Académique Documents
Professionnel Documents
Culture Documents
maritime
Cas STAM
10 juin
2019
(version
0.0)
Introduction ................................................................................................................................. 1
Chapitre 1 : Présentation de la STAM agence de Sousse ......................................................... 2
Introduction .............................................................................................................................. 2
1.1. Présentation générale ................................................................................................. 2
1.1.1. Organigramme .................................................................................................... 3
1.1.2. Activité de la STAM........................................................................................ 4
1.1.3. Description des différents services de la société ........................................ 4
1.2. Agence STAM de Sousse .......................................................................................... 6
1.2.1. Définition ........................................................................................................... 6
1.2.2. Les missions de l’agence STAM Sousse ..................................................... 7
1.3. Présentation du port de Sousse ................................................................................. 7
1.3.1. Aperçu générale sur le port ........................................................................... 8
1.3.2. Infrastructure du port ....................................................................................... 8
1.3.3. Superstructure du port ..................................................................................... 9
1.4. Conclusion .................................................................................................................12
Chapitre 2 : Les séries Chronologiques : Aperçu générale et étude analytique ...................13
Introduction .............................................................................................................................13
2.1 Définition d’une série chronologique.........................................................................13
2.2 Classification des séries chronologiques .......................................................................14
2.2.1. Domaines d’application ........................................................................................14
2.2.2 Séries stationnaires, séries non stationnaires, séries avec tendances et facteurs
saisonniers ..........................................................................................................................15
2.3 Les modèles d’une série chronologique .....................................................................16
2.3.1 Schéma (ou modèle) additif ...................................................................................16
2.3.2 Schéma (ou modèle) multiplicatif ..........................................................................17
2.3.3 Schéma (ou modèle) mixte ......................................................................................18
2.4 Les composantes d’une série chronologique ..................................................................18
2.4.1 La tendance Tt ou trend...........................................................................................19
2.4.2 Composantes saisonnières .......................................................................................19
2.4.3 Variation accidentelle ou résiduelle .........................................................................21
Chapitre 3 : La prévision : fondement et technique .................................................................22
Introduction .............................................................................................................................22
3.1 Définition et fondement de la prévision ....................................................................22
3.1.1 Définition ..............................................................................................................22
3.1.2 Fondement ..............................................................................................................22
3.2 Utilité et conséquences de la prévision ......................................................................23
3.2.1 Utilité .....................................................................................................................23
3.2.2 Ses conséquences ....................................................................................................23
3.2.3 Les méthodes des prévisions ...................................................................................23
3.3 Prévision par les trois méthodes ................................................................................25
3.3.1 Méthode des moyennes mobile centrées(MMC) ....................................................25
Définition 3.3.1...............................................................................................................25
Définition 3.3.2 ..................................................................................................................25
3.3.2 Méthode des lisages exponentiels ........................................................................27
3.3.3 Méthode de moindre carré ordinaire ..................................................................28
3.3.4 Choix de la meilleure technique de prévision ..........................................................32
Chapitre 4 : Etude de cas : cas de STAM ................................................................................33
4.1 Etude d’un exemple ...........................................................................................................33
4.2 La prévision........................................................................................................................33
Conclusion générale ....................................................................................................................65
Bibliographique ............................................................................................................................66
ANNEXES ...................................................................................................................................67
TABLE DES FIGURES
Figure 1. 1 : Organigramme de la STAM .......................................................................................... 3
Figure 1. 2 : Port de Sousse ............................................................................................................ 8
Figure 1. 3 : les intervenants portuaires ..........................................................................................10
Figure 2. 1 : exemple d’une série additif ........................................................................................16
Figure 2. 2 : exemple d’une série multiplicative .............................................................................17
Figure 2. 3 : tendance ....................................................................................................................19
Figure 2. 4 : Saisonnalité ...............................................................................................................20
Figure 3. 1.....................................................................................................................................29
Figure 3. 2.....................................................................................................................................30
FIGURE 4. 1 : Représentation graphique du nombre des navires entre 2014 et 2018 .....................34
FIGURE 4. 2 : Représentation graphique de durée séjour des navires entre 2014 et 2018 ..............34
FIGURE 4. 3 : Représentation graphique de tonnages entre 2014 et 2018 .....................................35
FIGURE 4. 4 : Représentation graphique des nombres des conteneurs entre 2014 et 2018 .............35
FIGURE 4. 5 : Représentation graphique des nombres des équipes entre 2014 et 2018..................36
FIGURE 4. 6 : Représentation graphique des rendements commercial/h entre 2014 et 2018 ..........36
FIGURE 4. 7 : Représentation graphique des rendements des équipe/h entre 2014 et 2018 ............37
FIGURE 4. 8 : Représentation graphique des chiffres d’affaire entre 2014 et 2018 ........................37
FIGURE 4. 9 : Représentation graphique de durée séjour des marchandises divers entre 2014 et
2018 ..............................................................................................................................................38
FIGURE 4. 10 : Représentation graphique de durée séjour des conteneurs plein entre 2014 et 2018
.....................................................................................................................................................38
FIGURE 4. 11 : projection d’une courbe par moyennes mobiles centrées et prévue de nombres des
navires d’ordre p=3 .......................................................................................................................40
FIGURE 4. 12 : projection d’une courbe par moyennes mobiles centrées et prévue de nombres des
navires d’ordre p=4 .......................................................................................................................40
FIGURE 4. 13 : projection d’une courbe par moyennes mobiles centrées et prévue de durée séjour
des navires d’ordre p=3 .................................................................................................................41
FIGURE 4. 14 : projection d’une courbe par moyennes mobiles centrées et prévue de durée séjour
des navires d’ordre p=4 .................................................................................................................41
FIGURE 4. 15 : projection d’une courbe par moyennes mobiles centrées et prévue les tonnages
d’ordre p=3 ...................................................................................................................................42
FIGURE 4. 16 : projection d’une courbe par moyennes mobiles centrées et prévue les tonnages
