Pl ifi ti de
Planification
d la
l production
d ti
Chapitre 1
Prvision de la demande
ESTI
2010 / 2011
ti
Moyen Terme : Gnralement mesur en semaines
ou en mois.
mois Peut aller jusqu
jusqu
deux ans: moyen
terme, la demande a un impact sur les stocks de scurit
et sur les contrats avec les clients et les fournisseurs.
ce niveau, les prvisions permettent une planification
agrge de la production.
3. Niveau dagrgation
Agrgation du temps
Agrgation
g g
des p
produits
Les
L prvisions
i i
agrges
sontt plus
l prcises
i
prvisions long
g terme sont moins prcises
p
Les p
Les prvisions ne remplacent pas la vraie
information
10
Dfinition de la prvision
11
12
1. Mthodes quantitatives
Les mthodes de sries chronologiques
(dextrapolation) : suite d
dobservations
observations
14
Tendance :
Augmentation (ou une diminution) significative de la demande
en fonction du temps.
La tendance peut tre linaire ou non
15
Saisonnalit :
Variation rgulire qui se rpte priodiquement dans la
demande.
16
Cycle :
volution de la demande qui s'tale
s tale sur plusieurs annes et
qui peut tre attribue au cycle de vie des produits ou des
conditions conomiques, politiques, etc..
Irrgulire :
Variation provoque par des circonstances inhabituelles.
Alatoire
Al
t i :
Variation de la demande qui ne peut tre explique par les
composantes ci-dessus.
17
18
19
Prvisions naves
M
Moyennes
simples
i l
Lissage exponentiel
20
Moyennes simples
Prvisions naves
Mois
Exemple:
Demande
Janvier
45
F i
Fvrier
38
Mars
29
Avril
35
Mai
31
quation:
ti
Ft
1
n
t 1
i t n
Di
1
n
22
Mois
Janvier
Fvrier
Mars
Avril
Mai
Juin
( Dt 1 Dt 2 ... Dt n )
i = indices
n = nombre de priodes de la moyenne mobile
Di = valeur relle dune priode passe
Ft = prvision de la priode t
23
Demande
45
38
29
35
31
NA
Total des
Moyenne
donnes
mobile
(n=3)
(n=3)
NA
NA
NA
NA
NA
NA
45+38+29=112 112/3 = 37
24
Mois
Janvier
Fvrier
Mars
Avril
Mai
Juin
Demande
45
38
29
35
31
NA
Mois
Total des
Moyenne
donnes
mobile
(n=3)
(n=3)
NA
NA
NA
NA
NA
NA
45+38+29=112 112/3 = 37
38+29+35=102 102/3 = 34
Janvier
Fvrier
Mars
Avril
Mai
Juin
Demande
45
38
29
35
31
NA
Total des
Moyenne
donnes
mobile
(n=3)
(n=3)
NA
NA
NA
NA
NA
NA
45+38+29=112 112/3 = 37
38+29+35=102
38+29+35
102 102/3 = 34
29+35+31=95 95/3 = 32
25
Exercice
Prvoir llaide
aide de la moyenne mobile
simple avec une base n=3, le nombre
d paniers
de
i
ncessaires
i
pour lla priode
i d
6
t
Nombre de
42
40
43
40
41
D5 D4 D3
3
paniers (Dt)
F6
26
41.3 | 41
27
28
Lorsquon
Lorsqu on augmente la valeur de n
n, la prvision devient
moins sensible aux changements rcents.
Ne permet pas de faire de bonnes prvisions lorsquil y a
une tendance.
Ncessite davantage de donnes historiques.
lorsqu'il n'y a pas de tendance ou de saisonnalit dans les
donnes, la moyenne mobile donne une prvision de la
valeur moyenne des ventes pour les prochaines priodes.
Fn1
wi Di
i 1
avec wi
i 1
30
Exercice
Lhistorique des demandes pour le produit P est
comme suit
it :
Dt
jan
fv
Mar
avr
mai
juin
juil
aot
sept
oct
nov
dc
795
810
840
jan
820
800
765
745
740
750
820
840
755
Ft (MMS)
815
823
820
795
770
750
745
770
803
805
Ft (MMP)
823
825
813
786
761
746
746
783
818
794
32
Exemple
Lissage
g exponentiel
p
simple
p
Le lissage exponentiel est une autre forme de
moyenne mobile
bil pondre.
d chaque
h
priode,
i d cette
tt
mthode ajuste la demande moyenne en proportion
de la diffrence entre la dernire demande relle et
la prvision correspondante: ce qui vite
denregistrer
g
toutes les donnes du p
pass.
