Rapport PFE - Saad Abbouchi - Final

IND 17 /2019
UNIVERSITE MOHAMMED V
ÉCOLE MOHAMMADIA D’INGÉNIEURS
Département Génie Industriel

Option : Ingénierie des Projets
Mémoire de Projet de Fin d’Études
LA MISE EN PLACE D’UN MASTER FILE PLANIFICATION ET

REPORTING ET UN OUTIL DE RATIONALISATION DES
STOCKS DE SECURITE
Effectué chez : Unilever Maghreb
Réalisé par :
Saad ABBOUCHI
Membres du jury
Pr. Abdelaziz BERRADO (EMI) : Président
Pr. Omar DRISSI-KAITOUNI (EMI) : Encadrant
Pr. Lamia KERZAZI (EMI) : Rapporteur
Mme. Imane JAFOUTE Unilever Maghreb : Marraine
Mme. Soukaina GALZIM Unilever Maghreb : Marraine
i
Remerciements
Avant d’entamer ce rapport, je tiens à témoigner de ma profonde gratitude à toutes les
personnes qui ont participé de près ou de loin à la réussite de travail.
Mes remerciements s’adressent tout d’abord à Madame Imane Jafoute, Maghreb Imported
Finished Goods Sourcing Manager et mon encadrante durant ce projet de fin d’études, qui a
partagé avec moi son savoir et savoir-faire afin de réussir ce projet, et a fait preuve de
gentillesse et de professionnalisme remarquables. Je tiens également à remercier Madame
Soukaina Galzim, Morocco PC Manager, qui a enrichi le projet grâce à ses conseils et
remarques pertinents.
Je remercie chaleureusement M. Mohammed Benabdlkrim, M. Hassan Lachiq et M.

Abderrahim El Boukioty pour leur sympathie, leurs encouragements et leur esprit vif qui ont
fait de ce projet une expérience agréable et mémorable.
Mes remerciements s’adressent également à M. Omar Drissi-Kaitouni, Professeur à l’École

Mohammadia d’ingénieurs et chef de la filière génie industriel, qui a accepté de m’encadrer
durant mon stage de fin d’études.
Que le corps professoral et administratif du département génie industriel trouve ici mes vifs
remerciements, pour tout le travail effectué durant toute ma période de scolarité à l’EMI et
pour les moyens qui ont été mis à notre disposition pour nous offrir une formation solide et
transversale qui nous aidera certainement à réussir notre mission d’ingénieur, et à bâtir une
carrière brillante.
Que Mesdames et Messieurs les membres du jury trouvent ici l’expression de mes
reconnaissances pour avoir accepté de juger ce travail
ii
Résumé
Le secteur des biens de grande de consommation se caractérise par une concurrence très
acharnée entre ses principaux acteurs à l’échelle mondiale, et en particulier dans les marchés
émergents qui génèrent presque la moitié de leur chiffre d’affaires chaque année. Pour
maintenir voire élargir sa part de marché, une entreprise industrielle opérant dans ce secteur
doit assurer l’excellence opérationnelle sur tous les maillons de sa chaîne de valeur, afin
d’offrir au client potentiel le bon produit, au bon moment, avec la meilleure qualité et tout ce
à un prix compétitif. Pour atteindre cet objectif complexe et compliqué, l’optimisation des
coûts fixes et variables aide énormément les entreprises industrielles à garder une bonne
marge tout en maintenant un niveau de service élevé. Notre projet s’inscrit dans la politique
d’optimisation des stocks qu’entreprend Unilever, leader mondial du marché des biens de
grande consommation, dans toutes ses filiales dans le monde, et consiste à analyser la
politique des stocks de sécurité des produits finis importés au Maroc, l’Algérie et la Tunisie et
proposer un nouveau modèle qui permettra de rationaliser l’inventaire de sécurité, puis de
l’appliquer sur des données réelles pour mesurer son impact et déterminer sous quels critères
il faut l’appliquer. Nous avons également mis en place pour l’équipe sourcing des produits
importés un fichier maître qui permet de consolider les données de planification des flux pour
toutes les catégories de produits et pour les trois pays du Maghreb, et de générer les fichiers
utiles pour le reporting durant les réunions du cycle S&OP (Sales and Operations Planning)
d’une façon automatisée pour éviter de passer du temps précieux dans tâches redondantes.
Ce projet servira également comme noyau d’un autre qu’Unilever essaie de démarrer, à savoir
la digitalisation de l’ensemble du processus S&OP. Notre mission sera d’établir un cahier des
charges fonctionnel d’un logiciel intégré qui permettra d’automatiser les tâches routinières et
de mieux consolider et valoriser les données entre les différents acteurs de la chaîne logistique
d’Unilever Maghreb.
Mots clés :
Fichier Maître, Stock de sécurité, Stock Keeping Unit, Pays du Maghreb, Produits finis
importés
iii
Abstract
The major actors of the fast moving consumer goods market accross the world are driving the
competitivness to an extreme level, especially in the emergent markets where these firms
make more than half of their annual revenue. In order to maintain or expand its market share,
a company operating in this market must reach a level of operational excellence in all the
fragments of its value chain to succed to deliver to the potential customer the right product, at
the right place, with the best quality standards and a competitive price. To reach this complex
and complicated objective, optimizing the fixed and variable costs may be the best part to
start with to keep a good margin while maintaining a high service level. Our graduation
project takes place within a new inventory oprimization policy of Unilever, a global leader in
the market of fast moving consumer goods, and which main goal is to analyze the actual
safety stock policy, and to propose a new formula that may help to rationlaize the levels of
safety stock for imported finished goods in Morocco, Algeria and Tunisia. Then we will apply
this new model on real inventory data to measure its impact and we will determine the criteria
under which we will apply this model. We have also worked alongside the imported finished
goods sourcing team to establish a Master File that will enable them to gather all the invetory
planning data for the three countries and to generate automatically the files needed for
reporting in the S&OP (Sales and Operations Planning) meetings each month, to prevent
spending percious times in repetitive tasks.
Our project will also be useful as begin point for a new project that Unilever is intending to
start this year. This new project is about digitizing the whole S&OP process. Our main task
would be to prepare a scope statement for this project and handle it to Unilever’s information
technlogy team.
Key words: Master File, Safety Stock, Stock Keeping Unit, Maghreb Countries, Imported
Finished Goods.
iv
‫ملخص‬
‫يعرف قطاع السلع االستهالكية سريعة التداول منافسة شرسة بين الشركات التي تسيطر على حصص مهمة منه على‬
‫المستوى الدولي‪ ،‬خاصة بالدول النامية التي تحقق فيها هذه الشركات اكثر من نصف ارباحها السنوية‪ .‬و بغية الحفاظ على‬
‫حصصها السوقية أو حتى توسيعها‪ ،‬تجد هذه الشركات نفسها مجبرة على تحقيق كفاءة عالية في تسيير عملياتها على‬
‫مستوى عناصر سلسلة القيمة المضافة كلها‪ ،‬و ذلك من اجل توفير المنتوج المناسب‪ ،‬في الوقت المناسب‪ ،‬مع احترام معايير‬
‫الجودة العالية‪ ،‬و كل هذا بثمن مناسب‪.‬‬
‫و لكي تحقق الشركات الصناعية هذا الهدف المركب و المعقد‪ ،‬تشرع هذه االخيرة في مشاريع من أجل استمثال المصاريف‬
‫التابثة و المتغيرة امال في الحفاظ على صافي ربح جيد مع مستوى خدماتي عال‪.‬‬
‫يدخل مشروع تخرجنا هذا ضمن سياسة نقص تكاليف تنهجها شركة يونيليفر‪ ،‬رائد عالمي في سوق السلع االستهالكية‬
‫سريعة التداول‪ ،‬في كل فروعها في العالم‪ .‬ويهدف مشروعنا هذا إلى تحليل سياسة تسيير المخزون االحتياطي من‬
‫المنتوجات النهائية المستوردة في كل من المغرب‪،‬الجزا ئر و تونس‪ ،‬اضافة الى اقتراح نموذج جديد يمكن من ترشيد‬
‫مستويات المخزون االحتياطي ثم تطبيق هذا النموذج على بيانات حقيقية متعلقة بالمخزون من اجل تحديد الشروط و‬
‫العوامل التي ينبغي تطبيق النموذج الجديد تحتها‪ .‬كما نهدف من هذا المشروع إلى تصميم ملف رقمي شامل يسهل على‬
‫اعضاء فريق التنقيب عن مصادر االستيراد مهمة التخطيط و تحضير التقارير الالزمة للقيام باجتماعات تخطيط المبيعات و‬
‫العمليات الشهرية‪.‬‬
‫كما يدخل هذا المشروع في إطار مشروع طموح آخر ستشرع فيه يونيليفر المغرب و الذي يتمثل في رقمنة العمليات‬
‫المتعلقة بتخطيط سلسلة االمداد‪ ،‬و قد اوكلت إلينا مهمة تحضير دفتر تحمالت لهذا المشروع و تقديمه لفريق تكنولوجيا‬
‫المعلومات من أجل تطبيقه‬
‫كلمات اساسية‪ :‬ملف شامل‪ ،‬مخزون احتياطي‪ ،‬وحدة تسيير المخزون‪ ،‬البلدان المغاربية‪ ،‬منتوجات نهائية مستوردة‬
‫‪v‬‬
Table des matières
Chapitre 1-Présentation de l’organisme d’accueil et contexte du Projet ........................................... 2

1.1 Présentation d’Unilever ........................................................................................................ 2
1.1.1 Historique de la firme ............................................................................................................. 2
1.1.2 Structure d’Unilever ............................................................................................................... 3
1.1.3 Données Clés sur Unilever ..................................................................................................... 5
1.1.4 Business Model d’Unilever sous le format CANVAS ............................................................. 6
1.2 Présentation d’Unilever Maghreb........................................................................................ 8
1.2.1 Historique et Aperçu............................................................................................................... 8
1.2.2 Marques commercialisées au Maroc ...................................................................................... 8
1.2.3 Organigramme de l’entreprise ............................................................................................... 9
1.2.4 Département Supply Chain................................................................................................... 10
1.2.5 Equipe Sourcing des Produits Finis Importés ...................................................................... 10
1.3 Cadrage du projet ............................................................................................................... 11
1.3.1 Problématique du projet ....................................................................................................... 11
1.3.2 Identification des parties prenantes ..................................................................................... 13
1.3.3 Livrables du projet : ............................................................................................................. 14
1.3.4 Diagramme Gantt du projet ................................................................................................. 14
Chapitre 2-Présentation du cycle S&OP et analyse de l’existant. .................................................... 18
2.1 Cycle S&OP ............................................................................................................................... 18
2.1.1 Définition du cycle S&OP .................................................................................................... 18
2.1.2 Réunions du cycle S&OP...................................................................................................... 21
2.2 Sourcing des Produits Finis importés ...................................................................................... 23
2.2.1 Processus du Sourcing ......................................................................................................... 23
2.2.2 Unités d’approvisionnement d’Unilever Maghreb ............................................................... 24
2.2.3 Les risques d’approvisionnement ......................................................................................... 25
Chapitre 3-Mise en place du Fichier Maître pour la planification et le reporting........................... 28
3.1 Module SRM (Supply Review Meeting) .................................................................................. 28
3.1.1 Genèse de l’idée du Fichier Maître ...................................................................................... 28
3.1.2 Données d’entrée du module SRM ....................................................................................... 29
3.1.3 Structure du Module SRM implémenté ................................................................................. 30
3.2 Module Rapport de disponibilité ............................................................................................. 33
3.2.1 Données d’entrée du rapport de disponibilité ...................................................................... 33
vi
3.2.2 Structure du rapport de disponibilité ................................................................................... 35
3.3 Module Réconciliation Approvisionnement-Demande (DSR) ............................................... 36
3.4 Rapport des projections financières ........................................................................................ 38
3.4.1 Utilité des projections financières ........................................................................................ 38
3.4.2 Méthodologie de calcul des projections financières ............................................................ 39
3.4.3 Structure du rapport de projections financières : ................................................................ 39
3.5 Mesure de l’impact du Fichier Maître..................................................................................... 40
Chapitre 4-Rationalisation des niveaux de stock de sécurité des produits finis importés ............. 43
4.1 Aperçu théorique ....................................................................................................................... 43
4.1.1 La gestion des stocks et le coût de possession des stocks ..................................................... 43
4.1.2 Le stock de sécurité .............................................................................................................. 45
4.2 Analyse de l’existant .................................................................................................................. 47
4.2.1 Méthode de gestion des stocks d’Unilever Maghreb ............................................................ 47
4.2.2 Modèle du stock de sécurité ................................................................................................. 48
4.3 Proposition du nouveau modèle du stock de sécurité ............................................................. 50
4.3.1 Modèle théorique .................................................................................................................. 50
4.3.2 Exemple d’application .......................................................................................................... 52
4.4 Impact du nouveau modèle du stock de sécurité .................................................................... 52
4.4.1 Démarche suivie ................................................................................................................... 52
4.4.2 Indicateurs et paramètres de la simulation .......................................................................... 54
4.4.3 Impact du nouveau modèle en termes de volume : ............................................................... 55
4.4.4 Impact Financier du nouveau modèle .................................................................................. 57
4.5 Analyse des facteurs d’influence .............................................................................................. 60
4.5.1 Analyse de l’influence du nombre de semaines de couverture ............................................. 60
4.5.2 Analyse de l’influence de la volatilité de la demande .......................................................... 62
Conclusion ............................................................................................................................................ 67
Références ............................................................................................................................................ 68
Webographie ........................................................................................................................................ 69
Annexes ................................................................................................................................................ 70
vii
Liste des Figures
Figure 1.1 : Historique de création d’Unilever………………………………………………………….2
Figure 1.2 : Contribution des divisions au CA et au profit……………………………………………...4
Figure 1.3 : Les principaux acteurs du marché des FMCG au monde………………………………......5
Figure 1.4 : Evolution du cours d’action sur la bourse de Londres en $..................................................6
Figure 1.5 : Les marques commercialisées par Unilever Maghreb………………………………...…...9
Figure 1.6 : Organigramme Unilever Maroc…………………………………………………………....9
Figure 1.7 : Equipe Sourcing des IFGs………………………………………………………………...11
Figure 1.8 : Diagramme Gantt du projet……………………………………………………………….15
Figure 2.1 : Piliers d’équilibre du cycle S&OP………………………………………………………..18
Figure 2.2 : Architecture des décisions S&OP………………………………………………………...19
Figure 2.3 : Cycle S&OP……………………………………………………………………………...20
Figure 2.4 : Période figée Mai-Juin…………………………………………………………………...22
Figure 2.5 : Unités d’approvisionnement d’Unilever Maghreb………………………………………..23
Figure 3.1 : Extrait du rapport de disponibilité pour le Maroc………………………………………...33
Figure 3.2 : Extrait du nouveau rapport de disponibilité pour le Maroc………………………………34
Figure 3.3 : Données du module DSR…………………………………………………………………35
Figure 3.4 : Rapport DSR pour le Maroc……………………………………………………………....36
Figure 3.5 : Rapport des projections financières………………………………………………………37
Figure 4.1 : Impact de l’optimisation des stocks………………………………………………………42
Figure 4.2 : Décomposition des stocks………………………………………………………………...42
Figure 4.3 : Couverture des aléas par le stock de sécurité…………………………………….……….43
Figure 4.4 : Non efficience de modèle existant……………………………………………………….48
Figure 4.5 : Explication du nouveau modèle…………….……………..……………………………...49
Figure 4.6 : Portefeuille de simulation…………………………………………………………………51
Figure 4.7 : Impact du nouveau modèle sur les volumes………………………………………………53
Figure 4.8 : Impact financier du nouveau modèle pour le Maroc……………………………………...55
Figure 4.9 : Impact financier du nouveau modèle pour l’Algérie………..…………………………...56
Figure 4.10 : Impact financier du nouveau modèle pour la Tunisie……..…………………………….57
Figure 4.11 : Résultats financiers des pays du Maghreb…………………...………………………….58
Figure 4.12 : Nombre des SKUs par intervalle de semaines…………………………………………..59
Figure 4.13 : Répartition du nombre de semaines par pays……………………………………………59
Figure 4.14 : Répartition des SKUs ayant des résultats négatifs en fonction de nc…………………...60
Figure 4.15 : Répartition des SKUs en fonction de la volatilité……………………………………….61
Figure 4.16 : Répartition de la volatilité sur les trois pays du Maghreb……………………………….61
Figure 4.17 : Proportion des résultats négatifs pour chaque classe de volatilité………………………62
viii
Liste des Tableaux
Tableau 1.1 : Données clés sur Unilever………………………………………………………………..5
Tableau 1.2 : Livrables du PFE………………………………………………………………………..14
Tableau 2.1 : Sources de complexité dans le processus S&OP………………………………………..19
Tableau 2.2 : Architecture des réunions S&OP………………………………………………………..21
Tableau 3.1 : Temps de préparation des fichiers………………………………………………………38
ix
Liste des abréviations
FMCG: Fast Moving Consumer Goods

IFG: Imported Finished Goods
PC: Personal Care
HC: Home care
HHC: Househould Home Care
SU: Sourcing Unit
SKU: Stock Keeping Unit
S&OP: Sales and Operations Planning
SRM: Supply Review Meeting
DSR: Demand Supply Reconciliation
MOQ: Minimum Order Quantity
x
Présentation de l’organisme d’accueil et cadrage du projet
Chapitre 1
Présentation de
l’organisme d’accueil et
contexte du Projet
A travers ce chapitre, nous présenterons l’entreprise Unilever où ce projet de fin d’études a
été effectué. Le chapitre est divisé en trois parties majeures ; la première est consacrée à
Unilever en tant que géant du secteur des biens de grande consommation à l’échelle mondiale,
la seconde concerne Unilever Maghreb, la filiale d’Unilever dans les trois pays du Maghreb
(L’Algérie, Le Maroc et La Tunisie), et une troisième partie dans laquelle nous expliquerons
le contexte du projet de fin d’études, sa problématique centrale ainsi que son planning et son
équipe Projet.
1
Chapitre 1-Présentation de l’organisme

d’accueil et contexte du Projet
1.1 Présentation d’Unilever
1.1.1 Historique de la firme
Unilever est une firme multinationale anglo-néerlandaise opérant dans le secteur des
biens de grande consommation (Fast Moving Consumer Goods), ayant deux sièges
sociaux, le premier situé à Londres en Royaume-Uni et le second à Rotterdam aux Pays-
Bas. Unilever fabrique et commercialise plus de 400 marques de produits dans 190 pays
aux quatre coins du monde. Unilever est l’une des plus anciennes multinationales et
considérée comme la septième plus grande entreprise Européenne.
Unilever a été fondée le 2 Septembre 1929 après la fusion du fabricant de margarine
néerlandais Margarine Unie et le fabricant de savon britannique Lever Brothers (D’où la
structure duale de l’organisation).
1929 : Fusion des deux

1885 : Les frères William et compagnies sous le nom
James Lever fondent Lever « Unilever » et adoption d’une
Brothers au Royaume-Uni structure duale
1927 : Leverd et Jurgerns

fondent Margarine Unie aux
Pays-Bas.
Figure 1.1 : Historique de création d’Unilever
Dès sa création, Unilever a élargi considérablement son portefeuille de produits et son

étendue d’opérations à travers le monde en établissant de nouvelles usines et en menant des
affaires d’acquisition de plusieurs marques à l’instar de Lipton (1971), Cheserbrough-Ponds
(1987), Best Foods (2000), Ben & Jerry’s (2000) et Dollar Shave Club (2016).
Dans le paragraphe suivant, nous décrirons la structure interne d’Unilever.
2
1.1.2 Structure d’Unilever

Unilever adopte une structure duale, elle est composée d’une part d’Unilever NV, dont
le siège social est situé à Rotterdam, et d’autre part d’Unilever plc dont le siège se
trouve à Londres. Unilever NV, Unilever plc et leurs filiales opèrent comme une seule
entité économique même si leurs entités légales sont séparées avec des parties
prenantes différentes et des actions cotées en bourses séparées.
Unilever plc est cotée à la bourse de Londres (London Stock Exchange) et fait partie
de l’indice boursier Financial Times Stock Exchange 100 Index (FTSE 100 index).
Tandis qu’Unilever NV est cotée à la bourse d’Amsterdam (Euronext Amsterdam) et
fait partie de l’indice boursier AEX index. L’entreprise est également cotée sur
l’indice boursier Euro Stoxx 50 des 50 plus grandes capitalisations boursières en
Europe.
Le conseil d’administration a envisagé en 2018 la centralisation d’Unilever en une
seule entité légale et la relocalisation de son siège de Londres vers Rotterdam.
Cependant, une forte opposition des actionnaires britanniques a poussé le top
management d’Unilever à abandonner ce projet.
Unilever est organisée en quatre divisions principales :
 Personal Care (Soin Corporel) : Cette division produit et commercialise des
produits de soin personnels pour peau et cheveux, ainsi que les déodorants et
les dentifrices et brosses à dents.
 Foods : Cette division produit et commercialise des sauces, snacks, margarine,
soupes et levures
 Refreshment : Cette division produit et commercialise des crèmes glacées (ice
cream), boissons à base de thés ainsi que des produits pour le contrôle du
poids.
 Home Care : Cette division produit et commercialise des lessives (poudre et
liquide) et d’autres produit pour le nettoyage.
Ces divisions contribuent équitablement au chiffre d’affaires d’Unilever, la figure

ci-dessous montre la contribution de chaque division au chiffre d’affaires et au
profit.
3
CONTRIBUTION DES DIVISIONS CONTRIBUTION DES DIVISIONS

AU PROFIT AU CHIFFRE D'AFFAIRES
9%
20,00%
33%
40,00%
58% 40,00%
Beauty & Personal Care Foods & Refreshments Home Care Beauty & Personal Care Foods & Refreshments Home Care
Figure 1.2 : Contribution des divisions au chiffre d’affaires et au profit
Unilever opère sur le marché des biens de grande consommation, il s’agit des biens qui sont
achetés fréquemment à un prix relativement bas. Bien que le profit tiré de la vente de tels
produits soit faible, le grand nombre d’articles vendus fait que le profit total peut être
important.
Du point de vue consommateur, les biens de grande consommation se caractérisent par une
fréquence d’achat élevée, une faible implication de l’acheteur (chose qui lui facilite le choix),
des prix relativement bas, durées de vie courtes et une consommation rapide.
Du point de vue Marketing, ce marché se caractérise par de grands volumes, faibles marges,
des réseaux de distribution importants et une forte rotation des stocks.
Le marché des biens de grande consommation est toujours en évolution grâce à la croissance
démographique, l’amélioration du pouvoir d’achat dans les pays en voie de développement
ainsi qu’à la prise d’ampleur de l’e-commerce et le marketing digital.
La figure suivante illustre les 10 principaux acteurs mondiaux sur ce marché :
4
Philip Morris International
L'Oréal
Coca-Cola Company
Tyson Foods
JBS
AB-InBev
Unilever
PepsiCo
Procter & Gamble
Nestlé AG
0 10000 20000 30000 40000 50000 60000 70000 80000 90000 100000
Chiffre d'affaires en M$
Figure 1.3 : Les CA des 10 principaux acteurs du marché des FMCG au monde en 2018
Le paragraphe suivant met l’accent sur quelques chiffres clés propres à Unilever.
1.1.3 Données Clés sur Unilever
Tableau 1.1 : Données clés sur Unilever
Nom de l'entreprise Unilever

Industrie Biens de grande consommation
Création 02-sept-1929
Sièges Sociaux Unilever House à Londres et à Rotterdam
PDG Alan Jope (2019)
Pays d'activité 190
Chiffre d'affaires 50.9 Milliards € (2018)
Résultat Brut 12.535 Milliards € (2018)
Résultat Net 9.808 Milliards € (2018)
Valeur des actifs 59.456 Milliards € (2018)
Nombre d'employés 155000 (2019)
5
Unilever a connu une croissance considérable ces dernières années, et a investi dans des
projets internes pour l’optimisation des coûts et la minimisation des émissions des gaz à effet
de serre. Ce qui fait augmenter le profit net de l’entreprise tout en créant une bonne image de
marque de l’entreprise responsable écologiquement. Unilever est l’une des entreprises les plus
performantes sur la bourse de Londres. Dès sa création, Unilever a vu son cours d’action
augmenter de 270% tandis que l’indice boursier FTSE a augmenté de 120%.
Figure 1.4 : Evolution du cours de l’action d’Unilever sur la bourse de Londres ($)
Dans ce qui suit, nous expliquerons le business model d’Unilever selon le format standardisé
CANVAS.
1.1.4 Business Model d’Unilever sous le format CANVAS
Le modèle CANVAS explique le business model d’une organisation selon 9 volets :
 Les partenaires clés

 Les activités Clés
 La proposition de la valeur
 Relation avec les clients
 Segmentation des clients
 Ressources clés
 Canaux de communication
 Structure des coûts
 Sources de revenus
6
Partenaires Clés Activités Clés Proposition de la valeur Relations avec les clients Segmentation des clients
- Marketing
- Développement de
marques
- Publicité - Image de marque
- Fabrication -Créer un environnement de vie -Qualité - Marché grand public
- Investisseurs
- Production durable -Tradition - Toutes les tranches d’âge
- Distribution - Répondre aux besoins des -Recommandation - Toutes les orientations sexuelles
- Acquisitions - R&D consommateurs -Campagnes de promotion récurrentes - Personnalisation des produits selon les
- Réseau de distribution
- Contrôle Qualité - Plus que 400 marques particularités des marchés locaux
(Grandes surfaces,
détaillants) commercialisées au monde -General Trade : Petits distributeurs
Ressources Clés - Unilever Sustainable Living Canaux de communication -Modern Trade: Grandes surfaces
- Partenaires Supply
Chain - 2.5 milliards de Plan (USLP), un plan central pour
- Agriculteurs personnes utilisent les le business model d’Unilever
- Agences de publicité et produits d’Unilever visant la transformation de la
médias chaque jour chaine de valeur pour qu’elle soit
- 155.000 employés conformes aux normes de - Médias (2ème investisseur en
- 49% des managers sont protection de l’environnement. publicité au monde)
des femmes - Points de ventes (détaillant et grandes
- Large réseau de surfaces)
distribution - Réseaux sociaux
- Propriété Intellectuelle - Networking
- 57 % des revenus
proviennent des marchés
émergents
- Responsabilité
écologique
Structure des coûts Source de revenus
- Marketing, 2ème investisseur en publicité au monde (6 milliards d’euros par an), fabrication et production,
distribution, promotion de l’entrepreneuriat innovation, R&D (1 milliards d’euros par an), rémunération du
personnel, taxes, contraintes légales.
Ventes des produits (aliments, boissons, détergents et lessives et les produits de soin
personnel)
La deuxième partie du chapitre est consacrée à la présentation d’Unilever Maghreb, la filiale

d’Unilever au Maroc, Algérie et en Tunisie.
1.2 Présentation d’Unilever Maghreb

1.2.1 Historique et Aperçu
Unilever Maghreb est la filiale d’Unilever au Maroc, en Tunisie et en Algérie. Elle dispose de
4 sites de production, le premier à Ain Sebaâ Casablanca, le second à Oran, un troisième à
Alger et le quatrième à Tunis.
Unilever Maghreb était présente au Maroc dès 1960 sous le nom Trading AETCO. En 1974,
sous la loi de la marocanisation des sociétés, la société a été exploitée en partenariat avec un
groupe privé marocain. En 1991, le groupe Unilever reprend le contrôle de la totalité de la
société qui était connue sous le nom Lever Maroc. En 1998, Lever Maroc adopte le nom
Unilever Maghreb pour accompagner l’expansion du groupe vers les autres pays du Maghreb
et la volonté de développer l’activité agroalimentaire qui représente l’un des piliers de la
société.
L’usine du Maroc est spécialisée dans la fabrication des produits en poudre, notamment la
lessive, la levure, et des produits alimentaires.
Tous les autres produits d’Unilever sont importés depuis les autres sites d’Unilever au monde.
Le paragraphe suivant met l’accent sur les marques commercialisées par Unilever Maghreb
1.2.2 Marques commercialisées au Maroc
Actuellement, 25 marques, des 4 catégories déjà mentionnées, sont distribuées au Maroc. Le

nombre de marques n’est pas fixe, il est sujet à la conjoncture du marché. Certaines marques
peuvent être supprimées comme d’autres peuvent être introduites.
Le portefeuille des produits commercialisés au Maroc est soumis aux contraintes de la

demande et la concurrence. En effet, d’autres multinationales sont présentes à leur tour au
Maroc et ont leur propre part de marché. Les principaux concurrents sont Procter & Gamble,
Beiersdorf, L’Oréal et Colgate-Palmolive. Nous ajoutons aussi que les entreprises marocaines
gagnent de plus en plus de part de marché, nous citons à titre d’exemple le groupe Mutandis
qui a été introduit dans la bourse de Casablanca en 2018.
8
La figure suivante illustre les 25 marques distribuées au Maroc :
Figure 1.5 : Les différentes marques commercialisées par Unilever Maghreb

1.2.3 Organigramme de l’entreprise
Figure 1.6 : Organigramme Unilever Maroc
9
Notre projet de fin d’études se déroule au département Supply Chain et en particulier avec
l’équipe Sourcing des produits finis importés.
1.2.4 Département Supply Chain
Comme pour toute entreprise industrielle, le département Supply Chain est un nœud
primordial sur la chaîne de valeur. L’importance de la Supply Chain prend plus d’ampleur
pour les entreprises du secteur des biens de grande consommation. L’estimation de la
demande très volatile pour certains produits, le sourcing des fournisseurs pour les matières
premières et les produits finis ou semi-finis, la planification des campagnes de promotion, la
gestion des flux, la planification des opérations de production, l’entreposage ainsi que la
distribution sont toutes des tâches complexes et compliquées qui font partie du quotidien du
personnel du département précité.
La chaîne d’approvisionnement d’Unilever fonctionne selon le modèle d’approvisionnement

en flux poussé, c’est-à-dire la production des biens est soumise aux prévisions de la demande
et la conjoncture du marché contrairement au flux tiré où la production ne commence
qu’après la réception de la commande de la part du client.
Le département supply chain collabore étroitement avec le département Marketing et Actions

Commerciales ainsi que le département Finances pour établir le planning final de production
ou d’importation de produits finis. Le cycle mensuel de planification et de prise de décision
s’intitule S&OP (Sales and Operations Planning) correspondant au Plan Industriel et
Commercial (PIC) présent dans la littérature francophone du management des opérations. Le
Cycle S&OP sera traité en détail dans le second chapitre.
1.2.5 Equipe Sourcing des Produits Finis Importés
Le site de Casablanca ne produit que les produits en poudre des marques OMO, Skip, Surf,
Alsa, Knorr et Maizena. Tous les autres produits des autres marques sont importés depuis les
autres sites d’Unilever appelés Sourcing Units (unités d’approvisionnement). L’équipe
Sourcing des produits finis importés a comme tâches et objectifs :
 Estimation et prévision de la demande sur les mois qui viennent.

 Planification des opérations d’approvisionnement (Choix de la sourcing unit,
estimation des quantités commandées chaque mois en fonction de la capacité de
production de chaque sourcing unit).
10
 Suivi en temps réels des conteneurs des produits finis dès l’export jusqu’à la réception
des produits au niveau de l’usine.
 Estimation et gestion du risque d’approvisionnement.
 Estimation des projections financières futures des quantités possédées et commandées.
 Enregistrements des innovations (nouveaux produits) auprès les autorités publiques.
 Collaboration avec les équipes Marketing, Commerciales et Finance pour ajuster les
plans d’approvisionnement selon les performances de vente de derniers mois et les
ressources financières disponibles.
L’équipe sourcing des produits finis importés est représentée par le diagramme suivant :
Soukaina Galzim
Manager PC, Morocco
Abderrahim El Soumia
Boukioty Imane Jafoute Bouhaddar Soukaina Rian
IFG Sourcing Assistant Manager IFG Sourcing Assistant Manager IFG Sourcing Assistant Manager Demand Planning Manager
Saad Abbouchi
Supply Chain Trainee
Figure 1.7 : Equipe Sourcing des IFG
Dans la partie suivante, nous présenterons le sujet du projet de fin d’études ainsi que son
contexte, l’équipe projet et le planning.
1.3 Cadrage du projet
1.3.1 Problématique du projet
Le processus S&OP est cyclique, l’équipe sourcing des produits finis importés doit, pendant
chaque cycle, établir des fichiers sour Excel nécessaires pour la planification des
approvisionnements, la gestion des risques d’approvisionnement, l’estimation des projections
financières ; le calcul des stocks disponibles et leur période de couverture de la demande.
11
Pour préparer ces fichiers pour la planification et le reporting, l’équipe passe énormément de
temps (5 à 6 jours) tout au long du cycle S&OP à les préparer à partir des données fournies
par le demand planner et par le département Finance. De plus, chaque responsable de
planification doit établir les fichiers du reporting pour Le Maroc, l’Algérie et La Tunisie
séparément. La première problématique du stage consiste à établir un Master File (Fichier
maître) qui permet à partir des données mentionnées précédemment, de générer les fichiers du
reporting d’une façon automatisée pour les trois pays à la fois.
Pour la planification des approvisionnements et la gestion des stocks des IFGs, l’équipe
commande des quantités formant un stock de sécurité qui permet de répondre à la demande en
cas de rupture due à un retard de livraison ou un problème de production au niveau de l’usine
exportatrice ou à un blocage au niveau de la douane. Le stock de sécurité peut également être
consommé si le département actions commerciales arrive à vendre des quantités dépassant ce
qui a été prévu. Pour calculer le stock de sécurité à commander, l’équipe calcule la moyenne
des prévisions pour chaque SKU (Stock Keeping Unit ou unité de gestion des stocks, elle
désigne une référence élémentaire, par exemple un article d’une certaine marque ou un
modèle), à un niveau suffisamment précis pour servir à la gestion précise
des volumes disponibles. Chaque SKU est désignée par un code) et le multiplie par le nombre
de semaines de couverture souhaité. Ce modèle conduit souvent soit à des situations de
rupture des stocks soit à du sur-stockage où la liquidité financière est immobilisée et les
produits risquent de devenir obsolètes. La seconde problématique du projet consiste donc à
proposer un nouveau modèle permettant de rationaliser les niveaux des stocks de sécurité afin
de répondre à la demande à un niveau de service élevé en optimisant les coûts de stockage.
La troisième problématique du stage concerne la transformation digitale qu’Unilever souhaite

amorcer pour accompagner la tendance mondiale de digitalisation des processus industriels et
de services. L’objectif de notre travail consiste à établir un cahier des charges fonctionnel
d’une solution informatique qui permettra d’automatiser l’ensemble du processus S&OP qui
va être présenté à une équipe digitalisation qui développera la solution proposée.
Dans le paragraphe suivant, nous listerons les parties prenantes ainsi que les livrables qui nous
sont demandés à travers notre projet de fin d’études.
12
1.3.2 Identification des parties prenantes
Vu la complexité de la chaîne de valeur d’Unilever, ce projet de fin d’études concerne

plusieurs parties prenantes dont l’identification est nécessaire pour la détermination du
livrable à soumettre aux parties intéressées.
 Planificateurs Sourcing :
Les membres de l’équipe Sourcing ont pour tâche de trouver une unité d’approvisionnement à
partir de laquelle ils importent les quantités qui vont répondre à la demande déterminée par le
demand planner. Ces planificateurs ont besoin d’un Fichier Maître sur Excel qui facilitera les
tâches cycliques de planification, projections futures et le reporting sur l’état actuel de
l’inventaire des produits finis importés.
 Les Supply Chain Managers :
Les Managers sont responsables de la performance de l’entreprise en termes

d’approvisionnement et d’optimisation des flux de produits et des flux financiers. Un nouveau
modèle pour rationaliser les niveaux des stocks de sécurité pourra les aider à améliorer la
performance globale du département.
 Les unités d’approvisionnement (Sourcing Units) :
Le nouveau modèle du stock de sécurité aura un impact direct sur les quantités
approvisionnées à partir des Sourcing Units. Ces SU doivent être avisées sur le changement
de la politique d’approvisionnement.
 Département Finance :
Optimiser les flux financiers en évitant d’immobiliser les ressources financières liquides sous
forme de stock emmagasiné dans les entrepôts d’Unilever est un enjeu majeur dans chaque
cycle S&OP. Un nouveau modèle de gestion des stocks de sécurité doit prendre en compte les
contraintes financières de l’entreprise. Donc l’approche du traitement de la problématique de
gestion des stocks doit nécessairement être orientée vers le chiffrement financier des
potentiels gains ou des pertes.
13
 Direction IT :
Cette direction a besoin d’un cahier des charges qui décrit avec une grande clarté et précision
les fonctionnalités de la solution informatique qui permettra de d’informatiser le processus
S&OP.
Un fois les parties prenantes déterminées, les livrables peuvent être énumérés.
1.3.3 Livrables du projet :
Le tableau ci-dessous résume les livrables de notre projet de fin d’études :
Tableau 1.2 : Livrables du PFE
Pilier du PFE Livrables attendus

