Caractéristiques de la demande

Le besoin client est en constante évolution, en perpétuel changement, ce qui

implique des répercussions sur nos approvisionnements, notre fabrication, notre
distribution, notre stockage.

Pendant de longues années et encore dans certaines organisations, les méthodes

de réapprovisionnement traitaient les produits indépendamment les uns des autres ;
mais dans les années soixante, Joseph Orliky, ingénieur chez IBM, mit en évidence
que la demande pouvait être dépendante ou indépendante.

Une demande dépendante n’existe que parce qu’elle dépend d’autres produits,
c’est-à-dire que le besoin d’un article utilisé dans la nomenclature d’un produit fini
dépend de la demande de ce dernier.

Une demande indépendante n’est pas liée à d’autres produits ; prenons le cas des
besoins de pièces de rechanges.

Une demande peut donc être à l’instant T soit dépendante soit indépendante du
produit fini, comme notre pièce de rechange qui peut être utilisée dans la fabrication
du produit fini ou servir à dépanner le client.

La source de la demande sera prise en compte par Joseph Orliky qui développera
une méthode d’approvisionnement, le “Material Requirements Planning” (MRP), en
vue de lier la consommation des composants à la consommation des produits
finis, afin de réduire le stock de composants et de faciliter la fabrication des produits
finis (voir chapitre précédent).

Tendances
Saisonnalité
La rentrée des classes est, par exemple, un événement représentatif des enjeux de
la saisonnalité. Chaque année, toujours sur la même période, des pics et des creux
sur les courbes de ventes, ce que l’on appelle la saisonnalité des ventes.

La saisonnalité est un paramètre essentiel à considérer pour garantir le bon stock,

au bon moment, au bon endroit, en quantité suffisante.

Il est donc impératif de savoir gérer et d’anticiper les pics de demande, et de

supprimer le risque de rupture. C’est pour cette raison que l’on utilise des outils de
gestion type S&OP pour Sales & Operations Planning, inventé en 1984 pour
optimiser la gestion des opérations (achats, production, supply chain) en vue de
répondre au mieux aux trois fondamentaux du besoin client (qualité – coût – délai).

C’est un processus formel qui engage l’intégralité des maillons et des fonctions de
l’entreprise, en vue de déployer sa stratégie dynamique. La conséquence directe de
cet outil est de passer d’un management axé sur le contrôle à un management
autonome.

Enfin, nous passons d’une gestion de la demande axée sur les prévisions de ventes
à la gestion de la demande.
Aléatoire
La demande est sujette à des évolutions imprévisibles, comme les consommations
impactées par les phénomènes météo.

Stable
La demande peut varier d’une période à l’autre, mais reste relativement stable sur la
période.

Prévisions et gestion des commandes clients

Prévisions
Il s’agit là de donner une orientation pour la prévision et la gestion des commandes
clients ; c’est aussi garantir un juste équilibre entre la charge générée par la
demande et les capacités de la supply chain.

En effet, il s’agit de définir les horizons de planification, ces derniers étant eux-
mêmes définis par le délai de mise en œuvre de décisions portant sur les objets les
plus critiques : matière première, fournisseurs, composants, opérations
spécifiques/techniques, etc.

On distingue deux types de prévisions :

• les méthodes qualitatives que l’on utilise principalement pour des prévisions
dites tactiques (consolidées et basées sur l’intuition et le jugement, initiées
par les experts) ;
• les méthodes quantitatives nécessaires pour l’élaboration des prévisions
opérationnelles, détaillées au niveau article. Il s’agit de prévisions issues
d’analyses rationnelles de la demande, que l’on doit toutefois valider avec nos
experts Marketing et commerciaux.
Ces méthodes quantitatives se classent en deux catégories :

• les méthodes intrinsèques, la demande future est corrélée aux ventes

réalisées sur ce produit dans le passé, et pour un nouveau produit, nous
utiliserons les données de référence similaires pour une même gamme,
complétée par des études marketing.
Le modèle de calcul est le suivant : Ventes = Saisonnalité x (Moyenne + Tendance) ;

• les méthodes extrinsèques : la demande des produits est corrélée à

l’activité d’un ou plusieurs secteurs, comme par exemple la sidérurgie et
l’automobile.
Pour cela, nous verrons qu’il est possible de planifier et gérer les commandes à
l’aide de solutions et outils : le processus Sales & Opérations Planning, S&OP, est le
processus de mise en adéquation de la demande et des ressources d’une activité au
niveau global de l’organisation. Il offre la possibilité de se projeter sur 12 à 18 mois,
à condition bien évidemment que les adaptations et décisions d’ajustement de la
capacité soient opérées en temps et en heure.

