GSO6007

La gestion des opérations

Semaine 2
L’étude et la gestion de la demande : Gestion-Prévision-Modélisation

Angel Ruiz
Département
@ A. Ruiz
Opérations et systèmes de décision
Objectifs du cours GSO6007

• Comprendre l’importance de la gestion de la demande et des prévisions,

• Connaître les principaux éléments constitutifs de la demande,
• Faire la différence entre prévisions et gestion de la demande!
• Connaître les principales activités de la gestion de la demande,
• Prévisions
– Maîtriser quelques méthodes de prévision simples, être capable des les appliquer et de
mesurer leur performance,
– Comprendre l’impact de la précision des prévisions sur la gestion des stocks et la
planification de la production,
• Modélisation d’un processus d’arrivée de clients
• Connaître les principes de la gestion des relations avec la clientèle.

« It’s tough to make predictions, especially about the future »

Yogi Berra, member of Major League Baseball's Hall of Fame !!!!
@ A. Ruiz
Contexte 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

Tout exercice de planification de la capacité, du dimensionnement d’un service ou même

d’exécution, requiert une estimation plus ou moins précise de la demande, sur un horizon plus ou
moins long selon l’objectif de planification.

• 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

Prix Promotions Substituts

• Écarts de prix : Utilisation • Promotion à l’aide de • Ajout de services
du prix pour modifier la techniques de complémentaires ou
demande à un moment commercialisation de substituts au CRM
donné. (publicité). portefeuille de Gestion des
• Gestion dynamique de la • Offre d’information produits afin
d’influencer la relations avec la
tarification. générale aux
• Établissement de niveaux consommateurs afin demande. clientèle
de services selon le prix. d’attirer leur
• Offre de rabais et de attention.
primes temporaires pour
favoriser une hausse de la
demande à court terme.
Réservations

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

Stratégie qui vise à augmenter la valeur pour l’organisation en identifiant, en retenant et en

améliorant la connaissance qu'elle a de ses clients.
Bénéfices de la CRM
• Une augmentation des profits
• Une réduction du coût par transaction
• Des bénéfices pour le client dans une
relation plus personnalisée avec
l’organisation
• Une compétitivité accrue de l’entreprise
éléments d’une stratégie de CRM
l’identification et (mémoire des clients,
personnalisation de la clientèle confiance)
des critères d’évaluation de la (valeur basée sur le volume et
clientèle le type de besoins…)
des efforts de rétention des (programmes de fidélisation,
clients mesure de la satisfaction, …)
des moyens de (nouveaux services, …)
développement des clients

des programmes d’acquisition (campagnes de promotion,

de nouveaux clients ciblage, segmentation)

@ A. Ruiz
La technologie de la CRM GSO6007

La capacité de … Documentation

recueillir, Bases de données

stocker,
Modèles analytiques
analyser et
interpréter
Interfaces

de vastes quantités d’informations… Courriel

Pages web
et de les communiquer en temps réel Webcast
Netmeeting
…

@ 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

• Wal*Mart & Warner Lambert

- Réduction du LT de 21 à 11 jours , et de l’inventaire pour l’équivalent de 2 semaines de marchandise
- Lissage des cycles de production et amélioration des communications concernant les produits et la
planification des promotions
• Wegmans / Nabisco
- Augmentation de 100% des ventes (après 2 semaines!)
- Augmentation du profit brut 39% (le triple que la moyenne du secteur)
- Augmentation In-stock du 92.8% au 96.6%
• Rite Aid and Johnson & Johnson
- 25% du volume traité sur CPFR
- Amélioration du niveau de service de 54 %
- Diminution des produits retournés de 35%

@ A. Ruiz
Objectifs de la prévision de la demande GSO6007

• Anticiper le mieux possible l’évolution de la demande pour les produits/services de

l’organisation,
• Réduire la variabilité des effets de la demande sur les opérations.
Les prévisions doivent être:
Fiables : ayant une bonne probabilité de réalisation ou une marge d’erreur faible,
Utiles: disponibles à temps et faciles à interpréter.

