Vous êtes sur la page 1sur 75

C.

SADFI
Dpartement Gnie Industriel
cole Nationale dIngnieurs de Tunis
sadficherif@gmail.com

Enseignement
Gestion industrielle
Recherche oprationnelle et optimisation

Recherche
Problmes dordonnancement (scheduling problems)
Problmes de placement et de dcoupe (bin packing problems)
1
Management des oprations II
(30h cours, 15h TD)

2
Plan du cours
I Introduction la planification
II Prvision de la demande
III Techniques de prvision
Techniques qualitatives, techniques quantitatives

V Gestion des stocks


Quantit conomique de commande
Gestion calendaire
Gestion point de commande

VI Ordonnancement
Ordonnancement de la production
Ordonnancement de projets
3
C. Sadfi - Management des oprations II - 4

Introduction la planification
C. Sadfi - Management des oprations II - 5

La planification

La planification des oprations consiste dfinir, en fonction des


dlais et des priorits, les dates de dbut des oprations dun ordre
(OT = Ordre de Travail , OF = Ordre de Fabrication, OM = Ordre de
Maintenance, OA = Ordre dAchat ....), afin que celles-ci soit
termines dans les dlais prvus

Elle se traduit par un plan rpondant de faon dtaille et


concrte aux principaux aspects oprationnels du type
QQOQCC : qui, quoi, o, quand, comment, combien

Parmi les outils de la planification, on trouve la prvision


C. Sadfi - Management des oprations II - 6

La planification
Une situation confortable pour le responsable de production serait
de travailler en permanence sur des informations sres et fiables
Les fournisseurs eux aussi ont leurs contraintes en termes de dlai
et de volume qui vont conditionner les approvisionnements

deux causes principales contraignent les entreprises travailler de


manire prvisionnelle

La disproportion existante entre dlai acceptable par le client


pour obtenir le produit et le dlai ncessaire pour le fabriquer
Les capacits dadaptation rduites de lentreprise vis vis des
variations du march lobligeant lisser sa charge de travail pour
compenser
C. Sadfi - Management des oprations II - 7

La planification
Mettre en place un systme hirarchique de planification
prvisionnelle, bas le plus souvent sur le dcoupage long terme,
moyen terme et court terme suivant des niveaux dagrgation de plus
en plus fins
Moyens de
Terme Horizon Priode Produit
production

Long >= 2 ans 6 mois Type de produit Entreprise/Usine


6 mois 1 an
Moyen mois Famille de produit Usine/Atelier
(>> cycle logistique)
1 semaine
Court jour Article par article Atelier/Machine
(> cycle de production)

Chacun de ces horizons fournira un chancier spcifique,


lensemble de ces chanciers prsentent une caractristique
commune : ils sont le rsultat dun compromis entre les souhaits du
service commercial, face aux contraintes de production et
dapprovisionnement
C. Sadfi - Management des oprations II - 8

La planification
Le plan stratgique de lentreprise : il prcise sur quelques
annes les grandes orientations et les objectifs de lentreprise
(cration dunits de production, rachat de concurrents, etc.)

Le plan industriel et commercial (PIC) : il considre des familles


de produits. Il cherche tablir un quilibre global entre les
besoins exigs par les fabrications prvues et les ressources
(spcifie les prvisions de ventes et les niveaux des stocks par
famille de produit)

Le plan directeur de production (PDP) : il donne un chancier


rfrence par rfrence sur un horizon de quelques cycles
industriels (il est labor partir de lexistant et des diffrents
plans de prvision)
C. Sadfi - Management des oprations II - 9

La planification
Le stade suivant sera de considrer plus de dtails sur les moyens
de production pour vrifier si lchancier de dpart est ralisable.

Lorsque cette vrification aboutit la dtection dimpossibilit parce


que certains besoins excdent les capacits, un compromis doit
tre trouv :
soit en revoyant la baisse les prvisions commerciales, ou
en acceptant des retards de livraison

soit en augmentant les capacits des ressources critiques, par


exemple en faisant appel la sous-traitance
March,
C. Sadfi - Management de oprations II - Recherche
Conception des 10 et
demande dveloppement
produit

Prvision de la demande Conception et


planification des
processus LONG TERME

Plan stratgique
de lentreprise

Planification agrge de
la production Capacits agrges

Plan industriel et
commercial
Production MOYEN TERME

Planning plus dtaill de production Capacits relles dtailles


Commandes fermes et calcul des besoins

Commandes en retard

Plan Directeur de
Production

Ordonnancement Capacits relles


dtailles

COURT TERME
Produits/Services
C. Sadfi - Management des oprations II - 11

Prvision de la demande
C. Sadfi - Management des oprations II - 12

Prvision de la demande

Dans la gestion de la production, la prvision peut tre dfinie


comme lestimation des futurs vnements en traitant dune manire
systmatique et prdtermine des donnes relatives au pass

