Anda di halaman 1dari 44

Optimisation des stocks

A. Approvisionnement et prvision de la
demande
Lapprovisionnement est troitement li la connaissance de la demande. Le lien est
dailleurs si fort que parfois, il existe une confusion entre prvoir la demande et
dterminer la quantit conomique approvisionner. Or, cest la prvision et la
qualit de la prvision qui est la base de lapprovisionnement.

1. Pourquoi laborer des prvisions de ventes ?


Cette question peut paratre triviale, cependant, elle mrite rflexion et savre
complexe dans sa rponse. Deux points mritent dtre abords.

1.1. La prvision conditionne loptimisation


Deux lments sont essentiels pour dterminer le calcul dun approvisionnement
optimal :
la prvision de la consommation
la fiabilit attendue de cette prvision
La prvision de consommation dtermine de manire directe une partie du niveau
dapprovisionnement ; il sagit de couvrir au minimum le besoin pour un certain dlai.
La fiabilit attendue de cette prvision ou la crdibilit de la prvision permet de
dimensionner le niveau de stock de scurit.

1.2. Lobligation de prvoir est lie aux dlais de raction


Toutes les entreprises ne sont pas dans lobligation de prvoir, du moins dans le
cadre de leur systme de rapprovisionnement.
Le cas extrme est reprsent par les entreprises qui travaillent la commande ,
cest dire celles dont le dlai de livraison accept par ses clients est suprieur au
dlai dapprovisionnement des matires auprs des fournisseurs et au dlai de
production. Quelques entreprises sont dans ce cas : notamment celles du secteur
aronautique, des travaux publics, des chantiers navals. Pour elles, le problme de
rapprovisionnement est relativement ais rsoudre.
A loppos, figure la grande majorit des entreprises du secteur de la grande
consommation. Le dlai de livraison est de quelques jours, voire de quelques heures
(rpartiteur pharmaceutique) ; le stockage des produits finis est alors impratif sous

peine dtre en rupture. Les consquences sont le risque de la perte de la vente et la


dgradation de limage de marque.
Pour optimiser le niveau de stock, lobligation de prvoir simpose.
Le tableau suivant illustre larbitrage que lentreprise est en mesure deffectuer :
flexibilit ou stockage. Souvent, on cherche rsoudre un problme de prvision qui
peut trouver sa solution plus facilement par un accroissement de la ractivit et/ou
de la flexibilit. Cependant, ce choix souvent nexiste pas pour lentreprise, il est
impos par les dlais de livraison que les fournisseurs exigent.
A quel niveau prvoir ?
Approvisionnement
Fabrication
matire
A la commande
A la commande
Sur prvision
A la commande
Sur prvision
Sur prvision
Sur prvision
Sur prvision

Emballage
personnalisation
A la commande
A la commande
A la commande
Sur prvision

Stock

Aucun
Matire
Semi-finis
Produits finis

2. Qui prvoit ?
Cette question se dcline en deux autres questions :
qui est concern par la prvision et quel titre ?
qui est le mieux plac pour laborer cette prvision ?

2.1. Plusieurs fonctions sont concernes par les prvisions


La prvision concerne la plupart des fonctions de lentreprise. Le tableau suivant
prsente ces fonctions ainsi que leurs domaines dapplication.
Fonctions concernes par la prvision
Fonctions

Applications

Commerciale

Prvision des ventes, fixation dobjectifs

Logistique

Approvisionnements, mise en fabrication

Marketing

Prvision des ventes, plan marketing

Contrle de gestion, finance

Prvision budgtaire

Il peut apparatre la lecture de ce tableau que si la prvision concerne bien


plusieurs fonctions de lentreprise, ce nest pas au mme titre : les objectifs ne sont
pas identiques, les proccupations et les besoins ne sont pas les mmes.
La prvision est donc transverse par rapport aux fonctions de lentreprise : une
personne nest pas seule concerne par ce problme.
Dailleurs, il est frquent de constater qu lintrieur mme dune entreprise, il
coexiste des prvisions des ventes diffrentes pour les mmes produits, selon la
fonction laquelle on sadresse.

2.2. La prvision comme rsultat dun consensus


La responsabilit dlaboration de la prvision est trs variable dune entreprise
l autre.
Le plus souvent, cest la fonction logistique qui est en charge de la prvision ; et
pourtant, les logisticiens ne sont pas forcment les mieux placs du fait de leur
isolement vis vis du march. Mais lobligation de fournir des prvisions
quantitatives et fines aux fournisseurs ou la production fait quils sont jugs
responsables en cas de problme.
De manire idale, llaboration de la prvision doit se faire en commun au sein dun
comit runissant les fonctions commerciales, marketing et logistiques. Chacun doit
sengager sur des chiffres et, ce titre, en est responsable. Ainsi, le risque de
focaliser tous les problmes (ruptures ou surstocks) auprs dune unique personne,
le prvisionniste , est trs fortement diminu.

3. Comment identifier le problme de prvision ?


Lorsque se pose le problme de prvision dans une entreprise, il convient de
sinterroger sur un certain nombre dlments qui vont conditionner le choix de la
solution. Les donnes prvoir : livraison ou commandes ?
Le choix des donnes historiques servant de base la prvision est important
traiter. Le plus souvent, il sagit des livraisons, car linformation est facilement
disponible du fait quelle est lie la facturation. Nanmoins, les livraisons
prsentent linconvnient majeur dtre pollues par les ruptures de stock et donc
de ntre pas reprsentatives de la demande relle.
Les commandes constituent donc la base historique la plus proche de la demande
finale.
Priodicit de la prvision et horizon
Le besoin de ractivit de lentreprise dtermine la priodicit des donnes
historiques et de la prvision :

Pour des produits industriels ou de consommation courante, la priodicit


mensuelle savre suffisante et lhorizon de prvision peut tre compris entre six
et dix-huit mois. Cest le cas le plus classique.
Dans le domaine des produits frais, la prvision doit tre calcule de manire
hebdomadaire afin dtre plus ractive ; la maille mensuelle nest alors plus
suffisante. Lhorizon de prvision peut aller jusqu quinze semaines.
Enfin, pour certains secteurs de service (ouverture de caisse dans les
supermarchs, pages dautoroute, etc.) ou pour des produits ultra frais, la
prvision journalire (voire horaire) simpose. Les produits sont stockables peu de
temps et la demande journalire est variable. La dtermination la plus exacte
possible du rythme dactivit quotidienne est essentielle, lhorizon de prvision est
limit quelques jours (une trentaine en pratique).

B. Les mthodes dlaboration des


prvisions
Nous allons maintenant aborder les diffrentes techniques de prvisions, fondes sur
lanalyse de lhistorique des consommations.

1. Comment analyser un historique ?


Une srie chronologique est une suite de valeurs ordonnes dans le temps et
reprsentant le mme phnomne conomique. Cette base historique permet par un
traitement appropri deffectuer une prvision. Nous insistons encore une fois sur
limportance que revt cet historique en terme de qualit, de reprsentativit et de
nombre dobservations. Une mthode de prvision, aussi sophistique soit-elle,
restitue toujours linformation contenue dans la srie chronologique.

