Exploration de données de planification pour la modélisation des incertitudes dues à l’horizon glissant
| Autor: | Khellaf, Walid, Lamothe, Jacques, Guillaume, Romain |
|---|---|
| Přispěvatelé: | Centre Génie Industriel (CGI), IMT École nationale supérieure des Mines d'Albi-Carmaux (IMT Mines Albi), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Argumentation, Décision, Raisonnement, Incertitude et Apprentissage (IRIT-ADRIA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Université Toulouse - Jean Jaurès (UT2J), ANR-18-CE10-0012,CAASC,Adaptation dans un nuage d'une chaine logistique agile(2018) |
| Jazyk: | francouzština |
| Rok vydání: | 2020 |
| Předmět: | |
| Zdroj: | Extrait de : MOSIM 2020-Nouvelles avancées et défis pour des industries durables et avisées MOSIM'20-13ème Conférence internationale de Modélisation, Optimisation et Simulation MOSIM'20-13ème Conférence internationale de Modélisation, Optimisation et Simulation, Nov 2020, Agadir (on line ), Maroc. 6 p |
| Popis: | Le congrès a pour titre "Nouvelles avancées et défis pour des industries durables et avisées"; International audience; Dans une chaine logistique, la planification tactique à horizon glissant est utilisée pour synchroniser la production et la distribution. Ainsi, un acteur qui reçoit des planifications de ses partenaires (clients ou fournisseurs) peut chercher à étudier leur incertitude en analysant les variations de celles reçues dans le passé. Cet article propose un processus de modélisation d’incertitudes en utilisant des méthodes d’analyse des données massives (classification non supervisé) pour identifier les horizons de re-planification ayant des niveaux de variation similaire, puis estimer l’incertitude sur ces groupes d’horizons. La méthode proposée est appliquée à un cas pratique industriel, nous discutons les résultats obtenus qui mette en avant des comportements spécifiques des décideurs. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|