La gestion de la demande Département Opération et systèmes de décision Faculté des Sciences de l ’administration GSO-19217 : Gestion de la logistique de l’entreprise La gestion de la demande Joëlle Bouchard joelle.bouchard@fsa.ulaval.ca 28 avril 2017

Plan La demande dans le système logistique La problématique de la gestion de la demande Les objectifs Les activités de la gestion de la demande Les qualités d’une prévision de la demande Les méthodes de prévision Le choix d’une méthode de prévision Les étapes d’une prévision La prévision des séries chronologiques L’évaluation des modèles La gestion de la relation avec la clientèle (CRM)

La demande c’est quoi ? La demande est la quantité d’un bien que les acheteurs (ou consommateurs) ont la volonté d’acquérir. Demande ≠ ventes Les ventes ne constituent qu’une partie de la demande. Il vaut mieux prévoir la demande plutôt que les ventes.

La demande dans le système logistique Avant d’effectuer des plans, il faut prévoir les événements auxquels on aura à faire face. Clients Détail Grossistes Entrepôt Production Fournisseurs Usines Distribution Demande Les variations de la demande des clients se répercutent sur tout le système logistique.

Prévision demande PBM/MRP Demande capacité Planification globale ressources détaillée capacités PBM/MRP Nomenclatures Inventaires Création des ordres Demande capacité Ordonnan- cement Lancement des ordres Routage des

Gestion de la demande : définitions Déterminer la demande totale à satisfaire et la faire connaître au moment voulu et selon des formes précises aux gestionnaires concernés. Gestion de la demande Fonction permettant de regrouper les demandes de produits et de les gérer de façon à s’assurer que le programme directeur de production les prenne en compte. ACGPS

Gestion de la demande : Responsabilités Collecte des données sur toutes les sources de demande (produit fini, pièces de rechange, réseau de distribution, demande d’échange entre les unités de production, promotions, stock de sécurité, stock saisonniers…) Agrégation de ces demandes et communication aux services concernés En cas de problèmes, tenter d’influencer la forme de la demande (négociation avec les clients, dates de livraison, quantité promises, promotions, rabais temporaires…) Établir des délais de livraison réalistes et en contrôler le respect

La problématique de la gestion de la demande Les caractéristiques de la demande · La demande normale ou moyenne actuelle, · La tendance de la demande (croissance, décroissance), · Les variations cycliques ou saisonnières · La dépendance de la demande sur des facteurs socio-économiques (l’âge, le revenu familial,…) La problématique · l’incertitude entourant les caractéristiques de la demande · l’imprécision des données · la variabilité de l’importance des facteurs socio-économiques influençant la demande.

Les objectifs de la gestion de la demande prévoir le mieux possible l’évolution de la demande pour les produits de l’entreprise réduire la variabilité des effets de la demande sur les opérations logistiques

Les activités de gestion de la demande Stratégie passive - La prévision de la demande - Les projets de promotion et de publicité on essaie de modifier la demande durant une période définie pour augmenter l’efficacité de l’exploitation des ressources de l’entreprise. Les opérations de gestion des relations avec la clientèle (CRM) on essaie de fidéliser la clientèle actuelle. Stratégie active

Les qualités d’une prévision de la demande · Fiables ayant une bonne probabilité de réalisation ou une marge d’erreur assez faible, ·  Utiles disponibles à temps et faciles à interpréter. adoption d’une nouvelle technologie gestion de l’équipement détermination de la capacité de production détermination de l’aménagement d’usine gestion des stocks et de la production

Les méthodes qualitatives de prévision Définition Avantages Inconvénients Encyclopédie vivante Un individu au sein de l’entreprise connaissant les rouages du marché évalue l’avenir Très rapide et peu coûteuse Favorise la contestation du résultat Étude de marché Elle repose sur un questionnaire et à le faire passer à un échantillon représentatif de la population Les résultats sont souvent plus près de la réalité Méthode coûteuse Méthode Delphi Elle consiste à réunir fréquemment plusieurs experts afin de connaître leur opinion L’entreprise obtient un pronostic et non un résultat Méthode très coûteuse et long processus Groupe d’experts Similaire à la méthode Delphi, nonobstant la fréquence Excellent longue avant d’obtenir un

Les méthodes quantitatives de prévision Définition Avantages Inconvénients Moyenne mobile Résultat d’un certain nombre de périodes divisé par le nombre de périodes Très simple Peut s’écarter de la réalité et s’adapte difficilement aux cycles Régression linéaire Les données passées exposent un résultat linéaire pour l’avenir Donne d’excellents résultats si le lien est linéaire Demande des bases en mathématique et en informatique Série chronologique C’est une méthode dont les résultats futurs proviennent d’une extrapolation des résultats passés Lissage exponentiel C’est une méthode qui corrige les écarts positifs et négatifs entre les périodes Assez conforme à la réalité et permet des ajustements rapides

