Les outils de gestion

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Les outils de gestion"

Transcription

1 Les ouils de gesion Beida Mohammed Ferha aleb Amar Ingénieurs d éa en informaique Opion : Sysèmes d Informaion (SI) el: +3 (0) Fax: +3 (0) Sie Web: hp:// Résumé. Inroducion. Définiion e objecifs 3. Domaine d uilisaion 4. Méhodologie 5. Présenaion de l ouil 6. Exemples d applicaion 7. Conclusion Juille 004

2 Les ouils de gesion. Inroducion La prévision es un ouil rès inéressan à la main de ou gesionnaire. Elle joue un rôle rès imporan dans le processus de planificaion des acions fuures dans un avenir incerain. Nous monrons ici quelques conceps liés à la héorie de prévision avec une explicaion des différenes echniques de prévision les plus uilisées.. Définiion e objecifs "Par définiion, une prévision es une prédicion dans un avenir incerain, d événemens ou de niveaux d aciviés"[7]. Le principal objecif de prévision es de réduire l inceriude liée à la non connaissance du fuur. C es un ouil indispensable pour ou gesionnaire dans le processus de planificaion. 3. Domaines d applicaion 3.. Gesion de producion - Calcul des besoins exernes - Suivie de l évoluion du carne de commande de l enreprise. 3.. Gesion des socks - Définir les règles de gesion : quand e combien s approvisionner? 3.3. Gesion de la mainenance - Prévoir la dégradaion des équipemens. - Prévoir les périodes d appariion des pannes dans la mainenance prédicive

3 Les ouils de gesion 4. Méhodologie. Recueillir les données perinenes. Choisir une echnique de prévision 3. Eablir les prévisions 4. Calculer les écars en se basan sur la simulaion de l hisorique. 5. Suivre l évoluion des prévisions 5. Présenaion de l ouil Avan d enamer les différenes echniques de prévision, on doi présener quelques conceps fondamenaux sur la héorie de la prévision : 5.. Les séries chronologiques (emporelles) 5... Définiion : une série chronologique ou une chronique es une suie d observaions ordonnées dans le emps prises à des inervalles réguliers. Les données d une série chronologique son noées X avec =,, La valeur d un modèle de prévision pour la période es noée par Y Pour l : Y représene la simulaion de l hisorique Pour > : Y représene les valeurs de prévision X Periode Fig.II. : Représenaion graphique d une série chronologique

4 Les ouils de gesion 5... Caracérisique d une série chronologique On isole habiuellemen rois composans dans les séries chronologiques : La endance : caracérisique d un phénomène à démonrer un paron sable dans un sens déerminé dans le emps. Le paron peu êre linéaire (modélisé par une droie) ou non linéaire (logarihmique, exponeniel, ). La saisonnalié : caracérisique d un phénomène qui se répèe à inervalle fixé, par exemple à ous les hivers, à ous les mois, ec Variaion poncuelle : ce son des variaions dues à des circonsances excepionnelles. (comme condiions climaiques, excepionnelles, grèves ). Ces phénomènes doiven êre corriger pour garanir la qualié du modèle de prévision. 5.. Indicaeurs de qualié d un modèle de prévision 5... Ecar poncuel (l erreur de prévision) Il es défini par : e = x y Il représene la différence enre la réalisaion e la prévision Ecar algébrique moyen (Ealm) Il s agi de la moyenne arihméique des erreurs de prévision sur l hisorique. Ealm= e = Plus que l algébrique moyenne es proche de 0, plus que le modèle de prévision es plus adapé à la siuaion Ecar absolu moyen (Eabsm) Il s agi de la moyenne arihméique des valeurs absolues des erreurs de prévision : Eabsm= = x y Ce crière mesure l erreur de prévision moyenne du modèle Ecar quadraique moyen e écar ype (Eqm, σ e ) Il es défini par la moyenne arihméique des carrés des erreurs de prévision sur l hisorique :

