Séance 2 Flashcards
La … de la demande est une des étapes de la … dans un système …
Gestion
Planification
Logistique
La demande dans le système logistique
Objectifs: (7 + résumé)
Objectifs:
- Prévoir le mieux possible l’évolution de la demande pour les produits de l’entreprise
- Mieux combler les besoins des clients
- Mieux prévoir l’arrivée des commandes
- Prévoir l’arrivée des nouveaux produits
- Proposer des engagements de livraison raisonnables
- Réduire les effets de la variabilité de la demande sur le réseau logistique (donc la demande a une valeur ajoutée)
- Générer des alternatives (produits ou effets de substitution) aux désirs du marché
Résumé: coordonner et contrôler toutes les sources de demande
Les facteurs généraux qui influencent la demande (5)
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)
Les facteurs généraux qui influencent la demande
Internes (5)
Externes (5)
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
Les activités de gestion de la demande (3)
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)
Les types de demande
Demande indépendante
Consommation sans lien directe avec d’autres consommations et déterminée à partir des données historiques
Les types de demande
Demande dépendante
Consommation calculée à partir de la nomenclature des produits et du plan directeur de production
Prévision = prédiction?
Non. prédiction: déterminer un événement futur à partir de bases intuitives ou non scientifiques
Prévision. Définition:
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
La prévision de la demande vise à estimer la demande future :
Quels produits ou services seront demandés, à quel endroit et à quel moment, de manière à répondre correctement à cette demande
Prévision: Court terme? Moyen terme? Long terme?
Moins de 1 an
1 à 2 ans
2 à 5 ans
Prévision: Plus long terme = plus d’incertitude. Vrai ou faux?
Pourquoi prévision à long terme?
Vrai
Ex. Vin ou fromage vieilli
Les prévisions sont requises à:
Court terme:
Moyen terme:
Long terme:
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.
Les prévisions: Généralement: se baser sur
l’historique
Le processus de prévision
- Définir le problème
- Recueillir les données
- Faire une analyse exploratoire des données
- Choisir les méthodes de prévision qui semblent le plus appropriées.
- Appliquer les méthodes choisies pour prévoir la demande future (prochaines semaines, mois ou années)
- Faire le suivi des résultats
Méthodes de prévision: Méthodes qualitatives:
- 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
Méthodes de prévision: Méthodes quantitatives:
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
- Moyenne mobile
- Ajustements saisonniers
- Lissage exponentiel
Encyclopédie vivante
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
Étude de marché
Questionnaire passé à un échantillon représentatif de la population
Résultats sont souvent plus près de la réalité
Méthode coûteuse
Long
Méthode Delphi
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
Groupe d’experts
Similaire à la méthode Delphi, mais plus fréquent
Excellent résultat
Très long avant d’obtenir un résultat
Régression linéaire
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
Moyenne mobile
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
Ajustements saisonniers
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
Lissage exponentiel
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
Prévision de la demande- les défis
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)
Choix de la méthode de prévision
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
Règles à suivre (Prévision)
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
Les méthodes d’analyse causale :
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.
Méthode des moindres carrés:
produire une équation de la droite qui minimise la somme des écarts verticaux (l’axe des y)
Les méthodes d’analyse des séries chronologiques
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,…)
Demande: composantes (4)
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.
Série chronologique stationnaire
Dans une série stationnaire, chaque observation peut être représentée par une constante et une fluctuation aléatoire
La moyenne simple
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
La moyenne mobile
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.
La moyenne mobile pondérée
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.
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.
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.
Peu
Plus
Les facteurs de pondération du lissage exponentiel
Plus a est grand:
Si a est trop grand:
Si a est trop petit:
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).
Erreur
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.
Les erreurs de prévision
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.
