TRAME DE CORRIGÉ COMMUNE (ce qu’on attend pour n’importe quel cas)
1) Problème + Décision (formule type)
– “Prédire/Tracer/Contrôler X à horizon Y pour décider Z”
ou “Capteur/scan pour détecter X afin de déclencher Z”
– Décision = verbe + acteur + moment (bloquer, rerouter, réassortir, prioriser, isoler, replanifier…)
2) Données minimales (≤ 8)
– Identifiants (article/lot/colis/commande), quantité, statut, horodatage, localisation
– Mesure qualité (T°, choc, humidité) si pertinent
– Acteur responsable / preuve (POD) si transport
– Motif retour / état (si reverse)
3) Points de capture (≤ 5)
– Aux interfaces critiques : sortie, prise en charge, entrée, expédition, réception, retour
– Pas “partout” : on privilégie actionnabilité.
4) Choix techno argumenté (valeur / faisabilité / limites)
– RFID/scan : traçabilité unit/palette, fiabilisation événements
– IoT : mesures environnementales/état
– IA : prédire/segmenter/anomalies (si données suffisantes)
– Blockchain : seulement si preuve multi-acteurs sans autorité unique (et données déjà fiabilisées)
5) KPI (5 mini)
– 2 service/qualité, 1 coût, 1 risque/conformité, 1 durabilité
6) MVP + risques
– Périmètre pilote (1 site / 1 flux / 1 famille produits)
– Risques : qualité data, adoption terrain, intégration SI, surcharge alertes, capteurs/maintenance
===========================================================
CAS 1 — E-COMMERCE TEXTILE (J+1/J+2 + retours)
===========================================================
Problème + décision (type)
– Problème : stock fantôme + retours saturés -> OTIF baisse, erreurs, express.
– Décision : “fiabiliser stock disponible et accélérer remise en stock retours pour tenir promesses”.
Use case digital prioritaire (correction type)
A) “Fiabilisation stock + événements WMS” OU B) “Pilotage retours (tri rapide)”
Données minimales :
– ID article, emplacement, statut (dispo/réservé/endommagé), qty, horodatage
– ID commande/colis, motif retour, état, décision (restock/recond/rebut)
Points de capture (≤5) :
1) Réception fournisseur (scan + qty)
2) Mise en stock (emplacement + statut)
3) Picking (scan prélèvement)
4) Expédition (scan colis + contrôle poids)
5) Retour (scan + état + décision)
Choix techno :
– Scan obligatoire + contrôle poids/vision (techno simple) + gouvernance data
– Option IA : prédire retours/pics (si historique stable)
KPI (5) :
– OTIF, taux erreur picking, % picks échoués (proxy stock fantôme), cycle time retours, CO₂/commande ou % express
MVP :
– 1 zone picking + 1 famille “best sellers” + retours textile
Risques :
– adoption scan, surcharge saisie, qualité référentiel, intégration ERP/WMS
===========================================================
CAS 2 — AGRO FRAIS (chaîne du froid)
===========================================================
Problème + décision
– Problème : non-conformités T° + gaspillage + litiges.
– Décision : “isoler lot / refuser réception / rerouter / ajuster commande”.
Use case digital prioritaire (type)
– Monitoring T° + traçabilité lot/DLC + alertes
Données minimales :
– ID lot, DLC, T° (et durée hors plage), horodatage, localisation, statut transport/réception
Points de capture (≤5) :
1) Sortie plateforme
2) Prise en charge transport
3) Arrivée entrepôt/magasin
4) Réception (contrôle)
5) Mise en rayon (option si dispo)
Choix techno :
– IoT T° + règles d’alerte + preuve ; data gouvernée lot/DLC
KPI :
– % ruptures T°, % destructions, taux rupture rayon, coût pertes, kg jetés/CO₂ évité
MVP :
– 1 tournée/1 transporteur + 1 famille sensible
Risques :
– capteurs/batterie/calibration, traitement alertes, interop transporteur
===========================================================
CAS 3 — PHARMA (lot/sérialisation)
===========================================================
Problème + décision
– Problème : rappels longs + péremption + pénuries.
