Méthode de prévision : lissage exponentiel
LN calcule la prévision de la demande selon la méthode de prévision Lissage exponentiel en procédant comme suit :
Les paramètres relatifs à cette méthode de prévision sont les suivants :
- Mise à jour automatique des paramètres de prévision
- Facteur de lissage pour demande
- Facteur de lissage pour tendance
- Facteur de lissage pour saison
- Facteur de lissage pour erreur de prévision
- Signal de dérive pour la prévision de la demande
- Signal de dérive critique
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 :
| DM(t) | demande prévue corrigée en fonction de la variation saisonnière pour la période t |
| PD(t) | demande prévue pour la période t |
| DR(t) | demande réelle pour la période t (*) |
| FS(t) | facteur de saisonnalité pour la période t |
| a | champ Facteur de lissage pour demande |
(*) 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 :
| FT(t) | facteur saisonnier pour la période t |
| DM(t) | demande prévue corrigée en fonction de la variation saisonnière pour la période t |
| b | champ Facteur de lissage pour tendance |
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 :
| FS(t) | facteur de saisonnalité pour la période t |
| DR(t) | demande réelle pour la période t (*) |
| DM(t) | demande prévue corrigée en fonction de la variation saisonnière pour la période t |
| Long. | longueur des saisons dans les périodes |
| g | champ Facteur de lissage pour saison |
(*) 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) * 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 :
| DM(t) | demande prévue corrigée en fonction de la variation saisonnière pour la période t |
| FT(t) | facteur saisonnier pour la période t |
| FS(t+1) | facteur saisonnier pour la période t+1 |
| PD(t+1) | demande prévue pour la période t+1 |
Erreur moyenne de prévision
Où :
| DR(t) | demande réelle pour la période |
| PD(t) | demande prévue pour la période t |
| AE(t) | écart moyen absolu pour la période t |
| SE(t) | erreur de prévision moyenne pour la période t |
| abs(PD(t)-DR(t)) | valeur absolue de (PD(t)-DR(t)) |
| e | champ Facteur de lissage pour erreur de prévision |
Le signal de dérive est calculé comme suit :
SD(t) = abs(SE(t)/AE(t)) Où :
| SD(t) | signal de dérive |
| SE(t) | erreur de prévision moyenne pour la période t |
| AE(t) | écart moyen absolu pour la période t |
| abs(SE(t)/AE(t)) | valeur absolue de (SE(t)/AE(t)) |
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.