janvier
fvrier
mars
avril
mai
juin
juillet
Dt
19.36
25.45
19.73
21.48
20.77
25.42
Ft D=0.2
23.00
22.27
22.91
22.27
22.11
21.84
22.56
Ft D=0.05
=0 05
23.00
22.82
22.95
22.79
22.72
22.63
22.77
F t 1 D ( F t 1 D t 1 )
Ft
Ft
On pose Fjanvier=23.00
Ffvrier=0.2 * 19.36 + 0.8 * 23.00
DDt 1 (1 D ) Ft 1
33
34
et
Ft Dt
35
EM
1 n
et
nt 1
Lcart algbrique moyen (EM) doit tre proche de zro pour n trs
important sinon
important,
sinon, le modle utilis prsente un biais (E(EM)=0)
(E(EM)=0). Un
modle sans biais a autant de chance de survaluer la demande que
de la sous-valuer.
Dans un modle sans biais, les erreurs positives et ngatives doivent
s'annuler et donc, la somme des erreurs doit tre prs de zro. Si,
p , la somme des erreurs s'loigne
g de zro,, cela signifie
g
dans le temps,
qu'il y a un biais dans le modle et qu'il doit tre rvis.
1 n
et
nt 1
Exemple:
EM
EM=
EM
37
38
EAM
1 n
et
nt 1
Dans lcart absolu moyen (EAM), sans gard au fait que l'erreur
soit une surestimation ou une sous-estimation
sous estimation, les erreurs ne se
compensent pas, lEAM nous donne donc une mesure efficace de
lcart quil y a entre prvision et demande relle.
P
Pour
des
d modles
dl prsentant
t t des
d EM semblables,
bl bl
on prfre
f celui
l i
ayant lEAM le moins important.
Lorsque
q les erreurs de p
prvision sont normalement distribues,, tel
qu'il est gnralement assum, un estim de l'cart type de
l'erreur est de 1.25 fois la EAM. Ont peut alors dire que 58% des
erreurs de prvision seront infrieures 1 fois la EAM; 89% des
erreurs de prvision seront infrieures 2 fois la EAM et 98% des
erreurs seront infrieures 3 fois lEAM.
39
EAM
1 n
et
nt 1
EAM
40
CME
et2
( )
t 1 n
n
CME
et2
( )
t 1 n
n
CME=
41
42
100 * et
1 nD
t
EMAP
43
100 * et
1 nD
t
EMAP
44
T
Tendance
d
multiplicative
lti li ti : (la
(l d
demande
d b
baisse
i
d
de 5%
chaque semaine) :
O:
S t DA (1 D ) B D ]0;1[
Pt (W ) f ( S t )
Dt 1 / Dt | cte
46
estt utilis
tili pour lilisser lles variations
i ti
alatoires
l t i
d
dans lla
demande
est utilis pour
p
lisser les variations dans l'estim de la p
pente
Cas saisonnalit
48
Tt
Ft 1
S t Tt
Pt (1)
St
Pt (W )
S t WTt
50
Pt (W )
S t WTt
P0 (1)
S 0 T0
P0 (1)
90 10 100
Mise jour de St et Tt
Si au ttemps t=1,
t 1 lla d
demande
d relle
ll enregistre
i t estt d
de 97 units.
it
En utilisant =0.3 et =0.5, on obtient:
St
DDt (1 D )( S t 1 Tt 1 )
Tt
E ( S t S t 1 ) (1 E )Tt 1
S1
DD1 (1 D )( S 0 T0 )
T1
E ( S1 S 0 ) (1 E )T0
S1
T1
S1
99.1
T1
9 .6
Calcul de la nouvelle p
prvision
Pt (W ) S t WTt
Au temps t=1, la prvision faite
pour la priode suivante est:
P1 (1) S1 T1
P1 (1)
51
S1
99.1
T1
9 .6
Pt (W )
S t WTt
P1 (3)
S1 3T1
P1 (2)
S1 2T1
P1 (3)
P1 (1)
mars
avril
il
maii
j i
juin
Dt
19
25
19
21
20
25
St
20
20
21
21
21
21
22
Tt
0.100
0.090
0.080
0.072
0.165
20
20
21
21
21
21
Pt(1)
53
f i
fvrier
Tt
E ( S t S t 1 ) (1 E )Tt 1
Ft 1
St
DDt (1 D )( S t 1 Tt 1 )
Pt (W )
Pt (1)
j ill
juillet
22
S t Tt
S t WTt
54
55
56
Multiplicateurs saisonniers
on fait
f it appell d
des multiplicateurs
lti li t
saisonniers
i
i
It. Chaque
Ch
multiplicateur reprsente la dviation moyenne de la demande par
rapport la moyenne gnrale. Le nombre de multiplicateurs
saisonniers dpend de la longueur du cycle. Ainsi, pour un cycle de n
= 4 priodes, on aura 4 multiplicateurs: I1, I2, I3 et I4.
