AIAC-GIP18

Techniques de prévisions et
Gestion de stock

Réalisé et présenté par: TAJI Hajar

Année scolaire: 2022/2023
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK

Mise en situation:

La gestion de la production a pour but d’assurer la continuité des différents

flux de l’entreprise (physique, financier, organisationnel).

L’idéal pour une entreprise est de produire exactement les produits que ses
clients vont acheter. Ceci étant très difficile, il faut qu’elle anticipe le mieux
possible les futures commandes de ses clients. Un système de prévision
fiable assurera la pérennité de l’entreprise et conditionnera la gestion de ces
différentes activités et plus spécialement la gestion de stock qu’on traitera
dans ce cours.

Ce présent cours traitera deux notions très importantes:

▪ Les méthodes de prévision.
▪ La gestion de stock.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK

PARTIE 1: TECHNQUES DE PREVISIONS

Objectifs
⮚Comprendre l’utilité des techniques de prévisions,

⮚Déterminer et paramétrer le modèle d’approvisionnement en se basant sur l’historique,

⮚Savoir choisir et comparer les différentes méthodes de prévision,

⮚Pouvoir chiffrer les demandes futures.

PARTIE 2: GESTION DE STOCK

⮚Comprendre le positionnement de la gestion des approvisionnement,

⮚Comprendre les enjeux de la gestion des coûts de stockage,

⮚Comprendre les différentes politiques d’approvisionnement,

⮚Établir le planning de livraison.

3
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK

PARTIE 1: TECHNIQUES
DE PREVISIONS

1 Définition et généralité sur les prévisions

2 Horizon de la demande et typologie de prévision

3 Différentes méthodes de prévisions

4 Séries chronologiques en fonction du modèle

5 Question-réponses

4
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Généralité: ▪
Prévision de la
Ordonnancement;
Commandes ▪ Logistique;
demande
▪ Bureau des méthodes;
▪ Suivie de la fabrication.
Planification

Planning Global

Matériels et stocks

Besoin en matériel Besoin en

ou stock capacité

Non Non
OK? OK?
Oui Oui
Contrôle de priorité Contrôle des
(tâche, matériels, capacités (temps
stock ) et équipements)
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Définition des prévisions

Les prévisions sont des estimations de la probabilité de

survenue de certains événements. Ces estimations consistent
une base de donnée qui oriente les décisions et la stratégie de
l’entreprise, c’est aussi un élément vital pour une bonne gestion
de la production.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Objectifs des prévisions

Le système de prévision permet d’orienter les activités futures de
l’entreprise par l’utilisation optimale des informations traduisant le
besoin estimé.

De bonnes prévisions permettent aux dirigeants de planifier de

façon appropriée les niveaux de personnel, matières premières,
capitaux, stocks, et quantités d’autre variables.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Horizon de prévision
La demande a une influence sur plusieurs aspects de gestion de l’entreprise, aussi
bien sur le niveau des décisions stratégiques que les opérations journalières. Il
existe plusieurs niveau de prévision:
⮚ Long terme
⮚ Moyen terme
Les prévisions de la demande permettent de prendre des décisions
⮚ Courtconcernant
stratégiques terme par exemple la construction d’une usine, l’innovation
et la conception des nouveaux produits, la planification du capital, la structure
des réseaux de production et de distribution.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Horizon de prévision
Il existe plusieurs niveaux de prévision:
⮚ Long terme
⮚ Moyen terme
⮚ Court terme
La demande a un impact direct sur les stocks de sécurité et le contrat avec les
clients et les fournisseurs. À ce niveau, Les prévisions de la demande
permettent de maîtriser les capacités globales de production et
d’approvisionnement (acquisition d’une machine, embauche de personnel…)
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Horizon de prévision
Il existe plusieurs niveau de prévision:
⮚ Long terme
⮚ Moyen terme
⮚ Court terme
La demande peut amener à déterminer le nombre d’heures de travail et
l’utilisation de temps supplémentaire ou de temps partiel. La demande courante
Remarque:
influence également les fonctions d’approvisionnement, de gestion de stock et
• À fur et à mesure que l’horizon de prévision augmente, la probabilité de faire
la charge de l’atelier.
des erreurs augmente aussi.
• L’erreur faite dans la prévision de demande relative à une famille de produit est
d’habitude moindre que l’erreur faite lors de la prévision de vente d’un seul
produit
Les prévisions doivent tenir compte de facteurs internes et externes de l’entreprise
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Typologie de la demande

