Comment définir et mesurer la performance globale d’une Supply Chain : la fiabilité des prévisions des ventes (outil 4)

Assurer un niveau satisfaisant de fiabilité des prévisions est un objectif essentiel pour tout Supply Chain Manager qui doit anticiper la mobilisation de moyens et de ressources.

La mesure de la fiabilité a pour objectif de vérifier la qualité du processus de prévision qui dépend principalement du choix des paramètres et des données de la prévision.

 

Il existe plusieurs méthodes d’évaluation de la fiabilité d’une prévision. Le choix de la méthode appropriée doit être fait en fonction de sa praticité d’utilisation tant au niveau des calculs que de son exploitation.

Dans cet article, Marco Logistique se propose de faire un tour d’horizon de la fiabilité des prévisions de vente, afin d’emmener ses lecteurs à améliorer leurs performances à ce niveau.


Mais avant, nous vous inviterons à recevoir à tout moment et gratuitement, notre guide pratique portant sur la construction du tableau de bord de pilotage de votre activité avec Microsoft Excel, en cliquant ICI et en nous laissant juste votre prénom et votre adresse e-mail. Nous nous ferons un réel plaisir de vous envoyer votre lien de téléchargement directement dans votre courrier électronique, ainsi que tous nos prochains articles.
Pour poursuivre la discussion sur votre mobile, cliquez sur le lien ci-après pour rejoindre le groupe Marco Logistique sur WhatsApp.

Vous pouvez également vous procurer notre e-book portant sur l’utilisation du module déclarant dans SYDONIA++ en cliquant ICI.

Et enfin, pour tous vos besoins de Conseils Spécialisés ou d’Assistance dans la Gestion de votre Chaîne Logistique, bien vouloir nous transmettre votre requête 24/7 en cliquant ICI et nous vous recontacterons sous 24 heures pour la suite.


Contexte

Le processus de planification de la demande s’appuie sur des prévisions de ventes. C’est un exercice qui est a priori systématique, y compris pour les produits gérés en Make To Order (fabrication à la demande). On peut en revanche s’affranchir dans certains cas de faire des prévisions, en particulier pour les produits à faible volume de rotation et à faible sortie de stock (nombre de picks ou prélèvements), car leur niveau de fiabilité sera médiocre au regard de l’investissement.

La prévision des ventes doit être utilisée dans un double souci technique et managérial.

Son niveau de fiabilité dépend de l’horizon sur lequel la prévision est faite. Cet horizon est fonction des décisions qui doivent être prises au niveau tactique pour les ressources mobilisées.

 

Comment utiliser la fiabilité des prévisions de vente en sept étapes ?

1.      Calculer sur des séries chronologiques comprenant N observations, le MAD (Mean Absolute Deviation) : MAD = (Ʃ|Dn-Pn|) / N ;

2.      Déceler des erreurs aléatoires des prévisions à partir de l’analyse du MAD qui est une mesure simplifiée (plus simple que l’écart type) de la variabilité des écarts entre la demande réelle Dn et la prévision Pn ;

3.      Calculer le Biais sur ces mêmes séries chronologiques : Biais = (Ʃ(Dn-Pn)) / ƩDn ;

4.      Analyser ce Biais qui est une mesure de l’erreur cumulée, et qui révèle dans le cas d’un cumul des écarts entre demande réelle et la prévision, une erreur systématique. L’existence d’un Biais révèle que la prévision moyenne a été mauvaise. Le Biais est une mesure d’erreur systématique dans laquelle la prévision est soit systématiquement au-dessus ou en dessous de la demande réelle ;

5.      Travailler l’ensemble du processus de prévision pour éliminer tout biais ;

6.      Benchmarker la fiabilité de ses prévisions en utilisant le ratio suivant : % = ƩPn – Ʃ|Dn-Pn|) / ƩN. Un ratio de 80% fait partie des meilleures pratiques observées en industrie et en distribution.

7.      Mettre sous contrôle le système de prévision en mettant en place l’indicateur de traçabilité suivant : Ʃ(Dn-Pn) / MAD. En vérifiant qu’il est inférieur à 3.

 

Méthodologie et conseils

– En prélude au calcul des indicateurs de contrôle de la fiabilité d’une prévision, le choix préalable des éléments suivants s’impose et conditionnera le choix de la méthode de prévision :

* Le niveau d’agrégation des articles auxquels la prévision s’applique : une prévision est meilleure à un niveau supérieur de consolidation, mais il faut des groupes homogènes en termes de comportement de consommation ;

* L’unité de consommation sachant que les unités monétaires propres aux budgets ne peuvent convenir ;

* L’unité de temps de la période de prévision : une unité trop grossière peut lisser certaines variations importantes à prendre en compte ;

* L’horizon de prévision et le nombre de périodes de temps sur lesquelles la prévision s’applique : cet horizon est fonction de qui et pour quel objectif cette prévision est utilisée. Le choix de l’horizon est fonction des délais critiques opérationnels, par exemple l’approvisionnement des matières premières, les délais incompressibles de production.

– Une prévision consiste à émettre une valeur centrale estimée et un indicateur de dispersion.

– Une erreur de prévision est la différence entre la demande réelle et la demande prévisionnelle.

