Naviguer dans les défis de la gestion des stocks après la pandémie
Les entreprises doivent adapter leurs stratégies de gestion des stocks pour surmonter les incertitudes actuelles de la chaîne d'approvisionnement.
― 9 min lire
Table des matières
- L'Importance de la Gestion des stocks
- Structures de Chaîne d'Approvisionnement
- Le Besoin de Gestion des risques
- Explication du Problème du Newvendor
- Défis avec Plusieurs Fournisseurs
- Le Rôle de la Technologie dans la Gestion des Stocks
- Le Passage aux Solutions Quantiques
- Aborder l'Incertitude dans les Relations Fournisseurs
- Application Réelle et Perspectives
- L'Avenir de la Gestion des Stocks
- Conclusion
- Source originale
Dans le monde d'aujourd'hui, les entreprises font face à beaucoup de défis, surtout après la pandémie. Un gros souci est comment gérer efficacement leurs Chaînes d'approvisionnement. Ces chaînes impliquent divers partenaires, des fournisseurs de matières premières aux consommateurs finaux, et leur fonctionnement peut vraiment influencer le succès d'une entreprise. Pour beaucoup de boîtes, gérer les stocks est une partie essentielle de ce processus.
Gestion des stocks
L'Importance de laLa gestion des stocks consiste à décider combien de produits commander et quand. Prendre les mauvaises décisions peut entraîner des coûts qui nuisent aux bénéfices. Par exemple, si une entreprise commande trop, elle peut se retrouver avec des stocks en trop qu'elle ne peut pas vendre. À l'inverse, si elle commande trop peu, elle peut passer à côté d'opportunités de vente. Donc, les entreprises doivent bien réfléchir aux tendances du marché, à la dynamique concurrentielle et à d'autres facteurs pour prendre des décisions éclairées.
Mais il y a toujours de l'incertitude dans ces décisions. La demande de produits peut changer de manière inattendue pour diverses raisons, comme des changements économiques ou des événements naturels. Cette imprévisibilité rend le travail des décideurs encore plus compliqué.
Structures de Chaîne d'Approvisionnement
Les chaînes d'approvisionnement peuvent être centralisées ou décentralisées. Dans une configuration centralisée, une seule entité est responsable de tout, de la production à la distribution. En revanche, une chaîne d'approvisionnement décentralisée se compose de plusieurs entités indépendantes. Ces entreprises fonctionnent de manière autonome, motivées par leurs propres intérêts, ce qui peut compliquer la coordination de la gestion des stocks.
Dans les chaînes d'approvisionnement décentralisées, les entreprises comptent sur un réseau de fournisseurs pour répondre à leurs besoins. Cette dépendance crée beaucoup d'Incertitudes. Certains risques proviennent de changements typiques dans la demande, tandis que d'autres viennent de perturbations inattendues, comme des catastrophes naturelles ou des pannes de chaîne d'approvisionnement.
Un exemple notable est la dépendance à une seule source pour des composants cruciaux. Lorsqu'un désastre survient chez ce fournisseur, cela peut causer des perturbations importantes. Par exemple, un incendie dans une usine Philips a affecté des entreprises comme Nokia et Ericsson. Ericsson, qui dépendait de Philips pour des pièces essentielles, a subi de lourdes pertes de production et a finalement quitté le marché des téléphones portables, montrant la vulnérabilité de s'appuyer sur une seule source. En revanche, Nokia a montré sa résilience en se tournant rapidement vers d'autres fournisseurs.
Gestion des risques
Le Besoin deGérer les risques est devenu de plus en plus important pour les entreprises cherchant un avantage compétitif. Cependant, aborder tous les risques possibles en même temps peut être écrasant. Même se concentrer sur un seul type de risque peut poser des défis.
Cette discussion nous amène au problème du newvendor, qui se concentre spécifiquement sur la gestion des stocks sous incertitude. Au cœur de ce problème, deux questions clés se posent : quand une entreprise devrait-elle commander des stocks, et combien devrait-elle commander ?
