• 19ème :

– Organisation de l’intendance : Depuis Alexandre Legrand, l’histoire de la logistique s’ancre profondément dans l’histoire militaire à travers l’organisation de l’intendance. Être capable d’acheminer, en temps et en heure et quelque soient les contraintes (éloignement, météorologie, complexité géopolitique,…), des hommes, des vivres et des munitions est une clé de succès pour toute campagne de conquête moderne. L’exemple des trains d’intendance de l’armée Napoléonienne en est une parfaite illustration. Le terme logistique apparaît pour la première fois dans le Traité sur l’art de la guerre du général Jomini (1838).

•  1930 :

– Fonction support dans une organisation taylorienne : Suite à l’organisation taylorienne des unités de production, la logistique est pensée comme une fonction support de la capacité de production. Elle est cloisonnée en un ensemble de métiers spécialisés que l’on connaît encore aujourd’hui :
prévisions I approvisionnements I planification I gestion des stocks I entreposage I conditionnement I distribution I transport I achat I gestion fluide

•  1940 :

– Recherche opérationnelle : L’organisation nécessaire à la logistique et à l’optimisation de l’effort de guerre de la seconde guerre mondiale pousse la logistique à s’adosser à une science très poussée : la recherche opérationnelle. La vision et les choix d’organisation logistique deviennent alors fondés par une logique mathématique de recherche d’optimaux. Le développement des sciences informatiques fournira un réel appui à cette évolution.

• 1960 :

Soutien Logistique Intégré-SLI : Le concept de coût de possession global (Life Cycle Cost – LCC) modifie la logique support de la logistique pour l’intégrer beaucoup plus profondément au sein de la chaîne de création de valeur. Tout d’abord utilisée pour des applications militaires, cette notion de Soutien Logistique Intégré a pour objectif, dès la conception du produit, d’en influencer la définition pour obtenir une meilleure disponibilité opérationnelle. La logistique commence à devenir transversale.

 

• 1970 :

– 3^ème révolution industrielle : Basée sur le développement des nouvelles technologies de l’information et de la communication (micro-processeur, API,…), cette révolution marque le début de l’automatisation des lignes de production. La gestion informatique des données permet d’alimenter les progiciels de gestion de ce qu’on appelle alors la chaîne logistique.

• 1973 :

– Le code barre : Début de l’utilisation courante du code barre suite au brevet déposé en 1952. Cette automatisation de l’enregistrement des produits révolutionne la traçabilité des produits et sous-produits industriels. Associé aux évolutions de la 3^ème révolution industrielle, cette innovation est la base du suivi de bout en bout de la chaîne logistique des produits industriels.

•  1964 -79 :

– MRP informatisés : Les premiers systèmes de gestion de production informatisés MRP (Material Requirement Planning) voient le jour en 1964 grâce à Orlicky pour le calcul de besoins matières. Ils évoluent progressivement vers le MRP II (Manufacturing Resources Planning) en 1979 pour intégrer la gestion des capacités et donc des ressources humaines. Cela permet ainsi une planification complète de la production, son suivi et l’anticipation des coûts associés. Le principe repose sur un équilibrage forcé des ressources et des besoins à chaque niveau.

•  1980 :

– Juste-à-Temps et flux tirés : La vision «orientée client» et la logique du «juste à temps» que promeut le Toyotisme depuis 1964, poussent les industries à passer d’une organisation de flux poussés à flux tirés. Cette évolution transforme durablement la logistique en regroupant les métiers de la logistique amont d’un côté et ceux de la logistique aval de l’autre. La tendance à la minimisation des stocks devient la norme. L’approche Juste-à-temps et les méthodes associées comme l’utilisation des boucles Kanban est une première réponse aux limites du MRP : sa sensibilité aux faibles perturbations, appelé l’effet «coup de fouet» («bullwhip effect»).