E: Demande aléatoire
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Critères de choix:
• Le but du système de prévision;
• Les données disponibles à propos du produits ou de la famille de
produits;
• La précision souhaitée sur les prévisions;
• Le coût accepté pour établir les prévisions;
• Le cycle de vie du produit (lancement, croissance, maturité,
déclin).
• Le temps disponible (délais) pour les obtenir.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Méthodes de prévision
Les méthodes de prévision dépendent énormément des sources de
données:

• Soit qu’elles dépendent des enregistrements acquis sur les

tendances futures par les services commerciaux et marketing,
elle se basent donc sur le jugement ou l’opinion des experts.

• Soit qu’elles dépendent des données relevées du passé que l’on

modélise pour faire une projection dans le futur, cette
extrapolation se fait par le biais d’une analyse mathématique
des données.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Méthode de prévision
Il existe donc deux méthodes de prévision:
• Techniques de prévision qualitatives (évaluation);
• Techniques de prévision quantitatives (extrapolation).
Utilisés principalement pour les prévision à moyen ou long terme, et destinées à
des décisions mercatiques avec des données provenant d’études de marché ou
d’intentions d’achats, ou simplement d’intuition, à travers notamment
l’interrogation et le traitement de prévision du réseau de distribution.

On note néanmoins que ces techniques doivent être complétées par d’autres
données qui pourraient palier les incertitudes des prévisions.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Méthode de prévision
Méthodes de prévision qualitatives
Méthode Description Horizon Coût
de de temps relatif
prévision
Delphi Réponse à une série de question par des experts (anonymement), les Long terme Moyen/
élevé
réponses sont modifiables et complétées par la suite, les itérations peuvent
entrainer un consensus efficace ou une divergence absolue.
Étude de Le service commercial fait des enquêtes, par le biais de questionnaire. Le Moyen/ Long Élevé
terme
marché plan d’échantillonnage doit être bien conçu afin de garantir la fiabilité et la
représentativité statistiques des résultats de la clientèle cible (potentielle).

Les Les vendeurs qui sont en contact direct avec le client. Pour développer les Moyen terme Bas/ Moyen
prévisions prévisions personnelles des ventes dans l’année à venir, l’agrégation des
visionnaires données se fait donc par le directeur de vente.
Opinions Les managers du marketing, de la production et des finances préparent les Court/ Moyen Bas/
terme Moyen
des cadres prévisions ensemble.

Analogie Le service commercial peut prévoir l’évolution de la demande d’un produit Court/ Moyen Bas/ Moyen
terme
historique en se fiant à l’évolution observée dans le passé pour d’autres produits
semblables. La demande d’un produit suit un chemin relativement
prévisible en fonction du cycle de vie du produit (introduction sur le
marché, croissance, maturité, déclin), on peut donc prévoir la durée de
chacune de ces phases.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Méthode de prévision
Il existe donc deux méthodes de prévision:
• Techniques de prévision qualitatives (évaluation);
• Techniques de prévision quantitatives (extrapolation).

Utilisés principalement à base d’analyse systématique des données, en se basant

sur des hypothèses initiales en développant un modèle explicatif.