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

La nature de la Les considérations Les caractéristiques

variable à étudier
• L’horizon de la prévision
(Court / Moyen /Long)
• La disponibilité de
l’information à obtenir
• La nature des observations
passées (le cycle de vie?)
internes
• Les besoins à satisfaire
(exactitude, fiabilité,...)
• Les contraintes à respecter
(budget, temps, ...)
• La maîtrise des techniques
de prévision
des techniques
• Le coût
• Le délai pour obtenir
l’information
• La précision des prévisions
• La fiabilité des prévisions

• Parfois l’on s’intéresse « au nombre » (ex. combien de clients arrivent au système ) –

Modèles de prévision de la demande.
• D’autres fois, l’on s’attarde sur le « comment » (ex. le processus d’arrivée) – Modèles
probabilistes.
@ A. Ruiz
Principales familles de méthodes/approches GSO6007

• de nature subjective, ces méthodes sont

basées sur le jugement des experts
Qualitatives ou • tiennent compte des facteurs intangibles
empiriques ou difficiles à modéliser explicitement
• peuvent être utilisées s’il existe très peu
de données quantitatives
Méthodes
• basées sur des données historiques ou sur
des variables de l'environnement
Quantitatives • rapides à utiliser une fois que le modèle
quantitatif a été développé
• le recueil des données peut s’avérer difficile
dans certains cas

@ 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

• Moyenne mobile et ses variantes

• Séries chronologiques • Lissage exponentiel
• Régression linéaire / tendance

• Analyse Causal • Analyse multi-variable

• System dynamics

• Simulation • Mélange d’analyse statistique et

modélisation probabiliste

@ A. Ruiz
Les étapes/processus de prévision GSO6007

• Préciser le but de la prévision

• Déterminer l’horizon de temps
• Choisir une méthode de prévision
• Recueillir des données pertinentes de sources fiables
• Établir un modèle de prévision
• Évaluer le modèle
• Implanter les résultats du modèle
• Entretenir le modèle de prévision

@ A. Ruiz
La prévision des séries chronologiques GSO6007

Une série chronologique est un ensemble d’observations faites à des moments

précis, généralement à intervalles réguliers dans le temps.
Les données et une tendance
Série chronologique : Les données

Les composantes ou schémas 400

400,00
350,00
300,00
350

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

la variation aléatoire. Saisonnier

Aléatoire
1,40

Notation:
1,20 30,00
1,00
20,00

Indice
0,80
0,60
10,00

Valeur de la prévision pour la période t 0,40

0,20
0,00
-10,00 0 10 20 30 40
0,00
-20,00
Valeur observée à la période t m ois
-30,00
m ois

Nombre de périodes considérées Saisonnier

Aléatoire

@ 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.

Calculez la prévision pour la période 13 en utilisant la MS d’ordre 3 et 4

Période Ventes
8 80
9 80 Ordre 3 = +)=78,33
10 75
Ordre 4 = ++)=78,75
11 85
12 75
13 ?

@ A. Ruiz
La moyenne mobile pondérée GSO6007

On applique une pondération aux observations permettant de moduler l’importance

qu’on les accorde. S’applique s’il n’y a pas de tendance ni de variation saisonnière.
𝑛
Avec poids accordé à las n observations considérées
𝐹 𝑡 =∑ 𝑤𝑖 𝐴 𝑡 − 𝑖 Les valeurs de w doivent satisfaire
𝑖=1

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

La prévision de la période t est basée sur la prévision de la période t-1 corrigée en

fonction de l’erreur commise lors de la prévision précédente:
ou encore

où α = la constante de lissage (0 < α < 1)

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

Question : comment trouver la prévision de la toute première période?

Puisqu’on n’a pas une meilleure stratégie, on peut assumer comme prévision pour la
période 2 (Fév.) la donnée observée à la période 1 (Jan)

Jan Fév Mars Avr Mai June Jul Aout Sep

Période
1 2 3 4 5 6 7 8 9
Donnée Observée 42 40 43 40 41 39 46 44 45

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

Erreur absolue moyenne

Erreur quadratique 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.

• Arrivées des clients

Temps entre
arrivées
Noire 12
Rouge 6 t=0 t = 60
Bleue 9
Rouge Bleue Noir
Client Temps Temps Temps
1 2 7 3
• Durée du traitement 2 5 5 4
3 1 9 14
4 2 12 12
... ... ... ...

Moyene 2,5 8,25 8,25

Moyenne total 6,33

@ 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

• Lecture du Chapitre 9 : Forecasting, dans Fundamentals of Operations

Management, par Davids, Heineke, Balakrishnan, McGraw Hill Ryerson, 2
edition canadienne, 2007.
• Révision sur les exercices d’intégration (valider avec les chiffriers excel
disponibles sur le site du cours).

@ A. Ruiz