Le choix d’une méthode de prévision l’horizon de planification : long (2 à 10 ans), moyen (6 mois à 2 ans) ou court (1 à 6 mois) Méthodes qualitatives · les fins de la planification : stratégique ou tactique · la nature de la demande du produit ou du service : stable/volatile, saisonnière/cyclique, dépendante/indépendante

Les étapes d’une prévision Préciser le but de la prévision Déterminer l’horizon de temps Choisir une méthode de prévision Recueillir des données pertinentes des sources fiables Établir un modèle de prévision Évaluer le modèle Implanter les résultats du modèle Entretenir le modèle de prévision

La prévision des séries chronologiques Une série chronologique est un ensemble d’observations faites à des moments précis, généralement à intervalles réguliers dans le temps.

Les séries chronologiques : les composantes La décomposition : 1.      le niveau ou une valeur moyenne (S), 2.      la tendance ou variation séculaire (T), 3.      la variation saisonnière (I), 4.      la variation cyclique (C) et 5.      la variation irrégulière.

Exemple :

Exemple:

Les ventes par semaine à la SAQ

Quelques modèles de prévision simples Méthodes basées sur la moyenne Méthodes simples, faciles à utiliser. Adéquates si la demande prévoir est stationnaire. Ne tient pas compte des variations saisonnières ou cycliques. Moyenne simple Moyenne mobile simple Moyenne mobile pondérée Méthodes basées sur le lissage Lissage exponentiel simple

La notation xt = la variable observée, soit la demande d’un produit, au temps t t-1 = nombre d’observations passées disponibles pour calculer la moyenne simple Pt= la prévision pour la période t

La moyenne simple La prévision pour la période future est obtenue en faisant la moyenne des observations passées. Si le comportement de la variable à prévoir est stationnaire, c'est-à-dire s'il y a des variations aléatoires autour d'un niveau moyen constant (sans tendance ni variations saisonnières), la moyenne des observations passées devrait être le reflet du comportement futur de cette même variable.

La moyenne simple : Exemple On a Voir fichier Excel : Prevision/Moyennes/Exemple1

La moyenne mobile simple La prévision pour la période future est obtenue en tenant compte que des observations passées les plus pertinentes. avec n = ordre de la moyenne mobile simple. Intéressant lorsque le niveau moyen de la demande varie dans le temps. Il n’y a toujours pas de tendance ni de variation saisonnière.

La moyenne mobile simple : Exemple Moyenne mobile d’ordre 3 Moyenne mobile d’ordre 4 Voir Excel : Prevision/Moyennes/Exemple2

La moyenne mobile simple L’usine de Frito-Lay à Lévis La prévision de la demande des produits est effectuée à l’aide de la moyenne mobile basé sur l’historique des commandes passées. L’usine de Frito-Lay à Lévis

La moyenne mobile pondérée On applique une pondération aux observations de façon à refléter leur pertinence. avec n = ordre de la moyenne mobile pondérée wi : poids accordés aux n dernières observations. Permet de moduler l’importance accordé aux diverses observations. Il n’y a toujours pas de tendance ni de variation saisonnière.

La moyenne mobile pondérée : Exemple Moyenne mobile pondérée d’ordre 3 Poids: w1 = 0,5 ; w2 = 0,3 ; w3 = 0,2 Voir Excel : Prevision/Moyennes/Exemple3

Le lissage exponentiel simple La prévision de la période t est basée sur la prévision de la période t-1 corrigée en fonction de l’erreur commise. Pt = Pt-1 + a(xt-1 - Pt-1) ou encore Pt = axt-1 + (1-a) Pt-1 où a = la constante de lissage et 0 < a < 1.

Les poids du lissage exponentiel  Choix de a : Plus a est grand, plus on accorde de l’importance aux observations récentes et moins on en accorde aux anciennes observations. Si a est trop grand, la série lissée reste très sensible aux variations récentes soudaines et demeure irrégulière. Si a est trop petit, trop de poids est accordé aux observations éloignées dans le temps et la série reste insensible aux variations récentes et change difficilement de trajectoire. Lorsque la valeur de a est près de 0, ce sont les premières observations qui déterminent la tendance. Généralement, plus a est faible, plus la série qui en résulte est lisse. Par conséquent, de petites valeurs de a seraient utiles pour débarrasser la série originale des variations cycliques et des variations irrégulières.

