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

II. L'élaboration d'une méthodologie de prévision et sa mise en place dans l'esprit des entreprises

Durant ce chapitre nous allons évaluer différentes méthodes de prévision, par la suite nous allons définir des fenêtres d'application pour enfin choisir une méthode de prévision appropriée aux besoins des chargeurs et des transporteurs.

Il s'agit dans un premier temps de modéliser la demande de transport à travers l'analyse des informations historiques afin de construire un certain nombre de séries chronologiques représentatives nous permettant d'estimer les coefficients de variations par rapport aux événements singuliers ainsi que les tendances.

Dans un deuxième temps, nous avons sélectionné plusieurs méthodes de prévisions basées sur des données historiques (lissage exponentiel, moyenne mobile.) pour étudier ensuite leurs applications dans le projet de la prévision de transport.

La méthode de prévision choisie a été implantée par la suite sur un outil informatique (sous Excel) que nous avons conçu. Les différentes méthodes de prévision ont alors été testées dans l'ensemble des entreprises participantes et les résultats obtenues ont été étudiés par la suite.

2.1) Les études statistiques préalables à l'application d'un modèle de prévision

Après l'identification des clients qui forment 80% du volume annuel transporté et après une analyse fine des moyennes et des écartypes, nous avons sélectionné pour chacune des entreprises les destinations pertinentes ( points de masse, plateformes de distributions, industriels et grossistes ) qui ont fait l'objet de calcul des prévisions.

Des séries chronologiques qui remontent à une année d'historique sont alors élaborées.

A travers, l'étude statistique de ces séries nous allons définir la méthode de prévision appropriée. Ceci ferra l'objet de cette première section.

a) L'analyse des informations historiques des expéditions

L'étude des phénomènes économiques a distingué divers types d'évolution, qui peuvent éventuellement se combiner :

La tendance : correspond à une variation lente s'effectuant dans un sens déterminé qui se maintient pendant une longue durée.

La composante saisonnière : correspond à des variations s'effectuant régulièrement au cours de la semaine, du mois, du trimestre, ... peuvent être considérés comme événements saisonniers, les vacances scolaires, les jours fériés fixes dans l'année (le jour de Noël, le premier Mai...)...

Les variations liés aux évènements singuliers : correspond à des variations qui ne présentent pas un caractère régulier, ça pourra être une promotion, un jour férié non fixe dans l'année (Lundi de pacques, assomption...) ou bien des événements exceptionnels (une grève, un changement météorologique...

La prévision se compose alors d'un volume normal, d'un volume lié aux événements saisonniers, d'un volume lié aux événements exceptionnels et un volume qui exprime la tendance.

Avant d'entamer l'analyse des séries chronologiques, chacune des entreprises doit mener une réflexion objective. Cette réflexion doit se baser sur les connaissances des différents agents de l'entreprise, plus particulièrement le service commercial pour identifier l'ensemble des variables endogènes et exogènes affectant directement la demande de l'entreprise en transport.

Un questionnaire a été élaboré pour cet effet et les réponses ont permis de lister les variables suivantes :

Les variables saisonnières :

§ La saisonnalité de la demande

§ Les jours fériés stables

§ Les variations climatiques

§ Les vacances scolaires

§ Quelques promotions

Les variables événementielles :

§ Les promotions en générale

§ Les jours fériés non stables

§ La croissance interne de l'entreprise

§ Les variations climatiques exceptionnelles

§ Référencement ou deréférencement

A partir de la liste des événements, une première étape d'identification des observations anormales19(*), dans les séries chronologiques, à été réalisée afin de les corriger et de neutraliser leurs effets. Ensuite, un taux de variation lié à chacun de ces événements pourra être calculé. Il sera utile par la suite pour la correction de la prévision.

Il faut signaler que certaines observations anormales, tel que les promotions, peuvent être programmées aux mêmes dates, d'une année à l'autre. Il est évident que, dans ce cas de figure, l'impact des promotions va être implicitement intégré dans la saisonnalité.

Par ailleurs, Il existe plusieurs méthodes qui servent à identifier les observations anormales. Parmi ces méthodes, on trouve la méthode de l'intervalle de confiance, le test de moyenne et la détection par régression. Toutefois, aucune de ces méthodes ne donne entière satisfaction et restent lourdes à mettre en oeuvre, nécessitant ainsi, des connaissances confirmées en statistiques.

Quant à la correction des valeurs anormales identifiées, elle nécessite le remplacement de celles-ci par d'autres valeurs. Ils existent également plusieurs méthodes permettant de déterminer ces nouvelles valeurs. Parmi ces méthodes, on trouve l'intervalle de confiance, la valeur estimée par prévision (en appliquant un modèle de prévision sur la série) ou bien l'intervention humaine.

Dans notre cas, c'est la compétence du gestionnaire dans le domaine qui nous a permis d'identifier les valeurs anormales appelées aussi les points aberrants ainsi que leurs valeurs de remplacement. En effet, le gestionnaire est le mieux placé, par sa connaissance de cause, pour connaître la part d'anormalité qui existe dans une observation.

Une autre méthode a été utilisée par les entreprises pour le remplacement des points aberrants et le calcul des coefficients de variation correspondants. Cette méthode consiste à calculer la moyenne des valeurs, avant et après l'événement. La valeur anormal sera alors remplacée par cette moyenne.

Exemple d'une série chronologique d'un client de l'entreprise Bretagne-lapins :

Semaine

Poids total Logidis

Poids corrigé

Impact promo

1

2164

2164

 

2

2246

2246

 

3

4634

2069

45%

2069 = (2246 +1892)/2

1892

 

 

 
 

5

1702

1702

 

6

1472

1472

 

7

2030

2030

 

8

2033

2033

 

9

3467

1975,5

57%

10

1918

1918

 

11

3744

1853,5

50%

12

1789

1789

 

13

1631

1631

 

14

1988

1988

 

15

2000

2000

 

16

1860

1860

 

Taux de variation lié aux promotions

50%

Le tableau ci-dessus représente le poids expédié chaque semaine vers une plateforme GMS Logidis.

L'observation de cette série nous a permis d'identifier des valeurs anormales (points aberrants), qu'il a fallu alors expliquer puis corriger.

Après une requête auprès du service commercial de l'entreprise, il s'avère que ces valeurs sont liées à des événements promotionnels. Nous nous sommes alors basé sur la moyenne des valeurs, avant et après les promotions, pour le calcul des valeurs corrigées. Ceci nous a permis d'estimer le coefficient de variation d'une promotion chez Logidis. Ce coefficient pourra être utilisé par la suite pour corriger la prévision d'une journée de promotion.

Après la correction des séries chronologiques des événements ne présentant pas un caractère saisonnier, nous obtenons une série qui ne tient en compte que des variations saisonnières et de la tendance.

Le calcul des coefficients saisonniers ainsi que l'estimation de la tendance sont alors possibles.

* 19 Les observations jugées anormales sont celles qui ne présentent pas un caractère saisonnier

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








"En amour, en art, en politique, il faut nous arranger pour que notre légèreté pèse lourd dans la balance."   Sacha Guitry