Vous êtes sur la page 1sur 98

Cours de Prévisions et Techniques

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

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


2
Chapitre 0: Introduction

3
Une citation pour commencer

• Gouverner, c'est prévoir!


Émile de Girardin

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


4
Objectifs et contraintes de la prévision de la
demande
• L'idéal pour une entreprise est évidemment
de produire exactement les produits que ses clients vont
acheter mais…
C'est impossible!
♣ Solution: Il faut que toute entreprise anticipe le mieux possible
les futures commandes de ses clients en s'appuyant sur un
système de prévisions fiables.
Ce système prendra des décisions à long, à moyen ou à court
terme.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


5
Objectif de la prévision de la demande

• Les prévisions à long terme (supérieures à trois ans) ont


un rôle au niveau stratégique de l'entreprise :
Diversification, produits nouveaux, investissement ou
désinvestissement en équipements.
• Les prévisions à moyen terme (de l'ordre de six mois à
deux ans)
Acquisition d'une machine, embauche de personnel ou
approvisionnement d'articles à long délai d'acquisition.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


6
Objectif de la prévision de la demande

• Les prévisions à court terme (quelques semaines)


Approvisionnement et gestion des stocks, charge des
ateliers et ordonnancement,…
Ce sont des ajustements des activités planifiées
• Remarque
La notion de court, moyen ou long terme dépend du type
d'activité et des produits de l'entreprise

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


7
Conclusion

• L'activité de prévision est le point de départ de la


planification
• L'objectif des prévisions est de définir ce qu'il faudra
produire et quand il faudra le produire
Dans un environnement instable – comme c'est le cas
aujourd'hui – la prévision est difficile
Toutefois, mieux vaut prévoir, même avec incertitude, que de
ne pas le faire !

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


8
Exemple

• Une entreprise réalise un produit (délai D = un mois)


dont les quantités vendues dans les derniers mois
d'activité ont été les suivantes : Période Quantités vendues (Q )
i
Janvier 100
Février 150
Mars 150
Avril 150
Mai 160
Juin 120
Juillet 100
Août 100
Septembre 120
Octobre 150
Novembre 160
Décembre 140
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
9
Exemple

• 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

• Il faut donc constituer un stock de sécurité de 48


produits pour assurer un taux de service client de
97,72%.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


10
Exemple

• Cette entreprise avait effectué des prévisions sur cette


période en tenant compte de grandes tendances:
un mois de janvier toujours plus ou moins atone
une période creuse en été
Période Quantités vendues (Qi) Prévisions (Pi) Erreurs de prév. Ei = (Qi – Pi)
Janvier 100 95 5
Février 150 160 -10
Mars 150 140 10
Avril 150 150 0
Mai 160 150 10
Juin 120 130 -10
Juillet 100 110 -10
Août 100 90 10
Septembre 120 100 20
Octobre 150 150 0
Novembre 160 150 10
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
Décembre 140 11
150 -10
Exemple

• 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

• Le fait d'avoir réalisé des prévisions, même si elles ne


sont pas complètement fiables, a permis de diviser le SS
par un peu plus de 2.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


12
Chapitre I: Les méthodes de prévision

13
Généralités sur les méthodes de prévision

• On distingue deux grands types de méthodes de


prévision
Les méthodes qualitatives
Les méthodes quantitatives

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


14
Les méthodes qualitatives

• Les techniques qualitatives font appel à une


méthodologie non mathématique (mais elles peuvent
impliquer des valeurs numériques)

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


15
Les méthodes quantitatives

• Les techniques quantitatives, au contraire, seront


fondées sur des modèles mathématiques.
• De plus, ces techniques sont dites:
intrinsèques si les données manipulées sont celles du
produit considéré.
extrinsèques s'il s'agit de données appartenant à des
événements liés à l'article, mais ne concernant pas l'article
lui-même.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


16
Les méthodes quantitatives

• 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.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


17
Caractéristiques des prévisions

• Elles sont généralement fausses (imprécises)!


Les prévisions de la demande ne sont pas exactes
• Une bonne prévision est plus qu'une valeur numérique
Une bonne prévision doit également inclure une mesure
de l'erreur
• Les prévisions agrégées sont plus précises
L'erreur faite pour la prévision de ventes d'une ligne de
produits est généralement moindre que l'erreur faite dans
la prévision de ventes d'un seul produit.
Un regroupement de produits (famille) donnera une prévision
plus précise que par produit individuel.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


18
Caractéristiques des prévisions

• Les prévisions à long terme sont moins précises


C’est assez intuitif
On peut prévoir plus exactement les ventes de la prochaine
semaine que celles à survenir dans 12 mois.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


19
Les méthodes prévisionnelles

• Les méthodes prévisionnelles se divisent principalement


en deux groupes:
les méthodes qualitatives
Les prévisions faites en utilisant les méthodes qualitatives
sont basées sur le jugement humain.
les méthodes quantitatives
Les prévisions basées sur les méthodes quantitatives sont
générées à partir de modèles mathématiques et
économétriques.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


20
Les méthodes prévisionnelles

• Les méthodes quantitatives sont de deux types:


Classification basée sur les variables qui sont utilisées
pour expliquer la variation de la demande.
Les séries chronologiques: utilisent uniquement le temps
comme variable ayant une influence sur la demande
(utilisation des valeurs historiques).
Les modèles cause-effet utilisent le comportement de
plusieurs variables indépendantes pour prédire le
comportement de la demande.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


21
Les méthodes prévisionnelles
Prévisions
Basées sur les
Basées sur le séries
jugement et chronologiques
l’opinion Qualitatives Quantitatives

Études de Méthode Analogie


Opinions
marché Delphi situations passées

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

• On peut identifier cinq étapes de base:


Définition du problème
Poser les bonnes questions
Recherche des données
Les données statistiques et le jugement des experts
Analyse préliminaire
Faire parler les données
Choix de la méthode de prévision
Choix et ajustement des modèles de prévision potentiels
Utilisation et évaluation du modèle
Évaluer les erreurs de prévision et de s'assurer que le
modèle et les paramètres choisis conviennent toujours à la
situation courante.
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
23
Poser les bonnes questions

• La méthode SWOT
Strengths (forces)
Weaknesses (faiblesses)
Opportunities (opportunités)
Threats (menaces)

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


24
Poser les bonnes questions

• La méthode QQOQCCP
« Qui ? Quoi ? Où ? Quand ? Comment ? Combien ?
Pourquoi ? »

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


25
Poser les bonnes questions

• La méthode QQOQCCP
« Qui ? Quoi ? Où ? Quand ? Comment ? Combien ?
Pourquoi ? »

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


26
Recherche des données: Les sources de
données
• Les sources de données correspondent aux deux
familles de méthodes de prévisions :
celles fondées sur des données relevées dans le passé,
que l'on modélise pour faire une projection dans le futur ;
celles purement prédictives, faites par des experts
interrogés ou résultant d'interviews de clients dans le
cadre des études de marché.
La source privilégiée de données est un historique de
données concernant un produit.
♣ Si bien sûr on estime qu'il existe un lien entre l'évolution de la
demande passée (données enregistrées) et celle de la
demande à prévoir.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


27
Recherche des données: Les sources de
données
• Les autres sources de données sont constituées par
les études de marché,
Les avis d'experts,
le suivi des commerciaux,
les enquêtes auprès des clients…
• Mais…
ces données sont plus délicates à manipuler et à
interpréter
en revanche, elles constituent un complément sûr à un
historique.
♣ De plus, dans le cas d'historique inexistant, c'est la seule
source utilisable.
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
28
Étapes du processus de prévision: Analyse
préliminaire
• Exemple:
Le tableau suivant donne un relevé de la demande
(nombre de produits vendus) pour 2 produits A et B avec
un historique de deux ans
Année Période N° Période Demande A Demande B
2009 Janvier 1 20000 10000
2009 Février 2 21000 11000
2009 Mars 3 19000 10500
2009 Avril 4 22000 11000
2009 Mai 5 23000 12000
2009 Juin 6 22000 12500
2009 Juillet 7 20000 13000
2009 Août 8 16000 14000
2009 Septembre 9 20000 14500
2009 Octobre 10 24000 15000
2009 Novembre 11P&TO-5ème-EM-ESPRIT
Salah Bousbia- Cours 25000 15500 29
2009 Décembre 12 27000 15500
Étapes du processus de prévision: Analyse
préliminaire
Demande
Année Période N° Période A Demande B
2010 Janvier 13 23000 16500
2010 Février 14 22000 16000
2010 Mars 15 22000 17000
2010 Avril 16 25000 17500
2010 Mai 17 24000 18000
2010 Juin 18 25000 20000
2010 Juillet 19 23000 19500
2010 Août 20 19000 19500
2010 Septembre 21 23000 20000
2010 Octobre 22 25000 21000
2010 Novembre 23 24000 21500
2010 Décembre 24 30000 23000

