Problème :
Microsoft est l’une des plus importantes sociétés technologiques au monde, avec un chiffre d’affaires qui dépasse 90 milliards de dollars US. Ce chiffre d’affaires provient de plus en plus de la vente d’appareils physiques, ce qui induit un nouveau degré de complexité et d’incertitude pour la société. L’entreprise a un catalogue comprenant plus de 30000 produits, dont les cycles de vie sont très variés, dispose de plus de 600 fournisseurs, 13 fabricants sous contrat et 52 centres de distribution opérant dans 191 pays.
En 2015, Goldratt Research Labs a passé un contrat avec Microsoft afin de concevoir, valider, piloter et mettre en œuvre une solution de gestion de Supply Chain de bout en bout, qui s’appuie sur les bonnes pratiques de la « Théorie des contraintes » (TOC). Celle-ci faisait partie de la solution « One Devices Supply Chain » (1DSC) conçue pour élaborer :
- Un ensemble unique de règles de planification, de gestion et d’amélioration pour la gestion de tous les produits et des stratégies d’exécution de commande au sein de la supply chain de Microsoft.
- Un système unique (SAP) dans lequel ces règles sont mises en place.
Pour Goldratt Research Labs, un des points essentiels de ce projet consistait à développer un modèle de simulation de supply chain auto-configurable à l’aide d’AnyLogic, afin de valider les améliorations opérationnelles et financières potentiellement obtenues grâce à la solution TOC, avant que celle-ci ne soit mise en œuvre.
Développeur du projet :
Le Dr. Alan Barnard et son équipe de simulation Goldratt Research Labs (GRL), dirigée par le Dr. Andrey Malykhanov, sont enthousiastes à l’idée de permettre aux organisations de répondre à deux questions simples, mais primordiales : « Dans quelle mesure pouvez-vous vous améliorer ? » et « Quelle est la meilleure méthode pour y parvenir ? » Ils travaillent avec de grandes organisations du monde entier, dans les secteurs publics comme privés. On trouve parmi elles : BHP Billiton, Cargill, TATA Steel, ABB, Daiwa House, Utah Gov. et Larsen & Toubro.
GRL fait appel à des méthodes de recherche éprouvées ainsi qu’à des technologies avancées, telles que la modélisation par simulation, l’intelligence artificielle et les systèmes experts, pour déterminer dans quelle mesure les organisations peuvent s’améliorer lorsqu’elles passent des règles « d’optimums locaux » aux règles « d’optimum global » de la théorie des contraintes (TOC). GRL est également à la pointe de la recherche et du développement basés sur la TOC, afin de développer de nouvelles connaissances et applications pour le corpus de connaissance TOC, qui est en pleine expansion.
Description du projet :
Le projet a démarré en septembre 2015. Les principes et bonnes pratiques de la théorie des contraintes ont été appliqués par GRL, afin de concevoir une chaîne d’approvisionnement de premier plan pour Microsoft. Durant l’étape pilote, les règles SCM s’appuyant sur la théorie des contraintes ont été testées dans un modèle par simulation AnyLogic, afin de déterminer si leur application permet d’améliorer les performances opérationnelles et financières (par exemple moins de pénuries et de surplus, ce qui augmente les recettes, ou bien une rentabilité supérieure grâce à la réduction des stocks). À la mi-septembre 2015, le premier ensemble de règles dérivées de la TOC pour le « Build-to-Order » (BTO - Fabrication sur commande) a été mis en place dans le système SAP de Microsoft. En 2017, de nouvelles règles pour « Build-to-Availability » (BTA - Fabrication sur disponibilité), « Assemble or Customize-to-Order » (ATO - montage ou personnalisation sur commande) et « Build-to-X » ont été testées et mises en place. L’ensemble du projet a pris moins de 9 mois.
Solution :
Une arborescence Stratégie et Tactique (S&T) a été élaborée afin de montrer exactement quelles règles sont nécessaires pour atteindre l’amélioration des performances souhaitées et les objectifs de l’initiative 1DSC. Comme dans le schéma ci-dessous, six règles doivent être changées :
- Stratégie d’exécution de commande : faut-il choisir la fabrication sur commande (BTO), le montage sur commande (ATO), la fabrication sur disponibilité (BTA) ou bien « build-to-X » (X étant ici la quantité ciblée au lancement) (BTX)
- Stockage ATO/BTO : comment donner des délais raisonnables aux clients BTO/ATO.
- Stockage BTA/BTX : comment garantir un stock suffisant de pièces et produits finis.
- Contrôle des appels : comment contrôler l’appel des commandes BTO/ATO, BTX et BTA.
- Priorité partagée : comment parvenir à un Système de priorité unique dans toute la chaîne d’approvisionnement.
- Amélioration du flux : comment parvenir à une amélioration systématique des flux.
Grâce à l’arborescence S&T, les questions Pourquoi, Quoi et Comment de chacune de ces règles ont été définies afin de permettre à toutes les parties prenantes de comprendre les hypothèses qui les régissent et de trouver la façon la plus simple de les mettre en œuvre dans un système SAP standard.
