Les Mthode de prvision

A. Approvisionnement et prvision de la demande........................................................................2 1. Pourquoi laborer des prvisions de ventes ?.........................................................................2 1.1. La prvision conditionne loptimisation..........................................................................2 1.2. Lobligation de prvoir est lie aux dlais de raction....................................................2 2. Qui prvoit ?............................................................................................................................3 2.1. Plusieurs fonctions sont concerns par les prvisions.....................................................3 2.2. La prvision comme rsultat dun consensus..................................................................4 3. Comment identifier le problme de prvision ?......................................................................4 B. Les mthodes dlaboration des prvisions................................................................................5 1. Comment analyser un historique ?..........................................................................................5 1.1. Les outils...........................................................................................................................5 2. La dcomposition dune srie chronologique.........................................................................8 2.1. Lestimation de la tendance..............................................................................................9 2.2. Lanalyse de la saisonnalit...........................................................................................11 3. 3. Le Modle de Hot-Winters ( Tendance + Saisonnalit )..............................................20

A. Approvisionnement et prvision de la demande Lapprovisionnement est troitement li la connaissance de la demande. Le lien est dailleurs si fort que parfois, il existe une confusion entre prvoir la demande et dterminer la quantit conomique approvisionner. Or, cest la prvision et la qualit de le prvision qui est la base de lapprovisionnement. 1. Pourquoi laborer des prvisions de ventes ? Cette question peut paratre triviale, cependant, elle mrite rflexion et savre complexe dans sa rponse. Deux points mritent dtre abords.

1.1. La prvision conditionne loptimisation

Deux lments sont essentiels pour dterminer le calcul dun approvisionnement optimal : - la prvision de la consommation - la fiabilit attendue de cette prvision La prvision de consommation dtermine de manire directe une partie du niveau dapprovisionnement ; il sagit de couvrir au minimum le besoin pour un certain dlai. La fiabilit attendue de cette prvision, ou la crdibilit de la prvision permet de dimensionner le niveau de stock de scurit.

1.2. Lobligation de prvoir est lie aux dlais de raction

Toutes les entreprises ne sont pas dans lobligation de prvoir, du moins dans le cadre de leur systme de rapprovisionnement. Le cas extrme est reprsent par les entreprises qui travaillent la commande , cest dire celles dont le dlai de livraison accept par ses clients est suprieur au dlai dapprovisionnement des matires auprs des fournisseurs et au dlai de production. Quelques entreprises sont dans ce cas : notamment celles du secteur aronautique, des travaux publics, des chantiers navals. Pour elles, le problme de rapprovisionnement est relativement ais rsoudre. A loppos, figure la grande majorit des entreprises du secteur de la grande consommation. Le dlai de livraison est de quelques jours, voire de quelques heures (rpartiteur pharmaceutique) ; le stockage des produits finis est alors impratif sous peine dtre en rupture. Les consquences sont le risque de la perte de la vente et la dgradation de limage de marque. Pour optimiser le niveau de stock, lobligation de prvoir simpose. Le tableau suivant illustre larbitrage que lentreprise est en mesure deffectuer : flexibilit ou stockage. Souvent, on cherche rsoudre un problme de prvision qui 2

peut trouver sa solution plus facilement par un accroissement de la ractivit et/ou de la flexibilit. Cependant, ce choix souvent nexiste pas pour lentreprise, il est impos par les dlais de livraison que les fournisseurs exigent. Approvisionnemen t matire A la commande Sur prvision Sur prvision Sur prvision A quel niveau prvoir ? Fabrication Emballage personnalisation A la commande A la commande A la commande A la commande Sur prvision A la commande Sur prvision Sur prvision Stock Aucun Matire Semi-finis Produits finis

2. Qui prvoit ? Cette question se dcline en deux autres questions : - qui est concern par la prvision et quel titre ? - qui est le mieux plac pour laborer cette prvision ?

2.1. Plusieurs fonctions sont concerns par les prvisions

La prvision concerne la plupart des fonctions de lentreprise. Le tableau suivant prsente ces fonctions ainsi que leurs domaines dapplication. Fonctions concernes par la prvision Fonctions Applications Commerciale Logistique Marketing Contrle de gestion, finance Prvision des ventes, fixation dobjectifs Approvisionnements, mise en fabrication Prvision des ventes, plan marketing Prvision budgtaire

Il peut apparatre la lecture de ce tableau que si la prvision concerne bien plusieurs fonctions de lentreprise, ce nest pas au mme titre : les objectifs ne sont pas identiques, les proccupations et les besoins ne sont pas les mmes. La prvision est donc transverse par rapport aux fonctions de lentreprise : une personne nest pas seule concerne par ce problme. Dailleurs, il est frquent de constater qu lintrieur mme dune entreprise, il coexiste des prvisions des ventes diffrentes pour les mmes produits, selon la fonction laquelle on sadresse.

