Statistique appliqué à la gestion de stock à faible rotation

[sori2]

Statistique gestion de stock à faible rotation

Bonjour,
Je possède une liste de consommation d’articles : leur consommation est faible (entre 0 et 15 / an).
Pour gérer au mieux ce stock d’articles, je souhaite prévoir les consommations futures. Qu’utiliser ?
La consommation faible me laisse à penser qu’elle ne suit pas une loi normale.
. Puis-je utiliser une loi statistique pour définir le niveau de stock (sécurité, point de commande) ?
. Est-il préférable d’utiliser un mode de calcul conventionnel ?

Merci,

S
-----

[gg0]

Bonjour.

Si les valeurs sont faibles, une optimisation n'est pas nécessaire. On peut par exemple se contenter de ramener le stock à 15 tous les 6 mois.
Si les valeurs sont importantes, il faut faire mieux. Dans le cas où les sorties de stock sont indépendantes (plus précisément sans mémoire : lorsqu'un article est sorti, la probabilité de sortie des autres dans un temps donné ne change pas), alors une modélisation par une variable de Poisson est une bonne idée.

Un historique des sorties permettra de tester.

Cordialement.

[sori2]

Merci pour votre réponse.
"Valeur" signifie consommation?
Voulez-vous dire qu'avec ce genre de consommations faibles, il ne faut as faire trop de calculs?

Pour info: les articles sont des pièces de rechange de maintenance.

[gg0]

Oui, effectivement, ce sont des consommations, des nombres d'articles.

Si on change une courroie tous les 3 ans, ce n'est pas la peine de calculer, une en stock suffira (si elle est rangée comme il faut). Si on utilise 5 joints à 0,05€ l'un chaque année, inutile de chercher à minimiser le stock.

En maintenance, très souvent la présence des pièces de rechange des machines essentielles l'emporte sur le coût de stockage. Les coûts de non disponibilité pouvant être très importants.

Cordialement.

[A voir en vidéo sur Futura]

[sori2]

Second remerciement.

Je suis d'accord avec vous. Mais: certains articles coûtent (très) cher et je souhaite optimiser le stock.
La liste d'articles étant conséquente (3000), le but est de faire des appréciations automatiques. La question est donc: quelle loi (ou calcul) utiliser et à partir de quel niveau de consommation?

Merci,

Seb

[gg0]

Difficile de répondre,

surtout avec 3000 références. Il n'y a pas de raison que la loi soit la même pour tous les cas. Un tri ABC sur un critère coût (ou coût combiné avec importance) permettrait peut-être de différencier des catégories utiles.

Cordialement.

NB : Il n'y a pas de réponse mathématique systématique à une situation multiple.

[sori2]

Eh oui, c'est là tout le sujet.
Admettons que je ne traite que les cas de la catégorie A: articles à plus de 100 euros et consommation > 3 /an.
Quelle loi de fiabilité appliquer ?

Merci,

S

[gg0]

Ta question n'a pas vraiment de réponse, il n'y a aucune raison qu'une loi statistique soit adaptée à une situation. Je t'ai donné une réponse possible dès mon premier message. Mais il ne faut pas rêver, les statistiques s'appliquent mal aux situation où on a peu d'éléments. Et il est rare qu'existe une règle commune à des situations différentes.

Cordialement.

[sori2]

Merci pour votre attention.

Selon mes recherches de la nuit:
- si la consommation est significative et les sorties régulières: loi normale
- si la consommation est faible: loi de poisson
Mais comment déterminer dans quel cas on est (rappel pour des articles qui coûtent cher)?
-Pour tester la normalité d'une série de sortie d'articles, j'ai trouvé un test (Shapiro et Wilk), mais si elle n'est pas suffisante la réponse n'est apparemment pas fiable (elle a tndance à dire que la série est normale même si elle ne l'est pas)

Sauriez-vous m'éclairer?

S

[gg0]

Ben ... tu as ta réponse, qui est celle que j'avais précisée (car il y a des conditions) dès mon premier post.

C'est à toi de faire tes choix de modélisation.

[sori2]

... et la question que je me pose est de savoir quelle modélisation adopter en fonction de quels critères...

Mais peut-être que pour la consommation de pièces de rechange en maintenance, il vaut mieux éviter ces méthodes qui ont de fortes probabilité d'être mal utilisées....

Merci