Calcul de Prévision par semaine
Bonjour à tous,
J'ai comme objectif de réaliser un modèle de prédiction de production d'une entreprise sur 2019.
Pour cela j'ai à ma disposition tous les volumes de production de l'entreprise par semaine de 2016 à 2018.
Je dois donc obtenir un graphique de prévision pour chaque semaine de l'année 2019.
Ma question est donc la suivante ?
Quelles sont les techniques afin d'obtenir ces prévisions ?
Je vous remercie d'avance !!
Bonjour et
Quelles prévisions dois-tu faire? des prévisions d'approvisionnement de matière par rapport à ta production en te fiant aux nomenclatures des produits que tu vas fabriquer? Ou bien des prévisions de production? Quel est ton souci? Représenter tes données sur un graphique? ça nous aiderait de pouvoir voir ton fichier afin de mieux comprendre ton sujet
Bonjour et
sur le forum, Quelles prévisions dois-tu faire? des prévisions d'approvisionnement de matière par rapport à ta production en te fiant aux nomenclatures des produits que tu vas fabriquer? Ou bien des prévisions de production? Quel est ton souci? Représenter tes données sur un graphique? ça nous aiderait de pouvoir voir ton fichier afin de mieux comprendre ton sujet
Tout d'abord merci pour cette rapide réponse.
Alors j'ai juste les volumes de production par semaine (tous produits confondus) de 2016 à 2018 et je dois obtenir les valeurs de prédictions (avec intervalle min et max si possible) pour chaque semaine de 2019. Je vous mets en pièce jointe mon fichier.
Merci d'avance.
Bonjour, salut Ausecour
Il y a 2 composantes qui se dégagent de tes données : une tendance annuelle (production 2018 > 2017 > 2016) et une tendance saisonnière (production supérieure en fin d'année par rapport au début d'année).
J'ai donc 2 modèles en tête qui pourraient convenir :
- Possibilité 1 : un modèle de régression multiple avec (par exemple) un effet linéaire de l'année et quadratique (d'ordre 3) du n° de semaine
- Possibilité 2 : un modèle de prévision temporel appelé "lissage exponentiel de Winters" (ex : http://www.jybaudot.fr/Previsions/wintersadd.html)
PS : le second présente l'avantage d'être évolutif en intégrant chaque fois les dernières données disponibles.
Concernant la possibilité 1, voilà les paramètres que j'obtiens en utilisant un logiciel de stats (R) :
Production =
-8 375 479
+4 171 * Année
-165.7 * Semaine
+18.74 * Semaine^2
-0.2993 * Semaine^3
Concernant la possibilité 1, voilà les paramètres que j'obtiens en utilisant un logiciel de stats (R) :
Production =
-8 375 479
+4 171 * Année
-165.7 * Semaine
+18.74 * Semaine^2
-0.2993 * Semaine^3
Bonjour à toi,
Je te remercie pour ta réponse.
Je voulais savoir comment as-tu obtenu cette équation ? Car j'ai également le logiciel R et je voulais savoir si cette équation s'obtenait facilement.
Puis pour la seconde méthode je n'arrive pas trop à comprendre le principe
Mais je te remercie déjà pour ta réponse.
Bonjour,
Je crois que tu peux avoir cette équation sur Excel, il faut pour cela de tracer un graphique et aller dans les options pour tracer des courbes de tendances/prévision, tu pourras ainsi afficher l'équation de la courbe de tendance
@Ausecour : les graphiques Excel ne permettent que de la regression simple (une variable en fonction d'une autre), ici c'est de la régression multiple puisque qu'il y a 2 variables explicatives de la production (Année et Semaine).
@StagiaireDUT : je t'envoie le fichier utilisé et les lignes de commande. Le script R :
Données <- read.table("C:/Documents/PrevisionProdEP.txt", header=TRUE, sep="\t", na.strings="NA", dec=",", strip.white=TRUE)
summary(lm(Production ~ Annee + poly(Semaine , degree=3, raw=TRUE), data=Données))Pour le lissage exponentiel de Winters, c'est un modèle plus adapté, utilisé notamment dans la finance.