1.1. Les outils


1.1.1. Le calcul des statistiques de base
Nous prsentons, dans ce paragraphe, les modes de calcul de statistiques simples :
caractristiques de valeur centrale et caractristique de dispersion.
La moyenne
La formule gnrale de la moyenne dune srie chronologique de terme gnral x t
pour laquelle nous disposons de n observations est :
n

xt
x t 1
n
Exemple : la moyenne de la srie chronologique suivante : 4, 8, 5, 10, 3
est : (4+8+5+10+3) / 5 = 6
Le seul calcul de la moyenne est insuffisant : deux sries peuvent avoir une
moyenne proche alors que leur dispersion, et donc leur difficult intrinsque
prvoir, est trs diffrente. Cest pourquoi, il est prfrable de prsenter la moyenne
avec un coefficient permettant de prendre en compte la dispersion.
Exemple de deux sries ayant une mme moyenne mais une dispersion diffrente :
Srie A : 4, 8, 5, 10, 3 ;
Srie B : 19, 1, 7, 2, 1 ;

moyenne 6 ;
moyenne 6 ;

cart-type 2,60
cart-type 6,87

La dispersion
7

La variance dune srie chronologique permet dvaluer la dispersion autour de la


moyenne.
La formule de la variance dans le cas dun chantillon (lhistorique ne reprsente
quun chantillon des ralisations et ce titre nous devons appliquer les formules
concernant un chantillon et non celles relatives une population) est donne par :
t n

(x x )

Var (x) t 1

n1

En gnral, on utilise davantage la racine carr de la variance appele cart-type (

):

Var(x)
x

Cet cart-type est lun des indicateurs fondamentaux de la difficult prvoir une
chronique, il prsente lavantage de sexprimer dans la mme unit que lhistorique.
Pour pouvoir interprter sa valeur, il convient de le rapporter la moyenne.
Le Coefficient de variation
Le coefficient de variation se dfinit comme tant le rapport de lcart type la
moyenne calculs partir de la srie brute :
CV =

Il rend compte de la difficult prvisionnelle dun historique. Plus il est lev, plus la
variance de la srie est importante rapporte la moyenne et, donc, plus la tche du
prvisionniste est, priori ,dlicate.
Nous pouvons classer les historiques des ventes en fonctions de ce coefficient :
infrieur 0,5 :
priori facile prvoir,
compris entre 0,5 et 1 :
de dispersion moyenne
suprieur 1 :
la variance de la srie est importante rapporte la
moyenne et donc, cette srie peut savrer difficile prvoir.
Si lcart type de lhistorique est significativement suprieur lcart type de lerreur
de prvision, le systme de prvision est performant.
Nanmoins, le coefficient de dispersion de la srie ne prjuge pas compltement des
difficults ultrieures : une srie fortement fluctuante peut-tre largement
8

explique par des coefficients saisonniers trs marqus et/ou un facteur explicatif
trs influent.

1.1.2. La moyenne mobile


Le premier rflexe du prvisionniste lorsquil dispose dun historique est den
effectuer une reprsentation graphique. Cependant, il savre que cette
reprsentation nest pas toujours parlante car les mouvements de fonds sont
occults par des mouvements erratiques et non significatifs. Le recours une
technique de lissage par moyenne mobile permet de palier cet inconvnient en
lissant les pics et les creux et en ne laissant apparatre que les fluctuations
rellement significatives.
Par exemple, la moyenne mobile (note MM t) dordre 3 calcule pour linstant t est
donne par :
Avec xt, la valeur de lhistorique des ventes linstant t.
MMt = (xt-1 + xt + Xt-1)/3
Il est noter que cette moyenne mobile dordre 3 ne peut tre calcule que pour t=2
n-1 (n tant le nombre dobservations), car on ne dispose pas dobservation
prcdant x1 et suivant xn.
La premire valeur dune moyenne mobile de longueur 4 ( = 2 x 2) ou 5 (= 2 x 2 + 1)
que lon peut calculer, est linstant t = 3, puisque la premire observation connue
est x1 :
MM 4x 3 = (0.5 x1 + x2 + x3 + x4 + 0.5 x5) / 4
MM 5x 3 = (x1 + x2 + x3 + x4 + x5) / 5

x1

x2

MM x3

x3

x4

x5

x6

~
x3
Le choix de lordre de lordre de la moyenne mobile dpend de lobjectif recherch.
Plus lordre est lev, plus la srie est lisse et les phnomnes de courts terme sont
alors gomms, au risque de perdre en ractivit ; seul reste le mouvement de fonds
(la tendance). Une mention particulire concerne la moyenne mobile dordre douze

qui pour des sries historiques de priodicit mensuelle, reprsente lvolution des
consommations ou des ventes hors phnomnes saisonniers.
Les formules gnrales de filtrage par moyenne mobile sont les suivantes :
si lordre correspond un nombre impair (2 m + 1),
MMt = (xt-m + + xt-1 + xt + xt+1 + + xt+m) / (2 m +1)

~
x

1 i m
xt i
2m 1 i m

si lordre correspond une paire (2 m), il nous faut recourir un artifice de


calcul afin de faire correspondre le terme central x t la valeur de la moyenne
mobile MMt.
MMt = (0.5 xt-m + + xt-1+ xt + xt+1 + + 0.5 xt+m) / (2 m)

MM t 1 1 xt m xt i 1 xt m
2m 2
2
i(m1)
i m1

Le tableau suivant prsente un exemple de calcul dune moyenne mobile dordre 3 et


dune moyenne mobile dordre 4 , ainsi que la moyenne, lcart-type et le coefficient
de variation.
Priode

Srie

1
2

10
12

10+12+14 / 3 = 12

14

12+14+16 / 3 = 14

5+12+14+16+6 / 4 = 13,25

16

14+16+12 / 3 = 14

6+14+16+12+5,5 /4 = 13,375

12

16+12+11 / 3 = 13

6
11
Moyenne
12,5
Ecart-type 2,16794834
CV
0,17343587

Moyenne mobile 3

13,25
0,957427108
0,07225865
10

Moyenne mobile 4

13,3125
0,088388348
0,0066395

Nous observons que le coefficient de variation de la srie brute est suprieur celui
de la srie lisse MM3 qui lui-mme est suprieur celui de la srie MM4 ; nous
retrouvons bien la mcanique du lissage qui crte les pics et les creux.
Faites lexercice N 1

Exercice N1
Calcul de moyenne mobile et de coefficient de variation

Voici un historique de consommation dun produit X sur 20 priodes :


P 1
rio
de
Co 100
ns
om
ma
tio
n
1234-

89

99

56 147

10

87

56 140 147 156

11

12

13

14

15

16

17

99 138 100 251 156 147

19

20

98 134 127 185

Calculer les moyennes mobiles dordre 3 et 6.


Reprsenter les sur un graphique. Quobserve-t-on ?
Calculer les moyennes gnrales, carts-types, coefficient de variation.
Que peut-on dire de la tche du prvisionniste pour les priodes venir ?