d’ordre p=4 ...................................................................................................................................42
FIGURE 4. 17 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres des
conteneurs d’ordre p=3 .................................................................................................................43
FIGURE 4. 18 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres des
conteneurs d’ordre p=4 .................................................................................................................43
FIGURE 4. 19 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres des
équipes d’ordre p=3 : ....................................................................................................................44
FIGURE 4. 20 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres des
équipes d’ordre p=4 : ....................................................................................................................44
FIGURE 4. 21 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres du
rendement commercial d’ordre p=3 : .............................................................................................45
FIGURE 4. 22 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres du
rendement commercial d’ordre p=4 : .............................................................................................45
FIGURE 4. 23 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres du
rendement des équipes d’ordre p=3 : .............................................................................................46
FIGURE 4. 24 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres du
rendement des équipes d’ordre p=4 : .............................................................................................46
FIGURE 4. 25 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres du
chiffre d’affaire d’ordre p=3 :........................................................................................................47
FIGURE 4. 26 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres du
chiffre d’affaire d’ordre p=4:.........................................................................................................47
FIGURE 4. 27 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres du
durée séjours marchandise divers d’ordre p=3: ..............................................................................48
FIGURE 4. 28 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres du
durée séjours marchandise divers d’ordre p=4: ..............................................................................48
FIGURE 4. 29 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres de
la durée séjours conteneur plein d’ordre p=3 : ...............................................................................49
FIGURE 4. 30 : projection d’une courbe par moyennes mobiles centrées et prévue des nombres de
laduréeséjoursconteneur pleind’ordre p=4 : ...................................................................................49
FIGURE 4. 31 : projection d’une courbe par lissage exponentiel simple et prévue des nombres de
navires : ........................................................................................................................................50
FIGURE 4. 32 : projection d’une courbe par lissage exponentiel simple et prévue des nombres de
durée de séjour navire : .................................................................................................................51
FIGURE 4. 33 : projection d’une courbe par lissage exponentiel simple et prévue des nombres de
tonnage : .......................................................................................................................................51
FIGURE 4. 34 : projection d’une courbe par lissage exponentiel simple et prévue des nombres des
conteneurs: ....................................................................................................................................52
FIGURE 4. 35 : projection d’une courbe par lissage exponentiel simple et prévue des nombres des
équipes :........................................................................................................................................52
FIGURE 4. 36 : projection d’une courbe par lissage exponentiel simple et prévue des nombres des
rendements commerciaux: .............................................................................................................53
FIGURE 4. 37 : projection d’une courbe par lissage exponentiel simple et prévue des nombres des
rendements des équipes : ...............................................................................................................53
FIGURE 4. 38 : projection d’une courbe par lissage exponentiel simple et prévue des nombres de
chiffre d’affaire : ...........................................................................................................................54
FIGURE 4. 39 : projection d’une courbe par lissage exponentiel simple et prévue des nombres
dedurée séjour marchandise Divers : .............................................................................................54
FIGURE 4. 40 : projection d’une courbe par lissage exponentiel simple et prévue des nombres de
durée séjour conteneur Plein : .......................................................................................................55
FIGURE 4. 41 : représentation graphique de la prévision des nombres des navires avec la méthode
des moindre carrée ordinaire durant 5 ans......................................................................................56
FIGURE 4. 42 : représentation graphique de la prévision des nombres des durée séjour navire avec
la méthode des moindre carrée ordinaire durant 5 ans. ...................................................................57
FIGURE 4. 43 : représentation graphique de la prévision des nombres de tonnage avec la méthode
des moindre carrée ordinaire durant 5 ans......................................................................................57
FIGURE 4. 44 : représentation graphique de la prévision des nombres de conteneurs avec la
méthode des moindre carrée ordinaire durant 5 ans. ......................................................................58
FIGURE 4. 45 : représentation graphique de la prévision des nombres des équipes avec la méthode
des moindre carrée ordinaire durant 5 ans......................................................................................58
FIGURE 4. 46 : représentation graphique de la prévision des nombres de rendements commercial
avec la méthode des moindre carrée ordinaire durant 5 ans. ...........................................................59
FIGURE 4. 47 : représentation graphique de la prévision des nombres de rendements des équipes
avec la méthode des moindre carrée ordinaire durant 5 ans. ...........................................................59
FIGURE 4. 48 : représentation graphique de la prévision des nombres de chiffre d’affaire avec la
méthode des moindre carrée ordinaire durant 5 ans. ......................................................................60
FIGURE 4. 49 : représentation graphique de la prévision des nombres de durée séjour
marchandises divers avec la méthode des moindre carrée ordinaire durant 5 ans. ..........................60
FIGURE 4. 50 : représentation graphique de la prévision des nombres de durée séjour conteneur
plein avec la méthode des moindre carrée ordinaire durant 5 ans. ..................................................61
FIGURE 4. 51 : la représentation graphique de la prévision du nombre de navire ..........................62
FIGURE 4. 52 : la représentation graphique de la prévision du durée séjours de navire. ................62
FIGURE 4. 53 : la représentation graphique de la prévision du rendement commercial .................63
FIGURE 4. 54 : la représentation graphique de la prévision du rendement des équipes ..................63
FIGURE 4. 55 : la représentation graphique de la prévision du durée séjour marchandise divers ...64
FIGURE 4. 56 : la représentation graphique de la prévision de durée séjour conteneur plein .........64
LISTE DES TABLEAUX
Tableau 1. 1 ................................................................................................................................... 6
Tableau 1. 2 : les postes à quai du port de Sousse ........................................................................... 9
Tableau 1. 3 : les magazines dans le port de Sousse ........................................................................ 9
Tableau 3. 1 ..................................................................................................................................29
Tableau 3. 2 ..................................................................................................................................32
Tableau 4. 1 ..................................................................................................................................61
Introduction
1
Chapitre 1 : Présentation de la STAM agence
de Sousse
Introduction
Le port de Sousse est situé sur la côte orientale de la Tunisie dans le golf de Hammamet au cœur de
la ville de Sousse. Le port est bordé par la plage de boujaafer au nord, des zones d’habitat de moyenne
à forte densité puis la médina à l’ouest et le prolongement de la zone urbaine centrale et des zones
d’industries diverses au sud. Le premier noyau du port de Sousse date de fin du 19 siècle (1890).
Après la deuxième guerre mondiale.
Le port de Sousse est un port des marchandises divers qui accueille des types des navires (Car-ferry,
Conventionnel, Ro-Ro, Varc solides, Pétrolier, varc liquide, Gazier, autre...) Conformément à
l’évolution qualitative du transport maritime international et du programme de mise à niveau des
ports maritime Tunisiens ainsi que le port de Sousse, il a été procède a l’intégration de la main
d’ouvre dockers dans le statut de la STAM, qui exerce la profession d’entrepreneur de Manutention
dans tous les ports de commerce tunisienne. Dans ce chapitre j’ai présente cette société ainsi que ses
différents services et section de travail.
La STAM opère dans tous les ports maritimes de commerce en Tunisie à travers son réseau d’agences
(Bizerte, rades, Sousse, Sfax, gabes, zanzis, Goulette).
2
STAM exerce la fonction d’entrepreneur de manutention et en qualité de concessionnaire et
gestionnaire du terminal a conteneurs au port de Rades et assure la totalité de l’activité d’aconage
et de manutention au port de la Goulette. Dans les ports de Bizerte, Sousse, Sfax, Gabes et Zaris
elle opéré aux cotés des groupements d’entrepreneurs privés de manutention. STAM assure la
manipulation de 69du tonnage global de marchandises transitant par les ports de commerce
maritime en Tunisie, elle met la disposition de ses clients des moyens humains comptants, des
équipements modernes de manutentions et des procédures opérationnelles faibles pour parvenir à
un haut niveau de productivité et de compétitivité.
STAM modernes s’investie pour offrir des services de qualité et pour renforcer la confiance avec
ses clients. Cette célérité d’exécution et cette qualité de travail rendent la STAM plus soucieuse
des intérêts de ses clients lesquels elle partage le même souci de performance.
Afin de sauvegarder son haut niveau de performance, la STAM veille toujours à renforcer ses
structures, ses moyens, la consolidation de ressource humain et sa politique d’analyse,
d’amélioration des procédures et de modernisation des méthodes de travail et des technique de
traitements des opérations en recourant aux technologie de l’information et de la communication
(Tic).
1.1.1. Organigramme
3
1.1.2. Activité de la STAM
4
En effet, la concession est fondée sur la recherche du meilleur partenaire de longue durée qui apporte
tout son savoir-faire et sa capacité de gestion afin de faire fonctionner un service ou un équipement
public.
Le recouvrement consiste à traiter les dossiers de recouvrement afin de prendre une entente
de paiement avec le client d’assurer le suivi de ces dossiers.
Service administratif :
Le service administratif est chargé de la gestion de ressource humaine sociale et personnelle.
5
Diffuser l’information relative aux procédures de gestion (recrutement, concours,
mobilité, formation...).
Section social : c’est la partie responsable de la gestion de l’assurance groupe qui rembourse une
partie du montant payé lors d’une consultation médical ou l’achat des médicaments à condition que
ce montant ne dépasse pas le montant du plafond fixe, parmi les taches de cette section : la saisie de
fiches adhérents des bulletins de soins, le suivi de remboursement des frais de soin.
1.2. Agence STAM de Sousse
1.2.1. Définition
Au port commercial de Sousse, la STAM exerce la profession d’entrepreneur de manutention dans
cadre concurrentiel avec un groupement d’acconier privé. Le port de Sousse est spécialisé de
traitement de marchandise dans le traitement de marchandises divers, vrac solide liquide, face à la
concurrence, la STAM a renforcé son assise en traitant un volume important de marchandises
transitant par le port de Sousse grâce à la réalisation de son plan d’investissement en équipement de
manutention et en fournissant des service de qualité tout en veillant à être toujours à l’écoute de ses
clients.
La STAM dispose les équipements matériels suivants :
Tableau 1. 1
6
1.2.2. Les missions de l’agence STAM Sousse
Elle veille à leur sécurité pendant toute la durée du séjour de la cargaison au port.
Selon l’article 6 du code des ports tunisiens (loi n 2009-48 du 8 juillet 2009, portant la promulgation
du code les ports maritimes (4)) ; le port maritime est défini comme étant tout lieu aménagé pour
l’abri, l’admission et l’accostage des navires y compris les espaces maritimes et terrestres faisant
partie du domaine public des ports.
Devant cette réalité, et tout au long de notre présente section, nous mettons l’accent sur l’un des
principaux ports tunisiens qui est le port de Sousse, en essayant dans une première étape de présenter la
situation actuelle de ce dernier et de présenter leurs intervenants.
7
Figure 1. 2 : Port de Sousse
35◦ 49’ Nord et une longitude de 10◦ 39’Est, et il s’étend sur 40 Ha. Ce port est géré par l’office de
la marine marchande et des ports, il traite essentiellement les marchandises diverses.
Le port de Sousse comporte quatre bassins : un bassin de pèche, un bassin de voilier et deux bassins
de commerce. Dans ce qui suit nous nous intéressons essentiellement sur les deux bassins de
commerce l’un se trouve au partie nord et l’autre au sud.
On ce qui concerne les ouvrages d’accostage, le port de Sousse est doté de 7 postes a quai présentés
comme suit :
8
Numéro du Situation orientation Longueur (en Tirant
poste mètre) d’eau(en
mètre)
1 Nord-ouest Nord-Sud 125 8.5
2-3-4 Nord Est-ouest 307 8.5
5 Nord Nord- 175 8.5
ouest/Sud-ouest
6-chargement Sud Nord- 170 8.2
de sel ouest/Sud-est
7 Sud ------------ 220 avec retour 8.2
de quai de 30m
En contre partie, nous trouvons les ouvrages de protection comme les deux épis de protection nord
et sud laissant entre elles une passe d’accès au port de 65m et une jetée nord de 510m de long.
Cette superstructure se présente par les constructions telles que les hangars et les magazines, et les
équipements portuaires.
9
Figure 1. 3 : les intervenants portuaires
10
➥ Le consignataire de navire : les compagnies maritimes ne sont pas présentées par des agents
maritimes dans tous les ports ou leurs navires font escale. Elles ont recours à un consignataire .Il
s’agit un agent chargé de présenter un ou plusieurs armatrices dans un ou plusieurs ports. C’est un
mandataire de l’armateur auprès des autorités portuaires qui prend des mesures d’ordre commercial,
technique et administratif, nécessaire à la bonne exploitation du navire en escale. Il accorde une
assistance technique et logistique aux armateurs qui ne disposent pas de succursales dans les ports
desservis. Il s’occupe aussi de la réception, de gardiennage de la marchandise et de sa livraison à son
destinataire. Le consignataire se charge aussi de la rechercher du fret pour remplir le navire en faisant
des contacts avec les industriels locaux et les transitaires. Il émet, renseignements indiqués dans le
connaissement.
Les opérateurs du port :
➥ L’autorité portuaire : C’est un acteur public chargé du fonctionnement, de l’entretien et du
développement des installations portuaire ainsi que des attributions de l’administration maritime.
➥ L’autorité maritime : Elle est supervisée par un directeur central charge du suivi des activités de
la marine marchande et veille à l’harmonisation des taches relatives, l’unification des méthodes
et procédures de travail, et la réalisation de la notion de complémentarité entre elles, ces attributions
se présentent comme suit :
➢ Gens de mer
➢ Gestion administrative de la carrière des marins et suivis de l’application de législation qui
larégit.