5 Les ouils de gesion Eqm= = e = ( x y ) = C es un crière de base à la consrucion de nombreux modèles. L écar ype es la racine de Eqm : σ e = = ( x y ) Elle représene la dispersion des données auour de la moyenne Crière de complexié du modèle de prévision (Cib) Cib= σ e p/ p : le nombre de paramère du modèle de prévision Ce crière mesure la robusesse e la facilié de mise en œuvre du modèle de prévision Déecion e correcion des valeurs anormales Il es souven, dans un hisorique, se présenen des données anormales qui devraien plus se représener dans le fuur. Il fau donc déecer e corriger ces données pour ne pas dégrader la qualié du modèle de prévision. Parmi les méhodes de déecion e correcion des données, la méhode qui consise à comparer l erreur de prévision période par période par l erreur de prévision moyen, chaque donnée sore de l inervalle de confiance ([X - Ealm,X +Ealm ]) es considéré comme une donnée anormale. La correcion de cee donnée consise à en remplacer par quelques données environnanes. Le modèle de prévision final doi êre développé à parir des données corrigées Les méhodes de prévision On peu schémaiser les différenes echniques de prévision par le schéma suivan :

6 Méhodes qualiaives (Subjecives) Méhode Delphi Force des venes Sondage Méhode basée sur les réseaux de neurones H Saionnaire Moyenne mobile Moyenne Lissage exponeniel Méhodes quaniaives (Objecives) Méhodes d exrapolaion H endanciel Ajusemen linéaire Lissage de Hol (Lissage double) H Saisonnier Méhode de CMA Méhodes saisiques Méhode de Winers Méhode mmmkkkjh de Box e 7 Jenkins (ARIMA) Méhodes causales (associaive) Régression linéaire Régression linéaire muliple Fig.II. : echniques de prévision

7 Les ouils de gesion Les méhodes qualiaives (subjecives) Elles son basées sur le jugemen humain e l expérience professionnelle des responsables de domaine, les méhodes les plus uilisées son : Méhode Delphi Force de venes Sondage Eude de marché ec. Ces echniques exploien des données non chiffrables e difficiles à décrire numériquemen, pour cela elles ne seron pas raiées ici Les méhodes quaniaives (objecives) Les méhodes quaniaives se basen sur l éude de l hisorique (les données de passé), elles fon l hypohèse que le comporemen des données de passé va se poursuivre dans le fuur. On disingue deux caégories dans les méhodes quaniaives : Les méhodes d exrapolaion : «Ces echniques cherchen à déerminer l avenir de la variable à prévoir à parir de l analyse des données du passé concernan cee même variable» [] Les méhodes causales (ou associaive) : Sur la base de donnée passée, elle cherche à éablir une relaion enre la variable à prévoir (variable expliquée) e une ou plusieurs variables (variables explicaives). La méhode basée sur les réseaux de neurones: Les réseaux de neurones on prouvé d'êre parmi les meilleures méhodes qui déecen les relaions cachées enre les variables, une fois le réseau analyse ces données (l'apprenissage du réseau), il devien capable de générer des prévisions à parir les dépendances rouvées enre la variable à prévoir e le(s) aure(s) variable(s) Les méhodes d exrapolaion On peu classer ces méhodes en foncion de l hisorique à modéliser : Hisorique saionnaire Hisorique avec endance Hisorique avec saisonnalié - 7 -

8 Les ouils de gesion Remarque : Il y a aussi la méhode ARIMA qui s adape au hisorique saionnaire mais elle peu êre égalemen uilisée pour les hisoriques avec endance e saisonnières (après une ceraine ransformaion) Méhodes pour les hisoriques saionnaires Un hisorique saionnaire a la forme suivane : a : es une consane X = a + ε ε : es une variable aléaoire avec : E( ε )=0, σ ( ε ) = λ X Fig.II.3 : Hisorique saionnaire L objecive des méhodes d exrapolaion es d idenifier le niveau moyenne de ce hisorique. On disingue rois méhodes : La moyenne arihméique La prévision es représenée par la moyenne arihméique des données de l hisorique : Y = Les moyennes mobiles X k k = > Une moyenne mobile d ordre N es défini comme éan la moyenne arihméique sur les N dernières observaions. Cee moyenne représene la prochaine prévision : Y + =M (N)= N X k N k = > M (N) : représene la moyenne mobile sur N dernière période. N - 8 -

