Université Libre de Tunis

Chapitre 3

Prévision de la production

Année Universitaire : 2021-2022

Chap.3: Prévision de la production

I. Introduction

Pour être proactive, une entreprise doit avoir la capacité d’anticiper les
futures commandes de ses clients. Ainsi, afin de prendre les décisions
relatives à son bon fonctionnement et à sa pérennité, toute entreprise,
quelles que soient sa nature et sa typologie commerciale, doit s’appuyer
sur un système de prévisions fiables.

2
Chap.3: Prévision de la production

II. Définitions :
- Prévision : La prévision peut être définie comme étant « une
appréciation sur les valeurs futures d’une variable quantitative ».

La prévision de la demande est une démarche qui consiste à estimer la

consommation des produits ou des services dans les périodes à venir.
Elle permettra de planifier la production afin de réduire les délais de
livraison.

3
Chap.3: Prévision de la production

III. Types de prévisions

Nous distinguons les trois types suivants :

 Les prévisions à long terme (> de deux ans)
 Utilisées au niveau stratégique de l’entreprise : nouveaux produits,
investissement ou désinvestissement en équipements, etc. .

 Les prévisions à moyen terme (de six mois à deux ans)

 Définir et maîtriser les capacités globales de production et des
approvisionnements.

 Les prévisions à court terme (jusqu’à six mois)

 Gérer l’activité opérationnelle de production (approvisionnement,
gestion des stocks/charge des ateliers et ordonnancement).

4
Chap.3: Prévision de la production

VI. Typologie de la demande :

Demande constante : si elle

oscille statistiquement autour
d’une valeur moyenne
constante dans le temps, la
moyenne de D = f (t) est une
droite horizontale ;

Demande à tendance : s’il y a

oscillation autour d’une valeur
croissante ou décroissante dans
le temps, D = f (t) est une
droite à pente positive ou
négative ;
5
Chap.3: Prévision de la production

Demande saisonnière : si elle

présente des variations
nettement plus importantes, en
hausse et en baisse, d’une
manière périodique.

Demande saisonnière et à
tendance : si les pics et les
creux sont disposés autour
d’une droite non horizontale ;

6
 Chap.3: Prévision de la production

VII. Méthodes de prévision

Prévision

Qualitatives Quantitatives

Etude de Opinion des Méthode Analogie avec des

marchés gestionnaires Delphi situations passées

Moyenne Moyenne mobile Lissage Régression Points Mayer

mobile pondérée exponentiel linéaire extrêmes

7
Chap.3: Prévision de la production

VII.1. Les méthodes qualitatives (ou subjectives)

Utilisées principalement dans la prévision à moyen et long terme, et

permettent de fournir un bon résultat dans les circonstances suivantes :

 Si les données passées sont in-fiables pour la prévision;

 Si les données passées ne sont pas disponibles;

 Dans le cas de développement scientifique majeur, etc.

Pour les utiliser à des fins de planification, il faudra être prudent et ne

les utiliser qu’en complément d’autres informations.

8
Chap.3: Prévision de la production

Selon le cas on a recourt à l’une des 4 méthodes suivantes :

 Etude de marché : déterminer les ventes possibles en testant des

produits spécifiques auprès des clients potentiels.

 Opinion des gestionnaires ou vendeurs : qui connaissent bien le

marché et peuvent fournir rapidement des prévisions valables et
peu couteuses.

 La méthode Delphi : utilisée pour des décisions stratégiques et

consiste à interroger des experts sur une problématique.

 Analogie avec des situations passées : la vente d’un nouveau

produit peut correspondre à celle d’un produit passé.

9
Chap.3: Prévision de la production

VII.2. Les méthodes quantitatives :

La prévision vise à déterminer un événement future à partir d’un
regroupement systématique de données quantitatives passées. C’est
une étape préalable à la planification qui détermine ce qui est
susceptible d’arriver.

Ses principaux objectifs sont :

 Planification de la stratégie de l’entreprise

 La répartition des ressources internes
 Décision d’accroissement de capacité de production
 Détermination de la nature et quantité de stock
 Améliorer des décisions d’ordonnancement
10
Chap.3: Prévision de la production

A. Méthode de prévision pour les séries stationnaires

Une série stationnaire est une série dans laquelle les observations ne
présente pas de fluctuation importante (tendance, cycle,
saisonnalité…).
La moyenne mobile, la moyenne mobile pondéré et le lissage
exponentiel sont trois techniques souvent utilisé pour la prévision des
séries temporelles stationnaires.