 Planification et Reporting pour la  Fichier Maître sous Excel permettant
gestion des stocks des IFG de générer les résultats
automatiquement à partir de des
données sur la demande et
l’approvisionnement
 Rationalisation des niveaux des  Proposition d’un nouveau modèle et
stocks de sécurité simulation et comparaison avec
l’existant
 Digitalisation du processus S&OP  Préparation d’un cahier des charges
fonctionnel à présenter à une équipe
de développeurs pour
implémentation
Comme tout projet à valeur ajouté, un diagramme Gantt pour la planification des taches clés
est nécessaire pour maintenir une visibilité sur l’avancement du projet ainsi que pour
minimiser la probabilité de retard dans l’exécution. Nous présenterons dans le paragraphe
suivant le digramme Gantt du projet.
1.3.4 Diagramme Gantt du projet
14
Figure 1.8 : Diagramme Gantt du Projet
15
Notre projet s’étale sur six mois (du 28 Janvier au 25 Juillet). Les trois parties du projet sont
traitées séparément. Nous avons commencé premièrement par la decouverte de
l’environnement de travail et l’étude des tâches pricnipales des membres de l’équipe sourcing
qui seront incluses dans le fichier maître, cette observation de deux semaines a eu lieu au
département Supply Chain et aux entrepots de stockage de produits finis gérés par les équipes
de logistique de l’entreprise Geodis, filiale de la société nationale des chemin de fer française
(SNCF). Après la validation de la structure globale du fichier maître proposé, nous avons
commencé sa conception partie par partie. Au fur et à mesure nous avons effectué une
recherche dans la littérature du Management des opérations pour étudier les modèles de stock
de sécurité proposé par les chercheurs. La proposition du nouveau modèle a eu lieu après la
valiation fu fichier maître. Après une présentation du nouveau modèle devant les membres de
l’équipe, nous avons appliqué le modèle et nous l’avons comparé avec le modèle existant en
termes de volumes et de projections financières. Finalement nous avons traité la partie
digitalisation a partir du début Juin jusqu’à la fin du stage.
Conclusion Chapitre 1
Dans le chapitre 1, nous avons présenté l’organisme d’accueil à savoir Unilever en tant que
leader mondial du secteur des biens de grande consommation. Puis nous avons décrit le
positionnement Unilever Maghreb, la filiale d’Unilever au Maroc, en Algérie et en Tunisie,
sur les marchés de ces trois pays. Ensuite nous avons présenté la problématique de notre
projet ainsi que l’équipe projet les parties prenantes. Nous allons maintenant traiter le second
chapitre dédié au processus Sales and Operations Planning et aux missions principales de
l’équipe sourcing des produits finis importés.
16
Présentation du cycle S&OP et analyse de l’existant
Chapitre 2
Présentation du cycle S&OP

et analyse de l’existant
A travers ce chapitre, nous exposerons le cycle de management des opérations adopté par
Unilever pour maîtriser chaîne de valeur, à savoir le cycle Sales and Operations Planning, ses
étapes ainsi que les réunions mensuelles qu’il faut organiser pour le réussir. Ensuite nous
décrirons le processus de Sourcing des produits finis importés ainsi que les risques qui y sont
liés.
17
Chapitre 2-Présentation du cycle S&OP

et analyse de l’existant.
2.1 Cycle S&OP

2.1.1 Définition du cycle S&OP
Le processus Sales and Operations Planning est un processus de management intégré par lequel
une équipe de collaborateurs arrive à atteindre un certain niveau de concentration, d’alignement
et de synchronisation au niveau de tous les organes de l’entreprise. Le processus S&OP
implique un plan prévisionnel mis à jour qui conduit à un plan de ventes, un plan de production,
un plan de gestion des stocks, un plan de distribution sur le marché, un plan de développement
de nouveaux produits, un plan d’initiatives stratégiques et finalement un plan financier résultant
de ces plans. La fréquence et l’horizon de planification du cycle S&OP dépendent des
particularités de l’industrie en question ; par exemple une industrie qui se caractérise par des
produits à durée de vie courte et une volatilité de la demande importante nécessite des
intervalles de planifications restreints pour mieux contrôler et agir contre les imprévus. Il est
connu chez les professionnels de la gestion de la chaîne logistique qu’un processus S&OP bien
implémenté conduit souvent à une gestion efficace de la supply chain.
Un processus S&OP bien implémenté revoit d’une façon routinière la demande des clients
potentiels et les sources d’approvisionnement et réajuste quantitativement le plan des opérations
sur un horizon bien déterminé. Le processus de re-planification met l’accent sur les
changements par rapport au plan initial de ventes et opérations et vise essentiellement la prise
de décision pour les actions futures et l’anticipation des résultats.
Selon The American Production and Inventory Control Society (APICS), le S&OP correspond
à la fonction d’établir le niveau global de production et d’autres activités pour mieux satisfaire
les niveaux planifiés des ventes (plan prévisionnel des ventes), tout en restant alignés avec les
objectifs business de profitabilité, productivité, délai compétitif de traitement des commandes
des clients. The Institute of Supply Chain Management définit le processus S&OP comme étant
le travail collaboratif entre les unités internes visant à prévoir la demande, les stocks
disponibles, les délais de livraisons des fournisseurs et pour les clients basés sur les prévisions
des ventes, les capacités de production et de stockage, et ce pour sortir avec un plan de
production qui permettra d’atteindre les objectifs Business sur un horizon bien déterminé. Le
18
S&OP fait appel à plusieurs départements comme le marketing, la production, l’ingénierie, la

finance, la recherche et développement etc..
Figure 2.1 : Piliers d’équilibre du cycle S&OP
La figure ci-dessus montre que le cycle S&OP cherche à atteindre l’équilibre entre quatre
facteurs. L’entreprise industrielle doit bien prévoir la demande sur le marché et assurer que
l’approvisionnement sera effectué à tenps et avec les quantités planifiéés à recevoir. De plus,
l’entreprise industrielle doit également rationaliser son inventaire pour éviter d’immobiliser
des sommes financières importantes sous forme de stocks tout en maintenant un bon niveau
de service, c’est-à-dire arriver à répondre à la plupart des commandes des clients.
Le processus S&OP vise la prise des décisions qui conviennent le plus aux objectifs Business,
en équilibrant le service client et le coût de l’inventaire. Le S&OP déploie également des
politiques qui aident l’organisation à prendre des décisions plus intégrées, il fournit à
l’entreprise un plan décisionnel qui lui facilite le choix en cas des situations complexes. Ce
processus met l’accent sur la collaboration poussée des différentes unités afin de sortir avec
un plan d’opérations qui permet de satisfaire la demande avec les meilleures combinaisons
coûts, qualité et délais.
Les processus S&OP traditionnels offrent plusieurs avantages en terme de réduction des coûts
et d’opérations plus efficientes. Par contre, l’augmentation de la complexité sur l’ensemble de
la chaîne de valeur met de la pression même sur les processus S&OP les plus performants,
chose qui affecte négativement la précision des prévisions et la planification. Quelques
sources de complexité sont illustrées dans le tableau suivant :
19
Tableau 2.1 : Sources de complexité dans le processus S&OP
Eléments du S&OP Moteurs augmentant la complexité

Lignes de produits Augmentation du nombre des SKUs
Lancement de nouveaux produits
Chaîne de valeur Différentes chaînes de valeurs pour différents produits
Délai de livraison Délais réduits ou connaissent une grande volatilité
Niveau de service Plus de pression pour augmenter le niveau de service
Plus de personnalisation de produits
Liquidité Financière Immobiliser plus de liquidité sous forme de stocks de
produits finis
Pour faire face à ces sources de complexité, il est envisageable que les organisations adoptant
un processus S&OP développent en premier lieu les stratégies et les politiques à long terme
puis développent des organes qui réagiront face aux situations de crise sur une fréquence
mensuelle. Par conséquent, le S&OP doit marier les 4 niveaux de prise décision : stratégique,
tactique, opérationnel et le niveau exécution. La figure suivante illustre ce constat :
Figure 2.2 : Architecture des décisions S&OP
20
Dans le paragraphe suivant, nous exposerons en détail les réunions qui composent le
processus S&OP dans le cas d’Unilever.
2.1.2 Réunions du cycle S&OP
Le processus S&OP est mensuel et réparti en quatre semaines. Chaque semaine, une ou
plusieurs réunions ont lieu pour sortir avec des décisions concernant les mois qui viennent. La
figure suivante montre le déroulement du processus S&OP et les réunions qui le constituent :
Figure 2.3 : Cycle S&OP
La gestion efficace et efficiente d’une chaîne logistique nécessite des spéculations sur le futur
tout en gardant comme objectif la disponibilité du bon produit au bon emplacement pour
répondre à la demande du consommateur final. De mauvaises prévisions risquent de conduire
à du sur-stockage des produits, des coûts supplémentaires et une allocation de ressources non
optimale. Le processus S&OP intervient pour développer une clairvoyance en commençant
par les prévisions de la demande en se basant sur les ventes des derniers exercices. Puis les
prévisions sont ajustées en fonction des contraintes de capacité de production et de stockage.
Si une ou plusieurs contraintes sont violées, les différentes équipes discutent les solutions
possibles et les compromis qu’il faut atteindre. Une zone de focus du processus S&OP est de
21
repérer les entités qui ne performent pas bien sur le plan financier et entreprendre des mesures
particulières pour celles-ci afin de minimiser les risques de perte.
Dans le tableau suivant nous résumons, pour chaque réunion du cycle S&OP, les objectifs, les
données d’entrée (input), les données de sortie (output), les indicateurs de performance ainsi
que les décideurs principaux :
Réunion de Réunion de Réunion de réconciliation Executive S&OP Meeting

planification de planification de demande/approvisionnent (S4)
la demande (S1) l’approvisionnement (S3)
(S2)
Objectifs - Revoir et - Revoir et approuver - Aligner la demande et -Approuver les objectifs
approuver le le plan l’approvisionnent sur le financiers et opérationnels
plan de la d’approvisionnement court et le long termes sur le court et le long termes
demande sur le sur le court et le long
court et le long terme
termes
Données -Bases - Plan de capacité - Plan de la demande - Plan aligné
d’entrée statistiques -Objectifs -Plan demande/Approvisionnement
-Prévisions de d’inventaire - d’approvisionnement -Scénarios d’impact financier
la demande Contraintes -Impact financier initial
-Pricing et d’approvisionnement
promotions -Engagements de
-Cycle de vie production
du produit
Données de - Part de -Cash Flows - Compromis entre la -Un plan financier concis
sortie marché -Coûts de production demande et
avec la part de marché, le
-Marge par -Plan de production l’approvisionnement.
produit par unité profit et les cash flows.
-Niveaux de -Plan -Scénarios d’impact
service d’approvisionnement financier
-Plan de la
demande
Indicateurs - Erreur et biais -Respect du plan de - Manque à gagner - Revenus, part de marché,
de de prévisions production (ventes ratées $)
marge commerciale, cash
performance -Commandes -Inventaire réel -Livré à temps
annulées contre prévisionnel -Livré en totalité flows (pertes et gains).
-Commandes
honorées
Décideurs - Equipe ventes - Production et -Finance - Top Mangement
principaux -Equipe Logistique -Equipe Sourcing
Marketing -Equipe Sourcing -Equipe Ventes - Chef d’unités (Supply
-Equipe Chain, Finance, Marketing,
Sourcing ventes)
Tableau 2.2 : Architecture des réunions S&OP
22
Dans le paragraphe suivant, nous traiterons la fonction Sourcing des produits finis importés,
son processus ainsi que les risques qui y sont liés.
2.2 Sourcing des Produits Finis importés

2.2.1 Processus du Sourcing
Le sourcing est un processus qui consiste à localiser les sources à partir desquelles
l’organisation peut se procurer des biens ou services dont elle a besoin. Pour le contexte de
gestion de la chaîne logistique, il s’agit de l’étape en amont du processus d’achat des produits
ou matières premières. Les responsables de sourcing ont pour enjeu de trouver la meilleure
unité d’approvisionnement qui respecte les contraintes de coûts, de délais, de qualité et de
fiabilité. Par conséquent, l’ensemble du processus d’achat et d’approvisionnement devient
efficient et fluide suite aux bonnes décisions. Une fois les unités d’approvisionnement
localisées, les responsables du sourcing négocient des partenariats stratégiques qui permettent
aux deux parties d’atteindre leurs objectifs.
Pour un exercice (mois) donné, le responsable sourcing doit planifier son propre plan
d’approvisionnement en produits finis au moins deux mois à l’avance. Cette période de deux
mois est appelée « Frozen Period » ou « période figée », parce que durant ces deux mois, le
fournisseur s’est déjà approvisionné en matières premières et a alloué ses ressources humaines
et matérielles pour fabriquer le lot de production en faveur de l’unité importatrice et ne peut
plus modifier le plan de production pour éviter des pertes considérables.
Figure 2.4 : Période figée Mai-Juin
La figure ci-dessus illustre la période gelée si le mois de planification est Avril.
Les responsables sourcing doivent saisir et comprendre toutes les contraintes des unités
d’approvisionnement et les discuter lors des réunions S&OP pour sortir avec un plan
d’approvisionnement compatible avec les contraintes des fournisseurs. Parmi ces contraintes,
23
on trouve la MOQ (Minimum Order Quantity ou la quantité minimale à commander pour que
la production soit rentable), les périodes de maintenance systématique des machines de
production, la rupture des stocks des matières premières. Ces responsables doivent, durant
chaque cycle négocier les quantités à fournir et revoir le coût et le délai pour garantir l’atteinte
des objectifs et éviter les situations de risque.
L’équipe sourcing doit également suivre les conteneurs des produits dès leur exportation
jusqu’à la réception à l’entrepôt local d’Unilever Maghreb.
2.2.2 Unités d’approvisionnement d’Unilever Maghreb
Chaque Usine d’Unilever au monde se spécialise dans un portefeuille de produits qu’elle

fabrique et exporte vers les autres unités. La carte suivante illustre les unités
d’approvisionnement d’Unilever Maghreb au mois d’Avril 2019.
Figure 2.5 : Unités d’approvisionnement d’Unilever Maghreb
24
Chaque Unité a sa propre capacité de production, son coût de revient des produits, son délai
de livraison, sa fiabilité et son degré respect des commandes, le partenaire principal en terme
de volume d’Unilever Maghreb est Unilever Mashreq, la filiale d’Unilever en Egypte.
L’équipe Sourcing doit également gérer les contraintes relatives aux trois pays du Maghreb.
Par exemple, le temps nécessaire pour l’inspection des produits à la douane au Maroc est, en
moyenne, une semaine. Mais en Tunisie, on parle de trois semaines en moyenne pour
respecter toutes les réglementations. Ces contraintes vont être incluses dans le Fichier Maître
qui doit rassembler les données des trois pays. Dans la suite, nous listerons les risques que les
responsables de sourcing doivent gérer pour garder un niveau de service élevé.
2.2.3 Les risques d’approvisionnement
Le management des risques d’approvisionnement consiste à implémenter des stratégies pour

gérer les risques quotidiens ou exceptionnels tout au long de la chaîne logistique en se basant
sur l’évaluation des sources potentielles de risques tout en gardant comme objectif de réduire
la vulnérabilité à des situations de ruptures et atteinte à l’image de marque et assurer la
continuité des opérations.
Le management des risques d’approvisionnement vise la réduction de la vulnérabilité via une

approche holistique, faisant appel à toutes les parties prenantes, qui analyse et identifie les
risques et les sources de vulnérabilité sur la chaîne logistique et met en place des outils pour la
prévention contre ces risques selon leur criticité.
Nous pouvons classifier les risques d’approvisionnement en risques externes (liés aux
fournisseurs ou les unités d’approvisionnement) et des risques internes liés aux pratiques et
conjonctures locales.
Risque fournisseur (Unité d’approvisionnement) :
 Ruptures des stocks de matières premières
 Mauvaise planification
 Problèmes de production (machines en pannes ou autres problèmes techniques)
 Problème de capacité de production et de stockage.
 Temps de livraison
 Problèmes de qualité des produits finis.
25
 Mauvaise coordination.
 Vol des produits finis lors de la transportation.
Risques internes ou locaux :
 Problèmes de capacité de stockage
 Pertes au niveau de l’inventaire (obsolescence des produits).
 Problèmes de qualité pendant le stockage.
 Blocage des marchandises au niveau de la douane.
 Non-conformité vis-à-vis le législateur (gouvernements locaux).
 Volatilité de la demande conduisant soit à une rupture des stocks soit à du sur-stockage.
 Campagnes de promotion locales conduisant à une consommation rapide du stock en

main.
Les risques présentés ci-dessus sont assez fréquents, leur gestion fait partie du quotidien de
l’équipe sourcing des produits finis d’Unilever, le fichier maître que nous allons traiter permet
à l’équipe sourcing de détecter quelques risques d’approvisionnement. Le chapitre suivant sera
consacré à l’implémentation du Fichier Maître sur Microsoft Excel qui permettra de consolider
les différentes données utiles pour la planification des stocks des produits finis ainsi que pour
générer les rapports nécessaires pour les réunions S&OP.
Dans ce chapitre, nous avons présenté le processus interne de management de la chaîne de

valeur chez Unilever Maghreb ainsi que l’équipe sourcing des produits finis importés que
nous avons intégrée. Nous avons présenté les challenges auxquels l’équipe fait face durant
chaque cycle S&OP, et pour faciliter la gestion des risques d’approvisionnement que l’équipe
doit gérer avec efficience, nous avons mis en place un fichier maître planification et reporting
qui sera sujet du chapitre suivant.
26
La mise en place du Fichier Maître pour la planification et le reporting
Chapitre 3
La mise en place du fichier

maître pour la planification et
le reporting
A travers ce chapitre, nous présenterons la solution sur Excel qui permettra aux différents
membres de l’équipe sourcing des produits finis importés de consolider toutes les données
utiles pour la planification des flux de produits finis pour l’Algérie, le Maroc et la Tunisie
ainsi que pour l’estimation des risques d’approvisionnement.
Note : Pour garder la confidentialité des données de l’entreprise, toutes les données
numériques présentées dans les chapitres qui suivent ont été multipliées par un facteur
numérique que nous avons jugé suffisant pour garder les mêmes résultats tout en protégeant
les données réelles.
27
Chapitre 3-Mise en place du Fichier

Maître pour la planification et le
reporting.
3.1 Module SRM (Supply Review Meeting)

3.1.1 Genèse de l’idée du Fichier Maître
Le système de management de la chaîne logistique qu’adopte Unilever, à savoir le cycle

