats. En raison de la rapidité du projet et du souhait du client de mettre à jour le tableau de bord avec des données hebdomadaires, la solution a été élaborée à l'aide d'Alteryx.

le tableau de bord avec des données hebdomadaires, un flux de travail évolutif et reproductible basé sur les données était nécessaire. Les données historiques ont été traitées pour générer des listes de produits, des listes de sites (centres de distribution et centres de production), des listes de stocks et des listes d'approvisionnement (cartographie d'un flux de produits spécifique d'un site à l'autre). Les données relatives à la demande hebdomadaire ont été fournies par le client au niveau de l'UGS et du site. Pour un horizon de simulation type de quatre semaines, les données d'entrée traitées par Graunke et Urbina comprenaient plus de 32 000 produits, plus de 1 000 sites, plus de 36 000 stocks, plus de 27 000 liens de réseau et plus de 27 000 événements de demande.

Le système modélisé a pris en compte plusieurs règles, contraintes et hypothèses commerciales essentielles :

1. La demande modélisée est uniquement une demande externe et n'est réalisée qu'au niveau des centres de distribution. Les usines ne peuvent pas répondre directement à la demande externe.
   1. Les données relatives à la demande ne comprennent que la demande externe. La demande DC-DC est générée par la logique du modèle en fonction des besoins, et n'est pas incluse en tant qu'entrée directe.
2. Les produits sont fabriqués sur commande dans chaque usine et aucun stock n'est entreposé dans les usines. Le produit fabriqué est immédiatement expédié au centre de distribution demandeur.
3. La capacité et les volumes des usines sont saisis au niveau de l'usine. Les délais de production et de transport sont inclus, sous réserve de la disponibilité des données.
4. Les stocks des points de vente sont réapprovisionnés par les usines ou d'autres points de vente faisant partie du réseau de la chaîne d'approvisionnement.
   1. Une commande de réapprovisionnement est déclenchée lorsqu'une position de stock est inférieure à la valeur minimale du niveau de stock.
   2. La quantité de réapprovisionnement est définie comme étant la quantité nécessaire pour ramener la position du stock à la valeur minimale du niveau de stock.

L'approvisionnement recherche d'abord les usines ayant une capacité disponible, puis les usines non soumises à des contraintes (par exemple, les usines hors région, les usines des fournisseurs), puis les centres de distribution.

L'impact sur l'entreprise

3. Résultats et impact

Le modèle a été utilisé pour générer des résultats pour une fenêtre mobile de quatre semaines. Chaque semaine, le client met à jour le modèle avec les données de la demande actuelle et l'exécute. Les principaux résultats du modèle sont les volumes de production au niveau de l'usine nécessaires pour répondre à la demande et respecter les politiques de réapprovisionnement des stocks. Les résultats bruts de la simulation comprennent toutes les activités de production (y compris la semaine, l'usine, le site de destination et le volume produit) et la performance hebdomadaire des stocks (y compris les stocks disponibles et les commandes en souffrance, ainsi que les totaux cumulés des volumes demandés et consommés). Ces résultats sont chargés dans un tableau de bord Tableau hébergé par le client, qui regroupe et résume les données (figure 1). Le client a pu utiliser ces données pour ajuster les niveaux de production tout au long de la chaîne d'approvisionnement afin de répondre à la demande et a pu estimer les coûts correspondants.

Figure 1 : Tableau de bord général et tableau de bord détaillé de l'usine de production.