‫ﺭﺎﻧﻣﻟﺍﺲﻧﻭﺗﺔﻌﻣﺎﺠ‬

Université de Tunis El Manar

Département Génie Industriel

Mini-Projet Processus Stochastiques

Etude comparative entre les différentes compagnies

aériennes - Vol Tunis / Lyon

Réalisé par :
Balkis GADHOUMI
Hiba BEN HAMOUDA
Sabrine HADDAD

Professeur :
Mme.Amel JAOUA
Groupe : 2AGI3
2016/2017

1
 Sommaire

Introduction Générale.................................................................................................................1
I. Problématique.................................................................................................................2
II. Modélisation par chaîne de Markov...............................................................................2
1.
2.
III. Simulation et analyse des résultats.................................................................................5
1.
2.
3.
4.
Conclusion Générale...................................................................................................................7
 Figures
Figure 1 : Chaine de Markov..................................................................................................................4
Figure 2 : Matrice de transition.............................................................................................................4
Figure 3 : Etat de convergence..............................................................................................................5
Figure 4 : Simulation de la file d'attente du système d'enregistrement................................................6

Tables
Table 1 : Ponctualité des derniers vols à partir de 16/11/2016.............................................................2

III
 Introduction Générale

La chaîne de Markov, découverte et établie par le mathématicien éponyme à l’aube du XXe

siècle n’a cessé de créer des émules dans le rang de physiciens, statisticiens, informaticiens et
d’autres. L’importance des systèmes markoviens réside dans leur capacité à représenter et
modéliser des processus relevant de la statistique à l’instar de la théorie de la file d’attente et
la détermination de la fiabilité et la disponibilité des systèmes techniques.
Les systèmes markoviens sont également dotés d’une propriété appelée « hypothèse
markovienne » ou propriété de perte de mémoire qui est souvent invoquée lorsque des
probabilités sont utilisées pour modéliser l’état d’un système, en supposant toutefois que l’état
futur de ce dernier peut être inféré du passé avec un historique assez faible.
Par ailleurs, cet outil mathématique et statistique a été la clef de voûte de plusieurs
applications industrielles ou servicielles et c’est dans ce cadre qu’a été réfléchi, pensé et
élaboré notre projet. En effet, nous étions amenées à aborder une étude d’un problème
existant avec des données réelles. Cependant, afin d'aller plus loin avec l'interprétation des
résultats, on a fait usage de quelques données fictives. Cela est dû à l’indisponibilité de
valeurs véridiques et en relation directe avec le cas étudié.

IV
 I. Problématique 
Depuis le début du XXIe siècle, le secteur aérien a connu une grande prolifération. De ce
fait, la concurrence est devenue d’une acuité accrue et devant le désistement des clients en
raison de l’élargissement de l’éventail des choix qui leur est proposé et l’absence de fidélité
de leur part en faveur d’une compagnie aérienne par rapport à une autre, les dits organismes
peinent à garder leurs clients, à maintenir un niveau de revenus stable ce qui a engendré la
faillite et l’écroulement définitif de plusieurs compagnies aériennes. Il est donc hautement
nécessaire d’établir un diagnostic scientifique et conforme à la réalité et cela afin de trouver
les solutions qui répondent au mieux à cette situation intriquée. C’est dans ce cadre que la
compagnie aérienne TunisAir s’est adressée à des élèves ingénieurs en Génie Industriel de
l’Ecole Nationale d’Ingénieurs de Tunis dans la visée de leur venir en aide en élaborant une
étude stochastique exhaustive basée sur les chaînes markoviennes.

II. Modélisation par chaine de Markov

De prime abord, nous allons nous focaliser sur un vol aérien de TunisAir dont la destination
est l’aéroport de Lyon. Après une recherche globale, nous avons trouvé qu’il y a deux autres
compagnies aériennes qui effectuent le trajet Tunis-Lyon dans le même jour et avons
découvert que les choix des passagers éventuels vacillent entre ces trois vols. Les deux
compagnies aériennes dont il est question sont NouvelAir et Transavia.
Dans un premier lieu, nous avons enregistré les probabilités pour tous les vols de décoller à
l’heure, d’être en retard dans les intervalles suivants [15,30 minutes], [30,60], [60,90], plus
que 90 minutes ou bien d’être définitivement annulés. Le tableau ci-dessous résume toutes les
informations recueillies.
Table 1 : Ponctualité des derniers vols à partir de 16/11/2016

