DDMRP : les bons calculs pour le bon problème

J’ai entendu à maintes reprises des commentaires selon lesquels les mathématiques qui sous-tendent la méthode DDMRP sont trop simplistes. Pourtant, dans le monde réel, ces formules « simplistes » ont permis à mes clients de réduire considérablement (+40 %) leurs stocks, d’améliorer leur service (+8 %) et d’éliminer les coûts d’urgence. J’ai commencé à élaborer quelques théories à ce sujet.

La théorie du « mauvais calcul au mauvais moment »

Essayer d’utiliser la théorie de la relativité d’Einstein pour résoudre une équation quadratique de base peut sembler impressionnant, mais je crois que même Einstein se moquerait de vous. Toutes les formules mathématiques ont un but, un moment et un lieu, et attendre des planificateurs qu’ils comprennent des formules incroyablement complexes tout en combattant des incendies opérationnels violents n’est ni le moment ni le lieu. Alors, donnez aux planificateurs les bons outils qui ne nécessitent pas un doctorat en mathématiques appliquées pour les interpréter et les résultats vous surprendront.

L’intérêt de la théorie des « maths exactement correctes » si elle est ignorée ? »

Ce qui m’a toujours attiré dans les mathématiques, c’est qu’il y a toujours une réponse précise. Cependant, après avoir passé 20 ans à vendre des solutions d’optimisation d’APS, il est incroyablement frustrant de constater que toutes ces mathématiques intelligentes (et coûteuses) sont tout simplement ignorées. Une chose que Demand Driven m’a rappelée, c’est que les stocks fluctuent dans une fourchette et le fait d’avoir à peu près raison au départ est beaucoup plus puissants que le fait d’avoir exactement tort !… puis, au fil du temps, extraire la valeur des mathématiques intelligentes dans un processus d’amélioration continue concentré sur l’intégrité du signal de commande et des valeurs aberrantes du modèle.

Ne vous méprenez pas, je crois absolument aux mathématiques intelligentes. Chez b2wise, nous utilisons maintenant l’apprentissage automatique d’AWS pour mieux détecter la demande et les simulations Monte Carlo brevetées de Right Size Inventory pour trouver une zone rouge plus optimale, mais seulement une fois que les mathématiques de base sont en place et fonctionnent.