Académique Documents
Professionnel Documents
Culture Documents
Angel Ruiz
Département
@ A. Ruiz
Opérations et systèmes de décision
Objectifs du cours GSO6007
• Les gestionnaires doivent faire des choix basés sur l’état future de certaines variables
(incertitude).
• Les activités prévisionnelles fournissent, à l’aide d’outils statistiques ou analytiques, des
informations plus ou moins précises sur l’avenir de ces variables.
• Les prévisions servent donc à planifier l’allocation des ressources internes de
l organisation et à la définition des besoins (financières, capacité, personnel, etc.)
Problématique
Incertitude entourant les caractéristiques de la demande,
Variabilité des facteurs socio-économiques et environnementaux influençant la
demande,
Imprécision des données.
@ A. Ruiz
Estimer la demande est important GSO6007
• Les services financiers utilisent les prévisions à long terme pour projeter les besoins en capital;
• Les ressources humaines exploitent les prévisions pour estimer les besoins en main-d’œuvre;
• Le marketing développe les prévisions des ventes sur lesquelles sont fondés les plans à moyen et
long terme;
• La production exploite les prévisions pour élaborer le calendrier de fabrication, assurer le
réapprovisionnement du stock à court terme et planifier la capacité à long terme.
Exemple: discutez l’utilité d’estimer la demande future pour le Ministère d’Éducation et Enseignement
supérieur. Identifiez quelques décisions à prendre, leur horizon d’application, des facteurs qui pourraient
influencer sur la demande et le type d’information que le MEES devrait considérer pour réaliser la
planification.
@ A. Ruiz
Exemple : newsboy problem GSO6007
Un garçon vend des journaux. À chaque matin il doit décider combien de journaux
acheter chez l’imprimeur. À la fin de la journée, il retourne les journaux invendus
(le cas échéant) mais à un prix inférieure au coût qu’il a payé pour les acheter.
Questions:
• La demande, est-elle incertaine ou inconnue?
• Comment la demande est-elle affectée par des variables/événements externes?
• Quelles sont les sources d’imprécision des données?
• Est-il correct de dire demande = ventes?
Réflexions
• Proposez de situations ayant des caractéristiques similaires.
• Proposez une approche de gestion pour que le garçon maximise son profit
@ A. Ruiz
Gestion de la demande GSO6007
La gestion de la demande est un processus qui vise à coordonner et influencer toutes les
sources de demande afin d’améliorer l’efficacité du système
Objectifs
Mieux combler les besoins des clients
Influencer le “pattern” de l’arrivée des
commandes/clients et réduire sa variabilité Néanmoins, compenser l’incertitude sur la
Anticiper l’arrivée des nouveaux produits/services demande implique des coûts:
• Pour garder des ressources “extra” pour
Proposer des engagements de livraison/délais varier la capacité de l’entreprise;
raisonnables • Pour retarder des livraisons afin de lisser les
Générer des alternatives (produits ou effets de fluctuations de la demande;
substitution) aux désires du marché • Pour compenser les clients lorsque l’on ne
peut satisfaire leur demande;
• Pour assumer des stocks de sécurité...
@ A. Ruiz
Tactiques outils pour gérer la demande GSO6007
La gestion de la demande, bien qu’elle soit fortement reliée aux prévisions de la demande, n’est pas
comme l’établissement de prévisions.
La prévision de la demande correspond au processus de détermination du niveau de la demande au
point de consommation final.
@ A. Ruiz
Gestion relations avec la clientèle (CRM) GSO6007
@ A. Ruiz
La technologie de la CRM GSO6007
La capacité de … Documentation
@ A. Ruiz
En pratique… GSO6007
• Les organisations s’attaquent à la réingénierie de ses opérations afin d’améliorer leur capacité à
satisfaire les besoins de ses clients.
• Des initiatives d’amélioration sont entreprises dans plusieurs axes tels :
1. Systèmes d’information
2. Réduction du délai de livraison
3. Réingénierie du produit et “postponement”
4. Collaboration et partage de l’information
• Au cours des 90’s, les partenaires des chaînes logistiques dans la grande distribution commençaient à
travailler ensemble, partageant l’information et la connaissance afin de faire de meilleures prévisions.
• CPFR - Collaborative Planning, Forecasting & Replenishment
- Les entreprises s’engagent à respecter les plans générés à partir du processus de planification
- Les prévisions de ventes et les plans de production sont partagés, révisés et actualisés en commun.
- Retombées : réduction des risques associés aux prévisions, des inventaires et des lead times tout en
amélioration le niveau de service.
