Séance 2

Question 1

La … de la demande est une des étapes de la … dans un système …

Answer 1

Gestion
Planification
Logistique

Question 2

La demande dans le système logistique

Objectifs: (7 + résumé)

Answer 2

Objectifs:

1. Prévoir le mieux possible l’évolution de la demande pour les produits de l’entreprise
2. Mieux combler les besoins des clients
3. Mieux prévoir l’arrivée des commandes
4. Prévoir l’arrivée des nouveaux produits
5. Proposer des engagements de livraison raisonnables
6. Réduire les effets de la variabilité de la demande sur le réseau logistique (donc la demande a une valeur ajoutée)
7. Générer des alternatives (produits ou effets de substitution) aux désirs du marché

Résumé: coordonner et contrôler toutes les sources de demande

Question 3

Les facteurs généraux qui influencent la demande (5)

Answer 3

La saisonnalité
Les conditions du marché
Le cycle de vie du bien ou du service
Les facteurs internes et externes à l’entreprise
La composante résiduelle (ou aléatoire)

Question 4

Les facteurs généraux qui influencent la demande
Internes (5)
Externes (5)

Answer 4

Internes: prix des produits, 
dépenses en publicité, 
changements apportés aux produits, 
introduction de produits substituts, 
ouverture de nouveaux points de vente

Externes: contexte économique, 
actions des concurrents, 
changements de saison, 
évolution des préférences des clients 
réglementation gouvernementale

Question 5

Les activités de gestion de la demande (3)

Answer 5

La prévision de la demande.
Incitation: Projets de promotion et de publicité, coupures de prix, circulaires
Les opérations de gestion des relations avec la clientèle (CRM)

Question 6

Les types de demande

Demande indépendante

Answer 6

Consommation sans lien directe avec d’autres consommations et déterminée à partir des données historiques

Question 7

Les types de demande

Demande dépendante

Answer 7

Consommation calculée à partir de la nomenclature des produits et du plan directeur de production

Question 8

Prévision = prédiction?

Answer 8

Non.  prédiction: déterminer un événement futur à partir de bases intuitives ou non scientifiques

Question 9

Prévision. Définition:

Answer 9

Déterminer un événement futur à partir du regroupement systématique de données portant sur les variables pouvant influer sur cet événement, de l’analyse de ces données et de l’évaluation de l’effet des tendances dégagées sur l’évolution de la variable à prévoir

Question 10

La prévision de la demande vise à estimer la demande future :

Answer 10

Quels produits ou services seront demandés, à quel endroit et à quel moment, de manière à répondre correctement à cette demande

Question 11

Prévision: Court terme? Moyen terme? Long terme?

Answer 11

Moins de 1 an
1 à 2 ans
2 à 5 ans

Question 12

Prévision: Plus long terme = plus d’incertitude. Vrai ou faux?
Pourquoi prévision à long terme?

Answer 12

Vrai

Ex. Vin ou fromage vieilli

Question 13

Les prévisions sont requises à:
Court terme:
Moyen terme:
Long terme:

Answer 13

gérer les stocks et les approvisionnements, planifier la production journalière…

planifier les opérations, déterminer les ressources nécessaires à la production, la distribution et le transport,

nombre et localisation des centres de distribution,
structure du réseau logistique, choix d’impartir ou non une partie des activités.

Question 14

Les prévisions: Généralement: se baser sur

Answer 14

l’historique

Question 15

Le processus de prévision

Answer 15

1. Définir le problème
2. Recueillir les données
3. Faire une analyse exploratoire des données
4. Choisir les méthodes de prévision qui semblent le plus appropriées.
5. Appliquer les méthodes choisies pour prévoir la demande future (prochaines semaines, mois ou années)
6. Faire le suivi des résultats

Question 16

Méthodes de prévision: Méthodes qualitatives:

Answer 16

• reposent sur le jugement et l’opinion des personnes
• absence ou insuffisance de données historiques (nouveau produit)

absence ou insuffisance de données historiques (nouveau produit)
Étude de marché
Méthode Delphi
Groupe d’experts

Question 17

Méthodes de prévision: Méthodes quantitatives:

Answer 17

reposent sur l’analyse de données historiques concernant le phénomène à prévoir
Disponibilité de données quantitatives sur la demande.
Les phénomènes observés dans le passé se répèteront dans le futur.