⮚ Le calcul des coefficients de corrélation linéaire entre la demande et les

facteurs (internes et externes) afin d’identifier des variables les plus
pertinentes (méthodes causales)

⮚ L’analyse d’une représentation graphique des données historiques (série

chronologique)
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Méthode de prévision
Techniques de prévision quantitatives
Il existe deux variantes importantes de prévision quantitatives:
⮚Les méthodes causales;
⮚Les séries chronologiques.
Cette méthode représente d’avantage d’une analyse plus poussée des facteurs
d’évolution de la prévision dans le passé offrant ainsi une meilleure précision. Ils
permettent de découvrir les facteurs quantifiables qui ont influencé l’évolution
passé d’une variable de prévision en évaluant l’effet de chacun de ces facteurs.

Y= f(x1, x2,…,xn,έ) avec x1,x2,..,xn variables de prévision

έ est un terme d’erreur.

Une fois la fonction f déterminée, il devient possible de prévoir la valeur de la

demande. Il existe donc plusieurs méthodes allant dans ce sens:
▪ Régression simple
▪ Régression multiple
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Méthode de prévision
Méthodes de prévision quantitatives
Il existe deux variantes importantes de prévision quantitatives:
⮚Les méthodes causales;
⮚Les séries chronologiques.
Cette méthode de prévision s’intéresse à l’écoulement de temps. Elle se base sur une
séquence de données récoltées sur un intervalle de temps régulier et présentées dans
leur ordre chronologique.

L’exploitation des résultats des observations se fait par le biais de calcul statistique, ou
lorsque les logiciels facilement disponibles.

Le processus de prévision passe par plusieurs étapes:

▪ La collecte des données;
▪ L’analyse des données;
▪ Le choix des méthodes de prévision;
▪ L’obtention des prévisions
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Méthodes de prévision quantitatives

Les composants d’une série chronologique:

Tendance: est le mouvement général du niveau moyen de la demande dans le temps, il

existe plusieurs facteurs qui pourraient expliquer la tendance, on cite les avancés
technologiques, changement de productivité, inflation, évolution de la population…

Saisonnalité: est une fluctuation de la demande autour d’une valeur moyenne qui se
répète à des intervalles réguliers.

Conjoncture: similaire aux composants de la saisonnalité ( sauf pour l’amplitude et la

longueur du cycles). Ce critère est lié aux cycles économiques (inflation, crise mondiale,
chômage…).

Résidu: composante aléatoire, suite de petits mouvements qui ne suivent aucun

patron reconnaissable (inondations, guerres, grèves, élections, nouvelles lois).
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Séries chronologiques
1. Modèle stationnaire
D(t)=Dm+ξ(t)
Dm ξ(t)
Un modèle stationnaire est caractérisé par des
observations concentrées autour d’une valeur
moyenne constante.

Une valeur de la série stationnaire est représentée par une constante Dm et

une fluctuation aléatoire ξ(t).

D(t)=Dm+ξ(t)

Le but donc est d’approcher les composantes Dm et ξ(t).

 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Séries chronologiques
1. Modèle stationnaire
D(t)=Dm+ξ(t)
Dm ξ(t)
Un modèle stationnaire est caractérisé par des
observations concentrées autour d’une valeur
moyenne constante.

Il existe deux techniques pour faire les prévisions dans ce cas:

⮚Moyenne mobile simple.
⮚Lissage exponentiel simple.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Séries chronologiques
1. Modèle stationnaire
⮚Moyenne mobile simple

La moyenne mobile Mb (t+1) fait intervenir un nombre n déterminé de données Di,

c’est une moyenne non constante qui se modifie à fur et à mesure que de nouvelles
observations sont disponibles.

Avec:Mb(t+1)= moyenne mobile calculée en fin de

période t (utilisable comme prévision pour la période
t+1)
Di= Demande réelle de la période i.
n= nombre de périodes utilisé.