2.2. La prvision comme rsultat dun consensus

La responsabilit dlaboration de la prvision est trs variable dune entreprise l autre. Le plus souvent, cest la fonction logistique qui est en charge de la prvision ; et pourtant, les logisticiens ne sont pas forcment les mieux placs du fait de leur isolement vis vis du march. Mais lobligation de fournir des prvisions quantitatives et fines aux fournisseurs ou la production fait quils sont jugs responsables en cas de problme. De manire idale, llaboration de la prvision doit se faire en commun au sein dun comit runissant les fonctions commerciales, marketing et logistiques. Chacun doit sengager sur des chiffres et, ce titre, en est responsable. Ainsi, le risque de focaliser tous les problmes (ruptures ou surstocks) auprs dune unique personne, le prvisionniste , est trs fortement diminu. 3. Comment identifier le problme de prvision ? Lorsque se pose le problme de prvision dans une entreprise, il convient de sinterroger sur un certain nombre dlments qui vont conditionner le choix de la solution. Les donnes prvoir : livraison ou commandes ? Le choix des donnes historiques servant de base la prvision est important traiter. Le plus souvent, il sagit des livraisons, car linformation est facilement disponible du fait quelle est lie la facturation. Nanmoins, les livraisons prsentent linconvnient majeur dtre pollues par les ruptures de stock et donc de ntre pas reprsentatives de la demande relle. Les commandes constituent donc la base historique la plus proche de la demande finale. Priodicit de la prvision et horizon Le besoin de ractivit de lentreprise dtermine la priodicit des donnes historiques et de la prvision : - Pour des produits industriels ou de consommation courante, la priodicit mensuelle savre suffisante et lhorizon de prvision peut tre compris entre six et dix-huit mois. Cest le cas le plus classique. - Dans le domaine des produits frais, la prvision doit tre calcule de manire hebdomadaire afin dtre plus ractive ; la maille mensuelle nest alors plus suffisante. Lhorizon de prvision peut aller jusqu quinze semaines. - Enfin, pour certains secteurs de service (ouverture de caisse dans les supermarchs, pages dautoroute, etc.) ou pour des produits ultra frais, la prvision journalire (voire horaire) simpose. Les produits sont stockables peu de temps et la demande journalire est variable. La dtermination la plus exacte possible du rythme dactivit quotidienne est essentielle, lhorizon de prvision est limit quelques jours (une trentaine en pratique).

B. Les mthodes dlaboration des prvisions Nous allons maintenant aborder les diffrentes techniques de prvisions, fondes sur lanalyse de lhistorique des consommations. 1. Comment analyser un historique ? Une srie chronologique est une suite de valeurs ordonnes dans le temps et reprsentant le mme phnomne conomique. Cette base historique permet par un traitement appropri deffectuer une prvision. Nous insistons encore une fois sur limportance que revt cet historique en terme de qualit, de reprsentativit et de nombre dobservations. Une mthode de prvision, aussi sophistique soit-elle, restitue toujours linformation contenue dans la srie chronologique.

1.1. Les outils

1.1.1. Le calcul des statistiques de base Nous prsentons, dans ce paragraphe, les modes de calcul de statistiques simples : caractristiques de valeur centrale et caractristique de dispersion. La moyenne La formule gnrale de la moyenne dune srie chronologique de terme gnral xt pour laquelle nous disposons de n observations est :
n

x=

x
t =1

Exemple : la moyenne de la srie chronologique suivante : 4 ; 8, 5, 10, 3 est : (4+8+5+10+3) / 5 = 6 Le seul calcul de la moyenne est insuffisant : deux sries peuvent avoir une moyenne proche alors que leur dispersion, et donc leur difficult intrinsque prvoir, est trs diffrente. Cest pourquoi, il est prfrable de prsenter la moyenne avec un coefficient permettant de prendre en compte la dispersion. Exemple de deux sries ayant une mme moyenne mais une dispersion diffrente : Srie A : 4 ; 8, 5, 10, 3 ; Srie B : 19, 1, 7, 2, 1 ; La dispersion moyenne 6 ; moyenne 6 ; cart-type 2,60 cart-type 6,87

