Commander du stock, planifier le personnel d’un magasin ou une production commence par une hypothèse sur la demande de la période suivante. Deux des méthodes les plus simples et les plus courantes sont la moyenne mobile et le lissage exponentiel. Ce calculateur applique les deux à vos six dernières périodes de demande, les compare à une prévision naïve, et indique quelle précision le lissage aurait eue sur vos propres données passées.
Comment se fait le calcul
- Moyenne mobile (3 périodes) = moyenne des trois dernières périodes
- Prévision naïve = demande de la dernière période
- Lissage exponentiel : la première prévision égale la première demande ; ensuite prévision = α × dernière demande + (1 − α) × prévision précédente, jusqu’à la période suivante
- Écart absolu moyen = moyenne de |demande − prévision| sur les périodes 2 à 6
- MAPE = moyenne de |demande − prévision| ÷ demande sur les périodes 2 à 6
Exemple
La demande hebdomadaire sur six semaines est de 310, 295, 330, 342, 338 et 360 unités. Avec α = 0,3, les prévisions lissées des semaines 2 à 6 sont 310, 305,5, 312,9, 321,6 et 326,5, puis 336,6 pour la semaine 7. La moyenne mobile sur 3 périodes donne 346,7, et la prévision naïve est de 360. L’erreur moyenne passée du lissage est d’environ 24 unités, soit 7 %, et il traîne derrière une demande en hausse : la moyenne mobile est plus proche ici.
Pourquoi c’est important
Une prévision n’a pas besoin d’être parfaite, mais elle doit valoir mieux qu’une intuition et s’accompagner d’une idée de son erreur. Les méthodes de lissage sont peu chères, rapides et transparentes, ce qui en fait une bonne référence : si une méthode plus complexe ne les bat pas sur vos données, elle ne vaut pas l’effort. L’erreur passée alimente aussi le stock de sécurité du point de commande.
Bon à savoir
Il faut au moins quelques périodes d’historique, et les périodes inhabituelles (rupture de stock, promotion, jour férié) doivent être corrigées avant usage. Comme les deux méthodes prennent du retard sur une tendance, elles sous-estiment dans un marché en croissance et surestiment dans un marché en déclin. La demande saisonnière se traite mieux en comparant avec la même période de l’année précédente. Cet outil est pédagogique.
Outils associés
Le calculateur du point de commande transforme une prévision et son erreur en stock de sécurité, celui de la moyenne mobile exponentielle lisse une série de prix, et celui de la quantité économique de commande trouve la taille de commande idéale.