S&OP, pousse les membres de l’équipe sourcing à préparer des fichiers de planification et de
reporting identiques du point de vue forme pendant chaque mois. Chaque membre de l’équipe
gère un portefeuille de sous-catégories de produits (Hair, Household Home Care, Skin
Cleansing etc..) pour les trois pays du Maghreb. Afin d’établir ces fichiers, les membres de
l’équipe effectuent des tâches répétitives à partir des mêmes données, et pour chacun des trois
pays, chose qui leur fait perdre beaucoup de temps pendant chaque cycle S&OP.
L’idée du fichier maître consiste à implémenter un fichier qui fait consolider toutes les
données sur les produits importés et générer les données pour le reporting avec le moins de
tâches possible, en tenant compte des particularités des trois pays en terme de contraintes.
Pur concevoir ce fichier, nous avons commencé par l’étude du processus d’import des
produits finis importés avec les membres de l’équipe sourcing, puis nous avons étudié les
fichiers que l’équipe exploite pour la planification et le reporting en comprenant les
différentes formules et leur utilité ainsi que les relations qui existent entre les différents
fichiers. Ensuite nous avons établi une cartographie globale qui décrit la structure de notre
fichier et nous l’avons présenté aux membres de l’équipe sourcing qui ont validé notre
proposition. Pour l’exécution, nous avons suivi le modèle de conception en cascade, c’est-à-
dire nous exécutons une phase puis elle est validée par le membre de l’équipe sourcing
concerné avant de passer à la phase suivante. Le fichier ne peut être exploité qu’après la
validation de l’ensemble des modules par l’équipe.
Le premier module de notre fichier est le module SRM (Supply review meeting) que les
membres de l’équipe préparent pour la réunion de revue de l’approvisionnement où les
risques d’approvisionnement sont discutés.
28
Dans le paragraphe suivant, nous allons déterminer les données nécessaires pour préparer le
module SRM.
3.1.2 Données d’entrée du module SRM
Les membres de l’équipe Sourcing exploitent un progiciel de gestion intégré (ERP) conçu par
l’entreprise SAP SE pour saisir les données des commandes des produit finis, coordonner
avec les collègues aux unités d’approvisionnement et aux autres départements, gérer les
factures et effectuer le suivi du stock en transit en temps réel. Ces données sont extraites de
l’ERP SAP puis exportés vers des fichiers Excel pour préparer la planification et le reporting.
Les données nécessaires pour établir le module SRM sont les suivantes :
 Données Logistiques :
 Code SAP : un code unique pour chaque SKU importée d’une unité
d’approvisionnement vers l’un des trois pays.
 Description de la SKU : une nomenclature détaillée du produit, par

exemple : « CLEAR SHAMPOO DEEP CLEAN CHK MRB
240X5ML »
 Status : Pour se référer à l’état commercial de la SKU au Maghreb, une

SKU peut être soit Régulier (commercialisé depuis plus de trois mois),
Innovation (un nouveau produit ou produit dont un élément a été
modifié, commercialisé depuis moins de trois mois), Va être supprimée
(pour les SKUs qui ne vont plus être commercialisés), supprimée
(produit retiré du marché local), Promotion (Pour les SKUs destinés à
être utilisés dans des campagnes de promotion).
 Poids net de la caisse : Il s’agit de la masse du lot des produits finis

importés (sans considérer le poids du conteneur)
 Sourcing Unit : Unité d’approvisionnement à partir de laquelle on

importe le SKU.
 Safety Stock Weeks Cover : Nombre de semaines de couverture en

stocks de sécurité désiré (Cet élément sera traité en détail au quatrième
chapitre).
29
 Safety Stock in Tons : Stock de sécrité calculé en tonnes.
 Caetgory et Sub-Category : Pour se référer à la catégorie (Personal

Care) et la sous-catégorie (Hair)
 Brand : La marque du SKU en question (exemple :Clear).
 Données sur la demande et les stocks en transit :
 Forecast : Prévisions de la demande pour chaque SKU pendant les 12

prochains mois.
 Opening Stock : Stock d’ouverture, il s’agit du stock avec lequel on

commence le mois actuel pour chaque SKU.
 SIT (Stock in Transit) : Stock en transit pour les huit prochaines

semaines, on précise la quantité à recevoir pour chaque semaine durant
les deux mois qui suivent.
3.1.3 Structure du Module SRM implémenté
Le module SRM conçu comporte cinq éléments, les données logistiques de la SKU, les
prévisions de la demande (12 mois), le stock d’ouverture et le stock en transit (8 semaines),
les commandes (12 mois), les clôtures (quantités futures avec lesquelles on clôt le mois pour
chaque SKU).
Pour mieux consolider les données des trois pays, nous avons ajouté une colonne consacrée
aux pays (Maroc, Tunisie et Algérie).
Pour le module SRM, les contraintes et les formules suivantes (qui ont été validées avec les
membres de l’équipe Sourcing et la manager PC suite à des réunions avec chaque membre)
devaient être respectées :
 Pour les commandes, les deux prochains mois (M et M+1) sont considérés une période
figée pour le Maroc et l’Algérie, et trois mois pour le cas de la Tunisie à cause des
contraintes particulières de dédouanement et d’inspection imposées par les autorités
Tunisiennes.
Soit i un mois de l’année et j une SKU donnée, et soient :
30
𝑫𝒊,𝒋 : 𝐿𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑒 𝑝𝑟é𝑣𝑢𝑒 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑚𝑜𝑖𝑠 𝑖, 𝑝𝑜𝑢𝑟 𝑢𝑛𝑒 𝑆𝐾𝑈 𝑗
𝑸𝒊,𝒋 : 𝑄𝑢𝑎𝑛𝑡𝑖𝑡é 𝑐𝑜𝑚𝑚𝑎𝑛𝑑é𝑒 𝑝𝑜𝑢𝑟 𝑢𝑛𝑒 𝑆𝐾𝑈 𝑗 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑚𝑜𝑖𝑠 𝑖
𝑪𝒊,𝒋 : 𝐶𝑙ô𝑡𝑢𝑟𝑒 𝑑 ′ 𝑢𝑛𝑒 𝑆𝐾𝑈 𝑗 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑚𝑜𝑖𝑠 𝑖
𝑺𝒊,𝒋 : 𝑠𝑡𝑜𝑐𝑘 𝑑𝑒 𝑠é𝑐𝑢𝑟𝑖𝑡é 𝑑′ 𝑢𝑛𝑒 𝑆𝐾𝑈 𝑗 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑚𝑜𝑖𝑠 𝑖
𝑶𝒋 : 𝑠𝑡𝑜𝑐𝑘 𝑑′ 𝑜𝑢𝑣𝑒𝑟𝑡𝑢𝑟𝑒 𝑑′ 𝑢𝑛𝑒 𝑆𝐾𝑈 𝑗 𝑝𝑜𝑢𝑟 𝑚𝑜𝑖𝑠 𝑎𝑐𝑡𝑢𝑒𝑙 𝑑𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛
Soit M le mois actuel de planification
W1, W2, W3, W4 : le stock en transit pour les 4 semaines du mois M.
W5, W6 ; W7 ; W8 : le stock en transit pendant les 4 semaines du mois M+1.
𝑂𝑛 𝑎 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑚𝑜𝑖𝑠 𝑀 et M+1 :
𝑂𝑗 + 𝑊1 + 𝑊2 + 𝑊3 + 𝑊4 − 𝐷𝑀,𝑗 𝑆𝑖 𝑝𝑎𝑦𝑠 = "Maroc"

.
𝑪𝑴,𝒋 = { .
𝑂𝑗 + 𝑊1 + 𝑊2 + 𝑊3 − 𝐷𝑀,𝑗 , 𝑆𝑖 𝑝𝑎𝑦𝑠 = "Algérie"ou"Tunisie"
La contrainte ci-dessus signifie que la clôture du mois actuel est égale au stock
d’ouverture plus les quantités à recevoir sur les 4 prochaines semaines mois la demande
prévisionnelle du mois actuel. Pour le cas de la Tunisie et l’Algérie on tient compte de
trois semaines seulement. Le fait de prendre quatre ou trois semaines dépend des
contraintes de dédouanement et validation des lots par les autorités Marocaines,
Algériennes et Tunisiennes. Le même raisonnement fonctionne pour les contraintes
suivantes :
Si Pays = « Maroc »
𝑊5 + 𝑊6 + 𝑊7 − 𝐷𝑀+1,𝑗 𝑆𝑖 𝐶𝑀,𝑗 ≤ 0
.
𝑪𝑴+𝟏,𝒋 = { .
𝐶𝑀,𝑗 + 𝑊5 + 𝑊6 + 𝑊7 − 𝐷𝑀+1,𝑗 𝑆𝑖 𝐶𝑀,𝑗 > 0
Si Pays = « Algérie »
31
𝑊4 + 𝑊5 + 𝑊6 + 𝑊7 − 𝐷𝑀+1,𝑗 𝑆𝑖 𝐶𝑀,𝑗 ≤ 0
.
𝑪𝑴+𝟏,𝒋 ={ .
𝐶𝑀,𝑗 + 𝑊4 + 𝑊5 + 𝑊6 + 𝑊7 − 𝐷𝑀+1,𝑗 𝑆𝑖 𝐶𝑀,𝑗 > 0
Si Pays = « Tunisie »
𝑊4 + 𝑊5 + 𝑊6 + 𝑊7 − 𝐷𝑀+1,𝑗 𝑆𝑖 𝐶𝑀,𝑗 ≤ 0
.
𝑪𝑴+𝟏,𝒋 ={ .
𝐶𝑀,𝑗 + 𝑊4 + 𝑊5 + 𝑊6 + 𝑊7 − 𝐷𝑀+1,𝑗 𝑆𝑖 𝐶𝑀,𝑗 > 0
Les formules ci-dessus signifient que si la clôture du mois précédant est supérieure à zéro, elle
est retranchée de la clôture du mois suivant.
Pour le mois M+2 on a pour les trois pays :
𝑊8 + 𝑄𝑀+2,𝑗 − 𝐷𝑀+2,𝑗 𝑆𝑖 𝐶𝑀+1,𝑗 ≤ 0

.
𝑪𝑴+𝟐,𝒋 ={ .
𝑊8 + 𝑄𝑀+2,𝑗 − 𝐷𝑀+2 + 𝐶𝑀+1,𝑗 𝑆𝑖 𝐶𝑀+1,𝑗 > 0
Au-delà du mois M+2 :
𝑄𝑖,𝑗 − 𝐷𝑖,𝑗 𝑆𝑖 𝐶𝑖−1,𝑗 ≤ 0

.
𝑪𝒊,𝒋 ={ .
𝑄𝑖,𝑗 − 𝐷𝑖,𝑗 + 𝐶𝑖−1,𝑗 𝑆𝑖 𝐶𝑖−1,𝑗 > 0
Les équations suivantes sont celles utilisées pour calculer les quantités à commander pour
chaque mois au-delà des mois de la période figée, pour chaque mois on commande la quantité
prévisionnelle de la demande plus le stock de sécurité en tenant compte de la clôture du mois
précédant.
𝐷𝑖,𝑗 + 𝑆𝑖,𝑗 𝑆𝑖 𝐶𝑖−1,𝑗 ≤ 0

.
𝑸𝒊,𝒋 = { .
𝐷𝑖,𝑗 + 𝑆𝑖,𝑗 − 𝐶𝑖−1,𝑗 𝑆𝑖 𝐶𝑖−1,𝑗 > 0
32
L’implémentation des contraintes est mentionnée sur l’annexe A.
La partie suivante sera consacrée au Module Rapport de Disponibilité.
3.2 Module Rapport de disponibilité
3.2.1 Données d’entrée du rapport de disponibilité
Le rapport de disponibilité est l’un des rapports que l’équipe Sourcing est censée établir au
début de chaque cycle S&OP, ce rapport donne pour chaque marque, pour chacun des sept
prochains mois (le mois actuel inclus), le nombre de semaines que le stock à disposition et le
stock en transit peuvent couvrir tenant compte de la demande prévisionnelle.
En d’autres termes, le rapport de disponibilité est censé répondre à la question suivante : « En

tenant compte de la demande prévisionnelle, et en supposant pour chaque mois M que
l’approvisionnement à partir de M+1 ne sera plus effectué, combien de semaines le stock
d’ouverture du mois actuel M ainsi que le stock en transit peuvent couvrir ? »
Le but principal de ce rapport est de quantifier pour, chaque mois, le nombre de semaines que
leur stock disponible peut couvrir si jamais l’approvisionnement dans les mois qui suivent
n’est plus effectué.
Le rapport de disponibilité devrait calculer pour chaque marque et pour chaque mois le stock
d’ouverture et le stock en transit le nombre de semianes couvertes et le comparer avec le
nombre de semaines cible de couverture (Target Weeks Cover) et marque en rouge le nombre
inférieur à cette cible (situation de rsique de rupture).
Le rapport doit également calculer les contributions en volume et en cash-flow de chaque

marque et pour chaque pays, dans l’inventaire global qui va être importé.
Pour établir le rapport de disponibilité, nous avons respecté les équations suivantes et nous
avons tenu en compte les notations du paragraphe 3.1.3 :
𝑵𝑶 (𝑖, 𝑘, 𝑙): 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠 𝑐𝑜𝑢𝑣𝑒𝑟𝑡𝑒𝑠 𝑝𝑎𝑟 𝑙𝑒 𝑠𝑡𝑜𝑐𝑘 𝑑 ′ 𝑜𝑢𝑣𝑒𝑟𝑡𝑢𝑟𝑒 𝑑𝑢 𝑚𝑜𝑖𝑠 𝑖 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑚𝑎𝑟𝑞𝑢𝑒 𝑘
𝑒𝑡 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑎𝑦𝑠 𝑙.
33
𝑵𝑶𝑻 (𝑖, 𝑘, 𝑙): 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠 𝑐𝑜𝑢𝑣𝑒𝑟𝑡𝑒𝑠 𝑝𝑎𝑟 𝑙𝑒 𝑠𝑡𝑜𝑐𝑘 𝑑 ′ 𝑜𝑢𝑣𝑒𝑟𝑡𝑢𝑟𝑒 𝑝𝑙𝑢𝑠 𝑙𝑒 𝑠𝑡𝑜𝑐𝑘 𝑒𝑛 𝑡𝑟𝑎𝑛𝑠𝑖𝑡
𝑑𝑢 𝑚𝑜𝑖𝑠 𝑖 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑚𝑎𝑟𝑞𝑢𝑒 𝑘 𝑒𝑡 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑎𝑦𝑠 𝑙.
𝑻𝒊,𝒋 : 𝑆𝑡𝑜𝑐𝑘 𝑒𝑛 𝑡𝑟𝑎𝑛𝑠𝑖𝑡 𝑑𝑢 𝑚𝑜𝑖𝑠 𝑖, 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑆𝐾𝑈𝑗
Tenant compte de ces notations, nous avons les équations suivantes :
𝑄𝑖+1,𝑗 𝑆𝑖 𝑃𝑎𝑦𝑠 = "𝑀𝑎𝑟𝑜𝑐"

.
.
𝑻𝒊,𝒋 = 𝑄𝑖+1,𝑗 + 𝑄𝑖+2,𝑗 𝑆𝑖 𝑃𝑎𝑦𝑠 = "𝐴𝑙𝑔é𝑟𝑖𝑒"
.
.
𝑄
{ 𝑖+1,𝑗 + 𝑄𝑖+2,𝑗 + 𝑄 𝑖+3,𝑗 𝑆𝑖 𝑃𝑎𝑦𝑠 = "𝑇𝑢𝑛𝑖𝑠𝑖𝑒"
On a donc :
∑ 𝑗 𝑪𝒊−𝟏,𝒋
𝑘="marque"
𝑙="𝑝𝑎𝑦𝑠"
𝑵𝑶 (𝑖, 𝑘, 𝑙) = ˟ 4.25
𝐷𝑖,𝑗
∑ 𝑖,𝑗
𝑘="marque"
7
Le dénominateur représente la demande moyenne sur 7 mois des SKUs appartenant à la même marque
et le même pays. Le facteur 4.25 est présent car on suppose qu’un mois comporte 4.25 semaines. On
calcule pour chaque marque et pour chaque pays la somme des stocks d’ouverture (égaux aux clôtures
du mois précédant) puis on divise cette somme sur la demande moyenne sur 7 mois par marque et par
pays.
De même on a :
∑ 𝑗 (𝑪𝒊−𝟏,𝒋 + 𝑻𝒊,𝒋 )
𝑘="marque"
𝑵𝑶𝑻 (𝑖, 𝑘, 𝑙) = ˣ4.25
𝐷𝑖,𝑗
∑ 𝑖,𝑗
𝑘="marque"
7
34
3.2.2 Structure du rapport de disponibilité
Le rapport de disponibilité que nous avons proposé est affiché sous forme d’un tableau
comportant les marques, leur nombre de semaines de couverture cible, les contributions en
cash-flow et en volume, puis deux blocs dont le premier est consacré au stock d’ouverture
puis le second est consacré au stock d’ouverture plus le stock en transit. Ce tableau est doté
également d’une liste déroulante qui permet d’afficher instantanèment le rapport de
disponibilité d’un autre pays. Le rapport compare automatiquement le nombre de semaines de
couvertures pour chaque mois avec la valeur cible et marque en rouge celles qui représentent
une situation de risque, c’est-à-dire si le nombre de semaines calculé est inférieur au nombre
de semaines cible.
Le rapport de disponibilité est automatiquement généré à partir des données du module SRM.
Dans le paragraphe suivant, nous présenterons une amélioration des formules de calcul du
rapport de disponibilité.
Figure 3.1 Extrait du rapport de disponibilité pour le Maroc
Cette version du rapport de disponibilité présente un problème d’estimation, vu que le nombre

de semaines de couverture calculé suppose que la demande pour chaque marque durant les
sept mois est égale à la demande moyenne, une hypothèse qui est rarement vérifiée.
Nous avons proposé un autre rapport de disponibilité qui prend en considération les valeurs de
prévisions exactes et non pas la moyenne afin d’améliorer la qualité du rapport.
35
Figure 3.2 Extrait du nouveau rapport de disponibilité pour le Maroc
Par exemple, nous remarquons que pour le mois d’Avril et pour la marque « Comfort », La
première version du rapport affichait que le stock disponible pourrait couvrir 44 semaines
alors que la nouvelle version affiche 51 (valeur encerclée en rouge sur la figure ci-dessus).
Les deux rapports ont été implémentés pour effectuer les comparaisons lors des réunions
S&OP.
Dans le paragraphe suivant, nous traiterons le module Réconciliation Approvisionnement-

Demande.
3.3 Module Réconciliation Approvisionnement-Demande (DSR)
Ce module est utilisé lors de la réunion Réconciliation Approvisionnement-Demande

(Demand Supply Reconciliation) qui tient lieu la troisième semaine de chaque mois pour
discuter les situations de risque de rupture pour les 3 prochains mois et repérer les
opportunités au niveau des SKUs similaires qui ne connaitront pas une situation de rupture et
les exploiter pour couvrir la demande des autres. Le but principal de ce rapport est de couvrir
le maximum de situations de ruptures probables sur les trois prochains mois.
36
Ce Module est lié automatiquement au module SRM et est composé de quatre blocs.
Figure 3.3 Données du module DSR
Le premier bloc identifie les risques de rupture bruts sur les trois prochains mois, un risque est
défini pour chaque SKU j par la relation suivante :
𝑅𝑖𝑠𝑞𝑢𝑒(𝑀) = −𝑀𝐼𝑁(𝐶𝑀,𝑗 ; 0)
Le risque correspond donc à toute situation de clôture négative (Valeur encerclée en rouge sur
la figure ci-dessus). Le deuxième bloc reprend la demande prévue pour les trois prochains
mois à partir du module SRM. Le troisième bloc est consacré aux opportunités potentielles,
les opportunités potentielles sont calculées pour chaque SKU j par la relation suivante :
𝑂𝑝𝑝𝑜𝑟𝑡𝑢𝑛𝑖𝑡é(𝑀) = 𝑀𝐴𝑋(𝐶𝑀,𝑗 ; 0)
Le quatrième bloc est réservé aux opportunités, le responsable sourcing doit choisir la SKU
avec laquelle il peut couvrir les situations de risque. Une fois ces données saisies, le rapport
DSR qui consolide toutes ces données pour les sous-catégories est généré automatiquement, la
figure suivante représente le rapport DSR pour le Maroc. Le troisième bloc (Net Risk) calcule
l’écart entre les risques bruts et les opportunités en volume et en cash-flow :
37
Figure 3.4 Rapport DSR pour le Maroc
Le premier bloc (Total Risk) somme les risques bruts par sous-catégories de produits et par
pays. Le second bloc somme toutes les opportunités exploitées par le responsable sourcing, le
troisième calcule l’écart en tonnes et en cash-flow.
Dans le paragraphe suivant, nous présenterons le rapport des projections financières
3.4 Rapport des projections financières

