Demand forecasting is a vital step for production planning and consequently, for supply chain efficiency, especially for the pharmaceutical (pharma) supply chain due to its unique characteristics. Numerous models and techniques that are proposed in the literature but little in concrete and generic framework to forecasting process, mainly for pharmaceutical supply chain. Unlike studies in the literature, this study not only perfectly predict the sales of a pharma manufacturer, but also visualize the results via a developed dashboard using modern information technology and business intelligence.

In this research, a rolling forecasting framework comprising of different steps and specialized tools is proposed that can assist supply chain managers to perform an accurate sales forecasting and consequently a better performance and specifically patient satisfaction. The proposed generic framework combines the use of Visual studio C++ software to extract optimal forecasting and the Power BI software to monitor the accuracy of the obtained sales forecasts. Three exponential smoothing methods are integrated in the proposed framework, which is open to adding more new forecasting methods.

The proposed framework is tested for many data sets from a pharmaceutical manufacturer company, and the results obtained show superior performance, especially a clear decline in both forecast errors, which can reach 75% and a drop of stock level to 50%. Therefore, the company is currently using it and a future integration with their ERP is being carried out.

The proposed rolling forecasting framework contributes to insightful decision-making through the visualization of accurate future sales and turnover, and consequently, an efficient stock management and effective production planning.

La prévision de la demande est une étape vitale pour la planification de la production et, par conséquent, pour l’efficacité de la chaîne logistique toute entière, en particulier pour la chaîne logistique pharmaceutique (pharma) en raison de ses caractéristiques uniques. De nombreux modèles et techniques sont proposés dans la littérature mais peu dans un cadre concret et générique pour le processus de prévision, principalement pour l’industrie pharmaceutique. Contrairement aux études de la littérature, cette étude prédit non seulement parfaitement les ventes d’un fabricant pharmaceutique, mais visualise également les résultats via un tableau de bord développé en utilisant des technologies récentes de l’information et la business intelligence.

Dans cette recherche, un cadre de prévision glissant comprenant différentes étapes et outils spécialisés est proposé qui peut aider les gestionnaires de la chaîne logistique à effectuer une prévision précise des ventes et par conséquent une meilleure performance et plus spécifiquement la satisfaction des patients. Le cadre générique ainsi proposé combine l’utilisation du logiciel Visual Studio C++ pour extraire des prévisions optimales et du logiciel Power BI pour surveiller l’exactitude des prévisions de ventes obtenues. Trois méthodes de lissage exponentiel sont intégrées dans le cadre proposé, qui est ouvert à l’ajout de nouvelles méthodes de prévision.

Le cadre proposé est testé sur de nombreux ensembles de données provenant d’un fabricant pharmaceutique, et les résultats obtenus montrent des performances supérieures, notamment une nette diminution des erreurs de prévision, qui peuvent atteindre 75 % et une baisse au niveau de stock, de 50 %. L’entreprise l’utilise donc actuellement et une future intégration avec son ERP est en cours.

L’approche de prévision glissante proposée contribue à une prise de décision éclairée grâce à la visualisation des ventes et du chiffre d’affaires futurs précis et, par conséquent, à une gestion efficace des stocks et à une meilleure planification de la production.