Explication du Problème du Newvendor
Le modèle du newvendor simplifie le processus de décision pour les stocks. Une entreprise doit décider combien de stocks commander pour une seule période de vente sans connaître la demande à venir. Les ventes pendant cette période sont influencées à la fois par la demande réelle et par la quantité de stock fournie.
Les conséquences de ces décisions peuvent être notables. Si la demande réelle dépasse l'approvisionnement, l'entreprise peut manquer de produits, entraînant des ventes perdues. En revanche, si l'approvisionnement dépasse la demande, l'entreprise peut tout vendre mais faire face à des coûts dus à un surplus de stock.
En général, l'objectif est d'optimiser le profit attendu, ce qui signifie que l'entreprise doit viser à établir des niveaux de stock où la probabilité de satisfaire la demande s'aligne avec certains facteurs de coût.
Défis avec Plusieurs Fournisseurs
Le modèle de base du newvendor suppose un seul fournisseur, ce qui simplifie la prise de décision. Cependant, les scénarios réels impliquent souvent plusieurs fournisseurs avec différents niveaux de fiabilité. Ici, les entreprises doivent évaluer les fournisseurs non seulement en fonction du coût mais aussi de leur capacité à remplir les commandes de manière cohérente.
Le défi s'intensifie lorsque les fournisseurs sont peu fiables. Une entreprise pourrait faire face à des conséquences financières si ses commandes ne sont pas remplies de manière cohérente. Donc, le processus de décision devient plus compliqué et nécessite un équilibre entre la taille de la commande et le choix du fournisseur.
Les entreprises rencontrent deux situations principales :
Utilisation de Plusieurs Fournisseurs avec une Capacité Fiable : Ici, une entreprise devrait prioriser les fournisseurs en fonction du coût. Si un fournisseur ne peut pas répondre à la demande, elle cherchera la prochaine option la moins chère.
Utilisation d'un Seul Fournisseur avec une Capacité Incertaine : Si une entreprise ne paie que ce qu'elle reçoit, elle doit s'assurer de commander assez pour répondre à la demande attendue. Cependant, si le fournisseur a une capacité fluctuante selon la taille de la commande, des ajustements peuvent être nécessaires.
Le Rôle de la Technologie dans la Gestion des Stocks
Pour gérer ces complexités, certaines entreprises ont commencé à utiliser des technologies avancées. Une de ces approches est les méthodes Quantum Monte Carlo, qui offrent des moyens plus efficaces de modéliser des systèmes complexes. Ces méthodes tirent parti de l'échantillonnage aléatoire et des techniques statistiques pour proposer des solutions à des défis difficiles à résoudre par des méthodes traditionnelles.
L'informatique quantique offre un potentiel excitant, surtout pour le traitement d'informations complexes. Pour la gestion des stocks, des algorithmes peuvent aider les entreprises à estimer plus efficacement les probabilités ou les valeurs d'attente.
Le Passage aux Solutions Quantiques
Alors que les méthodes traditionnelles peuvent avoir du mal avec des problèmes complexes, comme ceux avec de nombreuses variables, les techniques quantiques montrent des promesses pour fournir des réponses plus rapides. Ces algorithmes quantiques s'appuient sur les principes de la mécanique quantique pour améliorer la vitesse des calculs.
Pour la gestion des stocks, utiliser ces solutions quantiques avancées peut considérablement améliorer l'efficacité des processus de décision. C'est particulièrement vrai dans les scénarios où les entreprises doivent dépendre de fournisseurs incertains.
Aborder l'Incertitude dans les Relations Fournisseurs
Les stratégies commerciales doivent s'adapter lorsqu'il s'agit de plusieurs fournisseurs, surtout lorsque leur fiabilité varie. Les entreprises doivent gérer leurs commandes tout en tenant compte de la nature imprévisible de ces fournisseurs. Une approche structurée peut aider à cet égard, permettant aux entreprises d'évaluer différents scénarios et de déterminer les résultats potentiels en fonction des performances des fournisseurs.
