Académique Documents
Professionnel Documents
Culture Documents
Supply Chain Management ENSAM Partie 2
Supply Chain Management ENSAM Partie 2
SUPPLY CHAIN
MANAGEMENT
Pr. ZAKRANI Abdelali
Ecole Nationale Supérieure d’Arts et Métiers
Université Hassan II à Casablanca
Séance 2
Les Prévisions dans la Supply Chain Management
PLAN
• Introduction
• Rôle stratégique des prévisions
• Composantes de la prévision de la demande
• Méthodes de séries chronologiques
• Précision des prévisions
1
09/01/2016
Introduction
La prévision est, d'une façon générale, la science de
la description de l'avenir.
Les entreprise tentent d’estimer la consommation
des produits ou des services dans les périodes à venir.
La prévision de la demande est la base des décisions
les plus importants:
Localisation des entités et leur conception
L’approvisionnement, la distribution
La production, le stock, l’ordonnancement …
Introduction
Prévision de la demande est un processus difficile est
incertain parce que:
2
09/01/2016
Introduction
Méthodes de
prévision
Méthodes Méthodes
qualitatives quantitatives
Le type de transport
nécessaire, localisation des
usines, entrepôts et les
centres de distribution qui
permettent de répondre aux
besoins aux demandes client
3
09/01/2016
Fabricant Détaillant
Distributeur
Livraison en retard,
rupture de stock, coût
de pénurie, coût élevé
d’expédition
4
09/01/2016
Le type de la
méthode de
prévision à
utiliser
Existence des
modèles de la Causes du
demande comportement de
la demande
(tendance, saisonnier,…)
5
09/01/2016
Court à moyen terme Quotidien, hebdomadaire Prévision mensuelle chez HP pour les
ou mensuel jusqu’à deux imprimantes est de 12 à 18 mois.
ans Prévision hebdomadaire chez Levi
Strauss pour jeans sont fait pour cinq ans
Long terme Plus de 2 ans Unisys : 3 ans
HP: 2-6 ans
Fiat : 10 an
6
09/01/2016
Oui
Est-ce que la
précision de
Non
l’estimation
acceptable?
7
09/01/2016
8
09/01/2016
Moyenne mobile
pour 3 mois
Moyenne mobile
pour 5 mois
𝑾𝑴𝑨𝒏 = 𝑾𝒊 𝑫𝒊
𝒊=𝟏
où W i = le poids de la période i, entre 0 et 100%
𝑤𝑖 = 1
9
09/01/2016
Solution WMA
Moyenne mobile
pondérée pour
3 mois
Lissage Exponentiel
• Définition : Le lissage exponentiel consiste à faire une moyenne
pondérée de la dernière valeur constatée (demande) et de la valeur
déterminée par lissage exponentiel lors de la période précédente.
Cela nous permet de dégager une tendance.
• Formule de calcul:
𝑭𝒕+𝟏 = 𝜶𝑫𝒕 + (𝟏 − 𝜶)𝑭𝒕
où 𝐹𝑡+1 = 𝑙𝑎 𝑝𝑟é𝑣𝑖𝑠𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒
𝐷𝑡 = 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑒 𝑟é𝑒𝑙𝑙𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑐𝑜𝑢𝑟𝑎𝑛𝑡𝑒
𝐹𝑡 = 𝑙𝑎 𝑝𝑟é𝑣𝑖𝑠𝑖𝑜𝑛 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛é𝑒 𝑑𝑒 𝑙𝑎 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑐𝑜𝑢𝑟𝑎𝑛𝑡𝑒
𝛼 = 𝑓𝑎𝑐𝑡𝑒𝑢𝑟 𝑑𝑒 𝑝𝑜𝑛𝑑é𝑟𝑎𝑡𝑖𝑜𝑛 𝑎𝑝𝑝𝑒𝑙é 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑑𝑒 𝑑𝑒 𝑙𝑖𝑠𝑠𝑎𝑔𝑒
• Remarque: Pour commencer à calculer une valeur de lissage exponentiel, il
faut une première valeur qui est la plus part du temps une moyenne mobile. A
partir de cette première valeur, on calcule pour chaque nouvelle période une
nouvelle valeur égale à la somme pondérée de l'ancienne et de la demande
observée de la dernière période.
