GESTION DE PRODUCTION

Master Génie Logistique – S7

2020/2021

Pr. Najat MESSAOUDI

najatm2013@gmail.com

1
Chapitre IV: Implantation des unités de production

II. Conception d’une unité de la production

3. Quelques indicateurs de performance de l’implantation:
a. Lead Time: temps de traversée
– Le temps qui s’écoule entre le début d’un processus et sa fin.
– Dans un atelier, c’est le temps que prendra la fabrication d’un
produit sur une ligne de production: temps de fabrication, temps de
déplacement, temps d’attente devant une machine, …
– Il est différent du temps de la gamme de fabrication

Objectif: Réduire le Lead time

2
Chapitre IV: Implantation des unités de production

3
Chapitre V: Prévisions des commandes
I- Objectifs et contraintes des prévisions
II- Méthodes de prévisions

4
Chapitre V: Prévisions des commandes

I. Objectifs et contraintes des prévisions

– Objectif:

■ anticiper un minimum les futures commandes de ses clients

■ s’appuyer sur un système de prévisions fiables.

– Selon le type de décisions à prendre:

■ prévision à long terme

■ Prévision moyen terme

■ Prévision à court terme

5
 Chapitre V: Prévisions des commandes
I. Objectifs et contraintes des prévisions
– Prévisions à long terme (supérieures à trois ans): niveau stratégique de l’entreprise
• diversification, produits nouveaux, investissement ou désinvestissement en équipements.
– Prévisions à moyen terme (de l’ordre de six mois à deux ans):
• définir et maîtriser les capacités globales de production et d’approvisionnement.
• Acquisition d’une machine, embauche de personnel ou approvisionnement d’articles à long délai
d’acquisition
– Prévisions à court terme (jusqu’à six mois):
• serviront à l’activité opérationnelle de production
• approvisionnement des stocks,
• charge des ateliers et ordonnancement, correspondant à des ajustements des activités planifiées.

6
 Chapitre V: Prévisions des commandes
I. Objectifs et contraintes des prévisions

1. Eléments de choix des méthodes de prévisions

– dépendent de nombreux facteurs:

■ des données historiques disponibles à propos du produit ou de la famille de produits
considéré(e) ;

■ de la précision souhaitée sur les prévisions ;

■ du coût accepté pour établir les prévisions ;

■ du temps disponible pour les obtenir.

8
 Chapitre V: Prévisions des commandes
I. Objectifs et contraintes des prévisions

2. Sources de données: deux types

– Données relevées dans le passé:

■ un historique de données concernant un produit.
■ Modéliser pour une projection dans le futur
– Données prédictives:
■ sont constituées par les études de marché, les avis d’experts, le suivi des commerciaux,
les enquêtes auprès des clients...
■ données sont plus délicates à manipuler et à interpréter ;
■ si on ne dispose pas d’historique, c’est la seule source utilisable.

9
 Chapitre V: Prévisions des commandes

II. Méthodes des prévisions: deux grands types de méthodes

– les méthodes qualitatives

■ font appel à une méthodologie non mathématique

– Les méthodes quantitatives

■ fondées sur des modèles mathématiques.

11
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes qualitatives
■ principalement utilisées pour la prévision à moyen ou long terme.
■ Utilisées dans le cas de la demande d’un nouveau produit, les données
historiques n’existent pas
■ destinées à des décisions de mercatique avec des données provenant d’études
de marché ou d’intentions d’achats

12
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes qualitatives: Méthode de Delphes
■ La méthode de Delphes consiste à interroger des experts sur une question, et
ce indépendamment les uns des autres afin d’éviter toute influence forte
directe.
■ 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.

13
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
a. Représentation graphique
– Elle présente l’avantage d’être très visuelle
– Elle permet de résumer la prévision et de mettre le bon sens en éveil.
– Prévisions sur la base de l’extrapolation de la courbe des consommations passées

14
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants
– Une tendance T qui donne l’évolution à moyen terme de la demande

– Des variations saisonnières S dues à des modifications périodiques de la

demande

– Des éléments résiduels R dus à de nombreuses causes autres que les

précédentes (modifications climatiques inattendues, épidémies, grève,
apparition d’un nouveau client sur le marché, …)

15
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants
– Les prévisions des demandes pour une période n peut alors s’exprimer sous
deux formes:
1. une forme additive de ces différents éléments où
Pn = Tn + Sn + Rn
2. une forme multiplicative de ces éléments avec
Pn = T n × Sn × R n
– La forme la plus fréquente la forme multiplicative

16
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants
– Estimation de la tendance T:

■ On définit une droite de tendance par la méthode des moindres carrés

■ L’équation de cette droite est du type:

Tn = a * n + b a=
N  nDn −  n Dn
N  n 2 − (  n) 2 b=
 D n
−a
 n
N N
N: nombre de périodes de l’historique des données

17
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants

– Estimation de la tendance T: Exemple

18
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
Prévision de la demande en tenant compte de la
– les méthodes quantitatives:
tendance Tn=378*n+19045
a. Méthode de décomposition:
n (période) Dn (demande) Loi composée
n*Dn des néléments
2 suivants
Janvier 1 20.000,00 20000 1
Février – Estimation
2 de21.000,00
la tendance Exemple
T:42000 4 N  nDn −  n Dn
a=
Mars 3 19.000,00 57000 9 N  n 2 − (  n) 2
Avril 4 22.000,00 88000 16
Mai 5 23.000,00 115000 25
Juin
Juillet
6
7
22.000,00
20.000,00
132000
140000
36
49 b=
D n
−a
n
Août 8 16.000,00 128000 64 N N
Septembre 9 20.000,00 180000 81
Octobre 10 23.000,00 230000 100
Novembre 11 25.000,00 275000 121
Décembre 12 27.000,00 324000 144
Total 78 258.000,00 1731000 650
6084 20124000 20772000 7800
(∑n)2 (∑n)(∑Dn) N∑nDn N∑n2 377,622378 a
19045,4545 b
19
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants

– Estimation de la tendance T: Exemple

20
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants
– Estimation des variations saisonnières S:

■ Sont traduites par des coefficients qui représentent les écarts à la valeur de
base: coefficients saisonniers

■ Représenter pour chaque période élémentaire, le rapport entre la demande

réelle constatée et une moyenne globale (valeur désaisonnalisée)

21
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants

– Estimation des variations saisonnières S: Exemple

Les périodes élémentaires: trimestre

Première des choses: déterminer la période sur laquelle on va travailler 22

 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants

– Estimation des variations saisonnières S: Exemple

Calcul des coefficients de saisonnalité

- Valeur désaisonnalisée (moyenne globale)=258.000/12=21.500

- Coefficient de saisonnalité d’une période = moyenne période/valeur désaisonnalisée
23
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Loi composée des éléments suivants
– Eléments résiduels et prévision R:

■ Ce facteur représente tout ce qui n’est pas pris en compte par T et S

■ Il s’agit d’éléments aléatoires non identifiés

■ On ne prend en considération pour les prévisions que les deux facteurs T et S

24
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Pn = Tn × Sn (exemple tableau des prévisions)

25
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
b. Méthode de décomposition: Pn = Tn × Sn
Prévision de la demande estimée pour mars et août prochains à l’aide du
modèle

26
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
c. Méthode des moyennes mobiles:
– La prévision de la demande pour une certaine période est estimée à partir
des valeurs connues pour les quelques périodes précédentes

– Exemple du cas d’une moyenne mobile à trois périodes:

■ La demande de la période P4 peut être calculée à partir des consommations

des périodes 1,2,3: P4=(P1+P2+P3)/3

■ P5=(P2+P3+P4)/3

■ …

27
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives: Méthode des moyennes mobiles: Exemple

28
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives:
d. Méthode de lissage exponentiel:
– 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 pour la
période précédente:

Pn=Pn-1+α(Dn-1-Pn-1) où α un coefficient entre 0 et 1

Si α = 0, Pn=Pn-1 la prévision de n est la même que celle de n-1

Si α = 1, Pn=Dn-1 la prévision de n est la même que la demande réelle n-1

– Une valeur de α proche de 1 conduit à favoriser les demandes réelles récentes comme
prévisions

29
 Chapitre V: Prévisions des commandes
II. Méthodes des prévisions: deux grands types de méthodes
– les méthodes quantitatives: Méthode de lissage exponentiel:

– Cette méthode implique les demandes réelles passées

– La méthode du lissage exponentiel effectue une moyenne mobile pondérée où les

coefficients affectés aux données passées sont reliés par une loi de décroissance
exponentielle
– La relation entre le coefficient α et une moyenne à N périodes est : α=2/(N+1) 30
 Chapitre V: Prévisions des commandes
III. Erreurs et incertitude sur les prévisions
– Une prévision est par nature incertaine
– On évalue la qualité des prévisions au moyen de deux valeurs complémentaires:
erreur moyenne ℮ et l’écart moyen absolu MAD (Mean Absolute Deviation)

■ Erreur moyenne ℮ e=
 (D − P )
i i

n
– Cet indicateur signale une prévision en moyenne trop forte ou trop faible

– Un modèle correct avec variations aléatoires donnera une valeur nulle de e

■ Ecart moyen absolu MAD MAD =

 Di − Pi
n
– Évite la compensation des signes contraires entre les demandes et prévisions

31
 Chapitre V: Prévisions des commandes
III. Erreurs et incertitude sur les prévisions
– Exemple

• On préfère parfois calculer la MAD

lissé:

MADi = b Di − Pi − (1 − b)MADi −1

• On choisit un coefficient b petit

(par exemple 0,1) pour assurer un
lissage à long terme

32
 Chapitre V: Prévisions des commandes
III. Erreurs et incertitude sur les prévisions
– Qualité du modèle de prévision:
■ Les valeurs de e et de MAD permettent d’avoir une idée de la qualité du modèle de
prévision

■ Pour maitriser un système de prévision, il faut mettre en place des fourchettes pour ces
indicateurs

■ Un autre indicateur utilisé pour prévenir d’un système de prévision qui devient hors
contrôle est le signal d’alerte suivant qui doit rester dans des limites raisonnables:

A =
 (D − P )
i i
i
MADi

33
Chapitre V: Prévisions des commandes

■ Synthèse
– Deux types de méthodes pour les prévisions
■ Méthodes qualitatives: basées sur des études, entretiens, experts,
– moyen et court terme
– Méthode Delphes
■ Méthodes quantitatives: basées sur des modèles mathématiques
– Court terme
– Représentation graphique
– Méthode de décomposition (Tendance et variations saisonnières)
– Méthode des moyennes mobiles à N périodes
– Méthode de lissage exponentiel
■ Calcul des indicateurs erreur, écart moyen absolu et signal d’alerte
■ Qualité des modèles de prévision

34