Le choix du nombre de périodes à utiliser dans le calcul de la moyenne mobile simple

dépend beaucoup des variations attendues dans les données, on cite:
▪ Stabilité;
▪ Réactivité.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Séries chronologiques
1. Modèle stationnaire
⮚Moyenne mobile simple
Exemple d’application:
Calculez la moyenne mobile simple pour n=3. Déterminez la valeur prévisionnelle des ventes
pour la semaine 23.
Sema Demande du Demande Demande moyenne
ine la semaine totale de n basée sur les n
période dernières observations
Mb(t+1)
15 580
16 580
Avec:Mb(t+1)= moyenne mobile
17 610 calculée en fin de période t (utilisable
18 620 comme prévision pour la période t+1)
Di= Demande réelle de la période i.
19 580
n= nombre de périodes utilisé.
20 590
21 620
22 590
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Séries chronologiques
1. Modèle stationnaire
⮚Moyenne mobile simple

Mois Demande du Demande Demande moyenne

mois totale de n basée sur les n
période dernières observations
Mb(t+1)
15 580
16 580
17 610 1770 590 À la fin de la
÷n 603.33 période
18 620 1810
(20,21,22) la
19 580 1810 603.33
prévision pour
20 590 1790 596.66 la demande
21 620 1790 596.66 pour le mois 23
est de 600
22 590 1800 600
 TECHNIQUES
Chapitre 1 DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Séries chronologiques
1. Modèle stationnaire Exemple d’application:
(n=3, α1=0.2, α2=0.3, α3=0.5)
⮚Moyenne mobile simple pondérée
Mois Demande Moyenne pondérée en fin de période i Demande
de la moyenne
semaine basée sur
i=17 i=18 i=19 i=20 i=21 i=22 les n
dernières
observation

15 580 580×0.2

16 580 580×0.3 580×0.2

17 610 610×0.5 610×0.3 610×0.2 595

18 620 620×0.5 620×0.3 620×0.2 609
19 580 580×0.5 580×0.3 580×0.2 598
20 590 590×0.5 590×0.3 590×0.2 593
21 620 620×0.5 620×0.3 603
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Séries chronologiques
1. Modèle stationnaire
⮚ Lissage exponentiel simple

Le lissage exponentiel est une forme de moyenne mobile pondérée, la différence

entre les deux est que cette méthode fait intervenir et la demande réelle Dt et la
prévision correspondante Pt à cette demande (d’une période t).

P(t+1)=Pt+α( Dt –Pt ) Avec:P(t+1)= prévision pour la période t+1.

Dt= Demande réelle de la période t.
α= Constante de lissage (0≤α≤1)
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

1. Modèle stationnaire
⮚ Lissage exponentiel simple
P(t+1)=Pt+α( Dt –Pt ) Avec: P(t+1)= prévision pour la période t+1.
Dt= Demande réelle de la période t.
Exercice d’application: α= Constante de lissage (0≤α≤1)
Faite le calcul des prévisions pour P15=600 les valeurs de α=0.1 α=0.7. que remarquez vous?
Mois Demande du Ancienne Erreur α(Dt-Pt) Nouvelle
Dt-Pt
mois prévision prévision
Pt+ α(Dt-Pt)
α=0.1 α=0.7 α=0.1 α=0.7 α =0.1 α =0.7 α=0.1 α=0.7

15 580 600 600 -20 -20 -2 -14 598 586

16 580 598 586

17 610
18 620
19 580
20 590
21 620
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

1. Modèle stationnaire
⮚ Lissage exponentiel simple
Mois Demande du mois Ancienne prévision Erreur α(Dt-Pt) Nouvelle prévision
Dt-Pt Pt+ α(Dt-Pt)

α=0.1 α=0.7 α=0.1 α=0.7 α =0.1 α =0.7 α=0.1 α=0.7

15 580 600 600 -20 -20 -2 -14 598 586

16 580 598 586 -18 -6 -1.8 -4.2 597 582

17 610 597 582 13 28.2 1.3 19.74 599 602

18 620 599 602 21 18 2.1 12.6 602 615

19 580 602 615 -22 -35 -2.2 -24.5 600 591

20 590 600 591 -10 -1 -1 -0.7 599 591

21 620 599 591 20 29 2 20.3 601 612

22 590 601 612 -11 -22 -1.1 -15.4 600 597

Une valeur de α proche de 1 est donc adaptée à une demande très fluctuante, une valeur faible de α
permet une atténuation des variations aléatoires.
Par contre, une valeur de α proche de 0 est adaptée pour une demande stable (sans tendance ni
variations cycliques)
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

