La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Les prévisions et la gestion de la demande Cours #4.

Présentations similaires


Présentation au sujet: "Les prévisions et la gestion de la demande Cours #4."— Transcription de la présentation:

1 Les prévisions et la gestion de la demande Cours #4

2 Prévision et demande (ADM-1069)2 (ADM-1069)2 La nature de la prévision et de la gestion de la demande Une bonne gestion et la prise de décision adéquates nécessitent la connaissance des demandes à satisfaire.Une bonne gestion et la prise de décision adéquates nécessitent la connaissance des demandes à satisfaire. La demande nest pas toujours connue à lavance.La demande nest pas toujours connue à lavance.

3 Prévision et demande (ADM-1069)3 (ADM-1069)3 La nature de la prévision et de la gestion de la demande Pour prévoir la demande, il faut utiliser des méthodes qui tiennent compte:Pour prévoir la demande, il faut utiliser des méthodes qui tiennent compte: –des tendances passées –des facteurs pouvant linfluencer –de lanalyse des données connues (commandes déjà entrées). Cest ce quon appelle la prévision.Cest ce quon appelle la prévision. La prévision est une étape nécessaire devant précéder la planification des opérations.La prévision est une étape nécessaire devant précéder la planification des opérations.

4 Prévision et demande (ADM-1069)4 (ADM-1069)4 La gestion de la demande La gestion de la demande consiste à: Déterminer la demande totale à satisfaire et à la faire connaître au moment voulu et selon des formes précises aux gestionnaires concernés (production, marketing).

5 Prévision et demande (ADM-1069)5 (ADM-1069)5 Quelles sont les responsabilités du groupe qui soccupe de la gestion de la demande? Collecte des données sur tous les types de demande que lentreprise doit satisfaire.Collecte des données sur tous les types de demande que lentreprise doit satisfaire. Agrégation de ces demandes et la communication des résultats aux services concernés pour avoir une idée globale des besoins en ressources.Agrégation de ces demandes et la communication des résultats aux services concernés pour avoir une idée globale des besoins en ressources.

6 Prévision et demande (ADM-1069)6 (ADM-1069)6 Conception et mise en œuvre de moyens permettant dadapter la demande pour la rendre plus acceptable, dans le cas où cette dernière poserait des difficultés.Conception et mise en œuvre de moyens permettant dadapter la demande pour la rendre plus acceptable, dans le cas où cette dernière poserait des difficultés. Établissement des délais de livraison réalistes et contrôle du respect des délais.Établissement des délais de livraison réalistes et contrôle du respect des délais. Quelles sont les responsabilités du groupe qui soccupe de la gestion de la demande?

7 Prévision et demande (ADM-1069)7 (ADM-1069)7 Dans quels contextes les prévisions sont-elles utiles? Adoption dune technologie nouvelle.Adoption dune technologie nouvelle. Modification de la capacité.Modification de la capacité. Gestion de léquipement.Gestion de léquipement. Localisation et laménagement.Localisation et laménagement. Gestion des stocks.Gestion des stocks. Planification intégrée.Planification intégrée. Gestion stratégiques des opérations.Gestion stratégiques des opérations.

8 Prévision et demande (ADM-1069)8 (ADM-1069)8 Quelles sont les règles dutilisation de la prévision de la demande? 1) La prévision doit porter sur la demande indépendante (produits finis). 2) La prévision peut être faite sur des familles de produits ou des produits individuels.

9 Prévision et demande (ADM-1069)9 (ADM-1069)9 Quelles sont les règles dutilisation de la prévision de la demande? 3) La prévision doit être faite à court ou moyen terme seulement. 4) Il faut prendre en considération la part dincertitude dans lutilisation des prévisions.

10 Prévision et demande (ADM-1069)10 (ADM-1069)10 Facteurs à considérer lors du choix dune méthode de prévision Variables à prévoir Prévisions coûts dune méthode de prévision la disponibilité des données coût de la cueillette des données temps et ressources requises pour obtenir les prévisions les usagers des outils de prévisions fréquence à laquelle les prévisions doivent être faites le genre de données limportance de la prévision les facteurs qui influencent la variable à prévoir nombre de variables à prévoir lien entre états passés et états futurs de la variable à prévoir

11 Techniques de prévision Méthodes qualitatives Méthodes qualitatives Méthodes quantitatives Méthodes quantitatives

12 Prévision et demande (ADM-1069)12 (ADM-1069)12 Méthodes qualitatives Dans quelles circonstances les méthodes qualitatives sont-elles appropriées?Dans quelles circonstances les méthodes qualitatives sont-elles appropriées? –si aucune donnée chiffrée nest disponible. –si les données passées sont non fiables. –sil y a des changements majeurs dans les valeurs et les comportements qui empêchent lutilisation des données existantes.

13 Prévision et demande (ADM-1069)13 (ADM-1069)13 Quelles sont les méthodes qualitatives? 1. Étude de marché 2. Prévisions visionnaires 3. Méthodes Delphi 4. Analogie historique

14 Prévision et demande (ADM-1069)14 (ADM-1069)14 1. Étude de marché Questionnaires, contacts par téléphone, entrevues personnelles ou du personnel clé pour amasser des données.Questionnaires, contacts par téléphone, entrevues personnelles ou du personnel clé pour amasser des données. Utilisées surtout en planification stratégique, par exemple, pour information sur de nouveaux produits.Utilisées surtout en planification stratégique, par exemple, pour information sur de nouveaux produits.

15 Prévision et demande (ADM-1069)15 (ADM-1069)15 1. Étude de marché Une analyse statistique des résultats peut être faite pour tester des hypothèses concernant le comportement des consommateurs.Une analyse statistique des résultats peut être faite pour tester des hypothèses concernant le comportement des consommateurs. Méthode coûteuse à cause du personnel requis, de la poste, etc.Méthode coûteuse à cause du personnel requis, de la poste, etc. Peut être sujet à un biais élevé.Peut être sujet à un biais élevé.

16 Prévision et demande (ADM-1069)16 (ADM-1069)16 2. Prévisions visionnaires Basées sur la préparation de prévisions par les vendeurs selon leurs connaissances du marché, du terrain et de leurs clients.

17 Prévision et demande (ADM-1069)17 (ADM-1069)17 3. Méthode Delphi Se base sur lopinion de groupes dexperts et vise lobtention dun consensus. Les experts sont interrogés individuellement, donc pas de lien entre eux.Les experts sont interrogés individuellement, donc pas de lien entre eux. Ils peuvent être requestionnés itérativement jusquà ce quun consensus soit atteint.Ils peuvent être requestionnés itérativement jusquà ce quun consensus soit atteint. Pratique pour la prévision à long terme et pour prédire les changements technologiques.Pratique pour la prévision à long terme et pour prédire les changements technologiques.

18 Prévision et demande (ADM-1069)18 (ADM-1069)18 4. Analogie historique Ex.: Courbe du cycle de vie pour différents produits similaires

19 Prévision et demande (ADM-1069)19 (ADM-1069)19 Méthodes quantitatives Deux types de méthodes: 1- Méthodes causales 2- Méthodes des séries chronologiques

20 Prévision et demande (ADM-1069)20 (ADM-1069)20 1. Méthodes causales Utilisées pour mettre en relation les facteurs explicatifs qui influencent lévolution dune variable à prévoir. –Exemples: population, localisation géographique, niveau déducation, âge, etc.

21 Prévision et demande (ADM-1069)21 (ADM-1069)21 1. Méthodes causales Chaque facteur a une importance et un effet qui doivent être évalués pour expliquer comment les variables de prévision ont pu être modifiées dans le passé. Un modèle de prévision est construit qui intègre les facteurs appropriés.Un modèle de prévision est construit qui intègre les facteurs appropriés.

22 Prévision et demande (ADM-1069)22 (ADM-1069)22 2. Méthodes des séries chronologiques Elles sintéressent aux liens entre les valeurs passées de la variable à prévoir.Elles sintéressent aux liens entre les valeurs passées de la variable à prévoir. Un modèle mathématique basé sur lévolution passée de la variable de prévision est déterminé.Un modèle mathématique basé sur lévolution passée de la variable de prévision est déterminé.

23 Prévision et demande (ADM-1069)23 (ADM-1069)23 Le choix dun modèle de prévision devrait dépendre de : 1. Horizon de planification 2. Disponibilité des données 3. Précision requise 4. Taille du budget affecté à la prévision 5. Disponibilité du personnel qualifié

24 Prévision et demande (ADM-1069)24 (ADM-1069)24 Méthodes causales 1. Régression linéaire Cette méthode permet détablir un modèle mathématique linéaire qui exprime une variable dépendante en fonction dautres variables, dites indépendantes.

25 Prévision et demande (ADM-1069)25 (ADM-1069)25 Méthodes causales 2. Régression multiple et modèles économétriques Cette méthode est analogue à celle de régression linéaire sauf quelle peut présenter une dépendance à plusieurs variables indépendantes combinées. Cela donne un modèle qui nest pas linéaire. Lorsque plusieurs équations de régression doivent être résolues en même temps modèles économétriques modèles économétriques

26 Prévision et demande (ADM-1069)26 (ADM-1069)26 Régression linéaire simple Le modèle de la régression linéaire simple est de la forme:Le modèle de la régression linéaire simple est de la forme: Y t = a + b X t où Y t est la variable dépendante et X t la variable indépendante.