La variance dune srie chronologique permet dvaluer la dispersion autour de la moyenne. La formule de la variance dans le cas dun chantillon (lhistorique ne reprsente quun chantillon des ralisations et ce titre nous devons appliquer les formules concernant un chantillon et non celles relatives une population) est donne par :

Var(x)= t =1

(x x )
2 t

t =n

n1

En gnral, on utilise davantage la racine carr de la variance appele cart-type (

): = Var(x)

Cet cart-type est lun des indicateurs fondamentaux de la difficult prvoir une chronique, il prsente lavantage de sexprimer dans la mme unit que lhistorique. Pour pouvoir interprter sa valeur, il convient de le rapporter la moyenne. Le Coefficient de variation Le coefficient de variation se dfinit comme tant le rapport de lcart-type la moyenne calculs partir de la srie brute : CV =

Il rend compte de la difficult prvisionnelle dun historique. Plus il est lev, plus la variance de la srie est importante rapporte la moyenne et, donc, plus la tche du prvisionniste est, priori ,dlicate. Nous pouvons classer les historiques des ventes en fonctions de ce coefficient : infrieur 0,5 : priori facile prvoir, compris entre 0,5 et 1 : de dispersion moyenne suprieur 1 : la variance de la srie est importante rapporte la moyenne et donc, cette srie peut savrer difficile prvoir.

Si lcart-type de lhistorique est significativement suprieur lcart-type de lerreur de prvision, le systme de prvision est performant. Nanmoins, le coefficient de dispersion de la srie ne prjuge pas compltement des difficults ultrieures : une srie fortement fluctuante peut-tre largement explique par des coefficients saisonniers trs marqus et/ou un facteur explicatif trs influent.

1.1.2. La moyenne mobile Le premier rflexe du prvisionniste lorsquil dispose dun historique est den effectuer une reprsentation graphique. Cependant, il savre que cette reprsentation nest pas toujours parlante car les mouvements de fonds sont occults par des mouvements erratiques et non significatifs. Le recours une technique de lissage par moyenne mobile permet de palier cet inconvnient en lissant les pics et les creux et en ne laissant apparatre que les fluctuations rellement significatives. Par exemple, la moyenne mobile (note MMt) dordre 3 calcule pour linstant t est donne par : Avec xt, la valeur de lhistorique des ventes linstant t. MMt = (xt-1 + xt + Xt-1)/3 Il est noter que cette moyenne mobile dordre 3 ne peut tre calcule que pour t=2 n-1 (n tant le nombre dobservations), car on ne dispose pas dobservation prcdant x1 et suivant xn. La premire valeur dune moyenne mobile de longueur 4 ( = 2 x 2) ou 5 (= 2 x 2 + 1) que lon peut calculer, est linstant t = 3, puisque la premire observation connue est x1 : MM 4x 3 = (0.5 x1 + x2 + x3 + x4 + 0.5 x5) / 4 MM 5x 3 = (x1 + x2 + x3 + x4 + x5) / 5

x1

x2

x3

x4

x5

x6

~ MM x3 x3 Le choix de lordre de lordre de la moyenne mobile dpend de lobjectif recherch. Plus lordre est lev, plus la srie est lisse et les phnomnes de courts terme sont alors gomms, au risque de perdre en ractivit ; seul reste le mouvement de fonds (la tendance). Une mention particulire concerne la moyenne mobile dordre douze qui pour des sries historiques de priodicit mensuelle, reprsente lvolution des consommations ou des ventes hors phnomnes saisonniers. Les formules gnrales de filtrage par moyenne mobile sont les suivantes : si lordre correspond un nombre impair (2 m + 1),

MMt = (xt-m + + xt-1 + xt + xt+1 + + xt+m) / (2 m +1)

~= x
-

1 i =+ m xt +i 2m + 1 i = m

si lordre correspond une paire (2 m), il nous faut recourir un artifice de calcul afin de faire correspondre le terme central xt la valeur de la moyenne mobile MMt. MMt = (0.5 xt-m + + xt-1+ xt + xt+1 + + 0.5 xt+m) / (2 m)
i=m1 MM t = 1 1 xt m+ xt +i + 1 xt+m 2 2m 2 i=(m1)

