Questions fréquemment posées

Comment AGR gère la saisonnalité au niveau des articles et des magasins? (cliquez sur la phrase)

Inventaire Optimiser est utilisé par un certain nombre de clients avec des articles très saisonniers. Les prévisions statistiques sont exécutées sur ces articles pour certaines périodes prédéfinies afin d’éliminer les prévisions erronées. Le système est nativement construit avec des algorithmes qui détecteront automatiquement les modèles saisonniers et appliqueront l’algorithme approprié à la prévision. Les propositions de commande ne seront générées que pour la période prévisionnelle et peuvent être configurées pour être exécutées sur une planification prédéfinie via la fonctionnalité de commande automatique.

L’un des principaux avantages du système est qu’il calcule les prévisions et fait des recommandations d’achat au niveau le plus bas possible. Cela signifie que le système prévoit chaque article séparément pour chaque magasin et peut donc également faire des recommandations d’achat au niveau du magasin pour chaque article. C’est ainsi que nous abordons les différentes saisonnalités entre les magasins. Les magasins auront également des délais d’exécution différents, selon leur position régionale. Le système le calculera également dans les recommandations d’achat afin de garantir des niveaux de stocks optimaux.

One of the systems main advantages is that it calculates forecasts and makes purchase recommendations on the lowest possible level. This means the system forecasts each item separately for each store and can therefore also make purchase recommendations on store level for each item. That is how we tackle different seasonality’s between stores. Stores will also have different lead times, depending on their regional position. The system will also calculate this into the purchase recommendations to secure optimal inventory levels.

Comment la méthode de prévision est choisie?

Le système utilise un système qui sélectionne automatiquement la meilleure méthode de prévision pour chaque SKU à chaque emplacement, donc au niveau le plus bas possible. Le système teste des dizaines de méthodes de prévision sur chaque élément et choisit ensuite la méthode qui minimise les erreurs de prévision. Les utilisateurs n’ont donc pas besoin d’avoir des connaissances statistiques avancées pour exploiter les prévisions. Voici quelques exemples de méthodes de prévision qui peuvent être utilisés en fonction de différents types de données:

  •    Lissage Exponentiel – couvre une large gamme d’historiques caractéristiques
  •    Méthodes simple – pour les historiques courts ou volatils
  •    Ajustement de courbe – identifie la forme de la courbe suivie par l’historique
  •    Modèles à faible volume – Pour volume faible et/ou historique erratique
  •    Box-Jenkins – pour les historiques stables
Quel est le temps de réponse d'AGR, nombre de transactions / SKU peut-il gérer?

Le système est utilisé avec des clients qui ont plus d’un million de SKU. Les transactions n’affectent pas le système parce qu’il fonctionne au niveau quotidien, pas les transactions. Le temps de réponse des systèmes est mesurée par nombre de SKU’s nécessaire pour être réapprovisionné par emplacement. Un client typique est dispose généralement entre 20 et 80 magasins, chacun avec 5 – 15 000 SKU. Les plus grands utilisateurs ont jusqu’à 700 magasins et des millions de SKU.

Existe-t-il un connecteur entre Microsoft Dynamics NAV / AX et AGR?

Nous avons développé des intégrateurs standards entre Dynamics NAV / AX et le system AGR. Le transfert n’est pas toujours un plug-and-play en raison des différences d’implémentation entre Ms NAV et AX. Par conséquent, nous avons habituellement besoin de personnaliser ces intégrateurs standards dans une certaine mesure pour intégrer les systèmes de mise en place initiale. Une fois les données connectées ont été intégrée, le flux de données est standard.

Comment AGR traite-t-il les nouveaux articles qui n'ont aucun historique de vente?

Il est possible de générer des historiques de vente à partir d’articles existants,(gestion des remplaçants) par ex. si l’utilisateur estime que le nouvel article a les caractéristiques des ventes similaires à l’existant. L’historique de vente de l’ancien article peut donc être copié et utilisé pour générer des prévisions pour le nouvel article. Voir détail dans le manuel. Le module Gérer par Exceptions identifie automatiquement les nouveaux articles. Durant l’implémentation, les clients peuvent définir des règles automatiques pour traiter les nouveaux articles durant leur transfert.