11
Chap.3: Prévision de la production

a) Méthode des moyennes mobiles :

Elle consiste à utiliser la moyenne des données réelles d’un
nombre déterminé de périodes précédentes comme prévision d’une
période future. D’une prévision à une autre, le nombre de périodes
antérieures choisies demeure le même ; cependant, la période la plus
ancienne cède sa place à la période la plus récente afin de conserver
les périodes les plus récentes dont les données réelles sont
disponibles.
t 1
Soient: D i
Pt = la prévision de la demande pour la période t Pt  i t  n

Di = la demande réelle enregistrée à la période i n

n = nombre de périodes choisi pour le calcul de la moyenne.

12
Chap.3: Prévision de la production

Exemple:
Semaines Prévisions Ventes
Le gestionnaire de STBG
prévoit les encaissement d’une 21 2500 2800
semaine donné de vente de
22 2200 2400
coca-cola canette en se basant
sur ceux réalisé les 3 semaines 23 3000 2600
précédentes.
Selon le gestionnaire de vente, 24 ? 2500
ce nombre de semaine permet
une prévision valable. 25 ? 2800

26 ? 3100

27 ?

13
 Chap.3: Prévision de la production

V23  V22  V21 2800  2400  2600

P24  =  2600 TND
3 3
V24  V23  V22 2500  2600  2400
P25  =  2500 TND
3 3
V25  V24  V23 2800  2500  2600
P26  =  2633 TND
3 3
V26  V25  V24 3100  2800  2500
P27  =  2800 TND
3 3

14
Chap.3: Prévision de la production

Semaines Prévisions Ventes

21 2500 2800

22 2200 2400

23 3000 2600

24 2600 2500

25 2500 2800

26 2633 3100

27 2800

15
Chap.3: Prévision de la production

Exemple :
Période Demande
J 1 2000
F 2 1350
M 3 1950
A 4 1975
M 5 3100
J 6 1750
J 7 1550
A 8 1300
S 9 2200
O 10 2770
N 11 2350
D 12

- Calcul de moyenne mobile sur 3 mois

- Calcul de moyenne mobile sur 5 mois 16
Chap.3: Prévision de la production

Moyenne mobile Moyenne mobile

Période Demande sur 3 mois sur 5 mois
J 1 2000
F 2 1350
M 3 1950
A 4 1975 1767
M 5 3100 1758
J 6 1750 2342 2075
J 7 1550 2275 2025
A 8 1300 2133 2065
S 9 2200 1533 1935
O 10 2770 1683 1980
N 11 2350 2090 1914
D 12 2440 2034

17
Chap.3: Prévision de la production

18
Chap.3: Prévision de la production

b) Méthode des moyennes mobiles pondérées :

Cette méthode consiste à employer certaines (N) données du passé
auxquelles on attribue un poids en fonction du pouvoir prévisionnel de
la période considérée; la somme des poids relatifs des périodes est égal
à 1.
t 1 t 1

i t  N
i 1
Pt  D
i t  N
i i

Cette méthode a pour avantage de donner plus de poids aux données

récentes. Elle révèle les évolutions de la demande plus rapidement que
la méthode de la moyenne mobile simple en raison d’une plus grande
réactivité aux changements.
19
Chap.3: Prévision de la production

Exemple :
Semaines Prévisions Ventes
Après avoir été mise au courant
21 2500 2800
de la méthode de la moyenne
mobile pondéré, le gestionnaire 22 2200 2400
de STBG décide d’adopter cette
nouvelle technique, de garder les 23 3000 2600
trois dernier périodes pour
effectuer toute prévision 24 ? 2500
futuriste. Mais que des facteurs 25 ? 2800
de pondération serait:
1  0.6 26 ? 3100

 2  0.3 27 ?
 3  0.1
20
Chap.3: Prévision de la production

P24  0.6  V3  0.3  V2  0.1 V1  2560 TND

P25  0.6  V4  0.3  V3  0.1 V2  2520 TND
P26  0.6  V5  0.3  V4  0.1 V3  2690 TND

Semaines Prévision Ventes

24 2560 2600 2500

25 2520 2500 2800

26 2630 2633 3100

21
Chap.3: Prévision de la production

c) Méthode de lissage exponentiel :

Elle est probablement la plus connue pour la prévision de la demande

des articles.
Cette prévision est basée sur le fait que la prévision courante
correspondant à la prévision précédente ajustée quelque peu. Cet
ajustement provient de deux sources : le facteur de pondération α et
l’écart entre la dernière prévision et le montant réel.