1. Modèle stationnaire
Étude Comparative Entre Le Lissage Exponentiel Et La Moyenne Mobile Simple.

Similitudes Divergences

Les deux modèles reposent sur l'hypothèse Une donnée peu représentative ne sera plus
que la demande est stationnaire; considérée après n périodes alors qu'elle
aura toujours une influence dans le calcul
Les prévisions des deux modèles seront en de la prévision utilisant le lissage
retard sur la tendance s'il y en a une; exponentiel;

Les deux modèles ne nécessitent Pour pouvoir utiliser les moyennes mobiles,
respectivement la spécification que d'un il faut conserver toutes les données des N
seul paramètre. périodes passées, contrairement au lissage
exponentiel.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

2. Modèle pour série avec tendance

La régression linéaire est une méthode statistique pour estimer la relation moyenne qui
peut
Dans exister entre une
cette section, variable
nous dépendante
présentons et une variable
trois méthodes indépendante.
permettant de prendre en considération
une tendance dans l'évolution des données:
⮚La régression linéaire
Variable
⮚La moyenne mobile dépendante
double (également? appelée méthode de Holt)
Variable indépendante ??
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

2. Modèle pour série avec tendance

⮚La régression linéaire

La régression linéaire est une méthode statistique pour estimer la relation moyenne qui
peut exister entre une variable dépendante et une variable indépendante.

Soit Y la variable dépendante et X, la variable indépendante. Puisque l'on suppose que la

relation entre Y et X est linéaire.

L’équation de régression s’exprime

alors comme suit:
Y=a X + b
Il faut donc déterminer les valeurs
de a et b.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

2. Modèle pour série avec tendance

⮚La régression linéaire
Soit xi représente les périodes de la série chronologique
Et yi représente l’ensemble des observations de la série
chronologique

La méthode des moindre carrée a pour but de

déterminer la droite qui minimise la somme du carré
des erreurs

 
L’équation de la droite est la suivante:

Y=aX+b

L’objectif est de déterminer les valeurs de b et a

 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

2. Modèle pour série avec tendance 

⮚La régression linéaire

Période xI Demande yi xi. yi

1 20 1 20
2 45 4 90
 
3 50 9 150
4 67 16 268
5 55 25 275
6 75 36 450
7 77 49 539
8 83 64 664
9 90 81 810
10 87 100 870
11 97 121 1067
12 102 144 1224
13 115 169 1495
14 109 196 1526
15 120 225 1800
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

2. Modèle pour série avec tendance

⮚La moyenne mobile double ( méthode de HOLT)
Pour minimiser le retard induit par la moyenne mobile simple sur la demande réelle, on
peut calculer une moyenne mobile double. Une moyenne mobile double se calcule à
partir de la moyenne mobile simple, c’est une moyenne de la moyenne mobile simple.
Etape 1: Calcul de la moyenne mobile double.

Mb(t) la moyenne mobile simple calculée au temps t

et Mbd(t) la moyenne mobile double calculée au temps t

 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

2. Modèle pour série avec tendance

⮚La moyenne mobile double ( méthode de HOLT)
Période t Demande Dt Mb(t) (n=5) Mbd(t) (n=5)
1 50
2 50
3 50
4 50
5 50 50
6 50 50
7 50 50
8 50 50
9 50 50 50
10 50 50 50
11 53 50.6 50.12
12 56 51.8 50.48
13 59 53.6 51.2
14 62 56 52.4
15 65 59 54.2
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

2. Modèle pour série avec tendance

⮚La moyenne mobile double ( méthode de HOLT)
Etape 1: Calcul de la moyenne mobile double.

Mb(t) la moyenne mobile simple calculée au temps t

et Mbd(t) la moyenne mobile double calculée au temps t

Etape 2: Calcul des prévisions.