27 Prévision et demande (ADM-1069)27 (ADM-1069)27 Régression simple sont les moyennes respectives des n observations des X et des Y où

28 Prévision et demande (ADM-1069)28 (ADM-1069)28 Régression simple a et b sont obtenus par les équations normales de la méthode des moindres carrés.a et b sont obtenus par les équations normales de la méthode des moindres carrés. Cette méthode tente de trouver la droite représentant le mieux les données en minimisant la somme des carrés de la distance verticale entre chaque point et son point correspondant sur la droite.Cette méthode tente de trouver la droite représentant le mieux les données en minimisant la somme des carrés de la distance verticale entre chaque point et son point correspondant sur la droite.

29 Prévision et demande (ADM-1069)29 (ADM-1069)29 Régression simple Les désavantages de cette méthode sont que les données devraient se rapprocher dune droite. Ceci limite son utilité. Par contre, si on considère une période de temps plus courte, la régression simple peut être adéquate.

30 Prévision et demande (ADM-1069)30 (ADM-1069)30 Régression simple La régression simple est utilisée principalement comme méthode causale.La régression simple est utilisée principalement comme méthode causale. En séries chronologiques, les résultats sont moins adéquats.En séries chronologiques, les résultats sont moins adéquats. Si la variable dépendante change à cause du temps analyse de séries chronologiques. analyse de séries chronologiques.

31 Prévision et demande (ADM-1069)31 (ADM-1069)31 Exemple 1 Le tableau suivant présente les données et les calculs nécessaires pour faire des prévisions.

32 Prévision et demande (ADM-1069)32 (ADM-1069)32 Exemple 1 (suite) Quelle est léquation de régression pour ce problème?

33 Prévision et demande (ADM-1069)33 (ADM-1069)33 Les séries chronologiques Les méthodes statistiques de prévision se basent sur lanalyse de données historiques appelées les séries chronologiques. Une série chronologique est un ensemble dobservations faites à différentes périodes successives dans le temps.

34 Prévision et demande (ADM-1069)34 (ADM-1069)34 Quest-ce quune série chronologique … ? Périodes Demande Série chronologique ou série temporelle ou série de consommations

35 Prévision et demande (ADM-1069)35 (ADM-1069)35 Série chronologique … X t, t = 1, …, T

36 Prévision et demande (ADM-1069)36 (ADM-1069)36 Le processus de prévision …

37 Prévision et demande (ADM-1069)37 (ADM-1069)37 Voici quelques comportements de séries chronologiques linéairecourbe en Slinéaire décroissante exponentielleasymptotiquecycle avec tendance cycle

38 Prévision et demande (ADM-1069)38 (ADM-1069)38 Étapes de la méthode des séries chronologiques 1. Collecte des données cueillette dobservations sur les valeurs de la variable de prévision sur plusieurs périodes. cueillette dobservations sur les valeurs de la variable de prévision sur plusieurs périodes. mettre de côté les données non représentatives (ex.: lors de grève.)

39 Prévision et demande (ADM-1069)39 (ADM-1069)39 Étapes de la méthode des séries chronologiques 2. Analyse des données définir le modèle sous-jacent représentant le mieux lévolution de la demande passée par: i) technique de lobservation visuelle ii) technique danalyse dautocorrélation des données (permet de mesurer limportance du degré de relation des observations entre elles.)

40 Prévision et demande (ADM-1069)40 (ADM-1069)40 Étapes de la méthode des séries chronologiques 3. Choix de la meilleure méthode de prévision test systématique des méthodes se rapportant au modèle sous-jacent choisi. test systématique des méthodes se rapportant au modèle sous-jacent choisi. étude des résultats obtenus à laide dune technique quon verra plus tard (mesures derreurs. étude des résultats obtenus à laide dune technique quon verra plus tard (mesures derreurs.

41 Prévision et demande (ADM-1069)41 (ADM-1069)41 Étapes de la méthode des séries chronologiques 4. Obtention des prévisions utiliser les équations déterminées précédemment pour déterminer les prévisions. utiliser les équations déterminées précédemment pour déterminer les prévisions.