Pt  Pt 1   . Dt 1  Pt 1 
Pt : prévision pour la période courante, effectuée à la fin de la période précédente
Pt-1 : prévision pour la période précédente
Dt-1 : demande pour la période précédente
α : facteur de pondération compris entre 0 et 1
22
 Chap.3: Prévision de la production

Pt    Dt 1  1     Pt 1
Pt 1    Dt  2  1     Pt  2
Pt  2    Dt 3  1     Pt 3

Pt  n 1    Dt  n  1     Pt  n

Pt    Dt 1  1       Dt 2  1       Dt 3  1       Dt 4
2 3

23
Chap.3: Prévision de la production

B. Méthode d’analyse de la tendance

Les méthodes de moindre carré, des points extrêmes et des points

moyens sont trois techniques souvent utilisé pour la prévision des séries
à tendance.

a) Méthode de moindre carré (Régression linéaire)

La méthode de prévision par la technique de régression linéaire a pour
but d’établir une relation linéaire entre la demande et le temps.

24
Chap.3: Prévision de la production

La droite de régression doit être ajuster de tel sorte qu’aucune autre

droite ne soit meilleur. Le technique de régression linéaire est basé sur
deux concepts fondamentaux:
• La droite de régression doit passer obligatoirement par le point
moyen  X , Y  considérer comme étant le plus représentatif de
l’ensemble des données.
• La droite de régression doit être tel qu'elle rend minimale la
somme des carré des distance di entre chacun des points et la droite
parallèlement à l’axe Y.

25
 Chap.3: Prévision de la production

n 2
Cette méthode tente de
min   yi   a  xi  b  
trouver la droite i 1
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:

Le modèle de la régression
linéaire est de la forme: Y  a  xi  b
N

X i  Yi  N X Y
a i 1
N
b Y a X
X
2
i
2
NX
26
i 1
 Chap.3: Prévision de la production

Exemple X Y
1 600
- Déterminer l’équation de la 2 1550
droite de régression. 3 1500
4 1500
5 2400
6 3100
7 2600
8 2900
9 3800
10 4500
11 4000
12 4900
27
Chap.3: Prévision de la production

X Y XY X2 Prévision
1 600 600 1 803.1
2 1550 3100 4 1160.9
3 1500 4500 9 1520.5
4 1500 6000 16 1880.1
5 2400 12000 25 2239.7
6 3100 18600 36 2599.4
7 2600 18200 49 2959.0
8 2900 23200 64 3318.6
9 3800 34200 81 3678.2
10 4500 45000 100 4037.8
11 4000 44000 121 4397.4
12 4900 58800 144 4757.1
78 33350 268200 650
28
Chap.3: Prévision de la production

l’équation de régression pour ce problème:

 x  y  N  X Y
i i
2682000  12   6,5    2779,17 
a i 1
  359, 6
650  12   6,5 
N 2

x
2
2
i NX
i 1

b  Y  a  X  2779,17  359, 6   6,5   441, 7

Y  359, 6  X  441, 7

29
Chap.3: Prévision de la production

b) Méthode des points extrêmes

La méthode des points extrêmes est une méthode d’ajustement linéaire
d’équation y = a.x + b déterminée à partir des coordonnées des deux
points extrêmes d’une série d’observations sur la période analysée.

Soit A et B, les points situés aux

extrémités du nuage de points et
la droite d’ajustement déterminée
à partir de l’équation de la forme
y = a.x + b. Celle-ci doit passer
par ces deux points. Soient les
deux points extrêmes de
coordonnées : A(XA, YA) ; B(XB,
YB).

30
Chap.3: Prévision de la production

Il convient de procéder selon les étapes suivantes :

1. Formuler le système des deux équations à partir des deux points

extrêmes de coordonnées A(XA, YA) et B(XB, YB) :
(1) YA = a.XA + b
(2) YB = a.XB + b
et résoudre le système de deux équations YA et YB ;
2. Formuler l’équation de la droite d’ajustement ;

3. Utiliser cette équation de tendance pour effectuer les prévisions

pour les périodes futures.

