Prévision de la demande multi-SKUs
Prévision à la maille SKU / site sur horizons courts (J+1 à J+30) et longs (S+1 à S+26). Gestion des SKUs à faible historique ou à demande intermittente.
TFT · LightGBM · Prophet · SARIMA · Croston
Domaine d'expertise
Forecasting et optimisation de supply chain par ML
Modèles de prévision de la demande et d'optimisation des stocks adaptés aux contraintes industrielles : saisonnalité, promotions, délais fournisseurs, contraintes de capacité. De l'ingestion ERP à l'output dans le système d'approvisionnement.
Capacités
Ce qu'on construit
Optimisation des stocks de sécurité
Calcul dynamique des stocks de sécurité et des points de commande à partir des prévisions et des délais fournisseurs réels. Mise à jour automatique dans l'ERP.
Optimisation sous contraintes · simulation Monte-Carlo
Détection anticipée de ruptures
Alertes sur risques de rupture à horizon paramétrable, avec quantification de la probabilité et du délai de criticité.
Probabilistic forecasting · intervalles de confiance
Détection de sur-stocks
Identification des articles en risque de sur-stock selon l'évolution prévue de la demande et la durée de vie / obsolescence.
Segmentation ABC-XYZ · modèles de dépréciation
Intégration ERP / WMS
Output vers les modules de planification SAP (MRP, MD04), Oracle, Sage, ou tout WMS via API. Recalcul automatique à fréquence configurable.
SAP BAPI / RFC · REST API · SFTP
Analyse de l'erreur de prévision
Dashboard de performance par SKU et famille : MAPE, RMSE, biais, tendances. Identification des articles les plus difficiles à prévoir.
Grafana · Metabase · rapport automatisé
Architecture
Pipeline type
Extraction ERP → feature engineering → modèle → optimisation stocks → output vers système d'approvisionnement. Recalage hebdomadaire ou quotidien selon l'horizon.
Sources
ERP / WMS / fichiers
Historique ventes, stocks, commandes ouvertes, délais fournisseurs réels vs. nominaux. SAP, Oracle, Sage, CSV.
Features
Variables exogènes
Saisonnalité, jours ouvrés, promotions, prix, données externes (météo, indices sectoriels) selon le contexte.
Modèle
Ensemble ou modèle unique
TFT pour les séries longues avec covariables, LightGBM pour la performance sur grand catalogue, Prophet pour la saisonnalité forte.
Optim.
Calcul stocks & réappro
Stocks de sécurité dynamiques, points de commande, quantités économiques de commande sous contraintes MOQ et capacité.
Contextes
Problèmes adressés
Le ML apporte une valeur mesurable dès que la demande est variable, que le catalogue est large, et que les données historiques couvrent au moins 12 à 18 mois.
Distribution industrielle — milliers de SKUs
Demande irrégulière, contraintes MOQ fournisseurs, délais long lead-time. Le ML gère la diversité des profils de demande.
Manufacturing sur stock — arbitrage MTO / MTS
Décision de découplage par article selon la prévisibilité de la demande et le délai de fabrication.
Supply chain multi-sites
Allocation inter-dépôts, transferts, consolidation de la demande agrégée vers les usines de production.
Composants à long lead-time
Électronique, matières premières avec délais 8 à 20 semaines. La prévision longue portée est critique pour les approvisionnements.
Résultats
Ordres de grandeur observés
Constatés sur des déploiements comparables. Dépendent de la volatilité de la demande, de la qualité des historiques et de la largeur du catalogue.
20 – 40 %
de réduction des ruptures de stock sur l'horizon prévu
10 – 25 %
de réduction du stock immobilisé sur articles optimisés
10 – 20 %
de MAPE sur horizon 4 semaines selon volatilité de la demande
2 – 4 sem.
délai entre démarrage projet et premières prévisions testables
Démarche
Comment on procède
01
Audit data
Qualité et couverture des historiques, recensement des variables exogènes disponibles, identification des SKUs prioritaires. 1 semaine.
02
Baseline
Modèle de référence (naïf ou SARIMA), mesure du MAPE actuel, identification des familles d'articles difficiles. 2 semaines.
03
Modèle ML
Entraînement, validation croisée temporelle, sélection du modèle optimal par famille d'articles. 4 à 6 semaines.
04
Optimisation stocks
Calcul des stocks de sécurité dynamiques, points de commande, simulation de scénarios. 2 à 3 semaines.
05
Intégration
Output vers ERP / WMS, recalcul automatique, dashboard de performance, ajustements selon retours utilisateurs.
Démarrer
Des ruptures à réduire ou un stock immobilisé à optimiser ?
Décrivez-nous la taille du catalogue, l'horizon de prévision visé et le SI source. Nous vous répondons avec une première analyse de faisabilité sous 48h.