3.4.1 Utilité des projections financières
Les projections financières est un exercice spéculatif mensuel que l’équipe sourcing effectue
en collaboration avec le département Finances pour quantifier la valeur financière de
l’inventaire disponible et le stock en transit pour les dix prochains mois. Les projections
financières sont extrêmement importantes vu que l’analyse en fonction des volumes n’est pas
représentative à cause de la grande variabilité des coûts des différentes SKUs. Les projections
consistent à déterminer le montant que l’entreprise va immobiliser pour acquérir et stocker les
quantités de produits importés. Par conséquent, si la valeur de l’inventaire diminue par rapport
à ce qui a été projeté au passé, cela veut dire que l’entreprise performe bien sur le marché et
arrive à commercialiser ses produits et augmenter son chiffre d’affaires.
Pour calculer les projections financières, le département Finance fournit à l’équipe sourcing
chaque mois les données financières actualisées sur toutes les SKUs stockées et celles en
transit. La méthodologie du calcul est présentée dans le paragraphe suivant.
38
3.4.2 Méthodologie de calcul des projections financières
En considérant les notations déjà mentionnées dans les paragraphes du 3ème chapitre, nous
notons 𝑃𝑖,𝑗 la projection financière d’une SKU j pour le mois i avec :
𝑃𝑖,𝑗 = 𝐶𝑖,𝑗 × 𝑢𝑗 + 𝑇𝑖,𝑗 × 𝑙𝑗
𝑢𝑗 : Le coût unitaire par une tonne d’un SKU j.
𝑙𝑗 : Le prix au débarquement (Landed Cost) par une tonne d’un SKU j.
Le prix au débarquement ou landed cost est le prix total d’un produit importé quand il atteint
l’entrepôt de l’entreprise. Ce prix comprend le prix initial du produit, les charges de transport,
les taxes, les tarifs d’assurance ainsi que le taux de change. Ce prix est ajusté par le
département Finance chaque 3 mois.
Donc les projections ne prennet pas en compte que le stock disponible, mais aussi le stock en
transit.
Les projections financières sont calculées par sous-catégories de produits, notons ∏ 𝑖, 𝑘, 𝑙 la

projection financière du mois i, de la sous-catégorie k, pour le pays l, on a :
∏ 𝑖, 𝑘, 𝑙 = ∑ 𝑃𝑖,𝑗
𝑗
𝑘="sous-catégorie"
3.4.3 Structure du rapport de projections financières :
39
Les projections financières sont calculées automatiquement une fois les données nécessaires
sont introduites (coût par unité et prix au débarquement). Le rapport est affiché sur une autre
feuille sous la formeProjections
suivante (in :
Actuals EUR)
Country Category avr.-19 mai-19 juin-19 juil.-19 août-19 sept.-19 oct.-19 nov.-19 déc.-19 janv.-20
Fabric Cleaning 2 210 864 1 891 152 1 477 300 1 130 557 783 816 437 074 90 332 0 0 0
Hair 50 838 12 220 12 220 12 220 12 220 12 220 12 220 12 220 12 220 12 220
ALGERIA
HHC 423 508 369 100 335 016 293 599 252 182 210 766 169 349 127 932 86 516 94 415
TOTAL 2 685 210 2 272 472 1 824 536 1 436 377 1 048 218 660 059 271 901 140 152 98 736 106 635
Fabric Cleaning 723 692 519 160 440 112 627 052 639 264 564 634 592 060 597 287 582 145 581 032
Hair 9 224 180 8 056 656 6 936 096 5 178 817 6 388 116 5 661 811 5 241 144 4 915 936 5 520 036 4 472 509
Skin Care 917 000 678 944 817 972 648 198 637 824 1 010 723 1 355 077 1 299 740 1 418 917 1 153 152
MOROCCO
Fabric Cond 162 756 54 104 47 180 45 117 39 243 40 841 42 894 40 788 45 106 37 932
HHC 51 516 33 832 86 056 64 594 51 016 60 704 55 767 48 826 57 334 91 945
TOTAL 11 079 144 9 342 696 8 327 416 6 563 777 7 755 464 7 338 713 7 286 942 6 902 577 7 623 539 6 336 569
Fabric Cleaning 20 708 1 254 428 1 134 732 876 803 1 096 711 913 006 1 130 643 914 291 1 131 076 948 337
Fabric Cond 2 876 100 2 631 860 1 928 676 1 652 843 1 271 680 887 526 1 585 945 1 511 267 1 621 327 1 118 111
TUNISIA Hair 2 128 052 1 671 412 1 230 476 1 133 279 1 115 885 1 003 733 1 051 901 1 039 754 1 150 216 847 398
HHC 1 093 012 1 288 832 1 209 360 1 141 592 1 147 532 1 083 949 1 064 186 1 052 668 1 048 610 1 258 700
TOTAL 6 117 872 6 846 532 5 503 244 4 804 517 4 631 808 3 888 214 4 832 674 4 517 980 4 951 229 4 172 545
Total 19 882 226 18 461 700 15 655 196 12 804 671 13 435 489 11 886 986 12 391 518 11 560 709 12 673 503 10 615 749
Figure 3.5 Rapport des projections financières
La figure ci-dessus représente les projections financières pour les sous-catégories Hair, Skin
Care, Fabric Cleaning, Fabric Cond et HHC (Household home care).
Le rapport des projections financières affiche la valeur financière de l’inventaire pour chaque
mois et par pays par sous-catégorie.
Pour la sous-catégorie Hair en Algérie, nous remarquons que la valeur financière et la même,
ceci est du au fait que les données de prévisions pour cette sous-catégorie n’ont pas été
introduites. L’un des pricipaux avantages de notre fichier c’est qu’il permet de facilement
visualiser les erreurs et de suivre leur origine et la corriger.
Le dernier module du Fichier Maître (Overstock & Residuals) est mentionné sur l’annexe B.
3.5 Mesure de l’impact du Fichier Maître

L’équipe Sourcing des produits finis importés avait besoin du Fichier Maître pour consolider
les données des trois pays du Maghreb en un seul fichier et éviter de perdre du temps dans des
tâches répétitives à partir des mêmes données pour préparer des fichiers pour le reporting
mensuel. Dans le tableau suivant nous résumons les résultats en terme de gain en temps après
l’implémentation du Fichier Maître :
40
Tableau 3.1 Temps de préparation des fichiers
Fichier Temps de préparation avant l’implémentation du fichier maître

SRM Une journée
Rapport de disponibilité Une demi-journée
Réconciliation
Approvisionnement- Une journée
Demande
Projections financières 2 jours
Overstock & Residuals Une demi-journée
Donc, en totalité, chacun des trois membres de l’équipe Sourcing qui sont censés préparer ces
fichiers passait environ 5 jours de travail par cycle S&OP (20 jours), dans des tâches
routinières répétitives. Après l’implémentation du Fichier Maître, et avec la disponibilité des
données, les responsables sourcing peuvent préparer tous ces rapports en 3 heures en
moyenne.
Dans le chapitre suivant, nous traiterons la problématique du modèle de stock de sécurité et la

démarche que nous avons proposée pour la résoudre.
A travers ce chapitre, nous avons présenté premièrement la structure générale du fichier

maître proposé qui permet de consolider les données des trois pays du Maghreb et de générer
les reportings automatiquement. Nous avons expliqué l’utilité et la composition de chaque
module ainsi que les formules mathématiques utilisées pour le calcul avec leur interprétation.
Le fichier maître proposé a été adoptée par l’équipe sourcing et permet actuellement de
générer les reportings en 3 heures au lieu de 5 jours par chaque cycle S&OP. Nous allons
maintenant traiter la deuxième problématique de notre projet qui concerne les stocks de
sécurité des produits finis importés.
41
Rationalisation des niveaux des stocks de sécurité pour les produits finis importés
Chapitre 4
Rationalisation des niveaux

des stocks de sécurité pour
les produits finis importés
Les résultats de la politique de gestion des stocks de sécurité des produits finis d’Unilever
sont loin des attentes des supply chain managers à causes de niveaux des stocks de sécurité
élevés. Nous étudierons dans ce chapitre en premier lieu la signification et l’utilité des stocks
de sécurité, puis nous analyserons la politique existante de gestion des stocks, ensuite nous
proposerons notre modèle accompagné d’une simulation sur des données réelles pour sortir
avec des recommandations pertinentes.
42
Chapitre 4-Rationalisation des niveaux

de stock de sécurité des produits finis
importés
4.1 Aperçu théorique

4.1.1 La gestion des stocks et le coût de possession des stocks
La gestion des stocks est un maillon important de la chaîne logistique de toute entreprise
industrielle. Elle consiste à planifier, organiser, piloter et contrôler les activités relatives à tous
les stocks de matières premières, produis en-cours, produits finis ou semi-finis.
Les stocks occupent une grande importance vue qu’ils permettent de répondre à la demande
des clients dans les temps, en réduisant l’impact des aléas sur le délai d’approvisionnement,
afin d’entretenir de bonnes relations avec eux. De plus, le contexte économique mondial fait
que les délais d’attente des clients deviennent de plus en plus courts, et un client non servi
peut facilement satisfaire son besoin chez le concurrent. Par conséquent, une mauvaise
gestion des stocks conduit directement à la perte des parts de marché, et il est important de
signaler que les stocks occupent une partie considérable de l’actif des entreprises industrielles,
leur rationalisation conduit souvent à des résultats financiers favorables.
Le coût de possession des stocks est le facteur majeur qui poussent tous les managers dans les
entreprises industrielles à chercher des opportunités pour optimiser les niveaux des stocks.
Le coût de possession des stocks est réparti comme suit :
 Coût financier (immobilisation financière) : Une entreprise cherche toujours à

optimiser le Coût Moyen Pondéré du Capital (CMPC). L’entreprise pourra avoir un
retour sur investissement plus intéressant que d’immobiliser le capital en stock.
 Coût logistique : Coût de stockage physique (locaux, personnel, etc..). Ces coûts
dépendent surtout dimensionnement de l’outil logistique (coûts fixes). Leur
dépendance du niveau de stock reste limitée.
 Coût de traitement de l’obsolescence : Le coût du stock qui a dépassé sa date limite

de consommation ou qui est obsolète.
43
 Coût de la rupture : Ce coût est difficile à estimer, et devient plus important si la

rupture conduit à la perte du client ou au moment de recours aux livraisons express.
Figure 4.1 Impact de l’optimisation des stocks (Richardson, 1995)
Dans la figure ci-dessus, on suppose que le coût de possession du stock représente 20% de la
valeur de l’inventaire. Nous nous sommes basés sur le papier de Hélène Richardson publié en
1995 dans lequel elle estime que le coût de stockage varie entre 20% et 55% de la valeur
totale de l’inventaire. Pour la majorité des entreprises industrielles, le stock se décompose en
une série de stocks ayant chacune une fonction, la figure suivante montre les différents types
de stock ainsi que leur fonctionnalité :
Figure 4.2 Décomposition des stocks (cours gestion des stocks, département génie industriel, Ecole des Ponts
ParisTech)
44
Le paragraphe suivant est dédié au stock de sécurité qui est sujet de notre projet de fin
d’étude et qui représente la source de non efficience de la gestion des stocks chez Unilever.
4.1.2 Le stock de sécurité
Le stock de sécurité est le stock jugé nécessaire pour assurer le niveau de service souhaité
quand les commandes à livrer dépassent les capacités de production ou excèdent les quantités
stockées. Il est considéré comme complémentaire au stock de fonctionnement (stock de cycle)
prenant en compte d’une part l’incertitude de la demande réelle et celle du
réapprovisionnement et d’autre part le besoin de satisfaire la commande pour maintenir un
bon niveau de service.
Le stock de sécurité a pour fonction de couvrir l’entreprise contre les aléas suivants :
 Aléa d’approvisionnement : Aléa dû principalement aux retards lors de la livraison à
cause d’une multitude de facteurs aléatoires impossibles à contrôler ou maîtriser à
cause de leur grande complexité (risques mentionnés au chapitre 2).
 La variabilité de la demande : Il est presque impossible de prédire la demande sur une
longue ou moyenne période avec une parfaite exactitude.
Stock
Délai appro Aléa appro
Rupture
Stock
Délai appro Aléa appro
Stock de sécurité
Stock de sécurité
couvre l’aléa d’appro
Figure 4.3 Couverture des aléas par le stock de sécurité

Sur la figure 4.3, l’entreprise en question, qui ne possède pas un stock de sécurité, se retrouve
dans une situation de rupture des stocks à cause d’un aléa qui a fait augmenter le délai
45
d’approvisionnent. Cependant, si elle disposait d’un stock de sécurité convenable, elle aurait
pu agir sur la rupture grâce au stock de écurité en attendant que l’approvisionnement
s’effectue.
Il n’existe pas une formule exacte ou conventionnelle par laquelle on peut calculer le stock de
sécurité, cependant, une multitude de sources dans la littérature du management des
opérations (nous avons mentionné quelques unes sur la bibliogaphie) proposent la formule
suivante :
𝑺𝒕𝒐𝒄𝒌 𝒅𝒆 𝒔é𝒄𝒖𝒓𝒊𝒕é = 𝒁 × √(𝑹 × 𝝈𝟐 𝑫 + 𝑫𝟐 × 𝝈𝟐 𝑹 )
Avec :
Z : Score de satisfaction calculé à partir de la table de loi statistique normale en
fonction du niveau de service de l’entreprise (proportion des commandes des clients
respectées)
R : Durée moyenne de réapprovisionnement
D : Demande moyenne
𝜎 2 𝐷 : Ecart-type de la demande
𝜎 2 𝑅 : Ecart-type du délai d’approvisionnement
Il est important de souligner que les formules de calcul de ces paramètres ne sont pas
conventionnelles à leur tour.
Intuitivement, si pour une SKU ou un portefeuille de produits, la demande et le délai

d’approvisionnement sont très volatiles (ont un écart-type important), les niveaux des stocks
de sécurité seront élevés pour anticiper toute situation de risque.
Cependant, nous n’allons pas nous baser sur ce modèle dans notre étude pour les raisons
suivantes :
 La méthode de gestion des stocks d’Unilever est particulière et ne correspond pas à ce
qui existe généralement dans la littérature.
 Pour que le modèle soit le plus exacte que possible, on a besoin d’énormes quantités
historiques pour chacun des paramètres. Ces données sont presque impossibles à
collecter à cause de la grande complexité de la supply chain d’Unilever et les
46
changements très fréquents que le management effectue pour s’adapter à la

conjoncture du marché.
 Le modèle déjà mentionné est plus applicable pour les chaînes d’approvisionnement à
flux tiré.
Dans la partie qui suit, nous présenterons notre analyse de la politique existante de gestion des
stocks et le modèle utilisé pour calculer le stock de sécurité.
4.2 Analyse de l’existant
4.2.1 Méthode de gestion des stocks d’Unilever Maghreb
La littérature du management des opérations offre une multitude de méthodes avec lesquelles
les entreprises peuvent gérer leurs stocks. Ces méthodes diffèrent en principe en la date de
réapprovisionnement et les quantités à commander.
Unilever adopte la méthode des projections des ventes qui prend en considération plusieurs
facteurs :
 Tendance du marché.
 Volume de ventes enregistrés durant la même période l’année précédente.
 Volume de ventes enregistrées récemment.
 Saisonnalité et état général de l’économie
 Campagnes de promotions.
 Dépenses publicitaires.
 Contraintes des fournisseurs.
 Contraintes imposées par les concurrents.
L’équipe sourcing planifie son approvisionnement sur une échelle mensuelle en tenant compte
de toutes les contraintes déjà mentionnées. Les dates d’approvisionnement sont fixes
(mensuelles) et les quantités sont soumises aux contraintes du marché sauf celles qui rentrent
dans la période figée.
47
Unilever répartit ses stocks en :
 Cycle Stock (stock de cycle) : Le stock destiné à couvrir la demande d’un mois donné
 Stock In Transit (Stock en transit) : Stock destiné à être acquis dans les deux prochains
mois et qui en cours de production ou transportation.
 Unrestricted Stock (Stock non restreint) : C’est le stock qui vient d’être validé par les
autorités douanières aux ports locaux.
 Stock under Quality Inspection : C’est le stock qui est soumis actuellement à un
contrôle qualité au niveau des entrepôts des ports.
 Blocked Stock (Stock bloqué) : C’est le stock rejeté par les autorités douanières à
cause de non-respect de certaines réglementations.
Après avoir présenté la méthode de gestion des stocks d’Unilever, nous analyserons
maintenant le modèle de calcul des stocks de sécurité existant.
4.2.2 Modèle du stock de sécurité
Le modèle de stock de sécurité qu’adopte Unilever n’est pas semblable à celui proposé par la
littérature. Le stock de sécurité peut être utile pour couvrir les aléas d’approvisionnement ou
pour contrer la variabilité de la demande, mais peut être exploité aussi pour lancer des
campagnes de promotion pour augmenter les ventes ou couvrir les ruptures potentielles entre
les pays du Maghreb (Les trois pays sont également liés par des canaux d’import-export).
Les planificateurs du sourcing utilisent le modèle suivant pour quantifier le stock de sécurité à
commander chaque mois pour une SKU j :
̅𝑗 × 𝑛𝑐
𝐷
𝑆𝑆𝑗 =
4.25
Avec :
𝑆𝑆𝑗 : 𝑆𝑡𝑜𝑐𝑘 𝑑𝑒 𝑠é𝑐𝑢𝑟𝑖𝑡é à 𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒𝑟 𝑐ℎ𝑎𝑞𝑢𝑒 𝑚𝑜𝑖𝑠 𝑝𝑜𝑢𝑟 𝑢𝑛𝑒 𝑆𝐾𝑈 𝑗
̅𝑗 : Demande moyenne prévue sur les 12 prochains mois pour une SKU j calculé comme
𝐷
suit :
∑𝑖 𝐷𝑖,𝑗
̅𝑗 =
𝐷
12
48
Le facteur 1/4.25 est présent pour convertir la demande mensuelle en demande hebdomadaire
(on suppose que le mois comporte 4.25 semaines)
𝑛𝑐 : 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑠𝑒𝑚𝑎𝑖𝑛𝑒 𝑑𝑒 𝑐𝑜𝑢𝑣𝑒𝑟𝑡𝑢𝑟𝑒
Le nombre de semaines de couverture est un facteur important pour la quantification du stock

