Qu’est-ce qu’une prévision d’inventaire?
Les prévisions d’inventaire vous aideront à estimer la demande future de vos produits à court, moyen ou long terme et constituent un élément fondamental de toute opération de planification d’inventaire réussie.
Connaître ces prévisions à l’avance vous permettra d’améliorer le service client, le contrôle des stocks et la gestion de la capacité.
Nous pourrions prévoir les chiffres des coûts dans un modèle de contrôle des stocks ; ce sont des prévisions des coûts qui s’appliqueront à l’avenir au moment de passer une commande. Un autre domaine à prévoir est le délai de livraison, qui est généralement de plus en plus court. Quoi que nous décidions de prévoir, souvenez-vous de ces principes de base :
- Les prévisions seront plus précises à court terme. Plus vous allez loin, moins vous êtes précis.
- Les prévisions seront erronées. Il y aura une erreur de prévision, et il est essentiel de connaître ce pourcentage.
- Les prévisions ne remplacent pas la demande réelle.
Type de prévisions
Il existe tellement de façons de prévoir et de choses différentes à prévoir qu’aucune méthode de prévision n’est toujours la meilleure. Nous devons choisir une méthode qui convient à nos besoins. Dans les deux cas, nous devons en choisir un en fonction du temps :
- Les prévisions à long terme portent sur plusieurs années
- Les prévisions à moyen terme se situent entre trois mois et un an
- Les prévisions à court terme portent sur les prochaines semaines
Il existe plusieurs façons de baser la prévision. Ils pourraient être basés sur des données historiques ou des estimations discrétionnaires. La méthode de prévision utilisée dépendra des sources de données disponibles. S’il existe un historique fiable de la demande d’un produit, il peut être la source de prévision.
Techniques de prévision
Comme je l’ai déjà dit, il existe plusieurs techniques pour calculer les prévisions. Nous avons déjà couvert la technique économique de quantité de commande dans beaucoup de détails dans le passé, qui détermineront le nombre de produits que vous devez acheter à un moment donné. Cet article analysera brièvement les plus utilisés qui utilisent des données historiques.
Les trois méthodes décrites ci-dessous utiliseront les mêmes données historiques des trois derniers mois (octobre, novembre et décembre 2022) pour prévoir les trois prochains en 2023.
Voyons la première méthode…
Moyenne mobile
La méthode de la moyenne mobile est un calcul de moyenne simple. Cette technique fait la moyenne d’un nombre de mois spécifié par l’utilisateur pour projeter la demande du mois suivant.
Octobre 2022 | 114 |
Novembre 2022 | 119 |
Décembre 2022 | 137 |
Janvier 2023 | ? 114 + 119 + 137 = 370, 370 / 3 = 123 |
Février 2023 | ? 119 + 137 + 123 = 379, 379 / 3 = 126 |
Mars 2023 | ? 137 + 123 + 126 = 379, 386 / 3 = 129 |
Moyenne mobile pondérée
La moyenne mobile pondérée vous permet d’attribuer des pondérations aux données historiques. Cette méthode fonctionne mieux pour les prévisions à court terme des produits matures.
Remarque : Les pondérations attribuées doivent totaliser 1,00, les données les plus récentes recevant la pondération la plus élevée. Dans cet exemple, supposons que les pondérations sont : 0,6, 03 et 0,1
Octobre 2022 | 114 |
Novembre 2022 | 119 |
Décembre 2022 | 137 |
Janvier 2023 | ? 137 * 0,6 + 119 * 0,3 + 114 * 0,1 = 129 |
Février 2023 | ? 129 * 0,6 + 137 * 0,3 + 119 * 0,1 = 131 |
Mars 2023 | ? 131 * 0,6 + 129 * 0,3 + 137 * 0,1 = 131 |
Lissage linéaire
Cette méthode est similaire à la moyenne mobile pondérée. Cependant, une formule est utilisée au lieu d’attribuer des pondérations manuellement, et maintenant les pondérations diminuent de manière linéaire. Cette méthode fonctionne mieux pour les prévisions à court terme des produits matures.
Pondération pour une période précédente = 3/(n^2 + n)/2 = 3/(3^2 + 3)/2 = 3/6 = 0,5
Pondération pour deux périodes précédentes = 2/(n^2 + n)/2 = 2/(3^2 + 3)/2 = 2/6 = 0,3
Pondération pour les trois périodes précédentes = 1/(n^2 + n)/2 = 1/(3^2 + 3)/2 = 1/6 = 0,16
Octobre 2022 | 114 |
Novembre 2022 | 119 |
Décembre 2022 | 137 |
Janvier 2023 | ? 137 * 0,5 + 119 * 0,3 + 114 * 0,16 = 127 |
Février 2023 | ? 127 * 0,5 + 137 * 0,3 * 119 * 0,16 = 129 |
Mars 2023 | ? 129 * 0,5 + 127 * 0,3 * 137 * 0,16 = 130 |
Conclusion
Les prévisions sont basées sur des données historiques et des modèles. Ils ne sont pas parfaits; ils contiendront des erreurs qui pourraient être causées par des modèles, des données ou l’interprétation des résultats, mais une estimation forte vaut mieux que pas d’estimation.
Dans les prochains articles, nous examinerons plus en profondeur des méthodes de prévision plus avancées (comme le lissage exponentiel, la régression des moindres carrés, etc.), analyserons leurs avantages et leurs inconvénients et comment elles peuvent être générées automatiquement à l’aide de systèmes de gestion des stocks.