– Décision : “isoler lot en < X h, redistribuer stock, bloquer expédition non conforme”.
Use case digital prioritaire
– Traçabilité lot/serial + gouvernance + KPI “time-to-isolate”
Données minimales :
– serial/lot, DLC, statut (où/chez qui), horodatage, conditions (si froid)
Points de capture :
1) Sortie usine
2) Entrée répartiteur
3) Sortie répartiteur
4) Réception pharmacie/hôpital
5) Retour/destruction (statut final)
Techno :
– scanning + intégration SI ; blockchain seulement si besoin preuve multi-acteurs (anti-contrefaçon)
KPI :
– temps isolement lot, % péremption, taux rupture produit critique, coût urgences, gaspillage (valeur détruite)
MVP :
– 1 produit critique + 1 circuit
Risques :
– alignement référentiels, conformité, adoption partenaires
===========================================================
CAS 4 — AUTOMOBILE (composant critique)
===========================================================
Problème + décision
– Problème : retards fournisseurs -> arrêt de ligne.
– Décision : “déclencher plan de continuité (substitut, transport alternatif, replanification)”.
Use case digital prioritaire
– Early warning fournisseur + tracking composants critiques
Données minimales :
– ID composant critique, quantités, statut commande, ETA, incidents, capacité fournisseur (signal)
Points de capture :
1) Confirmation fournisseur
2) Départ fournisseur
3) Arrivée hub/frontière (si pertinent)
4) Réception usine
5) Consommation ligne (option)
Techno :
– EDI/API statuts + scoring risque ; IoT tracking conteneurs si valeur élevée
KPI :
– incidents arrêt ligne, OTIF fournisseur, % premium transport, stock couverture critique, CO₂ premium
MVP :
– 1 composant “A” + 2 fournisseurs
Risques :
– partage data fournisseur, fiabilité ETA, gouvernance
===========================================================
CAS 5 — SAV PIÈCES (erratique)
===========================================================
Problème + décision
– Problème : ruptures pièces critiques + express.
– Décision : “positionner stock et prioriser expéditions selon criticité”.
Use case digital prioritaire
– Segmentation + prévision probabiliste + optimisation stock critique
Données minimales :
– historique pannes/consommations, criticité client, lead time fournisseur, stock multi-sites
Points de capture :
1) Demande SAV (ticket)
2) Réservation pièce
3) Expédition
4) Livraison
5) Retour pièce défectueuse (option)
Techno :
– IA légère (prévision risque) + règles ; sinon analytics + ABC/XYZ
KPI :
– délai dispo pièce critique, % express, taux rupture, obsolescence, CO₂ express
MVP :
– top 20 pièces critiques
Risques :
– données historiques biaisées, adoption planners, segmentation mal calibrée
===========================================================
CAS 6 — BOISSONS (tournées + consignes)
===========================================================
Problème + décision
– Problème : tournées inefficaces + pertes consignes.
– Décision : “optimiser tournée et tracer bacs/consignes”.
Use case digital prioritaire
– TMS optimisation + POD + tracking consignes
Données minimales :
– points livraison, fenêtres, volumes, statut livraison, ID consigne/bac, quantités
Points de capture :
1) Chargement
2) Départ tournée
3) Livraison (POD)
4) Retour consignes
5) Déchargement
Techno :
– TMS + mobile POD ; RFID/QR sur bacs si pertes élevées
KPI :
– km/point, taux remplissage, % livraisons ratées, pertes consignes, CO₂ tournée
MVP :
– 1 zone/1 tournée
Risques :
– adoption chauffeurs, connectivité terrain, qualité données volumes
===========================================================
CAS 7 — BTP CHANTIER
===========================================================
Problème + décision
– Problème : manquants -> arrêt chantier + rework.
