Principes quantitatifs pour la Supply Chain (Résumé de la lecture 1.6)

Une optimisation de la supply chain significative consiste à maîtriser l’optionnalité à laquelle on est confronté en raison de la variabilité inhérente au flux de marchandises, et cette maîtrise est compatible avec l’analyse quantitative. Les problèmes de supply chain sont également quantitatifs mais complexes et parfois tout simplement étranges, allant à l’encontre de l’analyse traditionnelle. L’adoption de principes quantitatifs à la fois lors de l’étape d’observation et d’optimisation peut aider les praticiens à éviter de nombreux pièges obscurs mais néanmoins prévisibles de la supply chain.

Regardez la conférence

Principes d’observation

Dans l’ensemble, les décisions et contraintes auxquelles les praticiens de la supply chain sont confrontés sont invariablement quantitatives - telles que les valeurs de réapprovisionnement, les objectifs de taux de service, les MOQs, etc. Cependant, les supply chains elles-mêmes ne se prêtent pas à une observation directe. On ne peut pas prendre une photo de l’ensemble de la supply chain comme on peut le faire avec une machine, bien que les deux soient, de manière argumentative, des investissements en capital, tous deux étant composés de nombreuses sous-parties physiques observables et aboutissant (généralement) à une production physique.

Malgré cette limitation, les supply chains ne sont pas hostiles à l’analyse quantitative. Au contraire, une analyse quantitative de la supply chain révèle plusieurs observations instructives bien que discutables sur le plan intuitif.

Les problèmes de supply chain ne suivent pas une distribution normale

Peut-être désespérément, les problèmes de supply chain ne suivent pas une distribution normale, ce qui entraîne bon nombre des difficultés organisationnelles auxquelles on est confronté lorsqu’on essaie de les optimiser. Avec une distribution normale, un grand nombre de petits facteurs indépendants peuvent influencer une valeur dans l’une ou l’autre des deux directions (par exemple, plus ou moins, à la hausse ou à la baisse). En d’autres termes, une distribution normale résulte de nombreuses petites variations aléatoires qui peuvent augmenter ou diminuer une valeur¹.

Cependant, les problèmes de supply chain résultent souvent d’un petit nombre de facteurs systémiques plus importants plutôt que d’une multitude de petits facteurs indépendants. Ces facteurs comprennent :

• Variabilité de la demande : La demande de produits est souvent très variable et peut être influencée par un large éventail de facteurs tels que les tendances saisonnières, les conditions économiques et les campagnes marketing. Cette variabilité peut entraîner des problèmes tels que des ruptures de stock ou des surstocks.

• Fiabilité des fournisseurs : Les performances des fournisseurs peuvent avoir un impact significatif sur la supply chain, et la variabilité de la fiabilité des fournisseurs peut entraîner des problèmes tels que des retards de livraison et des problèmes de qualité.

• Perturbations logistiques : Des problèmes tels que des retards de transport, des blocages douaniers ou des catastrophes naturelles peuvent causer des perturbations importantes dans une supply chain.

Les problèmes mentionnés ci-dessus ne sont pas des menaces triviales pour la continuité (et l’optimisation) de la supply chain. Au contraire, ce sont des problèmes disproportionnellement importants et complexes qui peuvent avoir des impacts considérables.

De plus, les problèmes de supply chain présentent souvent un certain niveau d’asymétrie, ce qui signifie qu’il y a généralement quelques problèmes majeurs qui causent une grande proportion des problèmes, plutôt qu’une distribution symétrique des problèmes autour d’une moyenne prévisible. Dans de nombreux cas, ces problèmes présentent également une “longue traîne” - c’est-à-dire un grand nombre de problèmes différents se produisant chacun rarement.

Les interdépendances et les boucles de rétroaction inhérentes aux supply chains (par exemple, comment les niveaux de stock actuels influencent les décisions de commande futures) font également que l’occurrence de problèmes s’éloigne de la normalité. De tels systèmes non linéaires et complexes sont décrits de manière plus précise par d’autres modèles statistiques (détaillés dans la section suivante).