31
Chap.3: Prévision de la production

Exemple :
Mois Ventes

1 120
- Déterminer l’équation de la

droite de tendance. 2 155

- Déterminer la prévision pour 3 125

le Mois 8. 4 202

5 180

6 235

7 240

32
Chap.3: Prévision de la production

Y = a.X + b
Détermination de a et de b :
La droite de tendance est calculée à partir des deux points extrêmes :
Point A (XA = 1 ; YA = 120) correspondant à la 1ère observation.
Point B (XB = 7 ; YB = 240) correspondant à la 7ème observation.
Formulation du système des deux équations :
Cela donne le système d’équation suivant :
(1) YA = a.XA + b 120 = a + b (1)
(2) YB = a.XB + b 240 = 7a + b (2)
Résolution du système des deux équations :
À partir de ces deux équations, on détermine les paramètres a et b par résolution du
système d’équations :
(1) 120 = a + b
(2) 240 = 7a + b
120
En faisant (2) – (1), on obtient : 120 = 6a  Ce qui donne a   20
6
En remplaçant la valeur de a dans l’équation (1), on détermine la valeur de b = 100.
D’où l’équation de la droite d’ajustement y = 20x + 100.

33
Chap.3: Prévision de la production

Prévisions :
Une fois la droite d’ajustement identifiée, elle est utilisée pour les
prévisions futures. Ainsi, s’il s’agit de prévoir les ventes pour le mois 8,
il convient de remplacer x par le rang de cette période (c’est-à-dire
x = 8) dans l’équation de la droite d’ajustement, soit :
y8 = (20 × 8) + 100 = 260.

Selon cette méthode, les ventes de la 8ème mois sont estimées à 260.

34
Chap.3: Prévision de la production

c) Méthode de Mayer (Méthode des points moyens)

La méthode des points moyens, appelée aussi méthode Mayer, retient les
coordonnées des points moyens de la série d’observations.
Pour mettre en œuvre cette méthode, il convient de procéder selon les
étapes suivantes :
- Diviser la série d’observation en deux groupes G1, G2 d’égale
importance ;
- Déterminer les coordonnées du point moyen de chaque groupe G1 ( x1 , y1 )
G2 ( x2 , y 2 ) et formuler le système d’équations y1  a.x1  b et y 2  a.x 2  b.

- Résoudre le système d’équations pour déterminer la valeur de a et b ;

- Utiliser cette droite de tendance pour la prévision des ventes des
périodes à venir..

35
Chap.3: Prévision de la production

On relie les deux points ainsi calculés pour obtenir la droite

d’ajustement.

36
Chap.3: Prévision de la production

Exemple :
Mois Ventes
- Déterminer la droite 1 120
d’ajustement selon la méthode
de Mayer 2 155

- Déterminer la prévision pour 3 125

le Mois 8.
4 202

5 180

6 235

7 240

37
Chap.3: Prévision de la production

Détermination des points moyens :

Les coordonnées du premier point moyen G1 sont :

1  2  3  4 10
x1    2,5
4 4
120  155  182  202 659
y2    164, 75
4 4
Les coordonnées du premier point moyen G2 sont :
5  6  7 18
x2   6
3 3
18  235  240 655
y2    218,33
3 3

38
Chap.3: Prévision de la production

La droite d’équation y = a.x + b passant par G1 et G2, vérifie donc le système suivant :
y1 = a.x1 + b  164,75 = 2,5a + b (1)
y2 = a.x2 + b  218,33 = 6a + b (2)

Il s’agit maintenant de résoudre le système composé des deux équations suivantes :

164,75 = 2,5a + b (1)
218,33 = 6a + b (2)

La résolution des deux équations (1) et (2) donne, par substitution, les valeurs
suivantes : a = 15,30 ; b = 126,50
L’équation de la droite d’ajustement par la méthode Mayer sera :
y = 15,3x + 126,5

Prévisions pour le mois 8 :

Il convient de remplacer x par le rang de la période concernée, soit x = 8. Cela donne :
y8 = 15,30 × 8 + 126,50 = 248,90.
39
Chap.3: Prévision de la production

VII.3. Erreurs de prévision

-l’erreur moyenne : e e
 D
i  Pi 
n

- l’écart absolu moyen (MAD) e

 D i  Pi
n

40
Chap.3: Prévision de la production

« e » : signale la présence ou l’apparition d’un biais systématique :

prévision en moyenne trop forte ou trop faible. On peut donc apprécier
le centrage statistique du modèle : un modèle correct avec variations
aléatoires donnera une valeur nulle de e. Puisque des termes de signes
contraires peuvent se compenser au moins partiellement pour donner
une valeur de e qui semble acceptable, on définit l’écart moyen absolu
(noté MAD, Mean Absolute Deviation,) qui évite ces compensations et
 et prévision.
contrôle l’écart entre demande réelle

41