Ecole Supérieure Polytechnique

HE13 : Introduction à la gestion industrielle et l’industrie 4.0

Solution des TD sur les méthodes de prévision de la demande

Exercice 1
1. Les prévisions avec la méthode de la moyenne mobile sont meilleures avec l’ordre L=3.
On prévoit donc une demande de 33 avec cette méthode.

Mois Demande MM (L=2) Ecart absolu MM (L=3) Ecart absolu

Janvier 24
Février 21
Mars 16 22,5 6,50
Avril 34 18,5 15,50 20,3 13,67
Mai 35 25,0 10,00 23,7 11,33
Juin 18 34,5 16,50 28,3 10,33
Juillet 37 26,5 10,50 29,0 8,00
Août 30 27,5 2,50 30,0 0,00
Septembre 36 33,5 2,50 28,3 7,67
Octobre 26 33,0 7,00 34,3 8,33
Novembre 35 31,0 4,00 30,7 4,33
Décembre 38 30,5 7,50 32,3 5,67
Prévision 36,5 33,0
Moyenne des écarts 8,25 7,70
2. Les prévisions avec la méthode du lissage exponentiel sont meilleures avec une constante
de lissage α =0.5. On prévoit donc une demande de 35.1 avec cette méthode.

Ecart Ecart
Mois Demande Prévision LE (0,1) absolu Prévision LE (0,5) absolu
Janvier 24 24,0 24
Février 21 24,0 3,00 24,0 3,00
Mars 16 23,7 7,70 22,5 6,50
Avril 34 22,9 11,07 19,3 14,75
Mai 35 24,0 10,96 26,6 8,38
Juin 18 25,1 7,13 30,8 12,81
Juillet 37 24,4 12,58 24,4 12,59
Août 30 25,7 4,32 30,7 0,70
Septembre 36 26,1 9,89 30,4 5,65
Octobre 26 27,1 1,10 33,2 7,18
Novembre 35 27,0 8,01 29,6 5,41
Décembre 38 27,8 10,21 32,3 5,71
Prévision 28,8 35,1
Moyenne des écarts 7,82 7,52

3. Le plus faible écart absolu moyen est obtenu avec la moyenne du lissage exponentiel. C’est
donc la prévision de 35.1 qui est retenu.
Exercice 2
1. Le tableau suivant donne les calculs et l’équation de la droite de la régression linéaire qui
exprime les ventes comme une fonction du trafic est affichée sur la figure.

X : Trafic Y : Ventes XY X^2

Station 1 8 60 480 64
Station 2 1 16 16 1
Station 3 5 36 180 25
Station 4 3 31 93 9
Station 5 6 46 276 36
Station 6 4 43 172 16
Station 7 2 37 74 4
Moyenne 4,1 38,4 184,4 22,1

70
y = 5,0656 x + 17,443
60

50

40

30

20

10

0
0 1 2 3 4 5 6 7 8 9

2. Le trafic sur la route de la 8ème station s’élève à 7 milles véhicules par jour. On utilise
l’équation de la régression linéaire pour trouver la prévision de la demande à cette station,
exprimée en centaines de litres par jour :

D8 = 5.0656 x 7 + 17.443 = 52.9

Exercice 3
Le tableau suivant donne les moyennes trimestrielles par année ainsi la moyenne de chaque
semestre sur toutes les années. Ces dernières sont utilisées pour trouver les indices de
saisonnalité.

Année Tr1 Tr2 Tr3 Tr4 Moyenne

2018 36 57 64 41 49,5
2019 43 78 82 55 64,5
2020 57 95 98 62 78,0
Moyenne 45,3 76,7 81,3 52,7 64,0
Saison 0,71 1,20 1,27 0,82

L’utilisation de la régression linéaire sur les moyennes trimestrielles par année donne l’équation
suivante :

100,0
y = 14,25x + 35,5
80,0
60,0
40,0
20,0
0,0
0,0 1,0 2,0 3,0 4,0

On utilise cette équation pour trouver la prévision de la demande trimestrielle moyenne durant
la 4ème année. Elle s’élève à 92.5.

Les indices de saisonnalité sont utilisés sur la moyenne précédente pour trouer les prévisions
durant les 4 trimestres prochains :

Tr1 Tr2 Tr3 Tr4

66 111 118 76
La figure suivante illustre la cohérence de ces prévisions avec les données initiales :

140

120 118
111
100

80 76
66
60

40

20

0
Tr1 Tr2 Tr3 Tr4
2018 2019 2020 Prévisions