Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Innovar
Print version ISSN 0121-5051
Abstract
ACKERMANN, Andres E. F. and SELLITTO, Miguel A.. MÉTHODES DE PRÉVISION DE LA DEMANDE : UNE REVUE DE LA LITTÉRATURE. Innovar [online]. 2022, vol.32, n.85, pp.83-99. Epub July 27, 2022. ISSN 0121-5051. https://doi.org/10.15446/innovar.v32n85.100979.
La prévision de la demande est une méthodologie de gestion d'entreprise permettant d'estimer la valeur future d'une quantité d'intérêt. La prévision de la demande consiste à reconnaître les normes de comportement dans les séries historiques et à prédire le comportement ou, même, à identifier les facteurs causaux qui affectent le comportement et à l'extrapoler. L'objectif de l'article est de passer en revue la littérature sur les méthodes de prévision de la demande afin de rassembler les méthodes et les modèles disponibles sur les concepts actuellement utilisés dans la gestion des affaires liées à la consommation et à la production de produits et de services. La méthodologie utilisée est une revue de la littérature avec une approche qualitative, dans le but de donner un aperçu descriptif des méthodes dominantes utilisées dans la prévision de la demande. On a réalisé une cartographie de la littérature pour identifier l'état de la science au moyen de la production scientifique disponible dans les bases de données Scopus et Google Scholar. L'analyse des séries temporelles, ainsi que les méthodes des différents types de médianes et du lissage exponentiel sont indiquées comme les plus appropriées pour les prédictions à court terme. Une ressource utilisée dans diverses réalités est la construction d'un modèle propre de prévision de la demande, qui utilise des techniques, des aspects, des concepts et des caractéristiques de différentes méthodes et modèles. Il est essentiel de surveiller le modèle adopté, de garder sous contrôle les données de terrain et de prévision et, en cas d'écarts, de corriger le modèle.
Keywords : méthodes de prévision de la demande; prévision; révision.