La prvision de la demande permet lentreprise de se prparer


lavance en adaptant ses capacits de production aux charges
prvisionnelles et en lanant les approvisionnements tout en tenant
compte de la disponibilit de la matire premire et des dlais de ses
fournisseurs. Ceci permet lentreprise de bien ragir face aux alas
de la demande, et par consquent de bien se positionner par rapport
la concurrence
C. Sadfi - Management des oprations II - 13

Prvision de la demande

Une prvision se caractrise par trois lments temporels :

priodicit de rvision (ou mise jour)

temps
priode lmentaire

horizon couvert
C. Sadfi - Management des oprations II - 14

Prvision de la demande
Le degr dagrgation de la demande est le degr de regroupement
(contraire du degr de dtail ou de finesse) de lunit de description de
la demande

Exemple : fabriquant darticles dhabillement


Prvision agrge : nombre total darticles (sans prciser les
spcifications)
Prvision fine (non agrge) : nombre darticles par tissu, par
coloris, par taille, etc.

Le degr dagrgation de la demande varie selon le niveau dcisionnel


(long, moyen ou court terme)
C. Sadfi - Management des oprations II - 15

Prvision de la demande
Exemple dutilisation de la prvision de la demande

Utilisation Horizon Agrgation


Conception et construction Long terme >= 2 ans Par Type de
dune usine. produit
Conception dun nouveau Par grandes
produit. familles de
produits
Planification de la capacit. Moyen terme (6 mois 1 an) Par familles
Prparation dun PDP. de produits

Approvisionnement en Court terme cycle de Par rfrence


matires premires et en production
produits finis.
Ordonnancement.
C. Sadfi - Management des oprations II - 16

Prvision de la demande
Lanalyse de lhistorique de la demande (appel galement srie
temporelle ou srie chronologique, ou encore chronique) est
indispensable avant la conception et la mise en place dun systme de
prvision
Demande

Saisonnalit

Tendance linaire

Constante

Temps

Une demande est dite "stable" si elle maintient la mme allure dans le temps

Facile prvoir
C. Sadfi - Management des oprations II - 17

Prvision de la demande
Des demandes sont dites "dpendantes" lorsque les produits quelles
reprsentent sont lis de point de vue fonctionnel ou usage

dpendance verticale et dpendance horizontale


(une dpendance verticale gnralement lie la demande dun produit
avec celle de ses composants, une dpendance horizontale lie les
demandes de deux produits de mme nature ou usage)

Demandes indpendantes : absence de lien fonctionnel ou dusage


entre les diffrents produits

Les demandes indpendantes ne peuvent tre questimes par des


prvisions. Les demandes dpendantes, au contraire, peuvent tre
calcules
C. Sadfi - Management des oprations II - 18

Mise en place dun systme de prvision


Phase 1 : initiation
Dtermination de lutilisation des prvisions (objectifs atteindre ?)
Choix des articles, sujets de prvision, avec le degr dagrgation
appropri
Dtermination de lhorizon des prvisions selon le niveau dcisionnel
considr
Phase 2 : conception
Collecte des donnes ncessaires (sries chronologiques)
Traitement et redressement des donnes selon le degr dagrgation et la
longueur de lhorizon choisis
Choix pralable de techniques et de modles de prvision (techniques
quantitatives ou qualitatives)

Phase 3 : implmentation
Validation et choix dfinitif du modle de prvision
Calcul des prvisions
Mise en place dun systme de mise jour priodique
C. Sadfi - Management des oprations II - 19

Sources dinformation

Approvisionnement Dans quelle situation un systme de


prvision est indispensable ?
Prparation
Cycle logistique Fabrication

Assemblage

1 2 3 4 5

Le cycle logistique est dfini comme le "cycle de production " augment


du dlai moyen dapprovisionnement ; le cycle de production tant
lintervalle de temps sparant les dates de dbut et de fin de fabrication
dun lot de production (ou la dure moyenne dexcution dune
commande). Dans le cas o lentreprise devrait se charger de la
livraison aux clients, le cycle logistique doit inclure le dlai de livraison
moyen
C. Sadfi - Management des oprations II - 20

Logistique

La logistique reprsente lensemble des oprations qui permettent de


mettre disposition la bonne quantit de produits au bon moment
moindre cot l o une demande existe

La fonction logistique gre les flux physiques et doit par consquent


valuer les flux dinformations associs
C. Sadfi - Management des oprations II - 21

Sources dinformation
Les besoins dune entreprise en prvision diffrent selon la nature des ses
activits. Les sources dinformation, utilises des fins de prvision et de
planification de la production, diffrent galement dune entreprise une autre

