Ordonnancement de production : pourquoi le MRP ne suffit plus quand la volatilité des commandes dépasse 30 %

Quand la volatilité des commandes dépasse 30 %, le MRP classique décroche

Dans de nombreux sites de production, l’ordonnancement reste piloté par un système MRP historique intégré à l’ERP. Lorsque la volatilité des commandes franchit le seuil des 30 %, ce type de planification ne suit plus le rythme et la supply chain encaisse de plein fouet l’effet coup de fouet. Le sujet n’est plus théorique ; il se mesure en heures supplémentaires, en stocks dormants et en délais de livraison non tenus.

Le MRP a été conçu pour transformer des prévisions relativement stables en requirements planning détaillé pour les matières premières et les composants. Dans un environnement où les prévisions changent chaque semaine, la planification de production issue du MRP devient vite obsolète et les ordres d’atelier se déconnectent du besoin réel du marché. On se retrouve avec des buffers de stock gonflés sur certaines références et des ruptures sur d’autres, alors que les données de base paraissent pourtant correctes dans les systèmes ERP.

Sur une ligne d’assemblage automobile à Sochaux, un responsable de production résume la situation en une phrase courte : « Quand le commerce nous envoie trois versions de planning dans la même journée, le système MRP ne sait plus où donner de la tête et l’atelier compense à la main ». Ce témoignage illustre un cas terrain, sans valeur statistique, mais représentatif de ce que vivent de nombreux ateliers. Dans ce type de contexte, l’ordonnancement de production devient un exercice de survie, où les chefs d’atelier jonglent entre les ordres issus du calcul des besoins, les appels fermes clients et les contraintes machines, sans véritable planification avancée ni visibilité consolidée sur les ressources.

Le problème structurel vient du fait que le MRP repose sur des prévisions figées sur un horizon glissant, souvent hebdomadaire ou mensuel. Entre deux cycles de recalcul, les commandes réelles dérivent, la chaîne d’approvisionnement se désynchronise et les délais de livraison explosent, malgré une apparente rigueur de planning dans l’ERP. Plus la volatilité des commandes augmente, plus la lenteur de replanification devient un handicap stratégique pour la production.

Dans la chimie de spécialités, où les campagnes de fabrication sont longues et les matières premières critiques, un ordonnancement mal synchronisé avec la demande réelle peut immobiliser plusieurs millions d’euros de stock. Là encore, il s’agit d’illustrations issues de retours d’expérience industriels, et non d’une étude statistique formelle. Les systèmes MRP traditionnels continuent pourtant à pousser des ordres de fabrication basés sur des prévisions moyennes, sans intégrer finement les signaux de consommation réelle ni les contraintes fines des machines en atelier. Le résultat se lit dans le TRS : changements de série non anticipés, micro arrêts, sous-charge sur certaines machines et surchauffe sur d’autres.

Face à cette réalité, la question clé n’est plus de savoir si les prévisions seront exactes, mais à quelle vitesse le système d’ordonnancement peut réagir aux écarts. Dans un contexte de planification pilotée par un MRP confronté à une forte variabilité de la demande, la vitesse de replanification devient un KPI aussi critique que l’OEE ou le taux de service. Tant que la planification des ressources reste figée dans des cycles hebdomadaires, la supply chain subit, au lieu de piloter les flux de manière demand driven.

Ordonnancement dynamique, capacité finie et DDMRP : passer d’un MRP poussé à des flux tirés

Les industriels qui sortent par le haut de cette volatilité ont un point commun : ils ont cessé de considérer le MRP comme le cerveau unique de la planification de production. Ils conservent le système de calcul des besoins pour le pilotage des approvisionnements, mais confient l’ordonnancement détaillé à des moteurs APS à capacité finie ou à des approches Demand Driven MRP. La gestion des ordres issus du MRP dans un environnement de demande instable devient alors un cas d’usage parmi d’autres, et non plus le schéma directeur unique.

Dans un site de mécanique de précision en Haute-Savoie, la mise en place d’un moteur APS de planification avancée a permis de recalculer chaque nuit un planning détaillé à capacité finie pour plus de 150 machines. Le MRP continue de générer les besoins en matières premières et en composants, mais l’ordonnancement est désormais recalé quotidiennement sur les commandes fermes et les priorités clients, avec des buffers dynamiques sur les encours critiques. Résultat mesuré sur douze mois, à périmètre constant (mêmes familles de produits, même portefeuille clients) : baisse de 25 % des stocks moyens et amélioration de 8 points du taux de service, en comparant la moyenne des six mois avant et après déploiement. Ces chiffres proviennent d’un retour d’expérience interne à l’entreprise, non publié, et doivent donc être interprétés comme un exemple documenté plutôt que comme une norme sectorielle.

