Transport deadlines and common demand batches in regional generator spare stock allocation

Lorsqu'un générateur massif tombe en panne dans un lieu isolé, la différence entre quelques heures d'arrêt de fonctionnement et une panne catastrophique tient souvent à une seule pièce de rechange située dans un entrepôt. Le défi pour les ingénieurs est de décider où conserver ces pièces. Une entreprise doit-elle conserver un immense entrepôt central avec un stock énorme, en espérant expédier une pièce vers n'importe quel lieu lorsqu'un désastre survient ? Ou doit-elle disperser des stocks plus petits dans différentes régions, gardant les pièces plus proches des machines qui en ont besoin ? Cette question est au cœur de la gestion des stocks, un domaine qui tente de trouver l'équilibre entre le coût de détention d'articles supplémentaires et le risque de rupture de stock au moment où ils sont le plus nécessaires. Une complication majeure est que les machines ne tombent pas toujours en panne une par une. Parfois, un événement unique — une tempête, une surtension électrique ou une vérification de maintenance coordonnée — peut provoquer la panne de plusieurs générateurs exactement au même moment, créant une demande soudaine et simultanée de pièces dans différents endroits. Comprendre comment ces demandes « par lots » interagissent avec le temps nécessaire pour transporter une pièce est crucial pour maintenir l'électricité en service.

Une étude récente de Mahmoud Abdelfattah Abbas Mahmoud aborde ce problème en construisant un modèle mathématique précis pour comparer ces deux stratégies : un pool centralisé contre trois stocks régionaux distincts. Le chercheur n'a pas utilisé de données réelles provenant d'une entreprise spécifique, mais a plutôt construit un scénario hypothétique comprenant trois régions distinctes, chacune ayant son propre taux de défaillances aléatoires d'une unité. Crucialement, le modèle incluait également un flux séparé d'« événements communs », où un incident unique déclencherait une demande d'une pièce dans chaque région simultanément. L'étude supposait que chaque fois qu'une pièce était nécessaire, une nouvelle commande était immédiatement passée auprès d'un fournisseur, et que cette nouvelle pièce arriverait exactement sept jours plus tard, quoi qu'il arrive. L'objectif était de voir comment bien chaque système pouvait respecter un délai strict pour acheminer la pièce sur site, allant de huit heures à quarante-huit heures.

L'étude a révélé que la réponse dépend entièrement du temps alloué à la livraison. Lorsque le délai est serré, comme huit heures, la stratégie régionale l'emporte de manière décisive. Dans le scénario spécifique testé avec neuf pièces de rechange au total, la configuration régionale pouvait satisfaire environ 91 pour cent des demandes dans le délai imparti. L'entrepôt central, cependant, n'a réussi qu'environ 21 pour cent. Ce n'est pas parce que l'entrepôt central manquait de pièces, mais parce que le temps nécessaire pour expédier une pièce du centre vers les régions les plus éloignées dépassait simplement la limite de huit heures. Même si l'entrepôt central possédait un stock infini, il ne pourrait surmonter le temps de trajet physique vers les sites les plus distants. À mesure que le délai passait à vingt-quatre heures, la performance de l'entrepôt central s'améliorait considérablement, atteignant environ 51 pour cent. Au moment où le délai s'étirait jusqu'à quarante-huit heures, l'entrepôt central devenait l'option supérieure, satisfaisant près de 98 pour cent des demandes, tandis que les stocks régionaux restaient stables à leur niveau précédent.

La recherche a également mis au jour une faille subtile mais importante dans la façon dont certaines entreprises pourraient estimer leurs besoins. Une approche courante dans la planification des stocks consiste à traiter toutes les demandes comme des événements indépendants et aléatoires, ignorant le fait qu'elles arrivent parfois en groupes. L'étude a montré que si vous utilisez cette méthode simplifiée de « moyenne » pour planifier un objectif de service élevé, vous sous-estimerez le nombre de pièces dont vous avez réellement besoin. Dans un exemple où l'objectif était d'avoir une pièce prête 98 pour cent du temps, la méthode simplifiée suggérait que seize pièces étaient suffisantes. Le calcul exact, qui tenait compte des demandes simultanées de trois pièces, montrait que dix-huit pièces étaient en réalité nécessaires. Se fier à ce calcul plus simple aurait laissé le système en sous-effectif de deux unités, provoquant le non-respect de son objectif.

L'étude est allée plus loin en examinant ce qui se passe lorsqu'une pièce n'est pas immédiatement disponible. Dans le monde réel, si une pièce est en rupture de stock, la demande attend en ligne jusqu'à l'arrivée d'une nouvelle expédition. Le chercheur a calculé le temps total entre le moment où une machine tombe en panne et le moment où la pièce est livrée, incluant cette période d'attente. Lorsque ce temps d'attente a été inclus, la performance des deux systèmes s'est améliorée, mais l'entrepôt central a progressé davantage. Avec un délai de quarante-huit heures, le taux de réussite du système central est passé d'environ 98 pour cent à plus de 99 pour cent, tandis que le système régional est passé à environ 95 pour cent. Cela suggère que, bien que les stocks régionaux soient plus rapides pour les besoins immédiats, un entrepôt central est étonnamment efficace pour rattraper le retard et livrer les pièces à temps, même s'ils doivent d'abord attendre l'arrivée d'une nouvelle expédition.

En fin de compte, l'article fournit une comparaison claire et exacte de ces deux architectures, montrant qu'aucune n'est universellement meilleure. Le choix dépend des contraintes spécifiques de l'opération : la distance que les pièces doivent parcourir, le temps que prend le réapprovisionnement de la chaîne logistique et la fréquence à laquelle les défaillances surviennent en groupe. L'étude souligne que si les mathématiques peuvent prédire la probabilité qu'une pièce arrive à temps, elles ne garantissent pas que la machine sera réparée, car cela dépend de nombreux autres facteurs comme le diagnostic et l'installation. Cependant, en séparant la logistique du mouvement de la pièce de la mécanique de la réparation de la machine, ce travail offre un outil précis aux gestionnaires pour décider de l'emplacement de leur inventaire. Il souligne que l'application pratique nécessite des données calibrées sur la demande, le réapprovisionnement et le transport, et que les résultats identifient les types de données nécessaires pour décider si un entrepôt central, un stock régional ou une architecture mixte mérite une analyse plus détaillée.