Correction

2. La dcomposition dune srie chronologique


Lors de lanalyse dun historique, il est possible dobserver deux composantes
fondamentales :
la tendance (Tt) est un mouvement lent seffectuant dans un sens dtermin
durant plusieurs priodes,
la saisonnalit (St) correspond des variations seffectuant rgulirement au
cours de la semaine, du mois, du trimestre

11

18

2.1. Lestimation de la tendance


Lorsque nous observons un graphe de srie chronologique, mentalement nous
dduisons une tendance. Afin destimer la tendance, il est ncessaire de faire appel
la statistique qui fournit un certain nombre doutil de calcul.
Tendance par moyenne mobile
Nous avons dfinit prcdemment ce quest une moyenne mobile et son effet de
lissage sur les courbes. En retenant un ordre de moyenne mobile lev, nous
rduisons les fluctuations de la chronique (plus lordre est lev, plus les fluctuations
de la courbe lisse sont amorties), ce qui permet de mettre en vidence les
phnomnes de tendance.
Les moyennes mobile prsentent deux dfauts en tant que technique pour la
dtermination de la tendance. En premier lieu, elles conduisent une srie plus
courte que la srie traite. En second lieu, aucun principe napparat naturellement
pour lextrapolation dune tendance dtermine par moyenne mobile.
Exemple destimation de la tendance partir de la moyenne mobile :
Priode
1
2
3
4
5
6

Srie
100
110
105
102
98

MM 3 (Prvisions)

105=(100+110+105)/3
105,7=(110+105+102)/3
101,6=(105+102+98)/3

Tendance par moyenne mobile pondre


La recherche de la tendance par calcul de la moyenne mobile pondre conduit
accorder un poids diffrent aux n valeurs passes retenues. La somme des n valeurs
doit tre au moins gale 1.
Exemple destimation de tendance avec une moyenne mobile pondre sur trois
priodes avec les coefficients suivants : 0,2, 0,3 et 0,5
Priode
1
2
3
4
5
6

Srie
100
110
105
102
98

MM 3 (Prvisions)

105,5=[(100*0,2)+(110*0,3)+(105*0,5)]/(0,2+0,3+0,5)
104,5=[(110*0,2)+(105*0,3)+(102*0,5)]/( 0,2+0,3+0,5)
100,6=[(105*0,2)+(102*0,3)+(98*0,5)/( 0,2+0,3+0,5)

Faites lexercice N2

Exercice N2
12

Calcul de moyenne mobile pondre


Voici un historique de consommation dun produit X :
mois

demande
100
90
105
110
80
105
95
105
100
110
115
120
130
135

Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier
Fvrier

1 - Calculer la moyenne mobile dordre 3.


2 - Recalculer cette moyenne en la pondrant :
avec les poids respectifs : 20%, 30%, 50%
avec les poids respectifs : 10%, 20%, 70%
3 - Reprsenter graphiquement vos rsultats
4 - Faites des commentaires sur vos rsultats
Correction

Tendance par rgression


Le but, ici, est destimer la tendance laide dune droite estime par un ajustement
des moindres carrs.
Droite de rgression : y = ax + b
avec :

n xy x y

a=

n x ( x)

et

13

b=

y a x

n
n

Exemple destimation de tendance avec le calcul dune droite de rgression :


Srie observe

X
1
2
3
3
5
6
7
28

a=

X2
1
4
9
16
25
36
49
140

Y
10
12
20
28
30
28
35
163

(7*769)(28*163)
2

(7*140)(28)

XY
10
24
60
112
150
168
245
769

= 819 = 4,18

196

b = 163 a*28 = 6,57

Equation de la droite : y = 4,18 x + 6,57


Le tableur Excel fournit en partie les estimations de cette droite (fonction
DROITEREG).
Faites lexercice N3

Exercice N3
Droite de rgression

Voici un historique de consommation dun produit A :


priodes
1 trimestre
2me trimestre
3me trimestre
4me trimestre
Total anne
er

1999
220
240
280
300
1040

2000
280
280
370
390
1320

14

2001
340
380
450
420
1590

1- Reprsenter graphiquement lvolution de la demande.


2- Tracer la droite de rgression correspondante.
3- Quelle est la demande probable pour le 1 er trimestre 2002 ?
Correction
Tendance par lissage exponentiel
La mthode du lissage exponentiel repose sur lide de dpart que les informations
contenues dans une srie chronologique ont dautant plus dimportance quelles sont
plus rcentes. Pour effectuer une prvision, il faut donc affecter aux informations un
poids dautant plus faible quelles proviennent dpoques plus loignes.
On pose :
Dt = demande constate pour la priode t
Pt = prvision de la demande pour la priode t
= constante de lissage comprise entre 0 et 1
La prvision pour la priode t+1 se calcule grce la formule suivante :
Pt+1 = Dt + (1 - ) x Pt
Lorsque la constante de lissage est gale 0, la prvision pour la priode t+1 est
gale la prvision pour la priode t.
Lorsque la constante de lissage est gale 1, la prvision pour la priode t+1 est
gale la demande de la priode t.
La difficult rside ici dans la dtermination de la valeur de la premire prvision. En
effet, on ne possde pas de prvision antrieure pour calculer la premire prvision.
En gnral, on utilise la premire valeur de la demande constate pour initialiser le
calcul.
Exemple destimation de la tendance par lissage exponentiel :

Mois
Janvier
Fvrier
Mars
Avril
Mai

Prvision P avec

Demande D
100
90
100
105
99
110
100
80
101

Faites lexercice 4

15

soit (0,1 * 100) + [( 1 - 0,1) * 100 ]


soit (0,1 * 90) + [( 1 - 0,1) * 100 ]
soit (0,1 * 105) + [( 1 - 0,1) * 99 ]
soit (0,1 * 110) + [( 1 - 0,1) * 100 ]

Exercice N4
Lissage exponentiel

Voici un historique de consommation dun produit X :


mois
Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier
Fvrier

demande
100
90
105
110
80
105
95
105
100
110
115
120
130
135

1 - Appliquer un lissage exponentiel aux donnes, pour des valeurs successives de

(prendre pour premire valeur de Pt la premire donne connue cest dire la


demande de janvier = 100)
2 Commenter les rsultats obtenus
Correction
Remarque : pour lestimation de la tendance, les deux dernires mthodes sont les
plus appropries.

2.2. Lanalyse de la saisonnalit


Nous allons maintenant aborder le problme de linterprtation dun historique de
consommation ventuellement affect dun mouvement saisonnier. Lobjectif est
dapprcier lvolution de la srie en faisant abstraction de ce mouvement saisonnier.

16

2.2.1. Principes gnraux


2.2.1.1. Le principe de la conservation des aires

Lanalyse de saisonnalit a pour but une nouvelle rpartition du profil intra annuel de
lhistorique, sans modifier le niveau atteint en cumul annuel : les moyennes annuelles
de la srie brute et de la srie Corrige des Variations Saisonnires (CVS) doivent
tre identiques.
Ce principe de base est appel principe de conservation des aires.
2.2.1.2. Coefficients additifs ou multiplicatifs

Nous pouvons concevoir deux types de schma danalyse de saisonnalit.


