Académique Documents
Professionnel Documents
Culture Documents
Techniques de prévisions et
Gestion de stock
Mise en situation:
L’idéal est de produire exactement les produits que ses clients vont acheter. Il
faut donc anticiper le mieux possible les futures besoins de ses clients.
3
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK
PARTIE 1: TECHNIQUES
DE PREVISIONS
5 Question-réponses
4
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Généralité: Ordonnancement;
Prévision de la
Commandes fermes Logistique;
demande
Bureau des méthodes;
Suivie de la fabrication.
Planification
Planning Global
Matériels et stocks
Non Non
OK? OK?
Oui Oui
Contrôle de priorité Contrôle des
(tâche, matériels, capacités (temps
stock ) et équipements)
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Horizons de prévision
Moyen terme
Court terme
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Horizon de prévisions
La demande a une influence sur plusieurs aspects de gestion de l’entreprise, aussi
bien sur le niveau des décisions stratégiques que les opérations journalières. Il
existe plusieurs niveau de prévision:
Long terme
Moyen terme
Les prévisions de la demande permettent de prendre des décisions
Courtconcernant
stratégiques terme par exemple la construction d’une usine, l’innovation
et la conception des nouveaux produits, la planification du capital, la structure
des réseaux de production et de distribution.
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Horizon de prévisions
Il existe plusieurs niveaux de prévision:
Long terme
Moyen terme
Court terme
La demande a un impact direct sur les stocks de sécurité et le contrat avec les
clients et les fournisseurs. À ce niveau, Les prévisions de la demande
permettent de maîtriser les capacités globales de production et
d’approvisionnement (acquisition d’une machine, embauche de personnel…)
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Horizon de prévisions
Il existe plusieurs niveau de prévision:
Long terme
Moyen terme
Court terme
La demande peut amener à déterminer le nombre d’heures de travail et
l’utilisation de temps supplémentaire ou de temps partiel. La demande courante
Remarque:
•
influence également les fonctions d’approvisionnement, de gestion de stock et
À fur et à mesure que l’horizon de prévision augmente, la probabilité de faire
la charge de l’atelier.
des erreurs augmente aussi.
• L’erreur faite dans la prévision de demande relative à une famille de produit est
d’habitude moindre que l’erreur faite lors de la prévision de la demande d’un
seul produit
Les prévisions doivent tenir compte de facteurs internes et externes de l’entreprise
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Typologie de la demande
E: Demande aléatoire
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Critères de choix:
Méthodes de prévisions
Les méthodes de prévisions dépendent énormément des sources de
données:
Méthodes de prévisions
Il existe donc deux méthodes de prévisions:
• Techniques de prévisions qualitatives (évaluation);
• Techniques de prévisions quantitatives (extrapolation).
Utilisés principalement pour les prévisions à moyen ou long terme, et destinés à
des décisions mercatiques avec des données provenant d’études de marché ou
d’intentions d’achats, ou simplement d’intuition, à travers notamment
l’interrogation et le traitement des prévisions du réseau de distribution.
On note néanmoins que ces techniques doivent être complétées par d’autres
données qui pourraient palier les incertitudes des prévisions.
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Méthodes de prévisions
Méthodes de prévisions qualitatives
Méthode de Description Horizon Coût
prévision de temps relatif
Delphi Réponse à une série de question par des experts (anonymement), les Long terme Moyen/ élevé
réponses sont modifiables et complétées par la suite, les itérations peuvent
entrainer un consensus efficace ou une divergence absolue.
Étude de Le service commercial fait des enquêtes, par le biais de questionnaire. Le Moyen/ Long
terme
Élevé
marché plan d’échantillonnage doit être bien conçu afin de garantir la fiabilité et la
représentativité statistiques des résultats de la clientèle cible (potentielle).
Les prévisions Les vendeurs qui sont en contact direct avec le client. Pour développer les Moyen terme Bas/ Moyen
visionnaires prévisions personnelles des ventes dans l’année à venir, l’agrégation des
données se fait donc par le directeur de vente.
Opinions des Les managers du marketing, de la production et des finances préparent les Court/ Moyen
terme
Bas/
Moyen
cadres prévisions ensemble.
Analogie Le service commercial peut prévoir l’évolution de la demande d’un produit Court/ Moyen
terme
Bas/ Moyen
historique en se fiant à l’évolution observée dans le passé pour d’autres produits
semblables. La demande d’un produit suit un chemin relativement
prévisible en fonction du cycle de vie du produit (introduction sur le
marché, croissance, maturité, déclin), on peut donc prévoir la durée de
chacune de ces phases.