Où Pt+m est la prévision faite au temps t pour la

période t + m
Et n est le nombre de périodes utilisées dans le
calcul des moyennes mobiles.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

2. Modèle pour série avec tendance

⮚La moyenne mobile double ( méthode de HOLT)
Exemple d’application:
Reprenons l’exemple précédent

Supposons que nous soyons actuellement à la période 17 et que nous voulions

développer une prévision pour la période 20. À partir des calculs précédents:

À la période 17, la prévision des ventes pour la période 20 est de 79.7 unités.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

3. Modèle pour série avec saisonnalité

Lorsque des fluctuations récurrentes apparaissent de façon similaire (ou presque) à des intervalles
réguliers on est en présence d’une saisonnalité.

Le paramètre le plus décisive à prendre en considération lorsqu’on est en présence

d’une saisonnalité est la longueur du cycle (en nombre de périodes).
Exemple: Pour un cycle qui se répète à chaque année et que nous sommes
intéressés par des prévisions hebdomadaires N=52.
Lorsque les données sont mensuelles N=12
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des
Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

3. Modèle pour série avec saisonnalité

⮚ Coefficient de saisonnalité

Les fluctuations saisonnières se traduisent par le calcul du coefficient de saisonnalité

Ct. Le nombre de coefficients de saisonnalité dépend de la longueur du cycle. Ainsi,
pour un cycle de N = 4 périodes, on aura 4 coefficients: C1, C2, C3 et C4.

C1 = Y2 / Y1

Y1 est la moyenne générale de la série au temps t.

Y2 est la demande réelle enregistrée à la période t.
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

3. Modèle pour série avec saisonnalité

⮚ Coefficient de saisonnalité
Etape 1: Calcul de ma moyenne mobile.
. Quart Vente
Année Moyenne
mobile (N=4)
1 1 5.8
2 5.1
6.35
3 7
6.6
4 7.5
6.875
2 1 6.8
7.075
2 6.2
7.3
3 7.8
7.35
4 8.4
7.45
3 1 7
7.625
2 6.6
7.725
3 8.5
7.8
4 8.8
7.875
4 1 7.3
8
2 6.9
8.15
3 9
4 9.4
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

3. Modèle pour série avec saisonnalité

⮚ Coefficient de saisonnalité
Etape 1: Calcul de ma moyenne mobile. Recentrer la moyenne mobile sur une période précise.
Année Quart Vente Moyenne mobile Moyenne mobile
(N=4) centrée
1 1 5.8
2 5.1
6.35
3 7 6.475
6.6
4 7.5 6.7375
6.875
2 1 6.8 6.975
7.075
2 6.2 7.1875
7.3
3 7.8 7.325
7.35
4 8.4 7.4
7.45
3 1 7 7.5375
7.625
2 6.6 7.675
7.725
3 8.5 7.7625
7.8
4 8.8 7.8375
7.875
4 1 7.3 7.9375
8
2 6.9 8.075
8.15
3 9
4 9.4
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

3. Modèle pour série avec saisonnalité

⮚ Coefficient de saisonnalité
Etape 2: Calcul du Ratio=Vente/Moyenne mobile centrée.
Année Quart Vente Moyenne Moyenne mobile Ratio (vente/moyenne)
mobile (N=4) centrée
1 1 5.8
2 5.1
6.35
3 7 6.475 1.081
6.6
4 7.5 6.7375 1.113
6.875
2 1 6.8 6.975 0.975
7.075
2 6.2 7.1875 0.863
7.3
3 7.8 7.325 1.065
7.35
4 8.4 7.4 1.135
7.45
3 1 7 7.5375 0.929
7.625
2 6.6 7.675 0.86
7.725
3 8.5 7.7625 1.095
7.8
4 8.8 7.8375 1.123
7.875
4 1 7.3 7.9375 0.92
8
2 6.9 8.075 0.854
8.15
3 9
4 9.4
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

