Supply chain et prévisions avec Python
Supply chain et prévisions est un cours de niveau intermédiaire de 5 leçons (environ 1 h 24), avec 15 exercices et 15 questions de quiz. Prérequis : Indicateurs métier et KPI. Les exercices s'exécutent dans le navigateur, sans installation.
- Analytics métier
- Intermédiaire
- 5 leçons
- 1 h 24
- 15 exercices
- Exercices exécutés dans le navigateur
Le cours en bref
Ce cours applique l'analyse de données à la chaîne d'approvisionnement : mesurer les stocks et les ruptures, prévoir la demande avec des méthodes simples et bien évaluées, dimensionner un stock de sécurité selon la fiabilité des fournisseurs et choisir une politique de réapprovisionnement. Tous les calculs se font avec pandas et la bibliothèque standard, sur des données fictives.
Ce que tu sauras faire
- Calculer couverture, rotation et classification ABC d'un stock et repérer les surstocks
- Simuler un stock jour par jour, mesurer taux de service, ruptures et OTIF
- Construire et évaluer une prévision par moyenne mobile sans fuite d'information
- Évaluer les fournisseurs et calculer stock de sécurité et point de commande
- Calculer une quantité économique et comparer des politiques de réapprovisionnement par simulation
Programme des 5 leçons
- Calculer la valeur d'un stock, sa couverture en jours et sa rotation
- Repérer les surstocks avec un seuil de couverture
- Classer les articles en A, B et C selon leur poids dans la consommation
- 02
Ruptures et taux de service
- Simuler l'évolution d'un stock jour par jour et repérer les ruptures
- Calculer taux de service quantitatif, jours de rupture et ventes perdues
- Mesurer le taux OTIF (à l'heure et complet) des commandes
- 03
Prévoir la demande : naïve, moyenne mobile et lissage exponentiel
- Construire une prévision naïve et une prévision par moyenne mobile sans fuite d'information
- Évaluer une prévision avec l'erreur absolue moyenne (MAE) et le biais
- Choisir une fenêtre de moyenne mobile et connaître les limites de la méthode
Prévision de la demandeMoyenne mobileErreur de prévision (MAE, biais)
- 04
Délais fournisseurs, stock de sécurité et point de commande
- Mesurer le délai moyen, la variabilité et la fiabilité des fournisseurs
- Calculer un stock de sécurité selon un niveau de service visé
- En déduire le point de commande et comparer des fournisseurs
- 05
Optimisation simple : quantité économique et politique de réapprovisionnement
- Calculer la quantité économique de commande (formule de Wilson) et le coût total associé
- Simuler une politique de réapprovisionnement à point de commande
- Comparer des politiques sur le service rendu et le stock moyen
Quantité économique de commandeCoûts de commande et de possessionPolitique de réapprovisionnement (s, Q)
Projet final
Plan d'amélioration des stocks d'un distributeur fictif
À partir de données générées en Python (graine fixe) pour une trentaine d'articles d'un distributeur fictif : historique hebdomadaire de demande avec quelques ruptures, stocks, coûts unitaires et livraisons de trois fournisseurs, construisez un plan d'amélioration. Classez les articles en ABC, mesurez couverture et ruptures, choisissez une méthode de prévision par article A, calculez stocks de sécurité, points de commande et quantités économiques, puis validez vos réglages par simulation.
Livrables
- Un script ou notebook Python reproductible
- La classification ABC croisée avec la valeur du stock et la liste des surstocks
- La mesure des ruptures, du taux de service et de l'OTIF, avec correction de la demande censurée
- La comparaison de méthodes de prévision (MAE, biais) pour les articles A
- Le tableau des fournisseurs (délai, écart-type, fiabilité) et des paramètres de réapprovisionnement
- Une simulation comparant les réglages actuels et proposés, avec une note de recommandations
Critères d'évaluation
- Les prévisions n'utilisent que le passé et sont évaluées sur une période commune contre une référence naïve
- Les unités de temps sont cohérentes dans les calculs de stock de sécurité et de point de commande
- La simulation tient compte des commandes en cours et des délais
- Les recommandations arbitrent explicitement entre niveau de service et stock moyen
- Les hypothèses et limites (saisonnalité, ruptures, remises) sont écrites
Questions fréquentes
Faut-il connaître les séries temporelles pour suivre ce cours ?
Non. Le cours utilise des méthodes simples (naïve, moyenne mobile, lissage exponentiel) et insiste sur leur évaluation. Le cours Séries temporelles et prévision (DS6) va plus loin pour ceux qui le souhaitent.
Les formules de stock de sécurité sont-elles utilisables en entreprise ?
Oui, ce sont des formules classiques, à condition de respecter leurs hypothèses (variations indépendantes et proches d'une loi normale, unités cohérentes) et de les valider par simulation sur l'historique.
Le cours utilise-t-il un logiciel de gestion ?
Non. Les calculs se font en Python avec pandas et la bibliothèque standard, avec une tâche équivalente dans Excel pour la moyenne mobile, afin de comprendre ce que font les logiciels de planification.
Les données sont-elles réelles ?
Non, toutes les données sont fictives et construites dans le code pour que chaque résultat soit vérifiable.
Ce cours, raconté pour ton métier
Dis ce que tu veux savoir faire : « Supply chain et prévisions » prend sa place dans ton parcours, avec des exemples de ton secteur. Les notions restent celles du cours.