Planifier les achats sans rupture ni surstock

Un schéma qui revient dans presque toutes les entreprises industrielles qui planifient leurs achats au feeling : des composants critiques manquent au moment même où l’entrepôt déborde de matière qui n’a pas bougé depuis des mois. Ça ressemble à deux problèmes distincts. C’est un seul problème, vu sous deux angles.

Pourquoi ça arrive

Sans calcul algorithmique du besoin, les achats reposent sur l’intuition et sur la réaction à une pénurie déjà survenue. Un composant vient à manquer et arrête la ligne, l’acheteur se fait surprendre une fois, et la commande suivante de cette référence arrive avec de la marge, par précaution. Cette marge dort jusqu’à ce qu’un autre composant vienne à manquer, et le cycle recommence, avec une référence différente à chaque fois.

Le coût de cette marge n’est pas négligeable. Le stock dormant représente typiquement vingt à trente pour cent d’un entrepôt classique, et sa possession, surface, assurance, risque d’obsolescence, capital immobilisé, coûte chaque année vingt-cinq à trente-cinq pour cent de la valeur de ce stock.

Ce qui devrait vraiment déterminer la quantité à commander

Un calcul de besoin correct n’est pas de l’intuition. C’est de l’arithmétique concrète : combien d’unités sont prévues, combien de matière chacune exige selon la nomenclature, combien existe déjà en stock ou en transit, et quel est le délai réel du fournisseur. L’écart entre besoin et disponibilité, décalé du délai de livraison, donne la date et la quantité exactes de la commande.

La complication vient des composants partagés entre plusieurs produits, ce qui, pour tout fabricant ayant plus de quelques références, est la norme, pas l’exception. Sans sommer la demande d’un composant partagé sur tous les produits qui le consomment, l’acheteur ne voit qu’une partie du tableau et commande moins que ce qui est réellement nécessaire.

Le stock de sécurité se calcule, il ne se devine pas

Les délais fournisseurs sont rarement fixes. Un tampon de planification doit refléter la variabilité réelle, mesurée, de l’historique de livraison d’un fournisseur précis, pas un chiffre rond qui paraît prudent. Sous-dimensionné, il entraîne des arrêts de ligne récurrents. Surdimensionné, il gèle un capital, tout comme le font déjà les commandes passées par précaution.

Pourquoi un tableur perd ce combat à l’échelle

Calculer le besoin pour un seul produit à liste de composants courte fonctionne très bien dans un tableur. Ça s’effondre quand la gamme grandit jusqu’à des dizaines de références avec des composants qui se recoupent, où chaque nouveau produit ou changement de fournisseur exige de reconstruire tout le réseau de formules qui tient l’ensemble. La conséquence la plus fréquente est une sous-commande systématique des composants utilisés simultanément dans plusieurs produits, parce qu’aucune formule manuelle ne parvient à sommer correctement la demande de tous en même temps.

Ce qui change avec une planification algorithmique

Quand le calcul de besoin devient automatique et s’appuie sur les stocks actuels, les commandes clients ouvertes et les délais fournisseurs réels, l’acheteur cesse de travailler à partir d’une liste de « ce qui manque » et travaille à partir d’un vrai plan : quoi commander, combien et quand, sur toute la gamme de produits à la fois.

Le module d’achats chez Bimp est construit exactement autour de cette logique, en agrégeant la demande sur toute la gamme de produits simultanément, plutôt qu’en exigeant un calcul séparé pour chaque produit. Pour un fabricant qui a passé des années à réagir aux pénuries au fil de l’eau, c’est la différence entre courir après le problème et le devancer.