WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

L'organisation collaborative de la prévision de transport en bretagne

( Télécharger le fichier original )
par Yassir KOURIRI
Université de Rennes I - Master Logistique 2005
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

2.3) La méthode approprié pour la prévision de transport dans l'industrie agroalimentaire.

Après l'étude des séries chronologiques présentée dans la section 2.1 et après avoir présenter les deux modèles courants de prévision. Nous avons testé ces modèles pour prévoir le volume de transport dans les industries agroalimentaires bretonnes.

a) L'intérêt d'application de chacune des méthodes de prévision

Chaque jour des camions chargés de produits finis quittent les usines pour livrer les clients, ceci oblige les chargeurs à suivre réaliser des prévisions quotidiennes de transport.

Dans ce sens nous allons étudier l'application des méthodes de prévision déjà spécifiées.

L'utilisation du modèle de lissage exponentiel :

L'utilisation du modèle de lissage exponentiel nécessitera une analyse des séries chronologiques composées d'observations journalières, ceci dit des séries d'au moins 365 observations pour seulement une année. Le calcul des coefficients saisonniers par jour de l'année est alors nécessaire.

Par ailleurs, dans a mesure où les entreprises souhaitaient une méthode simple, il parait très lourd de gérer l'ensemble des séries pour l'élaboration d'une prévision journalière par destination.

Nous avons pensé alors à utiliser le modèle de lissage exponentiel pour le calcul d'une prévision hebdomadaire, voire mensuelle. Cette prévision sera ventiler par la suite sur les jours.

La répartition par jour se fera sur la base de calcul des poids des jours dans le mois ou de la semaine de l'année précédente.

Un test a été réalisé sur des séries d'un client du groupe STALAVEN (Annexe 4)

Nous avons calculé des prévisions mensuelles en nombre de colis transportés en 2005 sur la base des informations historiques de 2003 et 2004.

Les prévision mensuelles obtenues ont été comparés avec ce qui a été réalisé pendant cette année. Les taux de fiabilité mensuels obtenus étaient très satisfaisants.

Le vrai problème réside dans la ventilation des prévisions mensuelles en prévisions journalières. Les écarts étaient très considérables.

L'utilisation de la moyenne mobile

L'application de la moyenne mobile pour le calcul de la prévision a été très acceptée par les entreprises agroalimentaires participantes.

La prévision est alors la moyenne des 3 ou 4 dernières observations journalières, ceci après neutralisation des points aberrants et le calcul des coefficients de variations.

La simplicité des calculs et leur réalisation en un minimum de temps étaient les éléments les plus recherchés par les entreprises.

Par ailleurs la fiabilité des prévisions était en jeu, il a fallu alors rechercher des méthodes et des solutions pour respecter les engagements en terme de fiabilité.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le don sans la technique n'est qu'une maladie"