Prévision de la demande en SCM
Professeur: JAMAL ELBAZ
Année universitaire 2019-2020
Plan de séance
1- Prévision de la demande
2- Types de méthodes prévisionnelles
3- Méthodes quantitatives…
La demande dans la chaine
logistique
Fournisseurs Producteur Grossistes Détaillants Clients
Demande
Approvisionnement Production Distribution
Les variations de la demande des clients se répercutent
sur toute la chaine logistique.
Les stratégies de gestion de la
demande
- Une stratégie passive:
Observer et analyser les données sur
les ventes
-Une stratégie active:
Influencer directement la demande
des consommateurs
Prévisions de la demande
• Déterminer de façon précise la quantité
demandée à une date future : impossible!
• Les prévisions doivent être:
– Fiables
– Utiles
Méthodes de prévision
1. Méthodes quantitatives
Basées sur les calculs, modèles
statistiques, économétriques…
2. Méthodes qualitatives
Basées sur le jugement, estimations
personnelles
Les méthodes de prévision
quantitatives
1. Méthodes causales:
– Identification des facteurs expliquant
les variations de la demande
2. Méthodes chronologiques:
- Prédire les valeurs futures d’une variable
en se basant uniquement sur les valeurs
observées dans le passé.
Prévision des séries
chronologiques
1. Méthodes basées sur la moyenne
2. Méthodes basées sur le lissage
La moyenne simple
Pt= la prévision pour la période t
Dt = la demande réelle d’un produit, au temps t
La prévision pour la période future (t) est obtenue en
faisant la moyenne des observations passées (de 1 à
t-1).
Exemple
Évolution des ventes en Milliers
Mois Demandes
Janvier 15
Février 12
Mars 14
Avril 16
Mai 13
Juin 14
Juillet ?
Quelle est la prévision du mois de Juillet?
La moyenne mobile simple
La prévision pour la période future est obtenue en
tenant compte que des n observations passées les
plus pertinentes.
On dit que n est l’ordre de la moyenne mobile
simple.
Évolution des ventes en Milliers
Mois Demandes
1 50
2 65
3 55
4 70
5 55
6 50
Calculer la prévision du mois suivant (7) en utilisant la
moyenne mobile de l’ordre 3 et de l’ordre 4
PMM3= 58,33 / PMM4= 57,5
La moyenne mobile pondérée
On applique une pondération aux observations de façon à
refléter leur pertinence.
n
Pt = wi Dt −i
i =1
avec n = ordre de la moyenne mobile pondérée
wi : poids accordé à l’observation i. wi = 1
Évolution des ventes en Milliers
Mois (x) Demandes
1 50
2 65
3 55
4 70
5 55
6 50
Calculer la prévision du mois suivant (7) en utilisant la
moyenne mobile de l’ordre 3 et les poids suivants w1= 0,5;
w2=0,2 ; w3= 0,3
P= w1* D6 + w2* D5 + w3* D4=57
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 + α(Dt-1 - Pt-1)
où α = la constante de lissage et 0 < α < 1.
Exercice
• Pour une société industrielle, la semaine
passée on avait prévu une demande de
45 000 articles, mais seulement 43 000
unités ont été vendues. En utilisant un
modèle de lissage exponentiel avec α =
0,25 déterminez la prévision pour cette
semaine.
Application 1
Évolution des ventes en Milliers
Mois (x) Demandes
1 42
2 40
3 43
4 40
5 41
6 39
Utilisez le lissage exponentiel pour calculer la prévision du
mois 7 avec un facteur de lissage Alpha= 0,1
Mois (x) Demandes Prévision
1 42 -
2 40 42
3 43 41,8
4 40 41,92
5 41 41,728
6 39 41,6552
Pt = Pt-1 + α(Dt-1 - Pt-1) et P2=D1
P3=P2+0,1*(D2-P2)= 42+0,1*(40-42)= 41,8
P4=P3+0,1*(D3-P3)=41,8+0,1*(43-41,8)=41,92
P5=P4+0,1*(D4-P4)=41,92+0,1*(40-41,92)=41,728
P6=P5+0,1*(D5-P5)=41,728+0,1*(41-41,728)=41,655
P7= P6+ 0,1*(D6-P6)=41,65+0,1*(39-41,655)=41,384
Application 2
Évolution des ventes en Milliers
Mois (x) Demandes Mois Demandes
1 52 7 46
2 50 8 44
3 53 9 65
4 50 10 48
5 51 11 50
6 49 12 ?
Utilisez le lissage exponentiel pour calculer des prévisions
pour un facteur de lissage Alpha= 0,2 et 0,7
Représentez graphiquement les courbes de demande et de
prévisions.
Le lissage exponentiel
70
60
50
40
Prévision 0,2
Prévision 0,7
30
Demandes
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12
Comment choisir la bonne
méthode de prévision?
• Il faut réduire les écarts (erreurs) de
prévision.
• La méthode qui donne moins d’erreurs
est la meilleure…
L’ecart quadratique moyen:
