170 likes | 430 Views
Cas concret: exemple d'un grand producteur de boissons non alcoolises . . Le contexte:. 2006 et 2007: problme de stocks pour des ts plus froids que la moyenne . ? ce client se tourne vers METNEXT pour mieux prendre en compte la mto dans son process de planification de la production: amlioration du taux de service, meilleure gestion du stock, moins de rupture..
E N D
3. Les données du problème :
Une centaine de Forecast Units (FU=ensemble de références) sont susceptibles d’être météo-sensibles,
Mise à disposition d’un historique de 3 ans de données hebdomadaires.
Leur outil de prévision: SAP-APO/DP.
1. Comprendre comment la météo influence l’activité de l’entreprise
Quels sont les FUs météo-sensibles? (« modélisation »)
Comment sont ils météo-sensibles ? (« quantification »)
Le modèle trouvé est il fiable ? (« évaluation »)
2. Intégrer l’impact météo dans SAP-APO/DP
Pour du « court » terme: 3-4 prochaines semaines
Pour du moyen terme : les 3 prochains mois
4. Cas concret: étape 1 - comprendre Cette étape consiste à :
Modéliser les données d’expéditions des FUs à l’aide d’un modèle statistique avancé, non linéaire, multivarié sur une partie de l’historique
Modélisation statistique
Évaluer la qualité du modèle statistique trouvé (est-il satisfaisant? est-il robuste?), sur l’autre partie de l’historique
Hiérarchiser les variables explicatives influentes
Quantifier l’impact de chaque variable explicative (y compris météorologique) sur les variations des expéditions
5. Principe de la modélisation statistique (1)
8. Cas concret: étape 1 - comprendre Cette étape consiste à :
Modéliser les expéditions des FUs à l’aide d’un modèle statistique avancé, non linéaire, multivarié sur une partie de l’historique,
Hiérarchiser les variables explicatives influentes
Choix des variables explicatives
Évaluer la qualité du modèle statistique trouvé (est-il satisfaisant? est-il robuste?), sur l’autre partie de l’historique,
Quantifier l’impact de chaque variable explicative (y compris météorologique) sur les variations des expéditions
10. Cas concret: étape 1 - comprendre Cette étape consiste à :
Modéliser les expéditions des FUs à l’aide d’un modèle statistique avancé, non linéaire, multivarié sur une partie de l’historique
Hiérarchiser les variables explicatives influentes
Évaluer la qualité du modèle statistique trouvé (est-il satisfaisant? est-il robuste?), sur l’autre partie de l’historique
Évaluation du modèle statistique
Quantifier l’impact de chaque variable explicative (y compris météorologique) sur les variations des expéditions
12. Cas concret: étape 1 - comprendre Cette étape consiste à :
Modéliser les expéditions des FUs à l’aide d’un modèle statistique avancé, non linéaire, multivarié sur une partie de l’historique,
Évaluer la qualité du modèle statistique trouvé (est-il satisfaisant? est-il robuste?), sur l’autre partie de l’historique,
Hiérarchiser les variables explicatives influentes
Quantifier l’impact de chaque variable explicative (y compris météorologique) sur les variations des expéditions
Quantification de l’impact