→ C’est l’émergence d’une approche globale

• 1983 :
  – S&OP : Dick LING invente le processus Sales & Operations Plan (S&OP) qui consiste à coordonner les activités de toutes les fonctions de l’entreprise. L’objectif est de s’accorder sur un plan agrégé de mise à disposition de ressources pour faire face à des scenarii de prévisions de la demande à moyen et long terme.
  Un S&OP réaliste exprimé en prévision de volume mensuel par famille de produit, permet ensuite d’élaborer un Programme Directeur de Production (Master Production Schedule) fiable par référence de produits finis à fabriquer.
•  1984 :
  – Théorie des contraintes : Développée par Eliyahu Goldratt en 1984, elle met en évidence les caractéristiques non-linéaires des chaines logistiques dans lesquelles la vitesse du flux dépend de la «capabilité» du maillon le plus faible.
• 1988 :
  – Méthode Lean : Dans la continuité du Toyotisme, de l’approche juste-à-temps, des boucles Kanban, cette méthode se construit autour de la recherche de la performance globale, par l’amélioration continue et l’élimination des gaspillages, afin d’améliorer la valeur globale pour le client. Le développement du Lean Management avec les notions de «Valeur Ajoutée pour le client» et de «sens du travail pour tous» accompagne l’évolution de la Supply Chain.
•  1990 :
  – Enterprise Ressources Planning (ERP) : Apparition progressive des ERP comme intégrateur complet des fonctions de gestion de l’entreprise comme les MRP le permettaient pour les fonctions production. L’ERP couvre bien plus que la Supply Chain.
•  1991 :
  – Création du terme Supply Chain pour désigner l’étendue de la chaine logistique : depuis les fournisseurs des fournisseurs, jusqu’aux clients des clients.
•  2000 :
  – Puces RFID : Inventées dans les années 80, l’utilisation des puces RFID se développe. Elles sont utilisées pour stocker des informations sur les produits tout au long de la chaine de production.

– Advanced Planning Scheduling (APS) : Apparition des APS, qui sont des couches de logiciel supplémentaires, complétant les ERP et ayant pour but de combler les lacunes rencontrées en gestion de production. Avec le recul, ces logiciels n’ont pas forcément répondu aux attentes suscitées.

– Développement de logiciels : De nombreux logiciels pouvant se greffer autour de l’ERP voient le jour (pour le suivi des stocks, pour les prévisions de ventes, …).

• 2000 – 2015 :

– Intermédiation : La Supply Chain est totalement transversale dans l’objectif d’être centrée sur la satisfaction des besoins clients. De nombreuses plateformes se développent pour devenir des intermédiaires entre l’industrie et le client final et développer au maximum les logiques spécifiques de la distribution (diversité des modes d’acheminement, personnalisation des livraisons,…).
Le Big Data est un outil essentiel de l’intermédiation et de la gestion d’un nombre important de flux personnalisés.

 

• 2005 – 2015 : L’automatisation du système industriel impacte fortement les métiers de gestion de stocks :

– Automatic Guided Vehicule (AGV) : Le développement de solutions automatisées de gestion des marchandises pour la gestion des entrepôts s’accélère grâce à la maturation des technologies de filoguidage, laserguidage, optoguidage et géoguidage ;

– Les systèmes d’assistances aux opérateurs (cobot, assistance à la préparation de commande,..) sont développés.

•  2008 :
  – Accessibilité élargie de l’information : En parallèle de l’automatisation, l’accessibilité de l’information s’améliore grandement (QR code, traçabilité centralisée) sur les produits et les flux. L’accessibilité des informations en interne pour tous les acteurs de la chaîne de création de valeur (outils de la mobilité, outils ERP, Internet of Things -IoT,…). L’accessibilité des informations aussi en externe pour les autres entreprises de la filière ou pour les clients.
  Une accessibilité des informations qui impose de nouvelles exigences : continuité numérique, nouvelles compétences,….

 

•  2011 :

– Demand Driven MRP (DDMRP) : Créé en 2000 par Carol Ptak et Chad Smith, le Demand Driven Institute développe, sur la base de la théorie des contraintes, un modèle de pilotage des Supply Chain «complex adaptif» basé sur la production de la demande réelle. La mise en place de stocks tampons (buffer), comme amortisseurs d’oscillations de flux, à des endroits stratégiques des Supply Chain constitue la caractéristique principale de DDMRP (Demand Driven Material Planning). Couplé au process Demand Driven S&OP, il permet à l’entreprise de devenir Demand Driven Adaptive. On parle alors de Demand Driven Adaptive Enterprise (DDAE).

 

– 4^ème révolution industrielle : Les outils de pilotage de gestion des flux ont été pensés dans un contexte économique où l’incertitude et la variabilité étaient relativement faibles alors que ce n’est plus le cas aujourd’hui. Les outils numériques permettent de changer de dimension dans le traitement de cette incertitude et la Supply Chain en sera grandement impactée : capteurs, traitement Big Data, cloud, blockchain, … Ces outils permettent/tront une remontée d’information en masse et une transformation en smart datas dans de nombreux domaines (prévisions de commande, …). Ils permettront également un suivi des produits en temps réel et tout au long de leurs vies (géolocalisation, aléas d’utilisation, …)

POUR UNE BONNE GESTION DES FLUX

Il faut partir de la demande client, puis l’aligner sur les contraintes de la production multi-sites/multi-acteurs et aller jusqu’à la distribution avec pour objectif : la satisfaction client.