Cas de la fabrication la commande


Le carnet de commandes ne couvre quune partie du cycle de production.
Dans ce cas Prvision
Certaines entreprises optent pour la rduction du cycle de production afin
daugmenter sa flexibilit et amliorer sa ractivit
Dans certains secteurs les produits sont partiellement personnaliss ou
"sur mesure". On observe de plus en plus lorientation vers une production
diversifie en utilisant des composants standardiss. On appelle ce mode
de production "la production modulaire" ou "lassemblage la commande"

Cas de la fabrication pour stock


Les donnes du pass sont utilises pour anticiper la production

Redressement des donnes


C. Sadfi - Management des oprations II - 22

Classification des articles


Un grand nombre darticles (o rfrences) dont les demandes doivent
tre prvues un volume important de donnes doit tre collect, trait
et mmoris
Il est difficile de concevoir un systme de prvision traitant chaque
rfrence (ou mme chaque produit) de faon individuelle

classifier et regrouper les articles en familles (et choisir les


produits les plus importants)

La mthode ABC (ou loi Pareto ou mthode des 80-20)

Environ 80% du phnomne tudi est caus par 20% des


causes possibles
C. Sadfi - Management des oprations II - 23

Classification des articles


La classification se fait selon un critre bien dfini (exemple :
contribution de chaque article au chiffre daffaire de lentreprise)

Principe
Classer les articles dans lordre dcroissant des ventes
Calculer le pourcentage des ventes de chaque article par rapport
au total des ventes
Calculer le pourcentage cumul de chaque article, en commenant
par le premier sur la liste
Tracer la courbe de Pareto : pourcentage cumul des ventes en
fonction du pourcentage cumul darticles
C. Sadfi - Management des oprations II - 24

Classification des articles


Pourcentage cumul des ventes
100%
95%
80%

Classe A Classe B Classe C

20% 50% 100%

Pourcentage cumul des articles

Classe A : contient 20% des articles constituant la majorit du chiffre daffaire (80%)
Classe B : contient 30% des articles constituant 15% du chiffre daffaire (CA)
Classe C : contient un grand nombre darticles (50%) ne reprsentant que 5% du CA
C. Sadfi - Management des oprations II - 25

Classification des articles

Les critres possibles pour le classement :

valeur du stock
consommation annuelle
espace consomm
heures de manutention

Possibilit dtablir plusieurs classements

Comment choisir le ou les bons critres ?


connaissance de lentreprise, bon sens
C. Sadfi - Management des oprations II - 26

Mthode ABC : exemple


Exemple
Considrons une entreprise grant 10 pices codes de A J. Leurs
valeurs sont donnes sur le tableau ci-dessous. Sur une priode fixe, on
a relev pour chacune des pices le nombre de fois o elle est sortie du
stock.
Code pice Valeur de la pice Nombre de sorties Valeur d'usage
A 200 80 16000
B 1 400 400
C 50 200 10000
D 100 60 6000
E 2 450 900
F 8 300 2400
G 3 500 1500
H 180 300 54000
I 4 450 1800
J 150 180 27000
Total 120000 26
C. Sadfi - Management des oprations II - 27

Mthode ABC : exemple


Exemple
On classe ensuite les pices par valeur dusage dcroissante et on
dresse la table des pourcentages cumuls

Code pice Valeur d'usage % cumul


H 54000 45
J 27000 67,5
A 16000 80,83333333
C 10000 89,16666667
D 6000 94,16666667
F 2400 96,16666667
I 1800 97,66666667
G 1500 98,91666667
E 900 99,66666667
B 400 100
27
C. Sadfi - Management des oprations II - 28

Mthode ABC : exemple


Exemple

120

100

80

60

40

20

0
H J A C D F I G E B

Dans de nombreux cas, 80% environ de la valeur dusage est d 15


25% des rfrences. A linverse, moins de 5% de la valeur est d
aux nombreuses petites pices de faible cot (visseries, connecteurs,
etc.)
28
C. Sadfi - Management des oprations II - 29

Qualit dune prvision


Le systme de prvision ne doit pas tre sensible aux alas, sinon les
prvisions seront considres comme disperses
Trois mesures sont gnralement utilises pour lvaluation et le
contrle de la qualit dune prvision :

cart (algbrique) Moyen (EM)


cart Absolu Moyen (EAM)
Carr Moyen des carts (CME)

Soient Pt la prvision de la demande de la priode t ; Dt la


demande relle la priode t ; et n la fin de la priode actuelle. On
peut alors considrer que lhistorique de la demande comprend n
priodes (t = 1, ..., n). La diffrence algbrique : t = PtDt
reprsente lerreur algbrique entre la prvision et lobservation
relle.
C. Sadfi - Management des oprations II - 30