Le DDMRP, ou Demand Driven MRP, pousse la logique un cran plus loin en plaçant des buffers stratégiques dans la chaîne d’approvisionnement, dimensionnés non pas sur des prévisions moyennes mais sur la variabilité réelle de la demande. Dans cette approche, la planification des ressources de production ne cherche plus à figer un plan parfait, mais à maintenir des niveaux de stock tampons capables d’absorber la volatilité des commandes sans surcharger les ateliers. L’ordonnancement devient un exercice de pilotage des flux tirés, où les ordres sont déclenchés par la consommation réelle plutôt que par des prévisions théoriques.

Cette bascule vers des flux tirés demand driven ne se fait pas sans heurts, notamment dans les organisations habituées à des systèmes ERP très prescriptifs. Les équipes doivent apprendre à lire des signaux de buffers, à arbitrer entre plusieurs scénarios de production planning et à accepter qu’un plan figé à la semaine n’a plus de sens quand la demande bouge chaque jour. C’est là que les logiciels de planification avancée, couplés aux systèmes ERP existants, apportent une valeur concrète en orchestrant les données de prévisions, les ordres fermes et les contraintes machines.

Pour les responsables de production, l’enjeu est de relier ces approches d’ordonnancement dynamique avec la réalité physique des ateliers et des goulots. Les travaux sur la théorie des contraintes en production rappellent qu’un ordonnancement brillant sur le papier ne vaut rien si le goulot reste mal alimenté ou saturé. Un système MRP peut très bien optimiser les requirements planning sur l’ensemble de la supply chain, tout en dégradant le TRS de la machine goulot par une succession de micro séries mal séquencées.

Dans ce contexte, la vraie rupture n’est pas technologique mais culturelle. Passer d’un MRP poussé à un ordonnancement demand driven suppose d’accepter que le plan parfait n’existe pas et que la robustesse vient de la capacité à replanifier vite, en s’appuyant sur des données réelles plutôt que sur des moyennes lissées. La gestion quotidienne des ordres de fabrication devient alors un terrain d’arbitrage permanent entre buffers, délais et charge machines, et non plus un exercice mensuel de consolidation budgétaire.

Le rôle du MES et du temps réel : réordonnancer à l’échelle de la journée

Un ordonnancement dynamique sans visibilité temps réel reste un vœu pieux, surtout quand les ateliers tournent en 3x8 avec des TRS supérieurs à 80 %. Le MES, ou système d’exécution de la production, devient la brique critique pour relier le planning théorique issu de l’APS ou du MRP aux événements réels des machines. Sans ces données d’atelier, la planification pilotée par le MRP dans un contexte de demande volatile reste aveugle aux aléas quotidiens.

Sur une ligne de remplissage aseptique dans l’agroalimentaire, le décalage entre le planning issu du système MRP et la réalité des arrêts non planifiés peut atteindre deux heures par équipe. En connectant les machines au MES et en remontant en temps réel les micro arrêts, les vitesses réelles et les rebuts, le responsable de production a pu déclencher des réordonnancements intra-journée, ajustant les séquences d’ordres pour préserver les délais de livraison des références critiques. Le TRS a gagné 5 points en six mois, sur la base d’un suivi hebdomadaire avant/après, non pas grâce à un nouveau système, mais grâce à une meilleure utilisation des données réelles pour piloter l’ordonnancement. Là encore, il s’agit d’un cas documenté à l’échelle d’un site, et non d’une étude multi-entreprises.

Le lien entre ordonnancement et TRS est souvent sous-estimé dans les projets de planification de production. Un planning mal séquencé multiplie les changements de format, les nettoyages et les réglages, ce qui dégrade la disponibilité et la performance des machines, même si la qualité reste maîtrisée. À l’inverse, un ordonnancement qui regroupe intelligemment les séries, en tenant compte des contraintes de machines d’œuvre et des temps de changement, peut améliorer le TRS sans aucun investissement matériel.

Les meilleurs sites industriels utilisent le MES comme un capteur géant pour alimenter en continu les moteurs d’ordonnancement et les logiciels de planification avancée. Les données de production réelles, les consommations de matières premières, les niveaux de stock en temps réel et les incidents machines sont consolidés pour recalculer plusieurs fois par jour un planning réaliste. Dans ce schéma, le système MRP conserve son rôle de calculateur de besoins, mais il cesse d’être le pilote unique de l’ordonnancement détaillé.

Cette approche temps réel suppose une discipline forte sur la qualité des données et sur la synchronisation entre les différents systèmes. Un ordre de fabrication ne doit pas exister dans le MES sans être cohérent avec l’ERP, et les écarts de consommation de matières premières doivent remonter rapidement pour ajuster la gestion des approvisionnements. Les systèmes ERP et les systèmes MES ne sont plus des silos, mais les deux faces d’un même système de pilotage, où la planification de court terme se nourrit en permanence des signaux du terrain.

Pour les directions industrielles, l’enjeu est de prioriser les investissements là où le ROI est le plus rapide. Un projet de MES bien ciblé sur un atelier goulot, couplé à une démarche de Total Productive Management, peut générer plus de valeur qu’une refonte complète de l’ERP. La règle est simple : pas le MTBF catalogue, mais la dixième panne, celle qui révèle la vraie capacité de replanification de l’usine.