 

Avantages

·        La fiabilité des prévisions est un élément essentiel pour l’optimisation des systèmes industriels et logistiques, en particulier pour l’objectif de rentabilité des capacités investies et la minimisation des stocks sur l’ensemble de la chaîne.

·        Quel que soit le lead time de la Supply Chain, les prévisions sont nécessaires pour identifier des tendances utiles au dimensionnement des capacités mais aussi révéler des comportements anormaux de la demande à partir de l’analyse des séries chronologiques.

 

Précautions à prendre

Bien se mettre d’accord sur les définitions :

• Planification de la demande : prévision issue des informations collectées et traitées.

• Planification des ventes : prévision retenue en prenant en compte les contraintes logistiques et industrielles. À horizon annuel et à maille mensuelle, cette planification des ventes correspond au budget commercial.

Cas d’application : évaluation de la fiabilité des prévisions

Soient les deux séries (X) et (Y) ci-dessous :

 

Série (X) Janvier Février Mars Avril Mai
Prévision 100 105 110 115 120
Demande réelle 105 108 119 118 125
D – P 5 3 9 3 5 MAD = 5
Ʃ(Dn-Pn) +5 +8 +17 +20 +25 BIAS = 4%
BIAS/MAD 5

 

Série (Y) Janvier Février Mars Avril Mai
Prévision 100 100 100 100 100
Demande réelle 90 120 85 115 90
D – P 10 20 15 15 10 MAD = 14
Ʃ(Dn-Pn) -10 +10 -5 +10 0 BIAS = 0%
BIAS/MAD 0

 

Rappel :

Biais = erreur de la prévision cumulée ; Biais = (Ʃ(Dn-Pn)) / ƩDn.

MAD = erreur moyenne pour la période (valeur absolue) ; MAD = (Ʃ|Dn-Pn|) / N. 

Dans cet exemple, on constate que pour la série X, la MAD est plus faible mais que le biais est non nul alors que pour la série Y, malgré une MAD élevée, le biais est nul.

Le biais est un indicateur plus souvent utilisé, car plus tactique. Alors que la MAD est plus opérationnelle. Éliminer le Biais est une priorité car cela correspond au type d’erreurs de prévisions ayant l’impact le plus négatif. En effet :

  • Une surestimation systématique des prévisions pour assurer par exemple un meilleur niveau de service, réaliser le plan annuel malgré des changements environnementaux drastiques ou encore pour faire face à une tendance de la production à sous-produire, a des conséquences très négatives sur le niveau des stocks, voire sur l’accroissement de la capacité comme réponse aux difficultés d’approvisionner ;
  • Une sous-estimation des prévisions par exemple pour réduire les stocks ou jouer avec la capacité industrielle disponible peut conduire à des retards de livraison et à des niveaux de service non atteints.

Dans certains cas, on peut compléter les analyses précédentes par le calcul de l’adhérence du plan de la demande qui est une solution intermédiaire entre le Biais et la MAD, selon la formule suivante :

Respect du plan de la demande (%) = (Prévu – |Prévu – Réel|) / Prévu.

Dans le secteur automobile où nous l’avons vu appliqué et dans lequel la recherche de la qualité totale est la règle, l’approche est la zéro tolérance concernant un éventuel écart.

Si le réel est deux fois plus important que la prévision, cet indicateur devient négatif et par convention il est ramené à une valeur nulle.

 

Et vous, connaissez-vous d’autres outils qui pourraient aider le Supply Chain Manager à fiabiliser la prévision de ses ventes ?

N’hésitez pas à rajouter vos contributions en commentaires.

En partageant votre expérience et vos connaissances avec la communauté des lecteurs du blog Marco Logistique, rappelez-vous qu’il y a toujours plus de bonheur à donner qu’à recevoir !

Et quelqu’un disait que la main qui donne fleurie, et celle qui ne donne pas pourrie.


C’est tout pour cet article ! Mais avant de vous quitter, nous vous rappellerons que vous êtes libre de recevoir à tout moment et gratuitement, notre guide pratique portant sur la construction du tableau de bord de pilotage de votre activité avec Microsoft Excel, en cliquant ICI et en nous laissant juste votre prénom et votre adresse e-mail. Nous nous ferons un réel plaisir de vous envoyer votre lien de téléchargement directement dans votre courrier électronique, ainsi que tous nos prochains articles.

Avez-vous aimé cet article ?

Encouragez-nous avec un commentaire, une mention j’aime, un abonnement à notre chaîne YouTube ou partagez-le avec vos amis sur les réseaux sociaux.

Pour poursuivre la discussion sur votre mobile, cliquez sur le lien ci-après pour rejoindre le groupe Marco Logistique sur WhatsApp.

Vous pouvez également vous procurer notre e-book portant sur l’utilisation du module déclarant dans SYDONIA++ en cliquant ICI.

Et enfin, pour tous vos besoins de Conseils Spécialisés ou d’Assistance dans la Gestion de votre Chaîne Logistique, bien vouloir nous transmettre votre requête 24/7 en cliquant ICI et nous vous recontacterons sous 24 heures pour la suite.

Les champions ont simplement une meilleure chaîne logistique !

 

Laisser un commentaire