Upload
campion-felix
View
105
Download
2
Embed Size (px)
Citation preview
1
Sébastien Thomassey
Janvier 2005
Impact des erreurs de prévision sur les approvisionnements avec des
stratégies Quick Response et VMI
2
Contexte
Séjour de 2 mois au laboratoire TATM de NCSU
Utilisation des résultats : Prévision (GEMTEX-ENSAIT) Simulation des approvisionnements (TATM-NCSU)
3
Problématique
Prévisions jamais parfaites Stratégies d'appro atténues des erreurs
Influence de nombreux facteurs Délais d'appro Coûts Promotions
performances de la supply chain
4
Couplage prévision - appro
5
Modèle de prévision
P1 Pk
Historical items
Sales profiles Descriptive criteria Descriptive criteria
Future items
Self Organizing Map : clustering Probabilistic Neural Network : learning process
Sales profiles of future items
Probabilistic Neural Network : classification
Prototypes of sales profiles
nor
mal
ize
d sa
les
weeks
……
price
starting time of sales
……life span
P1
Pk
price
starting time of sales
……life span
P1
Pk
NE
W I
TE
M
inputs : sales profiles
6
Sourcing simulator
7
Sourcing simulator
8
Sourcing simulator
9
Sourcing simulator
10
Sourcing simulator
11
Sourcing simulator
12
Sourcing simulator
13
Articles considérés
14
Stratégies d'approvisionnements
Quick Response Mise à jour à chaque période Prise en compte des stocks, des prévisions et des dernières
ventes VMI
Appro gérés par le confectionneur Production basée sur les prévisions initiales
Délai d'appro Distributeur-confectionneur : 2 semaines Confectionneur-fournisseur : 3 semaines
15
Article A
QRVMI
16
Article B
17
Article C
18
Article D
19
Résultats finaux
20
Conclusion
Analyse des résultats VMI parait plus adapté quand prévision très mauvaise QR nécessite des délais d'appro plus courts
Perspectives Outil de simulation très adapté à la filière THD Nécessité d'ajouter un module de prévision