10
09/01/2016
Lissage Exponentiel
Exemple ES
Lissage Exponentiel
Solution ES
11
09/01/2016
Solution
12
09/01/2016
Régression Linéaire
• Définition : La régression linéaire est une méthode statistique pour
estimer la relation moyenne qui peut exister entre une variable
dépendante et une variable indépendante
• Formule de calcul:
𝒚 = 𝒂 + 𝒃𝒙
𝑎 = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑟é𝑔𝑟𝑒𝑠𝑠𝑖𝑜𝑛
où
𝑏 = 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑟é𝑔𝑟𝑒𝑠𝑠𝑖𝑜𝑛
𝑥 = 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑑𝑒 𝑡𝑒𝑚𝑝𝑠
y = 𝑝𝑟é𝑣𝑖𝑠𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑒 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑥
Les paramètres a et b peuvent être calculer par la formule des moindres
carrés comme suit:
où
N = nombre de périodes
13
09/01/2016
Régression Linéaire
Exemple LSR
Les données de l’entreprise HiTek Computer Services semble suivre une tendance
linéaire croissant. L’entreprise souhaite calculer la régression linéaire pour voir s’il est
plus précise que la prévision du lissage exponentiel simple et ajusté générée dans les
deux derniers exemples.
Solution
Régression Linéaire
Solution LSR
14
09/01/2016
Ajustement Saisonnier
• Le mouvement saisonnier est une croissance et
décroissance répétitive dans la demande.
• Plusieurs demandes montrent un comportement
saisonnier.
Exemple:
• Demande des vêtements chauds augmente en automne et hiver et
baisse en printemps et été quand la demande pour les vêtements
légers s’accroit.
• Demande pour les jouets, vêtements, carte de félicitation augmente
en fête….
• Quelques restaurants ont plus demandes en diner qu’en déjeuner,
en weekend plus qu’en weekdays.
Ajustement Saisonnier
• Le mouvement saisonnier est une croissance et
décroissance répétitive dans la demande.
• Plusieurs demandes montrent un comportement
saisonnier.
Exemple:
• Demande des vêtements chauds augmente en automne et hiver et
baisse en printemps et été quand la demande pour les vêtements
légers s’accroit.
• Demande pour les jouets, vêtements, carte de félicitation augmente
en fête….
• Quelques restaurants ont plus de demandes en diner qu’en
déjeuner, en weekend plus qu’en weekdays.
• Supermarchés reconnaissent une demande plus les weekends que
les weekdays.
15
09/01/2016
Ajustement saisonnier
• Plusieurs méthodes existent pour refléter les patrons
saisonniers dans les séries chronologiques.
• Méthode utilisant Facteur de saisonnalité:
Un facteur de saisonnalité est une valeur numérique qui
sera multipliée par la prévision normale afin d’avoir une
prévision ajustée à la saison.
Une méthode pour déterminer le facteur de saisonnalité est:
Diviser la demande de chaque période saisonnière par la
demande annuelle totale.
𝑫𝒊
𝑺𝒊 =
𝑫
Ajustement Saisonnier
Exemple SA
16
09/01/2016
Ajustement Saisonnier
Solution SA
1ère étape
Calcul facteur
2ère étape
de saisonnalité
Calcul d’une prévision
annuelle à l’aide de
Régression Linéaire
3ère étape
17
09/01/2016
Pourcentage de la Déviation 𝐷𝑡 − 𝐹𝑡
prévision
Erreur Cumulative 𝐸= 𝑒𝑡
Solution
18