La dcomposition additive : xt = Tt + St
Les coefficients saisonniers ( St ) sexpriment dans la mme unit que lhistorique des
consommations (en unit, en francs, en tonnes,) et afin de respecter le principe de
la conservation des aires, la moyenne des coefficients saisonniers doit tre nulles.
La srie CVS est donne par : xt - St
Par exemple, pour une srie de livraison dacier en milliers de tonnes, si le coefficient
du mois daot est de 125, cela signifie quau mois daot, on livre en moyenne 125
milliers de tonnes dacier en moins que le mois moyen.
La dcomposition multiplicative : xt = Tt * St
Les coefficients saisonniers (S t) sexpriment en pourcentage. Afin de respecter le
principe de la conservation des aires, la moyenne des coefficients saisonniers
calculs doit tre gale 1.
Dans le cas du schma multiplicatif, la srie dsaisonnalise est donne par : xt/ St.
Par exemple, si le coefficient du mois daot est de 0,82 en moyenne ; on livre 18%
en moins en aot par rapport au mois moyen.
Le choix du schma de dcomposition dpend de lhistorique. Si la tendance est peu
marque, lun ou lautre des deux schmas de dcomposition restitue des rsultats
quasiment identiques. En revanche, si la tendance est marque, il convient de retenir
un schma multiplicatif dont les effets saisonniers sadaptent automatiquement ce
sont des pourcentage au profil de lhistoire.
Le seul effet pervers utiliser des coefficients saisonniers multiplicatifs est rencontr
lorsque la srie des ventes est affecte par une saisonnalit trs marque ; dans
certaine industrie, les ventes peuvent tre nulles certains mois de lanne. La division

17

ou la multiplication par des valeurs trs faibles amplifie le mouvement saisonnier et


peut engendrer une srie CVS comprenant des valeurs aberrantes.

2.2.1.3. Coefficients fixes ou glissants

Un mouvement saisonnier est rptitif dune anne sur lautre, et doit se rpter
lidentique. Il nous semble donc impropre de calculer des coefficients diffrents par
annes.
Cependant, dans certaines circonstances o une rflexion conomique laisse
suggrer une volution des comportements, il peut tre intressant dintgrer une
saisonnalit glissante.
En calculant un coefficient pour chaque mois, le risque dincorporer une partie de
bruit , dinformations non pertinentes dans la saisonnalit sintensifie. En effet, la
distinction entre saisonnalit et rsidu sera plus difficile effectuer en labsence
dune contrainte de rigidit des coefficients saisonniers. Par exemple, si, pour des
raisons climatiques, une anne a t particulirement propice la consommation,
une saisonnalit glissante rpercutera cette saisonnalit lanne suivante sans
aucune raison.
Un autre lment mrite dtre soulign : la confusion quil peut exister entre la
saisonnalit relle et une saisonnalit fictive cre par lentreprise. Il sagit des
entreprises effectuant la mme priode de chaque anne des promotions ou bien
des variation de tarif. Le calcul des coefficients saisonniers attribue la saisonnalit
cette survente due la politique volontariste de lentreprise. Un problme surgit
alors lorsque lentreprise modifie la date des promotions Dans ce cas, lutilisation
des coefficients saisonniers glissants permet dintgrer plus rapidement cette
modification.
2.2.2. Exemples de calcul
Il nexiste pas de mthode parfaitement satisfaisante destimation des coefficients
saisonniers. Quelle que soit la mthode retenue, le risque dincorporer dans la
saisonnalit des fluctuations dues des valeurs erratiques ou des habitudes
promotionnelles est toujours prsent.
Les coefficients saisonniers sont lgrement diffrents selon la mthodologie suivie.
A laide des deux exercices suivants, vous allez calculer selon les deux mthodes
partir dun mme historique (il sagit des ventes dun produit festif, donc fortement
saisonnier) le coefficient de variation saisonnire. Pour vous faciliter la tche, suivez
une une les phases donnes avec lexercice.

18

2.2.2.1. Analyse de saisonnalit selon un schma additif et des coefficients fixes

Phase 1 : Estimer la tendance par une moyenne mobile dordre 12 (MM12)


Dans lexercice 5, on ne peut calculer les moyennes mobiles dordre 12 qu partir de
juillet 1999 et seulement jusqu mars 2001. Attention, la moyenne mobile dordre 12
se calcule sur la base de 13 mois.
Phase 2 : Calculer les carts la srie observe : et = xt MM12t
Il sagit de lcart entre la demande et la moyenne mobile dordre 12 du mme mois
de la mme anne.
Phase 3 : Calculer les coefficients provisoires : rassembler les carts relatifs aux
mmes mois pour les diffrentes annes (certains coefficients sont calculs partir
dune seule observation), calculer la moyenne de ces carts. Calculer la somme
globale de ces carts.
Phase 4 : Calculer les carts ou coefficients dfinitifs.
Coefficient dfinitif de janvier = (moyenne des carts pour janvier somme des carts) / 12

Phase 5 : Calcul de la srie CVS


La srie CVS est calcule par diffrence entre la srie brute et le coefficient
saisonnier du mois considr.
La demande Corrige des Variations Saisonnire de janvier = demande de janvier coefficient dfinitif de janvier

Faites lexercice N5

Exercice N5
Analyse de saisonnalit- schma additif

Voici un historique de consommation dun produit X :

mois
Janvier 1999
Fvrier
Mars
Avril
Mai
Juin

demand
e
401,60
395,70
451,00
427,60
496,80
467,70

1- Calculer la moyenne mobile dordre 12,


partir de juillet 1999
2- Calculer, de juillet 1999 mars 2001, les
carts par rapport la moyenne mobile.
3- Calculer les coefficients saisonniers
provisoires (moyenne des carts pour le
mme mois)
4- Calculer les carts dfinitifs
5- 19
Calculer la demande corrige des
variations saisonnires

Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2000
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2001
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre

352,30
182,10
522,20
687,20
1080,30
1391,60
263,90
289,90
337,00
374,00
292,70
398,60
421,70
173,80
522,10
642,40
984,20
1307,60
393,40
316,20
428,60
467,60
501,00
487,40
463,30
165,90
595,10

Correction

20

2.2.2.3. Analyse de saisonnalit selon un schma multiplicatif et des coefficients glissants

Phase 1 : Estimer la tendance par une moyenne mobile dordre 12 (MM12)


Cette tape est identique celle du schma additif.
Attention ! Dans lexemple qui suit, les valeurs de la moyenne mobile dordre 12 sont
ici identiques cause des valeurs de la demande. Cela ne sera pratiquement jamais
le cas.
Exemple :