➢ Navigation maritime.
La douane :
Inspecte et contrôle les marchandises chargées et déchargées, les moyens de transport et les gens,
elle procède au jaugeage, à la francisation des navires et à l’enregistrement des hypothèques sur les
navires, elle perçoit les droits de port pour le compte de l’établissement portuaire et assure la
surveillance des zones portuaires et de navires.
L’acconier :
C’est un entrepreneur de manutention dans le port qui assure la garde. L’entreposage et la délivrance
des marchandises. Les opérations de manutention seront effectuées par différents types
d’équipements mécaniques et requirent plusieurs règles de sécurité. La technique et les engins
utilisent dépendant de la caractéristique physique des marchandises à charger ou décharger, des
exigences de conditionnement et caractéristique technique du navire à traiter.
Les armateurs :
11
Ce sont les opérations qui mettent les amarres d’un navire sur des bollards et inversement.
1.4. Conclusion
Dans ce chapitre nous sommes intéressées à la présentation du cadre général du stage réalisé dans
la société STAM. Nous avons présenté les principales activités de la STAM et les différents services
dont elle dispose afin de répondre aux exigences de ses clients. Dans une deuxième étape nous avons
mis l’accent sur le port de Sousse en présentant sa situation actuelle en termes d’infrastructure,
superstructure et leurs intervenants.
12
Chapitre 2 : Les séries Chronologiques :
Aperçu générale et étude analytique
Introduction
Ce chapitre a pour objectif de commencer à se familiariser avec les principaux aspects des séries
chronologiques. On y donne la définition des séries chronologiques des éléments de
classification des séries chronologiques selon plusieurs critères, des Exemple pratiques,
quelques notions utiles (la tendance, Variations saisonnières, Variations accidentelles). Ainsi que
les raisons qui motivent l’étude des séries chronologiques. Ces notions sont reprises en détail
dans le chapitre suivant.
Un processus aléatoire X indexé par un ensemble T (a priori quelconque) est une famille
Xt , où t ∈ T , de vecteurs aléatoires à valeurs dans l’espace d’états E = ℝ𝐾 ou E = ℂ𝐾 .
Si k = 1, le processus est dit unidimensionnel (ou uni varié).
Un processus aléatoire uni varié Xt indexé par T est du second ordre
si X ∈ L2(Ω, P) pour tout t ∈ T (les moyennes E(Xt )
et les covariances E(Xt Xs) − E(Xt )E(Xs) existent et sont finies
pour tout couple (t , s) de valeurs de T ).
Si de plus T = ou T = ℕ, X est une série chronologique (ou temporelle) uni variée, car les
éléments de T correspondent implicitement à des instants. Cette définition permet de couvrir le
cas des séries non régulièrement espacées dans le temps.
La définition des séries chronologiques multidimensionnelles ou multi variées se déduit
facilement ; Ces séries ne sont considérées dans la suite que de façon exceptionnelle.
13
Dans la pratique, une réalisation sur une durée finie d’un tel processus est également appelée série
chronologique par abus de langage, cette réalisation correspond à l’observation à des instants discrets
d’une quantité variable, réelle ou complexe. Si le processus sous-jacent est ergodique (voir en
particulier les processus ARMA), on peut déduire ses caractéristiques de l’observation d’une
réalisation.
On peut classifier les séries chronologiques selon des critères variés : domaines d’application, séries
réelles / complexes, séries stationnaires ou non stationnaires (avec tendances, avec facteurs
saisonniers, processus intégrés), séries représentées de façon temporelle ou spectrale.
On trouve des exemples de séries chronologiques uni variées dans de très nombreux domaines. La
liste suivante n’est qu’un échantillon :
— finance et économétrie : évolution des indices boursiers, des prix, des données économiques des
entreprises, des ventes et achats de biens, des productions agricoles ou industrielles,
— assurance : analyse des sinistres,
— médecine, biologie : suivi des évolutions des pathologies, analyse d’électro-encéphalogrammes
et d’électrocardiogrammes,
— sciences de la Terre et de l’Espace : indices de marées, variations des phénomènes physiques
(Météorologie), évolution des taches solaires, phénomènes d’avalanches,
— traitement du signal : signaux de communications, de radars, de sonars, analyse de la parole,
— traitement des données : mesures successives de position ou de direction d’un objet mobile
(Trajectographie),
— métrologie : variation de phase ou de fréquence des oscillateurs (voir par exemple [16] où l’on
voit que dans un laser, un bruit stationnaire de position sur un miroir conduit à un bruit de phase
stationnaire sur l’onde produite, alors qu’un bruit stationnaire sur la longueur de la cavité laser
se traduit par un bruit stationnaire sur la fréquence de l’onde, c’est-à-dire une marche au hasard
sur sa phase), dérive et bruit des capteurs inertiels.
14
2.2.2 Séries stationnaires, séries non stationnaires, séries avec tendances et facteurs
saisonniers
Ces définitions sont données dans un premier temps pour des processus réels (à valeurs dans R).
Fonction de covariance d’un processus aléatoire :
Cov (t , s) = Cov(Xt , Xs ) = E ([Xt − E(Xt )][Xt − E(Xt )]) .
Rappels sur la stationnarité d’un processus aléatoire :
1. stationnarité au sens large ("weak stationarity") :
avec
γ (0) = VX
γ (−τ ) = γ (τ ) et ρ (−τ ) = ρ (τ ).
Pour les processus à valeurs dans C, on a
∗
γ (τ ) = Cov (Xt , 𝑋𝑡+τ ) (2.3)
15
2.3 Les modèles d’une série chronologique
Un modèle de série chronologique est une équation précisant la façon dont les composantes
s’articulent les unes par rapport aux autres pour constituer la série chronologique. Il existe de très
nombreux modèles, et parmi eux deux modèles classiques simples : le modèle additif et le modèle
multiplicatif, auxquels nous nous limiterons.
Xt = Tt + St + Et , avec Tt = at + b et Et = 0
Pour bien séparer la tendance de la composante saisonnière, et pour des raisons d’unicité dans la
décomposition proposée, on impose que la somme des facteurs saisonniers soit nulle.
On remarque que les deux courbes C1 et C2 sont parallèles et gardent la même amplitude le
long du temps ce qui nous permettons de dire que le modèle est additif.
