Académique Documents
Professionnel Documents
Culture Documents
Plan Directeur Facture client Ecriture facture Besoins indpendants sur PF Analyse marge Besoins dpendants sur SF Remise en cause besoins indpendants
version active ou de simulation
Evaluation lissage charges Planification Long Terme Gammes court terme Scnario reprenant bes. indp. PDP Evaluation plan appros
MRP Besoins dpendants sur tous niveaux Sug. Achats Ordres planifis Sous Traitance Demande Achats Cde Fournisseur Ecriture engagement Rception Ecriture fact. recevoir Ecriture mvts stocks Facture Fournisseur Ecriture facture rgul. stock Sug. Fab. Ordres planifis Transformation OF OF ouvert
Rservations
Cot Budgt OF
OF lanc
STOCKS
Sorties Suivi matires/Temps Ecritures de stocks OF confirm Entre Dclaration Fab. Ecritures de stocks Solde OF Rgulari. Imputation Ecritures imputations Ecritures mvts stocks carts Ecritures collecteur
Cot rel OF
Gestion de production Prvision de commandes, de stocks, de livraisons, PDP, PIC Marketing Finance Contrle de gestion Plan Ordonnancement Prvision vente, plan marketing
Simulation financire, trsorerie, risque de 6 12 mois change Budget Prvision et planification stratgique Planification court terme 15 18 mois > 3 ans 1 5 jours
3
vendeur, reprsentant, Positif connaissance produit, march intress directement par les prvisions Ngatif confusion prvision/objectif prvisions qualitatives : influences par dernier client, client le plus important
dcideur Positif Approche statistique utilisation de mthodes quantitatives support informatique Ngatif coupure/march et /produit
Cest ce quon appelle la prvision. La prvision est une tape ncessaire devant prcder la planification des oprations.
La gestion de la demande
La gestion de la demande consiste : Dterminer la demande totale satisfaire et la faire connatre au moment voulu et selon des formes prcises aux gestionnaires concerns (production, marketing).
Quelles sont les responsabilits du groupe qui soccupe de la gestion de la demande? Collecte des donnes sur tous les types de demande que lentreprise doit satisfaire. Agrgation de ces demandes et la communication des rsultats aux services concerns pour avoir une ide globale des besoins en ressources.
Quelles sont les responsabilits du groupe qui soccupe de la gestion de la demande? Conception et mise en uvre de moyens permettant dadapter la demande pour la rendre plus acceptable, dans le cas o cette dernire poserait des difficults. tablissement des dlais de livraison ralistes et contrle du respect des dlais.
Gestion de lquipement.
Localisation et lamnagement.
Quelles sont les rgles dutilisation de la prvision de la demande? 1) La prvision doit porter sur la demande indpendante (produits finis).
2) La prvision peut tre faite sur des familles de produits ou des produits individuels.
Quelles sont les rgles dutilisation de la prvision de la demande? 3) La prvision doit tre faite court ou moyen terme seulement.
4) Il faut prendre en considration la part dincertitude dans lutilisation des prvisions.
limportance de la prvision les facteurs qui influencent la variable prvoir nombre de variables prvoir
lien entre tats passs et tats futurs de la variable prvoir
Prvisions
Techniques de prvision
Mthodes qualitatives Mthodes quantitatives
Mthodes qualitatives
1. tude de march
2. Prvisions visionnaires
3. Mthodes Delphi
4. Analogie historique
1. tude de march
Questionnaires, contacts par tlphone, entrevues personnelles ou du personnel cl pour amasser des donnes.
Utilises surtout en planification stratgique, par exemple, pour information sur de nouveaux produits.
1. tude de march
Une analyse statistique des rsultats peut tre faite pour tester des hypothses concernant le comportement des consommateurs.
Mthode coteuse cause du personnel requis, de la poste, etc. Peut tre sujet un biais lev.
2. Prvisions visionnaires
Bases sur la prparation de prvisions par les vendeurs selon leurs connaissances du march, du terrain et de leurs clients.