3. Modèle pour série avec saisonnalité

⮚ Coefficient de saisonnalité
Etape 3: Regrouper les ratios par quart et calculer leurs moyennes, pour éliminer l'effet des fluctuations
aléatoires sur le ratio V/M.
Anné Quart Vente Moyenne mobile Moyenne mobile Ratio (vente/moyenne) Coefficient de
e (N=4) centrée saisonnalité

1 1 5.8
2 5.1
3 7 6.35 6.475 1.081

4 7.5 6.6 6.7375 1.113

2 1 6.8 6.875 6.975 0.975 0.941
7.075 7.1875 0.863 0.859
2 6.2
7.3 7.325 1.065 1.080
3 7.8
7.35 7.4 1.135 1.124
4 8.4
7.45 7.5375 0.929
3 1 7
7.625
2 6.6 7.675 0.86
7.725
3 8.5 7.7625 1.095
7.8
4 8.8 7.8375 1.123
7.875
4 1 7.3 7.9375 0.92
8
2 6.9 8.075 0.854
8.15
3 9
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

3. Modèle pour série avec saisonnalité

⮚ Coefficient de saisonnalité
Etape 3: Regrouper les ratios par quart et calculer leurs moyennes, pour éliminer l'effet
des fluctuations aléatoires sur le ratio V/M. Ajuster les coefficients si nécessaire.

Les multiplicateurs doivent être ajustés de manière à ce que leur somme égale N (4 dans notre
exemple).
Quart Coefficients de Coefficients de
saisonnalité saisonnalité
ajusté.

1 0.941 0.940
2 0.859 0.858
3 1.080 1.079 0.858 = 0.859 x (4.000 / 4.004)
4 1.124 1.123

Total 4.004 4
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

4. Modèle pour série à tendance avec saisonnalité

⮚ Méthode de décomposition
Hypothèses:
▪ Les composantes de la série chronologique se comporte de manière indépendante.
▪ Les facteurs qui ont influencés (dans le passé) le comportement des composantes de la série chronologique
continuent à le faire de la même manière.

Principe:
Diviser la série chronologique en composantes de base (tendance, saisonnalité, résidu) en cherchant l’expression de
chacune à part. Recombiner ces composantes pour avoir les prévisions futures.
Il existe différents modèles:
▪ Modèle additif, la demande est représentée par Di=Ti+Si+Ri.
▪ Modèle multiplicatif, la demande est représentée par Di=[Link].+Ri.
▪ Modèle mixte, la demande est représenté par Di=Ti+Si.(1+Ri)
On peut aussi avoir une classification basée sur la forme de la tendance:
▪ Linéaire: Ti=a+bi => effet multiplicatif Di=(a+bi).Si+Ri, effet additif Di=a+bi+Si+Ri
▪ Non linéaire: la tendance peut être évalué par la moyenne mobile centrée Mi => Di= Mi+Si+Ri
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

4. Modèle pour série à tendance avec saisonnalité

⮚ Méthode de décomposition
Étapes: Dans cette étude nous nous
1. Déterminer la forme du modèle pencherons plus sur le modèle
2. Déterminer le coefficient de saisonnalité.
multiplicatif à tendance linéaire
3. Désaisonnaliser les données.
4. Déterminer l’équation Vente Di=(bi+a).Si+Ri
de la tendance (régression linéaire, moyenne mobile double).
Année Quart Temps
5. Calculer les prévision pour les périodes qui viennent.
1 1 1 5.8
2 2 5.1
3 3 7
4 4 7.5
10
2 1 5 6.8
9
2 6 6.2
8
3 7 7.8
7

Quantité vendue
4 8 8.4
6
3 1 9 7
5 ventes
2 10 6.6
4
3 11 8.5
3
4 12 8.8
2
4 1 13 7.3
1
2 14 6.9
0
3 15 9 1 2 3 4 5 6 7 8 9 10111213141516