Mois

Demande

mm12

janv-04

300

fvr-04

310

mars-04

320

avr-04

340

mai-04

350

juin-04

370

juil-04

370

334,17

aot-04

350

334,17

sept-04

340

334,17

oct-04

330

334,17

nov-04

320

334,17

dc-04

310

334,17

janv-05

300

334,17

fvr-05

310

334,17

mars-05

320

334,17

avr-05

340

334,17

mai-05

350

334,17

juin-05

370

334,17

juil-05

370

334,17

aot-05

350

334,17

sept-05

340

334,17

oct-05

330

334,17

nov-05

320

334,17

dc-05

310

334,17

janv-06

300

334,17

fvr-06

310

334,17

mars-06

320

334,17

avr-06

340

mai-06

350

juin-06

370

juil-06

370

aot-06

350

sept-06

340

moyenne

335,45

cart type

22,58

CV

0,067

21

Phase 2 : Calculer le rapport entre la srie observe et la moyenne mobile :


rt = xt / MM12t
Exemple :
Demande
( xt )

mois

mm12

rapport entre
srie et mm12
( rt )

janv-04

300

0,90

fvr-04

310

0,93

mars-04

320

0,96

avr-04

340

1,02

mai-04

350

1,05

juin-04

370

juil-04

370

334,17

1,11

aot-04

350

334,17

1,05

sept-04

340

334,17

1,02

1,11

oct-04

330

334,17

0,99

nov-04

320

334,17

0,96

dc-04

310

334,17

0,93

janv-05

300

334,17

0,90

fvr-05

310

334,17

0,93

mars-05

320

334,17

0,96

avr-05

340

334,17

1,02

mai-05

350

334,17

1,05

juin-05

370

334,17

1,11

juil-05

370

334,17

1,11

aot-05

350

334,17

1,05

sept-05

340

334,17

1,02

oct-05

330

334,17

0,99

nov-05

320

334,17

0,96

dc-05

310

334,17

0,93

janv-06

300

334,17

0,90

fvr-06

310

334,17

0,93

mars-06

320

334,17

0,96

avr-06

340

1,02

mai-06

350

1,05

juin-06

370

1,11

juil-06

370

1,11

aot-06

350

1,05

sept-06

340

1,02

moy

335,45

ecart type

22,58

CV

0,067

Phase 3 : Calculer la somme des coefficients ( R ) sur 12 mois en partant de la


dernire observation. Rpter cette opration sur chaque anne entire.
22

Exemple :
Demande
( xt )

mois

mm12

rapport entre
srie et mm12
( rt )

janv-04

300

0,90

fvr-04

310

0,93

mars-04

320

0,96

avr-04

340

1,02

mai-04

350

1,05

juin-04

370

1,11

juil-04

370

334,17

1,11

aot-04

350

334,17

1,05

sept-04

340

334,17

1,02

oct-04

330

334,17

0,99

nov-04

320

334,17

0,96

dc-04

310

334,17

0,93

janv-05

300

334,17

0,90

fvr-05

310

334,17

0,93

mars-05

320

334,17

0,96

avr-05

340

334,17

1,02

mai-05

350

334,17

1,05

juin-05

370

334,17

1,11

juil-05

370

334,17

1,11

aot-05

350

334,17

1,05

sept-05

340

334,17

1,02

oct-05

330

334,17

0,99

nov-05

320

334,17

0,96

dc-05

310

334,17

0,93

janv-06

300

334,17

0,90

fvr-06

310

334,17

0,93

mars-06

320

334,17

0,96

avr-06

340

1,02

mai-06

350

1,05

juin-06

370

1,11

juil-06

370

1,11

aot-06

350

1,05

sept-06

340

1,02

moy

(R)

335,45

ecart type

22,58

CV

0,067

Phase 4 : Normer les coefficients : coefficient norm = rt * 12 / R


Exemple :
23

12,00

12,00

mois

demande

mm12

rapport entre
srie et mm12

coef. Norms

janv-04

300

0,90

0,90

fvr-04

310

0,93

0,93

mars-04

320

0,96

0,96

avr-04

340

1,02

1,02

mai-04

350

1,05

1,05

juin-04

370

1,11

1,11

juil-04

370

334,17

1,11

1,11

aot-04

350

334,17

1,05

1,05

sept-04

340

334,17

1,02

1,02

oct-04

330

334,17

0,99

0,99

nov-04

320

334,17

0,96

0,96

dc-04

310

334,17

0,93

0,93

janv-05

300

334,17

0,90

0,90

fvr-05

310

334,17

0,93

0,93

mars-05

320

334,17

0,96

0,96

avr-05

340

334,17

1,02

1,02

mai-05

350

334,17

1,05

1,05

juin-05

370

334,17

1,11

1,11

juil-05

370

334,17

1,11

1,11

aot-05

350

334,17

1,05

1,05

sept-05

340

334,17

1,02

1,02

oct-05

330

334,17

0,99

0,99

nov-05

320

334,17

0,96

0,96

dc-05

310

334,17

0,93

0,93

janv-06

300

334,17

0,90

0,90

fvr-06

310

334,17

0,93

0,93

mars-06

320

334,17

0,96

0,96

avr-06

340

1,02

1,02

mai-06

350

1,05

1,05

juin-06

370

1,11

1,11

juil-06

370

1,11

1,11

aot-06

350

1,05

1,05

sept-06

340

1,02

1,02

moy

335,45

ecart type

22,58

CV

0,067

Phase 5 : Calculer la srie CVS ( xt / coefficient norm)


Exemple :

24

mois

demande

mm12

rapport entre
srie et mm12

Demande
corrige des
coef. Norms
variations
saisonnires
(xt/Coef. Norm)

janv-04

300

0,90

0,90

334,17

fvr-04

310

0,93

0,93

334,17

mars-04

320

0,96

0,96

334,17

avr-04

340

1,02

1,02

334,17

mai-04

350

1,05

1,05

334,17

juin-04

370

1,11

1,11

334,17

juil-04

370

334,17

1,11

1,11

334,17

aot-04

350

334,17

1,05

1,05

334,17

sept-04

340

334,17

1,02

1,02

334,17

oct-04

330

334,17

0,99

0,99

334,17

nov-04

320

334,17

0,96

0,96

334,17

dc-04

310

334,17

0,93

0,93

334,17

janv-05

300

334,17

0,90

0,90

334,17

fvr-05

310

334,17

0,93

0,93

334,17

mars-05

320

334,17

0,96

0,96

334,17

avr-05

340

334,17

1,02

1,02

334,17

mai-05

350

334,17

1,05

1,05

334,17

juin-05

370

334,17

1,11

1,11

334,17

juil-05

370

334,17

1,11

1,11

334,17

aot-05

350

334,17

1,05

1,05

334,17

sept-05

340

334,17

1,02

1,02

334,17

oct-05

330

334,17

0,99

0,99

334,17

nov-05

320

334,17

0,96

0,96

334,17

dc-05

310

334,17

0,93

0,93

334,17

janv-06

300

334,17

0,90

0,90

334,17

fvr-06

310

334,17

0,93

0,93

334,17

mars-06

320

334,17

0,96

0,96

334,17

avr-06

340

1,02

1,02

334,17

mai-06

350

1,05

1,05

334,17

juin-06

370

1,11

1,11

334,17

juil-06

370

1,11

1,11

334,17

aot-06

350

1,05

1,05

334,17

sept-06

340

1,02

1,02

334,17

moyenne

335,45

334,17

cart type

22,58

0,00

CV

0,067

0,00

Faites lexercice N 6

Exercice N6
Analyse de saisonnalit- schma multiplicatif

25

12,00

12,00

A partir du mme historique du produit X :


mois
Janvier 1999
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2000
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2001
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre

demande
401,60
395,70
451,00
427,60
496,80
467,70
352,30
182,10
522,20
687,20
1080,30
1391,60
263,90
289,90
337,00
374,00
292,70
398,60
421,70
173,80
522,10
642,40
984,20
1307,60
393,40
316,20
428,60
467,60
501,00
487,40
463,30
165,90
595,10

1. Calculer la moyenne mobile dordre 12,


partir de juillet 1999
2. Calculer le rapport entre la srie observe
et la moyenne mobile
3. Normer les coefficients
4. Calculer la demande corrige des
variations saisonnires
26

Correction
A retenir :
La dsaisonnalisation est une nouvelle rpartition des valeurs au sein de lanne. La
saisonnalit est une constante cyclique qui se reproduit dune anne sur lautre.
Les coefficients saisonniers peuvent sexprimer dans la mme unit que lhistorique
(schma additif) ou en pourcentage (schma multiplicatif).
Le schma de dcomposition multiplicatif est toujours prfrable au schma additif
avec une rserve en cas de saisonnalit trs marque ( ventes trs faibles
certaines priodes).