Source : www.aeroport-de-tunis-carthage.com

Maintenant, se basant sur son expérience des vols passés, le client décidera de rester fidèle à
sa compagnie aérienne habituelle ou entreprendra un changement selon le schéma suivant :
- D’une part, si TunisAir, NouvelAir ou Transavia effectue son vol dans les délais
annoncés, la probabilité des passagers qui reprendront le vol dela même compagnie est
de 98%. D’autre part, si des retards sont enregistrés et s’ils varient dans les intervalles
suivants [15,30 minutes], [30,60], [60,90] et plus que 90 minutes alors les probabilités
de passagers qui opteront une deuxième fois pour le même vol de la même compagnie

V
 seront respectivement de 92%, 87%, 60%, 55%. Finalement, l’annulation d’un vol
cause le désistement ultérieur d’un client à une probabilité de 90%.
- Si la compagnie NouvelAir débarque et atterrit aux heures prévues, la probabilité pour
que le client ait a posteriori une préférence pour la compagnie TunisAir est de 1%.
Des retards à des intervalles similaires à ceux mentionnées précédemment
entraîneraient un rejet de la compagnie en faveur de TunisAir à des probabilités égales
respectivement à 4%, 7%, 20% et 23%. Par ailleurs, dans le cas d’une annulation du
vol NouvelAir, 45% des passagers se tourneront vers TunisAir.*
- Dans les trois cas : ponctualité, retard ou annulation du vol, les probabilités retenues
pour Transavia sont les mêmes que celles de NouvelAir.*

*NB : Pour simplifier la modélisation du problème, on va supposer que le client en

quittant TunisAir ne va pas avoir une préférence en faveur d’une deuxième compagnie
et au détriment de la troisième. En d’autres termes, la probabilité de choisir Transavia
comme alternative est égale à la probabilité d’opter pour NouvelAir.

Suite à l’étude de cet ensemble de données, nous sommes arrivées à relever 18 états
distincts :
- Etat 1 : Reprendre le vol Tunis-Lyon assuré par TunisAir et n’enregistrer aucun
retard
- Etat 2 : Reprendre TunisAir avec un retard du vol supérieur à 15 minutes
- Etat 3 : Reprendre Tunis Air et enregistrer un retard dépassant les 30 minutes
- Etat 4 : Reprendre Tunis Air avec un retard du vol supérieur à 60 minutes
- Etat 5 : Reprendre Tunis Air avec un retard du vol supérieur à 90 minutes
- Etat6 : Reprendre Tunis Air avec annulation du vol.
- Etat7 : Reprendre NouvelAir sans que le vol n’effectue de retard.
- Etat 8 : Reprendre NouvelAir avec un retard du vol supérieur à 15 minutes.
- Etat 9 : Reprendre NouvelAir avec un retard du vol supérieur à 30 minutes.
- Etat 10 :Reprendre NouvelAir avec un retard du vol supérieur à 60 minutes.
- Etat 11: Reprendre NouvelAir avec un retard du vol supérieur à 90 minutes.
- Etat 12 : Reprendre NouvelAir avec annulation du vol.
- Etat 13 : Reprendre Transavia et n’enregistrer aucun retard.
- Etat 14 : Reprendre Transavia avec un retard du vol supérieur à 15 minutes.
- Etat 15 : Reprendre Transavia avec un retard du vol supérieur à 30 minutes.
- Etat 16 : Reprendre Transavia avec un retard du vol supérieur à 60 minutes.
- Etat 17 : Reprendre Transavia avec un retard du vol supérieur à 90 minutes.
- Etat 18 : Reprendre Transavia avec annulation du vol.

Le graphe permettant de schématiser le problème est présenté par la figure ci-dessous. Il est
à noter que nous n'avons pas tracé toutes les transitions pour ne pas encombrer davantage
notre chaîne de Markov.

VI
 Figure 1 : Chaine de Markov
La matrice de transition en découle et est sous la forme suivante :

Figure 2 : Matrice de transition

On constate que la chaîne de Markov étudiée est une chaîne à la fois irréductible et
apériodique :

 Irréductible puisque tous les états communiquent entre eux.

 Apériodique puisqu’il y a des cycles de longueur 1.
D’où son caractère ergodique. Dans ce cas, la chaîne converge vers une limite qui ne dépend
pas de l’état initial. Si on trouve cet état stationnaire, on pourrait arriver à bien visualiser
l’horizon futur de la compagnie et de prévoir l’avenir de son activité si aucune amélioration
n’est effectuée.

