Depuis novembre 2015, la RATP s’est dotée d’une Direction Stratégique Innovation et Développement qui a comme principale mission de plancher sur la stratégie digitale du groupe déjà bien avancée.
Lire la suite →
Indispensable, la modélisation de la demande pour dimensionner les stocks de sécurité et limiter la probabilité de rupture… Mais attention à ne pas faire l’amalgame entre probabilité de rupture et taux de service ! Des méthodes plus fines existent pour dimensionner les stocks de sécurité : elles se généraliseront demain avec les apports du « big data ». Lire la suite →
De l’entretien des voies à la maintenance prédictive des rames, la SNCF déploie à un échelon industriel des capteurs sur l’ensemble de son infrastructure et son matériel. En associant internet des objets et big data, le groupe ferroviaire entend gagner à la fois en sécurité et en efficacité. Pour éviter qu’un train arrive en retard ou un incident matériel. Lire la suite →
Nous avons vu dans les deux articles précédents, « Stocks de sécurité dans la supply chain : Analyse critique de la formule » et « Stocks de sécurité dans la supply chain : quel dimensionnement ? », les vertus et les limites de la formule classique du stock de sécurité. Nous allons évoquer dans cette troisième et dernière partie différents approfondissements, notamment l’optimisation multi-échelon des stocks dans la chaîne logistique et les vertus d’une visibilité des stocks. Enfin, les nouvelles approches du big data apporteront de réelles avancées pour identifier les aléas, les dysfonctionnements et dimensionner les stocks de sécurité. Nous aurons l’occasion d’y revenir début 2016 dans le cadre d’un nouvel article expert consacré à ce sujet. Lire la suite →
Nous avons vu dans le billet précédent que la formule relative au calcul du stock de sécurité est certes simple, mais n’est pas en lien direct avec le taux de service effectif, car ce dernier dépend notamment de la variabilité de la demande, de la variabilité du délai de livraison et de la fréquence effective d’approvisionnement. Bref, cette formule de dimensionnement des stocks est-elle à rejeter, ne fait-elle plus sens aujourd’hui ? Quelles sont les autres bonnes pratiques de gestion des stocks ?
Comment les nouvelles méthodes d’analyse des données, la data sciencea, peuvent-elles contribuer à améliorer la qualité de service et le dimensionnement des stocks ? Lire la suite →
La performance de la supply chain et son agilité dépendent de la vitesse des flux d’information et de marchandises.
En supply chain management, on parle également de remplacer le stock par de l’information. En effet, une connaissance précise des stocks et de la demande dans la supply chain permet d’une part d’optimiser et de réduire les stocks, d’autre part d’être proactif dans la relation client en proposant par exemple un article de substitution à la place d’un article épuisé, ou en sachant trouver le site qui dispose de l’article souhaité et en pouvant annoncer au client un délai de livraison fiable.
Selon une étude réalisée par A.T. Kearney pour l’Institut Montaigne les objets connectés associés au big data représentent un potentiel de création de valeur estimé entre 74 milliards d’euros en 2020 (soit 3,6 % du PIB) et 138 milliards d’euros en 2025 (7 % du PIB). Lire la suite →
Sorti en ce début d’année, le dernier livre blanc de DHL nommé « Big Data in Logistics – how to move beyond the Hype » revient sur l’impact du big data sur les entreprises de Transport / Logistique. Lire la suite →
Puces électroniques dans les palettes, cyber-pneus, véhicules connectés, semi-remorques intelligentes, TMS pour optimiser les flux de transport…des milliards de données sont aujourd’hui remontées automatiquement en temps réel, la révolution du Big Data est en marche dans le secteur de la logistique et de la supply chain. Lire la suite →
