Hum, au vu du visuel illustrant ce post j’ai eu des objections : est-il vraiment raisonnable de représenter les mesures d’une supply chain au 21ème siècle comme suivant une loi normale ?
Non, certainement pas – les mesures ne répondent pas à la loi normale, alors que nous vivons plus que jamais dans une nouvelle (a)normalité. Toutefois une chose reste vraie, quelles que soient les distributions statistiques : pour améliorer notre performance, il y a un gisement d’informations dans les extrêmes de la distribution – lorsque nos stocks sont trop hauts ou trop bas, ou nos flux en avance ou en retard.
Lors de la formation Demand Driven Leader, on voit que trois types de mesures permettent de juger de l’efficacité d’un modèle opératoire Demand Driven : la fiabilité, la stabilité et la vitesse.
Tout ça est bel et bien bon, mais ça reste un peu théorique…
En pratique, on s’y prend comment ?
Disposer d’un modèle et capter les données pertinentes
Tout d’abord, pour pouvoir mesurer des trop haut / trop bas / avance / retard – et comparer la fiabilité, stabilité, et vitesse de notre modèle par rapport au nominal, nous avons quelques prérequis.
Le premier prérequis est… d’avoir conçu et dimensionné notre modèle, de manière à avoir une référence à laquelle se comparer. Si vous ne savez pas quelle est la plage de fonctionnement nominale pour vos stocks, pour vos files d’attentes, pour vos délais, comment mesurer la performance de votre supply chain ?
Le deuxième prérequis est d’avoir mis en place des points de mesure, et d’avoir organisé la captation des informations pertinentes sur ces points. Ces points de mesure sont les buffers – de stock, de temps et de capacité – et les points de contrôle.
Sur un buffer de stock nous mesurons les points hauts et bas. Sur un buffer de temps les avances et retards. Sur un buffer de capacité les surcharges ponctuelles. Sur les points de contrôle nous mesurons la vitesse et le respect des programmes.
La captation des informations doit être réalisée à la bonne maille de temps : typiquement à la journée pour des buffers de stock et de capacité, mais à la minute ou à l’heure pour les buffers de temps et les points de contrôle d’une usine.
Ceci permet d’accumuler des données. Plein de données Si vous avez de nombreux SKUs et des chaînes complexes, énormément de données dans lesquelles il est facile de se perdre.
Tout le défi est d’extraire de cette masse de données les quelques informations utiles qui vont permettre à vos équipes de progresser, et d’orchestrer leur revue de manière à transformer information en action.
Pour faciliter cela les processus de Business Intelligence sont devenus monnaie courante en entreprise – mais il faut prendre soin à la conception des quelques supports adaptés à vos équipes.
Passé, présent et futur
La première de nos recommandations est de distinguer 3 types de mesures :
- Les mesures sur une période passée – par exemple les trois derniers mois. Ces mesures vont vous permettre de suivre la performance, à la famille ou à l’article, de votre modèle, et d’en déduire des opportunités d’amélioration.
- La photo à l’instant T : aujourd’hui, où en sommes-nous et quelles sont nos priorités d’action ?
- La projection dans le futur : comment risquent d’évoluer nos stocks, nos délais, notre charge-capacité en fonction des scénarios de demande ?
Voyons un exemple sur la performance passée : extrait d’un tableau de bord agrégé, ici au niveau d’une usine, qui comprend plusieurs visuels synthétiques en maille mensuelle. Il permet à une équipe de management de juger de la progression globale de la performance, et d’identifier les dérives. Au premier coup d’œil on voit ce qui se passe : en quelques mois on a une valeur de stock en baisse, des ruptures en baisse et moins d’articles avec un stock trop haut ou trop bas.
Les planificateurs pour leur part accèderont à des rapports détaillant le pareto des articles trop haut / trop bas et les recommandations d’amélioration générées par le système.
Au présent, vous allez surveiller la santé de votre modèle, le respect des recommandations, la gestion des alertes d’exécution, le statut des files d’attente, les stocks cibles / actuels, l’intégrité de vos données techniques…
A contrario le rapport ci-dessous porte sur la projection dans le futur, en support du S&OP. Pour le flux de produits concernés, le stock devrait fortement baisser après la période estivale à venir, et on identifie par exception, sur le scénario de demande testé, environ 70 articles dont le stock serait dans une zone à risque à la rentrée. Le planificateur en charge va évaluer les options pour réduire ce risque.
Nous reviendrons dans un post à venir sur d’autre exemples d’analyses pour identifier les opportunités d’amélioration
Indicateurs, audiences et rituels
La deuxième de nos recommandations est d’orchestrer des rituels réguliers de revue et de décision adaptés aux équipes et individus en charge. La mise en œuvre de ces rituels est essentielle pour assurer la gestion du changement. Si votre transformation Demand Driven ne s’accompagne pas du changement de référentiel de mesure existant, vous ne refocaliserez pas vos équipes sur l’adaptation. Eliminez vos mesures de fiabilité de prévisions, de TRS sur des postes non-goulots et d’absorption de coûts fixes, pour que vos équipes se focalisent seulement sur ce qui est important !
L’orchestration de ces rituels permet aussi de responsabiliser chacun, et donc de passer de la mesure à l’action.
De notre expérience, c’est du processus d’amélioration continue induit par le modèle Demand Driven que proviennent les principales améliorations : soyez déterminés à obtenir des résultats, et donnez à vos équipes la visibilité requise pour y arriver !
Notre module Advanced Analytics facilite grandement la mesure de performance et sa transcription en action. La performance de tous les buffers et points de contrôle est enregistrée au fil de l’eau, et peut être analysée au travers de rapports préconçus ainsi que d’un éditeur de rapports intégré pour vous permettre de personnaliser vos mesures. Si vous préférez intégrer les mesures Demand Driven à votre plateforme de BI existante, rien de plus simple : nos solutions s’intègrent à toute plateforme du marché via le standard OData 2.0
La technique est disponible, le modèle est mature et prouve son efficacité projet après projet, n’hésitez plus !…
