Une des forces de la méthodologie DDMRP est d’outiller efficacement la gestion de buffers de stocks dynamiques.
En l’occurrence, un buffer DDMRP à trois zones rouge/jaune/verte décrit une boucle de réapprovisionnement qui s’adapte en continu à l’évolution du rythme de la demande. Le point de commande (le top du jaune) augmente en période de forte demande, et diminue lorsque la demande ralentit. C’est simple et de bon sens.
Dans une approche conventionnelle MRP, en général, on définit un stock de sécurité par article, et… on l’oublie pour un moment. A intervalle plus ou moins régulier on réalise qu’il faudrait réactualiser tout ça, on refait tourner les moulinettes de calcul de formules magiques, on vérifie que ça a du sens, et on applique. Garanti, dans les semaines suivantes les fournisseurs s’affolent, car on vient de déclencher une vague de besoins inattendus.
Pour les articles à forte rotation, on a peut-être contourné cette limitation du stock de sécurité conventionnel en paramétrant plutôt un délai de sécurité. Ce délai de sécurité, multiplié par la prévision – si celle-ci est bien répartie par jour – permet de moduler les stocks en fonction du rythme de demande – en visant un taux de couverture.
Est-ce que pour autant un buffer de stock dynamique est toujours préférable à un buffer statique ?
Clairement, la réponse est non. Les buffers dynamiques vont s’appliquer sans doute à un grand nombre d’articles, mais dans bien des cas on va mixer des buffers dynamiques et des buffers statiques.
Pour qu’un buffer dynamique ait du sens, il faut que la notion de « demande moyenne jour » ait du sens.
Pour l’article ci-dessous, ça a du sens, on voit bien qu’il y a une demande moyenne jour qui évolue dans le temps. Cette demande moyenne jour peut être suivie, peut être projetée via des prévisions, évaluer une tendance ou une saisonnalité a du sens. Un buffer dynamique est pertinent.
![Seasonality trend graph in intuiflow](https://demanddriventech.com/wp-content/uploads/image-101.png)
Le point de commande évolue au fil du temps, on peut se mettre en pilote automatique, et laisser le modèle de réappro tourner, si la demande s’emballe ça va suivre – si ça ralentit aussi.
![Buffered trend graph from Intuiflow's Auto Pilot feature](https://demanddriventech.com/wp-content/uploads/image-102.png)
Dans le cas ci-dessous, si l’article doit être stocké – par exemple pour assurer une livraison dans les délais impartis – un buffer dynamique n’aura pas vraiment de valeur ajoutée, car il n’est pas pertinent d’identifier une accélération ou un ralentissement du rythme de consommation – une demande moyenne jour.
![Trend graph showing that the item mentioned needs to be stored](https://demanddriventech.com/wp-content/uploads/image-103.png)
Cependant ce qui va être important c’est que le stock soit dimensionné de manière à bien couvrir les évènements de demande. Dans le cas présent, il s’agit d’une matière première qui est consommée pour des ordres de fabrication par incrément de 16 000. On optera donc plutôt pour un min/max correctement dimensionné en fonction du délai de l’article pour assurer cette disponibilité.
Lorsque vous concevez votre modèle opératoire, il est donc important de segmenter les articles stockés pour leur associer une tactique adéquate.
Intuiflow vous assiste dans ce processus, en analysant les historiques de demande avec un moteur d’IA et en proposant une segmentation appropriée – dans l’exemple de l’article ci-dessous un buffer dynamique est sélectionné car il aurait permis un stock 30% inférieur pour un même taux de service.
![Charts showing that a dynamic buffer is selected would have enabled 30% less stock for the same service level](https://demanddriventech.com/wp-content/uploads/image-104.png)
Pour des portefeuilles d’articles importants, déterminer la tactique adéquate n’est pas toujours simple pour les planificateurs, c’est pourquoi la mise en œuvre de techniques de segmentation appropriées, comprises par les utilisateurs car démontrées sur les historiques, est importante.