Qualit dune prvision


cart Moyen
Dt
t > 0
n t< 0
t Pt
EMn t 1
n

cart Absolu Moyen


n
t
EAMn t 1
n

Carr Moyen des carts


t
n

2

CME n t 1
n
C. Sadfi - Management des oprations II - 31

Qualit dune prvision


n
t
cart Moyen : EMn t 1
n
Si le systme de prvision est bien adapt la structure de la demande, les
variations alatoires seront les seules causes derreur. Par consquent, les
erreurs et doivent se compenser. Dans la pratique, on espre avoir EMn 0.
Le EM met sous contrle le centrage de la loi derreur
n
t
cart Absolu Moyen : EAMn t 1
n
EAMn 0 et doit tre le plus proche possible de 0. On note galement que
EAMn doit tre constant n, sinon, on peut conclure que la structure de la
demande a chang
t
n

2

Carr Moyen des carts : CME n t 1


n
Le CME est prfr EAM si on veut privilgier un systme de prvision
qui fait des faibles erreurs (mme si elles sont frquentes) par rapport un
autre faisant des erreurs plus larges (mme si elles sont peu frquentes)
C. Sadfi - Management des oprations II - 32

Mthodes de prvision de la demande

Il existe une relation de causalit entre la demande future du produit tudi


et un certain rfrentiel

Informations certaines / subjectives / qualitatives / quantitatives

Mthodes de prvision qualitatives / quantitatives


C. Sadfi - Management des oprations II - 33

Mthodes qualitatives

Cadre dapplication :

planification stratgique, prise de dcision concernant les


grands investissements (tel que le lancement dun nouveau
produit) et les projets de rnovation

Mthodes bases essentiellement sur lintuition et lexprience


personnelle du dcideur :
la technique de groupe nominal
le traitement des prvisions de rseau de distribution
les tudes de march
la mthode de Delphes (ou mthode Delphi)
C. Sadfi - Management des oprations II - 34

Mthodes qualitatives
Technique du groupe nominal
Constituer un panel dexperts pour travailler ensemble dans le
cadre dune runion dirige par un coordinateur : donner des ides,
les discuter et les classer selon des priorits afin darriver un
consensus :
lidentification des questions
le brainstorming ou la cration dides
les discussions

Traitement des prvisions du rseau de distribution


Dterminer les prvisions/estimations de la demande globale
partir des ventes de chaque distributeur appartenant un rseau
de distribution.
C. Sadfi - Management des oprations II - 35

Mthodes qualitatives

tude de march

Donnes auprs des clients actuels ou potentiels


concernant leurs futurs plans dachat
Statistiques publiques sur les activits des concurrents et
des consommateurs dune faon gnrale

Une ide sur le march futur


(phase de cration dune nouvelle entreprise, lancement dun
nouveau produit, processus damlioration des produits existants)
C. Sadfi - Management des oprations II - 36

Mthodes qualitatives
Expert 3
La mthode de Delphes (ou mthode Delphi)
Expert 1 Coordinateur Expert 2

Un coordinateur pose une question, par crit, chaque expert du panel


Chaque expert met brivement, par crit, sa prdiction
Le coordinateur regroupe les rponses et les rsume
le coordinateur pose un nouvel ensemble de questions et les envoie aux
experts. Les rponses sont mises encore par crit
Le coordinateur dite et rsume les nouvelles rponses, et rpte le
processus jusqu ce quil arrive des prdictions synthtises
satisfaisantes ou une conclusion de divergence

panel dexperts pas ncessairement de la mme organisation


absence de confrontation personnelle
absence de conflits, de dominance ou dinfluence entre les
membres du panel
C. Sadfi - Management des oprations II - 37

Mthodes quantitatives
Utilises dans les cas suivants :
il existe une information sur le pass
cette information est quantifie sous forme de donnes
on admet que le futur est la consquence du pass (assumption of
consistency)

reposent sur lextrapolation de la demande dans le temps en utilisant


les donnes des consommations passes

Parmi les mthodes quantitatives, on distingue :

les mthodes auto projectives : les prvisions sont ralises sur


les valeurs passes de la variable prvoir et/ou des erreurs de
prvision sur le pass
les mthodes explicatives : on part du principe que la variable
prvoir est en relation avec dautres variables observables
C. Sadfi - Management des oprations II - 38

Mthodes quantitatives

Les mthodes causales


variables exognes

Demande dune priode n > m : D = f (y1, y2, y3, .... ym)


variable explique variables explicatives

Les techniques de rgression ou les modles


conomtriques

Exemples
la vente de couches 3-6 mois du mois de dcembre dpend des
naissances des mois de juillet septembre
la vente de pneus aux particuliers est corrle aux ventes de
vhicules neufs effectus durant les annes prcdentes
C. Sadfi - Management des oprations II - 39

