Le flowcasting en lieu et place du forecasting ?

By 2 November 2012

3. Le flowcasting en lieu et place du forecasting ?

En poussant la logique du partage d’information encore plus loin, André Martin, inventeur du distribution resource planning (DRP) pour planifier les besoins de production, a récemment développé le concept de flowcasting. Contraction de Flux (Flow) et de Prévision (Forecasting), ce système consiste à piloter la demande des clients grâce aux calculs des prévisions directement en sortie de magasins grâce à la distinction de la demande indépendante constituée par la demande du client final et la demande dépendante qui peut se calculer à partir de la fixation du besoin indépendant.

Ainsi, la prévision est uniquement calculée au niveau du point de vente, en se basant sur la vente au client final, puis agrégée pour constituer la prévision de demande aux niveaux plus élevés de la chaîne logistique (au niveau du centre logistique de distribution, du fournisseur, du producteur…).
Par ailleurs, le flowcasting est fondé sur une prévision atomique, à la maille article-point de vente et un processus de distribution resource planning (DRP) partagé entre industriels et distributeurs.

Les auteurs de l’ouvrage Flowcasting, the retail supply chain69 affirment avoir permis à plusieurs manufacturiers du Fortune 100 d’atteindre une précision des prévisions de l’ordre de 83% à 97% tout en obtenant une réduction des coûts logistiques équivalant à l’ordre de 1% à 6% des ventes totales.
En outre, André Martin affirme que le flowcasting permet une synchronisation des flux entre les magasins, des promotions mieux planifiées et exécutées, fournit un langage commun pour tous les fournisseurs au sein de la supply chain, lie la supply chain à la demande réelle des consommateurs et apporte une plus grande réactivité logistique.

Un projet de recherche a été mené entre le groupe Casino et les laboratoires Sarbec Cosmetics pour tester la pertinence du flowcasting70. Trois usines, un entrepôt centralisateur et cinq filiales étaient concernés par cette étude. Le point de départ était une prévision fiable à trois mois et les protagonistes souhaitaient tester une prévision stable à vingt-six semaines.

Avant la mise en place du flowcasting, la chaine logistique était partiellement intégrée et trois types de prévisions étaient élaborées à trois cycles de réapprovisionnement indépendants :

– Le cycle approvisionnement du point de vente : Casino élaborait des prévisions de ventes atomiques à 5 jours.
– Le cycle approvisionnement entrepôt : Casino élaborait des prévisions de sorties entrepôt pour approvisionner son entrepôt de Montélimar.
– Le cycle industriel : Sarbec élaborait des prévisions de sortie entrepôt pour alimenter le MRP (manufacturing resource planning)

Le flowcasting en lieu et place du forecasting ?
Source : http://www.supplychainexpo.fr/Evenements/Forum-07-2009/Forum/6-Forum-Casino-Saebec.pdf

Ainsi, Sarbec n’avait pas accès aux données lui permettant d’optimiser son stock global et Casino ne pouvait pas anticiper les flux logistiques en réception au-delà de la prochaine livraison. En outre, ces deux partenaires commerciaux ne partageaient pas la même prévision.

Suite à la mise en place du flowcasting pour 29 références MDD produits par SARBEC pour le compte exclusif de Casino faisant entre 2 et 10 ventes par semaine ce qui représente 80% des flux Droguerie-Hygiène-Parfumerie chez Casino, le schéma logistique a été complètement bouleversé. Il n’y a plus qu’une prévision unique avec toujours trois cycles de décision (point de vente, entrepôt et industriel) reliés entre eux par une chaîne de calcul de besoin.

Le flowcasting en lieu et place du forecasting ?
Source : http://www.supplychainexpo.fr/Evenements/Forum-07-2009/Forum/6-Forum-Casino-Saebec.pdf

Les résultats de cette étude démontre que la fiabilité à la maille article-point de vente sur 26 semaines n’est pas assez stable pour 85% des volumes étudiés et que les erreurs de prévisions sont trop importantes (supérieur à 30%).

Un modèle de prévision statistique adéquat n’a pu être trouvé notamment du fait de la forte variabilité des ventes constatées en sorties de caisse (supérieures à 0,5 pour 80% des couples articles-magasins). Partant de ce constat, la solution alternative a consisté à partir d’un pilotage de la chaîne par les sorties entrepôt.

De janvier à juin 2008, un plan d’approvisionnement « entrepôt » à 26 semaines partagé entre l’industriel et le distributeur a alors été élaboré.