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


30
En prolongation

• Représentation en prolongation de plusieurs années


d'historique pour détecter d'éventuelles tendances.
Cette représentation permet de voir que la demande du
produit B augmente régulièrement.
35000

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

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


31
En superposition

• Représentation en superposition sur un an d'abscisse de


plusieurs années d'historique.
Cette représentation permet de constater ou non des
phénomènes de saisonnalité.
C'est le cas ici du produit A, pour lequel on remarque un
certain parallélisme des courbes de ventes.
35000
30000
25000
20000
15000
Demande A (2009)
10000
Demande A (2010)
5000
0

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


32
Typologie de la demande

• 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

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


33
Typologie de la demande

• 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

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


34
Typologie de la demande

• 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)

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


35
Typologie de la demande

• Demande saisonnière et à tendance


si les pics et les creux sont disposés autour d'une droite
non horizontale

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


36
Typologie de la demande

• Demande erratique (aléatoire)


si les valeurs sont totalement aléatoires dans le temps.
C'est une demande qui n'est pas régulière dans le temps,
pour laquelle il est impossible de percevoir d'éventuels
cycles

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


37
Choix de la méthode de prévision: Les
éléments du choix
• Dans toute approche de prévision, le choix de la
méthode exige de se poser tout d'abord la question
fondamentale suivante :
quel est l'objectif de mes prévisions ?
Il est indispensable de savoir si les prévisions sont à long
terme (choix stratégiques) ou si nous nous plaçons à moyen
et à court terme

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


38
Choix de la méthode de prévision: Les
éléments du choix
• Les éléments permettant de choisir une méthode de
prévision dépendent de nombreux facteurs dont les
principaux sont :
les données historiques disponibles à propos du produit ou
de la famille de produits considérée ;
la précision souhaitée sur les prévisions ;
le coût accepté pour établir les prévisions ;
le temps disponible pour les obtenir.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


39
Les méthodes qualitatives

40
Les méthodes qualitatives

• Principalement utilisées pour la prévision à moyen ou à


long terme.
• Destinées, avant tout, à des décisions de mercatique
(Marketing), avec des données provenant d':
études de marché
intentions d'achats, à travers notamment l'interrogation et
le traitement de prévisions du réseau de distribution.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


41
Les méthodes qualitatives

• Nous ajouterons l'estimation du manager fondée sur:


son intuition à partir de nombreux faits, souvent peu
formalisés,
son savoir-faire et sa connaissance du domaine
Ce jugement subjectif ne peut pas remplacer une technique
mathématique sur de bonnes données ; en revanche, il peut
rendre d'excellents services si les seules données sont de
piètre qualité.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


42
La méthode Delphi (ou Delphes)

43
Les méthodes qualitatives

• La méthode de Delphes consiste à interroger,


indépendamment les uns des autres afin d'éviter toute
influence forte directe, des experts à propos d'une
question.
Le coordinateur remet l'ensemble des réponses aux
experts qui peuvent modifier et compléter leur proposition.
Après deux ou trois cycles de ce type, on parvient à une
proposition de consensus efficace ou, éventuellement, à
des divergences argumentées. Cette technique n'est pas
adaptée à une prévision à court terme d'un article mais, au
contraire, à une décision de stratégie à long terme.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


44
Présentation

• La méthode Delphi est une méthode visant à organiser


la consultation d'experts sur un sujet précis, souvent
avec un caractère prospectif important.
• « expert »
toute personne ayant
une bonne connaissance pratique, politique, légale ou
administrative d'un sujet précis
une légitimité suffisante pour exprimer un avis représentatif
du groupe d'acteurs auquel elle appartient.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