9 Les ouils de gesion Remarque Il es possible de définir des moyennes mobiles pondérées, dans lesquelles les différenes données on des poids différens Le lissage exponeniel simple (ou lissage de Brown) Dans cee méhode, la prévision courane es calculée en effecuan la moyenne pondérée de la dernière prévision e la dernière réalisaion : Y =α X - + (-α )Y - Y = Y - + α ( X - Y - ) e Y = Y - +α e En effe, cee méhode consise à corriger la dernière prévision par une parie de l erreur. Le paramère de lissage α doi vérifier la conraine : 0 <α < Un es sur les données hisoriques avec plusieurs valeur de α perme de choisir la valeur qui minimise les crières d écar. Pour les applicaions de producion un α =0. ou 0. recommandé Méhodes pour les hisoriques avec endance Un hisorique avec endance prend la forme suivane : a,b : son des consanes ε : E( ε )=0, σ ( ε ) = λ X = a + b + ε X Fig.II.4 : Hisorique avec endance - 9 -

10 Les ouils de gesion Il y a deux echniques de modélisaion de endance à considérer ici : Méhode d ajusemen linéaire Cee méhode consise à analyser un ensemble de données e d en exraire la endance sous forme d équaion linéaire de premier degré. Le modèle de prévision peu êre représené par l équaion suivan : Y = a + b Où a, b son choisi de manière à opimiser le crière d erreur quadraique moyenne : Eqm= e = = ( X Y ) = La soluion de ce problème d opimisaion (en uilisan Méhode de moindre carré) ramène à calculer a e b à la base des formules suivanes : a = = = = X = = X b = X a = = Méhode de lissage de Hol «Lorsque les données hisoriques présenen une endance (voire même des évoluions de endance). Il es possible d inégrer ce phénomène dans une approche par lissage» []. Pour =.. les équaions récurrenes son alors les suivanes : a =α X +(-α )( a + b ) Avec: 0<α, β < b = β ( a - a )+(- β ) b a =X, b =0 (iniialisaion des coefficiens) On noe que la première équaion ajoue la correcion de endance b - par rappor au lissage simple andis que la deuxième équaion reme à jour l esimaion de la endance. La prévision pour les périodes fuures (>) son direcemen obenue par : Y = a + (-) b - 0 -

11 Les ouils de gesion Pour une simulaion de l hisorique ( ) : Y = a + b Les méhodes pour les hisoriques saisonniers (Méhodes saisonnières) «Une série saisonnière es une série don le paron se répèe oues les n périodes duran un cerain nombre de périodes» [6] X N Saison Fig.II.5 : Série saisonnière Un modèle saisonnier a la forme suivan : Avec : X : la variable à prévoir a, b : Les paramères de endance. X ( = a + b C mod ) + ε C 0,... : Les Coefficiens saisonniers, C C ε : représene l erreur E ( ε )=0 σ ( ε ) = λ Le modèle saisonnier es caracérisé par le faie que chaque saison possède son propre coefficien saisonnier. On disingue deux méhodes pour les séries saisonnières : Méhode de CMA (Moyenne mobile cenré) Méhode de Winers Méhode de CMA ( Cenered moving average) La méhode CMA consise à désaisonnaliser la série en uilisan les coefficiens saisonniers e appliquer l une des méhodes précédenes puis inroduire les coefficiens saisonniers. Cee méhode es bien déaillée avec un exemple dans la référence [] - -

12 Les ouils de gesion Elle comprend les éapes suivanes : Déerminer les coefficiens saisonniers par la méhode de moyenne mobile cenrée (voir Annexe) Dessaisonaliser les données Déerminer les paramères de endances ( a e b ) Eablir les prévisions dessaisonalisées Inroduire les coefficiens saisonniers Méhode de Winers «Ce modèle es une exension du lissage simple, permean la prise en compe des phénomènes saisonniers ainsi que de la endance». [] La forme générique des séries analysées par la méhode de Winers possède une endance ascendane doublée d une saisonnalié croissane comme démonrée dans la figure suivane : X endance Saison En effe la méhode de Winers consise à un riple lissage exponeniel, don ous les paramères du modèle ( a, b, c) son mis à jours quand une nouvelle observaion arrive. Les deux paramères du modèle ( a, b ) son mis à jour comme dans le lissage de Hol sauf que l observaion es d abord dessaisonalisé. La combinaison enre les paramères e le coefficien saisonnier dans une seule formule donne la prévision. Fig.II.6 : Série saisonnière avec augmenaion de endance - -