Mthodes quantitatives
Les mthodes dextrapolation statistique
Lorsque lon dispose de donnes sur les ventes du pass, on peut
chercher extrapoler ce pass pour prvoir le futur. On utilise les
informations classes par dates dobservations croissantes et on
parle alors danalyse de sries chronologiques (ou temporelles)
Une srie chronologique : suite dobservations dans le temps
prises intervalles rguliers
Lanalyse des sries chronologiques permet didentifier le
comportement sous-jacent lvolution des activits de lentreprise sur
une priode clairement identifie

hypothse
fondamentale
les facteurs qui ont influenc la demande passe restent
valables dans lavenir
une mthode dextrapolation statistique doit tre applique sur
un horizon assez court : dune anne ou deux ; avec des mises
jour priodiques
C. Sadfi - Management des oprations II - 40

Mthodes quantitatives

Dcomposition dune srie : toute srie peut se dcomposer en 3


composantes :

une composante tendancielle (tendance, trend): Tt


Ti = At + B ou Ti = At2 + B

une composante cyclique (cycle ou saisonnalit): Ct

Ct+L = Ct (L : longueur du cycle)

une composante alatoire ou rsiduelle: t


C. Sadfi - Management des oprations II - 41

Mthodes quantitatives
Composante tendancielle :
elle est de nature dterministe et ne dpend que du temps ;
elle dsigne un mouvement de donnes graduel et long
terme vers le haut ou vers le bas ; elle explique la tendance de
fond

variation irrgulire

tendance
C. Sadfi - Management des oprations II - 42

Mthodes quantitatives
Composante cyclique (cycle ou saisonnalit) :

cette composante est caractrise par sa priodicit ; elle


dsigne la fluctuation de la demande qui se rpte dune faon
cyclique et est explique par des facteurs environnementaux

cycle

Composante alatoire :

il sagit dun processus purement alatoire exprimant les


variations de la demande non expliques par la dcomposition
au niveau de base, tendance et saisonnalit
C. Sadfi - Management des oprations II - 43

Typologie de la demande

Demande purement alatoire

D t= t
Il est impossible de faire des prvisions
C. Sadfi - Management des oprations II - 44

Typologie de la demande

Demande stationnaire

Dt=B+ t
La demande reste stable autour dune valeur moyenne
Cas des produits de forte consommation
C. Sadfi - Management des oprations II - 45

Typologie de la demande

Demande tendancielle

Dt=At+B+ t
La demande prsente une croissance (ou une dcroissance)
remarquable sur un laps de temps
C. Sadfi - Management des oprations II - 46

Typologie de la demande

Demande saisonnalise additive

Dt=At+B +Ct + t
La demande prsente des fluctuations saisonnires avec des
variations damplitude stable
C. Sadfi - Management des oprations II - 47

Typologie de la demande

Demande saisonnalise multiplicative

Dt=(At+B).Ct. t
Dans ce cas les diffrences damplitude sont de plus en plus
marques
C. Sadfi - Management des oprations II - 48

Mthodes quantitatives

Exemple : historique des ventes de glacires

mois t janvier fvrier mars avril mai juin


Dt relle 200 300 200 400 500 600

Moyenne simple
La mthode de la moyenne simple repose sur lusage de la
moyenne des consommations antrieures
Ce modle peut tre utilis dans le cas dune demande
stationnaire (var(Dt) = cte)
n

Dt
1
Pn1
n t 1
C. Sadfi - Management des oprations II - 49

Mthodes quantitatives
Moyenne mobile simple
La mthode de la moyenne mobile simple repose sur lusage de la
moyenne des consommations antrieures pour un nombre de
priodes donnes
Ce modle est applicable au cas dune demande stationnaire
Lestimation de la demande de la priode n+1 tient compte
uniquement des T donnes les plus rcentes : Dn-T+1, Dn-T+2, ...., Dn

T 1

Dnt
1
Pn1
T t 0

Son avantage est quelle attnue suffisamment les fluctuations de


la demande tout en prservant son allure gnrale
Elle pend uniquement en compte les consommations ou les ventes
relles des priodes antrieures
Le choix du nombre de priode dpend de lallure de la demande
(courbe des ventes ou des consommations)
C. Sadfi - Management des oprations II - 50

Mthodes quantitatives
Lissage exponentiel simple (Brown)
Ce modle peut tre utilis dans le cas dune demande
stationnaire
A la fin de la priode n, on dispose de deux estimations de la
demande ; la premire est la prvision de la demande Pn, la
seconde est la demande relle constate la fin de la priode Dn