45
Présentation

• Cette méthode est très utile


Dans la phase d'analyse et d'étude d'opportunité d'un
projet (par exemple, d'un projet de réalisation d'un site
web ou d'un logiciel),
Elle permet d'affiner le projet de départ via un
questionnement sur :
Son opportunité,
Sa faisabilité
Les différentes contraintes auxquelles le projet sera
confronté.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


46
But de la méthode Delphi

• 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.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


47
Étapes de la méthode Delphi

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


48
Atouts de la méthode Delphi

• 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.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


50
Les méthodes quantitatives

51
Prévisions naïves

• Une prévision naïve pour une période donnée est égale


à la valeur effective de la période précédente.
Méthode simple à utiliser et qui a l’avantage d’être peu
coûteuse. Jour Ventes
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 ??
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
52
Prévisions naïves

• Une prévision naïve pour une période donnée est égale


à la valeur effective de la période précédente.
Méthode simple à utiliser et qui a l’avantage d’être peu
coûteuse. Jour Ventes

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

• La valeur du niveau est égale à la moyenne des


observations retenues. n

∑ 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

12 32 Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


54
13 ??
Moyenne simple

• La valeur du niveau est égale à la moyenne des


observations retenues. n

∑ 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

12 32 Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


55
13 33,58
Moyenne Mobile

• Pour cette méthode, seules les observations les plus


récentes sont utilisées pour calculer la prévision.
Les prévisions se calculent de la façon suivante :
i = période
n = # Observations considérées (base)
Ri = valeur réelle de la période i passée.
Pt+1 = prévision de la prochain période
t

∑ R
i = t − n + 1
i
Pt + 1 =
n

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


56
Moyenne Mobile

• Les prévisions se déplacent en reflétant uniquement les


valeurs les plus récentes.
Cette méthode est valable uniquement pour la période qui
suit (court terme)
Comment choisir la base?
♣ Choisir la meilleure base en se basant sur les MAD et MSE

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


57
Moyenne Mobile

Jour Ventes MM2 MM4


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

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


58
Moyenne Mobile, première variante

Jour Ventes MM2 MM4


1 25
2 31
3 29 28
4 33 30
5 34 31 29,5
6 37 33,5 31,75
7 35 35,5 33,25
8 32 36 34,75
9 38 33,5 34,5
10 40 35 35,5
11 37 39 36,25
12 32 38,5 36,75
13 34,5 36,75

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


59
Moyenne Mobile, deuxième variante

Jour Ventes MM2 MM4


1 25
2 31 28
3 29 30
4 33 31 29,5
5 34 33,5 31,75
6 37 35,5 33,25
7 35 36 34,75
8 32 33,5 34,5
9 38 35 35,5
10 40 39 36,25
11 37 38,5 36,75
12 32 34,5 36,75
13

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


60
Moyenne mobile pondérée

• Une moyenne pondérée se calcule un peu comme une


moyenne mobile sauf que l’importance ou la pondération
accordée à chacune des observations peut varier au lieu
d’être égale.
La somme des pondérations doit toujours être égale à 1.
La moyenne pondérée permet de mieux prendre en
compte les événements récents.
La difficulté consiste à déterminer une pondération
adéquate.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


61
Moyenne mobile pondérée, formule

• 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

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


62
Moyenne mobile pondérée, exemple

• Considérons une pondération de 0,5 pour l’observation


la plus récente, de 0,3 pour l’avant-dernière et de 0,2
pour la plus ancienne.
Quelles sont les prévisions des jours 4 et 8 ?
Jour Ventes
Quelle est la prévision pour le jour 13 ? 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 ??
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

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


64
Méthodes de lissage exponentiel

65
Lissage exponentiel simple

• Cette méthode est probablement la plus connue pour la


prévision de la demande des articles.
La prévision pour la période n est celle de la période n-1
corrigée proportionnellement à l’écart Dn-1 - Pn-1 entre la
demande réelle et la prévision qui avait été faite pour la
période précédente :
Dn-1: demande réelle de la période n-1
Pn-1: la prévision de la période n-1

Pn = Pn-1 + α (Dn-1 - Pn-1 )


♣ où α est un coefficient compris entre 0 et 1

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


66
Lissage exponentiel simple

• Si α = 0, on considère que la prévision de n est la même


que celle de n-1.

