Introduction à la logistique

Transcription

1 Iroducio à la logisique Gesio de la demade e prévisio Pla de la séace La demade das le sysème logisique Défiiios Problémaique de gesio de la demade Aciviés de la gesio de la demade Méhodes de prévisio Éapes d ue prévisio Prévisio des séries chroologiques Évaluaio des modèles, mesures d erreur 2

2 La demade das le sysème logisique Ava d effecuer des plas, il fau prévoir les évéemes auxquels o aura à faire face. Fourisseurs Producio Erepô Grossises Déail Clies Usies Disribuio DEMANDE FINALE Les variaios de la demade des clies se répercue sur ou le sysème logisique. 3 Gesio de la demade: problémaique Caracérisiques (paramères) de la demade Demade ormale ou moyee Tedace de la demade (croissace, décroissace), Variaios cycliques ou saisoières, Dépedace de la demade sur des faceurs socioécoomiques (l âge, le reveu familial, ). Il e fau pas cofodre demade e vees! Problémaique Iceriude eoura les caracérisiques de la demade, Imprécisio des doées, Variabilié de l imporace des faceurs socio-écoomiques iflueça la demade. 4 2

3 Les aciviés de gesio de la demade Prévisio de la demade. Sraégie passive Projes de promoio e de publicié: ifluecer la demade dura ue période défiie pour augmeer l efficacié de l exploiaio des ressources de l ereprise. Gesio des relaios avec la clieèle (CRM): fidéliser la clieèle acuelle. 5 Domaies d uilié Plaificaio sraégique Répariio des ressources ieres Défiiio des besois fiaciers Plaificaio capacié de producio Socks Ordoaceme Techologie Évaluer la siuaio écoomique Plaifier la croissace de l ereprise Nouveaux produis Tedaces à log erme du marché Affecaio de la mai-d œuvre Plaifier l uilisaio des équipemes Prévisios budgéaires Évaluer l évoluio de la siuaio de la firme Prévisio de la demade e des vees Pour la producio Pour les approvisioemes Les prévisios des vees permere de plaifier les séqueces de producio Prévoir l évoluio de la echologie Plaifier l arrivé de ouveaux sysèmes de producio 6 3

4 Les méhodes qualiaives de prévisio Méhode Défiiio Avaages Icovéies Ecyclopédie vivae Éude de marché U idividu au sei de l ereprise coaissa les rouages du marché évalue l aveir Elle repose sur u quesioaire qui cible u échaillo représeaif de la populaio Très rapide e peu coûeuse Les résulas so souve plus près de la réalié Favorise la coesaio du résula Méhode coûeuse Méhode Delphi Groupe d expers Elle cosise à réuir fréquemme plusieurs expers afi de coaîre leur opiio Similaire à la méhode Delphi, oobsa la fréquece L ereprise obie u proosic e o u résula Excelle résula Méhode rès coûeuse e log processus Méhode rès logue ava d obeir u résula 7 Les méhodes quaiaives de prévisio Méhode Défiiio Avaages Icovéies Moyee mobile Résula d u cerai ombre de périodes divisé par le ombre de périodes Très simple Peu s écarer de la réalié e s adape difficileme aux cycles Régressio liéaire Série chroologique Les doées passées expose u résula liéaire pour l aveir C es ue méhode do les résulas fuurs proviee d ue exrapolaio des résulas passés Doe d excelles résulas si le lie es liéaire Doe d excelles résulas si le lie es liéaire Demade des bases e mahémaique e e iformaique Demade des bases e mahémaique e e iformaique Lissage expoeiel C es ue méhode qui corrige les écars posiifs e égaifs ere les périodes Assez coforme à la réalié e perme des ajusemes rapides Demade des bases e mahémaique e e iformaique 8 4

5 La prévisio des séries chroologiques Ue série chroologique es u esemble d observaios faies à des momes précis, gééraleme à iervalles réguliers das le emps. Série chroologique : Les doées 400,00 300,00 200,00 00,00 0, Demade mois Doées 9 Séries chroologiques : les composaes La décomposiio : iveau ou ue valeur moyee (S), edace ou variaio séculaire (T), variaio saisoière (I) (cas pariculier de cyclique), variaio cyclique (C), variaio irrégulière (aléaoire). Les doées e ue edace Saisoier Aléaoire Demade 400,00 350,00 300,00 250,00 200,00 50,00 00,00 50,00 0, mois Idice,40,20,00 0,80 0,60 0,40 0,20 0, mois ,00 20,00 0,00 0,00-0, ,00-30,00 mois Doées Tedace Saisoier Aléaoire 0 5

6 Composaes de la demade Demade Tedace Composae saisoière Composae cyclique Composae résiduelle Quelques modèles de prévisio simples Méhodes basées sur la moyee Méhodes simples, faciles à uiliser. Adéquaes si la demade à prévoir es saioaire. Ne ie pas compe des variaios saisoières ou cycliques. Moyee saisique Moyee mobile simple Moyee mobile podérée Méhodes basées sur le lissage : lissage expoeiel simple Noaio: X = valeur observée (demade d u produi au emps ) P = prévisio pour la période 2 6