 

MALGRE L’EFFERVESCENCE ACTUELLE

Un processus de planification à maîtriser alors qu’il est en pleine évolution, impacté par :
– L’exploitation de la masse d’informations à disposition ;
– La planification collaborative, où plusieurs entreprises ayant besoin de produits similaires mutualisent leur planification de commande ;

– La réalimentation automatique du stock d’un fournisseur chez son client à partir d’un partage d’informations sur les prévisions de vente au client final ;

– Les moyens informatiques de traitement de données pour des prévisions court terme toujours plus difficiles à cerner ;

– L’utilisation des commandes réelles pour déclencher les ordres de production et d’approvisionnement avec une approche plus systémique complexe et adaptative, en préférant le «globalement juste au précisément faux» ;

En parallèle, les compétences de planification évoluent pour prendre en compte une planification industrielle et commerciale en ligne avec les objectifs stratégiques : au niveau corporate et pilotage Et aussi aux niveaux intermédiaires tactiques et opérationnels

 

EN LIEN DIRECT AVEC LA GESTION DES STOCKS

Pas de processus de planification sans optimisation du niveau des stocks pour éviter les ruptures, limiter les coûts de stockage, clarifier l’espace de travail et augmenter la visibilité des flux (pour éviter que des stocks masquent des problèmes non résolus).

Un processus de planification facilité par les nombreuses solutions à disposition :
 

• Gestion des stocks en bord de ligne de production
  Une gestion permettant : L’optimisation de l’ergonomie de stockage I  Une quantité stockée qui varie plus pour amortir les oscillations des quantités fabriquées I Une proximité avec les lignes de production plus contraignante ;

 

• Mutualisation de la logistique
  Des plateformes collaboratives pour mutualiser et ainsi faire baisser les coûts,
  d’activités tels que : La prise de commande I L’approvisionnement I Les moyens I L’entreposage I L’optimisation de transport ;
  Ce sont des pratiques qui se font déjà dans la grande distribution et dans les services et qui arriveront massivement dans le monde industriel. Ainsi des entrepôts collaboratifs qui deviennent/dront de véritables lieux d’échanges qui créent de la valeur ajoutée

 

•  Automatisation des entrepôts
  La gestion des stocks au sein des entrepôts est de plus en plus automatisées grâce à : – Des chariots filoguidés (Automated Guided Vehicules – AGV) et des cabots (exosquelette, aide à la prise de commande, …) pour déplacer les produits dans les entrepôts ;
  – Des outils de traçabilité (QR code, blockchain, …) pour connaître en temps réel l’état des stocks ;
  – Des outils de management de la donnée (ERP, …) pour aider au pilotage des flux et des hommes, au service de la prise de décision ;

Un raisonnement par flux tiré incontournable
L’optimisation des flux passe par le positionnement de points de découplage entre les flux poussés, liés à la performance de la production, et les flux tirés induits par la demande client. Soutenu par la maîtrise grandissante des flux d’informations, un raisonnement par flux tiré qui n’est pas nouveau, mais va encore plus loin :
– Une théorie des contraintes plus que jamais d’actualité ;
– Une prise en compte du flux de matières premières, jusqu’ici encore peu impacté ;
– Une gestion des stocks cruciale, totalement en lien avec la demande Client ;
– Une intégration progressive de l’économie circulaire ;

Un raisonnement par flux tiré incontournable
La connexion entre flux physiques et flux d’information doit permettre une synchronisation globale de TOUTE la Supply Chain, grâce aux progrès des Technologies de l’Information et de la Communication (TIC) :
– Dématérialisation totale des échanges d’informations qui reste un chantier important pour de nombreuses entreprises ;
– Standardisation des données comme préalable à la numérisation pour en optimiser l’exploitation ;
– Traçabilité des produits en forte progression, dans tous les secteurs d’activités, notamment à travers le développement de la technologie blockchain ;

Une supply chain pilotée par la performance financière
C’est-à dire que la Supply Chain aspire à être capable de chiffrer toujours plus précisément la valeur ajoutée pour le client. Concrètement, avec le rôle accru du contrôle de gestion, l’entreprise est en capacité de comprendre à la fin de chaque semaine, de chaque jour si le plan annoncé a été réalisé et si ce n’est pas le cas, de mettre en place des actions correctives.
C’est une nécessité d’intégrer des données financières dans les outils de simulation des flux, de façon à raisonner en création de valeur et cash-flow, et non plus en rentabilité machine.
Un «order-to-cash» est un outil prépondérant pour maximiser la rentrée d’argent et pour optimiser la trésorerie.
Lors de la simulation des flux, l’Intelligence Artifcielle, les outils Big data, les outils de simulation digitaux, vont jouer un rôle important pour permettre de faire des prévisions au plus près du temps réel.