Le tableau suivant prsente un exemple de calcul dune moyenne mobile dordre 3 et dune moyenne mobile dordre 4 , ainsi que la moyenne, lcart-type et le coefficient de variation. Priode 1 2 3 4 5 6 Moyenne Ecart-type CV Srie 10 12 14 16 12 11 12,5 1,979 0,1583 Moyenne mobile 3 10+12+14 / 3 = 12 12+14+16 / 3 = 14 14+16+12 / 3 = 14 16+12+11 / 3 = 13 13,25 0,829 0,0626 Moyenne mobile 4 5+12+14+16+6 / 4 = 13,25 6+14+16+12+5,5 /4 = 13,375 13,3125 0,063 0,0047

Nous observons que le coefficient de variation de la srie brute est suprieur celui de la srie lisse MM3 qui lui-mme est suprieur celui de la srie MM4 ; nous retrouvons bien la mcanique du lissage qui crte les pics et les creux. 2. La dcomposition dune srie chronologique Lors de lanalyse dun historique, il est possible dobserver deux composantes fondamentales : - la tendance (Tt) est un mouvement lent seffectuant dans un sens dtermin durant plusieurs priodes, - la saisonnalit (St) correspond des variations seffectuant rgulirement au cours de la semaine, du mois, du trimestre

2.1. Lestimation de la tendance

Lorsque nous observons un graphe de srie chronologique, mentalement nous dduisons une tendance. Afin destimer la tendance, il est ncessaire de faire appel la statistique qui fournit un certain nombre doutil de calcul. Tendance par moyenne mobile Nous avons dfini prcdemment ce quest une moyenne mobile et son effet de lissage sur les courbes. En retenant un ordre de moyenne mobile lev, nous rduisons les fluctuations de la chronique (plus lordre est lev, plus les fluctuations de la courbe lisse sont amorties), ce qui permet de mettre en vidence les phnomnes de tendance. Les moyennes mobile prsentent deux dfauts en tant que technique pour la dtermination de la tendance. En premier lieu, elles conduisent une srie plus courte que la srie traite. En second lieu, aucun principe napparat naturellement pour lextrapolation dune tendance dtermine par moyenne mobile. Exemple destimation de la tendance partir de la moyenne mobile : Priode 1 2 3 4 5 6 Srie 100 110 105 102 98 MM 3 (Prvisions)

105=(100+110+105)/3 105,7=(110+105+102)/3 101,6=(105+102+98)/3

Tendance par moyenne mobile pondre La recherche de la tendance par calcul de la moyenne mobile pondre conduit accorder un poids diffrent aux n valeurs passes retenues. La somme des n valeurs doit tre au moins gale 1. Exemple destimation de tendance avec une moyenne mobile pondre sur trois priodes avec les coefficients suivants : 0,2, 0,3 et 0,5 Priode 1 2 3 4 5 6 Srie 100 110 105 102 98 MM 3 (Prvisions)

105,5=[(100*0,2)+(110*0,3)+(105*0,5)]/(0,2+0,3+0,5) 104,5=[(110*0,2)+(105*0,3)+(102*0,5)]/( 0,2+0,3+0,5) 100,6=[(105*0,2)+(102*0,3)+(98*0,5)/( 0,2+0,3+0,5)

Tendance par rgression

Le but, ici, est destimer la tendance laide dune droite estime par un ajustement des moindres carrs. Droite de rgression : y = ax + b avec :a = et b = n x ( x)
2

n xy x y

y a x n n

Exemple destimation de tendance avec le calcul dune droite de rgression :

Srie observe

X 1 2 3 3 5 6 7 28 (7*769)(28*163) (7*140)(28)
2

Y 10 12 20 28 30 28 35 163

X2 1 4 9 16 25 36 49 140

XY 10 24 60 112 150 168 245 769

a=

819 = 196 = 4,18

b = 163 a*28 = 7 7

6,57

Equation de la droite : y = 4,18 x + 6,57 Le tableur Excel fournit en partie les estimations de cette droite (fonction DROITEREG). Tendance par lissage exponentiel La mthode du lissage exponentiel repose sur lide de dpart que les informations contenues dans une srie chronologique ont dautant plus dimportance quelles sont plus rcentes. Pour effectuer une prvision, il faut donc affecter aux informations un poids dautant plus faible quelles proviennent dpoques plus loignes. On pose : Dt = demande constate pour la priode t Pt = prvision de la demande pour la priode t = constante de lissage comprise entre 0 et 1

