Aller au contenu
English

De la prévision à la commande et à l'horaire

  • Leçon 24
  • 45 min
  • Module 7 : L'incertitude et la décision

Où nous en sommes

Nous avons des prévisions par quantile fiables. Maintenant, nous prenons la décision. Dans cette leçon, nous utilisons le modèle du vendeur de journaux pour choisir le quantile de commande. Ce choix dépend des coûts d'une vente perdue et d'un article invendu. Nous prévoyons le personnel du centre d'assistance de la même façon et comparons le coût de chaque méthode.

Lue depuis YouTube. Rien ne se charge depuis YouTube avant que vous appuyiez sur lecture. Confidentialité

Ce que vous saurez faire

Transformez un intervalle de prévision en commande et en horaire au coût attendu le plus faible. Comparez les méthodes de prévision selon le coût de leurs décisions.

Carnet JupyterFaites cette leçon dans un carnetColab · Kaggle · GitHub · en anglais

Le carnet (notebook) Jupyter contient toutes les cellules de code, tâches et vérifications de cette leçon. Il couvre la meilleure commande de parasols, deux règles de commande sur le test rétrospectif et l’horaire. Ses cellules de préparation installent les paquets et téléchargent les données de Larkfield. Aucune préparation locale n’est donc nécessaire. Environ 45 minutes, dont environ 1 minute d’attente.

Le carnet est en anglais. Colab et Kaggle ouvrent votre propre copie. Il faut un compte Google ou Kaggle gratuit. Vous êtes bloqué ? Consultez le carnet de solution.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 45 minutes

Ce que vous devez savoir

Ce qu’il vous faut sur votre ordinateur

Rien : le carnet fonctionne dans Colab ou Kaggle. Pour l’exécuter dans VS Code, utilisez le dossier et l’environnement de Découvrir les données de Larkfield.

Testé avec Python 3.12, pandas 2.3.3, statsforecast 2.1.1 et SciPy sur macOS. Les données de Larkfield sont synthétiques : nous les avons créées pour ce cours.

Un garçon vend des journaux au coin d’une rue. Le matin, il les achète 1 $ chacun et les vend 3 $. Le soir, le journal du jour ne vaut plus rien. Combien en achète-t-il?

S’il en achète trop peu, chaque client qui arrive après la rupture représente un profit perdu de 2 $. Chaque journal en trop représente une perte de 1 $. Il achète donc un peu plus que ce qu’il prévoit vendre, mais pas beaucoup plus.

C’est le problème du vendeur de journaux, l’un des plus anciens problèmes de planification. Kenji rencontre le même problème chaque semaine.

Quand Kenji commandait la somme des prévisions, la moitié des commandes étaient insuffisantes. Le milieu de l’intervalle traite une vente perdue et un article invendu comme si leurs coûts étaient égaux. Chez Larkfield, ils ne le sont pas (selon les hypothèses du cours) :

  • Une vente perdue coûte la marge : 35 % du prix. Pour un parasol à 79,99 $ US, cela représente 28,00 $ US.
  • Un article invendu est vendu avec un rabais de 60 % en fin de saison. Larkfield l’a acheté à 65 % du prix et le vend à 40 %. L’entreprise perd donc 25 % du prix : 20,00 $ US pour un parasol.

Kenji devrait donc commander au-dessus du milieu. Mais jusqu’où? « Le quantile de 90 %, par prudence » semble raisonnable, mais chaque parasol supplémentaire invendu coûte 20 $ US.

Pensez au dernier parasol de la commande. Kenji devrait-il en ajouter un autre?

  • Si la demande atteint ce parasol, il se vend et évite une vente perdue : +28 $ US.
  • Si la demande ne l’atteint pas, il reste invendu : −20 $ US.

Supposons que la probabilité que la demande l’atteigne soit p. En moyenne, le parasol supplémentaire vaut p × 28 − (1 − p) × 20 $ US. Cette valeur est positive tant que p dépasse 20 ÷ 48 = 0,417. Kenji s’arrête donc où la demande dépasse la commande 41,7 % du temps et reste en dessous 58,3 % du temps. C’est le quantile de 58,3 % de la demande.