• Flux financiers dans un objectif de rentabilité de l’entreprise
  Quelques exemples de questions essentielles que les entreprises, surtout les PME,
  ne se posent pas ou bien auxquelles elles ne savent pas forcément bien répondre aujourd’hui :
•  Comment valoriser la qualité de service ? Que coûte la qualité de service ?
• Quel impact financier si on s’engage à livrer quelques jours plus tôt ou bien quelques jours plus tard ?
• Est-ce qu’il vaut mieux fabriquer un produit :
  – 1 fois/mois en grande quantité en optimisant ainsi les coûts de production (hors coûts de stockage), …
  – 1 fois/semaine ou même 1 fois/jour en optimisant le niveau des stocks, la qualité de service, … et en recherchant plus de flexibilité et d’adaptabilité à la demande client (réduction de la taille des lots, des temps de changement de série, des gaspillages, …)

Pour révolutionner la traçabilité des flux et la vie du produit
Cette technologie va permettre de :

•  Repenser les collaborations dans la Supply Chain, dont les implications exactes ne sont pas encore clairement identifiée ;
•  Stocker de manière fiable et sécurisée l’ensemble des données d’évolution et de traçabilité d’un produit, permettant de clarifier et de rendre transparente la chaîne de responsabilité ;
•  Suivre en temps réel les produits, depuis la matière première jusqu’à l’utilisation par le client, donnant ainsi la possibilité de tracer la vie complète du produit et ses évènements majeurs ;*Ce qu’est la technologie blockchain : Bien connu dans le cas du développement des crypto-monnaies, la technologie blockchain permet de stocker de façon sécurisée l’histoire complète d’évolution d’une information. En effet, c’est une base de données distribuée (chaîne de bloc de donnée) et cryptée qui enregistre de manière décentralisée l’ensemble des transactions et des évolutions que subit un lot de données. Elle possède deux caractéristiques principales :
  –  Elle ne dépend pas d’un organe de contrôle car la preuve de la fiabilié du lot de données est assurée par une validation collective des usagers.
  – Chaque transaction (échange/évolution) du lot de données conduit à l’ajout d’un nouveau bloc non modifiable et non supprimable validé par les utilisateurs.

Pour tester avant décision

La simulation numérique et le jumeau numérique permettent de simuler l’impact de telle ou telle décision sur l’efficacité et l’efficience globale :
– Simulation de la performance avec prise de décision stratégique («make or buy») ;
– Vérification de positionnement ergonomique ;

– Simulation de transport interne ;
– Constitution des lots de fabrication (allotissement) ;
…

Pour tracer à tout moment tout produit

Les lancements en production dépendent aujourd’hui d’une quantité importante d’informations, qui sont encore très largement remontées manuellement :
niveau de qualité I rebuts I temps passé, …
Les logiciels utilisés aujourd’hui traitent déjà une somme importante de données, les objets connectés permettront d’aller encore plus loin. Ces objets connectés commencent tout juste à inonder la Supply Chain et l’on peut s’attendre à une remontée d’un nombre encore plus gigantesque d’informations.

Bon à savoir : On est passé en 10 à 15 ans d’une situation où la Supply Chain manquait d’informations à une masse d’informations disponibles, prêtes à être exploitées.
Les personnes qui pilotent la Supply Chain aujourd’hui se trouvent face à une quantité massive d’informations et un grand questionnement : comment les gérer ? comment les utiliser à bon escient ? Les réponses sont encore largement à inventer et développer.

