Académique Documents
Professionnel Documents
Culture Documents
gestion de la demande
1
Plan
2
Rappel:Notions statistiques
• Une série chronologique ou chronique – est constituée par une suite
ordonnée d’observations d’une grandeur au cours du temps. L’étude de
ces séries sert à décrire, expliquer, contrôler, prévoir des phénomènes
évoluant au cours du temps.
4
Rappel: Notions statistiques
• La décomposition d’une série chronologique possédant un mouvement saisonnier peut
s’effectuer selon trois types de modèles :
modèle additif xt = ft + st + et t = 1,… , T
Dans un modèle additif, on suppose que les 3 composantes : tendance, variations saisonnières et irrégularités sont indépendantes les unes
des autres.
Graphiquement, l’amplitude des variations saisonnières varie (le mouvement saisonnier présente des amplitudes
proportionnelles à la tendance)
2ème forme du modèle multiplicatif xt = ft · (1+ st ) .(1+et ) t = 1,… , T
Dans ce modèle, on suppose que les variations saisonnières et irrégularités dépendent de la tendance
5
Définition de Prévision :
6
Principe général de la méthodologie des prévisions
7
Finalités des la prévision et de gestion de la
demande
Une fois les prévisions sont connues on peut prendre des
décisions comme:
– La politique d’achats de la matière première et
d’autres produits
– La taille des lots à fabriquer
– Niveau d’existences dans l’entrepôt et le stock de
sécurité
– Priorité des ordres de fabrication
– Etc …
Les prévisions sont donc nécessaire pour la planification de
la production et la gestion des stocks
8
Les caractéristiques des méthodes de prévision
9
Les classes des méthodes de prévisions et le cycle
de vie d’un produit
10
Les méthodes qualitatives
11
Les méthodes qualitatives
12
Les méthodes quantitatives
• Séries temporelles
– Moyenne mobile
– Tendance et saisonnalité
– Lissage exponentiel simple et double
13
Principe général de la méthodologie des prévisions
15
Calcul d’une tendance
Méthode des moindres carrés
• Exemple:
x=t=1 x=t=2
x ou t Année 2015 2016 2017 2018 2019 2020
y Valeur 200 240 220 270 250 290
16
La moyenne mobile
• Méthode adaptée à des demandes stables sans tendance qui
consiste à prendre la moyenne arithmétique des n dernières
années pour établir la prévision ( généralement 3≤n≤6)
17
La moyenne mobile
18
La moyenne mobile
19
La moyenne mobile
Exemple:
20
La moyenne mobile pondérée
Où : a+b+c=1
21
La moyenne mobile pondérée
Exemple :
Période P1 P2 P3 P4
coefficient 10% 20% 70%
Consommation Vi 90 80 100
Moyenne Vm 95
22
La moyenne mobile centrée
Calcul des moyennes mobiles centrées de longueur p:
1 𝑚
• Premier cas, p impair, p = 2m + l : 𝑀𝑝 𝑡 = 𝑘=−𝑚 𝑥𝑡 + 𝑘
𝑃
Il y a ( T – p + 1) moyennes mobiles centrées de longueur impaire p.
• Deuxième cas, p pair, p = 2m :
𝑚−1
Mp(t)= 1/ p ( xt-m /2 + 𝑘=−𝑚+1 𝑥𝑡 + 𝑘 + xt+m / 2 )
23
La moyenne mobile centrée
24
Méthode du rapport mobile
(Cas de ventes saisonnières)
25
Méthode du rapport mobile
(Cas de ventes saisonnières)
CS=Consom/Moy
26
Méthode du rapport mobile
(Cas de ventes saisonnières)
Exemple:
Soit une entreprise où la moyenne des ventes a été de 350 par mois durant
l’année 2020. les quantités vendues se sont élevées à 490 en Janvier 2020 et
à 280 en Juillet 2020.
Calculez l’estimation des ventes en Janvier 2021et en Juillet 2021 sachant
que l’estimation moyenne des ventes est prévues à 420 par mois en 2021.
Solution:
• Le CSJanvier=VentesJanvier/moy2020
=490/350=1,4
VentesJanvier2021=CSJanvier*Moy2021=1,4*420=588
• Le CSJuil=VentesJuil/moy2020
=
VentesJuil2021=CSJuil*Moy2021=
27
Méthode du rapport mobile
(Cas de ventes saisonnières)
Exercice
Trimestre (année ventes CS Prévisions du trimestre
2020) (année 2021)
1 320 320/420 = 0,76 450*0,76 = 343
2 400 400/420 = 0,95 450*0,95= 428
3 580 580/420 = 1,38 450*1,38 = 623
4 380 380/420 = 0,90 450*0,9 = 406
Total=1680
28
Méthode du rapport mobile
(Cas de ventes saisonnières)
29
Exercice
Le tableau suivant donne la série chronologique bimestrielle du transport des
voyageurs sur le réseau Air France International (en milliards de passagers-km)
de 2002 à 2005.
30
Le lissage exponentiel simple
31
Lissage exponentiel simple
32
Lissage exponentiel simple
• Y’t+1 = Y’t + α (Yt- Y’t)
• Avec
– Y’t+1 : la prévision pour la période t+1
– Y’t : la prévision de la période t
– Yt: la valeur observée de la période t
– α: le coefficient de lissage
33
Lissage exponentiel simple
Une constante de lissage α proche de 0 (≤ 0.3) donne une
importance significative aux observations éloignées, tandis
qu’un α proche de 1 (≥ 0.7) tend à négliger ces observations
éloignées.
34
Exemple
35
Exercice
La demande d’un certain article a été relevée au cours de 15 mois consécutifs :
36