La règle générale est le ratio critique :

meilleur quantile = coût d’une vente perdue ÷ (coût d’une vente perdue + coût d’un article invendu)

Pour Larkfield : 0,35 ÷ (0,35 + 0,25) = 0,583. Le prix s’annule, donc le même quantile convient à chaque produit. Le vendeur de journaux achète au quantile 2 ÷ (2 + 1) = 0,67.

Le dimanche 8 juin 2025, ETS prévoyait 92,4 parasols pour les 14 jours suivants, avec un écart-type total de 20,4. Pour un intervalle en forme de cloche comme celui-ci, une formule donne les unités manquantes et invendues attendues pour toute commande. La tâche de prévision planifiée du cours (module 8) l’utilise aussi. Voici trois commandes :

Commande Quantile Manquantes attendues Invendues attendues Coût attendu Probabilité de rupture de stock
93 50 % (le milieu) 7,8 8,4 388 $ US 49 %
97 58 % 6,0 10,6 382 $ US 41 %
119 90 % (« par prudence ») 0,9 27,5 576 $ US 10 %

Le coût attendu est le nombre d’unités manquantes × 28 $ US, plus le nombre d’unités invendues × 20 $ US. La commande au quantile de 58 % coûte le moins cher, mais seulement de 6 $ US : le bas de la courbe est plat. Commander « par prudence » coûte 194 $ US de plus. Cela évite environ 5 ventes perdues (6,0 → 0,9) et ajoute environ 17 parasols invendus (10,6 → 27,5).

Larkfield a réellement vendu 101 parasols. Avec une commande de 97, il en manquait 4 à Kenji, pour un coût de 112 $ US. Une période de deux semaines peut être favorable ou défavorable; le coût attendu est la moyenne de nombreuses périodes.

Explorer

Le quantile de commande et son coût attendu

255075100125150175commande 93invendus 8,4manque 7,8Demande pour les 14 jours (unités)05001 0001 500meilleur 58 %vous : 50 %, 388 $ US0 %10 %20 %30 %40 %50 %60 %70 %80 %90 %100 %Coût attendu de la commande (dollars)Quantile auquel Kenji commande
50100150commande 93invendus 8,4manque 7,8Demande pour les 14 jours (unités)05001 0001 500meilleur 58 %vous : 50 %, 388 $ US0 %25 %50 %75 %100 %Coût attendu de la commande (dollars)Quantile auquel Kenji commande

Au quantile 50 %, Kenji commande 93 parasols. Le risque que la demande dépasse la commande est de 49 %. Le coût attendu est de 388 $ US : 220 $ US de ventes perdues et 169 $ US d’invendus. Avec ces coûts, le meilleur quantile est 35 % ÷ (35 % + 25 %) = 58 % : une commande de 97, pour un coût attendu de 382 $ US.

Au quantile 50 %
Commande (unités)93
Unités manquantes attendues7,8
Unités invendues attendues8,4
Coût attendu des ventes perdues220 $ US
Coût attendu des invendus169 $ US
Coût attendu388 $ US
Risque de rupture de stock49 %
Ce qui s’est passé : 101 vendus8 manquants, 224 $ US
Le parasol, les 14 jours après la date de coupure du 8 juin 2025 (ETS : moyenne 92,4, écart-type 20,4, mesurés). Coûts : une vente perdue à 35 % du prix, un article invendu à 25 % (hypothèses). Déplacez le quantile et observez le coût attendu.
Description textuelle de l’explorateur

L’explorateur a un curseur : le quantile de commande, de 1 % à 99 %, initialement à 50 %. Le graphique du haut montre une courbe en cloche de la demande sur 14 jours, centrée sur 92,4. Une ligne marque la commande. À sa droite, l’orange montre les unités manquantes; à sa gauche, le vert montre les unités invendues. Le graphique du bas montre une courbe en U du coût attendu. Il est d’environ 1 330 $ US à 1 %, minimal à 382 $ US au quantile de 58 % (ligne verte pointillée). Il atteint environ 955 $ US à 99 %. Un tableau donne les valeurs du quantile choisi, comme dans le tableau ci-dessus, et le résultat avec les 101 ventes réelles.

