Les outils de gestion

Les outils de gestion
Prévision
Résumé
Juillet 2004
1. Introduction
2. Définition et objectifs
3. Domaine d’utilisation
4. Méthodologie
5. Présentation de l’outil
6. Exemples d’application
7. Conclusion
Beida Mohammed
Ferhat Taleb Amar
Ingénieurs d’état en informatique
Option : Systèmes d’Information (SI)
Tel: [phone] Fax: [phone]
Email: [email protected] [email protected]
Site Web: http://www.mtoolkit.com

Les outils de gestion Prévision
1. Introduction
La prévision est un outil très intéressant à la main de tout gestionnaire. Elle joue
un rôle très important dans le processus de planification des actions futures dans
un avenir incertain.
Nous montrons ici quelques concepts liés à la théorie de prévision avec une
explication des différentes techniques de prévision les plus utilisées.
2. Définition et objectifs
"Par définition, une prévision est une prédiction dans un avenir incertain,
d’événements ou de niveaux d’activités"[7].
Le principal objectif de prévision est de réduire l’incertitude liée à la non
connaissance du futur. C’est un outil indispensable pour tout gestionnaire dans le
processus de planification.
3. Domaines d’application
3.1. Gestion de production
- Calcul des besoins externes
- Suivie de l’évolution du carnet de commande de l’entreprise.
3.2. Gestion des stocks
- Définir les règles de gestion : quand et combien s’approvisionner ?
3.3. Gestion de la maintenance
- Prévoir la dégradation des équipements.
- Prévoir les périodes d’apparition des pannes dans la maintenance
prédictive

Les outils de gestion Prévision
4. Méthodologie
5. Présentation de l’outil
Avant d’entamer les différentes techniques de prévision, on doit présenter
quelques concepts fondamentaux sur la théorie de la prévision :
5.1. Les séries chronologiques (temporelles)
5.1.1. Définition : une série chronologique ou une chronique est une suite
d’observations ordonnées dans le temps prises à des intervalles réguliers.
Les données d’une série chronologique sont notées Xt avec t=1,2,…T
La valeur d’un modèle de prévision pour la période t est notée par Yt
¾ Pour t≤ Tl : Yt représente la simulation de l’historique
¾ Pour t > T : Yt représente les valeurs de prévision
0
10
20
30
40
50
60
70
80
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Periode t
Xt
Fig.II.21 : Représentation graphique d’une série chronologique
1. Recueillir les données pertinentes
2. Choisir une technique de prévision
3. Etablir les prévisions
4. Calculer les écarts en se basant sur la simulation de l’historique.
5. Suivre l’évolution des prévisions

Les outils de gestion Prévision
5.1.2. Caractéristique d’une série chronologique
On isole habituellement trois composants dans les séries chronologiques :
¾ La tendance : caractéristique d’un phénomène à démontrer un patron
stable dans un sens déterminé dans le temps. Le patron peut être
linéaire (modélisé par une droite) ou non linéaire (logarithmique,
exponentiel,…).
¾ La saisonnalité : caractéristique d’un phénomène qui se répète à
intervalle fixé, par exemple à tous les hivers, à tous les mois, etc…
¾ Variation ponctuelle : ce sont des variations dues à des circonstances
exceptionnelles. (comme conditions climatiques, exceptionnelles,
grèves…). Ces phénomènes doivent être corriger pour garantir la
qualité du modèle de prévision.
5.2. Indicateurs de qualité d’un modèle de prévision
5.2.1. Ecart ponctuel (l’erreur de prévision)
Il est définit par : ttt yxe −=
¾ Il représente la différence entre la réalisation et la prévision.
5.2.2. Ecart algébrique moyen (Ealm)
Il s’agit de la moyenne arithmétique des erreurs de prévision sur
l’historique.
Ealm=∑
=
T
t
t
e
T1
1
¾ Plus que l’algébrique moyenne est proche de 0, plus que le modèle
de prévision est plus adapté à la situation.
5.2.3. Ecart absolu moyen (Eabsm)
Il s’agit de la moyenne arithmétique des valeurs absolues des erreurs de
prévision :
Eabsm=∑
=
−
T
t
tt yx
T1
1
¾ Ce critère mesure l’erreur de prévision moyenne du modèle
5.2.4 . Ecart quadratique moyen et écart type (Eqm, e
σ
)
Il est défini par la moyenne arithmétique des carrés des erreurs de prévision
sur l’historique :

Les outils de gestion Prévision
Eqm= ∑
=
T
t
t
e
T1
2
1=∑
=
−
T
t
tt yx
T1
2
)(
1
¾ C’est un critère de base à la construction de nombreux modèles.
L’écart type est la racine de Eqm :
e
σ
= ∑
=
−
T
t
tt yx
T1
2
)(
1
¾ Elle représente la dispersion des données autour de la moyenne.
5.2.5 . Critère de complexité du modèle de prévision (Cib)
Cib= e
σ
Tp/2T
p : le nombre de paramètre du modèle de prévision
¾ Ce critère mesure la robustesse et la facilité de mise en œuvre du
modèle de prévision.
5.3. Détection et correction des valeurs anormales
Il est souvent, dans un historique, se présentent des données anormales qui
devraient plus se représenter dans le futur. Il faut donc détecter et corriger ces
données pour ne pas dégrader la qualité du modèle de prévision.
Parmi les méthodes de détection et correction des données, la méthode qui
consiste à comparer l’erreur de prévision période par période par l’erreur de
prévision moyen, chaque donnée sorte de l’intervalle de confiance ([Xt-
Ealm,Xt+Ealm ]) est considéré comme une donnée anormale. La correction de cette
donnée consiste à en remplacer par quelques données environnantes. Le modèle de
prévision final doit être développé à partir des données corrigées.
5.4. Les méthodes de prévision
On peut schématiser les différentes techniques de prévision par le schéma suivant :