– Décision : “valider conformité livraison + replanifier si manquant”.
Use case digital prioritaire
– Planning partagé + traçabilité livraison + preuves + checklists
Données minimales :
– commande chantier, liste matériaux, statut livraison, horodatage, preuve photo/signature, localisation
Points de capture :
1) Préparation négoce
2) Départ
3) Arrivée chantier
4) Réception/contrôle
5) Consommation/retour surplus (option)
Techno :
– App mobile + POD + checklists ; géolocalisation si besoin
KPI :
– % manquants, temps perdu attente, reworks, re-livraisons, CO₂ transports multiples
MVP :
– 1 chantier pilote
Risques :
– discipline réception, variabilité planning, adoption sous-traitants
===========================================================
CAS 8 — HIGH-TECH (lancement + obsolescence)
===========================================================
Problème + décision
– Problème : allocation composants + surstock fin de vie.
– Décision : “réallouer composants, ajuster plan, éviter air freight”.
Use case digital prioritaire
– Visibilité composants + what-if S&OP + prédictif demande (option)
Données minimales :
– BOM/critique composants, statut fournisseurs, stocks, forecast, lead times
Points de capture :
1) confirmation fournisseur
2) départ
3) entrée usine
4) expédition DC
5) retours qualité (early-life)
Techno :
– analytics + simulation ; IA si données stable
KPI :
– rupture lancement, backlog, % air freight, obsolescence, CO₂ premium/e-déchets évités
MVP :
– 1 produit + composants critiques
Risques :
– dépendance fournisseurs, données BOM, adoption S&OP
===========================================================
CAS 9 — HÔPITAL (DM/consommables)
===========================================================
Problème + décision
– Problème : ruptures + péremption + “stocks cachés”.
– Décision : “réassort automatique + redistribution + alertes péremption”.
Use case digital prioritaire
– Kanban digital + traçabilité interne
Données minimales :
– ID produit, emplacement service, stock, DLC, consommation, seuil réassort
Points de capture :
1) sortie magasin central
2) entrée service
3) consommation
4) alerte seuil
5) alerte péremption/redistribution
Techno :
– scan + Kanban digital ; analytics péremption
KPI :
– ruptures critiques, % péremption, temps réassort, achats urgents, déchets évités/CO₂ urgences
MVP :
– 1 service + top 30 références
Risques :
– acceptation soignants, référentiels, discipline scan
===========================================================
CAS 10 — RECONDITIONNEMENT (circularité)
===========================================================
Problème + décision
– Problème : variabilité qualité entrante + manque pièces -> délais imprévisibles.
– Décision : “router vers bon atelier, commander pièces, décider recond vs rebut”.
Use case digital prioritaire
– Traçabilité pièces/états + base défauts + planification atelier
Données minimales :
– ID produit, diagnostic (grade), défauts, pièces manquantes, statut atelier, temps cycle
Points de capture :
1) réception
2) diagnostic/grade
3) lancement atelier
4) test/QA
5) expédition/revente
Techno :
– scan/étiquetage + workflow ; option prédictif disponibilité pièces
KPI :
– yield reconditionnable, cycle time, taux retours SAV, coût rework, kg déchets évités/CO₂ évité
MVP :
– 1 gamme produit
Risques :
– nomenclatures, qualité diagnostic, disponibilité pièces
===========================================================
POINTS “INGÉNIEUR” POUR NOTATION SÉANCE 2 (RAPPEL)
– La décision est explicite, actionnable, et reliée au KPI.
– Les données sont minimales (≤8) et disponibles au moment de décision (pas de fuite de données).
– Les points de capture (≤5) sont sur interfaces critiques.
– La techno est justifiée : valeur / faisabilité / limites (pas “blockchain parce que 4.0”).
– MVP réaliste + risques (data, adoption, intégration SI, maintenance capteurs).
===========================================================
FIN – CORRECTION TYPE TD SÉANCE 2
===========================================================