16
2.3.2 Schéma (ou modèle) multiplicatif
Xt = ∏ Tt St Et
On remarque que les deux courbes C1 et C2 ne sont pas parallèles donc leurs amplitude varie au
cours du temps ce qui nous permettent de dire que le modèle est multiplicatif.
Ainsi, deux cas de modèles qui peuvent se figurer :
Si les variations saisonnières et les variations aléatoires ont un effet multiplicatif sur les observations
alors ce modelé multiplicatif est de la forme :
𝑋𝑡 = 𝐶𝑡 (1 + 𝑆𝑡 )(1 + 𝑈𝑡 )
17
On peut transformer ce modèle multiplicatif en un modèle additif en appliquant la
fonction logarithme et son étude se ramène à celle d’un modèle additif.
𝑋𝑇 = 𝐶𝑡 (1 + 𝑆𝑡 ) + 𝑈𝑡
=𝐶𝑡 + 𝐶𝑡 𝑆𝑡 + 𝑈𝑡
La différence entre ce modèle et le modèle précèdent est que les variations saisonnières sont
proportionnelles à la tendance.
➢ La composante tendancielle
➢ La composante saisonnière
➢ La composante aléatoire.
18
2.4.1 La tendance Tt ou trend
Tt = at + b.
Celui d’une tendance non linéaire pourra être associé par exemple à une fonction
quadratique ou à une courbe exponentielle.
Figure 2. 3 : tendance
2.4.2 Composantes saisonnières
On appelle St les fluctuations périodiques régulières qui se superposent au trend. Leur période peut
être journalière (fréquentation d’un établissement), hebdomadaire, trimestrielle ou annuelle. Elles ont
de multiples causes : mode de vie, coutumes, cycle des saisons, réglementation....
19
Deux principes sont à la base de la notion (et donc du calcul) des variations saisonnières :
➢ la variation saisonnière se répète à l’identique à chaque période, appelée répétition à l’identique.
➢ L’influence des variations saisonnières est neutre appelé conservation des aires.
Figure 2. 4 : Saisonnalité
Le Cycle :
Le cycle sont similaires aux composantes saisonnières, à l’exception que l’amplitude et la longueur des
cycles (plus d’un an) peut varier dans le temps. Ces mouvements sont souvent associés aux cycles
économique (inflation, récession, chômage,etc...) et c’est pourquoi plus de 15 ou 20 ans de données
sont nécessaires à la détermination de la composante cyclique.
Le cycle sont similaires aux composantes saisonnières, à l’exception que l’amplitude et la longueur des
cycles (plus d’un an) peut varier dans le temps. Ces mouvements sont souvent associés aux cycles
économique (inflation, récession, chômage,etc...) et c’est pourquoi plus de 15 ou 20 ans de données
sont nécessaires à la détermination de la composante cyclique.
Aléatoire :
La composante aléatoire est une suite de petits mouvements qui ne suivent aucun patron reconnais-
sable. Ces aléas sont causés par des évènements imprévisibles ou qui ne se répètent pas dans le
temps tels que, par exemple, des guerres, des grèves, l’adoption de lois, etc...
20
2.4.3 Variation accidentelle ou résiduelle
On note par Et la variation accidentelle ou résiduelle. Ce sont des fluctuations aléatoires dues à un
grand nombre de petites causes. Elles représentent dans l’évolution du phénomène étudié la part dont
les composantes Tt et St ne peuvent pas expliquées.
C’est un effet qui se réalise d’une manière à la fois importante et non répétitive, cet effet peut
Résulte d’une action involontaire (crise économique, caractéristique naturelle,...) ou volontaire
(Promotion lancée par un magasin, intervention de l’état de marchée...).
21
Chapitre 3 : La prévision : fondement et
technique
Introduction
La prévision est souvent considérée comme l’aspect le plus problématique de la gestion, mais les
experts pensent qu’il est possible d’établir de bonnes prévisions (précises, fiables) grâce à des
méthodes appropriées, qu’il faut avoir confiance et ne pas avoir peur de les utiliser. La prévision
recouvre un ensemble de méthodes très diverses qui ont en commun de chercher à réduire l’incertitude
liée à la non connaissance du futur. Le but donc d’utiliser ces séries chronologiques, peut-être la
prévision du futur en se basant sur la connaissance du passé, il peut également être de comprendre le
mécanisme ou un processus qui crée une chaine pour faire un série lisse, précise et aussi régulier.
3.1.1 Définition
La prévision est une fonction qui permet d’estimer la demande future des biens et services offerts
par l’entreprise, cette fonction est établit soit mathématiquement (données historiques), soit
intuitivement (connaissance du marché), soit en combinant les deux méthodes. L’entreprise peut
attendre beaucoup de la prévision si elle est bien utilisée. Il faut, par ailleurs, éviter la vision passéiste
qu’entraîne le sentiment de croire que la firme subira inévitablement ce qu’elle prévoit. Bien au
contraire, la prévision est un outil d’aide à la décision : elle doit servir l’entreprise à agir sur son
futur et non à le subir.
3.1.2 Fondement
La prévision est basée sur plusieurs fondements. D’une part, elle doit porter sur la demande
indépendante, soit celle qui se rapporte aux produits finis et aux pièces de rechange, et non sur la
demande dépendante, qui concerne les composants, les matières premières et les pièces, dont les
qualités requises pour l’avenir seront calculées lors de la planification des besoins matières.
D’autre part, il est préférable de faire des prévisions pour les familles de produits plutôt que pour
22
des produits individuels ; les prévisions offrent alors un meilleur degré de précision à cause des
phénomènes compensatoires de demande pour des produits semblables. Ensuite, il est recommandé
de faire des prévisions à court ou à moyen terme ; plus les prévisions concernent une période éloignée
dans le future, moins elles sont précises. En fin, les prévisions ne doivent pas être considérée comme
des valeurs qui se réaliseront avec exactitude dans l’avenir ; par leur nature, elles sont entachées d’erreur
et il faut les utiliser comme telles, en considérant la probabilité que la vraie valeur de la demande se
situe à l’intérieur d’un intervalle constitué de la valeur prévue, plus au moins une mesure standard
d’erreur.
3.2.1 Utilité
Les prévisions sont l’un des éléments de base à coordonner les différents départements de
société. Lorsque les départements utilisent la même prévision dans la planification de leur travail,
ils se préparent au même futur et de coordonner leurs efforts.
Pour de nombreuses sociétés, la prévision est une des parties principales de toutes les activités de
distribution et de production.
