Beruflich Dokumente
Kultur Dokumente
Page 1 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Introduction
I. Utilisations de prévision
II. Type de prévision en fonction du temps
III. La prévision à partir de l’histoire
IV. Méthodes de prévision :
1 ) Méthodes qualitatives
2 ) Méthodes causales ou associatives
3 ) Méthodes d’extrapolation statistique
4 ) Généralisation
V. Mise en place d’un système de prévision
1 ) Démarche générale
2 ) Les sources d’information sur les ventes futures :
3 ) Décomposition de la demande :
a_ Saisonnalité
b_ Tendance
c_ Variation aléatoire
5 ) Signaux d’alerte
VI. La régression : Méthode des moindres carrés
VII. Les méthodes d’extrapolation
Page 2 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Introduction :
L’opération la plus importante de la gestion des stocks est sans
doute l’opération qui consiste à prévoir la demande pour les différents
produits de la gamme .
Il est donc particulièrement utile de contrôler les prévision de la
demande de matière systématique et efficace .
Cette prévision doit impérativement être faite au niveau le plus
bas susceptible d’être demandé en temps qu’unité de vente ; par
exemple , pour une entreprise commercialisant des boîtes de vitesse ,
les différentes pièces de la boîte comme pièces de rechange , et aussi
les différentes pièces en un seul lot ( que l’on appelle souvent :
collection de pièces ou <<kit>> ) pour les personnes qui désire
montrer la boîte elle-même ; la prévision devra s’effectuer pour : la
boîte elle-même , chaque pièce de rechange et le <<kit>> .
La prévision concerne tous les secteurs d’activité :
Secteur primaire :
Elle n’est pas bien développée, la seule possibilité de la
prévision est dans la phase de d’approvisionnement.
Secteur secondaire :
Sauf pour les industries lourdes, la prévision est utilisée dans
l’approvisionnement aussi et de plus pour la création de nouveaux
produits.
Secteur tertiaire :
La prévision de la demande est très importante pour l’entreprise
dans ce secteur avec la présence d’un grand choix des autres types de
produit pour le client .
Page 3 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
A prévoir
Secteur Approvisionnemen Création du Livraison
t en matières bien et service
premières
Mines,
agriculture et
industries lourdes
Fabriques et
industries légères
Commerces et
services
Page 4 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Page 5 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
IV . Méthodes de prévision :
Les méthodes de prévision peuvent être décomposées en deux
parties :
¤ Les premières sont de nature prospective ; le plus souvent
développées par les spécialistes du marketing, elles cherchent à
prédire la demande de façon déductive par analyse future de ses
éléments déterminants, ou de façon expérimentales ;
Page 6 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
4 ) Généralisation :
Il est très important de préciser que les techniques de prévision
ne sont pas exclusives .
Page 7 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Page 8 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
1) Démarche générale :
Il faut naturellement commencer par définir le type de prévision
dont on a besoin .
Ensuite, il convient de définir l’application particulière . Pour les
méthodes de type prédictif , on se préoccupe de la procédure de
collecte des informations. Pour les méthodes d’extrapolation , il
convient d’abord de réunir les données passées et d’identifier les
sources d’informations sur les ventes futures .
Si l’on travaille par extrapolation , de façon ensuite à s’orienter
sur un modèle adéquat, il faut procéder à l’analyse de la structure de la
demande passée . Cette analyse amène à intégrer, si besoin est, des
systèmes de correction de tendance et / ou de saisonnalité.
La phase ultérieure porte sur des simulations de modèles a priori
adaptés en vue de déterminer les valeurs que doivent prendre les
paramètres .
Il n’y a en effet pas d’autres méthode qu’une démarche d’essais
successifs visant à minimiser les erreurs de prévision. Ce dernier
propos s’applique à toutes les techniques y compris les méthodes
qualitatives .
Dès que la simulation aboutit à une erreur inférieure à l’objectif
du manager, la démarche est terminée et le modèle peut être mis en
place avec son système de suivi permanent .
Dans le cas contraire, il ne faut pas nécessairement conclure que
la prévision est impossible . Il a lieu d’analyser comment la demande
est générée et, en particulier, si elle n’est pas elle-même constituée de
l’addition de demandes élémentaires qui pourraient alors être prévues
séparément puis agrégées pour reconstituer la demande globale .
La dernière étape de la méthodologie consiste à définir et mettre
en place des signaux d’alerte permettant par la suite de mettre sous
contrôle l’adaptation permanente de la méthode retenue.
Page 9 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Page 10 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Page 11 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
100
90 Classe C
80
70 Classe B
60
50
40
30
20
10 Classe A
Pourcentage
0 cumulé du nombre
10 20 30 40 50 60 70 80 90 100 de produits
3 ) Décomposition de la demande :
Pour construire un bon système de prévision dans le cadre d’une
méthode d’extrapolation, il est indispensable d’analyser correctement
la structure de la demande passée , en recherchant la présence des
éléments suivants : une saisonnalité, une tendance, et enfin l’existence
de variations aléatoires autour de la tendance centrale .
Il faut décomposer la demande en ses constituants élémentaires
de telle sorte que la composition de ces lois en un modèle permette
d’expliquer la demande passée et de la projeter sur l’avenir .
