Tendance et saisonnalité
Pour un ajustement linéaire y = ax + b, a = covariance(x,y) / variance(x) lorsque la variance est non nulle, puis b = moyenne(y) − a × moyenne(x). Le calcul repose sur les mêmes conventions de normalisation pour covariance et variance. Une corrélation décrit une association, pas une causalité ; une extrapolation peut échouer après un changement de contexte.
Autres modèles
Une relation exponentielle y = A × B puissance x peut être estimée par linéarisation logarithmique pour des y positifs ; une relation puissance y = A × x puissance b nécessite x et y positifs pour cette méthode. Un lissage exponentiel simple met à jour la prévision par F suivante = alpha × observation + (1 − alpha) × ancienne prévision. Le choix du modèle doit être testé sur sa pertinence, pas seulement sa qualité d’ajustement passée.
Saisons
Dans une approche multiplicative, rapporter les observations à la tendance, regrouper les rapports par saison et normaliser les coefficients autour de 1 permet de construire une prévision saisonnalisée. Les coefficients ne doivent pas être appliqués une seconde fois à une prévision déjà saisonnalisée. Les événements exceptionnels doivent être documentés.
Capacité et facteur rare
Avec une seule ressource limitante et des produits divisibles sans autres interdépendances, classer les produits selon leur marge par unité de ressource rare. En présence de plusieurs contraintes, représenter le domaine admissible et comparer les sommets pertinents pour une programmation linéaire à deux variables. Le classement simple ne résout pas tous les problèmes à contraintes multiples.
Approvisionnements et planning
Dans le modèle de Wilson simple sans pénurie, Q optimale = racine(2 × demande annuelle × coût de commande / coût annuel de possession par unité). Demande régulière, délais et coûts supposés stables limitent son domaine. Avec remises, il faut comparer le coût total des quantités admissibles, achats inclus. En avenir incertain, les règles de service et les distributions doivent être précisées. En MPM, les tâches et leurs antériorités permettent de calculer dates au plus tôt et au plus tard ; la marge totale mesure le retard compatible avec la date de fin du projet. Une marge libre protège les dates au plus tôt des successeurs.
Ressources humaines
Une prévision simple de masse salariale agrège, par catégorie et période de présence, effectifs, salaires et hypothèses de variation. Les primes et charges retenues doivent être explicites. La moyenne annuelle ne doit pas ignorer les dates d’entrée et de sortie. Les calculs d’effets de masse salariale ne sont pas développés dans ce cours.