Videns a eu la chance d’intervenir chez Tilton, manufacturier et leader dans l’écoconception et la fabrication d’emballages de plastique pour l’industrie alimentaire et pharmaceutique, pour mettre en place les meilleures pratiques pour la prévision des ventes en utilisant des techniques avancées d’IA.
La prévision des commandes futures et des ventes est un processus complexe, souvent manuel et qui doit être exécuté à une fréquence régulière.
La prévision de la demande, également connue sous le terme de « Demand Forecasting », adresse plusieurs scénarios, tels que :
Selon David Paquet, Contrôleur de gestion industrielle, « la solution d’accompagnement proposée par Videns a permis de réduire le risque lié à l’intégration d’un nouveau système de planification de la demande, de former les ressources à l’interne sur les séries temporelles et de réaliser des économies substantielles en coûts d’implantation comparativement à une solution sur mesure. »
Le projet avait pour visée d’augmenter la fiabilité et l’efficacité du plan de production grâce à une prévision de la demande précise et d’assurer la montée en compétences de l’équipe de planification interne dans l’utilisation des nouveaux outils implantés.
L’un des principaux défis était de déterminer la fréquence temporelle de prédiction optimale, car cette dernière peut être sur une base annuelle, mensuelle, voire même hebdomadaire.
« Nous pensions initialement que la base de prédiction optimale serait hebdomadaire, mais l'expertise de Videns en séries temporelles nous a permis de réévaluer cette hypothèse, qui s'est avérée non optimale dans notre contexte d’affaire », a tenu à ajouter David Paquet, Contrôleur de gestion industrielle.
Il est impératif de mentionner qu’une prédiction plus granulaire ne permet pas nécessairement plus de précision. Chez Tilton, obtenir la prédiction par mois porte vers une décision plus éclairée. La performance d’un modèle est dictée par la qualité et l’historique (ou le volume) des données disponibles.
Tilton a réalisé une économie substantielle en coûts d'implantation pour son nouveau système de planification de la demande, avec un temps de déploiement de moins de 6 mois.
L'expertise de Videns en séries temporelles a permis d'optimiser la fréquence de prédiction et d'améliorer la précision des prévisions, pour des décisions plus éclairées.
Une meilleure compréhension des produits substituts et des relations temporelles entre les achats auprès des fournisseurs et les ventes a été obtenue.
La solution privilégiée mobilise des modèles d’intelligence artificielle éprouvés, basés sur des approches de statistiques. Celles-ci permettent l’atteinte de la performance souhaitée, et ce, en quelques semaines. Dans certains cas, la combinaison des méthodes statistiques classiques, de l’apprentissage machine et de l’apprentissage profond permet de modéliser des séries dont le signal est plus complexe. Cette approche multiple permet également de prendre en compte l’interaction entre les séries temporelles, offrant ainsi une compréhension plus précise des produits substituts et de la relationtemporelle entre l’achat auprès des fournisseurs et lavente.
L’expertise de Videns en séries temporelles offre plusieurs avantages pour optimiser la prévision de la demande, notamment en :
La recherche du juste équilibre entre la finesse de la prévision de la demande et la performance des prévisions est au centre de l’expertise appliquée pour la modélisation des séries temporelles.
L’application de l’IA à la prévision de la demande présente un potentiel considérable pour améliorer la précision et l’efficacité des processus de planification. D’autres bénéfices peuvent être tirés de l’application de l’IA à la prévision de la demande :