On définit le niveau de base comme étant la moyenne de la série
de données de la demande prévue à une date déterminée . Le niveau
de base est donc une loi stationnaire que le modèle de prévision
Page 12 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
a / Saisonnalité :
On désigne ainsi des fluctuations de la demande qui se répètent à
intervalles réguliers et qui sont reliés à un ou plusieurs facteurs
environnementaux .
La procédure habituelle pour caractériser une saisonnalité
consiste ç calculer des indices saisonniers , qui représentent , pour
chaque période élémentaire, le rapport entre la demande réelle
constatée et une moyenne globale , évaluée sur le cycle de référence ,
et appelée demande désaisonnalisée . Pour un calcul de variations
saisonnières d’une prévision mensuelle sur un horizon d’un an, cette
procédure revient à évaluer la demande mensuelle ( moyenne
arithmétique sue l’année ) et à en faire le rapport avec chacune des
demandes réelles mois par mois ( dans la mesure où il n’existe pas de
tendance ).
b / Tendance :
La tendance est une évolution du niveau de base de la demande
en fonction du temps . Dans la décomposition en éléments constitutifs
de la demande , après avoir corrigé le facteur saisonnier, on doit
s’interroger sur l’existence éventuelle d’une tendance .
Dans tous les cas , il convient d’identifier le type de tendance
pour pouvoir l’intégrer dans un modèle ; Dans le cas où la tendance
est linéaire , on cherche l’équation de la droite qui rend compte de la
tendance , soit graphiquement en reportant les données
désaisonnalisées sur un graphie, soit en appliquant une méthode de
régression adaptée . Dans le cas où la tendance est exponentielle, on
utilise un graphique à échelle semi-logarithmique ou on effectue la
régression sur le logarithme de la variable .
c / Variations aléatoires :
Ce sont les variations de la demande non expliquées par la
décomposition en niveau de base , saisonnalité et tendance . Si ces
trois
Page 13 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Page 14 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
t=n
eam = ∑ (Pt–Dt) / n
t=1
Page 15 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
t=n
EAM = ∑ |Pt-Dt| / n
t=1
5 ) Signaux d’alerte :
Un système de prévision destiné à gérer des milliers d’articles
doit être mis sous contrôle : il faut détecter très rapidement toute
déviation par rapport à un comportement normal pour éviter les
conséquences désastreuses de l’emploi de prévisions erronées dans les
décisions logistiques. Pour cela, il faut surveiller en continu, pour
Page 16 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
a = n ∑( x y) - ∑ x∑ y / n ∑ (x² ) – (∑ x )²
Page 17 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
b = ( ∑ y – m ∑ x) / n
Demande
Chronique D(t)
Ordonnée à Pente a
l’origine b
Temps
Page 18 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
i
Pn+1 = ∑ Pi / n
i= t- n+1
t
Pn+1 = ∑ α i Pi
i = t- n+1
Page 19 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Pt+1 = α Dt + (1-α) Pt
2 n
Pt+1 = α Dt + α(1-α) Dt-1 + α(1-α) D t-2 +…+ a (1-α) Dt-n
Page 20 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Page 21 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Tt+1 = β ( Pt+1 – Pt ) + ( 1- β ) Tt
Page 22 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Ddt = Dt / It
Page 23 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Conclusion :
Les modèles de prévision que nous avons étudiées ont un
comportement différent face à une modification de la demande.
Cependant, le lissage exponentiel est très supérieur aux moyennes
mobiles. De plus, par le choix de la constante de lissage α , il permet
de régler aisément la sensibilité du système.
Le lissage exponentiel double présente un avantage
supplémentaire : il possède de s fa culté s d’ada pta tion ou
d’apprentissage plus grandes que les autres modèles sous réserve
d’avoir opéré suffisamment de simulations pour choisir les lissages
élémentaires respectifs. Par exemples, même si les données
chronologiques de départ ne présentent pas de saisonnalité, il est
intéressant d’intégrer au modèle un lissage exponentiel sur la
saisonnalité en donnant le même indice mensuel initial aux douze
donnés s’y adaptera, cela d’autant plus vite que le coefficient de
lissage β choisi sera plus grand.
En revanche, aucun modèle ne peut s’adapter à un retournement :
changement d’une tendance additive devenant multiplicative par
exemple. Les signaux d’alerte doivent, dans tous les cas, être intégrés
au modèle. S’ils sont assortis de limites quantitatives, il peut m^me
être prévu de modifier le modèle en introduisant une correction de
tendance préprogrammée. On parle alors de lissage auto adaptatif.
IX .Schéma récapitulatif :
Page 24 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
SYSTEME DE PRVISIONS
-Activités antérieures
-Information des vendeurs
-Info. - activités politiques
-Etude des informations à l’entrée
- activités économiques
par les responsables des prévisions
- activités sociales
-Choix d’une technique de prévision
- activités techniques
s’adaptant au contexte de
- activités écologiques
l’entreprise
-Info. pertinentes à l’industrie
-Etablissement d’un plan de
-Capacités de production de
prévision
l’entreprise
- Approbation du plan par le comité
-disponibilités de l’entreprise en :
des prévisions
- main-d’œuvre
- équipement
- bâtisses
- liquidités
Vers la
planification
Page 25 sur 26
INSTITUT DES HAUTES ETUDES COMMERCIALES DE CARTHAGE
ANNEE UNIVERSITAIRE : 2002 / 2003
Bibliographies :
Page 26 sur 26