42 Prévision et demande (ADM-1069)42 (ADM-1069)42 Modèle avec niveau constant Une étude est faite de lévolution aléatoire des données observées autour dune valeur centrale stable dite niveau. Le niveau correspond en fait à une moyenne x x x x x x x x x x x x x x x niveau temps demande

43 Prévision et demande (ADM-1069)43 (ADM-1069)43 Différentes façons détablir ce niveau Moyenne statistiqueMoyenne statistique Moyenne mobileMoyenne mobile Moyenne pondéréeMoyenne pondérée Lissage exponentielLissage exponentiel

44 Prévision et demande (ADM-1069)44 (ADM-1069)44 Moyenne statistique La valeur du niveau est égale à la moyenne des observations retenues. où = moyenne statistique au temps t X i = valeur observée au temps i X i = valeur observée au temps i n = #observations n = #observations

45 Prévision et demande (ADM-1069)45 (ADM-1069)45 Moyenne statistique (suite) La prévision P de la demande pour les périodes futures j est donnée par La prévision est donc la même pour toutes les périodes à venir.

46 Prévision et demande (ADM-1069)46 (ADM-1069)46 Moyenne mobile Pour cette moyenne, seules les observations les plus récentes sont utilisées pour calculer la prévision. Cette méthode nécessite de conserver un grand nombre de données en mémoire.

47 Prévision et demande (ADM-1069)47 (ADM-1069)47 Moyenne mobile (suite) Les prévisions se calculent de la façon suivante où m = #observations considérées (ordre de la moyenne mobile) t = la dernière période pour laquelle nous considérons une observation t = la dernière période pour laquelle nous considérons une observation

48 Prévision et demande (ADM-1069)48 (ADM-1069)48 Exemple 2 Nous avons les données suivantes concernant les ventes en 1000 gallons dessence par semaine. Considérons une moyenne mobile basée sur 3 observations. Quelles sont les prévisions des semaines 4 et 5? Quelle serait la prévision pour la semaine 7?

49 Prévision et demande (ADM-1069)49 (ADM-1069)49 Lissage exponentiel simple Cette méthode permet de calculer une moyenne pondérée qui tient compte du poids attaché aux observations, le poids sestompant quand on avance dans le temps. Cette méthode est une des plus utilisées.

50 Prévision et demande (ADM-1069)50 (ADM-1069)50 Lissage exponentiel simple Soient P t = prévision au temps t. X t = observation au temps t. = facteur de pondération compris entre 0 et 1 (appelé aussi constante de lissage) = facteur de pondération compris entre 0 et 1 (appelé aussi constante de lissage)

51 Prévision et demande (ADM-1069)51 (ADM-1069)51 Lissage exponentiel simple La prévision au temps P t se calcule ainsi: P t = X t-1 + X t-2 + X t-3 +…+ n-1 X t-n Cette formule se réécrit sous la forme P t = X t-1 + (1- ) P t-1 = P t-1 + (X t-1 - P t-1 )

52 Prévision et demande (ADM-1069)52 (ADM-1069)52 Lissage exponentiel simple Trois types de données sont nécessaires pour appliquer la méthode: 1) La prévision pour la période précédente. 2) La demande réelle pour cette même période. 3) Facteur de pondération 3) Facteur de pondération

53 Prévision et demande (ADM-1069)53 (ADM-1069)53 Exemple 3 Une firme utilise un lissage exponentiel simple avec un coefficient de 0,1 pour prévoir une demande. La prévision pour la première semaine de février était de 500 unités alors que la demande réelle était de 450. Prévoyez la demande pour la semaine du 8 février.

54 Prévision et demande (ADM-1069)54 (ADM-1069)54 Exemple 4 Considérons les valeurs observées suivantes pour les 12 prochaines périodes. Soit =0,1 et 0,3. Quelles sont les prévisions pour les périodes 1 à 13?

55 Prévision et demande (ADM-1069)55 (ADM-1069)55 Exemple 4 (solution)

56 Prévision et demande (ADM-1069)56 (ADM-1069)56 Lissage exponentiel simple Le facteur de pondération,, détermine le niveau de lissage et la vitesse de réaction à la différence entre la prévision et la demande réelle. Le choix de dépend de lallure de la demande. Initialisation 2/ - 1

57 Prévision et demande (ADM-1069)57 (ADM-1069)57 Raisons pour expliquer le succès des méthodes de lissage exponentiel 1) Le modèles sont assez précis. 2) La formulation des modèles se fait aisément. 3) Lutilisateur peut comprendre comment le modèle fonctionne. 4) Le modèle requiert peu de calculs.

58 Prévision et demande (ADM-1069)58 (ADM-1069)58 Raisons pour expliquer le succès des méthodes de lissage exponentiel: 5) Le modèle requiert peu despace-mémoire car on na pas besoin de conserver beaucoup de données passées. 6) Les tests pour vérifier comment le modèle se comporte sont faciles à calculer.