10

La prvision pour la priode t+1 se calcule grce la formule suivante : Pt+1 = Dt + (1 - ) Pt Lorsque la constante de lissage est gale 0, la prvision pour la priode t+1 est gale la prvision pour la priode t. Lorsque la constante de lissage est gale 1, la prvision pour la priode t+1 est gale la demande de la priode t. La difficult rside ici dans la dtermination de la valeur de la premire prvision. En effet, on ne possde pas de prvision antrieure pour calculer la premire prvision. En gnral, on utilise la premire valeur de la demande constate pour initialiser le calcul. Exemple destimation de la tendance par lissage exponentiel :
Prvision P avec = 0,1 100 99 100 101 soit (0,1 * 100) + [( 1 - 0,1) * 100 ] soit (0,1 * 90) + [( 1 - 0,1) * 100 ] soit (0,1 * 105) + [( 1 - 0,1) * 99 ] soit (0,1 * 110) + [( 1 - 0,1) * 100 ]

Mois Janvier Fvrier Mars Avril Mai

Demande D 100 90 105 110 80

Remarque : pour lestimation de la tendance, les deux dernires mthodes sont les plus appropries.

2.2. Lanalyse de la saisonnalit

Nous allons maintenant aborder le problme de linterprtation dun historique de consommation ventuellement affect dun mouvement saisonnier. Lobjectif est dapprcier lvolution de la srie en faisant abstraction de ce mouvement saisonnier. 2.2.1. Principes gnraux 2.2.1.1. Le principe de la conservation des aires Lanalyse de saisonnalit a pour but une nouvelle rpartition du profil intra annuel de lhistorique, sans modifier le niveau atteint en cumul annuel : les moyennes annuelles de la srie brute et de la srie Corrige des Variations Saisonnires (CVS) doivent tre identiques. Ce principe de base est appel principe de conservation des aires. 2.2.1.2. Coefficients additifs ou multiplicatifs

11

Nous pouvons concevoir deux types de schma danalyse de saisonnalit. La dcomposition additive : xt = Tt + St Les coefficients saisonniers ( St ) sexpriment dans la mme unit que lhistorique des consommations (en unit, en francs, en tonnes,) et afin de respecter le principe de la conservation des aires, la moyenne des coefficients saisonniers doit tre nulles. La srie CVS est donne par : xt - St Par exemple, pour une srie de livraison dacier en milliers de tonnes, si le coefficient du mois daot est de 125, cela signifie quau mois daot, on livre en moyenne 125 milliers de tonnes dacier en moins que le mois moyen. La dcomposition multiplicative : xt = Tt * St Les coefficients saisonniers (St) sexpriment en pourcentage. Afin de respecter le principe de la conservation des aires, la moyenne des coefficients saisonniers calculs doit tre gale 1. Dans le cas du schma multiplicatif, la srie dsaisonnalise est donne par : xt/ St. Par exemple, si le coefficient du mois daot est de 0,82 en moyenne ; on livre 18% en moins en aot par rapport au mois moyen. Le choix du schma de dcomposition dpend de lhistorique. Si la tendance est peu marque, lun ou lautre des deux schmas de dcomposition restitue des rsultats quasiment identiques. En revanche, si la tendance est marque, il convient de retenir un schma multiplicatif dont les effets saisonniers sadaptent automatiquement ce sont des pourcentage au profil de lhistoire. Le seul effet pervers utiliser des coefficients saisonniers multiplicatifs est rencontr lorsque la srie des ventes est affecte par une saisonnalit trs marque ; dans certaine industrie, les ventes peuvent tre nulles certains mois de lanne. La division ou la multiplication par des valeurs trs faibles amplifie le mouvement saisonnier et peut engendrer une srie CVS comprenant des valeurs aberrantes. 2.2.1.3. Coefficients fixes ou glissants Un mouvement saisonnier est rptitif dune anne sur lautre, et doit se rpter lidentique. Il nous semble donc impropre de calculer des coefficients diffrents par annes. Cependant, dans certaines circonstances o une rflexion conomique laisse suggrer une volution des comportements, il peut tre intressant dintgrer une saisonnalit glissante. En calculant un coefficient pour chaque mois, le risque dincorporer une partie de bruit , dinformations non pertinentes dans la saisonnalit sintensifie. En effet, la distinction entre saisonnalit et rsidu sera plus difficile effectuer en labsence