Déplacez le curseur de 50 % à 70 % : le coût change à peine. Déplacez-le à 90 % et à 99 % : le coût augmente vite. Un petit écart par rapport au meilleur quantile coûte peu; un grand écart coûte beaucoup.

Maintenant, changez les coûts. Supposons qu’un client qui ne trouve aucun parasol achète ailleurs et ne revient pas. Une vente perdue coûte alors plus que sa marge. Le deuxième explorateur a deux curseurs supplémentaires.

Explorer

Quand les coûts changent

255075100125150175commande 97invendus 10,6manque 6Demande pour les 14 jours (unités)05001 0001 500meilleur 58 %vous : 58 %, 382 $ US0 %10 %20 %30 %40 %50 %60 %70 %80 %90 %100 %Coût attendu de la commande (dollars)Quantile auquel Kenji commande
50100150commande 97invendus 10,6manque 6Demande pour les 14 jours (unités)05001 0001 500meilleur 58 %vous : 58 %, 382 $ US0 %25 %50 %75 %100 %Coût attendu de la commande (dollars)Quantile auquel Kenji commande

Au quantile 58 %, Kenji commande 97 parasols. Le risque que la demande dépasse la commande est de 41 %. Le coût attendu est de 382 $ US : 169 $ US de ventes perdues et 213 $ US d’invendus. Avec ces coûts, le meilleur quantile est 35 % ÷ (35 % + 25 %) = 58 % : une commande de 97, pour un coût attendu de 382 $ US.

Au quantile 58 %
Commande (unités)97
Unités manquantes attendues6
Unités invendues attendues10,6
Coût attendu des ventes perdues169 $ US
Coût attendu des invendus213 $ US
Coût attendu382 $ US
Risque de rupture de stock41 %
Ce qui s’est passé : 101 vendus4 manquants, 112 $ US
Le même intervalle pour le parasol. Modifiez les coûts d'une vente perdue et d'un article invendu (parts du prix). Observez le déplacement du meilleur quantile.
Description textuelle de l’explorateur

Les deux mêmes graphiques, avec trois curseurs. Le premier règle le quantile (initialement à 58 %). Les deux autres règlent les coûts d’une vente perdue et d’un article invendu (de 5 % à 80 % du prix). Une ligne verte pointillée marque le ratio critique. Avec une vente perdue à 60 % et un article invendu à 25 %, le meilleur quantile monte à 71 % (0,60 ÷ 0,85). Cela donne une commande de 104 parasols. Avec une vente perdue à 10 %, il descend à 29 % : une commande de 82. Quand les deux coûts sont égaux, il est à 50 % : commandez au milieu.

La prévision donne l’intervalle, et l’entreprise donne le quantile. Quand les coûts changent, Kenji lit un autre quantile dans le même intervalle.

Priya applique maintenant la règle au test rétrospectif (backtest) du cours : 650 commandes. La dispersion de chaque total sur 14 jours vient des intervalles quotidiens, en supposant les jours indépendants. C’est l’approche de Une prévision est un intervalle. Elle compare deux règles aux ventes réelles : commander la somme des prévisions, ou le quantile de 58 %.

for rule, q in [("forecast added up", None), ("the 58% quantile", ratio)]:
g = orders_at(fc_ets, q)
print(f"{rule:18} cost per order cycle: {cost_per_cycle(g)} dollars, "
f"orders too small: {(g['sold'] > g['order']).mean():.1%}")
forecast added up cost per order cycle: 16578 dollars, orders too small: 50.0%
the 58% quantile cost per order cycle: 16294 dollars, orders too small: 44.0%