de sécurité à commander, il s’agit du nombre de semaines durant lesquelles on peut recourir
au stock de sécurité si un aléa au niveau de l’approvisionnement ou de la demande se produit.
Le nombre de semaines de couverture dépend des facteurs suivants :
 Unité d’approvisionnement : Chaque unité d’approvisionnement a son propre délai de

livraison, sa propre capacité de production, sa fiabilité en terme de disponibilité et de
qualité des produits finis.
 Pays importateur : Chaque pays importateur a ses propres contraintes de

dédouanement et d’inspection au niveau du port.
 Etat actuel du marché.
 Etat commercial de l’SKU : Une SKU d’innovation qui va entrer au marché pour la
première fois nécessite bien plus de semaines de couverture qu’un produit régulier.
(Principe du cycle de vie du produit).
La figure suivante illustre le problème que cause ce modèle du point de vue optimisation des
stocks :
Evolution de la demande
10.0
9.0
Grande probabilité
Quantité prévue en Tonnes
de Rupture
8.0
7.0
6.0
5.0
4.0
Demande
3.0 Moyenne
2.0
Grande
1.0 probabilité de
sur-stockage
-
févr.-19 mars-19 avr.-19 mai-19 juin-19 juil.-19 août-19 sept.-19
Figure 4.4 : Non-efficience du modèle existant
49
En effet, lors des périodes où la demande est inférieure à la moyenne prévisionnelle, on

commande un stock de sécurité bien plus important que le nécessaire à cause de la grande
volatilité de la demande, cela conduit à une situation de sur-stockage où on immobilise une
quantité importante de ressources financières sous forme de stocks périssables. De même,
quand la demande dépasse la demande moyenne, la probabilité de tomber dans une situation
de rupture des stocks devient plus importante.
Il est donc nécessaire d’appliquer une autre formule pour rationaliser les niveaux des stocks
de sécurité. Ceci sera l’axe traité dans la partie suivante.
4.3 Proposition du nouveau modèle du stock de sécurité
4.3.1 Modèle théorique
Comme nous avons décrit ci-haut, il n’est pas rationnel de calculer le stock de sécurité
nécessaire pour couvrir 10 semaines (par exemple) et prendre en considération la demande
moyenne sur 12 mois.
Vu que le nombre de semaines de couverture est une décision stratégique prise par les
managers de la région Maghreb, et qui dépend des facteurs déjà mentionnés, nous ne pouvons
agir que sur le facteur de la demande prévisionnelle.
Suite à des réunions (trois réunions sur deux semaines) avec La Manager PC Morocco
(Ingénieure, lauréate de l’Ecole Polytechnique de Paris, ayant 5 and d’éxpérience de
management chez Unilever), la Demand Planner (Ingénieure industrielle, lauréate de l’Ecole
Nationale Supérieure des Mines de Rabat, ayant 8 ans d’expérience en management
industriel) et les IFG Sourcing Assistant Managers ( Deux Ingénieurs industriels de l’Ecole
Mohammadia d’Ingénieurs, ayant 3 ans et 9 ans d’éxpérience en industrie des biens de grande
consommation), durant lesquelles nous vons décidé que le modèle proposé par la littérature
n’est pas applicable et qu’il faut utiliser un modèle qui permet de supprimmer l’effet de la
moyenne , nous avons proposé une formule qui calcule le stock de sécurité à commander
à partir des valeurs exactes de la demande des mois les plus proches (en termes de temps), sur
l’horizon de couverture. L’idée de supprimmer l’effet de la moyenne a été proposée par la
Manger PC qui estimait que c’est la moyenne qui cause la problème de surstockage pour la
majorité des SKUs. La formule que nous avons proposé à l’équipe est la suivante :
50
Si on note M le mois actuel, notre modèle s’écrit pour une SKU j comme suit :
𝑺𝑺𝑴,𝒋 =
(𝑴𝑰𝑵(𝟒.𝟐𝟓,𝒏𝒄 )×𝑫𝑴+𝟏,𝒋 +𝜹𝒏𝒄 −𝟒.𝟐𝟓×𝑴𝑰𝑵(𝟒.𝟐𝟓,𝒏𝒄 −𝟒.𝟐𝟓)×𝑫𝑴+𝟐,𝒋 +𝜹𝒏𝒄 −𝟖.𝟓 ×𝑴𝑰𝑵(𝟒.𝟐𝟓,𝒏𝒄 −𝟖.𝟓)×𝑫𝑴+𝟑,𝒋 +⋯ )
𝟒.𝟐𝟓
Avec :
𝟏 ; 𝑺𝒊 𝒏𝒄 − 𝟒. 𝟐𝟓 > 𝟎
𝜹𝒏𝒄−𝟒.𝟐𝟓 = {
𝟎; 𝒔𝒊𝒏𝒐𝒏
𝟏 ; 𝑺𝒊 𝒏𝒄 − 𝟖. 𝟓 > 𝟎
𝜹𝒏𝒄−𝟖.𝟓 = {
𝟎; 𝒔𝒊𝒏𝒐𝒏
La formule n’a pas un nombre exacte de termes vu que celui-ci dépend de la valeur de 𝑛𝑐 .
Le modèle prend donc la demande du prochain mois et la multiplie par le minimum entre
4.25 (qui représente le nombre de semaines par mois) et le nombre de semaines de couverture
désiré 𝑛𝑐 . Si 𝑛𝑐 est supérieur à 4.25,On multiplie la demande du mois M+1 par 4.25 et nous
passons au mois M+2 et ainsi de suite.
Figure 4.5 : Explication du nouveau modèle
51
4.3.2 Exemple d’application
Si nous supposons que le mois actuel est Avril et l’SKU pour laquelle on veut calculer le
stock de sécurité à commander pour le mois d’Avril a six semaines de couverture on a :
𝜹𝒏𝒄−𝟒.𝟐𝟓 = 𝟏
𝜹𝒏𝒄−𝟖.𝟓 = 𝟎
𝜹𝒏𝒄−𝟏𝟐.𝟕𝟓 = 𝟎
𝑀𝐼𝑁(4.25,6) × 𝑫𝑴𝒂𝒊,𝒋 + 𝑀𝐼𝑁(4.25,1.75) × 𝑫𝑱𝒖𝒊𝒏,𝒋 + 0

𝑆𝑆𝑀,𝑗 =
4.25
Donc :
4.25 × 𝑫𝑴𝒂𝒊,𝒋 + 1.75 × 𝑫𝑱𝒖𝒊𝒏,𝒋
𝑆𝑆𝑀,𝑗 =
4.25
Pour l’implémentation sur Excel, la formule adoptée pour cet exemple est la suivante :
𝑆𝑆𝑗 =
(MIN(𝑛𝑐 ;4.25)* 𝑫𝑴𝒂𝒊,𝒋 +SI(MIN(𝑛𝑐 − 4.25;4.25)<0;0;MIN(𝑛𝑐 - 4.25;4.25)* 𝑫𝑱𝒖𝒊𝒏,𝒋 )/4.25
Pour vérifier si notre modèle arrive à rationaliser les niveaux des stocks de sécurité, il est
essentiel de l’appliquer en effectuant une simulation sur des données réelles. Dans la partie
suivante, nous expliquerons la démarche suivie pour mesurer l’impact du nouveau modèle sur
les niveaux des stocks de sécurité.
4.4 Impact du nouveau modèle du stock de sécurité
4.4.1 Démarche suivie
Afin d’appliquer notre modèle, il s’est avéré nécessaire de bien choisir le portefeuille des
SKUs sur lesquelles on va effectuer la simulation.
Premièrement, nous avons décidé de ne prendre en considération que les SKUs qui ont un
statut commercial « Régulier » ou « Innovation ». Les SKUs ayant un statut « To be
delisted », « Delisted » ou « Promotion » ont un modèle de demande bien particulier, chose
52
qui impactera négativement notre simulation du point de vue précision et interprétabilité des
résultats.
Nous avons également décidé d’exclure les SKUs ayant plus de 16 semaines de couverture
puisque les managers ont décidé plafonner le nombre de semaines à 16 semaines pour les
prochains cycles S&OP.
Nous n’avons pas pris en considération la sous-catégorie « Ice Cream » vu que le stock de
sécurité n’existe pas pour cette catégorie.
Nous avons choisi comme horizon de simulation le mois d’Avril 2019 jusqu’au mois de
Novembre 2019. Et pour calculer le stock de sécurité pour les mois d’Octobre et de
Novembre, nous avons pris les données de la demande des mois de Janvier et de Février 2018
vu que les prévisions de la demande pour les mois de Janvier et de Février 2020 ne sont pas
encore disponibles.
Le portefeuille comporte donc 370 SKUs de 23 marques.
60
52
50
41
37
Nombre des SKUs
40
30 28
23
20 18 18
15 16 15
12 12 13 13
10 8
6 6 6 6 6
4 4 4 3
Marques
Figure 4.6 Portefeuille de simulation
Toutes les données nécessaires pour la simulation ont été collectées et validées par les
responsables sourcing et la manager PC. Les données étaient déjà préparées par la demand
planner lors des réunions S&OP durant lesquelles on fixe le planning de la demande.
53
Maintenant que le portefeuille des SKUs est bien déterminé, nous allons maintenant choisir
les paramètres et les indicateurs par lesquels on mesurera l’impact du nouveau modèle.
4.4.2 Indicateurs et paramètres de la simulation
Vu que notre démarche est quantitative, il est important de bien choisir les paramètres avec
lesquels on va mesurer les variations après l’application du nouveau modèle. Le premier
paramètre dont on aura besoin est la volatilité relative de la demande pour chaque SKU. La
volatilité d’un SKU j entre Avril et Novembre est donnée par la relation :
∑𝑖="𝑁𝑜𝑣𝑒𝑚𝑏𝑟𝑒" ̅𝑗 )²
(𝐷𝑖,𝑗 − 𝐷
√( 𝑖="𝐴𝑣𝑟𝑖𝑙" )
𝑣𝑗 = 8
̅𝑗
𝐷
Avec 𝐷𝑗 étant la demande moyenne entre Avril et Novembre pour la SKU j.
Il s’agit donc de l’écart-type de la demande sur la moyenne empirique.

Nous avons choisi d’inclure ce paramètre vu qu’il apparaît souvent dans les papiers publiés
par les chercheurs qui traitent les problématiques de gestion de stocks dans un contexte
incertain de la demande.
Deux paramètres nécessaires pour la comparaison sont :

 L’écart des commandes calcule la différence des sommes de commandes entre Avril et
Novembre entre l’ancien modèle et le nouveau modèle proposé :
𝑁𝑜𝑣𝑒𝑚𝑏𝑟𝑒 𝑁𝑜𝑣𝑒𝑚𝑏𝑟𝑒
𝐸𝑐𝑎𝑟𝑡 − 𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒𝑠(𝑗) = ∑ 𝑄𝑖,𝑗 (𝑎𝑛𝑐𝑖𝑒𝑛 𝑚𝑜𝑑è𝑙𝑒) − ∑ 𝑄𝑖,𝑗 (𝑛𝑜𝑢𝑣𝑒𝑎𝑢 𝑚𝑜𝑑è𝑙𝑒)

𝑖=𝐴𝑣𝑟𝑖𝑙 𝑖=𝐴𝑣𝑟𝑖𝑙
 L’écart des clôtures calcule la différence des sommes de clôtures entre Avril et
Novembre :
𝑁𝑜𝑣𝑒𝑚𝑏𝑟𝑒 𝑁𝑜𝑣𝑒𝑚𝑏𝑟𝑒
𝐸𝑐𝑎𝑟𝑡 − 𝑐𝑙ô𝑡𝑢𝑟𝑒𝑠(𝑗) = ∑ 𝐶𝑖,𝑗 (𝑎𝑛𝑐𝑖𝑒𝑛 𝑚𝑜𝑑è𝑙𝑒) − ∑ 𝐶𝑖,𝑗 (𝑁𝑜𝑢𝑣𝑒𝑎𝑢 𝑚𝑜𝑑è𝑙𝑒)

𝑖=𝐴𝑣𝑟𝑖𝑙 𝑖=𝐴𝑣𝑟𝑖𝑙
54
Pour mieux comprendre la variation, nous proposons les pourcentages suivant comme
indicateurs pour chaque SKU :
𝐸𝑐𝑎𝑟𝑡 − 𝐶𝑜𝑚𝑚𝑎𝑛𝑑𝑒𝑠
𝑉𝑎𝑟𝑖𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑐𝑜𝑚𝑚𝑎𝑛𝑑𝑒𝑠(%) =
∑𝑁𝑜𝑣𝑒𝑚𝑏𝑟𝑒
𝐴𝑣𝑟𝑖𝑙 𝑄𝑖,𝑗(𝑎𝑛𝑐𝑖𝑒𝑛 𝑚𝑜𝑑è𝑙𝑒)
𝐸𝑐𝑎𝑟𝑡 − 𝐶𝑙ô𝑡𝑢𝑟𝑒𝑠
𝑉𝑎𝑟𝑖𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑐𝑙ô𝑡𝑢𝑟𝑒𝑠(%) =
∑𝑁𝑜𝑣𝑒𝑚𝑏𝑟𝑒
𝐴𝑣𝑟𝑖𝑙 𝐶𝑖,𝑗 (𝑎𝑛𝑐𝑖𝑒𝑛 𝑚𝑜𝑑è𝑙𝑒)
Une fois le portefeuille des SKUs ainsi que les indicateurs de mesures sont bien déterminés,
nous pouvons passer à l’étape suivante à savoir l’exécution et l’interprétation des résultats.
4.4.3 Impact du nouveau modèle en termes de volume :
Le tableau qui résume les résultats en fonction des variations de commandes et de clôture est
mentionné sur l’annexe D.
La figure suivante est une visualisation des données de ce tableau :
55
Figure 4.7 Impact du nouveau modèle sur les volumes
Nous remarquons qu’en globalité, les résultats de ce modèle sont positifs en terme de volume.
Les valeurs supérieures à 0 représentent des gains (c’est-à-dire des réductions des volumes).
Nous avons pu réduire les commandes en produits finis de 5.3% en moyenne et de 0.1% les
clôtures. 12 marques ont connu une amélioration au niveau des clôtures et des commandes, 3
marques ont vu seulement leurs commandes s’améliorer, une marque (Dove Soap) a connu un
résultat positif en terme de clôture seulement et 7 marques ont eu des résultats négatifs pour
les deux indicateurs.
Les marques qui ont connu les meilleurs résultats sont Comfort (réduction 28%), JIF
(réduction de 19%), Dove DEO (16%) et Fair and Lovely (15%).
Nous soulignons que la marque Sunsilk connait actuellement une grande campagne
d’innovation, les résultats négatifs étaient attendus à cause des volumes important commandés
dans les prochains mois, ce qui fait augmenter les quantités à commander ainsi que les
clôtures à cause de notre nouveau modèle qui prend en compte plusieurs mois.
56
Il est difficile de bien saisir l’impact en terme de volume seulement à cause de la grande
variabilité des coûts entre les différentes marques. Nous allons analyser par la suite les
résultats financiers du nouveau modèle.
4.4.4 Impact Financier du nouveau modèle
Afin de visualiser l’impact financier du nouveau modèle, nous avons appliqué la démarche
des projections financières mentionnée au 3ème chapitre en utilisant le Fichier Maître
implémenté.
Nous avons effectué des projections financières pour les deux modèles entre Avril et
Novembre avec les coûts unitaires et les prix au débarquement. Puis nous avons calculé les
écarts financiers entre chaque mois et pour chaque marque, entre les deux modèles.
Les projections financières sont mentionnées sur l’annexe E. Nous calculons l’écart entre les
valeurs financières de l’ancien modèle moins le nouveau.
Les figures suivantes sont des graphes en cascade illustrant l’impact financier en Euros pour
les trois pays du Maghreb. Le vert représente une économie et le rouge des pertes financières
(plus de liquidité financièe à immobiliser sous forme de stokcs de produits finis).
SKUs ayant 𝒏𝒄
variant de 8 à
10 et une
volatilité de 0.9
Volatilité
réduite mais un
𝒏𝒄 égal à 8 ou
Les SKUs ayant plus
𝒏𝒄 =8 ont eu
des résultats
négatifs
57
Figure 4.8 Impact financier du nouveau modèle pour le Maroc
La marque ayant le résultat le plus négatif est Sunsilk comme prévu. Les SKUs de Lipton
ayant un 𝑛𝑐 = 6 ont eu un résultat positif mais ceux ayant 8 ont une augmentation des
commandes et des clôtures, et à cause du coût élevé de Lipton, le résultat global était négatif.
Pour Vaseline, même si la volatilité reste relativement faible, le nombre élevé de semaines de
couverture a causé une augmentation au niveau de l’inventaire.
En ce qui concerne les résultats positifs, les marque Axe Deo, Clear et Dove Deo ont eu des
améliorations remarquables conduisant à une économie de 341.000 €.
SKUs ayant
𝒏𝒄 =8 et une
volatilité
moyenne de
1.5 !
SKUs ayant
une volatilité
moyenne de 0.9
Figure 4.9 Impact financier du nouveau modèle pour l’Algérie
Pour l’Algérie, les résultats en globalité étaient négatifs. Même si les résultats de Lux Soap
sont très positifs (économie de 235.000 €), Dove Soap et les brosses à dents ont une volatilité
très importante qui a conduit à leurs résultats négatifs.
Lipton obtient également un résultat négatif pour l’Algérie à cause de son coût important qui a
amplifié le résultat en volume négatif.
Nous signalons que l’Algérie connait actuellement une phase de stockage massif (Stock
Build-up) qui accompagne le lancement de nouvelles lignes de production en Algérie. En
effet, d’importantes quantités de produits finis des marques non fabriquées en Algérie sont
58
planifiées à être commandées pour répondre à la demande d’une année. Vu que notre modèle
prend en considération les premiers prochains mois premièrement, d’importantes quantités
résiduelles vont être ajoutées ce qui explique le résultat négatif. Ajoutons aussi l’effet de la
volatilité qui sera traité par la suite.
La figure suivante montre les résultats pour la Tunisie :
Tunisie
250 000
200 256
200 000
Projections Financières en €
150 000
122 466
100 000
76 679
50 000 35 843
29 268 30 907
22 486
4 523 6 978 8 791 3 797
0 0 0
0
Marques
Figure 4.10 Impact financier du nouveau modèle pour la Tunisie
Nous remarquons que les résultats pour la Tunisie étaient favorables pour toutes les marques.
Si les résultats pour Vaseline, Lux Shower Gel et Cajoline sont identiques pour les deux
modèles, Signal, Clear et Omo ont eu des résultats remarquables.
Il s’avère donc que les résultats financiers après l’implémentation du nouveau modèle
diffèrent d’un pays à un autre.
La figure 4.11 visualise la somme des résultats financiers des trois pays du Maghreb :
59
600 000
541 993
500 000
400 000
Résultats financiers totaux en €
300 000
200 000
100 000 62 853
0
Algeria Morocco Tunisia
-100 000
-129 372
-200 000
Pays du Maghreb
Figure 4.11 Résultats financiers des pays du Maghreb
Si les résultats au niveau du Maroc et la Tunisie sont favorables en globalité, celui de