12

dune contrainte de rigidit des coefficients saisonniers. Par exemple, si, pour des raisons climatiques, une anne a t particulirement propice la consommation, une saisonnalit glissante rpercutera cette saisonnalit lanne suivante sans aucune raison. Un autre lment mrite dtre soulign : la confusion quil peut exister entre la saisonnalit relle et une saisonnalit fictive cre par lentreprise. Il sagit des entreprises effectuant la mme priode de chaque anne des promotions ou bien des variation de tarif. Le calcul des coefficients saisonniers attribue la saisonnalit cette survente due la politique volontariste de lentreprise. Un problme surgit alors lorsque lentreprise modifie la date des promotions Dans ce cas, lutilisation des coefficients saisonniers glissants permet dintgrer plus rapidement cette modification. 2.2.2. Exemples de calcul Il nexiste pas de mthode parfaitement satisfaisante destimation des coefficients saisonniers. Quelle que soit la mthode retenue, le risque dincorporer dans la saisonnalit des fluctuations dues des valeurs erratiques ou des habitudes promotionnelles est toujours prsent. Les coefficients saisonniers sont lgrement diffrents selon la mthodologie suivie. A laide des deux exercices suivants, vous allez calculer selon les deux mthodes partir dun mme historique (il sagit des ventes dun produit festif, donc fortement saisonnier) le coefficient de variation saisonnire. Pour vous faciliter la tche, suivez une une les phases donnes avec lexercice. 2.2.2.1. Analyse de saisonnalit selon un schma additif et des coefficients fixes Phase 1 : Estimer la tendance par une moyenne mobile dordre 12 (MM12) Dans lexercice 5, on ne peut calculer les moyennes mobiles dordre 12 qu partir de juillet 1999 et seulement jusqu mars 2001. Attention, la moyenne mobile dordre 12 se calcule sur la base de 13 mois. Phase 2 : Calculer les carts la srie observe : et = xt MM12t Il sagit de lcart entre la demande et la moyenne mobile dordre 12 du mme mois de la mme anne. Phase 3 : Rassembler les carts relatifs aux mmes mois pour les diffrentes annes (certains coefficients sont calculs partir dune seule observation) et calculer la somme globale de ces carts. Phase 4 : Calculer les carts ou coefficients dfinitifs. Coefficient dfinitif de janvier = (moyenne des carts pour janvier somme des carts) / 12

13

Phase 5 : Calcul de la srie CVS La srie CVS est calcule par diffrence entre la srie brute et le coefficient saisonnier du mois considr.
La demande Corrige des Variations Saisonnire de janvier = demande de janvier coefficient dfinitif de janvier

2.2.2.3. Analyse de saisonnalit selon un schma multiplicatif et des coefficients glissants Phase 1 : Estimer la tendance par une moyenne mobile dordre 12 (MM12) Cette tape est identique celle du schma additif. Attention ! Les valeurs de la moyenne mobile dordre 12 sont ici identiques cause des valeurs de la demande. Cela ne sera pratiquement jamais le cas. Exemple :

mois

demande

mm12

janv-04 fvr-04 mars-04 avr-04 mai-04 juin-04 juil-04 aot-04 sept-04 oct-04 nov-04 dc-04 janv-05 fvr-05 mars-05 avr-05 mai-05 juin-05 juil-05 aot-05 sept-05 oct-05 nov-05 dc-05 janv-06 fvr-06 mars-06 avr-06 mai-06 juin-06 juil-06 aot-06

300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17

14

sept-06 moyenne cart type CV

340 335,45 22,58 0,067

Phase 2 : Calculer le rapport entre la srie observe et la moyenne mobile : rt = xt / MM12t Exemple :
Demande ( xt ) 300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 335,45 22,58 0,067 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 rapport entre srie et mm12 ( rt ) 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02

mois

mm12

janv-04 fvr-04 mars-04 avr-04 mai-04 juin-04 juil-04 aot-04 sept-04 oct-04 nov-04 dc-04 janv-05 fvr-05 mars-05 avr-05 mai-05 juin-05 juil-05 aot-05 sept-05 oct-05 nov-05 dc-05 janv-06 fvr-06 mars-06 avr-06 mai-06 juin-06 juil-06 aot-06 sept-06 moy ecart type CV

