Gestion des stocks GPO-1004 Prévisions Hiver 2002.

Slides:



Advertisements
Présentations similaires
La demande globale : La prévision des ventes
Advertisements

But de la lecture critique
Terminale STG Activité : Ajustement affine
Politique économique et rôle des anticipations
Evaluer un projet d’école
Mercredi 23 avril 2008 Lycée Simone Weil Dijon Lycée Les Arcades Dijon
La prévision de la demande
Chapitre 6 La planification du marketing et les prévisions des ventes
Bonjour ! Souriez c’est lundi !
Prévisions des ventes :
Les système linéaires Stéphane Paris.
Corrélation linéaire et la droite de régression
Apprendre à partir des observations
Prévision Plan du cours Vollmann, chap. 16
Prévision de la Demande
La dynamique des systèmes
Marketing Engineering
Les fonctions TRIGONOMÉTRIQUES
Méthodes de prévision (STT-3220)
Méthodes de prévision (STT-3220)
Plans longitudinaux et factoriels Plans longitudinaux et factoriels.
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Exercice 2: estimation de la prévisibilité dans le.
La corrélation et la régression
Fonctions de base et fonctions transformées
Quelques fonctions de base
Inéquations du second degré à une inconnue
Les prévisions et la gestion de la demande
Analyse de marchés Lutilisation de la donnée secondaire dans lanalyse du produit/marché SÉANCE 8.
LES ERREURS DE PRÉVISION e t = X t - P t X1X2X3X4 X5 X6…X1X2X3X4 X5 X6…X1X2X3X4 X5 X6…X1X2X3X4 X5 X6… P5P6P5P6P5P6P5P6 e5e6e5e6e5e6e5e6.
L’évaluation au service de l’apprentissage
Travaux pratiques Hygiène-Génétique- Biostatistique:
Inéquations du second degré à une inconnue
Géométrie analytique Équations d’une droite
Théorie de l’échantillonnage (STT-6005)
STT-3220 Méthodes de prévision
Les séries chronologiques
Chapitre 5 Prévisions.
Techniques de prévision quantitatives
STT-3220 Méthodes de prévision
La décomposition en valeurs singulières: un outil fort utile
III.1) Analyses spectrales du Moment Angulaire Atmosphérique Motivation Générale Les analyses statistiques occupent une place centrale en climatologie.
Les historiques de cours
STT-3220 Méthodes de prévision
Présentation du marché obligataire
Mathématiques Université en ligne. Les modules de mathématiques disponibles Trois types de modules ➢ Modules de transition entre lycée et université ➢
TP N° 2 : OSCILLOSCOPE NUMERIQUE
Travaux Pratiques Optimisation Combinatoire
Présentation contribution Recherche Chaire Supply Chain
2-1 La prévision des ventes. 2-2 Leitmotiv Nomenclatures correctes et à jour précises à 98%. Gammes de fabrication précises à 95% Relevés de stocks à.
TNS et Analyse Spectrale
Notions de coûts et prise de décision
Le choix des prestataires
Théorie de Files d’Attente
Doc. p l’hypothèse d’anticipations rationnelles
TP N° 1 : OSCILLOSCOPE ANALOGIQUE
PREVISION DE LA GEOMETRIE DES MOLECULES
La prévision des ventes
Les mathématiques Les facteurs.
Utilisation pratique des identités remarquables
Mais quel est donc le taux d’inflation actuel ? J.C. Lambelet et D. Nilles Catherine Roux Alvaro Aparicio Gregor Banzer Daniel Cavallaro.
SERIES CHRONOLOGIQUES
M. P. I. Mesures Physiques et Informatique Septembre 2006.
Le modèle de régression linéaire Claude Marois © 2010.
Correction du devoir 4 Première S Mathématiques. Exercice 1. Après avoir répondu à la question 1., il y a deux écritures possibles pour f (x) : Il faut.
COURS DE TECHNIQUES QUANTITATIVES
Corrélation et causalité
PREVISION DE LA GEOMETRIE DES MOLECULES
Lecture critique des essais cliniques. But Juger de : - La validité scientifique - L’intérêt clinique Modifier ou ne pas modifier la pratique.
La gestion de la demande
Transcription de la présentation:

Gestion des stocks GPO-1004 Prévisions Hiver 2002

Transposition des données

Saisonnalité additive, pas de tendance Pér. 3 Pér. 4 Pér. 1 Pér. 2

Une série par période cyclique Tracés horizontaux: pas de tendance Le décalage entre les séries représente leffet saisonnier

Prévoir chaque période …

Lissage à 3 paramètres ou décomposition Sil ny a pas deffets multiplicatifs, il ny a pas de différence significative entre les deux méthodesSil ny a pas deffets multiplicatifs, il ny a pas de différence significative entre les deux méthodes Sil y a des effets multiplicatifs, la décomposition peut savérer plus intéressanteSil y a des effets multiplicatifs, la décomposition peut savérer plus intéressante

Saisonnalité et tendance additive Les pentes sont positives et égales

Transposition

Une série par période cyclique Les pentes sont identiques: effet saisonnier additif Lécart entre les courbes: effet saisonnier

Une série par cycle Lécart entre les courbes représente la tendance

Effet saisonnier multiplicatif Voir séries vin – ét.Voir séries vin – ét.

Une série par cycle Lécart entre les séries représente la tendance générale

Une série par période cyclique Les pentes différentes indiquent la présence dun effet multiplicatif dans la saisonnalité Lécart entre les séries représente leffet saisonnier

A trend is a trend, but the question is: will it bend? (Alec Cairncross, 1969) Les 10 commandements du praticien myope …Les 10 commandements du praticien myope … –Le passé est garant de lavenir –Il faut trouver la meilleure méthode de prévision –Plus nombreuses sont les données historiques utilisées, meilleure sera la performance –Les personnes directement impliquées dans des activités requérant des prévisions fourniront les meilleures extrapolations –Le choix de méthodes de prévision très formalisées mathématiquement élimine les risques derreurs de jugement

Un modèle … Les 10 commandements du praticien myope (suite) …Les 10 commandements du praticien myope (suite) … –Il est préférable dutiliser des modèles prenant en compte certains comportements possibles des données au cas où ils se manifesteraient –Le modèle de prévision a raison –Les prévisions les plus précises sont les meilleures –Aux meilleurs des ajustements correspondent les meilleures prévisions –Les modèles complexes sont les meilleurs

Attention au théorème de Poincaré! Tout le monde a confiance aux théories; les théoriciens parce quils croient quelles sont le reflet de la réalité et les praticiens parce quils font confiance aux théoriciens.Tout le monde a confiance aux théories; les théoriciens parce quils croient quelles sont le reflet de la réalité et les praticiens parce quils font confiance aux théoriciens.

La pondération a bien meilleur goût! On peut combiner les résultats de plusieurs méthodes pour générer des prévisionsOn peut combiner les résultats de plusieurs méthodes pour générer des prévisions La pondération accordée à chacun des modèles nest pas obligatoirement 1/n si n modèles sont considérésLa pondération accordée à chacun des modèles nest pas obligatoirement 1/n si n modèles sont considérés

Le lissage exponentiel à trois paramètres comme modèle général de LE

Sil ny a pas deffet saisonnier … = 0 et I i = 1 pour tous les i = 0 et I i = 1 pour tous les i On obtient alors:On obtient alors: S t = X t + (1- )(S t-1 + b t-1 )S t = X t + (1- )(S t-1 + b t-1 ) b t = (S t – S t-1 ) + (1- )b t-1b t = (S t – S t-1 ) + (1- )b t-1 P t+m = S t + b t mP t+m = S t + b t m Lissage exponentiel à deux paramètres pour une tendanceLissage exponentiel à deux paramètres pour une tendance

Sil y a effet saisonnier mais pas de tendance … = 0 et b 1 = 0 = 0 et b 1 = 0 On obtient alors:On obtient alors: S t = aX t /I t-L + (1-a)S t-1S t = aX t /I t-L + (1-a)S t-1 I t = bX t /S t + (1-b)I t-LI t = bX t /S t + (1-b)I t-L P t+m = S t I t-L+mP t+m = S t I t-L+m –Lissage exponentiel à deux paramètres pour saisonnalité

Sil ny a ni effet saisonnier, ni tendance … = 0, = 0, b 1 = 0 et I i = 1 pour tous les i = 0, = 0, b 1 = 0 et I i = 1 pour tous les i On obtient alors:On obtient alors: S t = X t + (1- )S t-1S t = X t + (1- )S t-1 P t+m = S tP t+m = S t Or, P t+m = P t+1 pour tous les m puisquil ny a pas de tendanceOr, P t+m = P t+1 pour tous les m puisquil ny a pas de tendance Donc, P t+1 = S t = X t + (1- )S t-1Donc, P t+1 = S t = X t + (1- )S t-1 Mais si P t+1 = S t, alors P t = S t-1Mais si P t+1 = S t, alors P t = S t-1 Donc, P t+1 = X t + (1- )P tDonc, P t+1 = X t + (1- )P t Et P t = X t-1 + (1- )P t-1Et P t = X t-1 + (1- )P t-1 Lissage exponentiel simpleLissage exponentiel simple