Académique Documents
Professionnel Documents
Culture Documents
Seance 2
Seance 2
DES OPÉRATIONS
1 Séance 2 : Prévisions et gestion de la demande
OBJECTIFS DE LA SÉANCE
Identifier la demande.
Connaître le rôle et les responsabilités de la fonction
prévision.
Déterminer les types de prévisions.
2
PLAN DE LA SÉANCE
Importance des prévisions de la demande
Typologie de la demande
Évolution de la demande
Sources de données
Méthodes prévisionnelles
Etude de cas
3
DÉFINITION
Prévision : « Fonction permettant d’estimer la
demande future pour les biens et les services offerts
par l’entreprise, qui est établit soit
mathématiquement (données historiques), soit
intuitivement (connaissance du marché), soit en
combinant les deux méthodes ».
4
FONCTION PRÉVISION DANS L’ENTREPRISE:
La fonction prévision est très importante pour tous
les services de l’entreprise. Donc on cherche à faire
participer tous les services à l’élaboration des
prévisions tout en confiant à un groupe défini de
personnes la tâche de coordonner les idées.
5
PLAN PRÉVISIONNEL
On doit préciser:
Type de produit: code, spécifications générales telles
que la couleur ou la dimension;
Quantité prévue: celle-ci est définie selon les unités
habituellement utilisées et livrées par l’entreprise;
Période couverte par les prévisions: pour indiquer à
quel moment tel service ou tel bien devrait être offert et
en quelle quantité.
6
UTILISATIONS DES PRÉVISIONS
Service des finances:
Déterminer les besoins financiers à court, à moyen et à
long terme;
Prévoir les investissements nécessaires aux activités
futures de l’entreprise;
Service marketing:
Fixer les prix;
Ouvrir de nouveaux marchés;
Déterminer la stratégie de vente et de distribution;
Définir les ressources dont il a besoin pour atteindre
ses objectifs.
7
Production
Achat Finances
Prévision
Service Production:
Déterminer ses besoins :
En équipement RH Marketing
En matières premières;
Établir quelle
capacité de
production
Planifier Orienter la
l’utilisation politique et
ou les besoins les stratégies
en de gestion
équipements des stocks.
Prévision
Déterminer
Planifier la
les meilleures
main-d’œuvre
stratégies de
requise.
production
Choisir les
technologies 9
appropriées
TYPOLOGIE DE LA DEMANDE
Prévisions à long terme:
Couvrent généralement un horizon de temps de 2 à 5 ans.
Etablies normalement par les responsables du marketing
en collaboration avec le service de l’ingénierie
Il faut connaitre tout les facteurs internes et externe
(marché, technologique, politique, écologique,…)qui
pourraient avoir une influence quelconque sur le produit
pour lequel on doit effectuer les prévision
10
Prévisions à moyen terme:
Couvrent un horizon de temps de 1 à 2 ans. Servent
pratiquement à déterminer le budget de fonctionnement
et quelques dépenses mineurs du budget
d’immobilisation.
Prévisions à court terme:
Couvrent un horizon de 1 an et moins. Servent à prévoir
les activités de l’année en cours: planification des
activités de la production, à l’ordonnancement, aux
achats, à l’entretien des équipements, à la planification
de mise en route.
11
Paramètres à prendre en compte dans la
détermination de l’horizon de temps:
Taille de l’entreprise
Situation économique
Secteur économique.
Taille de l’entreprise
Prévision pour une Multinational à long terme → 2 à 5 ans
Prévision pour une Petit entreprise à long terme → 1 à 2 ans
12
Situation économique
En période d’instabilité économique :
Fluctuation des prix ou inflation peut engendrer des client
craintifs ce qui rend difficile de prévoir leurs réactions
Fournisseur ne peuvent plus assurer un approvisionnement
fiable à des prix constant
Taux d’intérêt subit aussi des variations
13
Secteur économique
Secteur économique stable
Il est relativement facile de faire des prévisions à moyen et à
long terme car la demande ne varie pas beaucoup
Exemple : prévoir le nombre de garderie et d’école primaire et
secondaire
Secteur économique instable
Par exemple ,Il est difficile de spéculer sur les tendances des
demandes pour les nouvelles technologie car c’est un secteur
volatile
14
ETAPES DU PROCESSUS DE PRÉVISION
Définir le but des prévision
Définir l’horizon de temps
15
MÉTHODES DE PRÉVISION Prévisions
Il existe deux approches principales Méthode
quantitatives Méthode
L’approche qualitative elle se base sur : •Prévision chronologique
qualitatives
•Prévision associative
Opinions des vendeurs
Opinions des consommateurs (enquêtes)
17
LA MÉTHODE DELPHI:
Etape 1 : définir l’objet sur lequel portera le DELPHI. L’objet
correspond au problème que vont devoir examiner les experts et les
grands questionnements liés à ce problème.
