Planification des Capacités (MdO) , pg 2

  • 6) et 1 200 du congélateur. Il subira toujours une perte de 3 000 gâteaux.

En utilisant la formule mentionnée, la perte de profit est moindre par rapport à ne pas avoir d’inventaire.

Une méthode que l’entreprise peut adopter concernant son inventaire est de se préparer à l’avance. L’entreprise peut choisir de réaliser un inventaire lorsque la demande est inférieure à la capacité.

Pour minimiser davantage la perte de ventes, la boulangerie peut augmenter sa capacité maximale. Le meilleur moyen est d’acquérir une capacité égale à la demande moyenne d’environ 2 150 gâteaux par mois ((1 800 * 6) + (2 500 * 6) 12).

Avec cette analyse, la boulangerie disposera de 350 (2 150 – 1 800) gâteaux supplémentaires par mois pour la première moitié de l’année et entraînera un inventaire de 2 100 gâteaux.

Pour la seconde moitié de l’année, il retirera 350 (2 500 – 2 150) gâteaux par mois de l’inventaire et entraînera un inventaire nul en fin d’année.

L’attente compte dans la perception qu’un client a du service de qualité.

En général, les clients détestent attendre.

Un client quitte s’il / elle estime qu’il / elle a attendu trop longtemps et peut ou non revenir. Dans un effet domino, ces actions peuvent conduire à une moindre demande des clients, ce qui affecte alors le bénéfice global de l’entreprise.

Raisons pour lesquelles les clients attendent:

Capacité insuffisante
Variabilité et forfaitaire des taux d’arrivée des clients
Variabilité de la durée d’un client pour terminer les processus
Si la demande moyenne est supérieure à la capacité moyenne, la tendance est que la ligne des clients augmente indéfiniment.

Cependant, même si la demande moyenne est inférieure à la capacité, le temps qu’un client termine le processus ou les procédures de l’entreprise augmente avec l’utilisation croissante des ressources.

Les fluctuations de la demande sont une cause majeure d’attente.

Si la demande est égale aux arrivées de clients à l’heure, la capacité est supérieure au taux d’arrivée moyen des clients (demande moyenne).

Les clients arrivent à un rythme varié, imprévisible et instable.

Les clients varient également dans le temps pour traiter les produits ou services de l’entreprise.

Cette variation se produit parce que les clients sont indépendants les uns des autres.

Connaître l’heure d’arrivée ou de traitement d’un client ne dit rien sur un autre client.

C’est ce qu’on appelle le processus d’arrivée de Poisson dans lequel les gens ne coordonnent pas leurs heures d’arrivée et de durée.

Il est normal de supposer que dans ces conditions, le temps entre chaque client est distribué de manière exponentielle.

La distribution exponentielle ne suit pas une distribution normale ou courbe en cloche (les temps d’attente sont plus longs en raison de l’agglutination des clients) et la moyenne est égale à l’écart type.

La théorie de la file d’attente
File d’attente – une ligne pour les serveurs

Serveurs – opérations en file d’attente

Taux d’arrivée (, lambda) – nombre moyen d’arrivées par unité de temps

Taux de service (μ, mu) – nombre moyen de clients pouvant être servis à 100% d’utilisation

Thruput – nombre de clients servis

Canal (M) – nombre d’opérations parallèles

Utilisation (u) – mesure de l’occupation du système

Phase-nom collectif pour la file d’attente et ses serveurs

Longueur de ligne (Lq) – nombre moyen de clients dans une ligne

Temps d’attente (Wq) – temps d’attente moyen d’un client

Une petite équation de loi peut être utilisée pour déterminer le temps d’attente en supposant que la valeur de débit est toujours constante:

            Wq = LqThruput

Lorsque vous utilisez cette équation ou toute autre équation de mise en file d’attente, l’utilisation du processus doit être inférieure à 100%. Une autre variante de l’équation de la petite loi:

            Wq = Lq

Pour déterminer davantage la longueur moyenne de la ligne et le temps d’attente, cette équation développée par Hirotaka Sakesagawa de l’Université Waseda, Japon peut être utilisée:

            Lq = u2 (M + 1) 1-u

Par exemple, 72 clients arrivent au hasard chaque heure dans un restaurant de restauration rapide qui dispose de cinq caisses enregistreuses. En supposant que les clients se divisent également, 14,4 (72/5) clients arrivent par heure pour chaque caisse enregistreuse.

Un caissier a la capacité de traiter 15 clients par heure et comme il ne doit traiter que 14,4 clients, il a une utilisation de 96% ((14,4 / 15) * 100). Cela conduit à un M de 1.

En utilisant l’équation ci-dessus et l’équation de Little law, on peut conclure ce qui suit.

Lq = 0,962 (1 + 1) 1-0,96 = 23 personnes Wq = 2314,4 = 1,6 h

Le temps d’attente est encore long. La meilleure stratégie consiste pour le fast-food à augmenter son nombre de caisses enregistreuses.

Tout d’abord, le restaurant doit déterminer le taux d’arrivée des clients compte tenu d’une utilisation de 85% pour éviter une augmentation des temps d’attente:

= Utilisation – Capacité = 0,85 – 15 = 12,75

7212,75 = 5,65 6 caissiers

Avec 6 caissiers et 12 clients par heure par caisse (72/6) et une utilisation de 80% ((12/15) * 100):

Lq = .82 (1 + 1) 1-.8 = 3.2 personnes

Wq = 3,212 = 16 minutes

L’augmentation de la capacité de la restauration rapide à 6 caisses enregistreuses lui a permis d’avoir un temps d’attente moyen de 16 minutes par personne.

Au lieu d’ajouter une caisse enregistreuse supplémentaire, le restaurant de restauration rapide peut opter pour une autre méthode en formant une ligne pour toutes les caisses enregistreuses.

Avec cette méthode, il a toujours un utiliz