27

2. 3. Le Modle de Hot-Winters ( Tendance + Saisonnalit )


Le modle de Hot-Winters prsente lavantage dintgrer une composante
saisonnire et donc de raliser le calcul de la prvision en un seul traitement. Cest
ce modle qui est employ le plus couramment dans les progiciels de prvisions de
ventes. Trois lissages distinctifs sont effectus :
le lissage de la moyenne avec un coefficient de lissage [ 0 ; 1 ] ;
le lissage de la tendance avec un coefficient de lissage [ 0 ; 1 ] ;
le lissage de la saisonnalit avec un coefficient de lissage [ 0 ; 1 ]
Formulation :
avec

Lissage de la moyenne :

Ft = moyenne lisse de la srie en t

Ft = (xt / St-12) + ( 1-) ( F t -1+ T t1)


On utilise St-12 car St nest pas
encore connue.

xt = valeur observe de la srie en t


St = coefficient saisonnier en t

Lissage de la tendance :

P = priodicit des donnes


( p = 12 en mensuel, p = 4 en trimestriel)

Tt = ( Ft Ft-1 ) + ( 1 -) Tt-1

Tt = tendance estime en t.

Lissage de la saisonnalit :

x t+h= prvision pour lhorizon t+h priodes

St = ( xt / Ft) + ( 1 - ) S t 12
Prvisions un horizon de h

priodes :

x t+h = (Ft + h * Tt) St-12

Initialisation ( pour la premire anne, t = 1, p)


initialisation de la saisonnalit : les coefficients saisonniers pour la premire
anne sont estims par la valeur observe en t(x t) divise par la moyenne x des
12 premires observations de la premire anne.
Soit : St = xt / x , pour t= 1, 12
initialisation de la moyenne lisse : F12= x
initialisation de la tendance : T12 = 0

28

Le tableau suivant illustre un calcul de prvision laide du modle de Holt-Winters.

Dates

Ventes

Ft

Tt

Xt
janv-05
fvr-05
Mars-05

avr-05
mai-05
juin-05
juil-05
aot05
sept-05
oct-05
nov-05
dc-05
janv-06
fvr-06
Mars-06

avr-06
mai-06
juin-06
juil-06
aot06
sept-06
oct-06
nov-06
dc-06
janv-07
fvr-07
Mars-07

avr-07
mai-07
juin-07
juil-07
aot07
sept-07
oct-07

604
625,63
647,26
668,89
690,52
712,15
733,78

St

Xt+ h

Ft = ( xt/ St-12) + Tt = ( Ft - St = ( Xt / Xt+ h = ( Ft


[( 1 - Ft-1 Ft-1) + ( 1 - Ft) + ( 1 - + (h*Tt)) *
St-12
) * Tt-1 ) * S t-12
+ Tt-1)]
0,8354
0,8654
0,8953
0,9252
0,9551
0,9850
1,0150

755,41
777,04
798,67
820,3
841,93
823,61
805,29
786,97
768,65
750,33
732,01
713,69

0
-7,886
-10,408
-9,961
-7,965
-5,253
-2,302
0,618

1,0449
1,0748
1,1047
1,1346
1,1646
0,8738
0,8852
0,9034
0,9252
0,9490
0,9739
0,9996

722,965
801,824
834,930
840,870
830,873
811,711
787,459
760,561

625,630
710,802
762,851
793,620
810,598
818,523
820,393

695,37
677,05
658,73
640,41
622,09
603,77
619,2
634,63
650,06
665,49
680,92
696,35

732,476
704,069
675,843
648,090
620,968
650,213
670,372
683,428
691,354
695,725
697,697
698,084

3,365
5,869
8,105
10,069
11,775
7,673
4,890
3,095
1,993
1,356
1,024
0,883

1,0258
1,0522
1,0787
1,1053
1,1320
0,8847
0,8929
0,9084
0,9282
0,9505
0,9744
0,9992

818,112
812,894
805,519
796,492
575,095
560,100
594,339
624,742
651,493
675,285
696,832
716,727

682,03
667,71
653,39

688,745
673,714
655,455

1,728
3,059
4,579

1,0187
1,0399
1,0623

735,426
744,819
748,061

29

nov-07
dc-07
janv-08
fvr-08

639,07
624,75

635,474
614,684

6,119
7,586

1,0854
1,1089

Mars-08

avr-08
mai-08
juin-08
juil-08
aot08
sept-08
oct-08
nov-08
dc-08

747,160
567,649
555,618
562,391
579,082
598,716
620,301
643,266
667,263

1
2
3
4
5
6
7

687,978
710,240
733,589
757,750
782,551

8
9
10
11
12

Exemples de calcul :
Initialisation :
= 722,965 pour la premire annes
La saisonnalit S avril 05 = 668,89 / 722,965 = 0,9252
La moyenne F dcembre 05 = 722,965
La Tendance T dcembre 05 = 0
Ici, en rgime permanent, lhorizon h est choisi gal 1, de janvier 2006 janvier
2008.
F septembre 06 = [0,3 * ( 677,05 / 1,0748)] + [0,7 * (732,476 + 3,365) ] = 704,069
T septembre 06 = [0,1 *(732,476 704,069)] + ( 0,9 * 3,365) = 5,869
S septembre 06 = [0,2 * (677,05 / 704,069)] + ( 0,8 * 1,0748) = 1,0522

x septembre 06 = (732,476 + 3,365) * 1,1047 = 812,894

(calcule en Aot 06 avec h = 1)


La prvision pour septembre 2008 (horizon h = 9), calcule en dcembre 2007 , est
gale :

x septembre 07 = [(614,684 + (9 * 7,586)] * 1,0399 = 710,240

Faites lexercice 7

30

Exercice N7 : Calcul dune prvision par le modle de


Holt - Winters
A partir de lhistorique du produit X :
mois
Janvier 1999
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2000
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2001
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre

demande
401,60
395,70
451,00
427,60
496,80
467,70
352,30
182,10
522,20
687,20
1080,30
1391,60
263,90
289,90
337,00
374,00
292,70
398,60
421,70
173,80
522,10
642,40
984,20
1307,60
393,40
316,20
428,60
467,60
501,00
487,40
463,30
165,90
595,10
698,10
1012,10
1380,00

Calculer la prvision partir de fvrier 2000


jusqu dcembre 2002 avec :
= 0,3
= 0,1
= 0,2

Correction

31

A retenir
Le lissage exponentiel est une moyenne qui pondre de manire dcroissante
linformation passe.
La prvision calcule est sensible aux valeurs des coefficients de lissage.
Le lissage exponentiel simple et double ( modle de Holt) ne peut tre utilis que
pour des sries CVS, en revanche, le modle de Holt-Winters traite simultanment la
valeur moyenne, la tendance et la saisonnalit.