La prvision de la demande pour la priode n+1 doit tre entre les


deux. Dans ce cas Pn+1, est dite valeur lisse de la demande

est dite constante de lissage, ]0,1[


Le choix de la valeur de se fait dune faon :
exprimentale : on calcule lerreur pour diffrentes valeurs de ;
on choisit celle qui minimise lerreur
thorique : on dtermine la valeur de qui minimise lerreur en
utilisant la programmation mathmatique
C. Sadfi - Management des oprations II - 51

Mthodes quantitatives

Lissage exponentiel simple (Brown)

en remplaant de proche en proche Pi par Di-1 + (1- )Pi-1

Les poids des demandes passes varient dune faon


exponentielle : , (1-), ....,(1-)n-1
C. Sadfi - Management des oprations II - 52

Mthodes quantitatives

Lissage exponentiel simple (Brown)


C. Sadfi - Management des oprations II - 53

Mthodes quantitatives

Lissage exponentiel simple : choix de

Dans la pratique, on cherche le paramtre qui minimise le carr


moyen des erreurs ou lcart absolu moyen, on peut utiliser
lapproche exprimentale suivante :
faire varier de 0,1 0,5 par incrment de 0,05 (par exemple)
pour chaque valeur de , calculer le carr moyen des erreurs
ou lcart absolu moyen
retenir la valeur de qui minimise lerreur

Dans la pratique, le coefficient est proche de 1 lorsque la


demande est trs fluctuante. Cependant, pour une demande stable
et qui ne prsente pas de variation cyclique significative, ce
coefficient est plus proche de 0
C. Sadfi - Management des oprations II - 54

Mthodes quantitatives
Exemple 1
= 0,2 = 0,4
mois demande Prvision cart absolu prvision cart absolu
0 510 510 510
1 524 510 14 510 14
2 539 512,8 26,2 515,6 23,4
3 514 518,04 4,04 524,96 10,96
4 505 517,23 12,23 520,58 15,58
5 568 514,79 53,21 514,35 53,65
6 567 525,43 41,57 535,81 31,19
7 533 533,74 0,74 548,28 15,28
8 567 533,59 33,41 542,17 24,83
9 535 540,28 5,28 552,1 17,1
EAM 21,19 22,89

Choix de P1 :

n 1
Dt
P1 D0 ou P1
t 0
n
C. Sadfi - Management des oprations II - 55

Mthodes quantitatives
Exemple 2
On dispose dun historique des demandes passes dun dtergent.
Trouver un bon modle de prvision de la demande de ce produit.
Utiliser le modle slectionn pour tablir la prvision de la
demande du trimestre 9.

Trimestre t Demande D
0
250
1 180
200
2 168
3 159 150

4 175 100

5 190 50
6 205
0
7 180 0 2 4 6 8 10

8 182
9 ?
C. Sadfi - Management des oprations II - 56

Mthodes quantitatives

Exemple 2

On se propose de slectionner le meilleur modle de prvision parmi :


le modle du lissage exponentiel simple avec =0,1 et D0=175
le modle du lissage exponentiel simple avec =0,5 et D0=175
le modle de la moyenne mobile simple avec T=3
le modle de la moyenne mobile simple avec T=5

Le choix de lun de ces modles sera bas sur le calcul de


lcart absolu moyen
C. Sadfi - Management des oprations II - 57

Mthodes quantitatives

Exemple 2

= 0,1 = 0,5
Trimestre t Demande Dt Pt |Pt-Dt| Pt |Pt-Dt|
0
1 180 175 5 175 5
2 168 176 8 178 10
3 159 175 16 173 14
4 175 173 2 166 9
5 190 173 17 170 20
6 205 175 30 180 25
7 180 178 2 193 13
8 182 178 4 186 4
9 ? 179 184
EAM8 10,5 EAM8 12,5
C. Sadfi - Management des oprations II - 58

Mthodes quantitatives

Exemple 2

T=3 T=5
Trimestre t Demande Dt Pt |Pt-Dt| Pt |Pt-Dt|
1 180 - - - -
2 168 - - - -
3 159 - - - -
4 175 169 6 - -
5 190 167 23 - -
6 205 175 30 174 31
7 180 190 10 179 1
8 182 192 10 182 0
9 ? 189 - 186 -
EAM5 15,8 EAM3 10,6
C. Sadfi - Management des oprations II - 59

Mthodes quantitatives

Lissage exponentiel double (Holt)

Modle utilis dans le cas de sries caractrises par une


volution tendancielle en absence de saisonnalit

Considrons une demande tendancielle :

avec

Lutilisation du lissage exponentiel simple dans le cas dexistence


dune tendance linaire gnre une prvision dcale par rapport
la demande relle. Cet cart nest pas stable, il saccrot
progressivement pour tendre assez rapidement (selon la valeur de
) vers une valeur limite qui est gale
C. Sadfi - Management des oprations II - 60