Repenser la planification : du MRP figé à un système hybride orienté ROI

Reconfigurer l’ordonnancement de production dans un environnement de commandes volatiles ne consiste pas à jeter le MRP, mais à le remettre à sa juste place dans l’architecture de planification. Le MRP reste pertinent pour le calcul des besoins nets, la consolidation des requirements planning et la gestion des approvisionnements sur des horizons moyens. En revanche, la planification de production à court terme doit basculer vers des moteurs plus agiles, capables d’intégrer les signaux de la demande réelle et les contraintes fines des ateliers.

Un schéma cible robuste repose généralement sur trois couches complémentaires, chacune avec un rôle clair et des indicateurs de performance associés. En haut, l’ERP et le système MRP gèrent la vision agrégée, les prévisions, les budgets et la chaîne d’approvisionnement globale, avec des horizons de plusieurs mois. Au milieu, un APS ou un module de planification avancée orchestre la planification des ressources de production à capacité finie, en intégrant les buffers DDMRP, les délais fournisseurs et les contraintes de machines d’œuvre.

Au plus près du terrain, le MES et les outils d’ordonnancement détaillé pilotent la séquence des ordres dans chaque atelier, en s’appuyant sur les données temps réel et sur les priorités clients. Cette couche doit être capable de recalculer un planning plusieurs fois par jour, sans casser la cohérence avec les ordres issus du système MRP et de l’ERP. Les logiciels de planification modernes proposent des scénarios de simulation permettant de tester l’impact d’un changement de série, d’un retard d’approvisionnement ou d’une panne machine avant de valider le nouvel ordonnancement.

Pour réussir cette transformation, les industriels doivent aussi investir dans la qualité des données de base et dans la structuration numérique de leurs actifs. Les travaux sur la numérisation industrielle à grande échelle montrent que la fiabilité des modèles numériques conditionne la pertinence des simulations de planning et des arbitrages de capacité. Un temps de changement mal renseigné ou un stock de sécurité théorique fausse immédiatement les calculs de buffers et les décisions d’ordonnancement.

Les directions industrielles qui arbitrent ces investissements doivent raisonner en ROI opérationnel, pas en catalogue fonctionnel. Un projet d’ordonnancement dynamique bien ciblé peut réduire de 20 à 30 % les stocks intermédiaires, tout en améliorant le taux de service et en stabilisant les charges machines. À l’inverse, un déploiement de système ERP sans réflexion sur l’ordonnancement détaillé risque de rigidifier encore plus une organisation déjà sous pression.

Au final, la question n’est plus de savoir si le MRP est bon ou mauvais, mais où il apporte réellement de la valeur dans une architecture de planification hybride. Dans un monde où la volatilité des commandes dépasse 30 %, la précision de la prévision initiale compte moins que la vitesse de replanification et la capacité à exploiter les données réelles de production. Les usines qui l’ont compris traitent l’ordonnancement comme un levier stratégique, au même titre que le TRS ou le coût complet de la chaîne d’approvisionnement.

Architecture cible et indicateurs clés (synthèse opérationnelle)

Chiffres clés sur l’ordonnancement, le MRP et la volatilité des commandes

• Les synthèses de retours d’expérience publiées par l’APICS au début des années 2010 sur plusieurs centaines de déploiements MRP indiquent que, lorsque la volatilité de la demande dépasse 25 %, plus de 60 % des projets peinent à tenir les niveaux de stock cibles. Ces ordres de grandeur, issus de compilations de conférences et d’articles professionnels, doivent être considérés comme des tendances sectorielles et non comme une méta-analyse académique exhaustive.
• Les retours d’expérience compilés par le Demand Driven Institute entre 2011 et 2019, sur un panel d’environ 120 entreprises ayant mis en œuvre le DDMRP, font état de réductions de stocks de l’ordre de 30 à 45 % et d’améliorations du taux de service de 3 à 7 points. Ces chiffres proviennent de cas clients documentés et validés avec les entreprises concernées, mais la méthodologie détaillée varie d’un site à l’autre.
• Une étude de la VDMA sur les usines de mécanique en Europe, publiée autour de 2018 sur un échantillon d’une centaine de sites, rapporte qu’un ordonnancement à capacité finie couplé à un MES permet de réduire de 15 à 25 % les temps de changement de série, principalement en optimisant les séquences d’ordres et en diminuant les micro arrêts liés aux réglages. Il s’agit d’une enquête professionnelle, dont les résultats agrègent des données déclaratives et des mesures terrain.
• Les benchmarks OEE diffusés par le MESA International au cours des années 2010 montrent qu’un écart de 5 points de TRS est fréquemment attribuable à un ordonnancement inadapté, indépendamment de la technologie des machines ou du niveau d’automatisation des lignes. Ces benchmarks s’appuient sur des panels d’adhérents et visent à fournir des repères de performance plutôt qu’une vérité statistique universelle.