Analyse comparative des méthodes de prévision de la demande pour optimiser l'efficacité de la chaîne d'approvisionnement dans le groupe PharmaHealth

Le groupe PharmaHealth rencontre des défis importants dans la distribution de sa chaîne d'approvisionnement en raison de la demande de l'industrie pharmaceutique pour une réactivité rapide et du risque élevé de fluctuations de la demande, en particulier lors d'événements comme la pandémie de COVID-19. Parmi les complexités supplémentaires figurent la courte durée de conservation des produits pharmaceutiques et les processus de contrôle qualité étendus imposés par des réglementations strictes. Cette étude compare des méthodes avancées de prévision de la demande pour traiter ces problèmes et optimiser l'efficacité de la chaîne d'approvisionnement. La recherche examine trois techniques de prévision : Holt-Winters, ARIMA (Moyenne Mobile Intégrée Autoregressive) et le modèle hybride ARHOW (ARIMA et Holt-Winters additif). La méthode de Holt-Winters, efficace pour les données de séries chronologiques avec tendances et schémas saisonniers, améliore la gestion de la chaîne d'approvisionnement mais a des limites en matière de prévision des stocks. ARIMA, connue pour sa simplicité et son efficacité à capturer les tendances et la saisonnalité, rencontre des défis avec des données non linéaires et le besoin de stationnarité. Le modèle hybride ARHOW combine les forces des méthodes Holt-Winters et ARIMA, offrant une précision de prévision et une efficacité améliorées. En analysant ces méthodes, l'étude met en évidence le potentiel des approches hybrides comme ARHOW pour répondre aux défis uniques de la chaîne d'approvisionnement du groupe PharmaHealth, conduisant à une meilleure gestion des stocks et à une performance globale améliorée de la chaîne d'approvisionnement.