4 16 9.4
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

4. Modèle pour série à tendance avec saisonnalité

⮚ Méthode de décomposition
On appliquera cette méthode sur l’exemple précédent.
Étapes:
1.Déterminer la forme du modèle (dans cette étude nous nous pencherons plus
sur le modèle multiplicatif à tendance linéaire Di=(bi+a).Si+Ri)
2.Déterminer le coefficient de saisonnalité.
3.Désaisonnaliser les données.
4.Déterminer l’équation de la tendance (régression linéaire, moyenne mobile
double). Quart Coefficients de
saisonnalité ajusté.
[Link] les prévisions pour les périodes qui viennent
1 0.940
2 0.858
3 1.079
4 1.123
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

4. Modèle pour série à tendance avec saisonnalité

⮚ Méthode de décomposition
Étape 3: Désaisonnaliser les données, c’est-à-dire éliminer l’effet de la saisonnalité pour calculer la
tendance
Année Quart Vente (V) Coefficient de saisonnalité (Cs) Donnée désaisonnalisée (=V\
Cs)
1 1 5.8 0,94 6,17
2 5.1 0,858 5,94
3 7 1,079 6,49
4 7.5 1,123 6,68
2 1 6.8 0,94 7,23
2 6.2 0,858 7,23
3 7.8 1,079 7,23
4 8.4 1,123 7,48
3 1 7 0,94 7,45
2 6.6 0,858 7,69
3 8.5 1,079 7,88
4 8.8 1,123 7,84
4 1 7.3 0,94 7,76
2 6.9 0,858 8,04
3 9 1,079 8,34
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

4. Modèle pour série à tendance avec saisonnalité

⮚ Méthode de décomposition
Étape 4: Calculer la composante de la tendance
Méthode:
Année Quart Vente (V) Donnée désaisonnalisée (=V\
Cs) Régression linéaire (moindre carré)
1 1 5.8 6,17
2 5.1 5,94 10

3 7 6,49 9
4 7.5 6,68
8
2 1 6.8 7,23
7
2 6.2 7,23
6
3 7.8 7,23
7,48 5
4 8.4
3 1 7 7,45 4

2 6.6 7,69 3

3 8.5 7,88
2
4 8.8 7,84
1
4 1 7.3 7,76
0
2 6.9 8,04 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
3 9 8,34
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

4. Modèle pour série à tendance avec saisonnalité

⮚ Méthode de décomposition
Étape 4: Calculer la composante de la tendance
Année Quart Temps (t) Dt Dt.t
1 1 1 6,17 6,17
2 2 5,94 11,88
3 3 6,49 19,47
4 4 6,68 26,72
2 1 5 7,23 36,15
2 6 7,23 43,38
3 7 7,23 50,61 L’équation de régression
4 8 7,48 59,84
3 1 9 7,45 67,05 Y’=0,1468X+6,116.
2 10 7,69 76,90
3 11 7,88 86,68
4 12 7,84 94,08
4 1 13 7,76 100,88
2 14 8,04 112,56
3 15 8,34 125,10
4 16 8,37 133,92
117,82 1051,39
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

4. Modèle pour série à tendance avec saisonnalité

⮚ Méthode de décomposition
Étape 5: Calculer les prévisions.
Anné Quart t Prévision Coefficients Prévision finale
e tendance saisonniers
1 17 8,6116 0,94 8,0949
2 18 8,7584 0,858 7,5147
5
3 19 8,9052 1,079 9,6087
4 20 9,0520 1,123 10,1654

Prévision finale
La formule de la tendance est
D18=Y18.S18+R18
Y18=6.116+0.1468t
D18-R18=8,7584.0,858=7,5147
Y18= 6,116+0,1468(18)=8,7584
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs desHorizon de la demande et Séries chronologiques en fonction
Différents méthodes de prévisions
prévisions typologie de prévision du modèle

3. Modèle pour série à tendance avec saisonnalité

 
 TECHNIQUES DE PREVISIONS ET GESTION DE STOCK (PARTIE 1)
Définition et objectifs des Horizon de la demande et Différents méthodes de Séries chronologiques en
prévisions typologie de prévision prévisions fonction du modèle

Conclusion

 
TECHNIQUES DE PREVISIONS ET GESTION DE STOCK

Merci de votre attention

54