13 Les ouils de gesion a b = ( S + α x / C ) + ( α)( a b ). () = ( a a ) + ( β ) b β.. () C = γ ( x / a ) + ( γ ) C.... (3) S Finalemen, la prévision sera calculée selon la formule suivane : y, + τ = ( a + τ b ) C+ τ S Procédure d iniialisaion des paramères Les données de deux cycles au minimum son nécessaires. Supposons que nous avons S poins de données : X,X..,X s,.x s Calculer la moyenne arihméique de chaque cycle : V = S S X i i= V = S S X i i= S + Définir b 0 comme éan : b 0 = (V -V )/S (Si on a plus de saisons (ex : m saisons) : Définir a 0 comme éan : b S a 0 = V + b0 ( ) 0 Vm V = ) ( m ) * S Les faceurs saisonniers son calculés selon l équaion suivane : C = X S + S Vi ( j) b0 i : L indice du cycle saisonnier comporan le faceur j : L indice du faceur dans le cycle saisonnier (ie : j= mod S) Remarque : les faceurs saisonniers doiven êre normalisés. (Même méhode que CMA) C - 3 -

14 Les ouils de gesion Méhode de Box e Jenkins (ARIMA) La méhode ARIMA (Auorégressifs inégrés moyenne mobile) développé par Box e Jenkins (976) a gagné en popularié dans de nombreux domaines e en pariculier dans celui de la recherche. Elle consise à sélecionner un modèle de prévision parmi une classe de modèles sochasiques. Il s applique à des séries longues don la srucure es suffisammen sable Les Conceps de base Principe de saionnarié La héorie sur laquelle son fondées les modèles ARIMA ne s applique qu aux données saionnaires, c'es-à-dire que la chronique ne doi comporer ni endance en moyenne, ni endance en variance, ni variaion saisonnière. Des ess on développées pour juger de la non saionnarié des séries. Dans le cas ou la chronique n es pas saionnaire, il y a 3 cas pour la ransformer en série saionnaire : - Présence d une endance en moyenne: -endance linéaire : supprimer la endance en praiquan une différenciaion de premier ordre (sousraire la série d origine la série reardée d une période) -endance quadraique : une différenciaion de second ordre es conseillée. -Présence d une saisonnalié : On doi ravailler avec la série désaisonnalisé, pour cela une différenciaion de nombre de période d une saison es appliquée au chronique Processus auorégressif Les séries chronologiques son souven consiuées des élémens auocorrélés au sens ou il es possible de décrire les élémens consécuifs de la série par des élémens (passés) spécifiques décalés dans le emps. On peu synhéiser ce processus par l équaion : Où : δ es une consane X φ X φ X... φ X + δ + e = + + p p Pour plus de déails voir la référence [6] - 4 -

15 Les ouils de gesion φ,...φ p Les paramères du modèle auorégressif à esimer Processus de moyennes mobiles Dans le processus de moyennes mobiles, chaque élémen de la chronique ne dépend pas des élémens anérieurs mais aux valeurs anérieures du erme d erreurs.on peu égalemen décrire ce processus par l équaion suivane : Où : µ es une consane X = µ + e θ e θ e... θ e q q, θ θ q Les paramères du processus de moyenne mobile. θ, Modèle auorégressif moyenne mobile : ARIMA (p,d,q) «Le modèle général présené par Box e Jenkins compore des paramères auorégressif ainsi que des moyennes mobiles e compore expliciemen des différenciaions dans la formulaion du modèle» [9] Les rois ypes de paramère du modèle son : - nombre de paramère auorégressif (p) - nombre de différenciaion (d) - nombre de paramère de moyenne mobile (q) À noer que dans le modèle auorégressif moyenne mobile les valeurs fuurs dépenden à la fois des valeurs passées e des erreurs passées. Il peu êre représené par l équaion suivane : X = φ X + φ X +... θ e... φ p X p + δ + e θe θ e θ3e 3 p q Foncion d auocorrélaion : ACF «L auocorrélaion d ordre k d une série chronologique es la corrélaion enre cee série e elle-même avec un reard de k période» [5] Sa valeur es donnée par la formulaion suivane : r k = n k = ( y n = y)( y ( y + k y) y) - 5 -