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 :

Pn = Pn-1 + (Dn-1 - Pn-1 )


Pn = D n-1
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
67
Lissage exponentiel simple

• Une valeur de α se rapprochant de 1 conduit donc à


favoriser les demandes réelles récentes
• Question
Montrer que cette méthode implique les demandes réelles
passées?

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


68
Lissage exponentiel simple

• On peut montrer aisément que cette méthode implique


les demandes réelles passées :
Pn = Pn-1 + α(Dn-1 – Pn-1) = αDn-1 + (1 – α)Pn-1
Or Pn-1 = Pn-2 + α(Dn-2 – Pn-2) = αDn-2 + (1 – α)Pn-2
Donc Pn = αDn-1 + α(1 – α)Dn-2 + (1 – α)²Pn-2
de proche en proche on arrive à :
♣ Pn = αDn-1 + α(1 – α)Dn-2 + α (1 – α)²Dn-3+ α (1 – α)3Dn-4 +…
• Conclusion
La méthode du lissage exponentiel effectue donc une
moyenne mobile pondérée où les coefficients affectés aux
données passées sont reliés par une loi de décroissance
exponentielle.
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
69
Exemple

• Utiliser un facteur de 0.1 pour avoir la prévision du jour


12 ?
Jour Ventes Prévisions

1 42
2 40
3 43
4 40
5 41
6 39
7 46
8 44
9 45
10 38
11 40
12 ??

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


70
Exemple

• Pour faire la prévision du 12ème jour, il faudrait calculer


tout d’abord les prévisions des jours 1 – 11.
En général, on commence les prévisions a la période
2, en prenant comme P2 la valeur de R1.
La formule Pn-1 + α(Dn-1-Pn-1) commencera a partir de la
période 3
♣ Dans certains cas, on vous donne la valeur prévue de la
période 1. On commencera alors a appliquer la formule dès la
période 2

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


71
Exemple

• Utiliser un facteur de 0.1 pour avoir la prévision du jour


12 ?
Jour Ventes Prévisions

1 42
2 40 42
3 43
4 40
5 41
6 39
7 46
8 44
9 45
10 38
11 40
12 ??

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


72
Exemple

• Utiliser un facteur de 0.1 pour avoir la prévision du jour


12 ?
Jour Ventes Prévisions

1 42
2 40 42
3 43
4 40
5 41
6 39
7 46
8 44
9 45
10 38
11 40
12 ??

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


73
Lissage exponentiel double

• La méthode du lissage exponentiel peut être employée


avec deux coefficients α et β si la demande est à
tendance
On appelle tendance instantanée la variation de
prévision d’une période à la suivante :

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

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.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


75
Lissage exponentiel double

• 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

Sans faire de calculs, quelle méthode de prévisions


suggériez-vous pour les ventes? Pourquoi?
On vous informe que pour certains jours, il était à court d’un
analgésique précis. Quelle est votre réaction concernant les
ventes de ces journées.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


76
Lissage exponentiel double

• La meilleure méthode serait le lissage exponentiel


double puisque les données présentent une tendance.
• Cela causerait un problème parce que c'est la demande
réelle qu'il fallait regarder et non pas les ventes

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


77
Lissage exponentiel double

• En supposant que les données désignent la demande


plutôt que les ventes et en utilisant le lissage double
avec une prévision initiale naïve pour P8, une tendance
initiale T8=2 et α=β = 0,3, faites les prévisions pour les
jours de 9 à 16.
• Évaluez l’écart moyen absolu et l’erreur quadratique
moyenne à partir de la semaine 8.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


78
Lissage exponentiel triple

• Il est également possible d’effectuer un lissage


exponentiel des coefficients saisonniers en introduisant
un coefficient γ.
Le lissage exponentiel comporte alors trois coefficients α, β
et γ. Il est appelé lissage exponentiel triple.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


