Développement d’une application de prévision de la quantité à produire

1/22
100%

<!-- Slide number: 1 -->

![C:\Users\dell\Downloads\logo ult.jpg](Picture3.jpg)

Projet Fin D’année

| Développement d’une application de prévision de la quantité à produire |

| --- |

Réalisé par : Encadré par :

GHARBI Malek Mme. GUINOUBI Syrine

HAMDI Hatem

ROMDHANE Hamdi

MIMOUNI Ghassen

TAYACHI Rafik

Année universitaire : 2020/2021

Notes:

<!-- Slide number: 2 -->

![](Image9.jpg)

1

Introduction

<!-- Slide number: 3 -->

Introduction

![](Image9.jpg)

La prévision de la production joue un rôle essentiel dans le développement d'une entreprise et l’avenir du marché en Tunisie.

![](Image6.jpg)

![](Image16.jpg)

Diminuer :

Développer une application de prévision sur la quantité à produire.

3

Notes:

<!-- Slide number: 4 -->

2

C quoi la prévision?

C quoi l’importance de la prévisions?

<!-- Slide number: 5 -->

![](Picture54.jpg)

Publicité

The Power of PowerPoint | thepopp.com

5

<!-- Slide number: 6 -->

![](Image9.jpg)

3

Place de la prévision dans la chaîne logistique mondiale

<!-- Slide number: 7 -->

![](Picture54.jpg)

The Power of PowerPoint | thepopp.com

7

<!-- Slide number: 8 -->

![](Picture3.jpg)

4

Les méthodes de prévision

<!-- Slide number: 9 -->

![](Picture54.jpg)

lissage double exponentiel

The Power of PowerPoint | thepopp.com

9

<!-- Slide number: 10 -->

![](Picture54.jpg)

lissage double exponentiel

Les deux familles de méthodes quantitatives

| Les méthodes causales | Les méthodes séries chronologiques |

| --- | --- |

| Consistent à établir des relations de cause à effet entre certaines variables environnementales et la demande, à quantifier ces relations puis à les utiliser pour prévoir la demande sur le long terme. | Consiste à utiliser des données sur la demande passée (historique) pour prévoir la demande future. Ils tiennent donc pour acquis que le passé est une garantie d’avenir à moyen et à court terme. |

The Power of PowerPoint | thepopp.com

10

<!-- Slide number: 11 -->

![](Image9.jpg)

5

![](Image10.jpg)

Choix de méthodes de prévision

Publicité

<!-- Slide number: 12 -->

![](Picture54.jpg)

lissage double exponentiel

Les méthodes de séries chronologiques

Moyenne mobile:

C’est la plus simple, la demande prévisionnel est simplement la moyenne des n dernières demandes. Il convient aux produits avec une demande presque constante avec une faible variance. Il permet également d’éliminer les variations erratiques qui perturbent la série.

Méthode exponentielle simple :

Cette méthode est utilisée lorsque la demande est relativement constante dans le temps et qu’il existe des variations aléatoires autour de la moyenne.

The Power of PowerPoint | thepopp.com

12

<!-- Slide number: 13 -->

![](Picture54.jpg)

lissage double exponentiel

Les méthodes de séries chronologiques

Méthode de lissage exponentielle double:

Un simple lissage ne peut pas nous donner de bons résultats lorsque nos données montrent une ou plusieurs tendances. Les valeurs lissées peuvent être sous-estimées ou surestimées automatiquement en fonction de la direction de la tendance. Le but des méthodes de lissage exponentiel double est de lisser le niveau des données (c’est-à-dire d’éliminer les variations aléatoires) et de lisser la tendance, éliminant ainsi l’effet de la tendance sur les valeurs lissées.

Méthode de lissage exponentielle triple (Holt or Winter model) :

Le nouveau modèle Holt/Winter intègre à la fois la tendance et la saisonnalité. Ce lissage est appliqué si la demande a une composante saisonnière et tendancielle .

The Power of PowerPoint | thepopp.com

13

<!-- Slide number: 14 -->

![](Image1.jpg)

![](Image5.jpg)

![](Image6.jpg)

14

<!-- Slide number: 15 -->

![](Image9.jpg)

6

Analyse des données

<!-- Slide number: 16 -->

LES LOGICIELS UTULISES

![](Espaceréservépouruneimage31.jpg)

![](Espaceréservépouruneimage29.jpg)

Publicité

![](Espaceréservépouruneimage37.jpg)

LES BIBLIOTHEQUE UTLISEES

PANDAS

NUMPY

MATPLOTLIB

SimpleExpnential

ExponentialSmoothing

16

Notes:

On a utliser pandas pour pouvoir manipuler les données implumentées dans le le logiciel

Numpy pour untiliser les fonctions mathematique

Matplotlib pour afficher les courbes

Simple esxponential qui sont des biblothques des modeles de prevision

<!-- Slide number: 17 -->

![](Picture54.jpg)

lissage double exponentiel

![](Image10.jpg)

La méthode Moyenne Mobile

![](Image13.jpg)

La méthode

Lissage Simple Exponentiel

17

Notes:

Donc apres avoir analuser les donnes reeles on a constaté que la methode moyenne mobile nous doone des valeurs de privions tres differents aux valeurs reels,donc bien évidament cette methode n’est pas une methode adéquate a notre series chronologiques, de meme pour la methode de lissage simple exponontiel,

<!-- Slide number: 18 -->

![](Picture54.jpg)

lissage double exponentiel

![](Image2.jpg)

La méthode Lissage Double Exponentiel

![](Image5.jpg)

La méthode

Lissage Triple Exponentiel

18

Publicité

Notes:

Et aussi pour la methode de lissage double exponentiel elle nous donne des ecart très important entre les valeurs reeles et les valeurs previsionnelle,

D’autre part la méthode de lissage triple exponentiel nous donne des valleurs presque indentique entre le quantité reeles et la quantité previsionelle, donc cette methode est la methode la plus adéquate,qu’on le vont utlisier pour previsioner les futures demandes

<!-- Slide number: 19 -->

![](Picture54.jpg)

lissage double exponentielW

CHOIX DE LA METHODE ADEQUATE SELON RMSE

RMSE:

Le racine carré de moyenne des erreurs (RMSE pour Root Mean Square Error : c’est la moyenne arithmétique des carrés des écarts entre prévisions du modèle et les valeurs réels.

C’est la valeur à minimiser dans le cadre d’une régression simple ou multiple. La méthode est fondée sur la nullité de la moyenne des résidus. Mais la moyenne de leurs carrés n'est généralement pas nulle. Cette moyenne n'est autre que la VARIANCE RÉSIDUELLE que l'on cherche à minimiser.

![](Image4.jpg)

19

Notes:

On confirmer notre choix avec le calcul d’rmse

On a remarquer que la methode de lissage triple exponotiel a l’erreur le plus minimale, donc incontestable cette methode est la plus optimale pour notre projet,

<!-- Slide number: 20 -->

![](Picture54.jpg)

lissage double exponentiel

#

Prévision de la quantité à produire en 2022

![](Image11.jpg)

The Power of PowerPoint | thepopp.com

20

Notes:

Donc apres la confirmation de la methode a utuliser on a extracter lea quantité à produire en 2022 comme il est montré dans la cette figure, donc fianlement après avoir touts les donnée nessaisaires il nour reste que le devllopement de notre application de prevision que l’on va faire dans les prochaine séances

<!-- Slide number: 21 -->

L’utilité de l’application de prévision des ventes

21

<!-- Slide number: 22 -->

Merci Pour Votre Attention

Développement d’une application de prévision de la quantité à produire

Logistique et Prévision de la Production · notes

Browse all gestion et économie documents

<!-- Slide number: 1 -->

![C:\Users\dell\Downloads\logo ult.jpg](Picture3.jpg)

Projet Fin D’année

| Développement d’une application de prévision de la quantité à produire |

| --- |

Réalisé par : Encadré par :

GHARBI Malek Mme. GUINOUBI Syrine

HAMDI Hatem

ROMDHANE Hamdi

MIMOUNI Ghassen

TAYACHI Rafik

Année universitaire : 2020/2021

Notes:

<!-- Slide number: 2 -->

![](Image9.jpg)

1

Introduction

<!-- Slide number: 3 -->

Introduction

![](Image9.jpg)

La prévision de la production joue un rôle essentiel dans le développement d'une entreprise et l’avenir du marché en Tunisie.

![](Image6.jpg)

![](Image16.jpg)

Diminuer :

Développer une application de prévision sur la quantité à produire.

3

Notes:

<!-- Slide number: 4 -->

2

C quoi la prévision?

C quoi l’importance de la prévisions?

<!-- Slide number: 5 -->

![](Picture54.jpg)

Advertisement

The Power of PowerPoint | thepopp.com

5

<!-- Slide number: 6 -->

![](Image9.jpg)

3

Place de la prévision dans la chaîne logistique mondiale

<!-- Slide number: 7 -->

![](Picture54.jpg)

The Power of PowerPoint | thepopp.com

7

<!-- Slide number: 8 -->

![](Picture3.jpg)

4

Les méthodes de prévision

<!-- Slide number: 9 -->

![](Picture54.jpg)

lissage double exponentiel

The Power of PowerPoint | thepopp.com

9

<!-- Slide number: 10 -->

![](Picture54.jpg)

lissage double exponentiel

Les deux familles de méthodes quantitatives

| Les méthodes causales | Les méthodes séries chronologiques |

| --- | --- |

| Consistent à établir des relations de cause à effet entre certaines variables environnementales et la demande, à quantifier ces relations puis à les utiliser pour prévoir la demande sur le long terme. | Consiste à utiliser des données sur la demande passée (historique) pour prévoir la demande future. Ils tiennent donc pour acquis que le passé est une garantie d’avenir à moyen et à court terme. |

The Power of PowerPoint | thepopp.com

10

<!-- Slide number: 11 -->

![](Image9.jpg)

5

![](Image10.jpg)

Choix de méthodes de prévision

Advertisement

<!-- Slide number: 12 -->

![](Picture54.jpg)

lissage double exponentiel

Les méthodes de séries chronologiques

Moyenne mobile:

C’est la plus simple, la demande prévisionnel est simplement la moyenne des n dernières demandes. Il convient aux produits avec une demande presque constante avec une faible variance. Il permet également d’éliminer les variations erratiques qui perturbent la série.