La relation inverse entre fréquence et rang

Un meilleur modèle quantitatif pour examiner les problèmes de supply chain (et les valeurs en général) est la loi de Zipf. En termes simples, il y a deux éléments principaux dans la loi de Zipf :

1. Quelques valeurs dans un ensemble de données se produisent très fréquemment, tandis que la plupart se produisent rarement.

2. La fréquence d’une valeur est inversement proportionnelle à son rang.

Considérez la fréquence des mots dans un manuel. Le mot le plus courant dans n’importe quel livre donné (s’il est écrit dans une langue qui utilise un système de cas défini/indéfini) sera probablement le. Le deuxième mot le plus fréquent peut être de, et sa fréquence sera (approximativement) la moitié de celle de le. Cette tendance se poursuivra dans les classements².

Un exemple pertinent dans le secteur de la vente au détail est la découverte courante qu’un petit nombre d’articles dans le catalogue représente une grande partie des ventes, tandis qu’une longue traîne d’autres articles se vend rarement. Ce schéma - quelques “succès” et beaucoup de “ratés” - correspond à la distribution de Zipf. Il s’agit d’un concept similaire au principe de Pareto, qui stipule que environ 80% des effets proviennent de 20% des causes. L’asymétrie décrite ici est en fait le principe directeur derrière les systèmes de gestion des stocks tels que ABC et ABC-XYZ. Cependant, il existe quelques différences clés entre la distribution de Pareto et de Zipf qui méritent d’être examinées de plus près.

• Distribution de Pareto : Imaginez une entreprise de vente au détail en ligne avec un catalogue étendu. La division de la chaîne d’approvisionnement pourrait découvrir que 80% du chiffre d’affaires de l’entreprise est généré par seulement 20% de son offre, ce qui suggère que les ressources sont mieux dirigées vers le maintien des niveaux de stock de ces articles populaires. Bien que cela puisse être un guide général utile, cela manque de la résolution dont la division a besoin pour analyser correctement les données de vente (au-delà de la simple identification des références qui ont généré le plus de revenus).

• Distribution de Zipf : Si la même division de la chaîne d’approvisionnement utilisait une distribution de Zipf, une couche supplémentaire intéressante de granularité serait introduite dans l’analyse. En examinant toutes les ventes et leurs fréquences, l’équipe pourrait discerner des schémas que la distribution de Pareto ne voit pas. Par exemple, ils pourraient découvrir que, bien que les produits électroniques et les appareils électroménagers soient effectivement les meilleurs performeurs, il existe également d’autres catégories de produits, tels que les livres ou les vêtements, qui ajoutent collectivement une quantité substantielle aux ventes totales - sans être des contributeurs marginaux significatifs pris individuellement. Une distribution de Zipf révélerait également des relations potentiellement intéressantes entre le catalogue qui pourraient valoir la peine d’être explorées, comme pourquoi le troisième produit le plus populaire contribue environ un tiers du chiffre d’affaires du plus populaire, malgré le fait qu’il soit interchangeable et bénéficie de niveaux de publicité comparables.

La tyrannie des petits nombres

Une distribution de Zipf est peut-être la plus évidente lorsqu’il s’agit de quantifier les problèmes explicites de la chaîne d’approvisionnement, en particulier les situations où un impact négatif disproportionné est attribuable à seulement quelques causes.

Considérez l’impact négatif de la perte du plus grand fournisseur d’une entreprise B2B, en particulier si ce fournisseur contribue deux fois plus que le deuxième plus grand fournisseur de l’entreprise B2B. De même, perdre les deux plus grands clients entraînerait une chute extraordinaire des revenus, étant donné que le troisième plus grand client achète environ un tiers de celui du plus grand client.

