Académique Documents
Professionnel Documents
Culture Documents
d'Ordonnancement
5EM 3 & 5EM 4
Salah Bousbia
Septembre 2014
Email: salah.bousbia@gmail.com
salah.bousbia@esprit.tn
1
Plan
• Partie I
Techniques de prévision
• Partie II
Techniques d'ordonnancement
3
Une citation pour commencer
• Objectif
Déterminer le stock de sécurité que l'entreprise doit
constituer sur ce produit pour assurer un taux de service
client de 97,72%
Pour un taux de service de 97,72% le facteur z est de 2
♣ SS = z*σ (quantités vendues)
SS = 2 × 23,86 = 47,72
• Objectif
Maintenant, on va pouvoir calculer le SS, non pas sur les
ventes passées ou les prévisions effectuées, mais sur les
erreurs de prévisions.
Le stock de sécurité ne sera là que pour couvrir les erreurs
de prévisions, toujours pour un taux de service client égal à
97,72%.
♣ SS = z*σ (erreurs de prévisions)
SS = 2 × 10,32 = 20,64 soit environ 21 produits
13
Généralités sur les méthodes de prévision
• Représentation graphique
C'est un préalable simple et explicite aux autres méthodes.
La représentation graphique présente l'énorme avantage
d'être très visuelle
d'un coup d'œil, elle permet de résumer la prévision.
Par extrapolation de la courbe des consommations
passées, on peut obtenir une estimation de la demande à
venir.
Régression
Moyenne Moyenne mobile Lissage linéaire Méthodes Causales:
mobile pondérée exponentiel Régression
multiples
Avec
saisonnalité
Double Triple
Salah Bousbia- Cours (tendance
P&TO-5ème-EM-ESPRIT
(tendance) +saisonnalité) 22
Étapes du processus de prévision
• La méthode SWOT
Strengths (forces)
Weaknesses (faiblesses)
Opportunities (opportunités)
Threats (menaces)
• La méthode QQOQCCP
« Qui ? Quoi ? Où ? Quand ? Comment ? Combien ?
Pourquoi ? »
• La méthode QQOQCCP
« Qui ? Quoi ? Où ? Quand ? Comment ? Combien ?
Pourquoi ? »
30000
25000
20000
15000
Demande A
10000 Demande B
5000
0
Octobre
Novembre
Décembre
Octobre
Novembre
Décembre
Avril
Mai
Avril
Mai
Juin
Août
Septembre
Juin
Août
Septembre
Janvier
Février
Janvier
Février
Mars
Mars
Juillet
Juillet
• Demande constante
si elle oscille statistiquement autour d'une valeur moyenne
constante dans le temps
la moyenne de D = f (t) est une droite horizontale
• Demande à tendance
s'il y a oscillation autour d'une valeur croissante ou
décroissante dans le temps
D = f (t) est une droite à pente positive ou négative
• Demande saisonnière
si elle présente des variations nettement plus importantes,
en hausse et en baisse, d'une manière périodique.
Il peut s'agir d'un pic de la demande en hiver (lié à la neige
par exemple) ou en été (vacances)
♣ il peut aussi s'agir de variations saisonnières plus subtiles
(œufs avec pics pendant le mois du Ramadan)
40
Les méthodes qualitatives
43
Les méthodes qualitatives
• Il s'agit de:
rassembler des avis d'experts sur un sujet précis
mettre en évidence des convergences et des consensus
sur les orientations à donner au projet
ces experts sont soumis à des vagues successives de
questionnements
♣ Ces questionnements génèrent des avis qui permettent de
consolider les orientations à donner à un projet.
• La méthode permet:
de générer des consensus raisonnés qui pourront servir à
légitimer certaines décisions futures à prendre sur un
projet ;
de collecter une information riche, notamment au niveau
des déviances, qui sont parfois plus intéressantes que la
norme ;
une application dans des domaines très variés (gestion,
économie, technique, sciences sociales, sciences
humaines, etc.) ;
D'ouvrir parfois sur des perspectives ou des hypothèses
non envisagées par les analystes.
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
49
Limites de la méthode Delphi
• La méthode Delphi:
est relativement lourde et fastidieuse tant pour les
analystes que pour les experts (4 tours de questionnaire) ;
est intuitive (et pas rationnelle) ;
suppose une excellente capacité des analystes au niveau
des traitements des réponses et de la conduite maîtrisée
de tout l'exercice.
51
Prévisions naïves
13 ??
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
52
Prévisions naïves
P(13)=32 1 25
2 31
3 29
4 33
5 34
6 37
7 35
8 32
9 38
10 40
11 37
12 32
13 32
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
53
Moyenne Simple
∑ Ri
Pn +1 = i=1
n
Jour Ventes
1 25
2 31
4
29
33
P13 = ??
