Comment gérer la demande intermittente

Un coupe-mèche en laiton vendu sept jours sur les quatre-vingt-quatre derniers. Quinze unités au total. Divisez les uns par les autres et vous obtenez un taux de vente journalier moyen de 0,18 unités : arithmétiquement correct, et inutile pour décider quoi que ce soit. Presque toutes les formules de planification sur ce site prennent ce taux comme première entrée.

À quoi ressemble la demande intermittente

Une demande intermittente signifie qu'un SKU se vend rarement, avec de longs écarts entre les ventes et des quantités à peu près constantes lorsqu'il se vend. Une demande groupée ajoute des quantités imprévisibles à un calendrier irrégulier. La classification en quatre modèles dans laquelle ils siègent est couverte dans comparer les méthodes de prévision, et évaluer un catalogue en fonction de la variabilité des revenus et de la demande C'est ainsi qu'un SKU est classé dans le coin erratique en premier lieu ; cet article prend un SKU de ce coin et explique ce que vous en faites lundi matin.

Les douze dernières semaines du taille-bordures, unités par semaine, la plus ancienne en premier :

2, 0, 1, 3, 0, 1, 0, 2, 0, 4, 0, 2

Cinq des douze semaines sont nulles. Au niveau journalier, c'est pire : 77 des 84 jours n'ont rien enregistré, et chacun des sept jours qui l'ont fait était une commande d'un client, transportant 2, 1, 3, 1, 2, 4 et 2 unités. L'écart moyen entre les ventes est de 84 ÷ 7 = 12 jours, ce qui correspond également au délai de livraison du fournisseur du magasin. Un délai de livraison typique pour ce produit contient une vente ou aucune.

Pourquoi les moyennes se cassent ici

Deux choses tournent mal, dans des directions opposées.

Le premier est le niveau. Quatre-vingt-quatre jours contiennent sept périodes de douze jours, donc 15 unités correspondent à 15 ÷ 7 = 2,1 unités de demande dans un délai moyen. Insérez cela dans le formule de point de commande contre le délai de 12 jours et le déclencheur arrive à près de 2 unités, plus le tampon que vous ajoutez. Mais un client a acheté 4 unités en une seule commande au jour 70. Un déclencheur réglé à 2 ne survit pas à un client qui en veut 4 : vous en vendez deux, vous en perdez deux, et la récommande qu'il déclenche finalement est déjà trop tard pour la vente qui l'a déclenché.

La seconde est la forme. La moitié du stock de sécurité de la formule multiplie un facteur de niveau de service par l'écart type de la demande, une construction qui suppose que la demande est à peu près normalement distribuée. Le guide des stocks de sécurité énonce clairement cette hypothèse et cite ce cas précis comme celui où elle échoue. Une série composée à 92 % de zéros avec des pics occasionnels n’est pas une courbe en cloche ; c'est un tas à zéro avec une queue fine. Le résultat n’est pas une arithmétique brisée. Il s'agit d'une arithmétique correcte appliquée à une distribution pour laquelle elle n'a jamais été conçue, et elle se lit comme plus précise qu'elle ne l'est.

Changez d'abord la tranche de temps

Avant de choisir une méthode différente, changez le seau dans lequel vous comptez. Les quinze mêmes unités ressemblent à trois produits différents selon la façon dont vous découpez le calendrier.

Le modèle est en partie un artefact du compartiment plutôt qu'une propriété fixe du produit : des compartiments plus larges contiennent moins de périodes vides, de sorte qu'un SKU qui se lit comme un jour intermittent peut se lire comme un mois stable sans qu'une seule vente ne change. Soyez honnête sur ce que cela achète, cependant. Cinq unités par mois reconverties en une fenêtre de douze jours équivaut à 5 × 12 ÷ 30 = 2 unités, la même réponse que le tarif journalier a donné. L'agrégation corrige ce que vous pouvez voir et la cadence à laquelle vous révisez. Cela ne change pas ce que l’arithmétique revient.