Etape 2 : Choisir les experts. Ce choix s’effectue selon différents
critères, notamment leur indépendance et leur excellente
connaissance de l’objet..
Etape 3 : Elaborer un questionnaire. Les questions doivent être
ciblées, précises et éventuellement quantifiables.
Etape 4 : Administrer le questionnaire et traiter les réponses.
Le premier questionnaire, qui sert de base, sera administré et
enrichi dans les prochains tours , Au deuxième tour, les experts
reçoivent les résultats du premier tour et doivent à nouveau se
reformuler le questionnaire.
à chaque tour le questionnaire est enrichi par des résultats et 18
commentaires générés précédemment,
LA MÉTHODE DELPHI:
19
L’APPROCHE QUANTITATIVE : PRÉVISION
CHRONOLOGIQUE
Nombre de clients
21
RELATION ENTRE X ET Y
Demande constante:
Demande varie peu: fluctue autour
d’une moyenne.
Tendance à la baisse.
22
Demande saisonnière:
variation relativement régulière qui sont reliées à des
facteur météorologique ,aux vacances,…
Exemple:
Les boissons gazeuses Consommation maximale en été
Les couvertures Consommation maximale en hiver
23
Demande aléatoire
Sont provoquées par des circonstance
inhabituelles comme des grèves, problèmes
momentanés chez la concurrence,…
24
MÉTHODES QUANTITATIVES
Prévision basées sur les séries chronologique
Les prévisions naïves
Les moyennes simples
Les moyennes mobiles
Les moyennes pondérées
Lissage exponentiel
Technique de prévision associatives:
les régressions
25
PRÉVISIONS NAÏVES
la plus simple des prévisions , une prévision naïve
pour une période est égale à la valeur de la période
précédente:
Pi+1 = Ri
Avantages
Elle ne coute rien
Rapide
Facile à réaliser
Inconvénient
Prévision qui n’est pas précise
26
LES MOYENNES SIMPLES
Technique qui consiste à faire les moyennes des
activités des périodes passées (R) pour prévoir la
période future (P) :
27
semaine 1 semaine 2 semaine 3
lundi 67 60 64
mardi 75 73 76
mercredi 82 85 87
jeudi 98 99 96
vendredi 90 86 88
samedi 36 40 44
dimanche 55 52 50
Exemple 2: ventes
Prévision pour lundi 120
100
80
60
40 ventes
20
0
semaine 4
120
lundi 64
mardi 75 100
mercredi 85
jeudi 98 80
vendredi 88
60 semaine 1
samedi 40
dimanche 52 40 semaine 2
semaine 3
20
0 28
MOYENNE MOBILE
Une prévision par la moyenne mobile utilise un nombre
fixe de données parmi les plus récentes pour produire
une prévision
i = période
n = nombre de période (la base)
Ri = valeur réelle
Pn+1 = prévision de la prochaine période
La Moyenne mobile à l’avantage d’être facile à calculer
mais les valeurs impliquées dans les calcules sont 29
pondérées également
Exemple 1
Prévoir à l’aide de la moyenne mobile avec une base n = 3
le nombre de panier pour la période suivante :
30
LES MOYENNES PONDÉRÉES
Une moyenne pondérée est similaire à une moyenne
mobile sauf qu’elle attribue des pondérations aux
différentes valeurs de la séries chronologique
On peut de cette manière donner plus d'importance
aux données plus récentes afin qu'elles influencent
davantage la prévision que les données plus
anciennes.
Note: la somme des poids utilisés doit égaler 1.
31
Exemple
Voici les données concernant la consommation des matières
première pour les cinq dernière périodes :
a. Calculer la moyenne pondérée en appliquant la pondération
suivante: Période Consommation réelle
0.4 pour la période la plus récente 1 42
2 40
0.3 pour l’avant dernière
3 43
0.2 pour celle d’avant 4 40
0.1 pour la plus ancienne 5 41
b. Si la demande effective pour la période 6 est de 39, prévoir
la période 7 en utilisant les même pondérations
Réponses
32
a) P6 = 0.4*(41)+0.3*(40)+0.2*(43)+0.1*(40) = 41
b) P7 = 0.4*(39)+0.3*(41)+0.2*(40)+0.1*(43) = 40,2
MÉTHODE DE LISSAGE EXPONENTIEL SIMPLE
Cette méthode ajuste la demande moyenne en
proportion de la différence entre la dernière demande
réelle et la prévision correspondante.
Chaque nouvelle prévision est égale à la prévision
précédente plus un pourcentage alpha de l’erreur
commise à la période précédente .
34
Exemple 1
Utiliser le lissage exponentiel pour effectuer des
prévisions pour les données suivantes et calculer l’erreur
(réel-prévision) et ce pour chaque période.
