Cette étude exploratoire examine l’impact du Machine Learning (ML) sur la gestion de la demande client dans la Supply Chain (SC) de l’industrie horlogère.
L’objectif est d’étudier comment ces approches innovantes peuvent être intégrées pour répondre aux besoins changeants du marché, améliorer l’efficacité opérationnelle et réduire l’impact environnemental à différents niveaux de la chaîne logistique. Les gains potentiels sont une meilleure gestion des stocks, ainsi qu’une réduction de la variabilité dans les niveaux de production, et des avantages environnementaux tels que l’optimisation de l’espace, des ressources et la réduction du gaspillage seront explorés. Les indicateurs de performance examinés incluront la précision des prévisions, l’efficacité de la main-d’oeuvre, la rotation des stocks, le taux de remplissage et l’utilisation des capacités. Des indicateurs financiers tels que les coûts de production et de logistique, le retour sur investissement, etc. seront analysés pour évaluer la corrélation avec la précision des prévisions de la demande.
Cheffe de projet : Karine Doan