Répartition du risque

1. Répartition du risque Exemple numérique

2. Exemple numérique • Plusieurs magasins vendent un produit, • 2 consommateurs / magasin • Un consommateur a une chance p=50% de vouloir acheter le bien. • Valeur d’une vente 3$, coût d’un inventaire 1$/unité • Examinons les politiques d’inventaire

3. I- Une unité par magasin Gain espéré= 1,25 $ Gain moyen par consommateur: 0,625$

4. II- Deux unités par magasin Gain espéré= 1 $ Gain moyen par consommation:0,5$

5. Profits avec pleine information(profits maximum possible ) Gain espéré= 2 $ Gain moyen par consommation :1$

6. 4 clients / magasin2 unités en inventaire Gains espérés=460/16 = 2,87$ Gain moyen par consommation = 0,718$ Gain moyen supérieur avec 4 clients plutôt que 2.

7. n clients / magasins unités en inventaire Probabilité que x consommateurs demandent le bien Profits totaux espérés L’inventaire optimal s. Benefice marginal d’une unité additionnelle dans l’inventaire est nulle

8. Effet du pooling de risque

9. Pooling de risque

10. Effet du pooling de risque (p=0,1)

11. Effet du pooling de risque (p=0,01)

12. Conclusion • Les profits par clients augmente avec la taille du marché • La diversité des inventaires augmentent avec la taille du marché

13. Quand livrer ?

14. Comment répartir le risque • Concentrer la demande géographiquement avec des super-magasins • Augmente les coûts de transport • Plus de délai pour les consommateurs • “dernier mile” • Concentrer la demande à travers le temps en entreposant sur des plus longues périodes • Augmenter le temps d’entreposage • Utiliser les stocks comme un tampon

15. Comment répartir le risque • Concentrer la demande en assemblant après la demande est révélée • Nécessite flexibilité

16. Exemple numérique • 6 composantes • Un produit contient 2 composantes différentes • 15 combinaisons différentes possibles • Chaque consommateur désire une et une seule de ces combinaisons. • Un unité en stock coûte 1$, une vente rapporte 3$

17. Probabilité de vente • Probabilité qu’un consommateur demande une combinaison spécifique p=1/15. • Probabilité qu’un consommateur demande une composante spécifique p=1/3

18. n clients / magasins unités en inventaire Probabilité que x consommateurs demandent le bien Profits totaux espérés L’inventaire optimal s. Benefice marginal d’une unité additionnelle dans l’inventaire est nulle