Amélioration des processus de prévision et de gestion des stocks dans le cas d'une chaîne logistique des pièces de rechange

The improvement of forecasting and inventory management processes in the case of spare parts supply chain

• Auteur / Autrice : Adnane Lazrak
• Direction : Bruno Castanier
• Type : Thèse de doctorat
• Discipline(s) : Automatique, productique
• Date : Soutenance le 02/12/2015
• Etablissement(s) : Nantes, Ecole des Mines
• Ecole(s) doctorale(s) : Sciences et Technologies de l'Information et Mathématiques
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Communications et en Cybernétique de Nantes / IRCCyN
• Jury : Président / Présidente : Sylvie Norre
• Jury : Examinateurs / Examinatrices : Alexandre Dolgui, David Lemoine
• Jury : Rapporteur / Rapporteuse : Michel Gourgand, Jacques Lamothe

Mots clés

Mots clés contrôlés

Relations clients-fournisseurs

Gestion des stocks

Logistique (gestion)

Mots clés libres

Chaîne logistique des pièces de rechange

Segmentation

Méthode de prévision

Politique de gestion de stocks

Différenciation client

Analyse de performance

Spare parts supply chain management

Forecasting methods

Inventory management

Parts segmentation

Customer segmentation

Performance analysis

Résumé

Le cadre général des travaux de cette thèse est la chaîne logistique des pièces de rechange et particulièrement l’amélioration de sa performance en prévision et en gestion des stocks à plusieurs niveaux de service. La spécificité d’une demande faible et erratique ne permet pas l’utilisation des approches classiques de prévision. Par ailleurs, les mesures de performance associées reposant sur des indicateurs purement statistiques ne reflètent pas nécessairement les objectifs de gestion d’une chaîne logistique qui cherche à s’aligner avec différents niveaux d’exigence des contrats de maintenance. Après une description des processus et des outils en prévision et en gestion de stocks utilisés dans ce contexte, ces travaux proposent de nouvelles approches de sélection des méthodes de prévisions qui intègrent prévision et gestion de stocks, qui permettent la priorisation en service ou en inventaire et qui utilisent une segmentation par profil de la demande et par niveau de maturité des pièces. Par la suite, ces travaux considèrent le cas de la différenciation client dans le modèle de gestion de stocks basé sur des prévisions, en comparant la performance de la politique à niveau critique avec les politiques classiques à stock commun ou séparé. Chaque processus étudié a été accompagné d’une analyse comparative entre différentes méthodes de prévisions et politiques de gestion de stocks sur des données réelles du cas d’application industrielle de la chaine logistique de GE Healthcare. Ce qui a permis de construire un ensemble de recommandations en fonction de la segmentation de la pièce et des priorités des décideurs.

The main scope of these works is the spare parts supply chain management, particularly the improvement of forecasting and inventory management performance. The specificity of low and erratic demand does not allow the use of conventional approaches of forecasting. Moreover, the associated performance measurements, based on purely statistical indicators, are not adapted to this context. Indeed, it should align with different levels of expectations of the maintenance contracts. After a presentation of the processes and tools used by the dedicated literature. Here we propose new performance analysis approaches seeking to combine the statistical performance of forecasting methods and inventory management performance while considering decision makers priorities and using demand pattern as well as parts age segmentations. These works also address the use of customer differentiation in the inventory model based on forecasting, by comparing the performance of the critical level policy with the common stock and separated stock policies. Each studied process was associated with a comparative analysis of different forecasting methods and inventory management models based on real data of the spare parts supply chain of GE Healthcare, which allowed us to define a set of methods and parameters recommendations according to both part segmentations and supply chain priorities.