l’Algérie nous pousse à prendre du recul avant la prise de décision de maintenir l’ancien
modèle ou le remplacer par le modèle que nous proposons pour rationaliser les stocks de
sécurité.
Il est important donc d’approfondir notre étude afin de déterminer les facteurs sur lesquels on
peut agir pour prendre la décision d’appliquer ou non le nouveau modèle.
La partie suivante traite l’impact de la volatilité de la demande et le nombre de semaines de

couverture sur les résultats du nouveau modèle.
4.5 Analyse des facteurs d’influence
4.5.1 Analyse de l’influence du nombre de semaines de couverture
Le nombre de semaines est le seul facteur variable de notre modèle qu’on peut contrôler.
Avoir un nombre élevé de semaines de couverture conduit à l’augmentation des niveaux des
stocks de sécurité. Les résultats par semaine sont mentionnés sur l’annexe F. Sur les figures
60
ci-dessous, nous visualisons le nombre des SKUs par intervalle de semaines de

couverture ainsi que leur répartition par pays :
140
116
120 111
100
Nombre des SKUs
87
80
60
40 29
20
6
0
[0;4] [5;6] [7;8] [10;12] [13;16]
Intervalles des nombres de semaines
Figure 4.12 Nombre des SKUs par intervalle de semaines
120
101
100
87
84
80
Nombre des SKUs
60
40
29
22 23
20
9
4 4 2 3
1 1 0 0 0 0 0
0
[0;4] [5;6] [7;8] [9;10] [11;12] [13;16]
Segments des semaines
Maroc Algérie Tunisie
Figure 4.13 Répartition du nombre de semaines par pays
Nous remarquons la disparité en termes de nombre de semaines entre les trois pays, pour la
Tunisie qui a des contraintes d’approvisionnement particulières, 84 SKUs parmi 109 ont un
61
nombre de semaines entre 13 et 16, seules 22 ont un nombre entre 0 et 4, il s’agit des SKUs
dont la demande actuellement en chute d’où la décision de réduire les niveaux des stocks, les
autres SKU qui ont 16 semaines de couvertures sont celles dont la demande est stable, le
ombre 16 est justifié par les contraintes de dédouanement particulières de la Tunisie. Pour le
Maroc et l’Algérie, la grande majorité des SKUs se trouvent entre 5 et 8.
Sur la figure suivante, on visualise la proportion des SKUs qui ont obtenu un résultat négatif
pour chaque intervalle de semaines.
Commandes par semaines de couverture Clôtures par semaines de couverture

60,00% 60,00%
51,72%
50,00% 48,28%
50,00% 43,97%
40,00% 40,00% 36,04%

30,63% 31,03%
30,00% 30,00%
18,52% 17,24%
20,00%
20,00% 14,81%
10,00%
10,00% 5,75%
0,00%
0,00% [0;4] [5;6] [7;8] [10;12] [13;16]
[0;4] [5;6] [7;8] [10;12] [13;16] Nombre de semaines de couverture
Nombre de semaines de couverture
Figure 4.14 Répartition des SKUs ayant des résultats négatifs en fonction de 𝑛𝑐
Le groupe de SKUs dont 𝑛𝑐 est entre 10 et 12 comporte la proportion la plus importante des
SKUs ayant un résultat négatif. Il s’agit aussi du groupe ayant le moins de nombre des SKUs
(29 parmi 370). Il est donc envisageable de ne pas appliquer le nouveau modèle pour ce
groupe. Les résultats des autres groupes peuvent être, jusqu’à l’instant, acceptables.
4.5.2 Analyse de l’influence de la volatilité de la demande
La volatilité de la demande est un facteur endogène qui a à son tour une influence sur les
résultats obtenus par le nouveau modèle. Les SKUs ayant une volatilité de la demande
importante sont les plus durs à maîtriser et représentent le portefeuille des SKUs qui connait
souvent des situations de sur-stockage ou de rupture. Les résultats en fonction de la volatilité
sont mentionnés sur l’annexe G.
La figure suivante représente la répartition du portefeuille d’étude en fonction de la volatilité :
62
120
72% de l'échantillon d'étude
101
100
80 72
60
48
40 31
23 25
22
18
20 11 13
6
0
[0;0.2] 0.3 0.4 0.5 0.6 0.7 0.8 0.9 [1.0 ; 1.1] [1.2;1.3] [1.4;1.6]
Figure 4.15 Répartition des SKUs en fonction de la volatilité
Les 370 SKUs de notre portefeuille ont une volatilité variant de 0 à 1.6. Mais leur répartition
n’est pas uniforme, on retrouve que 72% des SKUs du portefeuille appartiennent à la classe
[0 ;0.6], Il s’agit des SKUs ayant une volatilité inférieure à la moyenne.
0,8
0,70559649
0,7
0,6
Volatilité Moyenne
0,480705042
0,5
0,433994852
0,4
0,3
0,2
0,1
0
Algeria Morocco Tunisia
Pays du Maghreb
Figure 4.16 Répartition de la volatilité sur les trois pays

Il est clair que la volatilité des SKUs de l’Algérie dépassent largement celle du Maroc
et de la Tunisie. La volatilité moyenne de l’Algérie dépasse la moyenne de la totalité du
63
portefeuille qui est égal à 0.4. On remarque aussi que les résultats financiers sont
inversement proportionnels à la volatilité. L’Algérie qui possède la plus grande volatilité
a un résultat global négatif de -129.371 € (Figure 4.11).
Sur la figure ci-dessous, nous visualisons la proportion des SKUs ayant des résultats
négatifs pour chaque classe de volatilité :
Commandes et clôtures
80,00%
Proportion des SKUs ayant une augmenation des
72% de l’échantillon d’étude

70,00%
60,00%
50,00%
40,00%
stocks
30,00%
20,00%
10,00%
0,00%
[0;0.2] 0.3 0.4 0.5 0.6 0.7 0.8 0.9 [1.0 ; 1.1] [1.2;1.3] [1.4;1.6]
Segments de la volatilité
Commandes Clôtures
Figure 4.17 Proportion des résultats négatifs pour chaque classe de volatilité
En moyenne, la classe qui a une volatilité entre 0 et 0.6 a une proportion de 18% pour les
commandes et 28% pour les clôtures, tandis que la classe restante a une proportion de 40%
pour les commandes et 49% pour les clôtures. On peut déduire donc que la classe ayant une
volatilité modérée a des résultats meilleurs que celles de SKUs très volatiles.
En combinant tous les résultats présentés dans ce chapitre, nous concluons que le nouveau
modèle peut être appliqué pour 72% des SKUs de notre portefeuille d’études. Cette classe des
SKUs se caractérise par une volatilité modérée qui varie entre 0 et 0.6 sachant que la moyenne
de la totalité du portefeuille est de 0.4. De plus, les SKUs ayant un nombre de semaine de
couverture situé entre 10 et 12 ont eu des résultats plus négatifs que les autres classes. Nous
concluons que notre modèle s’applique pour les SKUs ayant une volatilité inférieure à 0.6 et
dont le nombre de semaines de couverture est soit inférieur ou égal à 8 ou supérieur ou égal à
13.
64
L’équipe projet a décidé donc d’ajouter au module SRM du fichier maître un outil de calcul
de volatilité et de comparaison entre les deux modèles afin de déterminer les SKUs pour
lesquels on peut appliquer le nouveau modèle pour les prochains cycles S&OP.
Si l’objectif de réduction de l’inventaire en maintenant ou améliorant le niveau de service est

atteint, ce modèle va être adopté officiellement par le département Supply Chain d’Unilever
Maghreb à partir du mois de Juin 2019.
Dans le chapitre 4, nous avons suivi une démarche analytique pour résoudre la problématique
de rationalisation des stocks de sécurité des produits finis importés aux trois pays du
Maghreb. Nous avons commencé par analyser la politique de gestions des stocks existante et
nous avons conclu que le modèle de calcul des stocks de sécurité existant n’était pas efficient.
Et suite à notre étude et à des réunions avec les membres de l’équipe, nous avons pu proposer
et valider un nouveau modèle de calcul des stocks de sécurité à commander pendant chaque
période. Pour mesurer l’impact du nouveau modèle, nous avons suivi une approche
quantitative en effectuant une simulation sur des données réelles d’un portefeuille de 370
SKUs de 23 marques afin de mesurer les écarts en termes de volumes et de cash-flows. Nous
avons pu conclure que notre modèle permet d’économiser 475.000 € entre Avril et Novembre
2019. Nous avons également montré que notre modèle serait plus applicable pour les SKUs
ayant une volatilité relative entre 0 et 0.6. Notre modèle a été adopté par l’équipe sourcing de
produits finis importés au Maghreb pour la planification des opérations d’approvisionnement
en produits finis à partir de Mai 2019.
65
Conclusion
Conclusion
66
Conclusion
Conclusion
En guise de conclusion, la période de stage que nous avons effectué au département Supply
Chain d’Unilever Maghreb a été bénéfique dans le sens d’apprentissage des différents savoirs
et savoir-faire utiles pour un supply chain manager qui est censé respecter les contraintes de
toutes les parties prenantes de l’ensemble de la chaîne de valeur en optimisant les flux de
matières ainsi que les flux financiers. L’environnement de travail favorable d’Unilever a été
une source riche en connaissances qui nous seront utiles dans notre carrière d’ingénieur.
Dans notre projet de fin d’études, nous avons suit une démarche analytique en décortiquant
une multitude de paramètres et de contraintes qui caractérisent la chaîne logistique d’Unilever
puis nous les avons synthétisés sous forme d’un Fichier Maître qui permet aux membres de
l’équipe Sourcing des produits finis importés de planifier leurs flux de stocks des trois pays du
Maghreb et les fait gagner énormément de temps en générant automatiquement les fichiers du
reporting utiles lors des réunions S&OP. Ensuite, nous avons travaillé sur la problématique de
rationalisation des niveaux des stocks de sécurité des produits finis importés. L’analyse de
l’existant a permis de conclure que le modèle déjà utilisé conduit à des situations de ruptures
ou de sur-stockage fréquentes. Nous avons proposé un nouveau modèle et pour mesurer son
impact, nous l’avons appliqué sur un portefeuille d’unités de gestion de stocks. Les résultats
étaient favorables pour le Maroc et la Tunisie mais pas pour l’Algérie. Nous avons donc
décidé d’approfondir notre étude et étudier les facteurs qui impactent les résultats du nouveau
modèle.
La décision finale de l’équipe projet était d’appliquer le nouveau modèle pour les SKUs qui
répondent aux critères de notre étude, nous avons par la suite modifié le Fichier Maître pour
qu’il prenne en compte le nouveau modèle.
La transformation digitale devient de plus en plus une nécessité pour toutes les entreprises
quel que soit leurs domaines d’activité. Nous avons décidé de travailler avec le département
Supply Chain sur un projet de digitalisation du processus S&OP pour les produits finis
importés, un projet qui permettra d’automatiser plusieurs tâches lourdes et de mieux
consolider les données entre les différents acteurs pour les valoriser et les exploiter.
67
Références
Références
Bibliographie
King, P.L, Understanding Safety Stock and mastering its equations, APICS Magazine,
Juillet/Août 2011.
Geoffroy, V (2007), Calcul du stock de sécurité dans un contexte de demande instable,
mémoire de maîtrise en sciences, HEC Montréal, Montréal, Québec, Canada.
RĂDĂŞANU, A.C (2016), Inventroy Management, Service Level and Safety Stock, Université
Alexandru Ioan Cuza, Iaşi, Roumanie.
Unilever Sharepoint, Win with planning: planning excellence toolkit.
Cours gestion des stocks, Département génie industriel, Ecole des Ponts ParisTech.
ÇAĞKAN, Ç, Supply Planning and Inventory Management, Unilever Turkey sharepoint.
Richardson, Helen. (1995). Transportation & Distribution, Control Your Costs then Cut Them
68
Références
Webographie
 Logiciel Microsoft Excel, Edition 2016.
 Logiciel Microsoft Project Professional, Edition 2016
 Logiciel Microsoft Visio, Edition 2016
 Logiciel Tableau Desktop, 2018 Version, https://www.tableau.com/fr-fr/products/desktop
 Classement des plus grandes firmes des biens de grande consommation

https://www.statista.com/statistics/260963/leading-fmcg-companies-worldwide-based-on-
sales/
 Page d’Unilever sur Wikipédia, https://en.wikipedia.org/wiki/Unilever
 Processus Sales and Operations Planning, https://www.bcg.com/publications/2011/supply-

chain-management-go-to-market-strategy-sales-operations-planning-hidden-supply-chain-
engine.aspx
https://en.wikipedia.org/wiki/Sales_and_operations_planning
69
Annexes
Annexes
70
Annexes
Annexe A : Eléments du module SRM
Logistical Data
Country SAP Country-SAP DESCRIPTION Status Poids Net Caisse SU Average Fsct SS Week Cover SS stock in tons Category Sub Category Brand
Morocco 32469636 Morocco32469636 SUNSILK SHAMP DAMAGE SILICA 24X90ML Regular 2.2 Tunisie 0.6 4.0 0.56 PC HAIR SUNSILK
Morocco 67293467 Morocco67293467 Ice cool menthol 5ml N PS Innovation Egypt 0.0 10.0 0.00 PC HAIR CLEAR
Morocco 21113707 Morocco21113707 Clear SHMP Hair Fall Defnse CHK 240x5ml Regular 1.2 Egypt 0.0 10.0 0.00 PC HAIR CLEAR
Morocco 21046151 Morocco21046151 LIPTON TBS 25 SIP02 24X50G Regular 1.2 Egypt 3.1 8.0 5.89 FOOD TEA Lipton
Morocco 67017020 Morocco67017020 CLEAR SHMP DEEP CLEANS CHK MRB 240X5ML Regular 1.2 Egypt 0.0 10.0 0.00 PC HAIR CLEAR
Morocco 21046151 Morocco21046151 LIPTON TBS 25 SIP02 24X50G Regular 1.2 Egypt 3.5 8.0 6.50 Refreshements TEA Lipton
Morocco 67677086 Morocco67677086 CORNETTO BLACK LAVENDER GCC 24X125ML innovation 2.0 Turkey 6.1 - - Refreshements ICE CREAM CORNETTO
Morocco 67390826 Morocco67390826 CLEAR SHMP ICE COOL MNTOL 24X90ML Innovation GF 0.0 8.0 0.00 PC HAIR CLEAR
Morocco 21117281 Morocco21117281 Clear SHMP Style Express CHK MG 24x95ml Regular 2.3 Egypt 0.0 8.0 0.00 PC HAIR CLEAR
Tunisia 21113690 Tunisia21113690 Clear SHMP Women HRBL Fsion CHK 12x400ml Regular 4.9 Egypt 1.0 16.0 3.76 PC HAIR CLEAR
Morocco 21117196 Morocco21117196 Clear SHMP Hair Fal Dfns CHK MG 24x95ml Regular 2.3 Egypt 0.0 8.0 0.00 PC HAIR CLEAR
Morocco 32713100 Morocco32713100 VASELINE PJELLY PURE GF 48X100ML Innovation 4.1 DPC 0.4 8.0 0.71 PC SKIN CARE VASELINE
Tunisia 67236055 Tunisia67236055 CLOSE UP TP RED HOT BNC 72X50ML Regular 4.7 EGYPT 1.3 16.0 4.74 PC ORAL CARE CLOSE UP
Morocco 67390805 Morocco67390805 CLEAR SHMP ANT HAIR FALL 24X90ML Innovation GF 0.0 8.0 0.00 PC HAIR CLEAR
Morocco 21123699 Morocco21123699 Clear SHMP Men Deep Clns CHK MRB 24x95ml Regular 2.3 Egypt 0.0 10.0 0.00 PC HAIR CLEAR
Morocco 32713083 Morocco32713083 VASELINE LTN COCOA RADIANT GF 48X200ML Innovation 11.7 DPC 0.3 8.0 0.62 PC SKIN CARE VASELINE
Forecast
avr.-19 mai-19 juin-19 juil.-19 août-19 sept.-19 oct.-19 nov.-19 déc.-19 janv.-20 févr.-20 mars.-20 avr-20 Total
0.8 0.8 1.1 2.0 0.0 0.0 0.0 0.0 0.0 0.0 4.8
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
5.1 1.2 1.3 2.7 3.0 1.4 6.0 4.4 3.8 3.8 32.6
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
5.1 1.2 1.3 2.7 3.0 1.4 6.0 4.4 3.8 3.8 3.8 5.1 5.1 46.5
0.0 0.0 6.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 6.1
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
1.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.3 0.3 0.3 0.3 0.3 0.3 0.6 0.4 0.6 0.6 4.3
1.7 3.1 - 0.1 1.3 1.3 1.3 1.3 1.3 0.8 1.3 0.8 1.3 0.8 16.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.3 0.4 0.3 0.4 0.3 0.3 0.3 0.3 0.3 0.3 3.2
Available stock + Stock In transit