Conception d’une solution SCM basée sur la TOC
Le modèle par simulation AnyLogic a été développé afin de tester et de vérifier les performances opérationnelles et financières de ces nouvelles règles.
Les données relatives aux Produits et à la Supply Chain ont été extraites du système SAP dans un fichier Excel afin de permettre une modélisation et une configuration complètes de la chaîne d’approvisionnement internationale de Microsoft. De plus, les données correspondant à la demande réelle des clients et au stock quotidien réellement disponible ont également été extraites, pour permettre au modèle de comparer les performances simulées (à l’aide des nouvelles règles TOC) avec les performances passées réelles.
Un caractère aléatoire a été introduit dans le modèle par l’équipe de planification de Supply Chain pour certains éléments tels que les délais de cycle de production et les délais d’approvisionnement. De même, les informations relatives aux évènements aléatoires, tels que les opérations de maintenance planifiées et non planifiées, ainsi que l’impact d’une erreur de prévision, positive ou négative, de la demande peuvent être intégrés afin de tester la chaîne d’approvisionnement Microsoft.
Ce modèle AnyLogic sur mesure a été conçu pour offrir une interface utilisateur simple, qui permet aux utilisateurs de gérer les scénarios et de sélectionner les règles TOC à utiliser, la durée de la simulation, les canaux-produit à intégrer ou exclure lorsqu’ils exécutent le modèle sans être familiers avec AnyLogic. Les résultats de la simulation sont visibles directement dans le modèle AnyLogic et peuvent également être exportées dans un fichier Excel. Dans le cas où les résultats ne correspondent pas aux attentes, des journaux exhaustifs sont générés afin de parvenir à un diagnostic.
Le modèle peut être exécuté de trois façons différentes :
- Expérience unique
- Analyse de sensibilité afin de tester la façon dont certains résultats réagissent par rapport aux paramètres.
- Comparaison de scénario
Architecture de base du projet
L’interface utilisateur de configuration de modèle AnyLogic inclut un flux de réseau et une carte du monde, qui permettent de visualiser les données importées, les catégories de produit ainsi que les types de réapprovisionnement dans le cadre de la configuration de chaîne d’approvisionnement. Les utilisateurs peuvent visualiser des scénarios cumulatifs de demande réelle par rapport à la demande prévisionnelle et par rapport à la capacité de production, afin de déceler les problèmes potentiels. Ils ont également la possibilité d’utiliser à la fois la prévision de demande réelle et les commandes clients pour générer des prévisions à partir des commandes réelles ou bien pour générer les commandes à partir des prévisions, avec une marge d’erreur de prévision négative ou positive prédéfinie, afin de tester la façon dont la chaîne d’approvisionnement réagit dans le cas d’une demande significativement supérieure ou inférieure à ce qui était prévu.
Durant l’exécution du modèle par simulation, les utilisateurs peuvent voir les performances opérationnelles et financières et zoomer sur des éléments spécifiques, comme par exemple un fabricant sous contrat, afin de voir si des retards sont observés et comparer le stock disponible simulé et réel pour n’importe quel centre de distribution et produit spécifique, pour montrer les avantages offerts par l’utilisation des règles TOC.
Les utilisateurs peuvent « zoomer » sur un centre de distribution et un produit spécifique dans ce centre de distribution, afin d’observer la façon dont les règles TOC pour la gestion des stocks, qui redimensionnent de manière dynamique les niveaux de stock cibles en s’appuyant sur la pénétration de la zone tampon « trop dans le rouge » et « trop dans le vert » par rapport au stock quotidien historique réellement disponible.
Conclusions :
Robert Meshew, Directeur technique Global Supply Chain chez Microsoft, a confirmé les résultats exceptionnels obtenus depuis la mise en œuvre de la nouvelle Solution de Supply Chain s’appuyant sur les règles TOC dans leur système SAP. « Le résultat ne peut qu’être qualifié de remarquable. À ce jour, nous avons vu nos niveaux de service grimper de plus de 5 % pour nos clients. Dans le même temps, nos niveaux de stock ont systématiquement chuté de 250 millions de dollars, ce qui a permis de réduire les démarquages mais aussi les excédents et l’obsolescence de plus de cent millions de dollars ».
À l’aide des capacités d’AnyLogic, nous avons pu proposer une méthode rapide, peu coûteuse et présentant peu de risques pour valider et tester la solution de Supply Chain de bout en bout fondée sur la Théorie des contraintes.
La prochaine étape de ce projet se compose d’une collaboration étroite avec l’équipe Microsoft dirigée par Manohar Madhira, afin d’intégrer ce modèle au sein du processus de planification des ventes et des opérations de la société ainsi que de l’améliorer pour permettre son utilisation dans le cadre des analyses d’hypothèses en lien avec le lancement de produits à l’échelle mondiale et favoriser ainsi des analyses et des décisions de management plus rapides et plus efficaces.
Présentation du projet par le Dr. Alan Barnard, Goldratt Research Labs