Des méthodes de planification efficaces

Comptez les fenêtres au lieu de faire la moyenne

La fenêtre moyenne de douze jours contenait 2,1 unités. Demandez maintenant ce que contenait le pire. La réponse est 6 : la commande de 4 unités au jour 70 et la commande de 2 unités au jour 78, à huit jours d’intervalle, dans le même tronçon. Une seule autre paire de ventes au cours du trimestre est suffisamment proche pour partager une fenêtre, les jours 19 et 27, et cette paire totalise 4.

Six est presque trois fois la moyenne, et c’est le nombre qui mérite d’être noté. Maintenez 6 et chaque fenêtre de délai de l’historique observé est couverte. L’ensemble du trimestre repose sur sept ventes, alors refaites le décompte à chaque fois qu’une nouvelle débarque. C'est toujours une meilleure base qu'un calcul de moyenne et d'écart type dont vous savez déjà que l'hypothèse est rompue.

La méthode de Croston et ce qu'elle ne résout pas

La méthode de Croston a été conçue pour ce modèle. Plutôt que de lisser une série composée principalement de zéros, il conserve deux séries lissées et les met à jour uniquement dans les périodes où quelque chose s'est vendu : une pour la taille de la vente, une pour l'écart entre les ventes. La prévision est le ratio.

Taux prévu = taille de la demande lissée ÷ intervalle lissé entre les ventes

Cela dépasse la moyenne des zéros, et c’est là que les recherches indiquent une demande intermittente. Il comporte également un biais positif documenté, ce qui signifie qu’il a tendance à surestimer, attribué à Syntetos et Boylan. La correction standard, l'approximation Syntetos-Boylan, dégonfle la prévision pour compenser, mais la littérature indique qu'elle peut dépasser un biais négatif parfois plus important que celui qu'elle corrigeait. Aucune des deux versions n’est neutre et aucune source traçable n’indique de pourcentage sur l’une ou l’autre.

Croston's renvoie également une demande taux, pas une date, et sur un SKU qui se vend sept fois par trimestre, ce qui vous fait mal, c'est la taille d'une commande, dont tout taux fait la moyenne. Il s’agit de la bonne famille de méthodes, et non d’un nombre sur lequel vous pouvez agir sans détenir séparément une couverture pour une seule transaction.

La politique qui gagne habituellement : min/max

Pour la plupart des petits catalogues, la réponse pratique n'est pas une meilleure prévision mais une politique qui n'en a pas besoin : un minimum qui déclenche une réapprovisionnement, un maximum que vous commandez, les deux laissés seuls jusqu'à ce que quelque chose change. Planification des stocks min/max explique comment les deux correspondent au point de réapprovisionnement et au niveau de stock cible. Pour le trimmer : min 6, la pire fenêtre de douze jours observée, et max 20, soit environ quatre mois de couverture à raison de cinq unités par mois. Le stock atteint 6, vous commandez 20 − 6 = 14 unités, et à environ 60 unités de demande annuelle, cela se produit environ quatre fois par an. La quantité minimale de commande ou le conditionnement par caisse d'un fournisseur fixe souvent le maximum pour vous sur un produit aussi lent.

Dimensionner un tampon lorsque la formule échoue

La question tampon ici n'est pas « à quel degré de variabilité suis-je exposé tout au long du délai ». Il s'agit de « si un client supplémentaire commande pendant que l'envoi est en transit, puis-je le remplir ? » La pire fenêtre observée de 6, plus un autre ordre typique de 2, est 8. Il s'agit d'un jugement portant sur l'arithmétique, et il devrait être étiqueté comme tel.

Maintenant, la partie qui surprend les gens. Réduisez le délai de livraison de douze jours à quatre et comptez les mêmes quatre-vingt-quatre jours : la pire fenêtre de quatre jours contient toujours 4 unités, car il s'agit toujours de cette seule commande au jour 70. Réduire le délai de livraison des deux tiers réduit la couverture requise d'un tiers. Sur ce type de SKU, le tampon est défini par la taille d'une transaction plutôt que par le nombre de jours d'attente, ce qui est l'inverse du comportement d'un point de commande sur un produit à évolution rapide. Un délai de livraison plus court gagne toujours sa place, mais en vous permettant de revenir en stock plus tôt, et non en vous permettant d'en conserver moins.