Une excellente prévision permet d’augmenter la qualité du planning de la demande et par conséquent
réduit l’incertitude externe. Le stock de sécurité et d’autres mécanismes de sécurité agissant comme
tampon face à cette incertitude peuvent être réduits ou les niveaux du service à la clientèle relevée si
la précision des prévisions augmente.
Alors que des prévisions imprécises empêchent de disposer du bon produit à temps et au bon endroit.
23
Les méthodes qualitatives
Les méthodes qualitatives utilisent des données subjectives. Le résultat dépend donc du juge-
ment, de l’expérience et de l’expertise de ceux qui formulent les prévisions.
Elles se basent principalement sur :
Les méthodes quantitatives sont basées sur des données historiques ou sur des associations
entre des variables de l’environnement comme par exemple (les ventes mensuelles réalisées au
cours de dernière années, les indices boursiers et économique et les achats de produits
complémentaires, etc...).
Deux grandes familles de méthodes quantitatives existent comme les méthodes de séries
chrono- logique (suite d’observation dans le temps prises à intervalles régulier) qui permettent
de prévoir la demande en fonction des données historique, et les méthodes causales (prévisions
associatives) qui permettent d’établir des relations de cause à effet entre certaines variables de
l’environnement et la demande.
24
L’avantage des méthodes quantitatives est la rapidité de traitement une fois le modèle développé.
Malheureusement, le recueil des données peut parfois impliquer des investissements
conséquents. Dans certain cas, ces données sont déjà présentes dans les systèmes d’information
de l’entreprise
(Exemple : ventes des mois passés) ou facilement accessibles (exemple : indices économiques)
et peuvent alors être plus facilement utiliser.
3.3 Prévision par les trois méthodes
3.3.1 Méthode des moyennes mobile centrées(MMC)
Définition 3.3.1.
La moyenne glissante, ou moyenne mobile, est un type de moyenne statistique utilisée pour
analyser des séries ordonnées de données, le plus souvent des séries temporelles, en supprimant
les fluctuations transitoires de façon à en souligner les tendances à plus long terme. Cette moyenne
est dite mobile parce qu’elle est recalculée de façon continue, en utilisant à chaque calcul un sous
ensemble d’éléments dans lequel un nouvel élément remplace le plus ancien ou s’ajoute au sous-
ensemble. Ce type de moyenne est utilisé généralement comme méthode de lissage de valeurs, en
particulier dans le domaine financier pour analyse technique de boursiers. Mathématiquement,
toute moyenne mobile est un exemple de convolution. Physiquement, une moyenne mobile est un
filtre passe-bas et possède ainsi un lien profond avec le traitement du signal.
Définition 3.3.2
(Moyenne mobile centrée d’ordre impaire). On appelle moyenne mobile centrée de longueur
impaire p = 2m + 1, m ∈ N∗ à l’instant t la valeur moyenne M p (t ) des observations
Xt , t = 1, 2, . . . donnée par
(3.1)
25
Estimation de la tendance par les moyennes mobiles
la tendance est estimée par une moyenne mobile symétrique sur une longueur p (structure
imposée) :
2. si la période est paire ( p = 2m), il faut légèrement modifier la formule pour respecter la
symétrie :
26
Choix pratique de l’ordre d’une moyenne mobile
Nous rappelons que le but d’un lissage par moyenne mobile est de faire apparaitre l’allure de la
tendance. Il s’agit donc de faire disparaitre la saisonnalité et de réduire au maximum le bruit blanc.
➥ On gomme d’autant plus le bruit que l’ordre de la moyenne mobile est grand.
➥ En revanche, on perd les caractéristiques de la tendance avec une moyenne mobile d’ordre trop
élevé (jusqu’à obtenir une tendance constante).
En pratique, on doit donc trouver le meilleur compromis pour le choix de l’ordre de lissage optimal.
La méthode de lissage par la Moyenne Mobile est une méthode non paramétrique qui permet de
reproduire le plus fidèlement possible la tendance, tout en éliminant le résidu. L’avantage de cette
méthode est qu’elle ne fait pas d’hypothèse sur la tendance, qui peut avoir une forme quelconque.
Ces méthodes sont fondées sur une hypothèse fondamentale : chaque observation à l’instant t
dépend des observations précédentes et d’une variation accidentelle, et cette dépendance est plus ou
moins stable dans le temps.
On considère x̂T (h) la prévision à la date T pour l’horizon h. La moyenne mobile récursive,
définie, pour 0 ≤ α ≤ 1, par :
(3.2)
(3.3)
L’analyse des données pour interpréter et prévoir les événements est commune aux entreprises, à
l’ingénierie, et les sciences physiques et sociales. Si telles données sont tracées, comme dans la
figure 3.1, elles constituent un diagramme de dispersion, qui peut donner un aperçu de la relation
sous-jacente entre les variables du système. La figure 3.1 pourrait représenter une relation entre les
dépenses publicitaires et les ventes dans un environnement professionnel, ou entre temps et vitesse en
physique, ou entre contrôle formel et dissuasion en sociologie.
Les données de la figure 3.1 semblent suivre une relation en ligne droite, mais avec distorsions
aléatoires mineures. Telles distorsions, appelées bruit, sont attendues lorsque les données sont
obtenus expérimentalement. Pour comprendre pourquoi, supposons que l’on vous demande de
conduire un vélo sur une ligne peinte au milieu d’un chemin rectiligne. Un pot de peinture avec un
mécanisme qui libère une goutte de peinture par intermittence est fixé au vélo pour vérifier votre
précision. Si vous conduisez parfaitement, les taches de peinture tomberont toutes sur le ligne que
vous devez suivre. Un trajet parfait, cependant, n’est pas probable. Vent, route les imperfections, la
fatigue et d’autres événements aléatoires déplacent légèrement le vélo loin de son chemin prévu.
Répétez cette expérience trois fois, et la peinture les points des trois trajets ressemblent aux points
de données de la figure 3.1.
28
Figure 3. 1
En général, nous avons un ensemble de points de données obtenus expérimentalement à partir d’un
processus d’intérêt, comme ceux de la figure 3.1, et nous voulons l’équation de la relation théorique
sous-jacente. Par exemple, nous avons les taches laissées par un vélo, et nous voulons l’équation du
chemin que le cavalier a suivi. Dans cette section, nous nous limitons aux relations qui apparaissent
linéaires.
y = mx + c (3.4)
où m et c sont des constantes, aura une valeur y sur la ligne pour chaque valeur de x.
