Tirer parti de l'IA pour la prévision de la demande et l'optimisation des stocks

Introduction

MTE-THOMSON, fondée en 1957 sous le nom de Metalúrgica Termo-Elétrica, est l'un des principaux fabricants brésiliens de systèmes de contrôle de la température et de gestion du moteur pour l'industrie automobile. Avec plus de 3 000 produits, dont des capteurs et des thermostats, l'entreprise dessert des clients dans plus de 100 pays. L'importance qu'elle accorde à la qualité et à l'innovation a fait d'elle le seul producteur de thermistances PTC et NTC d'Amérique latine.

Pour rester compétitif sur le marché mondial, MTE-THOMSON s'approvisionne efficacement en matériaux essentiels en utilisant les données et l'IA/ML. Cette approche garantit la qualité et la fiabilité de leurs composants automobiles spécialisés, ce qui contribue à leur succès dans l'industrie.

‍Défisrencontrés

MTE-THOMSON était aux prises avec deux problèmes interconnectés qui avaient un impact sur son efficacité opérationnelle et sa rentabilité. 

1. La première consistait à prévoir avec précision la demande pour sa gamme variée de produits. Des prévisions imprécises de la demande pouvaient entraîner une surproduction ou des ruptures de stock, qui ont toutes deux des répercussions importantes sur les coûts. 

2. Le deuxième défi consistait à gérer les stocks à des niveaux optimaux. Sans prévisions précises de la demande, maintenir le bon équilibre des stocks devient une tâche ardue. Un surstockage entraîne une augmentation des coûts de stockage et un risque d'obsolescence, tandis qu'un sous-stockage peut conduire à des opportunités de vente manquées et à l'insatisfaction des clients.

Solution mise en œuvre

L'équipe de RapidCanvas a pu achever le projet en l'espace de trois mois seulement. La mise en œuvre a été effectuée de manière systématique, en progressant à chaque étape :

‍Collecte et nettoyage des données

L'équipe a commencé par recueillir des données pertinentes auprès de diverses sources. Ces données ont ensuite été nettoyées afin de garantir leur exactitude et leur fiabilité, ce qui est crucial pour les étapes suivantes.

‍Modélisation automatiséepour la prévision de la demande

Avec les données nettoyées, l'équipe a ensuite construit un modèle d'apprentissage automatique spécialement conçu pour prévoir la demande pour les produits de MTE- THOMSON. Ce modèle utilise les données historiques et les modèles pour prédire la demande future, fournissant une prévision plus précise et plus dynamique que les méthodes traditionnelles.

‍Développement dusystème d'optimisation des stocks

Une fois le modèle de prévision de la demande mis en place, l'équipe a développé un système d'optimisation des stocks. Ce système utilise les prévisions de la demande pour déterminer les niveaux de stock optimaux pour chaque produit, en tenant compte de facteurs tels que les délais de livraison, les cycles de commande et les niveaux de stock de sécurité.

‍Créer destableaux de bord avec des informations

La dernière étape a été la création d'un tableau de bord convivial. Cet outil permet à MTE-THOMSON de suivre facilement les indicateurs clés, de visualiser les prévisions de la demande et de gérer les stocks, ce qui permet de prendre des décisions plus éclairées et plus efficaces.

Résultats et avantages

Augmentation de l'efficacité opérationnelle

La réduction du temps consacré aux ajustements manuels et la possibilité pour l'équipe chargée de la chaîne d'approvisionnement de se concentrer sur des tâches stratégiques ont permis de réaliser des économies de plus de 200 000 dollars.

‍Réductiondes erreurs de suggestion d'ordre

Avec moins d'erreurs, le risque de ruptures de stock et de ventes perdues a diminué, ce qui pourrait permettre de récupérer 200 000 dollars de ventes manquées par an et d'économiser près de 500 000 dollars grâce à un stockage optimal.

‍Optimisation desniveaux de stock

Dans 67 % des cas, les niveaux de stock moyens ont été réduits sans augmentation des ruptures de stock. Cela signifie que l'entreprise a été en mesure de maintenir un stock plus léger sans compromettre la disponibilité des produits.

‍Amélioration de laprécision des prévisions

L'erreur absolue moyenne en pourcentage (MAPE), une mesure de la précision des prévisions, s'est améliorée de 9 %. Cela indique une prédiction plus précise de la demande, réduisant la probabilité de surproduction ou de sous-production.

Visibilité et contrôle accrus

Le nouveau système a permis une meilleure visibilité du processus de gestion des stocks. Cela a permis un suivi et une prise de décision plus efficaces, conduisant à un meilleur contrôle des niveaux d'inventaire.

Productivité accrue‍

La productivité de l'équipe chargée de la chaîne d'approvisionnement a été améliorée, car elle a pu se concentrer sur des tâches plus stratégiques plutôt que sur la gestion de feuilles de calcul. Cela a non seulement amélioré l'efficacité, mais a également permis une gestion des stocks plus stratégique et proactive.