5 34
6 37
7 35
8 32
9 38
10 40
11 37
∑ Ri
Pn +1 = i=1
n
Jour Ventes
1 25
2 31
25+ 31+ 29+....+ 32
3 29
P13 = = 33.58
4
5
33
34
12
6 37
7 35
8 32
9 38
10 40
11 37
∑ R
i = t − n + 1
i
Pt + 1 =
n
• i = période
• n = # Observations considérées (base)
• Ri =valeur réelle de la période i passée.
• pi = pondération relative à la période i
• Pt+1 = prévision de la prochain période
t
Pt+1 = ∑ p iR i
i= t − n +1
2 31
3 29
4 33
5 34
6 37
7 35
8 32
9 38
10 40
11 37
12 32
13 ??
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
63
Moyenne mobile pondérée, exemple
MM3 pondérée
Jour Ventes (0.5 - 0.3 - 0.2)
1 25
2 31
3 29
4 33 28,8
5 34 31,4
6 37 32,7
7 35 35,3
8 32 35,4
9 38 33,9
10 40 35,6
11 37 37,8
12 32 38,1
13 35,1
65
Lissage exponentiel simple
Pn = Pn-1
• Au contraire, si α = 1, on prend comme prévision de la
période n, la demande réelle de la période n-1, en effet :
1 42
2 40
3 43
4 40
5 41
6 39
7 46
8 44
9 45
10 38
11 40
12 ??
1 42
2 40 42
3 43
4 40
5 41
6 39
7 46
8 44
9 45
10 38
11 40
12 ??
1 42
2 40 42
3 43
4 40
5 41
6 39
7 46
8 44
9 45
10 38
11 40
12 ??
t t = Pt – Pt-1
On effectue alors un lissage exponentiel de la tendance :
Tt = βt t + (1 - β )Tt-1
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
74
Lissage exponentiel double
• On pose
Pt +1 = St + Tt
Où
St = Pt + α ( Dt − Pt )
Tt = Tt-1 + β (Pt - Pt-1 - Tt-1 )
Tt est un facteur de correction/tendance lissé
♣ Le facteur de correction T de départ est estimé en fonction des
activités passées.
• Exemple
Un pharmacien contrôle les ventes de certains
analgésiques en vente libre. Les ventes quotidiennes des
15 derniers jours ont été les suivantes :
Jour 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Produits vendus 36 38 42 44 48 49 50 49 52 48 52 55 54 56 57
80
L'écart moyen absolu (EMA)
• Notations:
Dt = Demande actuelle observée à la période t
Ft = Prévision de la demande pour la période t
n = Nombre d’observations
• Erreur de prévision Et = Ft − Dt
• Notations:
Dt = Demande actuelle observée à la période t
Ft = Prévision de la demande pour la période t
n = Nombre d’observations
• Erreur de prévision
Et = Ft − Dt
n t =1
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
83
Influence de EMA et EQM sur le choix de la
méthode de prévision
• Pour chacune des méthodes de prévision, on calcule
l’erreur de prévision qui nous permet de faire le suivi
des prévisions et d’estimer le degré de leur précision .
Le choix de la méthode de prévision dépendra des valeurs
des EMA et EQM, on choisira la méthode qui
Le choix de la méthode de prévision dépendra des valeurs
des EMA et EQM, on choisira la méthode qui minimise ces
deux indices
85
Présentation
• Expression analytique de a et b n n n
a est le coefficient de régression n∑ xi yi −∑ xi ∑ yi
Cov( x, y ) a= i =1 i =1 i =1
a=
n n
n∑ xi −(∑ xi )
2 2
σ ²x
i =1 i =1
∑y i ∑x i
b= i =1
−a i =1
b = y − ax
n n
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
89
Coefficient de corrélation linéaire (r)
Cov ( x, y )
r=
σ x *σ y
• Expression de la covariance
1 n
Covxy = Cov( x, y ) = ∑ ( X i − X )(Yi − Y )
N i=1
• Exemple:
Le tableau suivant donne un relevé de la demande
(nombre de produits vendus) pour un produit A avec un
historique de deux ans
Année Période N° Période Demande A
2009 Janvier 1 10000
2009 Février 2 11000
2009 Mars 3 10500
2009 Avril 4 11000
2009 Mai 5 12000
2009 Juin 6 12500
2009 Juillet 7 13000
2009 Août 8 14000
2009 Septembre 9 14500
2009 Octobre 10 15000
2009 Novembre 11P&TO-5ème-EM-ESPRIT
Salah Bousbia- Cours 15500 96
2009 Décembre 12 15500
Méthode de la régression linéaire, exemple