16 Les ouils de gesion La foncion d auocorrélaion (ACF) es la suie des auocorrélaions: r,r,.r n. Leur analyse es facilié par la représenaion graphique (corrélogramme) suivane :,0 0,5 ACF 0,0-0,5 -, Numéro de décalage Coefficien Fig.II.7 : Exemple d un corrélogramme Foncion d auocorrélaion parielle: PACF «L auocorrélaion parielle es le coefficien de régression de Y -k lorsque Y es régressé par Y -, Y -,,Y -k. Le corrélogramme pariel (PACF) es le diagramme représenan la série des auocorrélaions parielles» [] Les auocorrélaions parielles son calculées selon les formules suivanes : * λ = r λ λ * * kj = r = λ r r * k, j λ kk λ k, k j λ * kk = r k k j = k λ j = k, j λ r k j r k, j j - 6 -

17 Les ouils de gesion,0 0,5 PACF 0,0-0,5 -, Numéro de décalage Fig.II.8 : Exemple d un corrélogramme Coefficien d auocorrélaion parielle Brui Blanc La noion de brui blanc concerne les erreurs (e ) qui par hypohèse suiven une loi normale N(0 ; σ ). On parle de brui blanc si les erreurs (e ) son saionnaires e non auocorrélés enre elles, qui implique qu aucune corrélaion significaive ne doi apparaîre sur le corrélogramme des résidus Méhodologie ARIMA On peu schémaiser la méhodologie de foncionnemen de la méhode ARIMA par le schéma suivan : () Idenifier un modèle () (3) (5) Esimer Les paramères eser la validié du Valide Eablir des prévisions (4) Changer le modèle Non valide Fig.II.9 : La Méhode de Box e Jenkins (ARIMA) () : Cee éape consise à rouver les paramères p e q du modèle en examinan les corrélogrammes e corrélogrammes parielles () : L esimaion des paramères es obenues généralemen selon la méhode des moindre carrées - 7 -

18 Les ouils de gesion (3) e (4) : Une analyse des corrélogrammes e corrélogrammes parielles es nécessaire pour assurer que les résidus suiven un brui blanc, dans le cas conraire on redéfini le modèle ARIMA en changean leurs paramères (5) : Cee éape vise a élaborer les prévisions a parir du modèle choisi Les méhodes causales (ou associaive) Ces méhodes se basen sur la recherche d une relaion enre la variable à prévoir (variable expliquée) e un ou plusieurs variables (explicaives). Le modèle de prévision a la forme suivane : X, X, X n son les variables explicaives a n Y = a 0 + a X, + a X, +. a 3 X n a 0, a,... représenen les coefficiens à esimer. Les méhodes causales faisan appel aux echniques de régression. on disingue deux echniques : Régression linéaire simple ; Régression linéaire muliple Modèle de Régression linéaire simple Il s agi dans ce modèle d esimer une variable expliquée Y dépend d une seule variable explicaive X. le modèle a la forme suivane : Y= a 0 + a X Les coefficiens a 0, a son déerminés en minimisan le crière de l écar quadraique moyenne (Eqm) : Eqm= La soluion d opimisaion donne : = e = ( X Y ) = a 0 =Y -a X X = n i= n X i a = x xy nxy n(x) Y = n Yi n i= - 8 -

19 Les ouils de gesion Modèle de Régression linéaire muliple Il s agi dans ce modèle d esimer une variable expliquée Y qui es reliées à plusieurs variables explicaives X, X, X n. Y= a 0 + a X + a X + a 3 X n + e Le modèle peu s écrire sous forme maricielle : y y.. y = x x.. x x N N a a.. 0 a N +e La soluion d opimisaion du crière de l écar quadraique moyenne (Eqm) qui donne les coefficiens a 0, a N es la suivane : X : la marice des variables explicaives X : ransposé de X A=(X X) - X Y A : le veceur des coefficiens a 0, a, a N Y : le veceur des y i Coefficiens de déerminaion e de corrélaion - Coefficien de déerminaion (r ) Il exprime le pourcenage de variable de Y expliqué par X. La variabilié oale expliquée par le modèle de régression es donnée par : r ( a + a X + a X 0, = = =, ( Y Y ) +... a X n n, Y ) - r - Coefficien de corrélaion (r) Il exprime le degré de corrélaion de Y e X, il mesure l inensié d une liaison linéaire enre la variable à prévoir e la forme linéaire reenue par la régression : - 9 -

