Prévisions

PRÉVISION DE LA DEMANDE Auteur Philippe Marier, ing. MBA Coordonnateur de la formation continue et des activités de transfert FORAC able des matières 1. Introduction. 4 Importance des prevlslons.. Ce qui ‘nfluence la OF41 p g Ajout de valeur pour les clients 5 Utilisation des Horizon des prévisions….. 6 Caractéristiques des prévlslons 7 Les méthodes prévisionnelles — 8 2. Étapes du processus de Introduction………. — . 12 Tendance Saisonnalité — 13 Cycle 14 Décomposition Conclusion — 15 5. La qualité des prévisions…. . Mesures des erreurs de révision.

MAD. Mean Absolute Deviation (déviation absolue moyenne) MSE: Mean Square Error (moyenne du carré des erreurs)……. 16 MFE: Mean Forecast Error (erreur de prévision moyenne)… 17 MAPE: Mean Absolute Percentage Error (pourcentage d’erreur absolue moyen) 18 2 1 mobile simple (SMA) . 19 Moyenne mobile simple: exemple de 20 Moyenne mobile simple: choix du nombre de périodes Moyenne mobile simple: écart pour une tendance . • 21 Moyenne mobile simple pondérée 22 Lissage exponentiel simple • 22 Lissage exponentiel simple: détermination de la première revlslon… 3 Lissage exponentiel simple: détermination du paramètre 24 Comparaison des deux méthodes.. 2 7. Modèles pour séries avec tendances 26 Introduction.. 26 Régression Régression linéaire: détermination de a et 27 Lissage exponentiel double 3 1 25 28 Exemple…… 29 Lissage exponentiel double (Holt): Détermination des paramètres . 30 Lissage exponentiel double (Holt): Détermination de a et 31 Moyenne mobile double . • 33 Moyenne mobile double: exemple de calcul Moyenne mobile double: calcul de la prévision — 8.

Modèles pour séries avec saisonnalité. troduction………… 36 Longueur du cycle…. Multiplicateurs saisonniers 37 Multiplicateurs saisonniers: exemple. Décomposition de la série chronologique……. . Décomposition de la série chronologique: 34 35 désaisonnalisation . . 40 tendance 41 Lissage exponentiel triple (Winters)……………. 42 4 1 40 43 exponentiel triple (Winters): initialisation. 44 Lissage exponentiel triple (Winters): constantes de lissage 46 Lissage exponentiel triple (Winters): exemple de calcul… 46 9. Complément……… 48 ordinateurs Le suivi des Différence entre vente et demande 49 Conclusion 49 3 1. Introduction Importance des prévisions Les prévisions sont un des éléments de base seruant ? coordonner les différents départements d’une compagnie. Lorsque tous les départements utilisent la même prévision dans la planification de leur travail, ils se préparent au même futur et leurs efforts sont coordonnés. s 1 coordination des activités des différents départements d’une compagnie.

Il est important que ces derniers fassent leur planification en se basant sur les mêmes suppositions en ce qui concerne l’avenir. Ce qui ‘nfluence la demande Plusieurs facteurs affectent la demande. La portion de la demande totale qui parvient ? une compagnie est le résultat des interactions de différentes forces du marché. Certaines de ces forces vont au-delà de ce que la compagnie peut contrôler, alors que pour d’autres la compagnie peut au moins avoir une influence. Parmi les facteurs ayant un impact sur la demande d’un produit, on retrouve le cycle économique et le cycle de VIe du produit.

Ajout de valeur pour les clients Parce que les prévisions peuvent aider une compagnie à anticiper les changements dans la emande des clients, elle peut répondre plus adéquatement aux besoins des consommateurs. Les prévisions donnent un estimé du niveau futur de la demande afin que la compagnie puisse avoir la capacité nécessaire et le matériel disponible pour répondre rapidement aux demandes des clients. Les prévisions aident à prévenir la sous-production, qui résulte souvent en un mauvais service. Elle aide épaleme 6 1 surproduction, qui de production, des achats, des ressources humaines et de finance.

