Thème

Étude statistique et prévision

sur le trafic portuaire de Bejaia

Présenté par :
Derigé par :  OUADAH Houda
SLIDESMANIA

Dr N. SAADI Année  OUARET Djamila

2021/2022
  Quel est l’impact de la pandémie COVID-19 sur le trafic du port durant l’année
2020 et 2021?

 Quelles sont les quantités de tonnage qui seront engendrées par le trafic des
Cargos dans cette crise sanitaire pour l’année 2022?
SLIDESMANIA
 SOMMAIRE

1 Présentation de l’entreprise d’accueil et son organigramme

.
Généralité sur les séries chronologiques
2.

3. La loi de Pareto et la méthode ABC

Traitement statistique des données

4.
SLIDESMANIA.CO

5. Conclusion
 Chapitre 01 Présentation de l’entreprise d’accueil et son
organigramme

 Récolter les données de différents

secteurs du port.

 Saisir et classifier les données.

 Vérifier la disponibilité et la sureté des

données envoyées.
SLIDESMANIA
 Présentation de l’entreprise d’accueil et son
organigramme
Objectifs de l’entreprise

Optimiser Maintenir

La position de leader dans le

La compétitivité de la
domaine de l’activité
chaine logistique.
portuaire.

Rentabiliser Sauvegarder Participer

Les investissements réalisés

L’équilibre financier de la Au développement
au cours des cinq dernières
société. socioéconomique.
années.
SLIDESMANIA
 Chapitre 02 Généralité sur les séries chronologiques

Serie chronologique

Série stationnaire  Série non stationnaire

SARIMA (p,d,q )
MA(q) AR(p) ARMA (p,q) ARIMA (p,d,q) (P,D,Q)

Yt ( (s) (1-)d(1-s )D Yt = 1( = 2(s)

t
Yt = t d
Yt = t 1 2
SLIDESMANIA
 Lissage Exponentiel  

Lissage exponentiel Lissage exponentiel Lissage exponentiel Lissage de Winter

simple  double  Holt  

Le modèle Le modèle
Y t = a t+ t Yt = a0+(t - T) a1+ t Yt = a0 + ( t – T)a1+ t
additive  multiplicatif
 

Yt = a0 ( t – T ) + S t + t Yt = [ ao+a1 (t –T) ] St x t 
SLIDESMANIA
 Analyse préliminaire des
données

La méthodologie de la
Identification d’un modèle
méthode Box et Jenkins
Changer le modèle
Estimation des paramètres

Validation du modèle

Modèle validé

Calculs des prévisions

SLIDESMANIA

Interprétation des résultats

 Chapitre 03 La loi de Pareto et la méthode ABC

 Comment distinguer en un coup d'œil l'important du secondaire ?

 Comment repérer là où vous devez concentrer vos efforts ?

 Connaissez-vous l’analyse de Pareto ? Ou la loi 20/80 ?

SLIDESMANIA
 La loi de PARETO
La loi de Pareto a été établie par Vilfredo Pareto (1848-1923). Cet économiste Italien néo-
classique pose que 80 % des richesses de ce monde sont détenues par seulement 20 % de la population.
Plus qu’une observation ponctuelle, la loi de Pareto est d’une régularité statistique étonnante, et on
l’observe dans de nombreux domaines.

Comment construire le diagramme de Pareto ?

On prend nos données obtenues lors de notre stage pratique à l’EPB sous fichier Excel, et suivre les étapes
suivantes :
1. Nous listons les produits majeurs de l’entreprise avec leurs tonnages en Tonne ;
2. Ensuite, nous trions nos chiffres du plus grand au plus petit « à l’ordre décroissant »;
3. On ajoute une colonne pour calculer le cumul;
4. On ajoute une colonne pour calculer le pourcentage cumulé représenté par chaque type de produit;
SLIDESMANIA

5. Et pour finir, on sélectionne notre plage des données et on insert un graphe combiné.
 La loi de PARETO

120%

Diagramme de 20/80 (Pareto)

100%
On voit clairement que
l’entreprise portuaire de Bejaia 80%
devrait faire en priorité et
focaliser sur ces trois types de
60%
produit : Bitumier, Butanier et
Series1
Cargo, cela signifie, ces derniers
40% Series2
sont les plus importés et exportés
par la société.
20%

0%
1 2 3 4 5 6 7 8 9

Figure: Le diagramme de Pareto des types de produits de l’EPB et leurs pourcentages.

SLIDESMANIA
 La méthode ABC
La différence entre les deux méthodes (ABC et Pareto) réside dans les critères utilisés pour trier les
marchandises, mais le principe appliqué pour regrouper les références est identique.

A noter que: les produits A faisant partie des 15 % supérieurs, se rapprochent le plus de l'ordonnée et de
l’abscisse du graphique, les 20 % suivants appartiennent à la catégorie B, et les 65% restants à la C.
SLIDESMANIA

Figure: Exemple de graphique représentant la loi de Pareto (ou 80-20) et le principe de base de la
méthode ABC.
 Chapitre 04 Traitement statistique des données

Ce chapitre contient deux étapes principales qui sont:

ETAPE 01 ETAPE 02

APPLICATION DE LA CALCULE DES

MÉTHODE ABC. PRÉVISIONS PAR LA
MÉTHODE DE BOX ET
JENKINS.
SLIDESMANIA
 Traitement statistique des données

Présentation du langage R

Le langage R est un langage de programmation et un environnement

mathématique utilisés pour le traitement de données. Il permet de faire des analyses
statistiques aussi bien simples que complexes comme des modèles linéaires ou non-
linéaires, des tests d’hypothèse, de la modélisation de séries chronologiques, de la
classification, etc. Il dispose également de nombreuses fonctions graphiques très
utiles et de qualité professionnelle.

