Logistique

De Matteis Giusy / De Sousa Alexandre / Gendre Alan / Blanco Batriz

Prvision des ventes 1. Approches

1. Qualitative
Les diffrentes mthodes : tudes Ltude de march prend en compte les diffrents facteurs externes lentreprise capable dinfluencer nos ventes dans le futur pour dterminer les prochaines prvisions. Experts Cette approche qualitative est fondamentalement lexprience du logisticien estimer des prvisions. Delphi Lapproche Delphi est une approche qui regroupe les estimations des prvisions de plusieurs experts. On fait ensuite une moyenne du groupe dexpert pour trouver lestimation. Force de vente Cest une approche marketing qui prend en compte lensemble du personnel dune entreprise dont la fonction concerne la vente. La force de vente ne gnre pas seulement des cots, elle tire galement le chiffre daffaires. Plus elle sera toffe et plus les ventes seront leves. En fait, il sagit non seulement la quantit vendu mais aussi de la qualit des efforts des commerciaux. base sur

2. Quantitative
L'analyse d'une srie chronologique, comme toute tude statistique, ne peut chapper une phase exploratoire permettant de comprendre et d'apprcier les phnomnes temporels influant sur la grandeur tudie : saisonnalit, effets de calendrier, points extrmes, conditions climatiques... Leur prise en compte est essentielle dans la prise de dcision et la prvision. Les mthodes statistiques permettant de dcomposer une srie temporelle sont nombreuses, varies et parfois complexes. Mthode causales Identit dune variable dpendante.

1/6

Logistique

De Matteis Giusy / De Sousa Alexandre / Gendre Alan / Blanco Batriz

Rgression simple quation, ou reprsentation graphique (la Droite des Moindres Carrs), permettant l'tude de la liaison entre deux variables numriques. En cas de liaisons positives ou ngatives entre les deux variables, la droite de rgression devient un indice pronostique qui permet d'estimer les valeurs de Y en fonction des valeurs de X (la taille en fonction du poids). En rsumant sur un graphique la liaison entre les deux variables, on peut par exemple prdire qu'un individu pesant 65 kg mesurera environ 1, 70 mtre. Plus la liaison (coefficient de corrlation) sera forte, plus la prdiction sera prcise et fiable. Rgression multiple La rgression multiple est dfinie comme un outil permettant d'tudier et de mesurer la relation existant entre une variable (Y) , dite variable explique, et d'autres variables (Xi), dites variables explicatives. Effectuer une rgression multiple consiste se baser sur les donnes d'un chantillon afin de dterminer une estimation de la relation mathmatique entre la variable explique et les variables explicatives. Les rsultats d'une rgression multiple sont donns d'une part travers l'quation de rgression qui dtermine la relation entre la variable explique et les variables explicatives, et d'autre part travers divers coefficients et graphiques qu'il s'agira d'analyser afin :

d'tablir le degr de fiabilit de l'estimation d'examiner la significativit des rsultats d'examiner si la relation entre la variable explique et chaque variable explicative est relle ou seulement apparente

La rgression multiple peut faire l'objet de diffrents usages selon vos attentes. Elle peut tre utilise afin de dcrire des relations entre les variables explicatives et d'analyser leur action sur la variable explique, afin de faire des estimations ou des prdictions, ou bien bien mme afin de pouvoir utiliser l'quation de rgression comme un outil de contrle (si vous souhaitez par exemple savoir de quelle manire modifier la valeur d'une variable explicative afin d'obtenir une valeur fixe de Y). Srie temporelle : Chronologie des donnes du pass pour le futur. Lissage : Dcomposition :