Le flowcasting en lieu et place du forecasting ?
Source : http://www.supplychainexpo.fr/Evenements/Forum-07-2009/Forum/6-Forum-Casino-Saebec.pdf

Un fichier excel était transmis tous les vendredis par Casino à Sarbec qui l’intégrait automatiquement dans son système d’information. Quant à Sarbec, il analysait de son côté les prévisions et faisait part de ses éventuels désaccords. Une fois validées, les données étaient rentrées dans son plan directeur de production (PDP).

Les résultats ont été très satisfaisants car pour Sarbec, la prévision « sortie entrepôt » s’est améliorée de façon conséquente (erreur de 35%) et de même pour Casino pour l’erreur de prévision qui passe à 17% comme l’illustre le graphique ci-dessous.

Le flowcasting en lieu et place du forecasting ?
Source : http://www.supplychainexpo.fr/Evenements/Forum-07-2009/Forum/6-Forum-Casino-Saebec.pdf

Néanmoins, les règles d’arrondis et de regroupement (camions complets) limitent les apports de ce nouveau mode de fonctionnement comme nous l’explique Laurent de Bourmont « les arrondis palette créent une variabilité élevée et génèrent des à coups dans le calcul des besoins »71.

Ainsi les résultats de ce projet innovant au sein de la grande distribution française restent mitigés.
Au sein du secteur des cosmétiques, la variabilité des ventes des multiples références et la multiplication des promotions sont telles que la prévision au niveau atomique paraît non adéquate. De plus, il sera difficile, tout comme au sein de la collaboration entre Sarbec et Casino, de trouver un modèle statistique pour élaborer les prévisions de sorties de caisse.

Cependant, il est à retenir de ces nouveaux modes collaboratifs de gestion des approvisionnements que le partage d’information ne peut qu’aider à l’amélioration des prévisions en réduisant le bullwhip effect et en créant des synergies pour coller au plus près de la demande réelle. Même s’il apparaît aujourd’hui difficile en France d’envisager une forte démocratisation de ce type de collaboration suite au rapport de force qui règne entre producteurs et distributeurs français, à la course aux prix et au développement des MDD, les entreprises de cosmétiques ne peuvent qu’être gagnantes d’un accroissement de la collaboration.

De plus, l’élaboration d’un PIC en commun lors de la mise en place du CPFR est un stade de collaboration très intéressant notamment pour l’alignement des business plan des deux parties, très utile pour les multiples promotions et l’importance de l’assortiment au sein du secteur de l’hygiène beauté.

Le partage de l’information notamment concernant les sorties de caisse demeure la clé de voûte de cette collaboration producteur/distributeurs car elle permet d’ajuster au plus près les prévisions de vente. Il est à noter que ces données peuvent être achetées par le producteur directement (datasharing) ou via des panels distributeurs mais pour des raisons de confidentialité, certains distributeurs refusent de les communiquer et le délai d’obtention des informations est de minimum deux semaines.

Par ailleurs, il est important que sur le terrain, les représentants s’assurent du niveau de stock réel et remontent l’information car les stocks peuvent être déphasés par les vols et les casses en linéaires notamment pour le maquillage sans blister dit nu comme nous le précise K.Hamanache, prévisionniste des ventes pour Gemey Maybelline.

Lire le mémoire complet ==> (Optimisation stratégique des prévisions de ventes au sein du secteur des cosmétiques)
Mémoire de fin d’études – Spécialité Logistique
Université Paris 1 Magalie CHICHE Panthéon-Sorbonne
______________________________________________
64 Mentzer J. et al, « benchmarking sales forecasting management », Business Horizons, May-June 1999, p.48
65 Wallace T., Sales and operations planning, Wallace Editions, 2004
66 http://www.isysgroupe.fr/GroupeOrdirope/content/NT00001662.pdf
67 http://www.lsa-conso.fr/pourquoi-ameliorer-les-previsions-de-vente.53627
68 Jouenne T., “Henkel-Eroski CPFR® Pilot Case Study”, Jouwen Editions, 2000, www.csupomona.edu/~hco/…/CPFR(5)_Henkel-Eroski.ppt; http://www.vics.org/docs/apps/group_public/HenkelEroski.pdf
69 A. Martin et al, Flowcasting, the retail supply chain, Winooski, Factory 2 Shelf Publishing, 2006
70 http://www.supplychainmagazine.fr/TOUTE-INFO/Archives/SCM035/Experience-35-Casino-Sarbec.pdf
71 http://www.supplychainmagazine.fr/TOUTE-INFO/Archives/SCM035/Experience-35-Casino-Sarbec.pdf