20 Les ouils de gesion r = = ( a + a X 0, + a X =, ( Y Y ) +... a X n n, Y ) r : X e Y son foremen corrélées (dépendanes) r r + : les deux séries accroissen e décroissen au même emps. - : si la série de première variable accroî la deuxième décroî e inversemen r 0 : X e Y son faiblemen corrèle, cela signifie l absence de Relaion linéaire enre les deux variables Méhode basée sur les réseaux de neurones Inroducion aux réseaux de neurones arificiels Un réseau de neurones es une approche inspirée du sysème nerveux humain. Inrodui par le professeur Hal Whie (UC-San Diego) aux économises en 988, e définiivemen apparue en 994, les réseau de neurones monre une grande capacié de résoudre les problèmes de prévisions que les méhodes saisiques classiques grâce à sa puissance de caper les relaions non linéaires exisane dans les séries de données Définiion de réseau de neurones Un réseau de neurones arificiel es un ensemble de neurones inerconnecés enre eux de elle sore que chaque connexion es munie par un poids. L archiecure du réseau es enièremen spécifiée par : le nombre de cellules (une cellule représene un neurone) le graphe d inerconnexion des cellules le ype de cellule (neurone d enré, caché ou de sorie) - 0 -

21 Les ouils de gesion Le ype de neurone perme de définir 3 ypes de couches : Couche d enré (conien les neurones d enrés) Couche cachée (conien les neurones cachés) Couche de sorie (conien les neurones de sorie) Pour simuler un neurone sur un ordinaeur, on a besoin d un modèle mahémaique de ce neurone : Chaque neurone possède un ensemble d enrées X i Chaque connexion enre deux neurones X i, X j a un poids w ji La sorie d un neurone es déerminée en appliquan une foncion de ransfer sur la somme des produis de la connexion des enrées avec leurs poids (Fig.I.3) : N S k = f ( wkjxkj + bk ). () Où : j = f ( x) = + e f : La foncion d acivaion sigmoïde, il y en a d aures mais le sigmoïde es le plus uilisé. w kj : Le poids synapique de la connexion enre le neurone j e k. x kj : L enré de la neurone k depuis le neurone j. b k : Le biais N : Le nombre de neurone de la couche qui précède la couche conenan le neurone k. Bias b x Enrées x x W W f ( ) Foncion d acivaion Sorie y x m W m Poids synapiques Fig.II.30 : Calcul de la sorie d un neurone - -

22 Les ouils de gesion Remarque Cerains livres considèren que la couche d enrés en plus, e comme les cellules d enrés ne supporen pas les foncionnaliés des cellules du réseau elle ne sera pas compée parmi les couches de réseau Les réseaux de neurones mulicouches MLP «Muliplayer Percepron» En effe, il exise plusieurs ypes du réseau de neurones, mais comme nous inéressons aux problèmes de prévision, nous allons éudier le ype le plus uilisé dans ce domaine. Il s agi de réseaux de neurones mulicouches (muliplayer) (MLP). Un réseau mulicouche conien une couche d enré, une couche de sorie e une ou plusieurs couche(s) caché(s) (Fig.I.33), chaque couche conien un nombre défini de neurones e chaque neurone de la couche L es connecé à ous les neurones le la couche L+ avec un poids W ji de plus chaque neurone possède une exra enrée qui a pour valeur une consane, elle es appelée le biais. Enrés Couche A Couche B Enrés Couche A Couche B Couche C Sorie Connexion enre deux neurones Fig.I.3 : Réseau de neurone mulicouche Uilisaion des réseaux MLP dans le cadre de prévision Comme ous les réseaux de neurones le foncionnemen des réseaux MLP compore deux phases : une phase d apprenissage e une aure de reconnaissance. Le premier consise à enraîner les réseaux (selon un algorihme d apprenissage) de reproduire des valeurs proche aux valeurs désirées selon un crière de performance donné an disque l aure consise à ransformer les nouvelles enrées aux valeurs prévues. - -