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Méthodes de prévisions
Il existe donc deux méthodes de prévisions:
• Techniques de prévisions qualitatives (évaluation);
• Techniques de prévisions quantitatives (extrapolation).
Méthodes de prévisions
Techniques de prévision quantitatives
Il existe deux variantes importantes de prévisions quantitatives:
Les méthodes causales;
Les séries chronologiques.
Cette méthode représente d’avantage d’une analyse plus poussée des facteurs
d’évolution de la prévision dans le passé offrant ainsi une meilleure précision. Ils
permettent de découvrir les facteurs quantifiables qui ont influencé l’évolution
passé d’une variable de prévision en évaluant l’effet de chacun de ces facteurs.
Méthodes de prévisions
Méthodes de prévisions quantitatives
Il existe deux variantes importantes de prévision quantitatives:
Les méthodes causales;
Les séries chronologiques.
Cette méthode de prévision s’intéresse à l’écoulement de temps. Elle se base sur une
séquence de données récoltées sur un intervalle de temps régulier et présentées dans
leur ordre chronologique.
L’exploitation des résultats des observations se fait par le biais de calcul statistique, ou
lorsque les logiciels facilement disponibles.
Saisonnalité: est une fluctuation de la demande autour d’une valeur moyenne qui se
répète à des intervalles réguliers.
Séries chronologiques
1. Modèle stationnaire
D(t)=Dm+(t)
Dm (t)
Un modèle stationnaire est caractérisé par des
observations concentrées autour d’une valeur
moyenne constante.
D(t)=Dm+(t)
Séries chronologiques
1. Modèle stationnaire
D(t)=Dm+(t)
Dm (t)
Un modèle stationnaire est caractérisé par des
observations concentrées autour d’une valeur
moyenne constante.
Séries chronologiques
1. Modèle stationnaire
Moyenne mobile simple
Séries chronologiques
1. Modèle stationnaire
Moyenne mobile simple
Exemple d’application:
Calculez la moyenne mobile simple pour n=3. Déterminez la valeur prévisionnelle des ventes
pour la semaine 23.
Semai Demande du Demande Demande moyenne basée
ne la semaine totale de n sur les n dernières
période observations Mb(t+1)
15 580
16 580
17 610 Avec:Mb(t+1)= moyenne mobile
18 620 calculée en fin de période t (utilisable
19 580 comme prévision pour la période t+1)
20 590 Di= Demande réelle de la période i.
n= nombre de périodes utilisées.
21 620
22 590
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Séries chronologiques
1. Modèle stationnaire
Moyenne mobile simple
15 580
16 580
17 610 1770 590 À la fin de la
18 620 1810 n 603.33 période
(20,21,22) la
19 580 1810 603.33
prévision pour
20 590 1790 596.66 la demande
21 620 1790 596.66 pour le mois 23
est de 600
22 590 1800 600
TECHNIQUES
Chapitre 1 DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Séries chronologiques
1. Modèle stationnaire Exemple d’application:
(n=3, α1=0.2, α2=0.3, α3=0.5)
Moyenne mobile simple pondérée
Mois Demande Moyenne pondérée en fin de période i Demande
de la moyenne
semaine basée sur les
i=17 i=18 i=19 i=20 i=21 i=22 n dernières
observation
de la période
t+1
15 580 580×0.2
Séries chronologiques
1. Modèle stationnaire
Lissage exponentiel simple
1. Modèle stationnaire
Lissage exponentiel simple
P(t+1)=Pt+α( Dt –Pt ) Avec: P(t+1)= prévision pour la période t+1.
Dt= Demande réelle de la période t.
Exercice d’application: α= Constante de lissage (0≤α≤1)
Faite le calcul des prévisions pour P15=600 les valeurs de α=0.1 α=0.7. que remarquez vous?
Mois Demande du Ancienne Erreur α(Dt-Pt) Nouvelle
Dt-Pt
mois prévision prévision
Pt+ α(Dt-Pt)
α=0.1 α=0.7 α=0.1 α=0.7 α =0.1 α =0.7 α=0.1 α=0.7
1. Modèle stationnaire
Lissage exponentiel simple
Mois Demande du mois Ancienne prévision Erreur α(Dt-Pt) Nouvelle prévision
Dt-Pt Pt+ α(Dt-Pt)
Une valeur de α proche de 1 est donc adaptée à une demande très fluctuante, une valeur faible de α
permet une atténuation des variations aléatoires.
Par contre, une valeur de α proche de 0 est adaptée pour une demande stable (sans tendance ni
variations cycliques)
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
1. Modèle stationnaire
Étude Comparative Entre Le Lissage Exponentiel Et La Moyenne Mobile Simple.
