Estimation de la distribution de la demande pour des familles de produits textiles

L’évolution rapide de notre population, de nos technologies, de notre climat et de nos besoins nous incite à développer des stratégies d’adaptation à un rythme toujours plus soutenu. La prédiction est un outil qui a le potentiel de faciliter notre progression dans l’environnement incertain dans lequel nous vivons. C’est la raison pour laquelle de nombreuses entreprises comme Logistik Unicorp cherchent à développer des modèles qui leur permettent de prédire la demande de leurs clients afin d’ajuster leur production à cette dernière. Logistik Unicorp est une entreprise québécoise qui se spécialise dans la production d’uniformes, qu’elle distribue aux quatre coins du globe. Désireuse d’améliorer sa gestion d’inventaire, l’organisation souhaite développer un modèle qui lui permette d’obtenir des distributions prédictives de la demande hebdomadaire et mensuelle de ses clients. Ce mémoire présente une méthode qui exploite des modèles bayésiens descriptifs pour obtenir les prédictions d’une famille de produits dont la demande présente une importante saisonnalité. La simulation par chaînes de Markov est utilisée pour prédire l’incertitude des données résiduelles de la demande, tandis que les composantes saisonnière et tendancielle sont estimées à partir des données historiques. Les prédictions produites sont comparées à celles que peuvent nous offrir des outils comme SARIMA et les modèles d’espaces-états. Les résultats démontrent que la méthode produit des résultats semblables à ceux que nous offrent nos deux outils de référence. Cependant, la méthode proposée, qui fournit distribution prédictive approximative de la demande, présente un potentiel d’amélioration intéressant vis-à-vis de la gestion de l’approvisionnement du partenaire. Cela car elle lui permettra d’ajuster sa demande avec une estimation probabiliste des risques de rupture de stock.