Cette valeur y peut ne pas correspondre aux données à chaque valeur de x lorsque les données
existent (voir Figure 3.2). La différence entre la valeur y du point de données en x et la valeur définie
de y par l’équation (3.4) pour cette même valeur de x est appelée valeur résiduelle en x, que nous
désignons par e(x).
Table 3. 1
29
Figure 3. 2
Exemple 3.3.3:
On veut calculez les valeurs résiduelles entre les cinq points de données de la figure3.2). et leurs
points correspondants sur la ligne définie par
y = 2x + 1.5. (3.5)
Les points de données sont fournis à x = 0, x = 1, x = 2, x = 3 et x = 4.
En évaluant l’équation (3.5) à ces valeurs de x, on génère le tableau 5.1.
Les valeurs résiduelles sont
Définition 3.3.4. On se donne N points donnés (x1 , y1), (x2, y2 ), . . . , (xN , yN ) avec ces valeurs rési-
duelles e(x1 ), e(x2 ), . . . , e(xN ) entre ces points et une droite affine qui approche ces données.
On définit L’erreur des moindres carrés E comme la somme des carrés des résidus individuels. C’est à
dire
N
i=1
Ainsi, on a
E =0 ⇔ e(xi ) = 0, ∀i = 1, . . . , N.
30
Exemple 3.3.5:
Calculer l’erreur des moindres carrés dont l’approximation des données sont exprimées par La
figure 3.2 qui est représentée par la droite définie par l’équation (3.5).
Alors, en utilisant les résidus déterminés dans l’exemple 3.3.3, on a
Á chaque ensemble de données, on fait correspondre une approximation (linéaire). Ainsi, des
différentes approximations engendrent des différentes erreurs moindres carrées. Par suite on définit
la meilleure approximation dite approche moindre carrée qui minimise les erreurs MC. Comme
cette approximation est linéaire et a pour équation
y = mx + c
31
Ce qui mène à
Table 3. 2
Pour choisir la meilleure technique de prévision il suffit d’appliquer les étapes suivantes :
1. Travailler sur les 2 des observations.
3
1
2. Prévoir les valeurs du restant.
3
3. Le meilleur modèle est celui qui dégage l’écart quadratique moyen (EQM) ou l’écart absolu
moyen (EAM) minimales. Ces deux quantités sont définis par
On peut conclure que la prévision est très important pour toutes les fonctions de l’entreprise,
l’activité de prévision et réduite la fluctuation de la demande, elle est considérée comme le point de
départ de la planification des approvisionnements et de la production et leur optimisation dépend
par conséquent de la qualité des prévisions.
32
Chapitre 4 : Etude de cas : cas de STAM
Dans ce chapitre on va appliquer les méthodes de prévision (méthode des moindres carrées
ordinaires, méthodes des moyennes mobiles centrées, méthode de lissage exponentiel simple).
Ensuite, on va calculer l’EQM (l’erreur quadratique moyenne) de chaque méthode pour choi-
sir la meilleure technique de prévision.
4.2 La prévision
33
FIGURE 4. 1 : Représentation graphique du nombre des navires entre 2014 et 2018
FIGURE 4. 2 : Représentation graphique de durée séjour des navires entre 2014 et 2018
34
FIGURE 4. 3 : Représentation graphique de tonnages entre 2014 et 2018
FIGURE 4. 4 : Représentation graphique des nombres des conteneurs entre 2014 et 2018
35
FIGURE 4. 5 : Représentation graphique des nombres des équipes entre 2014 et 2018
36
FIGURE 4. 7 : Représentation graphique des rendements des équipe/h entre 2014 et 2018
37
FIGURE 4. 9 : Représentation graphique de durée séjour des marchandises divers entre
2014 et 2018
38
Les méthodes des prévisions :
Dans cette partie, on va utiliser des différentes méthodes de prévision pour estimer les
distributions futures pour les biens.
La méthode des moyennes mobiles centrées c’est le calcul des moyennes successives sur P
dates et rapportée à la date milieu de la période.
P=3
3=2*m+1
M=1
𝑚
1
𝑀𝑝(𝑡) = ∑ = −𝑚𝑥(𝑡+𝑖)
𝑝
𝑖
∀ 𝑡 = 1, … . ,12
Après avoir utilisé la méthode des moyennes mobiles centrées d’ordre p=3 et p=4 on va
présenter cette amélioration à partir de la figure ci-dessous :
39
FIGURE 4. 11 : projection d’une courbe par moyennes mobiles centrées et prévue de
nombres des navires d’ordre p=3
40
FIGURE 4. 13 : projection d’une courbe par moyennes mobiles centrées et prévue de
durée séjour des navires d’ordre p=3
41
FIGURE 4. 15 : projection d’une courbe par moyennes mobiles centrées et prévue les
tonnages d’ordre p=3
FIGURE 4. 16 : projection d’une courbe par moyennes mobiles centrées et prévue les
tonnages d’ordre p=4
On va calculer l’erreur quadratique moyenne :
Pour p=3 : EQM=3318328548
Pour p=4 : EQM=6058521292
42
FIGURE 4. 17 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres des conteneurs d’ordre p=3
FIGURE 4. 18 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres des conteneurs d’ordre p=4
On va calculer l’erreur quadratique moyenne :
Pour p=3 : EQM=32E+09
Pour p=4 : EQM=6,06E+093
43
FIGURE 4. 19 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres des équipes d’ordre p=3 :
FIGURE 4. 20 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres des équipes d’ordre p=4 :
Pour p=3 : EQM=11702,29
Pour p=4 : EQM=23517,29
44
FIGURE 4. 21 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres du rendement commercial d’ordre p=3 :
FIGURE 4. 22 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres du rendement commercial d’ordre p=4 :
Pour p=3 : EQM=1548,837
Pour p=4 : EQM=2739,43
45
FIGURE 4. 23 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres du rendement des équipes d’ordre p=3 :
FIGURE 4. 24 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres du rendement des équipes d’ordre p=4 :
Pour p=3 : EQM=1869,85
Pour p=4 : EQM=3397,389
46
FIGURE 4. 25 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres du chiffre d’affaire d’ordre p=3 :
FIGURE 4. 26 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres du chiffre d’affaire d’ordre p=4:
Pour p=3 : EQM=3,65E+11
Pour p=4 : EQM=5,28E+11
47
FIGURE 4. 27 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres du durée séjours marchandise divers d’ordre p=3:
FIGURE 4. 28 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres du durée séjours marchandise divers d’ordre p=4:
48
FIGURE 4. 29 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres de la durée séjours conteneur plein d’ordre p=3 :
FIGURE 4. 30 : projection d’une courbe par moyennes mobiles centrées et prévue des
nombres de laduréeséjoursconteneur pleind’ordre p=4 :
49
Le lissage exponentiel simple :
Pour calculé la prévision avec le lissage exponentiel simple on va utiliser une de ces deux
formules :
𝑥̂𝑡 = 𝛼𝑥𝑡 + (1 − 𝛼)𝑥
̂ 𝑡−1 (1)
𝑥̂𝑡 = ⏟
𝑥𝑡−1 + 𝛼 ⏟
̂ ( 𝑥𝑡 − ̂
𝑥𝑡−1 ) (2)
FIGURE 4. 31 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres de navires :
EQM=32,37443
50
FIGURE 4. 32 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres de durée de séjour navire :
EQM=0,105294
FIGURE 4. 33 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres de tonnage :
EQM=489494830,8
51
FIGURE 4. 34 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres des conteneurs:
EQM=206502199,5
FIGURE 4. 35 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres des équipes :
EQM=3742,415
52
FIGURE 4. 36 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres des rendements commerciaux:
EQM=99,54374
FIGURE 4. 37 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres des rendements des équipes :
EQM=107,0176
53
FIGURE 4. 38 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres de chiffre d’affaire :
EQM=7,65E+10
FIGURE 4. 39 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres dedurée séjour marchandise Divers :
EQM=129,9607
54
FIGURE 4. 40 : projection d’une courbe par lissage exponentiel simple et prévue des
nombres de durée séjour conteneur Plein :
EQM=191,8732
55
Méthodes des moindres carrées ordinaires :
La méthode des moindres carrée ordinaire consiste à déterminer une droite permettant le
meilleur ajustement possible au nuage de point de couple (𝑥𝑖 , 𝑦𝑖 ).