St
D(
I1 = Y2 / Y1
Y1 est la moyenne gnrale de la
srie au temps t.
Y2 estt lla d
demande
d relle
ll enregistre
i t
la priode t.
Dt
) (1 D ) S t 1
I t n
57
58
It
J(
Dt
) (1 J ) I t n
St
Pt (1)
L ratio
Le
ti d
de lla plus
l rcente
t observation
b
ti Dt sur l'estim
l' ti actuel
t ld
de lla
demande dsaisonnalise St donne l'estim actuel du facteur
saisonnier. La moyenne est ensuite calcule en utilisant le meilleur
estim du facteur saisonnier prcdent It-n.
59
Pt (m)
S t I t n1
S t I t n m
Pt(m)
( ) est la prvision faite
f
la priode t pour la priode t+m. Cette
C
quation assume que m < n.
Si n < m < 2n,, le facteur saisonnier appropri
pp p serait It+m-2n
t+m 2n ; Si 2n < m <
3n, le facteur saisonnier appropri serait It+m-3n et ainsi de suite.
60
St
It
A00
23
0.426
H00
12
0.222
P00
50
0.926
140
E00
131
54
2.426
120
A01
19
53
0.406
160
St
Pt(1)
14
54
0.233
12
P01
61
55
0 979
0.979
50
60
E01
120
55
2.357
134
40
A02
20
54
0.395
22
20
H02
10
53
0.220
13
P02
55
53
0.995
52
E02
126
53
2.359
126
21
A00 H00 P00 E00 A01 H01 P01 E01 A02 H02 P02 E02 A03
61
St
62
D(
quation 2 : Tendance
E ( S t S t 1 ) (1 E )Tt 1
Tt
Dt
) (1 D )( S t 1 Tt 1 )
I t n
It
Dt
H01
100
80
A03
Pt(1)
J(
Dt
) (1 J ) I t n
St
Pt (1) ( S t Tt ) I t n1
Pt (m) ( S t mT
Tt ) I t n m
64
180
160
Dt
St
It
Tt
Pt(1)
140
A00
23
0.426
120
H00
12
0 222
0.222
80
0.926
St
Pt(1)
( )
60
P00
50
E00
131
54
2.426
0.001
A01
27
55
0.432
0.048
H01
16
57
0.228
0.133
12
P01
54
57
0.928
0.141
53
2,5
E01
135
57
2.420
0.133
139
A02
32
59
0 444
0.444
0 218
0.218
25
15
1,5
H02
21
62
0.239
0.383
13
P02
59
63
0.929
0.387
58
0,5
E02
150
63
2.416
0.381
153
A03
Dt
100
40
20
0
A00 H00 P00 E00 A01 H01 P01 E01 A02 H02 P02 E02 A03
28
2
It
Tt
0
A00 H00 P00 E00 A01 H01 P01 E01 A02 H02 P02 E02 A03
65
66
6. Mthodes causales
y
ax b
ax b
69
70
min(( ( y y )))
xy nx y
x n( x )
y ax
On a : x
Avec :
1
n
xi
i 1
1
n
yi
i 1
71
1
5
3 y
1
5
xy n x y
x n(x)
2
y
i 1
i 1
ett b
et b
1
( 200 250 175 186 225)
5
207,2
y ax
Coefficient de corrlation :
Or pour un ensemble de points,
Or,
points on peut toujours calculer lquation
l quation
de la droite dajustement sans quil y ait une relation relle entre
lensemble des variables indpendants X et les variables
d
dpendantes
d t Y.
Y De
D ce fait,
f it il faut
f t calculer
l l le
l coefficient
ffi i t d
de
corrlation r pour mesurer le degr de relation entre les X et les Y
>n x
n xy x y
2
x
@ >n y
y
73
74
75
76
77
79
Elles sont utiles lorsquil existe trs peu de donnes (introduction d'un
nouveau p
produit ou p
pntration d'un nouveau march,, entreprise
p
en
dmarrage).
78