Corrigs
Corrig exercice N 1 : Calcul de moyenne mobile et de
coefficient de variation
Voici un historique de consommation dun produit X sur 20 priodes :
1

100 89

99

56

147 87

56

140 147 156 99

10

11

12

13

14

15

16

17

138 100 251 156 147 98

18

19

20

134 127 185

1 - calculer les moyennes mobiles dordre 3 et 6

Priode
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 2
Consommation 100 89 99 56 147 87 56 140 147 156 99 138 100 251 156 147 98 134 127 1
Moyenne
mobile dordre
96 81 101 97 97 94 114 148 134 131 112 163 169 185 134 126 120 149
3
Moyenne
mobile dordre
93 93 102 114 118 118 126 139 149 149 148 148 150 147
6

32

2 - reprsenter les sur un graphique. Quobserve-t-on ?

300
quantits

250
200
150
100
50
0
1

9 10 11 12 13 14 15 16 17 18 19
priodes

Observations :
Plus lordre de la moyenne mobile est lev, plus la srie est lisse . Les
phnomnes de court terme sont alors gomms, au risque de perdre en
ractivit.
3 - calculer les moyennes gnrales, carts-types, coefficient de variation.

Priode

10 11 12 13 14 15 16 17 18 19

Consommation 100 89 99 56 147 87 56 140 147 156 99 138 100 251 156 147 98 134 127 1
Moyenne
mobile dordre
96 81 101 97 97 94 114 148 134 131 112 163 169 185 134 126 120 149
3
Moyenne
mobile dordre
93 93 102 114 118 118 126 139 149 149 148 148 150 147
6

33

4 - Que peut-on dire de la tche du prvisionniste pour les priodes


venir ?
Le coefficient de variation tant infrieur 0,5 , les consommations venir
sont priori faciles prvoir.
Retour

Corrig exercice N 2 : Calcul de moyenne mobile


pondre
Voici un historique de consommation dun produit X :
mois
Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier
Fvrier

demande
100
90
105
110
80
105
95
105
100
110
115
120
130
135

1 - Calculer la moyenne mobile dordre 3.


mois
Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre

demande
100
90
105
110
80
105
95
105
100
110
115

MM3
98
102
98
98
97
102
100
105
34

Dcembre
Janvier
Fvrier

120
130
135

108
115
122

2 - Recalculer cette moyenne en la pondrant :


avec les poids respectifs 20%, 30%, 50%
avec les poids respectifs 10%, 20%, 70%
mois
Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier
Fvrier

demande
100
90
105
110
80
105
95
105
100
110
115
120
130
135

MM3

98
102
98
98
93
102
100
105
108
115
122

3 - Reprsenter graphiquement vos rsultats

35

MM3 pond. 1 MM3 pond. 2

100
105
94
99
95
102
101
106
111
117
124

102
107
89
101
96
103
101
108
113
118
127

140
130
120
110
100
90
80

Se

Ja
nv
ie

pt
em
br
e
O
ct
ob
re
No
ve
m
br
e

t
Ju
ille

Ju
in

M
ai

Av
ril

M
ar
s

Ja
nv
ie

70

demande

MM3

MM3 pond. 1

MM3 pond. 2

4 - Faites des commentaires sur vos rsultats


Dans la priode stable, cest dire de janvier septembre, non seulement la
pondration napporte rien, mais elle amplifie la dernire variation alatoire.
En revanche, cette mthode est suprieure ds quapparat une tendance (ds
octobre). Dans ce cas, on a intrt accorder un poids encore plus grand aux
donnes les plus rcentes (ce qui est fait dans la 3 me prvision).
La prvision est meilleure, mais elle est cependant toujours en retard sur la demande
relle.
Retour

Corrig exercice N 3 : Droite de rgression


Voici un historique de consommation dun produit A :
priodes
1er trimestre
2me trimestre
3me trimestre
4me trimestre
Total anne

1999
220
240
280
300
1040

2000
280
280
370
390
1320

36

2001
340
380
450
420
1590

1 - Reprsenter graphiquement lvolution de la demande.


Calculs pralable la reprsentation graphique
x
(trimestre)
1
2
3
4
5
6
7
8
9
10
11
12

y
(demande)
220
240
280
300
280
280
370
390
340
380
450
420

x2

y2

xy

1
4
9
16
25
36
49
64
81
100
121
144

48400
57600
78400
90000
78400
78400
136900
152100
115600
144400
202500
176400

220
480
840
1200
1400
1680
2590
3120
3060
3800
4950
5040

78

3950

650

1359100

28380

Prvision
rgression
225,14
244,05
262,97
281,88
300,80
379,72
338,63
357,55
376,46
395,38
414,29
433,21

Droite de rgression : y = ax + b
avec :

n xy x y

a=

n x ( x)
2

= [ (12 X 28 380) ( 78 X 3 950) ] /

[ ( 12 X 650) (78)2 ]
et
b=

y a x
= ( 3 950 / 12) [ ( a X 78) / 12 ]

n
n

Do :
a = 18,916

et

b = 206,22

la droite de rgression a donc pour quation : y = a x + b


y = 18,916 x + 206,22
2 - Tracer la droite de rgression correspondante.

37

500,00
450,00
400,00
350,00
300,00
250,00
200,00
1

Prvision rgression

10

11

12

13

Demande

3 - Quelle est la demande probable pour le 1er trimestre 2002 ?


Le 1er trimestre 2002, ayant le rang 13, la demande probable peut tre estime par la
formule :
(18,916 x 13 ) + 206,22

soit

452,13

Retour

Corrig exercice N 4 : Lissage exponentiel


Voici un historique de consommation dun produit X :
mois
Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier
Fvrier

demande
100
90
105
110
80
105
95
105
100
110
115
120
130
135

38

1 - Appliquer un lissage exponentiel aux donnes, pour des valeurs successives de

(prendre pour premire valeur de Pt la premire donne connue cest dire la


demande de janvier = 100)
mois

demande
100
90
105
110
80
105
95
105
100
110
115
120
130
135

Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier
Fvrier

100
99
100
101
99
99
99
99
99
101
102
104
106

95
102
105
90
102
97
102
100
105
108
111
117

91
104
109
82
104
95
104
100
109
114
118
127

160
140
120
100
80
60
40
20

demande

39

a = 0,1

a = 0,5

a = 0,9

Ja
nv
ie
r

br
e

No
ve
m

ob
re

O
ct

br
e
Se
pt
em

Ju
ille
t

Ju
in

ai
M

Av
ril

ar
s
M

Ja
nv
ie
r

2 Commenter les rsultats obtenus


La prvision faite avec lisse mieux la prvision, tandis que la prvision
permet une meilleure raction lapparition dune tendance.
La dtermination de dpend des importances respectives que reprsentent pour
lentreprise le lissage des variations alatoires et la sensibilit aux dernires
demandes. Un test sur les donnes passes avec plusieurs valeurs de permet de
choisir la valeur qui aurait le mieux rendu compte de la demande.
Retour

