Tout projet DDMRP est initié via une phase d’étude qui a pour but de valider la valeur ajoutée de la démarche pour l’entreprise. Pour réaliser cette étude nous utilisons un modèle de simulation dynamique développé par AGILEA. L’objectif de cet article est d’identifier à qui s’adresse ces simulations, les objectifs associés et surtout comment réaliser une telle simulation.
La simulation DDMRP : POUR QUI ?

Vous avez entendu parler de DDMRP. Vous avez peut-être suivi la formation CDDP. C’est prometteur, vous êtes convaincus – ou presque. Quel va vraiment être le potentiel des tactiques DDMRP dans votre entreprise ? Comment convaincre votre management qu’il faut investir des ressources dans ce projet-là, alors que vous avez déjà des projets par-dessus la tête et des ressources limitées ?
La simulation DDMRP permet de quantifier l’impact dans votre propre environnement, sur la base de vos propres données historiques. Elle vous aidera donc à valider la pertinence d’un tel projet, et sera un support important de « vente interne ».
Mais bien plus qu’un simple outil d’argumentation de vente, la simulation offre des perspectives d’optimisation de la méthode. Ainsi, la simulation est un outil qui s’adresse aux équipes de déploiement de la méthode tout comme aux entreprises utilisant déjà DDMRP et qui souhaiteraient identifier leurs leviers d’amélioration.
La simulation DDMRP : POURQUOI ?

La simulation a deux buts principaux :
- Identifier les leviers de gains liés à la mise en place de DDMRP sur le périmètre concerné. Les gains de la méthodologie sont nombreux et connus, mais deux gains quantifiables et particulièrement parlant peuvent être mis en évidence grâce à la simulation : le taux de service, et le niveau de stock.
- Assurer l’obtention de ces gains via un dimensionnement des buffers et un ajustement dynamique approprié à l’entreprise.
La simulation DDMRP : COMMENT ?
La simulation la plus couramment utilisée et la plus rapide à réaliser est la simulation dite statique, où à partir du calcul de la consommation moyenne jour (CMJ) et en appliquant des facteurs de variabilité et de délai appropriés à chaque article stocké, on peut calculer rapidement le stock moyen (zone rouge + ½ de la zone verte). Nous qualifions ce type de simulation de « statique » car en effet elle compare le stock actuel à un instant “t” au stock DDMRP moyen.
Oui mais voilà, dans la réalité, la règle « stock moyen = Rouge +1/2 Vert » ne s’applique pas toujours ! Si par exemple votre demande est constituée de nombreux pics ponctuels, la recommandation standard de % de zone rouge et le stock moyen résultant seront très différents de la théorie !
Le modèle que nous avons construit va permettre de « simuler » l’attitude qu’aurait eu le buffer dans le passé, à partir de l’historique des commandes de l’entreprise. Cette simulation sera qualifiée de « dynamique ».
Le tableau ci-dessous compare trois cas possibles lors de l’étude de la mise en place d’un projet DDMRP :

Le point fort de la simulation dynamique est le dimensionnement de l’ensemble des paramètres d’un point de vue global pour assurer le taux de service voulu tout en affichant le stock moyen ainsi obtenu.
* Les paramètres à dimensionner selon cette démarche sont les suivants :
> Le facteur de variabilité
> Le facteur de délai zone rouge
> Et le facteur de délai zone verte
> La fréquence de mise à jour de la CMJ
> L’horizon d’historique utilisé pour le calcul de la CMJ
> L’horizon de détection de pics
> Prise en compte d’une prévision ou non dans la CMJ (possibilité d’utiliser des historiques de prévisions dans le passé, de jouer sur le % d’utilisation de la prévision et/ou d’ajouter une prévision non existante dans le passé avec un degré d’erreur possible).
> Facteur d’ajustement planifié si nécessaire
L’illustration ci-dessous est un extrait de notre modèle de simulation :

Pic et pic et…
Un des éléments clés de la simulation est de comprendre les pics de demande, et d’y apporter une réponse adaptée. Quelle est la fréquence des pics ? Quelle est la proportion de pics dans l’ensemble des journées de demandes ? Quel est le ratio pic / moyenne ?
Est-il possible de les anticiper ? Si non, faut-il les intégrer à la zone rouge ? Si oui, est-ce que l’horizon de détection permet de réagir à temps ?
Veut-on servir ces pics sur stock ou peut-on en négocier les cadences à la commande ? Sait-on identifier l’origine de ces pics et travailler sur l’aval pour générer des signaux plus réguliers ?
Préparez votre modèle DDMRP
La simulation permet d’aller plus loin dans l’analyse et de préparer la conception de votre modèle DDMRP :
Comment risque d’évoluer le nombre d’ordres de réapprovisionnement ? Est-ce en accord avec la fréquence de commande / lancement actuelle ? Comment ajuster les zones vertes pour un modèle compatible avec les capacités ?
> En intégrant la nomenclature dans la simulation, on peut affiner l’analyse. Un des avantages de la méthodologie DDMRP est de réduire la transmission de la variabilité d’un buffer à l’autre. Notre simulation peut intégrer l’historique des commandes clients sur les produits finis puis descendre la nomenclature sur les articles enfants, en créant des ordres d’approvisionnements tels qu’ils auraient été générés par les buffers au lieu de se baser sur les ordres d’approvisionnement réels qui ont été générés dans le passé. On peut donc quantifier les impacts de l’implémentation de DDMRP dans tout le système, pas seulement sur les produits finis.
> Cette même fonctionnalité permet de simuler un réseau de distribution, et de reconstituer le signal appliqué à un hub desservant plusieurs sites distants
> Cette analyse de données en amont permet d’identifier et de lever un certain nombre de contraintes avant qu’elles ne deviennent bloquantes. Le nombre important de données nécessaires à la simulation dynamique nous permet d’avoir au plus tôt un regard critique sur le modèle DDMRP avant même de le concevoir.
La simulation DDMRP : EN CONCLUSION
Comment quantifier au plus juste les impacts attendus par l’entreprise lors d’un projet DDMRP ? Comment justifier le dimensionnement optimisé des buffers ? Et comment être sûr que les facteurs attribués à mes buffers sont les bons ? En d’autres mots, comment être pleinement confiant dans le « pouvoir » des buffers ? La réponse à ces questions passe, sans hésiter, par l’utilisation d’une simulation dynamique qui saura démontrer à partir de l’historique des données de l’entreprise que les buffers mis en place auraient assuré non seulement un niveau de stock moyen mais également un objectif de taux de service.
Si vous êtes curieux et intéressés par notre outil de simulation, n’hésitez pas à consulter notre vidéo sur notre chaîne Youtube Agilea channel.
Ci-dessous quelques détails sur notre outil de simulation :

Auteure : Clémence Sarrazin, AGILEA