b) Le problème de la
diversité des clients
Après la réception des données
historiques des expéditions de chaque entreprise, nous avons
constitué les séries chronologiques qui feront l'objet des
études statistiques. Un premier travail sur le choix des destinations
pertinentes qui feront l'objet de la prévision est primordial.
Dans ce cadre, nous nous sommes confronté au
problème de la diversité des clients. En effet, chaque entreprise
livre chaque jour une cinquantaine voire une centaine de clients
hétérogènes.
Parmi ces clients formés de plateforme de
distributeurs, de grossistes ou bien d'industriels, la plupart sont des petits
clients non réguliers livrés en petites quantités et de
manière aléatoire. L'élaboration d'une prévision
correcte concernant ces derniers est irréalisable dans la mesure
où nous ne disposons pas d'informations nous permettant de savoir quant
et combien ces clients vont commander.
Plusieurs méthodes ont été
utilisées pour remédier à ce problème. Il serait
objectif, de choisir les clients qui représentent 80% du poids des
expéditions. Cette analyse pourra être affinée par une
étude de la moyenne et de l'écartype ainsi que la
régularité des commandes.
Seuls ces clients feront l'objet de la prévision. Ils
sont généralement des plateformes, des industriels et quelques
grossistes. L'élaboration d'une prévision du volume de transport
pour chacun d'eux est indispensable.
En ce qui concerne les petits clients irréguliers, ils
vont être agrégés et traités comme s'ils
étaient un seul client.
Il faut ajouter que les clients qui ne sont pas
affectés en permanence à un transporteur, ne font pas l'objet
d'une prévision de transport dans cette phase du projet.
Le schéma suivant illustre la méthode retenue
pour le traitement de la diversité des clients :
c) La traduction du poids ou nombre de
colis en nombre de palettes
Une autre difficulté a surgi lors de cette
étude, c'est la conversion du poids ou du nombre de colis en nombre de
palettes. Nous avons cité dans la chapitre précèdent, que
les informations attendues par les transporteurs doivent être
exprimées en nombre de palettes.
L'élaboration d'une prévision en nombre de
palettes nécessitera une conversion du poids ou du nombre de colis
prévisionnel en nombre de palettes et ce selon la nature des produits
transportés et les particularités de chaque entreprise. Le calcul
du poids moyen ou du nombre de colis moyen par palette et par client est par
ailleurs indispensable.
En effet dans la réalité des relations client -
IAA, plusieurs contraintes se posent dans le cadre de la gestion des
livraisons, en l'occurrence la composition des palettes. C'est le cas par
exemple des GMS qui obligent ses fournisseurs d'effectuer des livraisons en
palettes mono-produits.
Globalement, nous avons relevé différentes
typologies de palettes qui sont :
§ Les palettes multi produits
§ Les palettes multi clients
§ Les palettes non gerbées
Nous allons donner des exemples de conversions du poids ou du
nombre de colis en nombre de palettes selon la nature de ces
dernières :
Palettes mono client
n Un seul client par palette (calcul du poids moyen par palette
et par client)
Si gerbée : le nombre de palettes est égal à
: 0.4 + 2.3 + 1.8 = 4.5 pal
Si non gerbée : le nombre de palettes est égal
à : 1 + 3 + 2 = 6 pal
Palettes multi clients
n Estimation du poids moyen par palette et par client
Donc pour les clients X, Y et Z : 0.2 + 0.3 + 0.4 = 0.9
palette
Après avoir défini la prévision ainsi que
sa nature dans le projet collaboratif en Bretagne, nous avons explicité
les difficultés rencontrées ainsi que les réflexions mises
en avant pour les surmonter.
Les entreprises ont alors préparé le terrain
pour le commencement des travaux d'analyse statistique et
économétrique des séries chronologiques qui respectent les
conditions favorables aux calculs des prévisions.
Nous allons maintenant au cours du deuxième chapitre
élaborer une méthodologie de calcul des prévisions qui
satisfait d'une part, les besoins des entreprises en terme de
difficultés de mise en place, et d'autre part les besoins de
transporteurs en fiabilité.
| 