Cliquez ici pour afficher le schéma du processus décisionnel d'arbitrage en plein

écran.
Processus décisionnel d’arbitrage de la demande et de la capacité à l’horizon
tactique
Pour l’utiliser, il est nécessaire de suivre quelques règles :

• segmentez la demande +/- 10 familles technologiques représentatives de la

charge des ressources critiques que l’on aura identifiées ;
• définissez les règles de calcul des plans de charges et leur valorisation ;
• structurez les liens avec les processus opérationnels de planification de la
supply chain, la vente, le plan de production (PDP), le plan
d’approvisionnement…
Moyennes mobiles
La méthode des moyennes mobiles se traite en deux temps et permet de lisser les
prévisions de la demande par rapport à l’évolution permanente des ventes.

Dans un premier temps, il s’agit de calculer la moyenne des ventes sur une période
donnée et d’effectuer les moyennes, en vue de dresser une moyenne de deux
moyennes mobiles. Regardons l’exemple suivant :

Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Moyenne annuelle

2016 150 170 139 201 165

2017 160 200 250 180 197,50

2018 320 350 380 290 335

La moyenne mobile non centrée.

Soit la moyenne de 4 trimestres consécutifs :

• moyenne 1 : (150+170+139+201) / 4 = 165

• moyenne 2 : (170+139+201+160) / 4 = 167,50
• moyenne 3 : (139+201+160+200) / 4= 175
La moyenne mobile centrée de deux moyennes non centrées consécutives :
 • (M1 + M2) / 2= (165 + 167,50) / 2 = 166,25
• (M2 + M3) / 2 = (167,50+175) / 2 = 171,25
• (M3 + M4) / 2 = (175+202,75) / 2 = 188,75
• (M4 + M5) / 2 = (202,75+197,50) / 2 = 200,12

Moyennes mobiles centrée

Prévisions de lissage exponentiel
La méthode de lissage exponentiel consiste à extrapoler la demande future à partir
de données issues d’un historique de vente, présentant une tendance et une
saisonnalité marquées.

Les avantages du lissage exponentiel

La prévision de la nouvelle période (Pn+1) est égale à la prévision de la période
précédente (Pn) plus un pourcentage (a) correspondant à l’erreur de prévision de la
période antérieure (Rn – Pn).

Pn+1 = Pn + a(Rn – Pn) = a Rn + (1 – a) Pn

• Rn = ventes réalisées lors de la période précédente ;

• a = coefficient de lissage compris entre 0 et 1 (plus il est proche de 1, plus le
poids des informations récentes est important et plus le lissage est réactif aux
variations des ventes).
Chaque composante de l’historique est remise à jours séparément à chacune des
périodes de l’historique

• moyenne M : Mn = a (Rn / Sn-p)+ (1- a) (Mn-1 + Tn-1) ;

• tendance T : Tn = β(Mn – Mn-1) + (1- β) Tn-1 ;
• saisonnalité S : Sn = χ (Rn/Mn) + (1- χ) Sn-p.
Avec a, β, χ comme coefficients de lissage respectifs de la moyenne, la tendance et
la saisonnalité. P est la période de saisonnalité, soit le plus souvent l’année (12
mois). Pour initialiser les composantes suivantes, procédons ainsi :
 • moyenne M = moyenne sur la période précédente de saisonnalité ;
• tendance T = 0 ;
• saisonnalité S = saisonnalités x (Rn / moyenne de la période de saisonnalité
précédente.
Par conséquent, la prévision à la période n+h se calcule ainsi :

Pn+h = (Mn + h x Tn) x Sn+h-p

Prenons un exemple :

