Un taux de précision de préparation affiché à 99 % cache souvent une réalité différente — celle des erreurs corrigées avant expédition, jamais comptées. Voici la vraie formule, les 4 variantes utilisées en entrepôt agroalimentaire, et les 4 causes racines qui expliquent la plupart des erreurs de préparation.
(Error-free picks / Total picks) x 100Une ligne par confirmation de ligne de prélèvement — préparateur × article × entrepôt × équipe × date.
un prélèvement confirmé correct au scan de sortie ou au contrôle d'expédition — bon article, bonne quantité, bon lot/date, bonne destination.
les prélèvements rejetés et corrigés dans la même équipe avant expédition ; les prélèvements d'entraînement sous supervision pendant la période d'intégration.
en frais à courte durée de vie, une erreur de date n'est pas un problème qualité — c'est un problème de sécurité des aliments et de responsabilité commerciale. Un produit prélevé avec 2 jours de vie restante envoyé à un client exigeant 5 jours à réception génère une déduction, un échec de service, et une possible destruction de stock chez le client.
Le numérateur n'inclut que les prélèvements corrects du premier coup, en excluant ceux ayant nécessité une correction avant expédition. Quand l'utiliser : quand vous devez mesurer la vraie efficacité et qualité du processus de préparation lui-même, en le séparant de l'efficacité du processus de contrôle/audit.
Une variante qui isole uniquement les erreurs de lot/date. Le numérateur regroupe les prélèvements au bon code lot ; le dénominateur, tous les prélèvements d'articles sensibles à la date. Quand l'utiliser : essentiel pour les chaînes du froid, le frais et le pharmaceutique où la conformité de durée de vie est non négociable et un facteur majeur de refus et de mises au rebut.
La formule standard, mais segmentée pour isoler les facteurs de performance. Quand l'utiliser : utilisé pour le pilotage de la performance et l'identification de problèmes systémiques, comme une zone mal agencée ou un préparateur à re-former.
Les erreurs sont pondérées par la valeur financière du produit ou le coût de la pénalité associée. Une erreur sur un article à forte valeur ou en promotion a un impact plus élevé. Quand l'utiliser : pour concentrer les efforts d'amélioration sur les erreurs qui causent le plus de dégâts financiers, plutôt que de traiter toutes les erreurs de la même façon.
Des primes de préparateurs basées uniquement sur la vitesse. Quand les préparateurs sont bonifiés uniquement sur la productivité, ils sont implicitement encouragés à couper les coins ronds, contourner les scans de vérification et privilégier la vitesse sur la précision, augmentant le taux d'erreur.
Dans le plan d'intéressement entrepôt (RH/paie), vérifiez s'il existe une composante qualité (ex. déduction pour erreurs). Croisez les journaux WMS des taux d'erreur par préparateur avec leurs scores de productivité.
« Productivité main-d'œuvre entrepôt à 105 % de l'objectif » dans la revue mensuelle — ça paraît vert parce que ça mesure la production sans tenir compte du coût aval des erreurs.
Une stratégie d'emplacement médiocre ou des données de localisation inexactes. Quand des SKU à forte rotation sont dans des emplacements difficiles d'accès, ou que des produits similaires sont stockés côte à côte, la charge cognitive du préparateur augmente, rendant les erreurs plus probables.
Dans le WMS, faites une analyse ABC et projetez-la sur le plan de l'entrepôt. Si les articles A ne sont pas dans la « zone dorée » (hauteur de taille, proche de l'expédition), l'agencement est inefficace. Vérifiez les taux d'erreur élevés sur des emplacements adjacents précis.
« Taux d'utilisation de la capacité entrepôt à 92 % » sur le dashboard WMS — ça paraît vert parce que ça mesure l'espace utilisé, pas l'intelligence de son allocation pour l'efficacité et la précision de préparation.
Le WMS n'impose pas la logique FEFO. Si le WMS dirige les préparateurs par le chemin le plus court plutôt que par date de péremption, ils prendront la palette la plus facile d'accès, envoyant aux clients du produit à durée de vie plus courte et laissant le stock ancien expirer en entrepôt.
Sortez un rapport d'ancienneté de stock du WMS. Filtrez sur les produits ambiants ayant plus de 90 jours de vie restante. Si des prélèvements de ces SKU sur les 30 derniers jours ne provenaient pas du lot le plus ancien, la logique FEFO n'est pas appliquée.
« Expédition à l'heure à 99 % » — ça paraît vert parce que le camion est parti à l'heure, mais il contient du produit qui sera refusé par le client pour durée de vie insuffisante, causant un échec « complet ».
Les données de référence des nouveaux produits sont incomplètes ou tardives. Quand un nouveau produit est lancé, si son code-barres, ses dimensions ou son emplacement de prélèvement ne sont pas correctement paramétrés dans le WMS avant la première commande, ça garantit un prélèvement raté nécessitant une intervention manuelle, souvent source d'erreur.
Dans l'ERP/MDM, comparez la date de création produit à la date de complétude des données WMS pour tous les nouveaux SKU des 6 derniers mois. Un écart de plus de 24h est un problème systémique.
« Lancement de nouveau produit réussi » rapporté par le marketing — ça paraît vert sur la base des premières commandes, mais ça cache le chaos opérationnel et les échecs de service causés par la précipitation de la mise en système.
Ajouter un score de précision au KPI des préparateurs. L'incitation des préparateurs repose uniquement sur la vitesse → transformez-la en un score pondéré : 60 % productivité (prélèvements/heure) et 40 % précision au premier passage → les taux d'erreur baissent car les préparateurs ne sont plus pénalisés pour prendre les secondes nécessaires à vérifier un prélèvement.
Lancer un audit quotidien des « 5 SKU les plus en erreur ». Les erreurs sont traitées comme des événements aléatoires → le journal d'erreur WMS identifie chaque semaine les 5 SKU les plus en erreur → un audit quotidien de 15 minutes sur ces SKU vérifie étiquetage, emplacement et état du stock → les causes systémiques sont corrigées sous 24h.
Relier les échecs FEFO aux dépréciations de durée de vie. La conformité FEFO est suivie mais pas reliée à l'impact financier → créez un rapport croisant les prélèvements WMS non conformes FEFO avec les dépréciations aval sur le même lot → le coût financier de prélever la mauvaise date devient visible pour la première fois, justifiant l'investissement dans une mise à niveau du WMS.
Voir le Pack d'implémentation Order Picking Accuracy (Power BI, en anglais — FoodBevKPIs)