3. Mthode Delphi
Se base sur lopinion de groupes dexperts et vise lobtention dun consensus. Les experts sont interrogs individuellement, donc pas de lien entre eux. Ils peuvent tre requestionns itrativement jusqu ce quun consensus soit atteint. Pratique pour la prvision long terme et pour prdire les changements technologiques.
4. Analogie historique
Mthodes quantitatives
1. Mthodes causales
Utilises pour mettre en relation les facteurs explicatifs qui influencent lvolution dune variable prvoir.
Exemples: population, localisation gographique, niveau dducation, ge, etc.
1. Mthodes causales
Chaque facteur a une importance et un effet qui doivent tre valus pour expliquer comment les variables de prvision ont pu tre modifies dans le pass.
Un modle de prvision est construit qui intgre les facteurs appropris.
3. Prcision requise
4. Taille du budget affect la prvision 5. Disponibilit du personnel qualifi
Mthodes causales
1. Rgression linaire
Cette mthode permet dtablir un modle mathmatique linaire qui exprime une variable dpendante en fonction dautres variables, dites indpendantes.
Mthodes causales
2. Rgression multiple et modles conomtriques
Cette mthode est analogue celle de rgression linaire sauf quelle peut prsenter une dpendance plusieurs variables indpendantes combines. Cela donne un modle qui nest pas linaire.
Lorsque plusieurs quations de rgression doivent tre rsolues en mme temps modles conomtriques
Rgression simple
a Y bX
XY nXY b X nX
2 2
X ,Y
Rgression simple
a et b sont obtenus par les quations normales de la mthode des moindres carrs. Cette mthode tente de trouver la droite reprsentant le mieux les donnes en minimisant la somme des carrs de la distance verticale entre chaque point et son point correspondant sur la droite.
Rgression simple
Les dsavantages de cette mthode sont que les donnes devraient se rapprocher dune droite.
Ceci limite son utilit.
Par contre, si on considre une priode de temps plus courte, la rgression simple peut tre adquate.
Rgression simple
La rgression simple est utilise principalement comme mthode causale. En sries chronologiques, les rsultats sont moins adquats.
Si la variable dpendante change cause du temps analyse de sries chronologiques.
Exemple 1
Le tableau suivant prsente les donnes et les calculs ncessaires pour faire des prvisions.
X 1 2 3 4 5 6 7 8 9 10 11 12 78 Y 600 1550 1500 1500 2400 3100 2600 2900 3800 4500 4000 4900 33350 XY 600 3100 4500 6000 12000 18600 18200 23200 34200 45000 44000 58800 268200 X2 1 4 9 16 25 36 49 64 81 100 121 144 650 Y2 360000 2402500 2250000 2250000 5760000 9610000 6760000 8410000 14440000 20250000 16000000 24010000 112502500 Prvision 803.1 1160.9 1520.5 1880.1 2239.7 2599.4 2959.0 3318.6 3678.2 4037.8 4397.4 4757.1
Exemple 1 (suite)
Quelle est lquation de rgression pour ce problme?
a = Y bX
b=
XY nX Y X nX
2 2
b=
Y = 441,7 + 359,6 X
1 000 -
Xt, t = 1, , T
Srie chronologique
640 620 600
demande
priodes
demande
622 594 562 584 531 588 547 606 597 613 567 556
donnes historiques
Le processus de prvision
Donnes Donnes historiques historiques Choix du modle de prvision rvision du choix du modle Prvisions Calcul des erreurs de prvision
linaire
courbe en S
linaire dcroissante
cycl e
exponentiell e
asymptotiqu e
tude des rsultats obtenus laide dune technique quon verra plus tard (mesures derreurs.
niveau
temp s moyenne
Moyenne statistique
La valeur du niveau est gale la moyenne des observations retenues.
Xt
X
i 1
Pt j X t
La prvision est donc la mme pour toutes les priodes venir.
Moyenne mobile
Pour cette moyenne, seules les observations les plus rcentes sont utilises pour calculer la prvision.
