Sujet : Développement d’un système de gestion des stocks utilisant des
techniques d’optimisation intelligente dans les entreprises industrielles
algériennes.
Introduction :
La gestion des stocks est une fonction clé dans les entreprises industrielles, car elle influe
directement sur les coûts, la satisfaction des clients et la compétitivité. Cependant, de
nombreuses entreprises algériennes rencontrent des défis tels que :
Le sur stockage, qui augmente les coûts de stockage.
Le sous-stockage, qui entraîne des ruptures et des retards de production.
Une planification inefficace des commandes.
Avec les avancées des technologies et des techniques d’optimisation intelligente (telles que
les algorithmes génétiques, les réseaux de neurones et l’optimisation par essaims
particulaires), il est possible de développer un système performant pour résoudre ces
problèmes.
Problématique :
Comment concevoir un système de gestion des stocks efficace qui :
1. Optimise les coûts de commande, de stockage et de rupture ?
2. Utilise des algorithmes intelligents pour proposer des décisions adaptées à la demande
fluctuante ?
3. S’adapte aux contraintes spécifiques des entreprises industrielles algériennes ?
Objectifs du projet :
Objectif principal :
Développer un système de gestion des stocks basé sur des techniques d’optimisation
intelligente pour minimiser les coûts globaux et améliorer la performance des entreprises
industrielles algériennes.
Objectifs spécifiques :
1. Analyser les systèmes actuels de gestion des stocks dans les entreprises industrielles
algériennes et identifier leurs limites.
2. Concevoir un modèle mathématique intégrant les coûts de stockage, de commande et de
rupture.
3. Appliquer des techniques d’optimisation intelligente (algorithmes génétiques, optimisation
par essaims particulaires, etc.) pour résoudre le modèle.
4. Développer un outil informatique permettant de simuler et de tester le modèle sur des
données réelles.
5. Évaluer les résultats obtenus en les comparant aux pratiques traditionnelles.
Méthodologie :
1. Étude préliminaire et collecte des données :
Identifier les produits critiques en utilisant la méthode ABC (basée sur la valeur et la
fréquence).
Collecter les données historiques sur la demande, les coûts de stockage et de commande.
2. Modélisation mathématique :
Développer un modèle basé sur :
Quantité Économique de Commande (EOQ) :
Q=2DSHQ = \sqrt{\frac{2DS}{H}}Q=H2DS
Où :
o DDD : Demande annuelle.
o SSS : Coût de commande.
o HHH : Coût de stockage unitaire annuel.
Fonction objectif :
Minimiser le coût total (TCTCTC) :
TC=DQ×S+Q2×H+Couˆts de ruptureTC = \frac{D}{Q} \times S + \frac{Q}{2} \times H + \
text{Coûts de rupture}TC=QD×S+2Q×H+Couˆts de rupture
3. Application des techniques d’optimisation intelligente :
Utilisation des algorithmes suivants :
Algorithmes génétiques (GA) : Pour optimiser les quantités et les moments de commande.
Optimisation par essaims particulaires (PSO) : Pour minimiser les coûts globaux.
Comparaison entre ces techniques pour identifier la plus adaptée.
4. Développement informatique :
Langage utilisé : Python.
Bibliothèques nécessaires :
o Pandas : Manipulation des données.
o Numpy : Calculs mathématiques.
o Pygad : Implémentation des algorithmes génétiques.
o Matplotlib : Visualisation des résultats.
5. Validation du modèle :
Tester le système sur des données réelles d’une entreprise algérienne.
Évaluer la réduction des coûts et l’amélioration de la disponibilité des produits.
Résultats attendus :
1. Un modèle mathématique optimisé qui prend en compte les coûts de stockage, de
commande et de rupture.
2. Un outil informatique fonctionnel capable de générer des recommandations de
commande adaptées.
3. Une comparaison détaillée des performances entre le système proposé et les
méthodes traditionnelles.
4. Un guide pratique pour l’implémentation dans d’autres entreprises algériennes.
Plan suggéré pour le mémoire :
Introduction :
Contexte et problématique.
Objectifs du projet.
Chapitre 1 : Revue de littérature
Concepts de base de la gestion des stocks.
Méthodes traditionnelles (EOQ, point de commande, etc.).
Techniques d’optimisation intelligente.
Chapitre 2 : Analyse des besoins et modélisation
Analyse des limites des systèmes actuels.
Présentation du modèle mathématique proposé.
Chapitre 3 : Implémentation et optimisation
Développement des algorithmes d’optimisation.
Simulation et tests.
Chapitre 4 : Résultats et discussion
Analyse des performances.
Comparaison avec les approches traditionnelles.
Conclusion et perspectives :
Synthèse des résultats.
Suggestions pour des améliorations futures (ex. : intégration IoT, maintenance prédictive).
Exemple d’application :
Secteur industriel : Entreprise algérienne du secteur agroalimentaire ou mécanique.
Échantillon de données : Produits critiques avec une demande fluctuante.
Résultats mesurables : Réduction des coûts de stockage, augmentation de la disponibilité
des produits.
Bon courage.