Méthode exponentielle simple :

Cette méthode est utilisée lorsque la demande est relativement constante dans le temps et qu’il existe des variations aléatoires autour de la moyenne.

The Power of PowerPoint | thepopp.com

12

<!-- Slide number: 13 -->

![](Picture54.jpg)

lissage double exponentiel

Les méthodes de séries chronologiques

Méthode de lissage exponentielle double:

Un simple lissage ne peut pas nous donner de bons résultats lorsque nos données montrent une ou plusieurs tendances. Les valeurs lissées peuvent être sous-estimées ou surestimées automatiquement en fonction de la direction de la tendance. Le but des méthodes de lissage exponentiel double est de lisser le niveau des données (c’est-à-dire d’éliminer les variations aléatoires) et de lisser la tendance, éliminant ainsi l’effet de la tendance sur les valeurs lissées.

Méthode de lissage exponentielle triple (Holt or Winter model) :

Le nouveau modèle Holt/Winter intègre à la fois la tendance et la saisonnalité. Ce lissage est appliqué si la demande a une composante saisonnière et tendancielle .

The Power of PowerPoint | thepopp.com

13

<!-- Slide number: 14 -->

![](Image1.jpg)

![](Image5.jpg)

![](Image6.jpg)

14

<!-- Slide number: 15 -->

![](Image9.jpg)

6

Analyse des données

<!-- Slide number: 16 -->

LES LOGICIELS UTULISES

![](Espaceréservépouruneimage31.jpg)

![](Espaceréservépouruneimage29.jpg)

Advertisement

![](Espaceréservépouruneimage37.jpg)

LES BIBLIOTHEQUE UTLISEES

PANDAS

NUMPY

MATPLOTLIB

SimpleExpnential

ExponentialSmoothing

16

Notes:

On a utliser pandas pour pouvoir manipuler les données implumentées dans le le logiciel

Numpy pour untiliser les fonctions mathematique

Matplotlib pour afficher les courbes

Simple esxponential qui sont des biblothques des modeles de prevision

<!-- Slide number: 17 -->

![](Picture54.jpg)

lissage double exponentiel

![](Image10.jpg)

La méthode Moyenne Mobile

![](Image13.jpg)

La méthode

Lissage Simple Exponentiel

17

Notes:

Donc apres avoir analuser les donnes reeles on a constaté que la methode moyenne mobile nous doone des valeurs de privions tres differents aux valeurs reels,donc bien évidament cette methode n’est pas une methode adéquate a notre series chronologiques, de meme pour la methode de lissage simple exponontiel,

<!-- Slide number: 18 -->

![](Picture54.jpg)

lissage double exponentiel

![](Image2.jpg)

La méthode Lissage Double Exponentiel

![](Image5.jpg)

La méthode

Lissage Triple Exponentiel

18

Advertisement

Notes:

Et aussi pour la methode de lissage double exponentiel elle nous donne des ecart très important entre les valeurs reeles et les valeurs previsionnelle,

D’autre part la méthode de lissage triple exponentiel nous donne des valleurs presque indentique entre le quantité reeles et la quantité previsionelle, donc cette methode est la methode la plus adéquate,qu’on le vont utlisier pour previsioner les futures demandes

<!-- Slide number: 19 -->

![](Picture54.jpg)

lissage double exponentielW

CHOIX DE LA METHODE ADEQUATE SELON RMSE

RMSE:

Le racine carré de moyenne des erreurs (RMSE pour Root Mean Square Error : c’est la moyenne arithmétique des carrés des écarts entre prévisions du modèle et les valeurs réels.

C’est la valeur à minimiser dans le cadre d’une régression simple ou multiple. La méthode est fondée sur la nullité de la moyenne des résidus. Mais la moyenne de leurs carrés n'est généralement pas nulle. Cette moyenne n'est autre que la VARIANCE RÉSIDUELLE que l'on cherche à minimiser.

![](Image4.jpg)

19

Notes:

On confirmer notre choix avec le calcul d’rmse

On a remarquer que la methode de lissage triple exponotiel a l’erreur le plus minimale, donc incontestable cette methode est la plus optimale pour notre projet,

<!-- Slide number: 20 -->

![](Picture54.jpg)

lissage double exponentiel

#

Prévision de la quantité à produire en 2022

![](Image11.jpg)

The Power of PowerPoint | thepopp.com

20

Notes:

Donc apres la confirmation de la methode a utuliser on a extracter lea quantité à produire en 2022 comme il est montré dans la cette figure, donc fianlement après avoir touts les donnée nessaisaires il nour reste que le devllopement de notre application de prevision que l’on va faire dans les prochaine séances

<!-- Slide number: 21 -->

L’utilité de l’application de prévision des ventes

21

<!-- Slide number: 22 -->

Merci Pour Votre Attention