Dans ce travail nous utiliserons une approche quantitative temporelle de lissage

2/6

Logistique

De Matteis Giusy / De Sousa Alexandre / Gendre Alan / Blanco Batriz

2. Lissage exponentiel
Le lissage exponentiel consiste faire une moyenne pondre de la dernire valeur constate (demande) et de la valeur dtermine par lissage exponentiel lors de la priode prcdente. Cela nous permet de dgager une tendance. On peut dire que les mthodes de lissage consistent " rduire " plus ou moins les variations de la demande en remplaant chaque valeur par une moyenne des valeurs qui la prcdent. Le rsultat ne donne pas une droite, il est donc plus difficile extrapoler pour en faire une prvision et ce dernier accuse en permanence un certain retard car chaque moyenne est constitue partir des valeurs prcdentes. Pour commencer calculer une valeur de lissage exponentiel, il faut une premire valeur qui est la plus part du temps une moyenne mobile. A partir de cette premire valeur, on calcule pour chaque nouvelle priode une nouvelle valeur gale la somme pondre de l'ancienne et de la demande observe de la dernire priode. Si le coefficient de la demande observe est , le coefficient de l'ancienne valeur est (1).

Moyenne mobile Une moyenne mobile est tout simplement une moyenne effectue sur une priode prdtermine, qui se dplace au fur a mesure du temps. Cela nous permet davoir une moyenne non pas sur une anne mais sur 2 mois, 6 mois etc, de faon a observer plus finement chaque priode. Exemple :

3/6

Logistique

De Matteis Giusy / De Sousa Alexandre / Gendre Alan / Blanco Batriz

Coefficient alpha Ce coefficient alpha est important, comme on peut le voir sur ce graphique, plus le coefficient alpha est fort, plus le poids du pass devient faible et moins les variations de la demande sont lisses.

3. Modles
1. MAD Dfinition Mean Absolute Deviation (MAD) ce qui signifie en franais Ecart Absolu Moyen (EAM) But En pratique, on utilise plus souvent l'Ecart Absolu Moyen (EAM) pour calculer le stock de scurit. Il existe en effet une relation statistique entre l'un et l'autre si bien que l'on peut obtenir la table des K correspondant l'EAM en multipliant par 1,25 les valeurs des K correspondant l'cart-type. L'EAM est plus simple calculer. Voici le calcul pour trouver lEAM : K (EAM) = K (cart-type) * 1,25 Exemple du calcul de lEAM : k (cart-type) 0,25 k (EAM) 0,3125

4/6

Logistique

De Matteis Giusy / De Sousa Alexandre / Gendre Alan / Blanco Batriz

Le coefficient crot quand on atteint de fortes valeurs du taux de service. Il en rsulte que le stock de scurit peut devenir trs important. Si c'est un article ayant une valeur cart-type importante, ce qui est le cas des articles les plus consomms. Il faut donc choisir des valeurs relativement faibles du taux de service (90 95% par exemple) pour des articles de type A dont la valeur de consommation est importante sans oublier de surveiller en permanence ces articles et d'avoir des moyens de "dpannage". On rduira donc ainsi les stocks. Et vise versa pour les consommations faibles de type C.

Calcul :

2. MSE Dfinition Mean Square Error (MSE) ce qui signifie lerreur quadratique moyenne (EQM) But MSE est probablement le critre quantitatif le plus utilis pour comparer des valeurs calcules et des valeurs observes. Pour chaque observation on prend la diffrence entre une valeur calcule et une valeur observe (cest lerreur du modle). On prend le carr, et enfin on prend la moyenne des carrs sur toutes les observations. On peut montrer que MSE est une somme de trois contributions diffrentes. La premire est le biais du modle (lerreur moyenne) au carr. Le deuxime terme est la diffrence entre la variabilit des rsultats observes et la variabilit des rsultats calculs. Pour terminer, le dernier terme enfin dpend en dtail de la corrlation entre valeurs observes et calcules et est plus difficile interprter que les autres. Il est facile de calculer, partir dun jeu de donnes qui comporte valeurs observes et valeurs calcules, ces trois termes. On peut alors avoir une premire ide sur le type derreur qui prdomine, et cela peut aider amliorer le modle. Calcul

5/6

Logistique

De Matteis Giusy / De Sousa Alexandre / Gendre Alan / Blanco Batriz

Sources : http://zongo.toulouse.inra.fr/~nathalie/public/misesEnLigneModelia/050705_formation IntroModelisationLaRochelleJuin2005/supportsDesInterventions/WallachDcomment_ EvaluationIntroMod.pdf http://perso.orange.fr/robert.courtiau/Stock_de_securite.htm#utilisation%20de%20l% 20eam

6/6