Equation de la droite :y=ax+b 𝑦̂ = 𝑎̂𝑥 + 𝑏̂
𝑏̂ = 𝑌̅ − 𝑎̂𝑋̅
∑ 𝑥𝑖 𝑦𝑖 −𝑌̅ ∑ 𝑥𝑖
𝑎̂ = ∑ 𝑥𝑖2−𝑁𝑋̅ 2
∑ 𝒙𝒊 ∑ 𝒚𝒊
̅=
Avec : 𝒙 ̅=
;𝒚
𝒏 𝒏
56
FIGURE 4. 42 : représentation graphique de la prévision des nombres des durée séjour
navire avec la méthode des moindre carrée ordinaire durant 5 ans.
EQM=309,226
57
FIGURE 4. 44 : représentation graphique de la prévision des nombres de conteneurs
avec la méthode des moindre carrée ordinaire durant 5 ans.
EQM=58,46905
58
FIGURE 4. 46 : représentation graphique de la prévision des nombres de rendements
commercial avec la méthode des moindre carrée ordinaire durant 5 ans.
EQM=290,038
59
FIGURE 4. 48 : représentation graphique de la prévision des nombres de chiffre
d’affaire avec la méthode des moindre carrée ordinaire durant 5 ans.
EQM= 179,5278
60
FIGURE 4. 50 : représentation graphique de la prévision des nombres de durée séjour
conteneur plein avec la méthode des moindre carrée ordinaire durant 5 ans.
EQM= 248,3651
Notre objectif est de comparer entre ces trois méthodes et de choisir la méthode la plus
performante. Il faut alors comparer l’erreur quadratique moyenne de trois méthodes celle qui a
la plus faible valeur d’erreur c’est la méthode parfaite qu’on va avec elle donner la prévision de
l’année 2019.
Les valeurs d’erreur quadratique moyenne de trois méthodes sont résumées par le tableau
suivant :
TRAFIC/EQM LES MCO MMC
Nombre des navires 32,37443 251,822 361,9007813
Durée séjour de navire 0,105294 309,226 2,56156
Rendement commercial 99,54374 290,038 2739,43
Rendement d’équipe 107,0176 286,286 3397,39
Durée séjour marchandise divers 129,9607 253,236 323,512
Durée séjour conteneur plein 191,8732 248,365 464,519
Tableau 4. 1
On peut observer que la méthode de lissage exponentiel simple à l’erreur quadratique moyenne
la plus faible pour tous les trafics de transport maritime c’est pour cela on peut dire que cette
méthode est la plus performante.
61
Maintenant on peut calculer la prévision de trafic de l’année 2019 par la méthode de
lissage exponentiel simple :
35
30
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12
2.84
2.82
2.8
2.78
2.76
2.74
2.72
1 2 3 4 5 6 7 8 9 10 11 12
62
84.5
84
83.5
83
82.5
82
81.5
81
80.5
80
79.5
1 2 3 4 5 6 7 8 9 10 11 12
93
92.5
92
91.5
91
90.5
90
89.5
89
88.5
1 2 3 4 5 6 7 8 9 10 11 12
63
18.9
18.85
18.8
18.75
18.7
18.65
18.6
1 2 3 4 5 6 7 8 9 10 11 12
20.6
20.5
20.4
20.3
20.2
20.1
20
19.9
1 2 3 4 5 6 7 8 9 10 11 12
64
Conclusion générale
65
Bibliographique
https://www.math.univ-toulouse.fr/~lagnoux/Poly_SC.pdf?fbclid=IwAR3tmV5x-
eKvOF8lGqV1PWAK1szTUUCJkbycELRiFw-y5YdovgPiEtDVRxY
https://www.memoireonline.com/03/12/5459/m_Analyse-et-prevision-des-series-temporelles-
et-financiere15.html?fbclid=IwAR2Nzxi27_5NzJfDouu-
21li62mbSAjMf51H020I6z3juQRk4pYtfLEDevo
https://www.memoireonline.com/12/13/8302/La-prevision-et-un-outil-pour-la-gestion-de-
stock.html?fbclid=IwAR1i8yBk7lilWRyoE9gAfTMV0qlWvK60CTmgjm8maUtfmzqJgbgA3
OBlo3g#_Toc233279022
http://ressources.aunege.fr/nuxeo/site/esupversions/6649e19c-1113-4060-a809-
0deb3959ffd5/co/D03_A01_P01_PresentLES.html?fbclid=IwAR3heQa64mJfLmzPRaA2IP_
7fI60bZiQl76EKwKqrNeaE-oHrkiuk6IuATw
file:///C:/Users/asus10pro/Downloads/Previsions%20par%20l'utilisation%20d%20-
%20IDRISSI%20Hanane_2320%20(4).pdf
66
ANNEXES
67