La vitesse d’évolution des marchés n’a jamais été aussi grande. L’incertitude est désormais un paramètre clé de la gestion industrielle.

Sommaire

Lorsque la demande est saisonnière, la capacité de production ne suffit pas à absorber les pointes de demande. Il faut donc lancer la production par anticipation en se fondant sur des prévisions de ventes.

Lorsque les produits ont une durée de vie longue, l’excédent de production par rapport aux ventes se traduit uniquement par un sur-stockage temporaire qui se résorbe de lui-même.

Lorsque les produits ont une durée de vie courte, tout stock résiduel peut entraîner une perte due à l’obsolescence.

En sens inverse, une production inférieure à la demande entraîne une perte de marge (coût direct de rupture de stock) auquel s’ajoute le coût indirect de rupture (insatisfaction des clients).

Comment déterminer l’équilibre entre ces deux types de coûts ?

Ce problème est particulièrement aigu dans les industries liées à la mode où la demande présente deux caractéristiques :
Les variables qui doivent être identifiées et évaluées sont :

Pour un produit dont les caractéristiques sont les suivantes : la perte directe en cas de surproduction est égale a :
Soit


Cette perte ne prend pas en compte deux éléments qui peuvent être significatifs :

Dans l’exemple ci-dessus le coût direct est égal à la perte de marge brute soit :


A ce coût qui correspond uniquement au manque à gagner d’une vente perdue doit s’ajouter le risque d’un mécontentement du client.

La plupart des entreprises où ce problème se pose n’effectuent pas un suivi par saison du nombre d’articles résiduels alors que ce pourcentage, qui peut être mesuré en quantité et en valeur, est un indicateur essentiel de la qualité des prévisions.

SAISONS	QUANTITES	NOMBRE D’ARTICLES RESIDUELS	POURCENTAGE
1	380 000	22 000	5,7 %
2	460 000	38 000	8,2 %
3	350 000	52 000	14,8 %
4	480 000	61 000	12,7 %

On constate de même que peu d’entreprises mesurent de façon systématique leur ratio de rupture de stock et son évolution dans le temps alors que cet indicateur permet de mesurer lui aussi la qualité des prévisions :

SAISONS	QUANTITES VENDUES	COMMANDES RECUES ET NON LIVREES	POURCENTAGE
1	380 000	12 000	3,1 %
2	460 000	22 000	4,8 %
3	350 000	18 000	5,1 %
4	480 000	34 000	7,0 %

Cette absence de mesure tient au fait que la plupart des systèmes de gestion commerciale ne gardent pas trace en mémoire des commandes reçues et non livrées.

Pour chaque produit de sa gamme, la société effectue des prévisions de ventes. L’examen systématique des écarts sur plusieurs années entre les ventes réalisées et les ventes prévues permet d’améliorer la qualité des prévisions.

Lorsque les produits changent constamment, cette analyse n’est pas suffisante. Il faut alors utiliser la méthode de prévision par équipe.

L’équipe est composée des différentes personnes de l’entreprise qui, par leur expérience du marché et des produits, peuvent fournir une estimation des ventes probables. On demande à ces personnes de fournir, de façon indépendante, leur estimation des ventes probables.

Ceci fournit les données suivantes :

	MEMBRES D’EQUIPE
	1	2	3	4	5	6	MOYENNE	ECART TYPE
Prévisions du produit A	1 200	1 150	1 250	1 300	1 100	1 200	1 200	65
Prévisions du produit B	1 500	700	1 200	300	2 075	1 425	1 200	572

On constate que si la moyenne des deux articles est identique, la dispersion du produit B est beaucoup plus forte.

Ceci signifie que l’incertitude est très grande et donc le risque sur cet article est plus élevé. Les lancements de production devront donc être ajustés pour prendre en compte le risque.


En résumé : L’écart type de leurs prévisions est une information aussi importante que la moyenne.