Méthode de prévision : lissage exponentielLN calcule la prévision de la demande selon la méthode de prévision Lissage exponentiel en procédant comme suit : Les paramètres concernant cette méthode de prévision sont les suivants :
Vous pouvez mettre à jour ces paramètres dans la session Articles plan - Paramètres de prévision (cpdsp1110m000). Si la case Mise à jour automatique des paramètres de prévision est cochée, LN recalcule en premier lieu les facteurs de lissage pour la méthode de lissage exponentiel. Faisant appel à un processus itératif (avec des incréments de 0,2 puis de 0.05), LN produit une combinaison de facteurs de lissage idéale pour la demande, la variation saisonnière et la tendance. Cette combinaison produit le plus petit écart moyen absolu. LN calcule ensuite une prévision de la demande à partir de la première période avec historique de la demande jusqu'à la dernière période de prévision via la méthode de lissage exponentiel. Les différentes variable relatives à la prévision de la demande sont calculées comme suit : Demande moyenne Sans variation saisonnière : DM(t) = PD(t) + a (DR(t) - PD(t)) Avec une variation saisonnière constante : DM(t) = (PD(t) + a (DR(t) - PD(t))) - FS(t) Avec une variation saisonnière progressive : DM(t) = (PD(t) + a (DR(t) - PD(t))) / FS(t) Où :
(*) Pour la période actuelle et les périodes suivantes, la prévision de la demande est considérée comme une demande réelle. Facteur de tendance Avec une variation de tendance linéaire : FT(t) = FT(t-1) + b ((DM(t)-DM(t-1)) - FT(t-1)) Avec une variation de tendance progressive : FT(t) = FT(t-1) + b (1.0 + ((DM(t)-DM(t-1))/DM(t)) - FT(t-1)) Où :
Facteur saisonnier Avec une variation saisonnière constante : FS(t+D) = FS(t) + g ((DR(t) - DM(t)) - FS(t)) Avec une variation saisonnière progressive : FS(t+D) = FS(t) + g ((DR(t) / DM(t)) - FS(t)) Où :
(*) Pour la période actuelle et les périodes suivantes, la prévision de la demande est considérée comme une demande réelle. Prévision de la demande Sans variation de tendance : PD(t+1) = DM(t) Avec une variation de tendance linéaire : PD(t+1) = PD(t+1) + FT(t) Avec une variation de tendance progressive : PD(t+1) = PD(t+1) x FT(t) Avec une variation saisonnière constante : PD(t+1) = PD(t+1) + FS(t+1) Avec une variation saisonnière progressive : PD(t+1) = PD(t+1) x FS(t+1) Où :
Erreur moyenne de prévision Où :
Le signal de dérive est calculé comme suit : SD(t) = abs(SE(t)/AE(t)) Où :
Remarque Si la prévision de la demande (PD) est toujours supérieure à la demande réelle (DR), la valeur de (EP(t)/EA(t)) est égale à 1. Si la prévision de la demande (PD) est toujours inférieure à la demande réelle, la valeur de (EP(t)/EA(t)) est égale à -1. Le signal de dérive est un nombre compris entre 0 et 1. Il indique si la demande prévue est systématiquement au-dessus ou en-dessous de la demande réelle. Si la case Signal de dérive pour la prévision de la demande est cochée, le facteur de lissage de la demande dépend de l'erreur de prévision. Si la valeur du signal de dérive est supérieure à celle du champ Signal de dérive critique, LN rend le facteur de lissage de la demande égal au signal de dérive.
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||