Il te distingue une tendance sur du long terme (augmentation annuelle), une tendance saisonnière (variation selon la période de l'année) et s'ajuste à chaque nouvelle donnée pour corriger la prévision.
Pour le lissage exponentiel de Winters, c'est un modèle plus adapté, utilisé notamment dans la finance.
Il te distingue une tendance sur du long terme (augmentation annuelle), une tendance saisonnière (variation selon la période de l'année) et s'ajuste à chaque nouvelle donnée pour corriger la prévision.
Nickel je te remercie pour le code R
Mais pour le lissage exponentiel de Winters, cela doit se faire à la main ou seulement grâce à un logiciel ?
Merci d'avance.
Nickel je te remercie pour le code R
Mais pour le lissage exponentiel de Winters, cela doit se faire à la main ou seulement grâce à un logiciel ?
Merci d'avance.
C'est possible sur Excel (comme dans l'exemple en lien) mais il faut utiliser plusieurs colonnes (1 pour chaque composante de la prédiction, donc 4 au total pour celle-ci).
Pour R, tu as des packages spécialisés ou la fonction "HoltWinters" du package "stats", mais je ne les ai jamais utilisés.
[/quote]
C'est possible sur Excel (comme dans l'exemple en lien) mais il faut utiliser plusieurs colonnes (1 pour chaque composante de la prédiction, donc 4 au total pour celle-ci).
Pour R, tu as des packages spécialisés ou la fonction "HoltWinters" du package "stats", mais je ne les ai jamais utilisés.
[/quote]
Bah écoute je te remercie pour toute ton aide je vais essayer de me débrouiller à partir de toutes les informations que tu m'as donné cela devrai être bon.
Merci beaucoup à toi !!
C'est possible sur Excel (comme dans l'exemple en lien) mais il faut utiliser plusieurs colonnes (1 pour chaque composante de la prédiction, donc 4 au total pour celle-ci).
Pour R, tu as des packages spécialisés ou la fonction "HoltWinters" du package "stats", mais je ne les ai jamais utilisés.
Rebonjour à toi.
Depuis hier j'essaye la méthode de Holt Winters, j'ai même regardé des vidéos sur Youtube pour mieux comprendre mais je dois t, avouer que je n'y arrive pas, je n'arrive pas à appliquer cette méthode sur Excel. Aurais-tu des conseils à me donner dessus ? Je sais je suis très vague en disant ça mais je t'avoue que je suis paumé...
Merci à toi.
J'ai déjà utilisé une méthode similaire sans saisonnalité. Je pense déjà qu'il faut que tu changes ton échelle de temps pour pouvoir l'utiliser de façon pertinente, en exprimant par exemple ta production au mois et non à la semaine (il te suffira éventuellement de faire la conversion d'une prédiction au mois en prédiction hebdomadaire ensuite...).
Je planche sur un fichier.
Voilà un fichier, créer en partant de l'exemple proposé dans mon premier lien.
J'ai passé tes données sous forme mensuelle, qui me parait plus pertinent pour exprimer la saisonnalité, car il y a trop d'aléas à la semaine.
Voilà un fichier, créer en partant de l'exemple proposé dans mon premier lien.
J'ai passé tes données sous forme mensuelle, qui me parait plus pertinent pour exprimer la saisonnalité, car il y a trop d'aléas à la semaine.
290419 Pred_Vacances_Vayer.xlsx
D'accord merci bien !! Je voyais bien que par tous les exemples faisaient par mois et non par semaine, je vais donc faire avec une périodicité mensuelle.
Merci beaucoup pour ton aide mon problème est enfin résolu
D'accord merci bien !! Je voyais bien que par tous les exemples faisaient par mois et non par semaine, je vais donc faire avec une périodicité mensuelle.
Merci beaucoup pour ton aide mon problème est enfin résolu
Ce n'est pas une obligation, mais il faut un pas de temps adapté aux variations périodiques. A la semaine, la variation saisonnière est marginale par rapport aux aléas (qui n'ont aucun sens en terme de prévision).
Je te conseille de tester aussi avec une périodicité trimestrielle.
Content d'avoir apporté mon aide, car ce modèle pourrait bien me resservir !