79
Erreur et incertitude sur les prévisions

80
L'écart moyen absolu (EMA)

• L'erreur de prévision est l'écart entre les valeurs de


consommation réelles et les valeurs prévisionnelles sur
une même période.
Le total des erreurs est le total de toutes les erreurs de
prévision dans une série de consommation.
• Le total des erreurs permet de contrôler la validité du
modèle de prévision appliqué.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


81
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

• Écart Moyen Absolu (EMA)-Mean Absolute Deviation


(MAD) n
1
EMA = MAD = ∑ Et
n t =1
Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT
82
L'Erreur Quadratique moyenne (EQM)

• 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

• Erreur Quadratique moyenne (EQM)-(Mean Squared


Error -MSE) n
1
EQM = MSE = ∑ Et
2

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

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


84
Méthode de la régression linéaire (simple)

85
Présentation

• Cette méthode cherche une liaison dans une distribution


à deux variables
Il s'agit d'établir une régression linéaire simple qui résume
graphiquement un nuage de points par une droite, dite de
régression.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


86
Présentation

• Cette méthode permet de prolonger dans le futur une


série de valeurs du passé qui suivent une tendance en
utilisant la méthode des moindres carrés.
Nous allons nous intéresser ici au cas du produit B, pour
lequel nous voudrions faire des prévisions pour l'année
2011.
Nous allons numéroter et appeler xi les périodes de
l'historique (des mois ici), et appeler yi les ventes
correspondantes à ces périodes.
Soit n le nombre de périodes (n = 24 ici).

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


87
Présentation

• Nous allons rechercher l'équation de la droite qui passe


au mieux dans le nuage des points constitué par
l'historique. On appelle cette droite la droite de
tendance.
Elle a pour équation y = a . x + b
Sous Excel
♣ a = DROITEREG(Y1:Yn ; X1:Xn)
♣ b = ORDONNEE.ORIGINE(Y1:Yn ; X1:Xn)

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


88
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

b est la constante de régression


n n

∑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)

• Le coefficient de corrélation linéaire, ou de Bravais-


Pearson mesure la « qualité » d'une régression
C'est la covariance entre la variable explicative x et la
variable à expliquer y, rapportée au produit de leurs
écarts-types.

Cov ( x, y )
r=
σ x *σ y

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


90
Coefficient de corrélation linéaire (r)

• Ce coefficient varie entre -1 et 1 :


1 = corrélation positive parfaite
0 = pas de corrélation
-1 = corrélation négative parfaite (quand une variable
augmente, l'autre diminue).

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


91
Types de corrélation

• Corrélation positive • Corrélation négative

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


92
Types de corrélation

• Corrélation parfaite • Corrélation moyenne

• Corrélation forte • Corrélation nulle

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


93
Covariance

• Expression de la covariance

1 n
Covxy = Cov( x, y ) = ∑ ( X i − X )(Yi − Y )
N i=1

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


94
Le coefficient de détermination

• Le coefficient de détermination (R²) est un indicateur qui


permet de juger la qualité d'une régression linéaire,
simple ou multiple.
C'est le carré du coefficient de corrélation.
D'une valeur comprise entre 0 et 1, il mesure l'adéquation
entre le modèle et les données observées.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


95
Méthode de la régression linéaire, exemple

• 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

Année Période N° Période Demande A


2010 Janvier 13 16500
2010 Février 14 16000
2010 Mars 15 17000
2010 Avril 16 17500
2010 Mai 17 18000
2010 Juin 18 20000
2010 Juillet 19 19500
2010 Août 20 19500
2010 Septembre 21 20000
2010 Octobre 22 21000
2010 Novembre 23 21500
2010 Décembre 24 23000

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


97
Présentation

• Le coefficient R² de 0,9852 signifie que 98,52% de la


variance (carré de l'écart-type) de la demande peut être
expliquée par l'équation de la droite.
Le 1,48% restant doit être expliqué par d'autres éléments
(caractère aléatoire par exemple).
Attention, ce n'est pas parce que les ventes ont augmenté
régulièrement pendant deux ans que cela va forcément
continuer dans le futur : seule la connaissance du marché
qu'ont les commerciaux peut valider ou invalider ces
prévisions.

Salah Bousbia- Cours P&TO-5ème-EM-ESPRIT


98

Vous aimerez peut-être aussi