Les méthodes d’analyse cau­sale :
1. Régression linéaire

Les méthodes d’analyse des séries chronologiques

1. Moyenne mobile
2. Ajustements saisonniers
3. Lissage exponentiel

Question 18

Encyclopédie vivante

Answer 18

Un individu au sein de l’entreprise connaissant les rouages du marché évalue l’avenir
Très rapide et peu coûteuse
Favorise la contestation du résultat

Question 19

Étude de marché

Answer 19

Questionnaire passé à un échantillon représentatif de la population
Résultats sont souvent plus près de la réalité
Méthode coûteuse
Long

Question 20

Méthode Delphi

Answer 20

Réunir fréquemment plusieurs experts afin de connaître leur opinion (Plusieurs étapes)
Entreprise obtient un pronostic et non un résultat
Méthode très coûteuse et long processus

Question 21

Groupe d’experts

Answer 21

Similaire à la méthode Delphi, mais plus fréquent
Excellent résultat
Très long avant d’obtenir un résultat

Question 22

Régression linéaire

Answer 22

Cau­sale
Données passées exposent un résultat linéaire pour l’avenir
Donne d’excellents résultats si le lien est linéaire
Demande des bases en mathématique et en informatique

Question 23

Moyenne mobile

Answer 23

Séries chronologiques
Résultat d’un certain nombre de périodes divisé par le nombre de périodes
Très simple
Peut s’écarter de la réalité et s’adapte difficilement aux cycles

Question 24

Ajustements saisonniers

Answer 24

Séries chronologiques
Multiplie les facteurs saisonniers par une estimation de la demande moyenne pour obtenir des prévisions saisonnières.
Tient compte des facteurs saisonniers
Peut éliminer des informations importantes des données historiques

Question 25

Lissage exponentiel

Answer 25

Séries chronologiques
Méthode qui corrige les écarts positifs et négatifs entre les périodes
Assez conforme à la réalité et ajustements rapides
Demande des bases en mathématique et en informatique

Question 26

Prévision de la demande- les défis

Answer 26

Difficile de prévoir la demande
Imprécision des données fournies aux gestionnaires
Incertitude sur les caractéristiques de la demande (tendance, etc.)
Variabilité des facteurs influençant la demande
Actions des concurrents influencent la demande

Plusieurs types de fluctuations:
Tendance (croissance, stagnation, décroissance)
Variations saisonnières ou cycliques
La demande peut dépendre également de facteurs socio-économiques (âge, revenu familial, confiance des consommateurs, etc.)
Autres facteurs (ex: réputation de l’entreprise)

Question 27

Choix de la méthode de prévision

Answer 27

Horizon de planification
À long terme long (2 à 10 ans)
À moyen terme (6 mois à 2 ans)
À court terme (1 à 6 mois)

Objectif de planification
Stratégique (tendances, ordre de grandeur)
Tactique (besoin de plus de précision)

Contexte actuel
Taille de l’entreprise
Situation économique
Secteur économique

Nature de la demande du produit ou du service
Stable / volatile
Saisonnière / cyclique
Dépendante / indépendante

Considérations internes
Besoins à satisfaire
Contraintes à respecter
Maîtrise des techniques de prévision

Propriétés de chaque technique
Coût
Délai pour obtenir l’information
Précision des prévisions générées
Fiabilité des prévisions générées

Question 28

Règles à suivre (Prévision)

Answer 28

Demande indépendante
Disponibles au bon moment
Être fiables et cohérentes
Être facile à comprendre
Prévision  exactitude…
À court ou moyen terme
Familles de produits plutôt que  produits
Relation de cause à effet

Question 29

Les méthodes d’analyse cau­sale :

Answer 29

Observation de variables explicatives
identification des facteurs expliquant les variations de la demande (prix de vente, concurrence, ..)
Développement de modèles statistiques décrivant les liens entre la demande et ces facteurs
Ces relations statistiques seront utilisées afin de prévoir la demande future.