7 La moyee saisique Prévisio pour la période fuure: moyee des observaios passées. P = X + j X = i= X où : X = moyee saisique au emps, X = valeur observée au emps i, où i i = ombre d'observaios. P + j = prévisio pour oue période fuure EFFICACE SI: la variable à prévoir a u comporeme saioaire (c'es-à-dire s'il y a des variaios aléaoires auour d'u iveau moye cosa, sas edace i variaios saisoières) 3 La moyee saisique : Exemple Mois Vees Javier 5 Février 2 Mars 4 Avril 6 Mai 3 Jui 4 Juille? P 7 =? 4 7

8 La moyee mobile simple La prévisio pour la période fuure es obeue e ea compe que des observaios passées les plus periees. P + = X + X X m+ m ou P = m X i m i= avec m = ordre de la moyee mobile simple. Iéressa lorsque le iveau moye de la demade varie das le emps. Il y a oujours pas de edace i de variaio saisoière. 5 La moyee mobile simple : Exemple Moyee mobile d ordre 3 P 3 =? Moyee mobile d ordre 4 P =? 3 Période Vees ? 6 8

9 La moyee mobile podérée O applique ue podéraio aux observaios de faço à refléer leur periece. P = m i= w X m ordre de la moyee mobile podérée w i poids (arbiraire) accordés aux derières m observaios: wi = i= Perme de moduler l imporace accordé aux diverses observaios. Souve : plus (ou mois) de poids accordé aux observaios récees. Il y a oujours pas de edace i de variaio saisoière. i i 7 La moyee mobile podérée : Exemple Moyee mobile podérée d ordre 3 Poids: w = 0,5 ; w 2 = 0,3 ; w 3 = 0,2 P 3 =? Période Vees ? 8 9

10 Le lissage expoeiel simple La moyee mobile podérée de la période es basée sur la moyee mobile podérée de la période - corrigée e focio de l erreur commise: S = S - + α(x - S - ) ou ecore S = α X + (-α) S - où S : moyee mobile podérée ou demade lissée au emps X : demade réelle (ou observée) au emps α : la cosae de lissage (0 < α < ). P + = S Observaio (α plus souve pei) Plus α es grad, plus o accorde de l imporace aux observaios récees. Si α es rop grad, la série lissée rese rès sesible aux variaios récees soudaies. Si α es rop pei, la série rese isesible aux variaios récees e chage difficileme de rajecoire. 9 Les poids du lissage expoeiel Comparaiso des courbes de lissage expoeiel Demade alpha = 0,2 alpha = 0, Aée 20 0

11 Lissage exp. simple : exemple (α = 0,2) Période Demade Observée (X) Moyee mobile podérée (S) Prévisio pour + (P) Ja(0) fév. () mars(2) avril(3) Mai(4) Jui(5) juil.(6) Aoû(7) Sep(8) 9,36 25,45 9,73 2,48 20,77 25,42 23,79 28,35 26,80 9,36 S = S - + α(x - S - ) ou ecore S = α X + (-α) S - S 0 = X 0 = 9,36 (iiialisaio) 2 Lissage expoeiel avec edace Icorporer la edace à la hausse ou à la baisse présee das les doées P + = S + T P + : Prévisio S : Demade lissée T : Tedace lissée Pour les prévisios sur k périodes P +k = S + kt 22

12 Lissage expoeiel avec edace Pour jui demade lissée = 22 Pour jui edace lissée = 6 P juille = S jui + T jui = = 28 P ovembre = S jui + 5.T jui = = Lissage expoeiel avec edace Lissage expoeiel avec edace S = S - + T - + α(x (S - + T - )) Calcul de la Tedace T = β(s - S - ) + ( -β)t

13 Lissage exp. avec Tedace: (α = 0,2, β = 0,) Période Demade Observée (X) Ja(0) fév. () mars(2) avril(3) Mai(4) Jui(5) juil.(6) Aoû(7) Sep(8) 9,36 25,45 9,73 2,48 20,77 25,42 23,79 28,35 26,80 Moyee mobile podérée (S) Tedace (T) 9,36 0 Prévisio (P) T 0 = 0 e S 0 = X 0 doc P = S 0 + T 0 = 9,36 S = T = P 2 = S 2 = T 2 = P 3 = 25 Les erreurs de prévisio Chercher u modèle qui offre u bo compromis par rappor aux diverses mesures d erreur. C es à l aide des doées passées que le modèle pourra êre validé. O évalue le comporeme du modèle e calcula des prévisios pour les périodes passées puis les compara avec les vrais doées. 26 3

14 Les erreurs de prévisio Erreur de prévisio : e = X - P - Écar moye (direcio prédomiae) 2 - Écar absolu moye (mesure de précisio) 3 Écar quadraique moye (péalise grades erreurs) MFE = MAD = 4 Écar absolu relaif moye (idépedae des uiés de mesure) = e MSE = = = ( X - P) e = X = = = ( e ) MAPE = = e X - P 27 Coséquece des erreurs de prévisio Prévisios rop élevées augmeaio du iveau des socks augmeaio du coû de maiie e iveaire risque de désuéude dimiuio de l espace d ereposage sur-uilisaio de la mai d œuvre baisse des liquidiés Gesio des socks Prévisios rop faibles risque de péuries coûs associés à la o saisfacio des clies augmeaio possible de la fréquece des commades augmeaio des vees perdues 28 4

15 Coséquece des erreurs de prévisio Plaificaio de la producio Prévisios rop élevées producio rop élevée augmeaio du iveau des socks de maières premières e de composaes uilisaio iefficace de la capacié de producio Prévisios rop faibles producio isuffisae possibilié d avoir besois d heures supplémeaires risque de péurie e maières premières e e composaes 29 5