Comment les prévisions utilisent-elles les données historiques?

Les prévisions sont générées sur la base des historiques, ce qui rend évidente l’importance de la qualité des données. Le système a besoin de deux années de données historiques pour pouvoir analyser les tendances saisonnières. En travaillant sur moins de données, utilisent probablement des prévisions moyennes jusqu’à ce que suffisamment de données aient été échantillonnées pour fonctionner en facteurs saisonniers.

Avez-vous l'analyse ABC Pareto?

Oui. Durant l’implementation, nous effectuons habituellement une analyse ABC, et sur cette base, certains paramètres sont définis, tels que les niveaux de services et la fréquence des commandes. Le système comprend également un rapport d’analyse ABC que l’utilisateur peut générer. Nous avons introduit une analyse ABC multiples, en tenant compte simultanément du chiffre d’affaires et les quantités vendues, ce qui signifie que chaque article reçoit 2 codes ABC par ex. AA, AB, BA, BB. Une analyse ABC standard pourrait ressembler à cet exemple:

 

Type Article Règle Methode
A Articles

Typiquement 20% des articles apportent 80% du chiffre d’affaires.

Controle rigoureux.Maintenir un niveau de stock au bon moment.

Les historiques doivent être juste pour garantir de bonne prévision

Suivi fréquent

Prévisions précises, Niveau de service élevé, Fréquence de commande 1-2 semaines.

B Articles

Typiquement 30% des articles apportent 15% du chiffre afffaires

Politique de gestion des stocks.Utilisez un contrôle de stock classique.

Pas trop d’effort misDans le processus d’achat. Utilisez un controle classique du controle de stock. Pas trop d’effort mis dans le processus d’achat.

Controle automatique

Fréquence de commande:Un mois.

C Articles

Typiquement 50% des articles apportent 5% du chiffre d’affaires.

Beaucoup d’articles

Valeur du chiffre d’affaires basse

Controle Minimum Supply to order where possible.Commande importante. Zero ou stock de sécurité élévés. Automatique (controle)

Commande irrégulière.

Fréquence de commande:

Trois mois.

Comment définissez-vous la fréquence des commandes?

La fréquence des commandes est souvent définie en fonction de la réalité du terrain, par ex. basée sur les visites de routine des commerciaux ou sur la base des résultats de l’analyse ABC. La fréquence de commande est un facteur très important et doit être décidée avec soin.

Quels sont les résultats obtenus par vos clients?
Les résultats typiques sont une réduction de 20 à 40% des stocks, une réduction des ruptures de stocks, des ventes perdues et une réduction considérable du travail manuel concernant le processus de commande. AGR Dynamics a de nombreuses études de cas disponibles en ligne pour l’illustrer.
Comment AGR traite-t-il les procédures Cross Docking?

Le système effectue la prévision à la baisse au niveau magasin, en tenant compte de la totalité du délai, par ex. du fournisseur à un entrepôt de correspondance et puis le magasin. La manipulation des commandes est entièrement effectuée dans l’ERP, par ex. une procédure de correspondance (Cross docking).

Est-il possible d'utiliser le système pour optimiser les camions, conteneurs, quantités minimales de commande en valeur, etc.Transport et contraintes de commande?

Oui, le système comprend un module appelé commande restreinte. Ce module peut être utilisé pour remplir toute contrainte définie par l’utilisateur de sorte que la durée de vie de tous les articles commandés devrait être la même. L’utilisateur peut par exemple définir un conteneur qui peut porter un certain volume, poids et nombre de palettes.Sur la base des prévisions de ventes et de l’état des stocks, données sur la masse, le volume, le nombre de palettes et les délais, le modèle calcule la quantité de chaque produit qui doit être commandée pour utiliser l’espace au maximum et assurer les durées de vie semblables des marchandises dans chaque conteneur.

Qu'en est-il de la gestion par exceptions? Si un article est en possible rupture de stock avant la prochaine commande, est-ce prévu?