Similitudes Divergences
Les deux modèles reposent sur l'hypothèse Une donnée peu représentative ne sera plus
que la demande est stationnaire; considérée après n périodes alors qu'elle
aura toujours une influence dans le calcul
Les prévisions des deux modèles seront en de la prévision utilisant le lissage
retard sur la tendance s'il y en a une; exponentiel;
Les deux modèles ne nécessitent Pour pouvoir utiliser les moyennes mobiles,
respectivement la spécification que d'un il faut conserver toutes les données des N
seul paramètre. périodes passées, contrairement au lissage
exponentiel.
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
La régression linéaire est une méthode statistique pour estimer la relation moyenne qui
peut exister entre une variable dépendante et une variable indépendante.
Dans cette section, nous présentons deux méthodes permettant de prendre en
considération une tendance dans l'évolution des données:
La régression linéaire
Variable dépendante ?
La moyenne mobile double (également appelée méthode de Holt)
Variable indépendante ??
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
La régression linéaire
La régression linéaire est une méthode statistique pour estimer la relation moyenne qui
peut exister entre une variable dépendante et une variable indépendante.
Exemple d’application
La demande pour des planches en merisier de 6' au cours des huit dernières semaines a été
comme suit:
200, 250, 175, 186, 225, 210.
En supposant que l'on utilise les cinq premières périodes, estimer les paramètres de
régression ainsi que le valeurs de Y’ pour la semaine 6.
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
Y’=- 1.4X+211.4
Y’(6)= 203
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
À la période 17, la prévision des ventes pour la période 20 est de 79.7 unités.
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Horizon de la
Séries
Définition et objectifs demande et Différents méthodes
chronologiques en
des prévisions typologie de de prévisions
fonction du modèle
prévisions
C1 = Y2 / Y1
Les multiplicateurs doivent être ajustés de manière à ce que leur somme égale N (4 dans notre
exemple).
Quart Coefficients de Coefficients de
saisonnalité saisonnalité
ajusté.
1 0.941 0.940
2 0.859 0.858
3 1.080 1.079 0.858 = 0.859 x (4.000 / 4.004)
4 1.124 1.123
Total 4.004 4
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévisions prévisions fonction du modèle
Principe:
Diviser la série chronologique en composantes de base (tendance, saisonnalité, résidu) en cherchant l’expression de
chacune à part. Recombiner ces composantes pour avoir les prévisions futures.
Il existe différents modèles:
Modèle additif, la demande est représentée par Di=Ti+Si+Ri.
Modèle multiplicatif, la demande est représentée par Di=Ti.Si.+Ri.
Modèle mixte, la demande est représenté par Di=Ti+Si.(1+Ri)
On peut aussi avoir une classification basée sur la forme de la tendance:
Linéaire: Ti=a+bi => effet multiplicatif Di=(a+bi).Si+Ri, effet additif Di=a+bi+Si+Ri
Non linéaire: la tendance peut être évalué par la moyenne mobile centrée Mi => Di= Mi+Si+Ri
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévisions prévisions fonction du modèle
Quantité vendue
6
3 1 9 7
5 ventes
2 10 6.6
4
3 11 8.5
3
4 12 8.8
2
4 1 13 7.3
1
2 14 6.9
0
3 15 9 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
4 16 9.4
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévisions prévisions fonction du modèle
Méthode de décomposition
On appliquera cette méthode sur l’exemple précédent.
Étapes:
1.Déterminer la forme du modèle (dans cette étude nous nous pencherons plus
sur le modèle multiplicatif à tendance linéaire Di=(bi+a).Si+Ri)
2.Déterminer le coefficient de saisonnalité.
3.Désaisonnaliser les données.
Quart Coefficients de saisonnalité ajusté.
1
4.Déterminer l’équation 0.940
de la tendance (régression linéaire, moyenne mobile
2 0.858
double). 3 1.079
4 pour les périodes qui
5.Calculer les prévision 1.123
viennent
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévisions prévisions fonction du modèle
2 6.2 7,23 7
3 7.8 7,23 6
4 8.4 7,48 5
3 1 7 7,45
4
2 6.6 7,69
3
3 8.5 7,88
2
4 8.8 7,84
4 1 7.3 7,76 1
2 6.9 8,04 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
3 9 8,34
4 9.4 8,37
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévisions prévisions fonction du modèle
Prévision finale
La formule de la tendance est
D18=Y18.S18+R18
Y18=6.116+0.1468t
D18-R18=8,7584.0,858=7,5147
Y18= 6,116+0,1468(18)=8,7584
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK
53