@ A. Ruiz
Exemples GSO6007
@ A. Ruiz
Objectifs de la prévision de la demande GSO6007
Néanmoins:
Elles sont toujours inexactes, et doivent fournir à la fois la valeur attendue de la
prévision et une mesure d'erreur,
Les prévisions à long terme sont moins précises que les prévisions à court terme,
Les prévisions agrégées sont généralement plus précises que les prévisions ventilées
@ A. Ruiz
Les facteurs à considérer GSO6007
@ A. Ruiz
Principales familles de méthodes/approches GSO6007
• Méthode Delphi
Qualitatives ou
• Étude de marché
empiriques
• Groupe témoin
Méthodes
• Séries chronologiques
Quantitatives • Analyse Causal
• Simulation
@ A. Ruiz
Principales familles de méthodes/approches GSO6007
@ A. Ruiz
Les étapes/processus de prévision GSO6007
@ A. Ruiz
La prévision des séries chronologiques GSO6007
Demande
250,00
le niveau moyen,
300
200,00
250
Ventes
150,00
200
la tendance, 150
100
100,00
50,00
la variation saisonnière,
0,00
50
0
la variation cyclique, et
mois
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
mois Données Tendance
Notation:
1,20 30,00
1,00
20,00
Indice
0,80
0,60
10,00
@ A. Ruiz
La moyenne mobile simple GSO6007
La prévision pour la période future est obtenue en tenant compte des observations
passées les plus pertinentes.
1
𝐹 𝑡 = ∑ 𝐴𝑡 − 𝑖 n = ordre de la moyenne mobile
𝑛 𝑖=𝑛
Utile lorsque le niveau moyen de la demande varie dans le temps et il n’y a pas de tendance ni de
variation saisonnière.
@ A. Ruiz
La moyenne mobile pondérée GSO6007
Période Ventes
Calculez la prévision pour la période 13 en utilisant les poids w1 = 0,5 ; w2 = 0,3 ; w3 = 0,2
8 80
9 80
10 75 Ordre 3 +)= 78,33
11 85
12 75 = 0,5 * 75 + 0,3 * 85 + 0,2 * 75 = 78,33
13 ?
@ A. Ruiz
Le lissage exponentiel simple GSO6007
Observations:
• Plus est grand, plus on accorde de l’importance aux observations récentes.
• Si est trop grand, la série lissée reste très sensible aux variations récentes soudaines.
• Si est trop petit, la série reste insensible aux variations récentes et change difficilement de
trajectoire.
@ A. Ruiz
Lissage exp. simple : exemple (alpha = 0,2) GSO6007
47
46
P2 = 42 (donnée observée à la période 1) 45
P3 = 42 + 0,2(40 – 42) = 41,60 44
43
P4 = 41,6 + 0,2(43 – 41,60) = 41,88 42
.... 41
40
Prévision de juillet ? 39
P7 = 41,40 + 0,2(39 – 41,40) = 40,92 38
Jan Fév Mars Avr Mai June Jul Août Sep
@ A. Ruiz
Prévisions avec EFFET SAISONNIER GSO6007
Dans certain domaines, le niveau d’activité ou les ventes dépendent fortement et systématiquement
de la période concernée. Par exemple, les ventes de bière sont systématiquement plus importants
durant l’été que durant l’hiver, avec des pics qui correspondent à certains événement (fêtes de fin
d’année, SuperBowl...). L’idée de saisonnalité se traduit donc par le fait qu’à certaines périodes dans
un horizon récurrent (par exemple, une année) les données observées sont toujours plus (ou moins)
importants que la valeur moyenne de l’horizon:
Indice de saisonnalité = valeur moyenne de la période t / valeur moyenne de toutes les périodes
La méthode suivante (illustrée par un exemple numérique) cherche à quantifier ces variations
systémiques. Considérez les données concernant les ventes trimestrielles d’un produit au cours des
deux dernières années.
Année 1 2
Trimestre 1 2 3 4 1 2 3 4
Ventes 6809 6465 6569 8266 7257 7064 7784 8724
@ A. Ruiz
Prévisions avec EFFET SAISONNIER GSO6007
Année 1 2
Trimestre 1 2 3 4 1 2 3 4
Ventes 6809 6465 6569 8266 7257 7064 7784 8724
On observe que, à chaque fois, les ventes du T1 son supérieures à celles du T2, puis elles remontent
légèrement au T3 et ont une forte progression au T4, formant ainsi un cycle.
En moyenne, les ventes sur les deux années 7367,25. Les ventes moyennes du primer trimestre sont
de 7033, ce qui représente 95,46% des ventes trimestrielles moyennes. Si l’on répète pour les
trimestres deux, trois et quatre l’on obtient respectivement 91,82%; 97,41% et 115,31%. Nous
pouvons utiliser ces informations pour anticiper les ventes trimestrielles de l’année 3.
