Analyse de procédé
Le temps de cycle T augmente si l’inventaire Utilisation (%) = Production réelle / capacité théorique
augmente I. Efficacité (%) = production réelle / capacité utilisable
Si le débit R augmente, l’inventaire nécessaire Temps de tache (en min) = 60 / Capacité = Capacité d’une ressource
augmente (pour un même T). Capacité du procédé :
Sert à mesurer : files d’attente, stocks, délais, Temps de cycle du système =
rotation d’inventaire.
Le goulot d’étranglement est la ressource dont la
capacité est la PLUS faible.
Elle limite le débit de tout le procédé. Capacité en unité / heure
Capacité théorique = capacité du goulot Temps de tâche en minutes / unités
d’étranglement R en unité/h,min,jour
Chemin critique = chemin le + long I en unité
T en hr min jour
Chaine d’approvisionnement
Matières premières → Fabrication → Distribution → Grossiste → Détail → Clientèle Flux de produits Maximiser
Flux d’information profit de
Flux d’argent toute la
Les déterminants principaux sont : Chaîne efficace : Priorité à la réduction des coûts chaînes
Localisation / Sites Chaîne sensible : Priorité au service client, à la
Inventaire rapidité et à la flexibilité
Méthodes de consolidation :
Transport
Centralisation physique des stocks
Information
Centralisation de l’information
Approvisionnement
Combinaison de l’inventaire de sécurité
Spécialisation / substitution des produits
Inventaire de cycle → Répond à la demande moyenne Méthode de consolidation :
Réduction du point de différentiation
Rassemblé tous en UN
Inventaire de sécurité → Protège contre l’incertitude (postponement)
Inventaire stratégique → Prévention des interruptions D~N (Somme des
Moyenne ; écart type *
Racine des n)
Obstacles :
Graphique
A = le lissage exponentiel
Prévision Variété croissante de produits
double (LE PLUS
PRÉCIS) (tendance Niveau: Diminution du cycle de vie des produits
+niveau) Prévisions naïves Clients de plus en plus exigeants
B = le lissage exponentiel
simple (Un peu précis () Moyenne mobile simple Mondialisation
C = la tendance linéaire Moyenne mobile pondérée
(Pente et ordonnée a Lissage exponentiel Interruptions plus fréquentes
l’origine)
Tendance:
Estimation de tendance linéaire ou non linéaire
(régression)
Double lissage exponentiel (« FIT »)
Une prévision est : ✔ Prévisions à court terme
➡️une estimation du futur, basée soit sur des données quantitatives, soit sur des Ordonnancement, planning journalier, demande
jugements qualitatifs, immédiate.
➡️utilisée pour soutenir les décisions en production, inventaire, main-d’œuvre,
Méthodes : surtout quantitatives.
capacité, achats, finances, etc.
➡️Elle combine art et science (intuition + modèles).
✔ Prévisions à moyen terme
Budgets, main-d’œuvre, inventaires, capacité.
Méthodes : quantitatives.
•Le passé est garant de l’avenir (la base des modèles de séries chronologiques).
•Les prévisions ne sont jamais parfaites (fluctuations aléatoires, événements externes).
✔ Prévisions à long terme
•Les prévisions agrégées sont plus précises que les prévisions détaillées. Planification stratégique, nouvelles installations,
•Plus l’horizon est long, moins la prévision est précise. nouveaux produits.
Méthodes : qualitatives (plus d’incertitude).
•Période : unité de temps (jour, mois, trimestre…).
•Horizon : nombre de périodes futures à prévoir.
Erreur de prévision : différence entre prévision et valeur réelle.
•Intervalle : fréquence de mise à jour des prévisions. Biais : tendance de la prévision à surestimer ou sous-estimer.
ÉMA (MAD) : écart moyen absolu → mesure la précision.
Étapes du processus de prévision Méthodes qualitatives (Jugement Méthodes quantitatives (Données Signal de dérive (Tracking Signal) :