Une masse d’informations à transformer en informations utiles – smart data

Le Big Data va :

• Aider à développer le flux d’information, pour aller plus loin que ce que permettent les ERP qui ne prennent en compte que 30 à 40 % des informations utiles ;
•  Permettre de gérer une plus grande traçabilité grâce à la remontée d’informations inaccessibles jusque là ;
•  Faciliter le traitement complexe de la planification et de l’ordonnancement ;
•  Détecter rapidement les anomalies ;Bon à savoir : Un processus Supply Chain doit être en relation avec les métiers du Big Data pour apporter leur connaissance métier, permettant d’exploiter à bon escient les données recueilliesEn savoir plus sur le Big Data

Pour aider à prévoir, contrôler, corriger

Elle n’a pas encore pénétré la Supply Chain mais va grandement se développer à différents niveaux :

• Les prévisions d’achat des consommateurs, et donc de commandes de tel ou tel produit ;
• La prise de décision par un robot ;

 

• La correction d’anomalies et l’auto-apprentissage ;
• Le rangement de produits dans un entrepôt. Certains experts pensent que d’ici 10 ans le rangement de produits industriels dans un entrepôt sera très largement confier à une Intelligence Artificielle. Quelques applications existent aujourd’hui dans la grande distribution ;
• Les bâtiments industriels avec la pose de capteurs permettant de mieux gérer leur consommation d’énergie, de mieux appréhender le recyclage, etc ..

Bon à savoir : Des compétences phares à acquérir : mathématiques et développement informatique

Pour guider, conseiller, former

Les applications à la Supply Chain sont variées comme aide :

• À la préparation de commande ;
• Aux caristes équipés de bracelets, casques, micros pour visualiser et/ ou entendre des instructions de travail, pour valider une sortie de stock ;
• Aux tâches de contrôle dans les entrepôts ;
• À des formations ;Bon à savoir : Un constructeur automobile a développé un centre de formation où un casque de réalité virtuelle et deux commandes sont tout ce qu’il faut pour utiliser le nouveau système de formation interactif pour la logistique d’emballage. Les exercices sont conçus comme un jeu vidéo et l’équipement peut s’installer partout.

Pour l’aide à la manutention

Les robots et cobots se développent dans toute la Supply Chain :

• Automates de transports internes : chariots filoguidés, éhicules autonomes. Un robot qui fait la manutention dans une zone de stockage de matières premières ou de la manutention de produits semi-finis sur un lieu de transformation, va plus vite que l’humain et peut notamment traverser des zones ou l’humain aurait besoin d’équipements spéciaux, tels que des Équipements de Protection Individuelle – EPI ;
• Robots pour déplacer des produits entre bâtiments industriels :
  – à l’aide de drone pour les produits légers et de petits volumes (notamment pour les transports non planifiés) ;
  – à l’aide de tracteurs automatisés équipés de robots pour les produits de grandes tailles ou lourds ;Bon à savoir : des Cobots pour aider à la manutention de pièces lourdes :
  • Les exo-squelettes passifs sont déjà utilisés,
  • Le co-travail d’un robot avec un humain est un axe de progrès important. Ça pose encore d’importantes questions de sécurité à ce jour  De nouveaux questionnements :
  – Une problématique sécurité/responsabilité largement discutée
  – Un débat éthique sur le rôle du robot/cobot par rapport à l’Homme (assistance/substitution)

Pour limiter les coûts de R&D

Dans l’usine connectée, les API industrielles sont essentielles pour permettre aux machines d’échanger des informations et des ordres entre elles et avec les logiciels de gestion de la donnée. Ces dernières années, parallèlement au développement des licences libres de logiciels, les entreprises choisissent régulièrement de miser sur des API publiques. Cela signifie que la partie fonctionnalités internes de l’algorithme est mise à disposition d’un public large. Cette ouverture permet une amélioration constante des API à moindre coût en contrepartie d’un risque sur la sécurité des données qui transitent ou sur la perte de contrôle de l’expérience utilisateur en interne de l’entreprise.
Bon à savoir : plus généralement, quelque soit les API dont on parle, l’harmonisation des protocoles de communication entre API est également un enjeu majeur

*À propos de l’Open API : Une API est une interface d’échange de données entre des systèmes applicatifs pour qu’elles puissent automatiquement échanger et interagir entre elles. De telles interfaces permettent aussi d’accéder à certaines fonctions internes de l’application. Les API permettent de standardiser la forme des données sortantes et entrantes entre systèmes applicatifs rendant ainsi la communication possible.

• Une perte de contrôle des données ;
• Une charge mentale nouvelle pour les préparateurs de commande qui interagissent avec des robots ;
• Être submergé d’informations non exploitables et perdre de vue l’essentiel, tout l’enjeu des traitements sera de reformater et traiter les données, pour les rendre exploitables ;
• Une cybercriminalité qui représente sans doute le risque le plus important pour les entreprises car elle peut pénétrer dans son système de données et permettre :
  – de divulguer des informations confidentielle ;
  – d’accéder au contenu de container pour permettre de cibler des vols ;
  – d’arrêter les productions pilotées à distance ;
  …