Planifier les approvisionnements avec le machine learning

• Comprendre le machine learning appliqué aux approvisionnements
• Préparer les données pour prévoir les besoins et les délais
• Intégrer les recommandations dans le plan d’approvisionnement

Planificateurs, approvisionneurs, responsables supply chain

Connaître la planification des approvisionnements et les données

• Définir le machine learning et ses usages en approvisionnement
• Distinguer apprentissage supervisé et détection d’anomalies
• Rassembler les données de consommation, de stock et de délais
• Préparer les variables : saisonnalité, promotions, fiabilité fournisseur
• Prévoir les besoins et estimer les délais fournisseurs réels
• Recommander des quantités et des dates de commande par article
• Évaluer la qualité des modèles par des indicateurs d’erreur
• Repérer les dérives du modèle et les données devenues obsolètes
• Articuler les recommandations avec la décision du planificateur
• Conduire un projet pilote de prévision sur une famille d’articles

• Préparer un jeu de données de consommation et de délais
• Comparer une recommandation de commande à la décision réelle
• Définir les indicateurs de réussite d’un projet pilote

• Méthodologie de préparation des données d’approvisionnement
• Fiche repère des indicateurs de qualité d’un modèle de prévision
• Modèle de plan de projet pilote sur une famille d’articles