contactez-nous

Sell by Maximum Time : risque supply chain

Voyez quels stocks risquent de dépasser leur date limite de vente (Sell by Maximum Time) avant qu'ils ne deviennent une perte.

Un algorithme itératif simule les ventes par lot, emplacement et type de stock ; Power BI affiche le risque, les alertes et les dates clés dans quatre unités de mesure.

NDA 2024

Processus illustratif de gestion du risque de date limite de vente pour les lots de stock, avec des décisions tenant compte des prévisions ; il ne s'agit pas d'une capture d'écran d'un client.
Visuel illustratif ; il ne s'agit pas d'une capture d'écran d'un client. Ouvrir l'image entière

Défi

Les produits à date de durabilité minimale devaient être vendus avant leur date SMT, et l'équipe avait besoin de voir quels stocks étaient à risque.

Livré

Un pipeline automatisé et un algorithme de risque itératif sur Informatica IICS, Snowflake et Power BI.

Gains

Des alertes anticipées et un risque par produit et par lot, recalculés toutes les trois heures.

Défi

La supply chain faisait face à un enjeu critique : gérer des produits soumis à une date de durabilité minimale (Best Before Date, BBD). Chaque produit disposait d'un délai précis au-delà duquel il ne pouvait plus être vendu à des tiers. Pour éviter des pertes, il était impératif de suivre la date « Sell by Maximum Time » (SMT), c'est-à-dire la dernière date à laquelle un produit peut être vendu. L'équipe avait besoin d'un algorithme qui détermine le nombre de produits risquant de dépasser leur date SMT à partir du stock actuel et des prévisions de ventes, en tenant compte des lots, des emplacements de stockage et des types de stock.

Approche

Nous avons développé un pipeline automatisé élaboré. Son cœur est un algorithme itératif qui calcule le nombre de produits à risque en simulant des ventes successives par lot, emplacement et type de stock : la réponse reflète ainsi la façon dont le stock sera réellement consommé, et pas seulement des totaux globaux.

Une couche de collecte automatisée récupère les données de stock et de prévision (quotidiennes et hebdomadaires) dans l'ERP du client et dans des fichiers Excel des utilisateurs. Informatica Intelligent Cloud Solution traite les données et les enrichit d'informations de risque avant de les stocker dans Snowflake. Power BI restitue les données traitées dans des rapports couvrant les valeurs de risque par produit et par lot, les alertes anticipées destinées aux utilisateurs métier, les dates clés (BBD, SMT, date de production), les emplacements, les statuts, les valeurs de prévision, l'âge du stock et les pertes potentielles.

Tous les indicateurs de stock, de risque, de perte et de prévision sont affichés dans quatre unités de mesure : pièces, tonnes, kilogrammes et palettes. Le pipeline recalcule le risque toutes les trois heures, pour que les planificateurs travaillent toujours sur des données à jour.

  1. 01

    Collecter

    Données de stock et de prévision (quotidiennes et hebdomadaires) issues de l'ERP du client et de fichiers Excel des utilisateurs.

  2. 02

    Enrichir et stocker

    Informatica Intelligent Cloud Solution traite les données et les enrichit d'informations de risque avant de les stocker dans Snowflake.

  3. 03

    Simuler

    L'algorithme itératif simule des ventes successives par lot, emplacement et type de stock.

  4. 04

    Restituer

    Power BI affiche le risque par produit et par lot, les alertes anticipées, les dates clés et les pertes potentielles dans quatre unités de mesure.

Résultats

Résultats qualitatifs du projet ; aucune économie mesurée n'est avancée.

  • La supply chain suit et gère efficacement les stocks au regard des dates SMT, ce qui réduit nettement le risque de gaspillage de produits

  • Des rapports Power BI clairs et exploitables aident le service planification à prendre des décisions éclairées

  • Des alertes anticipées signalent les produits à risque avant qu'ils ne deviennent des pertes

  • Un affichage multi-unités (pièces / tonnes / kg / palettes) qui sert les utilisateurs opérationnels comme commerciaux

  • Un risque recalculé toutes les 3 heures : les planificateurs disposent toujours de données à jour

  • La démonstration qu'un algorithme propre au métier, associé à des fondations de données saines, rend gérable un problème de pertes récurrent

Informatica IICS Snowflake Power BI Algorithme de risque sur mesure

Un défi similaire ?

Venez avec une gamme de produits soumise à des contraintes de durée de vie. Voyons comment repérer les stocks à risque avant qu'ils ne deviennent une perte.

Réservez un échange de 30 min