Un cycle de commande correspond à une date de coupure : une commande pour 14 jours couvrant les 50 produits. La même prévision ETS, lue au bon quantile, économise 284 $ US par cycle et manque de stock moins souvent. Pour chaque méthode qui fournit un intervalle (valeurs mesurées) :

Méthode Coût, somme des prévisions Coût, quantile de 58 % Probabilité de rupture de stock (somme → 58 %)
Naïve saisonnière 16 739 16 496 49,5 % → 41,2 %
ETS 16 578 16 294 50,0 % → 44,0 %
AutoARIMA 16 257 16 201 46,0 % → 38,3 %
Chronos-Bolt 14 750 14 348 56,6 % → 53,1 %
ETS avec intervalles conformes 16 578 16 424 50,0 % → 46,5 %
Ce que le quantile de 58 % économise par cycle de commande, comparé à la somme des prévisions (mesuré; coûts supposés). Chaque méthode économise. Chronos-Bolt économise le plus, l'intervalle conforme moins que celui d'ETS.
Description textuelle du graphique

Un graphique à colonnes de l’économie par cycle de commande, de 0 à 500 $ US. La méthode naïve saisonnière économise 243 $ US, ETS 284, AutoARIMA 56, Chronos 402 et l’intervalle conforme 154. Chaque colonne dépasse 0.

  • La règle du quantile aide chaque méthode, de 0,3 % à 3 %, car les deux coûts de Larkfield sont proches (35 % et 25 %). Un meilleur intervalle économise davantage. Pour la même prévision ponctuelle, l’intervalle d’ETS économise 284 $ US par cycle, contre seulement 154 pour l’intervalle conforme trop étroit.
  • Chronos-Bolt donne les commandes les moins coûteuses de ces cinq méthodes. Mais à son quantile de 58 %, il manque encore de stock pour 53,1 % des commandes. Son biais est négatif (−5,6 %), et son intervalle est trop étroit.
  • Commander « par prudence » n’est pas prudent pour le budget. Les commandes ETS au quantile de 90 % coûtent 18 009 $ US par cycle (à vous de jouer ci-dessous).

Pour un produit saisonnier, la méthode compte davantage. Prenez les six dates de coupure d’avril à août 2025, avec des commandes au quantile de 58 % (mesuré). Les commandes de parasols coûtent 4 458 $ US avec Chronos-Bolt et 4 806 avec la méthode naïve saisonnière. Elles coûtent toutefois 7 212 avec AutoARIMA et 8 004 avec ETS. ETS n’a pas de saison annuelle : en juillet 2025, il a commandé 456 parasols pour deux semaines de 187 ventes.

Comparer les méthodes selon le coût de leurs décisions

Section intitulée « Comparer les méthodes selon le coût de leurs décisions »

Le tableau du test rétrospectif du cours contient une colonne de coût pour cette raison. C’est le coût par cycle quand Kenji commande la somme des prévisions de chaque méthode (mesuré) :

La colonne de coût du tableau du test rétrospectif du cours : coût par cycle des commandes de chaque méthode (somme des prévisions; mesuré, coûts supposés). LightGBM (directe) a le coût le plus faible.
Description textuelle du graphique

Une ligne par méthode, de la plus coûteuse à la moins coûteuse, en dollars par cycle de commande : dérive 28 570 $ US, naïve 28 261, moyenne mobile 19 444, Theta 16 812, naïve saisonnière 16 739, ETS 16 578, AutoARIMA 16 257, régression linéaire (une par produit) 15 137, Chronos-Bolt 14 750 et LightGBM (directe) 13 711, le plus faible, en vert.

LightGBM (directe) a le coût de décision le plus faible, soit 13 711 $ US, même si Chronos-Bolt avait la meilleure erreur (WAPE de 38,7 % contre 40,7 %). Chronos-Bolt a un biais négatif, donc ses erreurs se trouvent du côté coûteux. Et l’erreur la plus faible ne donne pas le coût le plus faible. La moyenne mobile sur 28 jours a une meilleure WAPE que la méthode naïve saisonnière (43,5 % contre 51,3 %). Elle coûte pourtant plus cher (19 444 contre 16 739 $ US). Sa ligne plate manque les pointes hebdomadaires.