Nous prenons pour coefficient de lissage :

A = 0.3 - β = 0.1 - χ = 0.2

Exemple de calcul de moyenne mensuelle

Exemple de calcul de moyenne mensuelle

• M = 0.3 * (263.9 / 0.7) + (1-0.3) * ( 571.3+0) = 512.6

soit la saisonnalité de janvier n-1 est Sn-p

• T = 0.1* ( 512.6-571.3) + (1-0.1)*0 = -5.9

• S = 0.2 * (263.9 / 512.6) + (1-0.2) *0.7 = 0.67
Pn+h = (512.6-7*5.88) * 0.62 = 294
Représentation graphique du lissage exponentiel de notre prévision
Suivez les prévisions
Suivre les prévisions est un exercice compliqué, car le besoin client est en
perpétuelle évolution, et nous devons suivre le marché.

Ce qui caractérise le mieux ce phénomène, c’est l’effet « coup de fouet » illustré par
les courbes suivantes :

Effet coup de fouet

L’effet « coup de fouet » ou "Bullwhip effect", mis en évidence par le théoricien des
systèmes J. Forrester en 1961, symbolise l’amplification des variations de la courbe
des prévisions des ventes. Quand une variation est détectée au niveau du client, elle
s’amplifie en remontant chaque maillon de la chaîne logistique, ce qui induit des à-
coups sur les unités de production.

Cette amplification s'explique par les tailles de lot et surtout le manque de

communication entre les processus de production, ou encore les délais de traitement
de l'information, qui prennent en compte, chacun à leur niveau, la variabilité de la
demande du processus aval, avec une marge de sécurité.

L'évolution subie du besoin, par chaque processus, n'étant pas coordonnée,

l'augmentation des stocks intermédiaires (muda) pour faire face à une éventuelle
répétition de cette variation de la demande, s'amplifie en remontant la chaîne de la
valeur.

Cela agit d'ailleurs sur la demande elle-même qui, constatant un manque de

réactivité de la production, risque d'anticiper avec une marge de sécurité du besoin.
L'approche Lean, et en particulier son pilier juste-à-temps, permet de contrer l'effet
coup de fouet par la mise en place d’un :

• supermarché de produits finis qui agit comme un tampon capable

d'absorber ces variations ;
• flux tiré, qui instaure un dialogue entre les processus amont et aval,
permettant de faire remonter la consommation réelle du client à toute la
chaîne de la valeur ;
• lissage de la production et d’une réduction des tailles de lots, qui
permettent de répondre avec une plus grande flexibilité aux évolutions de la
demande client (on produit de tout, tout le temps).
Pour réduire l’effet coup de fouet :

1. Se baser sur les besoins réels et non sur les prévisions.

2. Partager l’ensemble des informations sur toutes la chaîne.
3. Échanger les prévisions de vente entre les acteurs pour réduire les marges
de sécurité, “le cas où”.
4. Étudier la pertinence de la fabrication par lots, et non selon la demande.
5. Réduire le nombre d’intermédiaires dans la chaîne logistique.
CPFR
Le CPFR signifie “Collaborative Planning, Forecasting and Replenishment”, ou
comment confier au fournisseur l’approvisionnement des entrepôts et/ou des
magasins. Cela implique la mise en place de règles de gestion et de collaboration
définies dans un contrat. On parle de pilotage collaboratif des prévisions de ventes,
des plannings de production et d’approvisionnement.

Les avantages que procurent cette collaboration :

Pour l’industriel :

• lissage des approvisionnements ;

• pérennité de son référencement chez le distributeur ;
• davantage de visibilité et de réactivité sur des approvisionnements.
Pour le distributeur :

• fiabilité de l’approvisionnement qui garantit du stock en linéaire ;

• un temps de gestion des approvisionnements redéployé sur le conseil et la
vente en magasin.
Pour l’industriel et pour le distributeur :

• augmentation du taux de service pour le client final, en intégrant les stratégies

commerciales des acteurs dans le processus de planification ;
• réduction des ruptures et augmentation du chiffre d’affaires ;
• réduction des surstocks (muda) sur l’ensemble de la supply chain.