Scribd
Importer
40 vues10 pages

TP 5

Le document présente un programme de conception de modèles de prévision pour une entreprise de composants électroniques, visant à améliorer la précision des prévisions de ventes. Différentes méthodes de prévision, telles que la moyenne mobile et le lissage exponentiel, sont appliquées, avec des corrections de tendance et de saisonnalité pour optimiser les résultats. Les conclusions montrent que l'utilisation conjointe de ces corrections améliore significativement la précision des prévisions.

Transféré par

Awatif Elkhaldouni
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Thèmes abordés

  • lissage exponentiel,
  • optimisation des modèles,
  • impact de la saisonnalité,
  • modèle multiplicatif,
  • modèles de prévision,
  • performance des prévisions,
  • écarts de prévision,
  • analyse de la demande,
  • analyse statistique,
  • historique des ventes
40 vues10 pages

TP 5

Le document présente un programme de conception de modèles de prévision pour une entreprise de composants électroniques, visant à améliorer la précision des prévisions de ventes. Différentes méthodes de prévision, telles que la moyenne mobile et le lissage exponentiel, sont appliquées, avec des corrections de tendance et de saisonnalité pour optimiser les résultats. Les conclusions montrent que l'utilisation conjointe de ces corrections améliore significativement la précision des prévisions.

Transféré par

Awatif Elkhaldouni
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Thèmes abordés

  • lissage exponentiel,
  • optimisation des modèles,
  • impact de la saisonnalité,
  • modèle multiplicatif,
  • modèles de prévision,
  • performance des prévisions,
  • écarts de prévision,
  • analyse de la demande,
  • analyse statistique,
  • historique des ventes

TP 5 : La Prévision

Fait par : Oubaba Salima


4ème Année GI
I. Introduction

Une entreprise qui fabrique les composants et les contacteurs électroniques a décidé de mettre en
œuvre un programme de conception de modèles de prévision plus performant. Car ils ont trouvé
que le problème majeur provient du système de calcul des prévisions de ventes. Tel que le système
existant consiste simplement à supposer chaque mois que la demande du mois suivant est égale à la
demande observée du mois présent
Pour cela, on a besoin de suivre plusieurs étapes qu’on va les présenter dans la suite du rapport

II. Les données utilisées

Réaliser un programme de conception de modèles de prévisions performant afin de mieux pouvoir


anticiper les demandes pour la gamme de produits principale. On se base sur les l’historique suivant :
III. L’application sur prélude

1/ Accéder au module de prévision :

On accède aux prévisions :

Fig 1 : Prévision de la demande pendant un an


Fig 2 : L’historique de la demande en 2003,2004 et 2005*

Les prévisions de vente pour l’année 2006 à l’aide des modèles suivants :

 Moyenne mobile sur 3 périodes


Cela va ne donner l’écart algébrique, absolu et quadratique de la demande et la
prévisionf
 Moyenne mobile sur 6 périodes
 Lissage exponentiel, coefficient de lissage 0,1
 Lissage exponentiel, coefficient de lissage 0,5

On conclue que :

Lorsqu’on sélectionne les options et on clique sur le bouton TEST, on remarque que en utilisant la
même méthode de prévision les paramètres de : écart algébrique moyen, écart quadratique moyen
et l’écart absolue moyen ne varient pas pendant le temps, ils sont fixes.

Mettre en œuvre un modèle avec correction de tendance :

 Prévision par lissage exponentiel, coefficient 0,3, lissage de la tendance (modèle


multiplicatif), coefficient 0,1.

On aura le graphe suivant :


Dans ce cas, on conclue que les écarts entre la demande et les analyses augmentent donc la
correction de tendance a un effet non négligeable sur notre étude de prévisions

 Mettre en œuvre un modèle avec correction de saisonnalité sans correction de tendance :


prévision par lissage exponentiel, coefficient 0,3 ; correction de saisonnalité multiplicative,
coefficient 0,1.

On conclue que dans ce cas l’écart est très réduit et il y’en a des dates où les l’analyse et la demande
sont confondues, donc la prévision est meilleure dans ce cas

 Mettre en œuvre un modèle avec correction de tendance et de saisonnalité : prévision par


lissage exponentiel, coefficient 0,3 ; lissage de la tendance (modèle multiplicatif, coefficient
0,1). Correction de saisonnalité multiplicative coefficient 0,1.
Dans ce cas, on aura le graphe suivant :

Dans ce cas on conclue qu’il faut utiliser la correction de saisonnalité et celle de la tendance à la fois
ainsi que la méthode de prévision sera exponentielle pour que les prévision seront plus précises et
plus exactes comme le montre le graphe

 Cliquer sur le bouton Optimiser


Après optimisation on aura : l’élimination de l’écart algébrique qui devient nulle et la diminution des
autres écarts ce qui montre les prévisions qui sont bien précises et exactes.

Vous aimerez peut-être aussi