Mthodes quantitatives

Lissage exponentiel double (Holt)

A la fin de la priode n, on peut estimer :

le niveau moyen de la demande la fin de priode n, qui sera


not par Sn
laccroissement moyen de la demande (la pente) An en
sappuyant sur la diffrence entre lestimation du niveau
moyen de la demande la fin de la priode n et celle
effectue la fin de la priode (n-1)

Pn+1= Sn + An
C. Sadfi - Management des oprations II - 61

Mthodes quantitatives
Lissage exponentiel double (Holt)
Le niveau moyen de la demande la fin de priode n peut tre
exprim soit par : la demande observe la fin de la priode n ;
soit par lestimation du niveau moyen de la demande faite la
priode (n-1) corrige par la tendance :

Sn Dn (1 )( Sn1 An1 ) avec 0,1


Laccroissement moyen de la demande peut tre exprim soit
par : la diffrence entre le niveau moyen de la demande la fin
de la priode n et celui estim la fin de la priode (n-1) ; soit par
lestimation de cet accroissement effectue la fin de la priode
(n-1) :

An (Sn Sn1 ) (1 ) An1 avec 0,1


C. Sadfi - Management des oprations II - 62

Mthodes quantitatives

Lissage exponentiel double (Holt)

Pn+ tant la prvision de la demande de la priode n+ effectue


la fin de la priode n :

Pn Sn An

Pour linitialisation, on peut prendre S0=D0 et A0=D1-D0


C. Sadfi - Management des oprations II - 63

Mthodes quantitatives

Lissage exponentiel double (Holt) : exemple

Le tableau suivant reprsente lhistorique des ventes dun produit


dont la demande est en baisse.

mois ventes
janvier 890000
fvrier 800000
mars 825000

Sachant que le niveau moyen de la demande la fin mois de


dcembre est de 900000 et laccroissement moyen observ est
de -50000, dterminer les prvisions des ventes pour les mois
de janvier, fvrier, mars et avril en utilisant le lissage exponentiel
double de paramtres = 0,1 et = 0,2.
C. Sadfi - Management des oprations II - 64

Mthodes quantitatives

Prise en compte de la saisonnalit

Prsence dune saisonnalit sur un cycle de longueur L


L : nombre de priodes conscutives dun cycle (saisonnalit
mensuelle sur un cycle dune anne : L = 12)
La saisonnalit doit tre confirme analytiquement : il faut disposer
dun historique dau moins 2L (2 ans si le cycle est une anne)
On dsigne par :
p : nombre de cycles de lhistorique
L : nombre de priodes conscutives dun cycle
Dn,k : demande de la priode n (n = 1, ...., L) du cycle k de
lhistorique (k = 1,..., p)
C. Sadfi - Management des oprations II - 65

Mthodes quantitatives
Prise en compte de la saisonnalit

Dmarche suivre

Calculer : Dk
D n,k
k 1, ...,p
L

Dn,k
Calculer le rapport : k 1, ...,p ; n 1, ..., L
Dk

Dn,k
Si pour n = 1 ... L : Fn,k cst sur les cycles k 1, ...,p
Dk
existence dune saisonnalit

Dn,k
Fn,k k 1, ...,p ; n 1, ..., L
Dk
coefficient, ou facteur, ou indice de saisonnalit
C. Sadfi - Management des oprations II - 66

Mthodes quantitatives
Prise en compte de la saisonnalit
Exemple :
Mar
Mois Jan Fv Avril Mai Juin Juil Aot Sep Oct Nov Dc Dk
s
Dn,08 91 79 70 69 92 101 109 131 142 118 109 89 100

Fn,08 0.91 0.79 0.7 0.69 0.92 1.01 1.09 1.31 1.42 1.18 1.09 0.89 -

Dn,09 109 97 82 83 107 118 132 159 165 142 133 113 120

Fn,09 0.91 0.81 0.68 0.69 0.89 0.98 1.10 1.33 1.38 1.18 1.11 0.94 -

Facteur de saisonnalit pour 2010 ?

Fn,k : estimation du facteur de saisonnalit de la priode n du cycle k


Fn,10 0,5Fn,08 0,5Fn,09 n 1, ...,L
Fn,10 Fn,09 (1 ) Fn,08 n 1, ...,L avec ]0, 1[
C. Sadfi - Management des oprations II - 67

Mthodes quantitatives
Prvision de la demande dans le cas de prsence de saisonnalit
D
Calculer la demande "dsaisonnalise" de la priode n :Dnd,k n ,k
Effectuer un lissage de la demande dsaisonnalise F n ,k
:
En absence dune tendance :
Pnd1,k Dn,k
d
(1 ) Pn,kd
En prsence dune tendance :

Snd,k Dnd,k (1 )( Snd1,k And1,k ) avec ]0, 1[

And,k (Snd,k Snd1,k ) (1 ) And1,k avec ]0, 1[

Pnd,k( ) Sn,k
d
An,k
d

Dterminer une prvision de la demande ("resaisonnalise") :

Pn,k ( ) Pnd,k ( ) Fn ,k
C. Sadfi - Management des oprations II - 68

Mthodes quantitatives
Demande saisonnalise avec prsence de tendance (modle de Holt et
Il faut
Winters) estimer le point tendancielle, laccroissement moyen et le
coefficient de saisonnalit

F n,k S nd,k And,k
Snd,k Dnd,k (1 )( Snd1,k And1,k ) avec ]0, 1[
And,k (Snd,k Snd1,k ) (1 ) And1,k avec ]0, 1[
Dn,k
Fn,k 1 d 1 Fn ,k

S n,k
Pnd,k( ) Pnd ,k Sn,k
d
An,k
d

Dterminer une prvision de la demande ("resaisonnalise")


Pn,k ( ) Pn ,k Pnd,k ( ) Fn ,k
Autre estimation du coefficient de saisonnalit (lissage exponentiel)
Fn,k 1 Fn,k 1 Fn,k
C. Sadfi - Management des oprations II - 69

Mthodes quantitatives
Demande saisonnalise avec prsence de tendance : initialisation

Initialisation de laccroissement moyen par priode


Laccroissement moyen initial dune priode peut tre dtermin
partir de lhistorique des deux premiers cycles. On note parD1 etD2
les demandes moyennes des cycles 1 et 2. Un estim initial de la
tendance peut tre obtenu par (D2 D1)/L

Initialisation du niveau moyen de la demande


On peut considrer la demande moyenne dune priode sur la
premire anne comme initialisation de ce terme.

Initialisation des facteurs de saisonnalit


On peut considrer comme estimation initiale des facteurs de
saisonnalit la valeur de ces facteurs dtermine partir du
premier cycle
C. Sadfi - Management des oprations II - 70

Mthodes quantitatives
Prise en compte de la saisonnalit

Exemple : historique des ventes

Demande
Anne k Trimestre n
Dn,k
1 362
2 385
2004
3 432
4 341
1 382
2 409
2005
3 498
4 387

Prvision de la demande de lanne


2006
C. Sadfi - Management des oprations II - 71

Mthodes quantitatives
Prise en compte de la saisonnalit

Exemple : historique des ventes

600
500
400
300
200
100
0
0 2 4 6 8 10

Demande saisonnalise avec prsence de tendance : utiliser le


modle de Holt et Winters pour estimer la demande de lanne 2006
C. Sadfi - Management des oprations II - 72

Rsum
Techniques quantitatives (mthodes dextrapolation statistique) :

Srie stationnaire
moyenne simple
:
moyenne mobile simple :

lissage exponentiel simple :

Srie avec tendance


lissage exponentiel double :

Pn Sn An
C. Sadfi - Management des oprations II - 73

Rsum
Techniques quantitatives (mthodes dextrapolation statistique) :
Srie saisonnalise
Dn ,k
Demande dsaisonnalise : Dnd,k
F n ,k
en absence dune tendance :
Pnd1,k Dn,k
d
( 1 )Pn,kd
en prsence dune tendance :

Snd,k Dnd,k (1 )( Snd1,k And1,k ) avec ]0, 1[

And,k (Snd,k Snd1,k ) (1 ) And1,k avec ]0, 1[

Pnd,k( ) Sn,k
d
An,k
d

Pn,k ( ) Pnd,k ( ) Fn ,k
C. Sadfi - Management des oprations II - 74

Rsum
Techniques quantitatives (mthodes dextrapolation statistique) :

Srie saisonnalise

Estimation du coefficient de saisonnalit F n,k
:
modle de Holt et Winters :

Dn,k
Fn,k 1 d 1 Fn ,k

S n,k

lissage exponentiel :

Fn,k 1 Fn,k 1 Fn,k


C. Sadfi - Management des oprations II - 75

Prvision de la demande
Rfrences bibliographiques

Bourbonnais, R. et Usunier, J.-C. 2007. Prvision des ventes - Thorie et


pratique, Economica
Box, G.E.P. and Jenkins, G.M. 1976. Time series analysis, forecasting and
control, Holden-Day, San Francisco
Courtois, A., Pillet, M. et Martin-Bonnefous, C. 2003. Gestion de production,
Editions dOrganisation
Dupond, L. 1998. La gestion industrielle, Herms
Hamilton, J. 1994. Time series analysis, Princeton University Press,
Princeton
Ritzman L. et Krajewski L. 2004. Management des oprations : principes et
application, Pearson Education France