Les hauts dirigeants ont également besoin des prévisions pour la planification et la mise n oeuvre des objectifs stratégiques à long terme et pour la planification des dépenses en capital. Dès que la compagnie s’est assurée que suffisamment de capacité est disponible, le plan de production est développé. Si la compagnie n’a pas la capacité suffisante pour répondre à la demande prévue, des décisions devront êtres prises pour des dépenses en capital afin d’accroître la capacité. La figure suivante présente la relation qui existe entre la prévision de la demande et les systèmes de gestion des opérations et de production.

Définition Le problème d’ordonnancement consiste à organiser dans le temps la réalisation de tâches, compte tenu de contraintes temporelles (délais, contraintes d’enchaînement) et de contraintes portant sur la disponibilité des ressources requises. En production (manufacturière, de biens, de services), on peut le présenter comme un problème où il faut réaliser le déclenchement et le contrôle de l’avancement d’un ensemble de commandes à travers les différents centres composant le système. un ordonnancement constitue une solution au problème d’ordonnancement.

Il est défini ar le lanning ‘exécution des tâches lendrier y) et d’allocation 1 semaines. Peut aller jusqu’à un an. À court terme, au niveau opérationnel, la demande peur amener à déterminer le nombre d’heures de travail et l’utilisation de temps supplémentaire ou de temps partiel. La demande courante influence également les fonctions d’approvisionnement, d’expédition et de réception. Moyen Terme : Généralement mesuré en semaines ou en mois. peut aller jusqu’à deux ans. À moyen terme, la demande a un impact sur les stocks de sécurité et sur les contrats avec les clients et les fournisseurs. ?? ce niveau, les prévisions permettent une planification agrégée de la production. PREVISION DE LA DEMANDE Exemple : Long Terme : Peut aller jusqu’à cinq ans ou plus. À long terme, les prévisions de la demande permettent de prendre des décisions stratégiques concernant : La localisation et la mission des unités d’affaires La planification du cap tal B1 fondées sur des délais d’exécution différents. Il est important que les décisions et les prévisions soient cohérentes, c’est ? dire que les décisions à court terme doivent mener vers les objectifs établis par les écisions à long terme.

Caractéristiques des prévisions Voici cinq caractéristiques des prévisions. Ces caractéristiques doivent être constamment gardées à l’esprit lorsqu’on utilise les résultats de prévisions dans les décisions de gestion. 1. Elles sont généralement fausses Une fois les prévisions déterminées, elles sont souvent utilisées comme s’il s’agissait d’informations certaines. Les ressources requises et les plans de production peuvent demander à être modifiés si les prévisions de la demande ne sont pas exactes.

Le système de planification doit être uffisamment robuste pour réagir en cas d’erreur de prévision non anticipée. 2. Une bonne prévision est plus qu’une valeur numérique Puisque les prévisions sont généralement fausses, une bonne prévision doit également inclure une mesure de l’erreur anticipée pour la prévision. Ceci peut prendre la forme d’une étendue ou d’une mesure de l’erreur telle que la variance de la distribution de l’erreur de révision. 3. Les prévisions agrégées 41 cises remplacent pas la vraie information une technique de prévision donnée peut donner de bonnes prévisions dans la plupart des cas.

Cependant, il peut y avoir une information disponible concernant la demande future qu’on ne peut pas anticiper simplement en regardant les données historiques. Par exemple, la compagnie pourrait planifier une promotion spéciale, ce qui aura probablement pour effet d’augmenter les ventes de manière inhabituelle. Cette information doit être prise en compte manuellement lorsque l’on fait les prévisions. Les méthodes prévisionnelles Les méthodes prévisionnelles se divisent principalement en deux groupes: les méthodes qualitatives et les méthodes quantitatives.

Les prévisions faites en tilisant les méthodes qualitatives sont basées sur le jugement humain. Les prévisions basées sur les méthodes quantitatives sont générées à partir de modèles mathématiques et économétriques. On peut encore subdiviser les méthodes quantitatives en se basant sur les variables qui sont utilisées pour expliquer la variation de la demande. Alors que les séries chronologiques n’utilisent que le temps comme variable ayant une influence sur la demande (utilisation des valeurs historiques), les modèles cause-effet utilisent le comportement PRÉVISION DE LA DEMAN r 0 1