Il est important de noter que si les problèmes de la chaîne d’approvisionnement étaient normalement distribués, ils seraient plus prévisibles et les stratégies d’atténuation standard seraient suffisantes. Cependant, le fait qu’un petit nombre de problèmes significatifs (comme décrits ici) puissent causer la majorité des perturbations signifie que les praticiens doivent concentrer leurs ressources sur l’identification et l’atténuation de ces problèmes à fort impact. Cela nécessite une approche plus stratégique, proactive et holistique de la gestion de la chaîne d’approvisionnement.

Principes d’optimisation

Après avoir contourné le terrain biaisé de l’observation humaine, se lancer dans la phase d’optimisation de la chaîne d’approvisionnement est tout aussi sujet à des obstacles. Les initiatives d’optimisation de la chaîne d’approvisionnement sont souvent truffées de bugs, non seulement en termes de logiciels (pensez aux ERP), mais aussi de wetware (pensez à la sagesse héritée).

Les problèmes logiciels, tels que les Heisenbugs, sont généralement résolus par des applications itératives du programme. Cependant, les bugs du wetware ont la particularité étrange d’être en grande partie codés en dur, ce qui nécessite des efforts supplémentaires de déprogrammation.

La sagesse latente dans les chaînes d’approvisionnement vieillissantes

Les chaînes d’approvisionnement qui ont perduré pendant quelques décennies ont accumulé, au minimum, un niveau de sagesse de base. Il est difficile d’imaginer une entreprise qui a fonctionné pendant 20 ans ou plus et qui n’a pas au moins accidentellement découvert quelques stratégies utiles ou quelques règles empiriques. Ainsi, toutes les pratiques existantes et les normes opérationnelles incarnent une forme de quasi-optimalité, dans la mesure où elles peuvent propulser l’entreprise dans la bonne direction (rentabilité nette globale), mais avec des imperfections significatives³.

Tout comme une rivière qui se fraye un chemin à travers une chaîne de montagnes, cette sagesse a tendance à s’attacher à une seule force motrice. De la même manière que la gravité attire une rivière à travers les sédiments, les chaînes d’approvisionnement vieillissantes sont souvent entraînées dans la poursuite d’un seul indicateur clé de performance (KPI), tel que l’augmentation du taux de service ou la réduction des stocks morts. Bien que cela puisse sembler être des objectifs sensés, ils réduisent implicitement la chaîne d’approvisionnement à un ensemble discret d’éléments déconnectés qui peuvent être ajustés de manière isolée.

Cela se traduit essentiellement par une mentalité booléenne où l’optimisation de la chaîne d’approvisionnement est exprimée en termes naïvement binaires. Considérez ce qui suit :

• Si les niveaux de service s’améliorent, la chaîne d’approvisionnement doit avoir été améliorée. Cela néglige naturellement le fait qu’une augmentation du taux de service nécessite généralement une augmentation globale des niveaux de stock (en supposant une optimisation de la chaîne d’approvisionnement non quantitative). L’augmentation des niveaux de stock, à son tour, augmente généralement les stocks morts, ce qui entraîne une réduction des bénéfices nets.

• Si les niveaux de stocks morts diminuent, la chaîne d’approvisionnement doit avoir été améliorée. De même, cette vision étroite de l’optimisation ignore l’impact que la réduction des niveaux de stock aura probablement sur les objectifs de service et de satisfaction des clients, influençant ainsi négativement les achats (et souvent la fidélité des clients).

Les chaînes d’approvisionnement vieillissantes de ce type possèdent une quasi-optimalité unidirectionnelle qui, comme une petite connaissance, peut être extrêmement dangereuse. Le fait que les chaînes d’approvisionnement se dirigent par défaut vers un quasi-succès est ce qui les aide probablement à perdurer et à ossifier des pratiques suboptimales.

Une amélioration unidirectionnelle majeure des chaînes d’approvisionnement vieillissantes tend à être familière avec l’échec, non pas en raison d’un manque d’efforts sincères, mais plutôt d’un manque de considération pour la complexité vaste, systémique et interconnectée inhérente aux chaînes d’approvisionnement modernes.