Cette mthode ncessite de conserver un grand nombre de donnes en mmoire.
Pt 1
i t m 1
X
m
o m = #observations considres (ordre de la moyenne mobile) t = la dernire priode pour laquelle nous considrons une observation
Exemple 2
Nous avons les donnes suivantes concernant les ventes en 1000 gallons dessence par semaine.
Semaine 1 2 3 4 5 6 Ventes (1000 gallons) 17 21 19 23 18 16 Semaine 7 8 9 10 11 12 Ventes (1000 gallons) 20 18 22 20 15 22
Considrons une moyenne mobile base sur 3 observations. Quelles sont les prvisions des semaines 4 et 5? Quelle serait la prvision pour la semaine 7?
Exemple 3
Une firme utilise un lissage exponentiel simple avec un coefficient a de 0,1 pour prvoir une demande. La prvision pour la premire semaine de fvrier tait de 500 units alors que la demande relle tait de 450.
Exemple 4
Considrons les valeurs observes suivantes pour les 12 prochaines priodes.
t 1 2 3 4 5 6 7 8 9 10 11 12 Xt 90 105 95 110 95 95 105 120 120 115 125 115
Soit a=0,1 et 0,3. Quelles sont les prvisions pour les priodes 1 13?
Exemple 4 (solution)
1 2 3 4 5 6 7 8 9 10 11 12 Xt 90 105 95 110 95 95 105 120 120 115 125 115 Pt (a = 0,1) 90.00 90.00 91.50 91.85 93.67 93.80 93.92 95.03 97.52 99.77 101.29 103.67 104.80 Pt (a = 0,3) 90.00 90.00 94.50 94.65 99.26 97.98 97.08 99.46 105.62 109.94 111.45 115.52 115.36
Initialisation
2/a - 1
3) Lutilisateur peut comprendre comment le modle fonctionne. 4) Le modle requiert peu de calculs.
Mesure de la tendance
La mesure de la tendance =
Mesure de la tendance
demande tendance
x
x x
x
x x x x x x x
temps
demande
x x
x
cycle seulement
x x x x
demande
x x x x
cycle + tendance
temps
temps
Rgression multiple
Recherche des harmoniques
cart quadratique moyen cart absolu moyen cart absolu moyen en % Biais
EQM n
P X
i i i 1
EAM t
PX
i i 1
Pi X i 100 Xi i 1 MAPE n
n
Si le biais est > 0 les prvisions ont tendance dpasser les valeurs relles.
Si le biais est < 0 les prvisions ont tendance tre sous les valeurs relles. Si et = Pt - Xt
Biais n
P X
i i i 1
Exemple 5
Considrons les donnes sur les ventes du modle dautomobile Z pour les annes 1990 1996. Les prvisions obtenues laide de la mthode du lissage simple et laide dune rgression linaire sont galement donnes.
1 2 3 4 5 6 7 X 180 205 185 200 220 210 180 LE 180 180 200 188 198 216 211 Reg 192 194 195 197 199 200 202
Exemple 5 (suite)
Calculez les diffrentes mesures derreur.
Quelle mthode de prvision est la meilleure?
Solution, LE
X 180 205 185 200 220 210 180 LE 180 180 200 188 198 216 211 e 0 25 -15 12 22 -6 -31 Biais 1.00 abs(e) 0 25 15 12 22 6 31 EMA 15.86 e2 abs(e)% 0 0.00 625 0.12 225 0.08 144 0.06 484 0.10 36 0.03 961 0.17 EQM MAPE 353.57 8.05
1 2 3 4 5 6 7
Solution, rgression
X 180 205 185 200 220 210 180 Reg 192 194 195 197 199 200 202 e -12 11 -10 3 21 10 -22 Biais 0.14 abs(e) 12 11 10 3 21 10 22 EMA 12.71 e2 abs(e)% 144 0.07 121 0.05 100 0.05 9 0.02 441 0.10 100 0.05 484 0.12 EQM MAPE 199.86 6.50
1 2 3 4 5 6 7