15

Phase 3 : Calculer la somme des coefficients ( R ) sur 12 mois en partant de la dernire observation. Rpter cette opration sur chaque anne entire. Exemple :
Demande ( xt ) 300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 335,45 22,58 0,067 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 rapport entre srie et mm12 ( rt ) 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 12,00 12,00

mois janv-04 fvr-04 mars-04 avr-04 mai-04 juin-04 juil-04 aot-04 sept-04 oct-04 nov-04 dc-04 janv-05 fvr-05 mars-05 avr-05 mai-05 juin-05 juil-05 aot-05 sept-05 oct-05 nov-05 dc-05 janv-06 fvr-06 mars-06 avr-06 mai-06 juin-06 juil-06 aot-06 sept-06 moy ecart type CV

mm12

(R)

16

Phase 4 : Normer les coefficients : coefficient norm = rt * 12 / R Exemple :

rapport entre srie et mm12 0,90 0,93 0,96 1,02 1,05 1,11 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02

mois

demande

mm12

coef. Norms

janv-04 fvr-04 mars-04 avr-04 mai-04 juin-04 juil-04 aot-04 sept-04 oct-04 nov-04 dc-04 janv-05 fvr-05 mars-05 avr-05 mai-05 juin-05 juil-05 aot-05 sept-05 oct-05 nov-05 dc-05 janv-06 fvr-06 mars-06 avr-06 mai-06 juin-06 juil-06 aot-06 sept-06 moy ecart type CV

300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 335,45 22,58 0,067

0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02

17

Phase 5 : Calculer la srie CVS ( xt / coefficient norm) Exemple :

rapport entre srie et mm12 0,90 0,93 0,96 1,02 1,05 1,11 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 Demande corrige des coef. Norms variations saisonnires (xt/Coef. Norm) 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 0,99 0,96 0,93 0,90 0,93 0,96 1,02 1,05 1,11 1,11 1,05 1,02 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 334,17 0,00 0,00 12,00 12,00

mois

demande

mm12

janv-04 fvr-04 mars-04 avr-04 mai-04 juin-04 juil-04 aot-04 sept-04 oct-04 nov-04 dc-04 janv-05 fvr-05 mars-05 avr-05 mai-05 juin-05 juil-05 aot-05 sept-05 oct-05 nov-05 dc-05 janv-06 fvr-06 mars-06 avr-06 mai-06 juin-06 juil-06 aot-06 sept-06 moyenne cart type CV

300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 330 320 310 300 310 320 340 350 370 370 350 340 335,45 22,58 0,067

A retenir : La dsaisonnalisation est une nouvelle rpartition des valeurs au sein de lanne. La saisonnalit est une constante cyclique qui se reproduit dune anne sur lautre.

18

Les coefficients saisonniers peuvent sexprimer dans la mme unit que lhistorique (schma additif) ou en pourcentage (schma multiplicatif). Le schma de dcomposition multiplicatif est toujours prfrable au schma additif avec une rserve en cas de saisonnalit trs marque ( ventes trs faibles certaines priodes).

19

3. 3. Le Modle de Hot-Winters ( Tendance + Saisonnalit )

Le modle de Hot-Winters prsente lavantage dintgrer une composante saisonnire et donc de raliser le calcul de la prvision en un seul traitement. Cest ce modle qui est employ le plus couramment dans les progiciels de prvisions de ventes. Trois lissages distinctifs sont effectus : le lissage de la moyenne avec un coefficient de lissage [ 0 ; 1 ] ; le lissage de la tendance avec un coefficient de lissage [ 0 ; 1 ] ; le lissage de la saisonnalit avec un coefficient de lissage [ 0 ; 1 ]

Formulation : Lissage de la moyenne : Ft = (xt / St-12) + ( 1-) ( F t -1+ T t-1) On utilise St-12 car St nest pas encore connue. Lissage de la tendance : Tt = ( Ft Ft-1 ) + ( 1 -) Tt-1 Lissage de la saisonnalit : St = ( xt / Ft) + ( 1 - ) S t 12 Prvisions un horizon de h priodes : avec Ft = moyenne lisse de la srie en t xt = valeur observe de la srie en t St = coefficient saisonnier en t P = priodicit des donnes ( p = 12 en mensuel, p = 4 en trimestriel) Tt = tendance estime en t.

x = prvision pour lhorizon t+h priodes

t+h

x = (F + h * T ) S
t+h t t

t-12

Initialisation ( pour la premire anne, t = 1, p) initialisation de la saisonnalit : les coefficients saisonniers pour la premire anne sont estims par la valeur observe en t(xt) divise par la moyenne x des 12 premires observations de la premire anne. Soit : St = xt / x , pour t= 1, 12 initialisation de la moyenne lisse : F12= x initialisation de la tendance : T12 = 0

20

Le tableau suivant illustre un calcul de prvision laide du modle de Holt-Winters.