 En janvier 2022, R est classé 12e dans l'index TIOBE qui mesure la popularité

des langages de programmation.

 Le langage compte plus de 200 bibliothèques développées par la communauté

scientifique qui utilise R.
SLIDESMANIA
 Application de la méthode ABC

Tableau: Les résultats de la méthode du classement ABC

Tonnage
Type de
Type de Tonnage Tonnage cumulé en
N° d'ordre navire ABC
navire Total cumulé pourcenta
cumulé %
ge

18 646 18 646
Hydrocarbure 38% 17%
1 879 879 A
12 211 30 858
Cargo 64% 33%
2 568 447 A
10 205 41 063
Céréalier 85% 50%
3 488 935 B
45 840
P-Conteneurs 4 776 934 95% 67%
4 869 C
47 791
Huilier 1 950 602 99% 83%
5 471 C Figure: Graphique de la courbe ABC des tonnages par type
48 027 de navire.
RO/RO 235 811 100% 100%
6 282 C
SLIDESMANIA
 Application de la méthode ABC

La méthode ABC nous montre soigneusement que

les hydrocarbures et les Cargos sont des marchandises
importantes et tellement plusieurs travaux et analyses ont
été réalisé à base des données des hydrocarbures, nous
avons décidé de tester et prévoir les données des

Cargos dès qu’elles sont importantes.

SLIDESMANIA
 Chapitre 04 Traitement statistique des données

Mois / Année 2017 2018 2019 2020 2021

Janvier 438 352 407 631 201 864 360 158 260 074

Février 458 593 255 059 297 161 248 585 283 003

Mars 392 222 229 687 133 890 276 865 305 656

Avril 413 026 363 357 317 335 370 720 132 379

Mai 402 713 315 463 169 694 264 721 323 693

Juin 391 326 468 334 161 543 343 836 258 062

Juillet 498 470 308 939 276 011 307 829 309 896

Août 328 256 234 517 225 175 356 536 237 780

Septembre 311 211 340 299 202 406 248 814 201 553

Octobre 475 959 296 142 207 750 305 311 230 285

Novembre 304 119 209 515 271 010 324 605 285 964
SLIDESMANIA

Décembre 500 025 309 615 277 117 293 544 236 576

Total 4 914 272 3 738 558 3 851 811 3 701 524 3 064 921
 Traitement statistique des données

 On constate que l’évolution du tonnage cargo importé exporté en tonne est une série chronologique (Y t) avec une tendance
stationnaire au tour de la moyenne 302670.5 tonne ( calculer en appliquant la commande mean sur logiciel R)
 
SLIDESMANIA
 Traitement statistique des données

Le corrélogramme partiel PACF de la série Le corrélogramme d’autocorrélation (ACF) de la série

SLIDESMANIA
 Calcul des prévisions pour l’année 2022 

 Les commandes qui nous permettent d’obtenir les prévisions de

Mois / Année 2022 (valeurs prévues)
l’année 2022 et en utilisant le modèle ARMA(2,2) sont :
Janvier 260 083.6
>mydata.arima=arima(tonnage,order=c(2,0,2))
Février 257 803.3
>mydata.arima Mars 259 017.5

>mydata.pred = predict(mydata.arima, n.ahead = 12) Avril 262 218.0

Mai 266 417.2

>mydata.pred
Juin 270 984.4

Juillet 275 530.5

Août 279 828.5

Septembre 283 758.2

Octobre 287 268.1

Novembre 290 349.9

SLIDESMANIA

Décembre 293 020.9

Total 3 286 280

 Calcul des prévisions pour l’année 2023 

Mois / Année 2023 (valeurs prévues)

Janvier 295 312.5

Février 297 262.7

Mars 298 911.8

Avril 300 298.6

Mai 301 459.9

Juin 302 428.6

Juillet 303 234.2

Août 303 902.3

Septembre 304 455.3

Octobre 304 912.0

Novembre 305 288.6

Décembre 305 598.7

SLIDESMANIA

Total 3 623 065.1

 Comparaison entre les résultats réels et prédits du
2021 

 Une sous-estimation pendant les mois mars , mai et juillet,

 Une sur-estimation durant les mois : avril, juin, aout, septembre,

octobre et décembre.
SLIDESMANIA
  Au terme de notre étude, nous avons conclus que les statistiques sont
l’une des ingrédients cruciaux dans la prise des décisions des entreprises et
leurs croissances. L’étude statistique effectuée à partir des méthodes ABC et
Box et Jenkins et les graphiques représentatifs, descriptifs nous a permis de
répondre à notre objectif à savoir que la pandémie a un impact sur le
traitement des navires et aussi les activités maritimes explicitement vu les
restrictions dans les ports.
SLIDESMANIA
 Conclusion

Les résultats obtenus montrent que pour l’import-export de Cargo, la

quantité annuelle enregistrée en 2021 semble être inférieure à la quantité prévue,
cela éclaircit l’influence de la crise COVID 19 sur les opérations économiques de
ce terminal.

La prévision pour 2022 et 2023 permet de nous enrichir sur la vision future
et envisager une planification assez adéquate pour les années à venir et c’est la
mission des dirigeants de l’EPB.
SLIDESMANIA
 MERCI POUR VOTRE
ATTENTION!
SLIDESMANIA