Grace, responsable du soutien, rencontre le même problème chaque heure, de 7 h à 21 h 59. Un agent répond à environ 6 billets de soutien par heure. Les coûts du cours :

  • Une heure d’agent supplémentaire coûte 28 $ US.
  • Une heure où il manque un agent coûte 72 $ US : 6 billets attendent environ un jour de plus, à environ 12 $ US chacun. C’est une hypothèse du cours : aucune facture ne donne de prix à l’attente. Avec vos propres données, mesurez ce coût ou convenez-en avec l’entreprise.

Le ratio critique est 72 ÷ (72 + 28) = 0,72. Grace prévoit donc le personnel de chaque heure selon le quantile de 72 % de la prévision de billets. Elle le divise par 6 et l’arrondit à l’entier supérieur.

Le graphique montre une journée du test rétrospectif du cours : le lundi 9 juin 2025. MSTL l’a prévue à partir de la date de coupure de la veille, à 23 h.

  • Billets réels ÷ 6
  • Agents selon la prévision ponctuelle
  • Agents selon le quantile de 72 %
Une journée d'horaire selon la prévision MSTL (mesuré). L'horaire à 72 % compte 88 heures d'agent, l'horaire ponctuel 85. Les billets réels en nécessitaient 74.
Description textuelle du graphique

Le graphique couvre les heures d’ouverture de 7 h à 21 h. Les points montrent les agents nécessaires (billets réels ÷ 6) : environ 2 à 7 h, 7,7 à 10 h, puis 3 à 6,5. Une ligne bleue pointillée montre les agents selon la prévision ponctuelle. Une ligne verte montre ceux selon le quantile de 72 %. Elles culminent à 9 et 10 à 10 h. La ligne verte compte un agent de plus à 10 h, 14 h et 21 h. Les deux horaires prévoient plus d’agents que nécessaire pendant la plupart des heures.

Sur les 13 semaines du test rétrospectif, voici le coût hebdomadaire de chaque horaire (mesuré) :

Méthode Personnel selon la prévision ponctuelle Personnel selon le quantile de 72 % Personnel selon le quantile de 90 %
Même heure la semaine précédente 4 888 $ US 4 157 $ US 5 188 $ US
MSTL 4 044 $ US 3 718 $ US 4 876 $ US
Theta 3 883 $ US 5 845 $ US 15 042 $ US

MSTL à son quantile de 72 % donne l’horaire le moins coûteux : 3 718 $ US par semaine. C’est 326 de moins qu’avec sa prévision ponctuelle. Une heure où il manque un agent coûte plus que deux heures supplémentaires. Quelques agents de plus compensent donc leur coût.

Beaucoup de centres d’assistance fixent plutôt une cible de délai de réponse : « un agent est disponible pour chaque billet dans l’heure, pendant 9 heures sur 10 ». Cette cible correspond au quantile de 90 %. Pour MSTL, elle coûte 4 876 $ US par semaine, soit 1 158 de plus que l’horaire à 72 %. Grace peut maintenant attribuer un prix à la cible.

Quand utiliser la règle du vendeur de journaux, quand l’éviter et ce qu’elle coûte

Section intitulée « Quand utiliser la règle du vendeur de journaux, quand l’éviter et ce qu’elle coûte »

Utilisez-la pour une décision prise avant de connaître la demande, quand le manque et le surplus coûtent tous deux de l’argent. Cela comprend les commandes de stock, les horaires et la capacité des serveurs. Elle nécessite un seul quantile d’un intervalle que vous avez déjà. Elle exige trois conditions :

  • L’intervalle doit être honnête. S’il est trop étroit ou trop large à ce quantile, la commande est incorrecte (voir le cas d’échec ci-dessous).
  • Les coûts doivent être justes. Les coûts de Larkfield sont des hypothèses. Si une vente perdue entraîne aussi la perte du client, son coût augmente, tout comme le quantile.
  • Une décision pour une période. Un parasol invendu en juin se vend en juillet. Le coût de 25 % correspond au rabais de fin de saison. La règle convient donc surtout aux dernières commandes d’une saison; plus tôt, le meilleur quantile est plus élevé.