La fonction Gérer par exception permet de gérer toutes les exceptions qui pourraient survenir. Les utilisateurs peuvent facilement personnaliser leurs propres rapports, puis les enregistrer et les envoyer par courrier électronique. Voici des exemples de rapports standard générés par cet outil:

  1.    Articles surstockés
  2.    Articles soustockés
  3.    Articles risquant de manquer de stock avant la prochaine livraison
  4.     Articles avec des ventes extraordinaires
  5.    Articles avec des erreurs de prévisions élevées
Qu'en est-il par exemple lors de faibles historiques des ventes, ventes très élevées ou des ruptures de stock, ce qui évidemment affecte les prévisions?

Il est possible de « corriger » l’historique des ventes en éditant graphiquement des points extraordinaires pour obtenir des valeurs plus réalistes. Cela peut également être fait pour les données sous forme de table.

Il faut trop de temps pour corriger et surveiller l'historique des ventes de tous les articles. Je n'aurai pas le temps de vérifier chaque référence. Comment le système peut-il m'aider?

Il est possible de définir un rapport d’exception qui identifie tous les éléments présentant une erreur de prévision élevée en raison de « mauvaises données ». De cette façon vous ne devez pas vérifier chaque article, il suffit d’enregistrer seulement ce rapport.

Comment le système prend-il en considération le minimum de commande, les quantités par unité de commande (nombre d'article par carton)?

Le système ne suggère jamais moins que le minimum de quantité de commande. Les quantités supplémentaires seront en multiples de l’unité de commande.

Comment le system suggère une proposition de commande?

Il est plus fréquent que nos utilisateurs préordonnent des propositions de commande afin qu’ils se déroulent à des intervalles définis, par ex. les commandes sont faites pour les fournisseurs A, B et C tous les lundi, etc. Lorsque l’acheteur vient travailler le lundi matin, il passe en revue les propositions puis les envoie dans l’ERP.

Information aux fournisseurs, est-il possible de leur donner un accès??

Il est possible d’autoriser les fournisseurs à avoir accès en lecture seule au système où ils ne verraient que leurs propres éléments. Ainsi, ils ont accès à l’état de stock et les prévisions les aidant à préparer les commandes futures.

Comment les variables sont-elles traitées?

Chaque article avec une variable obtiendra une série de variables dans le système. Lorsque des données sont transférées de l’ERP à l’optimiseur de stock, un préfixe prédéfini est ajouté pour identifier chaque élément dans la variable. Pour une meilleure performance, les articles doivent être replanifiés au niveau le plus bas possible, de sorte que chaque article est vu séparément dans le fournisseur concerné. Les groupes d’articles peuvent également être vus séparément décrivants, la taille, la couleur, etc et donne une vue sur les niveaux de stock, ceci est fait en tant que rapport de Gestion des Exceptions.

Comment gérez-vous les dates d'expiration?

Le système peut prendre les dates d’expiration en considération en les extrayant dans le transfert de données. Il ne tiendra pas compte des éléments expirés dans le cadre des stocks actuels.

Comment envoyer les propositions de commande à l'ERP?

Les propositions de commande sont confirmées dans le system AGR puis transférées directement dans l’ERP où elles subissent leur processus habituel. Le transfert de données réel est une question d’implémentation.

Comment les propositions d'ordre optimale sont-elles calculées?

Le système calcule dynamiquement le niveau de réapprovisionnement et le stock de sécurité, en prenant le niveau de service, l’état de stock, les délais min. Les quantités de commande et le délai de réapprovisionnement des articles en compte. Les données suivantes influencent la proposition de commande:

  • Le délai de livraison et la fréquence des commandes définissent l’horizon temporel du calcul. L’horizon temporel est égal à la durée de livraison + fréquence d’ordre car l’ordre actuel devra couvrir la demande pour cet horizon.
  • Prévisions sur l’horizon de la commande.
  • Stock de sécurité sur l’horizon de la commande.
  • Niveau de stock est déduit de la proposition.
  • Commandes non livrées sont déduites de la proposition.
  • Minimum de commande si la proposition est inférieure au minimum de commandes elle est arrondie.
  • Quantité de commande minimum. La commande est arrondie au multiple de la quantité minimum.