Les entreprises peuvent également envisager de créer des accords plus flexibles avec leurs fournisseurs ou de diversifier leur base de fournisseurs. Cette flexibilité peut aider à atténuer les risques associés à la dépendance envers un seul fournisseur.
Application Réelle et Perspectives
Mettre en œuvre ces stratégies implique à la fois de l'expérimentation et de l'analyse. Par exemple, une entreprise pourrait analyser des données de demande historiques pour identifier des motifs et prendre des décisions de prévision éclairées. Il est également bénéfique de revoir régulièrement les performances des fournisseurs pour mesurer la fiabilité et ajuster les commandes au besoin.
En évaluant les performances de plusieurs fournisseurs, les entreprises peuvent créer des cartes thermiques ou des représentations visuelles qui mettent en évidence les meilleures stratégies de commande en fonction des niveaux de fiabilité des fournisseurs. En évaluant des valeurs objectives telles que les bénéfices à travers différents scénarios, les entreprises peuvent prendre de meilleures décisions sur où se procurer leurs produits.
L'Avenir de la Gestion des Stocks
Alors que la technologie continue de progresser, les entreprises ont accès à des outils et méthodes plus sophistiqués pour relever les défis de la gestion des stocks. Les insights tirés de l'intégration des techniques quantiques dans la prise de décision concernant les stocks pourraient ouvrir la voie à une meilleure résilience dans les opérations de chaîne d'approvisionnement.
Au fur et à mesure que les entreprises collectent plus de données et affinent leurs approches, elles peuvent améliorer leur capacité à répondre aux demandes fluctuantes du marché et aux incertitudes de la chaîne d'approvisionnement. L'accent mis sur la fiabilité des fournisseurs, ainsi que l'exploitation des technologies innovantes, pourrait conduire à une stratégie de gestion des stocks plus adaptative et efficace.
Conclusion
En conclusion, gérer les stocks dans un monde où les incertitudes abondent n'est pas une mince affaire. Les entreprises doivent se concentrer sur la compréhension des dynamiques de leurs chaînes d'approvisionnement, surtout lorsqu'elles traitent avec des fournisseurs peu fiables. En utilisant une combinaison de technologies avancées et de stratégies complètes de gestion des risques, les entreprises peuvent naviguer efficacement à travers ces défis.
La quête continue d'optimiser les niveaux de stocks et de maximiser les bénéfices continuera d'évoluer à mesure que les entreprises chercheront à réagir aux changements du marché et à améliorer leur résilience face aux disruptions de la chaîne d'approvisionnement. Dans cet environnement en constante évolution, ceux qui s'adaptent rapidement et efficacement sécuriseront un avantage compétitif à l'avenir.
Titre: Quantum Monte Carlo methods for Newsvendor problem with Multiple Unreliable Suppliers
Résumé: In the post-pandemic world, manufacturing enterprises face increasing uncertainties, especially with vulnerabilities in global supply chains. Although supply chain management has been extensively studied, the critical influence of decision-makers (DMs) in these systems remains underexplored. This study studies the inventory management problem under risk using the newsvendor model by incorporating DMs risk preferences. By employing the Quantum Monte Carlo (QMC) combined with Quantum Amplitude Estimation (QAE) algorithm, the estimation of probabilities or expectation values can be done more efficiently. This offers near-quadratic speedup compared to classical Monte Carlo methods. Our findings illuminate the intricate relationship between risk-aware decision-making and inventory management, providing essential insights for enhancing supply chain resilience and adaptability in uncertain conditions
Auteurs: Monit Sharma, Hoong Chuin Lau
Dernière mise à jour: 2024-09-11 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2409.07183
Source PDF: https://arxiv.org/pdf/2409.07183
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.