Exercice guidé : la commande et l’horaire dans le carnet

Section intitulée « Exercice guidé : la commande et l’horaire dans le carnet »
  1. Ouvrez le carnet dans l’encadré Faites cette leçon dans un carnet en haut de cette page.
  2. Exécutez les cellules de préparation. La cellule de données se termine par la ligne Ready: (prêt).
  3. Dans la section 1, prédisez la moins coûteuse des commandes de 93, 97 et 119. Exécutez la cellule. Vous voyez 382 dollars pour la commande de 97.
  4. Exécutez la cellule du graphique. Vous voyez la courbe en U et best order: 97 expected cost: 382 (meilleure commande : 97, coût attendu : 382).
  5. Dans la cellule Your turn (à vous de jouer), calculez ratio_60 (ci-dessous). Exécutez la cellule de vérification : Check passed (vérification réussie).
  6. Dans la section 2, exécutez la cellule du test rétrospectif (environ une minute). Vous voyez 16578 et 16294 dollars.
  7. Dans la cellule Your turn suivante, calculez cost_90. Exécutez la cellule de vérification : Check passed.
  8. Dans la section 3, exécutez la cellule de l’horaire. Vous voyez 4044 et 3718 dollars par semaine.
  9. Dans la section 4, exécutez la cellule Theta. Vous voyez une couverture de 0.996 et 5845 dollars par semaine.

Changez une chose : une vente perdue coûte maintenant 60 % du prix plutôt que 35 %, car le client ne revient plus. Avant de calculer, faites une prédiction : le meilleur quantile augmente-t-il ou diminue-t-il? Dans le carnet, mettez le nouveau ratio critique dans ratio_60, arrondi à 3 décimales. Calculez ensuite le coût de commande à 90 %, cost_90, dans la section 2.

Afficher la réponse
ratio_60 = round(0.60 / (0.60 + LEFT), 3)
print(ratio_60, "-> order", int(np.ceil(MEAN + norm.ppf(ratio_60) * SD)))
0.706 -> order 104

Le meilleur quantile augmente, de 58 % à 71 %, et la commande passe de 97 à 104. Pour la règle à 90 % de la section 2 :

g90 = orders_at(fc_ets, 0.9)
cost_90 = cost_per_cycle(g90)
print(cost_90, f"orders too small: {(g90['sold'] > g90['order']).mean():.1%}")
18009 orders too small: 20.3%

Les commandes à 90 % manquent de stock seulement 20,3 % du temps. Mais elles coûtent 1 715 $ US de plus par cycle que la règle à 58 %. La règle à 90 % conviendrait seulement si une vente perdue coûtait environ 9 fois plus qu’un article invendu.

Erreur courante

Un quantile tiré d'un intervalle trop large

Symptôme : Theta avait la meilleure prévision ponctuelle des billets par heure (WAPE de 27,1 %). Grace planifie le personnel selon son quantile à 72 %. L’horaire coûte 5 845 $ US par semaine, plus que l’horaire basé sur la prévision ponctuelle de Theta (3 883). Il coûte aussi plus que l’horaire à 72 % de MSTL (3 718). Au quantile à 90 %, il coûte 15 042 $ US.

Cause : les intervalles de Theta sont beaucoup trop larges : son intervalle à 80 % contient 99,6 % des nombres réels de billets. Son quantile à 72 % dépasse largement les nombres réels de billets. L’horaire prévoit donc beaucoup d’agents sans travail. La règle a pris le bon quantile dans un mauvais intervalle.

Correction : évaluez l’intervalle au niveau utilisé pour la décision (Noter l’intervalle) avant d’en tirer un quantile. Ici, utilisez MSTL, dont l’intervalle à 80 % contient 85,1 % des nombres réels de billets. Ou construisez un nouvel intervalle pour Theta à partir de nombreuses fenêtres d’erreurs passées.