Quand arrêter de le stocker

Intermittent n’est pas la même chose que mort. Un SKU avec de longs écarts et une vraie vente à la fin de chaque écart fonctionne. Identifier les stocks à rotation lente couvre les seuils de détection et la décision d'arrêt-réordonnancement, il ne s'agit donc que de la partie spécifique aux intermittents.

Trois questions en décident. L'objet s'est-il vendu au cours de la période la plus récente, ou chaque vente que vous prévoyez est-elle plus ancienne que votre fenêtre d'évaluation ? Est-ce lié à quelque chose d'autre, de sorte que la vente que vous perdriez serait plus importante que l'élément de campagne ? Et pouvez-vous répondre à la demande sans détenir de stock ? Ce dernier est ignoré. Une annonce marquée sur commande, ou expédiée dans un nombre de jours déterminé, transforme un SKU stocké de manière intermittente en un SKU non stocké : vous abandonnez la vente instantanée et conservez l'argent et l'étagère. Pour la partie la plus profonde d’une longue traîne, c’est souvent correct, et il s’agit d’une décision concernant le produit plutôt que sur les prévisions.

Recompter à la main les fenêtres les plus défavorables, par SKU, sur une longue traîne, est le genre de tâche qui est effectuée une seule fois et qui n'est jamais répétée. StockCue dérive la vitesse et un point de réapprovisionnement par variante à partir de 24 mois de votre propre historique de commandes, sur chaque plan, y compris gratuit, et Growth ajoute la répartition montrant quels intrants ont produit chaque quantité. Ce qu’il ne fera pas, et rien n’y fait, c’est transformer sept ventes en une prévision confiante.

Foire aux questions

Qu’est-ce que la demande intermittente ?

La demande intermittente décrit un SKU qui se vend rarement, avec de longs intervalles entre les ventes, en quantités à peu près constantes lorsqu'il se vend. Le modèle associé, une demande forfaitaire, ajoute des tailles de commandes imprévisibles en plus du calendrier irrégulier. Les deux brisent les méthodes de prévision conçues pour les vendeurs stables, car la plupart des périodes de l’histoire ne contiennent aucune vente.

Pourquoi la formule des points de commande ne fonctionne-t-elle pas sur les vendeurs lents ?

La formule multiplie les ventes quotidiennes moyennes par le délai de livraison, et pour un vendeur lent, cette moyenne est principalement une moyenne de jours sans ventes. Il renvoie un niveau de déclenchement inférieur à celui d'une commande client unique, de sorte que le déclencheur se déclenche une fois que vous êtes déjà à découvert. Son terme de stock de sécurité présente un deuxième problème : il suppose que la demande est à peu près normalement distribuée, et qu'une série de zéros pour la plupart avec des pics occasionnels ne l'est pas.

Quelle est la méthode de Croston ?

La méthode de Croston prévoit la demande intermittente en conservant deux séries lissées séparément, une pour la taille d'une vente et une pour l'écart entre les ventes, en mettant à jour les deux uniquement dans les périodes où quelque chose s'est réellement vendu. La prévision est une taille lissée divisée par un intervalle lissé. Il convient mieux à ce modèle qu'une moyenne mobile, mais il comporte un biais positif documenté, ce qui signifie qu'il a tendance à surestimer et qu'il renvoie un taux à long terme plutôt que de vous indiquer quand la prochaine commande arrivera.

Faut-il conserver un stock de sécurité sur un SKU intermittent ?

Généralement oui, mais pas calculé de la manière standard. La formule niveau de service-durée-écart-type suppose une distribution de la demande qu'un SKU intermittent n'a pas. Un tampon plus défendable est la plus grande exigence que toute fenêtre de délai de livraison de votre propre historique ait réellement contenue, plus de la place pour une commande typique supplémentaire.