Supposons que les experts de l’entreprise estiment qu’à l’année A3 les ventes totales augmenteront
de 5% par rapport à l’année A2 (c’est à dire, elles seront en moyenne d’approximativement de 8092
unités par trimestre). On peut alors estimer les ventes pour chaque trimestre de l’année A3 en
multipliant les ventes moyennes par leur indice saisonnier pour obtenir 7725, 7430, 7883 et 9331
unités respectivement.
@ A. Ruiz
Les erreurs de prévision GSO6007
On cherche un modèle qui offre un bon compromis par rapport aux diverses mesures d’erreur.
L’erreur se définit comme l’écart entre la valeur prévue et celle observée. Les modèles sont validés en
calculant des prévisions pour les périodes passées puis les comparant avec les vrais données.
Erreur de prévision de la période t : et = At - Ft
Erreur moyenne
@ A. Ruiz
Exercice d’intégration GSO6007
EXACT-INC fabrique la ligne de produits E-100 depuis plus de trois ans. On doit veiller à l’introduction d’une
nouvelle gamme, la G-500. La demande pour la ligne E-100 n’a été analysée qu’une seule fois en trois ans et
les prévisions pour la nouvelle gamme ne sont qu’au stade d’élaboration d’un questionnaire de sondage.
Expliquez pourquoi on attribue de l’importance à la composante de la demande pour les produits E-100 et la
nouvelle gamme G-500.
Parmi les méthodes suivantes, laquelle ou lesquelles seraient la(les) plus appropriée(s) pour déterminer les
prévisions chez EXACT-INC.
Méthode Delphi; Lissage exponentiel simple; Étude de marché; Sondage; Moyenne mobile
Votre assistant propose l’utilisation des méthodes de prévision des séries chronologiques incorporant
l’analyse des erreurs quadratiques de prévision. Quelle serait, à votre avis, l’utilité d’une telle analyse?
@ A. Ruiz
Exercice d’intégration (ii) GSO6007
En se basant sur les données des derniers trimestres, des prévisions de demande T1 T2 T3 T4
sont établies pour chacune des lignes de produits à l'aide de méthodes de séries A1 92512 98063 123818 116269
chronologiques. En particulier, le tableau suivant présente l’historique de la A2 116746 125634 147729 130231
demande trimestrielle (T1, T2, T3 et T4) pour chacune des trois dernières années A3 144853 137966 180914 161130
(A1, A2 et A3, A3 étant l’année la plus récente) pour les modèles analogiques. A4 ? ? ? ?
Élaborez des prévisions de la demande pour le premier trimestre (T1) de l’année A4. Pour ce faire, vous devez utiliser
la moyenne mobile d’ordre 3, la moyenne mobile pondérée d’ordre 3 (utilisez les poids 0,1, 0,3, et 0,6 pour les
observations allant de la plus ancienne à la plus récente, respectivement) et le lissage exponentiel avec α prenant les
valeurs 0,3 et 0,5.
• Évaluez la performance de chaque méthode et ses paramètres à l’aide des 3 erreurs de prévision étudiés et
suggérez la meilleure combinaison méthode/paramètres.
• Utilisez maintenant la méthode des facteurs multiplicatifs saisonniers pour :
• calculer les ventes annuelles moyennes pour l’année A4 (supposez un comportement linéaire des ventes),
• donnez les prévisions de ventes pour chaque trimestre de l’année A4 en désaisonnalisant les ventes prévues
pour l’année A4.
@ A. Ruiz
La dynamique des arrivées
GSO6007
Souvent, il n’est pas seulement question de combien de clients arrivent au système, mais plutôt de
comment arrivent-ils. On utilise alors des distributions de probabilités pour représenter le phénomènes
d’arrivée et les temps de service.
@ A. Ruiz
Collecte
Processus d’arrivées d’informations
GSO6007
Proposer une
1. Identifier une distribution qui représente le processus distribution connue
d’arrivée ainsi que les paramètres de cette distribution Estimer les
paramètres
2. Évaluer à quel point cette distribution représente bien les
données de notre échantillon (tests) Réaliser des tests
de similitude
3. Générer des données correspondant à cette distribution
qui serviront à alimenter notre modèle.
Garder les
paramètres?
Garder la distribution?
Poisson # d’événements indépendants pour une Utiliser distribution
période de temps donné
Exponentielle temps entre des événements indépendants Weibull temps entre des pannes
Binomiale # de succès pour n essais Triangulaire lorsque l’on connaît la valeur min, la val
max, et la plus probable
Normal distribution d’un processus qui est la Empirique basée sur les fréquences observées en
somme de plusieurs autres pratique
@ A. Ruiz
Travail à faire GSO6007
@ A. Ruiz