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.
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 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 :
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.
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.