VII
III. Simulation et Analyse des résultats
On passe, à ce niveau, à la simulation du processus stochastique sur Excel.
On remarque que si à l’état initial, la compagnie TunisAir n’effectue pas le moindre retard
pour son vol reliant Tunis à Lyon, seulement 28% des passagers reprendront à long terme
cette ligne. (28=15+7+4+2)
En effet, en partant de l’état initial mentionné, le système converge vers l’état suivant:

Figure 3 : Etat de convergence

Calcul des pertes :
Les retards impliqueront deux pertes majeures :
 Perte des clients calculée par le prix du billet multiplié par le pourcentage des clients
perdus.
 Perte due à l'argent payé en cas de remboursement. En effet, on distingue 2 types de
billets (remboursables et non remboursables).
Cela est fort explicable du fait qu’en comparant les 3 compagnies considérées, c’est bel et
bien TunisAir qui enregistre le plus de retard dans ses rangs. Cette faible proportion de clients
à rester fidèles à leur compagnie aérienne d’origine nous pousse à tirer la conclusion
suivante : TunisAir est dans l’obligation de procéder à une armada de changements et
d’améliorations dans l’ensemble de son système afin de réduire les pertes causées par la
variabilité des heures de départ de son vol Tunis-Lyon.
Pour les solutions, c’est tout le système de gestion du passager qui doit être revu et réglé et
non pas un unique chaînon du processus car l’optimisation d’un seul poste aura une incidence
négligeable sur la totalité du système.
Prenons l'exemple du système d'enregistrement qu'on peut le traiter par la théorie des fils
d'attente.
Soit un taux d'arrivée équivalent à 150 clients par heure. TunisAir dispose actuellement de 3
serveurs. Chaque serveur passe 4 minutes pour traiter un client tout en supposant que les
processus d'arrivée et de service suivent la loi de poisson. La simulation est donnée par la
figure 4.

VIII
 Figure 4 : Simulation de la file d'attente du système d'enregistrement
Nous constatons que les serveurs sont occupés à plus de 300% de leur capacité temporelle,
cela veut dire que le système diverge et est instable (le taux d’utilisation est largement
supérieur à 1). Toutefois, TunisAir ayant récemment procédé à plusieurs licenciements et
n’ayant fourni aucune nouvelle formation de remise en compétitivité aux agents gardés, nous
concluons qu’une nouvelle stratégie devrait être établie et des mesures radicales seraient de la
plus grande nécessité.
Suggestions des solutions :
 Automatisation : Mettre en place de nouvelles technologies automatisées pour
l’enregistrement des passagers et le dépôt de leurs bagages afin de rendre plus fluide
leur parcours. Se doter de ces stations automatisées permettra d’améliorer le service
de la clientèle car cela leur donne l’avantage de passer plus rapidement et de réduire
considérablement le temps d’attente, premier facteur, rappelons-le, de désistement
des passagers de TunisAir.
 Embauche de nouveaux agents : L’augmentation du nombre des serveurs aura pour
impact immédiat d’amenuiser le temps d’attente et de remédier à l’instabilité du
système. Nous ne préconisons pas de stabiliser le système, ce qui équivaudrait à
recruter 8 nouveaux employés (pour que le taux d'utilisation soit inférieur à 1, il faut
11serveurs donc on ajoute 8 = 11-3), mais cherchons plutôt à créer un équilibre entre
les coûts de l’intégration de ces mesures et les coûts engendrés par les pertes des
clients en faveur des compagnies concurrentes.
 Une autre tactique serait de voir ce processus comme semblable à une ligne de
fabrication d’une usine et de travailler uniquement sur le poste goulot, c’-à-d. celui
qui prend le plus de temps et qui contribue le plus à la saturation du système.
Autrement dit, le poste en amont duquel on trouve la plus longue queue est celui qui
doit être amélioré.

IX
 Conclusion Générale

L’étude d’un système markovien dans un cas se rapportant au secteur des services nous a
permis de mieux sentir et acquérir la conviction de l’importance de cet outil dans le
traitement de problèmes réels. Il est tout aussi incontestable que les organismes public ou
privé tireraient de grands profits en adoptant la stochastique vu la prévalence des évènements
probabilistes dans leurs activités.