= 0,3 Dates Ventes = 0,1 Ft = 0,2 Tt St Xt+ h h

Xt

Ft = ( xt/ St-12) + Tt = ( Ft - Ft-1) + ( St = ( Xt / Ft) + ( [( 1 - ) ( Ft-1 + Tt-1)] 1 - ) * Tt-1 1 - ) * S t-12 0,8354 0,8654 0,8953 0,9252 0,9551 0,9850 1,0150 1,0449 1,0748 1,1047 1,1346 1,1646 0,8738 0,8852 0,9034 0,9252 0,9490 0,9739 0,9996 1,0258 1,0522 1,0787 1,1053 1,1320 0,8847 0,8929 0,9084 0,9282 0,9505 0,9744 0,9992 1,0187 1,0399 1,0623 1,0854 1,1089

Xt+ h = ( Ft + (h*Tt)) * St-12

janv-05 fvr-05 mars-05 avr-05 mai-05 juin-05 juil-05 aot-05 sept-05 oct-05 nov-05 dc-05 janv-06 fvr-06 mars-06 avr-06 mai-06 juin-06 juil-06 aot-06 sept-06 oct-06 nov-06 dc-06 janv-07 fvr-07 mars-07 avr-07 mai-07 juin-07 juil-07 aot-07 sept-07 oct-07 nov-07 dc-07 janv-08 fvr-08 mars-08 avr-08 mai-08 juin-08 juil-08 aot-08 sept-08 oct-08 nov-08 dc-08

604 625,63 647,26 668,89 690,52 712,15 733,78 755,41 777,04 798,67 820,3 841,93 823,61 805,29 786,97 768,65 750,33 732,01 713,69 695,37 677,05 658,73 640,41 622,09 603,77 619,2 634,63 650,06 665,49 680,92 696,35 682,03 667,71 653,39 639,07 624,75

722,965 801,824 834,930 840,870 830,873 811,711 787,459 760,561 732,476 704,069 675,843 648,090 620,968 650,213 670,372 683,428 691,354 695,725 697,697 698,084 688,745 673,714 655,455 635,474 614,684

0 -7,886 -10,408 -9,961 -7,965 -5,253 -2,302 0,618 3,365 5,869 8,105 10,069 11,775 7,673 4,890 3,095 1,993 1,356 1,024 0,883 1,728 3,059 4,579 6,119 7,586

625,630 710,802 762,851 793,620 810,598 818,523 820,393 818,112 812,894 805,519 796,492 575,095 560,100 594,339 624,742 651,493 675,285 696,832 716,727 735,426 744,819 748,061 747,160 567,649 555,618 562,391 579,082 598,716 620,301 643,266 667,263 687,978 710,240 733,589 757,750 782,551

1 2 3 4 5 6 7 8 9 10 11 12

Exemples de calcul : 21

Initialisation : X = 722,965 pour la premire annes La saisonnalit S avril 05 = 668,89 / 722,965 = 0,9252 La moyenne F dcembre 05 = 722,965 La Tendance T dcembre 05 = 0 Ici, en rgime permanent, lhorizon h est choisi gal 1, de janvier 2006 janvier 2008. F septembre 06 = [0,3 * ( 677,05 / 1,0748)] + [0,7 * (732,476 + 3,365) ] = 704,069 T septembre 06 = [0,1 *(732,476 704,069)] + ( 0,9 * 3,365) = 5,869 S septembre 06 = [0,2 * (677,05 / 704,069)] + ( 0,8 * 1,0748) = 1,0522

septembre 06

= (732,476 + 3,365) * 1,1047 = 812,894

(calcule en Aot 06 avec h = 1) La prvision pour septembre 2008 (horizon h = 9), calcule en dcembre 2007 , est gale :

septembre 07

= [(614,684 + (9 * 7,586)] * 1,0399 = 710,240

A retenir Le lissage exponentiel est une moyenne qui pondre de manire dcroissante linformation passe. La prvision calcule est sensible aux valeurs des coefficients de lissage. Le lissage exponentiel simple et double ( modle de Holt) ne peut tre utilis que pour des sries CVS, en revanche, le modle de Holt-Winters traite simultanment la valeur moyenne, la tendance et la saisonnalit.

22