59 Prévision et demande (ADM-1069)59 (ADM-1069)59 Modèle avec tendance Pour ce type de modèle, on ne considère plus une moyenne stable mais plutôt la tendance de la demande en fonction du temps. En fait, la moyenne ne peut nous être utile dans ce cas.

60 Prévision et demande (ADM-1069)60 (ADM-1069)60 Mesure de la tendance La mesure de la tendance = Ampleur de la variation moyenne observée dune période à lautre. observée dune période à lautre.

61 Prévision et demande (ADM-1069)61 (ADM-1069)61 Mesure de la tendance temps demande x x x x x x x x x x x tendance

62 Prévision et demande (ADM-1069)62 (ADM-1069)62 Modèle avec cycle Ici, la demande ne varie pas de façon constante. On ne peut donc plus parler de tendance linaire comme le modèle précédent. La demande varie de façon cyclique ou saisonnière. Le cycle est décelable par visionnement des données ou par lanalyse de lautocorrélation.

63 Prévision et demande (ADM-1069)63 (ADM-1069)63 Modèle avec cycle temps demande x x x x x x x x x x x x cycle seulement temps demande cycle + tendance

64 Prévision et demande (ADM-1069)64 (ADM-1069)64 4 méthodes de prévisions pour demandes cycliques Lissage exponentiel à deux ou trois paramètresLissage exponentiel à deux ou trois paramètres Décomposition classiqueDécomposition classique Régression multipleRégression multiple Recherche des harmoniquesRecherche des harmoniques

65 Prévision et demande (ADM-1069)65 (ADM-1069)65 Choix de la meilleure technique de prévision Principales mesures derreurs La meilleure méthode de prévision doit donner les prévisions les plus précises possibles. Pour évaluer une méthode, on se base sur les erreurs de prévision passées.

66 Prévision et demande (ADM-1069)66 (ADM-1069)66 Principales mesures derreurs Lécart entre une donnée passée et la prévision faite par le modèle pour la période correspondante est mesuré pour sassurer de la justesse du modèle. Les différentes mesures que nous allons voir peuvent être évaluées pour différentes méthodes. La méthode donnant les meilleurs résultats serait la plus appropriée.

67 Prévision et demande (ADM-1069)67 (ADM-1069)67 Différentes mesures décart Écart quadratique moyenÉcart quadratique moyen Écart absolu moyenÉcart absolu moyen Écart absolu moyen en %Écart absolu moyen en % BiaisBiais

68 Prévision et demande (ADM-1069)68 (ADM-1069)68 Écart quadratique moyen Lécart quadratique moyen se calcule ainsi où P i = valeur prévue et X i = valeur réelle.

69 Prévision et demande (ADM-1069)69 (ADM-1069)69 Écart absolu moyen Ce type de mesure derreur tient compte des écarts sans égard au signe des valeurs. L écart absolu moyen se calcule ainsi

70 Prévision et demande (ADM-1069)70 (ADM-1069)70 Erreur absolue moyenne Par ailleurs, lerreur absolue moyenne en % se calcule un peu différemment que lécart absolu moyen.

71 Prévision et demande (ADM-1069)71 (ADM-1069)71 Biais ou erreur moyenne Pour le calcul du biais, les écarts tiennent compte du signe des valeurs i.e. négatifs ou positifs. Le biais devrait être près de 0.

72 Prévision et demande (ADM-1069)72 (ADM-1069)72 Biais ou erreur moyenne Si le biais est > 0 les prévisions ont tendance à dépasser les valeurs réelles. Si le biais est < 0 les prévisions ont tendance à être sous les valeurs réelles. Si e t = P t - X t

73 Prévision et demande (ADM-1069)73 (ADM-1069)73 Biais ou erreur moyenne Le biais se calcule ainsi

74 Prévision et demande (ADM-1069)74 (ADM-1069)74 Exemple 5 Considérons les données sur les ventes du modèle dautomobile Z pour les années 1974 à Les prévisions obtenues à laide de la méthode du lissage simple et à laide dune régression linéaire sont également données.

75 Prévision et demande (ADM-1069)75 (ADM-1069)75 Exemple 5 (suite) Calculez les différentes mesures derreur. Quelle méthode de prévision est la meilleure?

76 Prévision et demande (ADM-1069)76 (ADM-1069)76 Solution, LE

77 Prévision et demande (ADM-1069)77 (ADM-1069)77 Solution, régression


Télécharger ppt "Les prévisions et la gestion de la demande Cours #4."

Présentations similaires


Annonces Google