Utilisez un facteur de lissage de =0.1
Utilisez un facteur de lissage de =0.4
48
46
44
42
40
38
36 36
1 2 3 4 5 6 7 8 9 10 11
EMA0,1= 2,448 Production réelle prévision a=0,1 prévision a=0,4
EMA0,4 = 2,44
Exemple 2
Utiliser le lissage exponentiel pour effectuer des
prévisions pour les données suivantes et calculer l’erreur
(réel-prévision) et ce pour chaque période.
Utilisez un facteur de lissage de =0.1
Utilisez un facteur de lissage de =0.3 Production réelle
1 100
Utilisez un facteur de lissage de =0.7
2 125
Tracer les données effective et les trois
3 90
prévisions sur un seul graphique 4 110
Calculer le EMA pour les 5 105
6 130
trois 7 85
Qu’est ce que vous en concluez 8 102
9 110
37
10 90
11 105
12
Production prévision prévision prévision
période réelle a=0,1 |R-P| a=0,3 |R-P| a=0,7 |R-P|
1 100
2 125 100 25,00 100 25,0 100 25,0
3 90 102,50 12,50 107,50 17,5 117,50 27,5
4 110 101,25 8,75 102,25 7,8 98,25 11,8
5 105 102,13 2,88 104,58 0,4 106,48 1,5
6 130 102,41 27,59 104,70 25,3 105,44 24,6
7 85 105,17 20,17 112,29 27,3 122,63 37,6
8 102 103,15 1,15 104,10 2,1 96,29 5,7
9 110 103,04 6,96 103,47 6,5 100,29 9,7
10 90 103,73 13,73 105,43 15,4 107,09 17,1
11 105 102,36 2,64 100,80 4,2 95,13 9,9
12 102,63 102,06 102,04
|R-P| 121,37 |R-P| 131,5 |R-P| 170,3
140
130
120
110
100
90
80
1 2 3 4 5 6 7 8 9 10 11 38
Production réelle prévision a=0,1 prévision a=0,3 prévision a=0,7
EMA0,1= 12,137 EMA0,3 = 13,15 EMA0,7 = 17,03
TECHNIQUE DE PRÉVISIONS ASSOCIATIVES:
LES RÉGRESSIONS
Demande du marché
39
LA RÉGRESSION LINÉAIRE
Y = fonction X
Comme c’est une régression linéaire la fonction sera
sous forme d’une droite
Y=mX+b
On connaissant la valeur de X nous pourront en
déduire la valeur de Y et vice versa
40
Les valeur b et m sont calculer de la manière
suivante
42
Exemple
Hamburgers-king possède une chaine de 12 restaurants,
le tableau suivant présente les ventes et le profits des
restaurants: Profits
Ventes réelles Réels en
1. Tracer le graphique Mois M$ (X) M$ (Y)
2. Calculer le coefficient de M1 7 0,15
M2 2 0,1
corrélation r M3 6 0,13
3. Est-ce que r est valable?. Si oui M4 4 0,15
pourquoi ? M5 14 0,25
M6 15 0,27
4. Déterminer l’équation de la droite M7 16 0,24
d’ajustement M8 12 0,2
5. Déterminer pour une vente de 10 M9 14 0,27
M10
M$ les profits générés 20 0,44
M11 15 0,34
6. Calculer le pourcentage d’erreur M12 7 0,17
MERA
43
Profits Réels (Y)
Profits Réels (Y) Linéaire (Profits Réels (Y))
0,5
0,4
1. Le graphique 0,3
0,2
0,1
0
0 5 10 15 20 25
2. le coefficient de corrélation r
Mois Ventes (X) Profits Réels (Y) X*Y x² y² prévu Y' Y-Y' ERA %
M1 7 0,15 1,05 49 0,02 0,16 -0,01 7%
M2 2 0,1 0,2 4 0,01 0,08 0,02 21%
M3 6 0,13 0,78 36 0,02 0,15 -0,02 11%
M4 4 0,15 0,6 16 0,02 0,11 0,04 31%
M5 14 0,25 3,5 196 0,06 0,27 -0,02 9%
M6 15 0,27 4,05 225 0,07 0,29 -0,02 7%
M7 16 0,24 3,84 256 0,06 0,31 -0,07 21%
M8 12 0,2 2,4 144 0,04 0,24 -0,04 17%
M9 14 0,27 3,78 196 0,07 0,27 0,00 1%
M10 20 0,44 8,8 400 0,19 0,37 0,07 19%
M11 15 0,34 5,1 225 0,12 0,29 0,05 17%
M12 7 0,17 1,19 49 0,03 0,16 0,01 5%
Total 132 2,71 35,29 1796 0,72 2,15 168%
44
On a n=12
3. r=0,917 |r| > 0,71 alors la relation entre X et Y est une relation très forte
4. Le calcul de m
Le calcul de b
5. Y = mX + b = 0,016X + 0,051
Pour X= 10 M$ alors
Y = 0,016 * 10 + 0,051 = 0,211 M$ ~ 211 000 $
45
Calcul de ERA (voir le tableau)
Calcul de la MERA
46