1. Définir l’objectif et les humains) historiques) permet de vérifier si le modèle reste valide dans le temps.
ressources disponibles Méthode Delphi Séries chronologiques :
2. Déterminer l’horizon Opinions d’experts Le niveau (tendance centrale/ Prévision
Moyenne) naïve/Moyenne
3. Choisir la méthode Sondages de clientèle s (simple,
4. Rassembler et analyser les La
Prévisions par les vendeurs mobile,
tendance (croissance/déclin a
données pondérée)
Une prévision de qualité : LT) /Lissage
5. Produire la prévision
Produite à temps La saisonnalité (variation qui exponentiel
6. Faire le suivi (vérification, se répètent à intervalle
Précise simple et
ajustement) régulier) double/Modèles
Fiable et cohérente
Ri =observation réelle de la période Pi = Exprimée dans une unité Les irrégularités / hasard avec tendance
(Variation aléatoire) (projection
prévision pour la réaliste linéaire ou non
Période Ei = erreur (écart) de Simple à comprendre Valeur abérantes (Évenement linéaire)
prévision à la Suivie et ajustée régulièrement unique)
période i, Ei = Ri- Pi /Modèles avec
Les cycles (variation longue saisonnalité
a
du à économiques, marché,
Signal
Biais : Moyenne des erreurs de dérive entre -6 et 6 = mode)
ÉMA : Moyenne des
erreurs absolues
BIEN
Service et file d’attente Qualité
Maitre penser
Un service est caractérisé par : W. Edwards Deming : variations normales/anormales,
Les dimensions clés :
Produit intangible principes
Tangibilité
Définition inégale (variable) Joseph M. Juran: “fitness for use / aptitude à usage”
Accessibilité
Production et livraison simultanées Armand Feigenbaum : gestion totale de la qualité
Fiabilité
Personnalisation fréquente Philip Crosby : « La qualité est gratuite », « Bien faire du
Rapidité de premier coup »
Fort niveau d’interaction avec le
service Walter Shewhart : contrôle statistique des procédés (SPC)
client
Assurance Kaoru Ishikawa : diagramme cause-effet
Livré par plusieurs serveurs
Courtoisie Taiichi Ohno : amélioration continue, analogie de la rivière
(souvent des humains)
(lean)
W = Temps Moyen dans le système Dimensions qualité :
Wq = Temps Moyen dans la file d’attente Coût total = coût des salaires + coût d’attente + coût de blocage
Performance
L = Nombre Moyen dans le système Coût des salaires (ressources) = en fonction du nbre de serveur
Fonctionnalités
Lq = Nombre moyen dans la file d'attente Coût d’attente = en fonction de Lq = (coût / min × 60) × Lq
Conformité
= Utilisation Coût de blocage = perte par client bloqué si file pleine = Prbalk
Fiabilité
= Nombre Moyen d’unité arrivé / heure Durabilité
Les limites x́ = Moyenne Service
= Nombre Moyen d’unité servi / heure LSC/LIC= Limite supérieur / inférieur de contrôle
σ = écart type Esthétique
Système Probabilité n = taille de l’échantillon Qualité perçue
σ σ
LSC=x́+ Z LIC=x́−Z m = nombre de secteur/ville + convenance à l’usage,
W= √n √n ^p= proportion favorable régularité, sécurité
√
x = nombre de succès
^p (1− ^p )
LSC=^ p+ Z N = taille population
La capabilité
n N=n*m
LST −LIT
√
LSC = LCS
^p (1− ^p ) Cp=
LIC= ^ p −Z 6σ
n Si on dit capabilité est de
X X 6 sigmas alors Cp = 2
Gestion d’inventaire ^p*=Coût =unitaire La capabilité
Demande annuelle
Modèle ABC :
N n∗m Cpk (si dérive / non centré) •Cp < 1 → procédé non
( )
LST−μ μ−LIT capable
A : % de vente total la + élevé Cpk=min , •Cp ≥ 1 → capable
B : % de vente total moyenne Valeur item / valeur total 3σ 3σ •Cp ≥ 1,33 → performant
C : % de vente total la - élevé •Cp ≥ 2 → Six Sigma
SI : Trouver une proportion/
√
Inventaire en block : probabilité
2 DS
Q¿ = Inventaire n’est pas Q/2
H R (en %) * C (cout d’achat) mais Q 1. P(X<X1) + P(X>X2)
Coût de commande DS 2. Trouver les X correspondant
TC ( Q ) =CD+ + HQ avec = (X- x́ ¿/σ
Q
√
3. On a alors P(Z<Z1) + P(Z>Z2)
DS HQ DS
Coût totale = TC (Q)=CD+ + Q¿ = 4. 2 * P(Z>Z2)
Q 2 H Coûts de conformité
Hypothèses : demande constante,
coûts unitaires invariants, Prévention : formation, entretien,
réception instantanée, pas de Coût d’achat Coût d’entreposage planification
remises Vérification : contrôle qualité,
Type I (« fausse alerte ») :
inspection
Taille inventaire = stock de sécurité (SS) on conclut à tort que le
Z99 = 2,33 procédé est hors de contrôle Coûts de non-conformité
Écart type de la Demande Type II (« erreur de non- Rejet interne : réparation/rebut
Z95 = 1,645 avant livraison
SS = Zα∗σ∗√ L détection ») : procédé hors
Z90 = 1,28 de contrôle mais non Rejet externe : garantie, retours,
Delai de livraison Z50 = 0 détecté réparations chez le client
Modèle du camelot Relation avec erreurs de Type I
Niveau de service optimal : et II (prévenir < réparer).
Cu Outils de mesure et de contrôle
PC =d × L Variation normale = Bruit naturel du procédé, Diagramme de procédés
Cu +C o aléatoire, inhérente, Ne peut pas être éliminée sans Feuille de contrôle
SS= z × σ L PC =μchanger
L + SSle procédé
σL = écart-type
Diagramme de dispersion
Variation anormale (causes spéciales: Fatigue
sur la période
Histogramme de Pareto
opérateur, Outil défectueux, Procédé instable, Source Diagramme Ishikawa / cause-effet
du délai identifiable Cartes de contrôle (X-barre, R, p, c)
d’approvisionne
ment
Caractéristiques des systèmes de files d’attente :
μL = demande
moyenne
A. Arrivées [Taille de la population, Flux et rythme d’arrivées,
Distribution statistique (souvent Poisson)]
Les limites Sous contrôle B. File d’attente [Taille : infinie ou limitée, Discipline : FIFO
(premier entré, premier servi) ; LIFO (dernier entré, premier
Cu = coût unitaire de pénurie =Marge de servi) ; SIRO (ordre aléatoire) ; Priorité / préemption ;
profit Comportements clients.]
Co = coût unitaire de surplus = Cout d’achat – C. Service [Nombre de serveurs ; Capacité du
Valeur de récupération = cout d’achat + cout Hors contrôle système ; Distribution du temps de service (souvent
de perte exponentielle)]
Z : Trouver à partir du niveau de service
optimal D. Structure [Nombre de phases ; Parcours client ;
Infrastructure]