Question 30

Méthode des moindres carrés:

Answer 30

produire une équation de la droite qui minimise la somme des écarts verticaux (l’axe des y)

Question 31

Les méthodes d’analyse des séries chronologiques

Answer 31

Prévoir les valeurs futures d’une variable en se basant uniquement sur les valeurs observées de cette MÊME variable
Une série chronologique= une série d’observations d’une variable faite à travers le temps
Identification de schémas dans l’évolution de la série
Supposent que les schémas observés dans le passé se répèteront dans le futur

Ce sont des facteurs corrélés avec les temps qui expliquent les changements dans la demande (nb de points de vente, nb de clients, reconnaissance du produit, …)

Une série chronologique est une série de données statistiques affichant les valeurs d’une variable observée périodiquement dans le temps (chaque jour, semaine, mois, trimestre,…)

Question 32

Demande: composantes (4)

Answer 32

la tendance : mouvement général vers le haut ou vers le bas du niveau moyen de la demande dans le temps
la saisonnalité : fluctuation de la demande au-dessus et au-dessous de la tendance et qui se répète à intervalles réguliers
le cycle: changements répétitifs au tour de la tendance.
les variation aléatoires: aucune des 3 dernières ne s’applique.

Question 33

Série chronologique stationnaire

Answer 33

Dans une série stationnaire, chaque observation peut être représentée par une constante et une fluctuation aléatoire

Question 34

La moyenne simple

Answer 34

La prévision pour la période future (t) est obtenue en faisant la moyenne des observations passées (de 1 à t-1).

Moyennes mises à jour au fur et à mesure que de
nouvelles observations sont disponibles

Question 35

La moyenne mobile

Answer 35

La prévision pour la période future est obtenue en ne tenant compte que des n observations passées.
On dit que n est l’ordre de la moyenne mobile simple.

Question 36

La moyenne mobile pondérée

Answer 36

On applique une pondération aux observations de façon à refléter leur pertinence.

avec n = ordre de la moyenne mobile pondérée
wi : poids accordé à l’observation i.

Permet de moduler l’importance accordée aux diverses observations.

Question 37

Le lissage exponentiel simple

Answer 37

La prévision de la période t est basée sur la prévision de la période t - 1 corrigée en fonction de l’erreur commise.

Question 38

Lissage: Si la valeur de alpha est petite, … de poids est accordé aux valeurs récentes.
Il faudra alors … de temps pour que l’influence de la valeur initiale s’estompe.

Answer 38

Peu

Plus

Question 39

Les facteurs de pondération du lissage exponentiel
Plus a est grand:
Si a est trop grand:
Si a est trop petit:

Answer 39

plus on accorde de l’importance aux observations récentes et moins on en accorde aux anciennes observations. (prévision réactive)

la série lissée reste très sensible aux variations récentes soudaines et demeure irrégulière.

trop de poids est accordé aux observations éloignées dans le temps et la série reste insensible aux variations récentes et change difficilement de trajectoire (prévision stable).

Question 40

Erreur

Answer 40

l’écart entre la demande réelle et la prévisionpour chacune des périodes.

Erreur (ou écart) = demande − prévision

Chercher un modèle qui offre un bon compromis par rapport aux diverses mesures d’erreur.
Évaluer le comportement du modèle en calculant des prévisions pour les périodes passées puis en les comparant avec les vrais données.

Question 41

Les erreurs de prévision

Answer 41

L’écart cumulatif 
	L’écart moyen 
	L’écart absolu moyen 
	L’écart quadratique moyen 
	La moyenne du pourcentage d’écart absolu 

Il faut chercher un modèle qui offre un bon compromis par rapport aux diverses mesures d’erreur.
C’est à l’aide des données passées (jeu de réserve) que le modèle que l’on développe pourra être validé.
On utilise les données passées pour simuler le comportement du modèle à développer.
On choisira le modèle et les paramètres qui minimisent les erreurs.