Au lieu des Big Data, et si on s’occupait d’abord de nos Small Data ?
Le Big Data et les analyses statistiques avancées, si possible avec un peu d’intelligence artificielle dedans, font la une des magazines supply chain et ont le vent en poupe depuis des années dans le vocabulaire des sociétés de conseil et des éditeurs de logiciels.
Cependant, lorsqu’il s’agit de gérer le dimensionnement et le réapprovisionnement des stocks, de déterminer les bonnes priorités, et donc d’alimenter les décisions quotidiennes de nos équipes, nous avons avant tout besoin de quelques données de base propres, sur lesquelles nous pouvons nous appuyer.
La réalité de nombreuses entreprises aujourd’hui, grandes et petites, est que les données de planification de base sont souvent – hum – fragiles…
Au cours des nombreuses mises en œuvre de DDMRP que nous avons accompagnées, il est frappant de constater que des décennies après l’avènement des ERP, la maîtrise des données clés n’est pas au rendez-vous, et la première étape d’un projet DDMRP consiste souvent à réexaminer les données :
- Définir des délais d’approvisionnement ou de fabrication réalistes
- Comprendre quels sont les délais de livraison attendus par les clients
- Avoir des tailles de lot clairement définies, des mini / maxi / incréments
- Définir ce qui est considéré comme disponible ou non en stock
- Assurez-vous qu’aucune date de promesse ne se situe dans le passé (ne se produira pas)
- Tenir une comptabilité des stocks raisonnablement précise
- Tenir les nomenclatures à jour
Ce n’est souvent pas faute de s’être occupé du sujet lors de la mise en place de l’ERP, et d’avoir fait appel à des consultants, parfois à plusieurs reprises, pour aider à la mise au point du système.
Mon interprétation est que le problème est dû à un manque de concentration. Il y a tellement d’informations dans un système ERP, tellement de choses à mettre à jour, qu’au bout d’un certain temps, on oublie l’essentiel et on s’habitue à travailler avec des données que l’on sait erronées.
Si, en outre, nous avons compensé les problèmes de MRP en mettant en place une logique dans Excel et en utilisant les connaissances des planificateurs, il n’est pas nécessaire d’avoir un système ERP carré, et les choses ont donc dérivé au fil du temps …
DDMRP Supply Chain Data
Le DDMRP est plus tolérant que le MRP en ce qui concerne les inexactitudes de données, en particulier les prévisions peu fiables. Cependant, il s’agit de gérer un modèle d’exploitation par ordinateur, et donc la représentation numérique du modèle physique doit être raisonnablement bonne.
La bonne nouvelle, c’est que le DDMRP permet d’obtenir beaucoup plus facilement et rapidement des données de référence exactes, car les anomalies sont immédiatement évidentes !
Les quelques données importantes sont clairement identifiées, sans se perdre dans le labyrinthe de l’ERP.
La phase de conception nécessite la définition de délais et le positionnement des stocks.
La gestion visuelle fait le reste : Si un solde de commande client de 2019 reste dans le système, l’alerte d’exécution rouge foncé ne peut pas être manquée, si une taille de lot incorrecte entraîne une énorme zone verte et un stock cible disproportionné, vous ne pouvez pas la manquer.
L’expérience montre qu’en quelques semaines, le système est de nouveau sur les rails.
Mieux encore, la gestion de l’amélioration continue inhérente au DDMRP garantit que ces données clés restent correctes au fil du temps.
Donc, si on vous propose encore une autre initiative pour réparer et retravailler votre MRP, alors passez à la DDMRP dès maintenant pour régler ce problème une bonne fois pour toutes !