To be
OP stock M W1 M W2 M W3 M W4 M+1 W1 M+1 W2 M+1 W3 M+1 W4 received
in May
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
16.7 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
5.2 0.0 0.0 3.2 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
5.2 0.0 0.0 3.2 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.8 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
1.1 0.0 0.0 0.0 0.4 0.0 0.0 0.0 0.0 0.0
0.1 0.0 0.0 10.8 0.0 0.0 0.3 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
1.4 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
71
Annexes
Orders
avr.-194 mai-19 juin-19 juil.-19 août-19 sept.-19 oct.-19 nov.-19 déc.-19 janv.-20 févr.-20 mars.-20 avr-20
1.4 1.1 2.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0
5.0 0.2 2.7 3.0 1.4 6.0 4.4 3.8 3.76
0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.8 5.0 2.6 3.0 1.4 6.0 4.4 3.8 3.76 3.76 5.10 5.10
0.0 6.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.00 0.00 0.00
0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0
3.8 0.0 0.0 0.0 0.0 0.00 0.00
0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.4 0.0 0.1 0.3 0.3 0.6 0.4 0.6 0.62
0.0 2.0 1.3 1.3 0.8 1.3 0.8
0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.2 0.4 0.3 0.3 0.3 0.3 0.3 0.28
Closing per month
avr.-194 mai-19 juin-19 juil.-19 août-19 sept.-19 oct.-19 nov.-19 déc.-19 janv.-20 févr.-20 mars.-20 avr-20
-0.8 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6
16.7 16.7 16.7 16.7 16.7 16.7 16.7 16.7 16.7 16.7 16.7 16.7 16.7
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
3.3 7.0 5.9 5.9 5.9 5.9 5.9 5.9 5.9 5.9 5.9 5.9 5.9
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
3.3 2.9 6.5 6.5 6.5 6.5 6.5 6.5 6.5 6.5 6.5 6.5 6.5
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
-0.2 0.0 0.0 0.0 0.0 3.8 3.8 3.8 3.8 3.8 3.8 3.8 3.8
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
1.2 1.3 1.0 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7
9.2 6.1 6.3 5.0 3.8 4.5 4.5 4.5 4.5 4.5 4.5 3.2 2.4
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
1.1 0.7 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6
72
Annexes
Annexe B : Eléments du module Overstock & Residuals
73
Annexes
Annexe C : Extrait de la table des résultats pour la marque Clear :
Country SAP Country-SAP Description Status SU Average ForecastSS Weeks Cover Brand Sum Of Forecast SIT & OP Volatility Gap of Orders (Old -New) Gap of Closings (Old -New)
Morocco 34091926 Morocco34091926 CLEAR SH HR FALL DEFNS (NPS)GF 12X700ML Innovation GF 1.8 10.0 CLEAR 17.7 8.5 0.7 -5.0 -5.1
Morocco 67378343 Morocco67378343 Clear SHMP Hair Fall Defnse CHK 240x5ml Innovation Egypt 55.7 6.0 CLEAR 556.7 223.5 0.5 30.5 -4.9
Morocco 67293511 Morocco67293511 Clear SHMP Hair Fall Defens CHK 12x360ml Innovation Egypt 2.7 10.0 CLEAR 26.8 2.8 0.5 0.6 -0.9
Morocco 67384372 Morocco67384372 CLEAR SHMP STYLE EXPRS NW PS MG 12X360ML Innovation Egypt 2.4 8.0 CLEAR 24.5 7.2 0.7 1.5 -0.4
Morocco 67293519 Morocco67293519 Clear SHMP Men Deep Cleans CHK 12x360ml Innovation Egypt 1.6 8.0 CLEAR 15.6 3.9 0.6 0.6 -0.1
Morocco 67293509 Morocco67293509 Clear SHMP Anti Hair Fall CHK 12x360ml Innovation Egypt 1.9 8.0 CLEAR 19.1 6.1 0.5 0.4 0.0
Morocco 67202099 Morocco67202099 Clear SHMP Herbal Fusion N PS 36x180ml Innovation Egypt 0.3 8.0 CLEAR 3.1 4.8 1.7 0.0 0.0
Morocco 67390815 Morocco67390815 CLEAR SHMP STYLE EXPRESS 24X90ML Innovation GF 2.8 8.0 CLEAR 28.2 24.2 0.9 0.0 0.0
Tunisia 67202108 Tunisia67202108 CLEAR SHMP ICE COOL MNT SLCA MG 12X360ML Innovation Egypt 2.4 16.0 CLEAR 24.2 35.5 0.5 0.0 0.0
Tunisia 67378339 Tunisia67378339 CLEAR SHMP SHOWR FRSH NEW PS 12X360ML Innovation Egypt 1.7 16.0 CLEAR 16.9 22.0 1.0 0.0 0.0
Tunisia 67384368 Tunisia67384368 CLEAR SHMP STYLE EXPRESS NW PS 36X180ML Innovation Egypt 0.2 16.0 CLEAR 2.0 2.0 0.7 0.0 0.0
Morocco 67293492 Morocco67293492 Clear SHMP Soft & Shiny CHK 12x360ml Innovation Egypt 3.2 8.0 CLEAR 32.4 12.9 0.6 0.9 0.2
Morocco 67293460 Morocco67293460 Clear SHMP Men Cool Sport CHK 12x360ml Innovation Egypt 2.6 8.0 CLEAR 26.4 5.8 0.6 1.0 0.3
Tunisia 67202103 Tunisia67202103 CLEAR SHMP ICE COOL MNT SLCA MG 36X180M Innovation Egypt 0.3 16.0 CLEAR 2.5 1.0 0.4 0.3 0.3
Morocco 67202108 Morocco67202108 Clear SHMP Ice Cool Mnt CHK N PS 12x360ml Innovation Egypt 1.3 8.0 CLEAR 12.8 5.2 0.8 0.9 0.6
Morocco 67378339 Morocco67378339 Clear SHMP Men Shower Fresh CHK 12x360ml Innovation Egypt 0.9 8.0 CLEAR 9.2 7.4 1.2 1.2 0.8
Tunisia 67293492 Tunisia67293492 CLEAR SOFT & SHINY NEW PS 12X360ML Innovation Egypt 1.9 16.0 CLEAR 18.8 21.0 0.7 0.9 0.9
Morocco 67384370 Morocco67384370 CLEAR SHMP MEN SHOWR F N PS MRB 36X180ML Innovation Egypt 1.4 8.0 CLEAR 14.3 2.3 0.8 1.7 1.0
Morocco 67293479 Morocco67293479 CLEAR DEEP CLEANS NEW PS 240X5ML Innovation Egypt 8.1 6.0 CLEAR 81.0 45.5 0.6 4.5 1.1
Tunisia 67293501 Tunisia67293501 CLEAR COOL SPORT MENT NEWPS 36X180ML Innovation Egypt 0.3 16.0 CLEAR 2.7 1.3 0.4 0.8 1.3
Tunisia 67293515 Tunisia67293515 CLEAR ANTI HAIR FALL NEW PS 36X180ML Innovation Egypt 0.3 16.0 CLEAR 2.7 1.4 0.4 0.8 1.4
Morocco 67202103 Morocco67202103 Clear SHMP Ice Cool Mnt N PS 36x180ml Innovation Egypt 1.6 8.0 CLEAR 16.0 5.9 0.8 2.1 1.4
Tunisia 67293490 Tunisia67293490 CLEAR SOFT & SHINY NEW PS 36X180ML Innovation Egypt 0.3 16.0 CLEAR 2.7 2.4 0.4 0.8 1.4
74
Annexes
Annexe D : Résultats en terme de volumes par marque
Brand Commandes Clôtures

AXE DEO 4.9% 7.7%
AXE SG 12.0% 0.9%
CAJOLINE 0.0% 0.0%
CLEAR 13.7% 3.9%
CLOSE UP 10.0% 2.2%
Comfort 28.1% 0.5%
DOVE DEO 17.1% 11.5%
DOVE HAIR -4.4% -0.5%
DOVE MILK &
11.0% 1.5%
SG
DOVE SOAP -7.4% 0.2%
F&L 15.0% -3.7%
JIF 19.3% -1.6%
KNORR -1.2% -4.4%
Lipton -9.0% -6.6%
LUX SG -0.6% -2.4%
LUX SOAP 4.8% 4.1%
OMO 14.4% -0.6%
REXONA 2.2% 3.9%
SIGNAL 6.3% 4.2%
SUNSILK -11.9% -1.8%
TOOTHBRUSH -0.4% -11.8%
TRESEMME 5.4% 0.3%
VASELINE -8.2% -4.5%
Moyenne 5.3% 0.1%
75
Annexes
Annexe E : Projections Financières pour la problématique du stock de sécurité
1) Projections du nouveau modèle :

Financial Projections
Country Brand June July August September October November
DOVE SOAP 697 959 679 329 697 959 921 478 857 414 835 721
JIF 79 233 68 829 58 424 51 573 47 488 43 320
JIF SPRAY 7 458 9 835 9 835 9 835 10 051 10 051
Algeria Lipton 213 640 225 259 274 938 303 073 273 288 296 096
LUX SOAP 1 219 308 1 152 171 1 152 171 1 152 171 1 214 563 1 214 563
OMO 369 144 289 524 234 176 234 176 233 211 233 211
TOOTHBRUSH 224 979 254 718 246 772 218 730 210 444 178 663
AXE DEO 324 036 292 372 237 656 210 980 232 172 227 535
AXE SG 11 267 10 407 8 259 7 578 6 974 6 450
CLEAR 987 450 816 444 888 905 722 594 782 329 627 250
CLOSE UP 78 833 87 887 67 904 67 524 79 581 57 011
Comfort 12 596 11 410 9 550 8 891 9 272 7 808
DOVE DEO 301 700 234 098 209 884 172 935 242 106 212 970
DOVE HAIR 38 876 36 639 34 987 34 442 33 373 35 053
DOVE SOAP 107 045 111 671 113 267 101 345 105 745 96 309
F&L 237 093 213 041 217 195 153 767 194 641 131 238
JIF 15 882 16 452 16 580 15 494 13 993 12 908
JIF SPRAY 12 156 13 118 13 207 12 451 10 701 9 944
Morocco
KNORR 26 136 26 136 26 136 26 136 25 802 25 802
Lipton 269 293 275 363 252 835 293 367 255 508 254 416
LUX SG 27 472 28 276 28 944 27 728 27 458 26 323
LUX SOAP 78 206 69 619 75 654 69 968 75 735 55 458
OMO 341 341 328 018 288 479 239 727 214 899 221 951
REXONA 28 823 36 750 35 159 34 167 35 406 35 158
SIGNAL 1 337 921 1 264 914 1 405 727 1 181 243 1 250 767 1 050 291
SUNSILK 1 520 073 1 387 338 1 538 630 1 437 906 1 504 743 1 296 851
TOOTHBRUSH 73 268 70 557 74 986 75 117 72 970 79 286
TRESEMME 31 977 31 445 31 445 31 445 31 445 31 445
VASELINE 64 668 65 776 74 592 84 672 72 052 80 395
CAJOLINE 618 521 553 127 461 738 370 350 278 961 220 372
CLEAR 266 626 237 351 195 015 153 371 193 163 154 484
CLOSE UP 136 703 130 375 126 245 122 902 123 451 120 750
DOVE HAIR 54 460 52 571 49 492 46 412 46 791 43 712
DOVE SOAP 105 587 93 374 79 832 66 290 76 516 62 974
JIF 129 430 119 758 97 359 71 079 104 135 81 735
JIF SPRAY 66 405 56 854 46 167 34 055 61 042 47 483
Tunisia
LUX SG 27 313 25 384 22 880 21 120 19 819 19 061
LUX SOAP 194 137 208 413 204 390 200 366 206 542 202 518
OMO 410 498 314 492 285 931 171 526 316 164 201 759
SIGNAL 757 990 778 489 733 609 710 274 704 485 658 729
TOOTHBRUSH 27 727 28 620 24 260 19 073 29 112 20 412
TRESEMME 41 147 42 461 40 901 33 778 30 654 18 816
VASELINE 0 0 0 0 0 0
76
Annexes
2) Projections de l’ancien modèle :
Financial Projections
Country Brand June July August September October November
DOVE SOAP 835 721 593 572 593 572 835 721 835 721 835 721
JIF 79 233 68 829 58 424 51 656 47 488 43 320
JIF SPRAY 7 675 10 051 10 051 10 051 10 051 10 051
Algeria Lipton 195 454 215 151 258 102 261 352 273 288 296 096
LUX SOAP 1 267 694 1 214 563 1 214 563 1 214 563 1 214 563 1 214 563
OMO 369 144 289 524 233 211 233 211 233 211 233 211
TOOTHBRUSH 188 651 218 389 210 444 210 444 210 444 178 663
AXE DEO 324 320 311 655 264 015 241 976 232 172 227 535
AXE SG 11 396 10 520 8 554 7 872 6 974 6 450
CLEAR 915 994 811 486 887 652 872 083 780 637 627 250
CLOSE UP 85 508 80 722 59 653 81 489 79 581 57 011
Comfort 12 596 11 459 9 290 9 482 9 272 7 808
DOVE DEO 321 452 278 528 261 224 251 696 242 106 212 970
DOVE HAIR 38 423 36 688 34 089 31 589 33 373 35 053
DOVE SOAP 100 565 112 186 110 003 107 516 105 745 96 309
F&L 209 880 201 946 200 648 196 511 194 641 131 238
JIF 13 718 13 993 17 589 17 589 13 993 12 908
JIF SPRAY 10 338 10 701 13 207 13 207 10 701 9 944
Morocco
KNORR 25 802 25 802 25 802 25 802 25 802 25 802
Lipton 275 567 233 916 240 030 281 654 255 508 254 416
LUX SG 26 305 27 539 27 539 27 458 27 458 26 323
LUX SOAP 81 898 67 530 67 181 81 422 75 735 55 458
OMO 330 516 318 861 283 028 237 937 214 899 221 951
REXONA 29 216 37 886 36 398 35 654 35 406 35 158
SIGNAL 1 229 169 1 251 184 1 354 668 1 330 951 1 250 767 1 050 291
SUNSILK 1 423 811 1 373 233 1 440 278 1 521 856 1 504 743 1 296 851
TOOTHBRUSH 75 144 74 796 73 136 66 654 72 970 79 286
TRESEMME 32 075 31 445 31 445 31 445 31 445 31 445
VASELINE 62 024 60 413 70 314 72 052 72 052 80 395
CAJOLINE 618 521 553 127 461 738 370 350 278 961 220 372
CLEAR 267 343 256 352 233 514 217 619 193 163 154 484
CLOSE UP 141 896 136 175 131 908 128 732 123 451 120 750
DOVE HAIR 54 292 53 161 51 055 48 950 46 791 43 712
DOVE SOAP 102 767 96 648 90 528 84 409 76 516 62 974
JIF 96 678 108 015 111 896 108 015 104 135 81 735
JIF SPRAY 59 066 58 964 57 456 58 903 61 042 47 483
Tunisia
LUX SG 27 313 25 384 22 880 21 120 19 819 19 061
LUX SOAP 196 163 215 662 215 662 215 662 206 542 202 518
OMO 310 634 316 164 316 164 316 164 316 164 201 759
SIGNAL 796 370 811 584 782 220 790 445 704 485 658 729
TOOTHBRUSH 27 727 26 033 25 599 29 112 29 112 20 412
TRESEMME 37 941 41 929 43 266 38 948 30 654 18 816
VASELINE 0 0 0 0 0 0
77
Annexes
Annexe F : Analyse de l’influence des semaines de couverture

Maroc Algérie Tunisie
[0;4] 4 1 22
[5;6] 101 9 1
[7;8] 87 29 0
[9;10] 23 0 0
[11;12] 4 0 2
[13;16] 3 0 84 [0;4] 6
[5;6] 111
[7;8] 116
[10;12] 29
[13;16] 87
Nombre de semaines Commandes Clôtures
[0;4] 14.81% 18.52%
[5;6] 30.63% 36.04%
[7;8] 31.03% 43.97%
[10;12] 51.72% 48.28%
[13;16] 5.75% 17.24%
Annexe G: Analyse de l’influence de la volatilité de la demande
Volatilité Commandes Clôtures Nombre

des SKUs
[0;0.2] 15.84% 16.83% 101
0.3 8.70% 17.39% 23
0.4 30.56% 34.72% 72
0.5 27.08% 37.50% 48
0.6 8.00% 32.00% 25
0.7 35.48% 53.00% 31
0.8 33.33% 16.67% 18
0.9 18.18% 45.45% 11
[1.0 ; 1.1] 40.91% 63.64% 22
[1.2;1.3] 33.33% 33.33% 6
[1.4;1.6] 69.23% 69.23% 13
78
Annexes
Annexe H : Capture du Fichier Maître
79

Rapport PFE - Saad Abbouchi - Final

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Rapport PFE - Saad Abbouchi - Final

Transféré par

Droits d'auteur :

Formats disponibles

IND 17 /2019

Département Génie Industriel

Mémoire de Projet de Fin d’Études

LA MISE EN PLACE D’UN MASTER FILE PLANIFICATION ET

Je remercie chaleureusement M. Mohammed Benabdlkrim, M. Hassan Lachiq et M.

Mes remerciements s’adressent également à M. Omar Drissi-Kaitouni, Professeur à l’École

Chapitre 1-Présentation de l’organisme d’accueil et contexte du Projet ........................................... 2

FMCG: Fast Moving Consumer Goods

Chapitre 1-Présentation de l’organisme

1929 : Fusion des deux

1927 : Leverd et Jurgerns

Figure 1.1 : Historique de création d’Unilever

Dès sa création, Unilever a élargi considérablement son portefeuille de produits et son

Dans le paragraphe suivant, nous décrirons la structure interne d’Unilever.

1.1.2 Structure d’Unilever

Ces divisions contribuent équitablement au chiffre d’affaires d’Unilever, la figure

CONTRIBUTION DES DIVISIONS CONTRIBUTION DES DIVISIONS

Figure 1.2 : Contribution des divisions au chiffre d’affaires et au profit

La figure suivante illustre les 10 principaux acteurs mondiaux sur ce marché :

Philip Morris International

Procter & Gamble

1.1.3 Données Clés sur Unilever

Tableau 1.1 : Données clés sur Unilever

Nom de l'entreprise Unilever

1.1.4 Business Model d’Unilever sous le format CANVAS

Le modèle CANVAS explique le business model d’une organisation selon 9 volets :

 Les partenaires clés

La deuxième partie du chapitre est consacrée à la présentation d’Unilever Maghreb, la filiale

1.2 Présentation d’Unilever Maghreb

1.2.2 Marques commercialisées au Maroc

Actuellement, 25 marques, des 4 catégories déjà mentionnées, sont distribuées au Maroc. Le

Le portefeuille des produits commercialisés au Maroc est soumis aux contraintes de la

La figure suivante illustre les 25 marques distribuées au Maroc :

Figure 1.5 : Les différentes marques commercialisées par Unilever Maghreb

Figure 1.6 : Organigramme Unilever Maroc

1.2.4 Département Supply Chain

La chaîne d’approvisionnement d’Unilever fonctionne selon le modèle d’approvisionnement

Le département supply chain collabore étroitement avec le département Marketing et Actions

1.2.5 Equipe Sourcing des Produits Finis Importés

 Estimation et prévision de la demande sur les mois qui viennent.

Figure 1.7 : Equipe Sourcing des IFG

1.3 Cadrage du projet

1.3.1 Problématique du projet

La troisième problématique du stage concerne la transformation digitale qu’Unilever souhaite

1.3.2 Identification des parties prenantes

Vu la complexité de la chaîne de valeur d’Unilever, ce projet de fin d’études concerne

 Les Supply Chain Managers :

Les Managers sont responsables de la performance de l’entreprise en termes

 Les unités d’approvisionnement (Sourcing Units) :

1.3.3 Livrables du projet :

Le tableau ci-dessous résume les livrables de notre projet de fin d’études :

Tableau 1.2 : Livrables du PFE

Pilier du PFE Livrables attendus

1.3.4 Diagramme Gantt du projet

Figure 1.8 : Diagramme Gantt du Projet

Présentation du cycle S&OP

Chapitre 2-Présentation du cycle S&OP

2.1 Cycle S&OP

S&OP fait appel à plusieurs départements comme le marketing, la production, l’ingénierie, la

Figure 2.1 : Piliers d’équilibre du cycle S&OP

Tableau 2.1 : Sources de complexité dans le processus S&OP

Eléments du S&OP Moteurs augmentant la complexité

Figure 2.2 : Architecture des décisions S&OP