Corrig exercice N 5 : Analyse de saisonnalit - schma


additif
Voici un historique de consommation dun produit X :
mois
Janvier 1999
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2000
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2001
Fvrier

demande
401,60
395,70
451,00
427,60
496,80
467,70
352,30
182,10
522,20
687,20
1080,30
1391,60
263,90
289,90
337,00
374,00
292,70
398,60
421,70
173,80
522,10
642,40
984,20
1307,60
393,40
316,20

MM12

565,60
555,46
546,30
539,32
528,58
517,20
517,21
519,75
519,40
517,53
511,66
504,16
506,05
512,55
517,46
525,17
537,75
550,13
555,57
556,97

40

Ecart et

-213,30
-373,36
-24,10
147,88
551,72
874,40
-253,31
-229,85
-182,40
-143,53
-218,96
-105,56
-84,35
-338,75
4,64
117,22
446,45
757,47
-162,17
-240,77

Demande
CVS
407,67
404,07
452,82
428,32
503,81
465,26
353,46
200,53
511,77
664,91
1027,47
1312,36
269,97
298,27
338,82
374,72
299,71
396,16
422,86
192,23
511,67
620,11
931,37
1228,36
399,47
324,57

Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre

428,60
467,60
501,00
487,40
463,30
165,90
595,10

559,68

-131,08

430,42
468,32
508,01
484,96
464,46
184,33
584,67

Voici calcul des coefficients saisonniers

Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre

Coefficient
provisoire
-207,74
-235,31
-156,74
-143,53
-218,96
-105,56
-148,83
-356,05
-9,73
132,55
499,08
815,94

Somme
Moyenne

-134,89
-11,24

Mois

Coefficient
dfinitif
-6,07
-8,37
-1,82
-0,72
-7,01
2,44
-1,16
-18,43
10,43
22,29
52,83
79,24

Retour

Corrig exercice N 6 : Analyse de saisonnalit - schma


multiplicatif
Voici un historique de consommation dun produit X :
mois
Janvier 1999
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot

demand
e
401,60
395,70
451,00
427,60
496,80
467,70
352,30
182,10

MM12

565,60
555,46

41

rapport
0,51
0,56
0,65
0,72
0,57
0,79
0,62
0,33

norme
0,51
0,56
0,65
0,72
0,57
0,79
0,62
0,33

Demande
CVS
786,57
708,98
694,65
591,32
867,88
591,17
565,24
555,10

Septembre
Octobre
Novembre
Dcembre
Janvier 2000
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
Janvier 2001
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre

522,20
687,20
1080,30
1391,60
263,90
289,90
337,00
374,00
292,70
398,60
421,70
173,80
522,10
642,40
984,20
1307,60
393,40
316,20
428,60
467,60
501,00
487,40
463,30
165,90
595,10

Moyenne
Ecart-type
CV

505,53
290,87
0,58

546,30
539,32
528,58
517,20
517,21
519,75
519,40
517,53
511,66
504,16
506,05
512,55
517,46
525,17
537,75
550,13
555,57
556,97
559,68

0,96
1,27
2,04
2,69
0,51
0,56
0,65
0,72
0,57
0,79
0,83
0,34
1,01
1,22
1,83
2,38
0,71
0,57
0,77
0,72
0,57
0,79
0,83
0,34
1,01

0,96
1,28
2,05
2,69
0,51
0,56
0,65
0,72
0,57
0,79
0,83
0,34
1,01
1,25
1,87
2,43
0,72
0,58
0,78
0,74
0,58
0,81
0,85
0,35
1,03

545,94
538,97
528,23
516,86
516,87
519,42
519,07
517,20
511,33
503,83
505,72
512,21
517,12
513,74
526,04
538,15
543,47
544,84
547,49
632,96
856,71
603,05
543,87
478,59
576,96
576,35
98,48
0,17

Mthode utilise :
en schma multiplicatif, on effectue le rapport entre la srie brute et la
moyenne mobile :
S = xt / MM12t

En ce qui concerne les 6 premiers mois et les 6 derniers mois, la moyenne mobile
dordre 12 ne peut pas tre calcule. Afin de compter cette colonne, on intgre la
valeur du mme mois de lanne suivante pour les 6 premiers mois et la valeur du
mme mois de lanne prcdente pour les 6 derniers mois.
les coefficients sont ensuite norms afin que leur moyenne, pour une anne
donne, soit gale 1 :
octobre 2000 septembre 2001
octobre 1999 septembre 2000
(les 9 premiers coefficients ne peuvent pas tre norms)

42

S = Soctobre 2000 + Snovembre2000 + . + Sseptembre2001


Sn = Si x 12/S
la srie CVS est calcule par le rapport entre la srie brute et le coefficient
saisonnier du mois considr.

Retour

Corrig exercice N 7 : Calcul dune prvision par le


modle de Holt - Winters
Xt

Ft

Tt

St

Xt+h

coef
lissage de la lissage de la lissage de la
mois
demande saisonnier moyenne
tendance saisonnalit Prvision
janv-99
401,6
0,70
0,70
fvr-99
395,7
0,69
0,69
mars-99
451
0,79
0,79
avr-99
427,6
0,75
0,75
mai-99
496,8
0,87
0,87
juin-99
467,7
0,82
0,82
juil-99
352,3
0,62
0,62
aot-99
182,1
0,32
0,32
sept-99
522,2
0,91
0,91
oct-99
687,2
1,20
1,20
nov-99
1080,3
1,89
1,89
dc-99
1391,6
2,44
571,3
0,0
2,44
janv-00
263,9
512,6
-5,9
0,67
fvr-00
289,9
480,3
-8,5
0,67
350,93
mars-00
337
458,3
-9,9
0,78
372,38
avr-00
374
463,8
-8,3
0,76
335,61
mai-00
292,7
419,8
-11,9
0,84
396,06
juin-00
398,6
431,6
-9,5
0,84
333,94
juil-00
421,7
500,6
-1,7
0,66
260,28
aot-00
173,8
512,9
-0,3
0,32
159,04
sept-00
522,1
530,2
1,5
0,93
468,51
oct-00
642,4
532,4
1,6
1,20
639,48
nov-00
984,2
529,9
1,1
1,88
1 009,59
dc-00
1307,6
532,5
1,3
2,44
1 295,80
janv-01
393,4
551,1
3,0
0,68
355,14

43

fvr-01
mars-01
avr-01
mai-01
juin-01
juil-01
aot-01
sept-01
oct-01
nov-01
dc-01
janv-02
fvr-02
mars-02
avr-02
mai-02
juin-02
juil-02
aot-02
sept-02
oct-02
nov-02
dc-02

316,2
428,6
467,6
501
487,4
463,3
165,9
595,1
698,10
1012,1
1380

528,4
535,4
560,1
574,5
579,5
618,9
593,1
610,8
605,8
588,6
583,4

Retour

44

0,5
1,1
3,5
4,6
4,6
8,1
4,7
6,0
4,9
2,7
1,9

0,66
0,78
0,77
0,84
0,84
0,68
0,31
0,94
1,19
1,85
2,43

373,89
411,77
407,72
470,62
486,15
386,53
202,36
554,83
742,35
1 150,55
1 444,62
395,06
387,24
461,21
457,97
499,45
499,50
405,19
188,03
562,82
718,76
1 118,50
1 471,38

Anda mungkin juga menyukai