Les poids du lissage exponentiel

Le lissage exponentiel simple : un exemple avec a = 0,2 Période Jan(0) fév. (1) mars(2) avril(3) Mai(4) Juin(5) juil.(6) Août(7) Sept(8) Demande observée 19,36 25,45 19,73 21,48 20,77 25,42 23,79 28,35 26,80 Prévision Pour t+1 20,58 20,41 20,62 20,65 21,61   P1 = X0 P2 = 19,36 + 0,2(25,45 – 19,36) = 20,58 P3 = 20,58 + 0,2(19,73 – 20,58) = 20,41 Prévision de juillet (effectuée à la fin de juin) P6 = 20,65 + 0,2(25,42 – 20,65) = 21,61 Voir exemple Excel : Prevision\Lissage

Les erreurs de prévision L’erreur de prévision : et = Pt - xt 1- L’erreur moyenne : 2- L’erreur moyenne absolue : 3- L’erreur moyenne au carré : 4- La moyenne du pourcentage d’erreur absolue :

Les erreurs de prévision   Prévision Erreur % Demande Lissage absolue au d'erreur Période observée 0,2 et = Pt - xt carré 1 42 --- 2 40 42,00 2,00 4,00 0,05 3 43 41,60 -1,40 1,40 1,96 0,03 4 41,88 1,88 3,53 5 41 41,50 0,50 0,25 0,01 6 39 41,40 2,40 5,78 0,06 7 46 40,92 -5,08 5,08 25,78 0,11 8 44 41,94 -2,06 2,06 4,25 9 45 42,35 -2,65 2,65 7,02 10 38 42,88 4,88 23,82 0,13 11 41,90 1,90 3,63 12 41,52 Moyenne 0,24 2,48 8,00 5,96% Voir exemple Excel : Prevision\Validation

Les erreurs de prévision Il faut chercher un modèle qui offre un bon compromis par rapport aux diverses mesures d’erreur. C’est à l’aide des données passées que le modèle pourra être validé. Voir exemple Excel : Prevision\Validation

Conséquence des erreurs de prévision Gestion des stocks Prévisions trop élevées Prévisions trop faibles augmentation du niveau des stocks augmentation du coût de maintien en inventaire risque de désuétude diminution de l’espace d’entreposage sur utilisation de la main d’œuvre baisse des liquidités risque de pénuries coûts associés à la non satisfaction des clients augmentation possible de la fréquence des commandes augmentation des ventes perdues

Conséquence des erreurs de prévision Planification de la production Prévisions trop élevées Prévisions trop faibles production trop élevée augmentation du niveau des stocks de matières premières et de composantes utilisation inefficace de la capacité de production production insuffisante possibilité d’avoir besoins d’heures supplémentaires risque de pénurie en matières premières et en composantes

La gestion des relations avec la clientèle (CRM) C’est une stratégie d’entreprise qui vise à augmenter la valeur pour ses actionnaires en identifiant, en retenant et en développant les clients les plus profitables et en acquérant de nouveaux clients également profitables.

Les bénéfices d’une stratégie de CRM - Une augmentation des profits par le biais des ventes complémentaires et supplémentaires d’une meilleure rétention de la clientèle d’un taux de clôture amélioré d’une marge bénéficiaire plus grande - Une réduction du coût par transaction par une meilleure gestion du temps par un ciblage des efforts de ventes par la qualification des clients pour certains produits par la prévision plus précise des besoins de la clientèle - Des bénéfices pour le client dans une relation plus personnalisée avec l’entreprise - De la compétitivité accrue de l’entreprise

Les éléments d’une stratégie de CRM Une stratégie CRM doit comprendre : -         des critères d’évaluation de la clientèle valeur actuelle et potentielle -         l’identification de la clientèle personnalisation -         des efforts de rétention des clients programmes de fidélisation -         des moyens de développement des clients ventes complémentaires et supplémentaires -         des programmes d’acquisition de nouveaux clients campagnes de promotion, ciblage, segmentation

La technologie de la CRM La capacité de recueillir, stocker, analyser et interpréter de vastes quantités d’information… Documentation Bases de données Modèles analytiques Interfaces Courriel Pages web Webcast Netmeeting … et de les communiquer, souvent en temps réel

Cours de concentration GSO-11935 Gestion de la demande et des stocks Techniques avancées de prévisions Logiciels commerciaux de prévision Techniques de gestion de la demande

Références Acétates et matériel de cours, GSO 19217, Jacques Renaud. Gestion logistique, Mars 2002. La gestion des ressources matérielles. Approvisionnement et stocks. René Gélinas. Chenelière/McGraw-Hill, 1996. La gestion des opérations et de la production. Une approche systémique. Nollet, Kélada et Diorio. Gaëtan Morin 1994.