L’illusion de l’optimisation locale

Il est fondamental de comprendre que l’optimisation d’un système aussi vaste et interdépendant que la chaîne d’approvisionnement repose sur l’idée que l’optimisation locale ne résout pas les problèmes, elle les déplace simplement. Comme illustré dans la section précédente, l’optimisation d’un problème local (ici, dans le sens “en isolation”) de la chaîne d’approvisionnement perturbe généralement l’équilibre et produit un effet indésirable ailleurs dans la chaîne d’approvisionnement.

Tout comme l’installation d’un disque SSD (Solid State Drive) dans un ordinateur de 30 ans ne permet pas d’améliorer la mémoire (ou les performances) globale du système⁴, l’optimisation d’un réseau de chaîne d’approvisionnement (ou d’un système de chaîne d’approvisionnement) est un processus global, de bout en bout.

Ce concept est manifestement évident dans l’industrie de la vente au détail. Dans un réseau de vente au détail composé de plusieurs magasins, on pourrait avoir l’intuition d’optimiser les niveaux de stock dans chaque magasin (voire même manuellement). On pourrait même allouer de manière préférentielle des ressources à l’emplacement le plus vendu du réseau.

Cependant, une telle approche ne tient pas compte du réseau plus large de centres de distribution desservant ces magasins, ainsi que des conséquences en aval d’une politique qui alloue des stocks sans tenir compte de l’impact sur les autres magasins. Se concentrer étroitement sur un seul magasin peut améliorer ses performances, mais cela peut être préjudiciable aux autres.

Cela passe également à côté de la préoccupation principale d’une mission d’allocation des stocks de vente au détail, à savoir l’identification de l’endroit où une unité/produit donné est le plus nécessaire pour optimiser les performances globales du système.

Par conséquent, l’optimisation de l’allocation des stocks de vente au détail est un problème qui n’a de sens qu’au niveau du système, soulignant l’importance d’une perspective holistique et globale⁵.

Redéfinir les problèmes pour des résultats supérieurs

L’éducation classique (et les discours commerciaux) présente les problèmes comme étant résolus de manière optimale grâce à une solution supérieure. À première vue, cela semble parfaitement raisonnable, étant donné que la distance la plus courte entre deux points est effectivement une ligne droite. Cependant, cette approche linéaire plaisante a tendance à simplifier à l’excès les problèmes et, fondamentalement, suppose que l’on devrait essayer de relier ces deux points en premier lieu.

Étant donné les différents coûts infligés lors de la tentative d’optimisation d’une supply chain, il s’agit d’une observation philosophique non négligeable. En théorie comme en pratique, une meilleure compréhension de ses problèmes est plus importante (à long terme) qu’une excellente solution à un problème mal compris (à court terme).

Un exemple classique est le problème de la prévision de la demande. Les fournisseurs de la chaîne d’approvisionnement et les universitaires peuvent présenter un outil avancé de prévision des séries temporelles comme la solution idéale pour quantifier la demande (et donc définir les niveaux de stock). À première vue, cela semble intuitif : si une entreprise ne peut pas prédire avec précision la demande, alors un meilleur logiciel de prévision de la demande est approprié, et les deux points éloignés sont reliés par une ligne droite (plus ou moins)⁶.

C’est une mentalité trop linéaire et très probablement orthogonale au problème de la chaîne d’approvisionnement qui nous intéresse : la découverte de ce qui cause réellement la difficulté de prévision de la demande. Il est tout à fait concevable que d’autres problèmes sous-jacents, tels que des inefficacités logistiques, des fournisseurs peu fiables ou des politiques d’allocation des stocks de vente au détail défectueuses, puissent être les forces motrices du changement.

Redéfinir ses problèmes, plutôt que de se précipiter vers un feu rouge de la chaîne d’approvisionnement, peut orienter correctement les optimisations de la chaîne d’approvisionnement et rediriger la bande passante (et les ressources) des solutions rapides à court terme.

Notes