Conséquence dans le travail en IA : la méthode ayant la meilleure erreur peut produire la décision la plus coûteuse, chaque semaine, sans message d’erreur.

Vérifiez votre compréhension

Une vente perdue coûte 30 $ US et un article invendu coûte 10 $ US. À quel quantile de la demande devriez-vous commander? Expliquez la règle avec l'argument de la « dernière unité ».

Afficher la réponse

Le ratio critique est 30 ÷ (30 + 10) = 0,75. Commandez donc au quantile à 75 %. La dernière unité économise 30 $ US si elle se vend et coûte 10 $ US sinon. Elle est donc rentable tant que sa probabilité de vente dépasse 10 ÷ 40 = 25 %. Vous arrêtez quand la demande dépasse la commande 25 % du temps : au quantile à 75 %.

Vérifiez votre compréhension

Prédisez et expliquez : Kenji passe du quantile à 58 % au quantile à 90 % « par sécurité ». Que deviennent la probabilité de rupture de stock et le coût, pour le parasol et sur le test rétrospectif?

Afficher la réponse

La probabilité de rupture de stock diminue, et le coût augmente. Pour le parasol, la commande passe de 97 à 119, et la probabilité de rupture passe de 41 % à 10 %. Le coût attendu passe de 382 à 576 $ US. Sur le test rétrospectif avec ETS, le coût par cycle de commande passe de 16 294 à 18 009 $ US. La proportion de commandes qui manquent de stock passe de 44 % à 20,3 %. Les parasols supplémentaires restent pour la plupart invendus, à un coût de 25 % du prix chacun.

Vérifiez votre compréhension

Tomás veut la méthode ayant la meilleure erreur pour les deux décisions : Chronos-Bolt pour le stock, Theta pour l'horaire. Que disent les coûts mesurés?

Afficher la réponse

La meilleure erreur ne donne pas le coût le plus bas. Pour le stock, Chronos-Bolt a la meilleure WAPE (38,7 %). Mais LightGBM (directe) a le coût de commande le plus bas : 13 711 $ US par cycle contre 14 750. Chronos-Bolt a un biais vers le bas, et les ventes perdues coûtent plus cher. Pour l’horaire, Theta a la meilleure WAPE (27,1 %), mais son intervalle est beaucoup trop large. Son horaire à 72 % coûte 5 845 $ US par semaine, contre 3 718 pour MSTL. Choisissez selon le coût de la décision.

Récapitulatif

  • La règle du modèle du vendeur de journaux : commandez au quantile de la demande correspondant au ratio critique, coût d’une vente perdue ÷ (coût d’une vente perdue + coût d’un article invendu). Pour Larkfield, 0,35 ÷ 0,60 = 0,583.
  • La commande à 58 % du parasol est de 97 (coût attendu de 382 $ US); celle à 90 % est de 119 (576 $ US). La courbe des coûts est plate près de son minimum.
  • Sur le test rétrospectif, la règle à 58 % coûte moins que commander la quantité prévue, pour chaque méthode. ETS : 16 294 contre 16 578 $ US par cycle de commande; à 90 %, 18 009.
  • Grace planifie le personnel au quantile à 72 %. Ce quantile vient du coût de 72 $ US d’une heure manquante (une hypothèse) et de 28 $ US d’une heure supplémentaire. L’horaire de MSTL est le moins cher : 3 718 $ US par semaine.
  • L’erreur la plus faible ne donne pas le coût le plus bas. LightGBM (directe) a les commandes les moins chères (13 711 $ US). L’intervalle trop large de Theta donne l’horaire le plus cher (5 845).

Vous avez fait tout cela une fois, dans un carnet. Ensuite, vous intégrerez ces étapes à une petite tâche qui s’exécute chaque semaine. Elle ira des nouvelles données à la commande et à l’horaire.

Leçon suivante : La tâche de prévision planifiée