23 Les ouils de gesion Dans nore cas, les enrés représenen l hisorique de données (évenuellemen les variables indépendanes) e la sorie représene la variable à prévoir (la variable dépendane). Ajusemen des poids e Enrées e e e n Réseau de Neurones Sorie Erreur + Désiré d, d,...d n Fig.II.3 : L apprenissage du réseau de neurone L algorihme d apprenissage Les MLP e beaucoup d aures réseaux de neurones apprennen en uilisan un algorihme appelé Rero propagaion (back propagaion). Avec la rero propagaion la donnée es à plusieurs reprises présenée au RNN, a chaque présenaion la sorie du RNN es comparée à la sorie désiré e une erreur es calculée, cee erreur es alors rero propager au RNN e employer pour ajuser les poids de façon à ce que l erreur diminue à chaque iéraion e que le modèle neuronal arrive de plus en plus prés de la reproducion de la sorie désirée. - Iniialisaion des poids W ij à des peies valeurs aléaoires enre 0 e. - Présenaion des données d apprenissage e les sories désirées (l hisorique) 3- Alimenaion-avan. Calcul des valeurs de sories S k (équaion ()) 4- Reropropagaion de l erreur Pour les poids de la couche de sorie : δ = D C ) f '( x ) Pour les poids de la couche de cachée : δ = f '( 5- Ajusemen des poids Pour les poids de la couche de sorie : w Remarque Pour les poids de la couche de cachée : w k j kj ji ( k k k = w = w x k j ji j ) N k = δ w k k αδ y αδ x 6- Répéer les éapes à 5 jusqu'à la convergence de l algorihme. j i j kj

24 Les ouils de gesion α Représene le aux d apprenissage, il a pour objecif de conrôler la rapidié de convergence de l algorihme vers une soluion opimal, il es compris enre 0.0 e 0.3 La convergence de l algorihme es basée sur l écar quadraique EC el que : EC= N ( Dk C k= Pariion de la série de données La méhode ypique pour l uilisaion des réseaux de neurones dans les problèmes de prévision, es d abord de pariionner la série de données de l hisorique en rois ensembles disjoins : les données d apprenissage, les données de validaion e celles de ese. Le réseau es enraîné sur les données d apprenissage, sa capacié de généralisaion es mesurée par les données de validaion es sa capacié de prévision es mesurée par les données de es. La capacié de généralisaion du réseau de neurones mesure le comporemen du réseau avec les enrés imprévues. Un RNN qui produi une grande erreur de prévision pour les enrés imprévues mais une peie erreur pour les données d apprenissage es die d avoir une capacié de généralisaion pauvre. Pour conrôler ce phénomène, on es amené à suivre la endance de l erreur d apprenissage e l erreur de validaion après chaque cycle d apprenissage, si le premier a une endance descendane e le deuxième a une endance ascendane on abandonne l apprenissage e réiniialiser l algorihme à nouveaux paramères. k ) Erreur Erreur de validaion Erreur d apprenissage Meilleure performance en généralisaion Iéraion Fig.II.33 : Evoluion des courbes d erreurs duran la phase d apprenissage - 4 -

25 Les ouils de gesion 6. Exemple d applicaion Un gesionnaire d une grande sociéé de vene des produis informaiques désire suivre l évoluion des demandes sur les PC. Pour cela il veu uiliser l ouil pour éablir la demande fuure (horizon de 4 mois) sur les PC. 5.. Collecer les données L hisorique des demandes mensuelles de l année passée es représené par le ableau suivan : Mois Demande Choisir une echnique de prévision La représenaion graphique de la série chronologique, monre qu il y a une endance linéaire ce qui nous ramène de choisir enre l une des deux méhodes de l hisorique avec endance : Ajusemen linéaire ou lissage de Hol, on va uiliser les deux méhodes e choisir la plus performane (crières d écar). X Fig.II.34 : Représenaion graphique de la série chronologique 6.3. Eablir les prévisions Méhode d ajusemen linéaire On a l équaion d ajusemen linéaire suivan : y = a + b - 5 -

26 Les ouils de gesion Appliquan la méhode de moindre carré, on rouve : a =07,57 b = 3,6 D où on dédui les prévisions des 4 mois suivan : Période Y Méhode du lissage de Hol Le modèle de Hol es base sur les équaions récurrenes suivanes : a α x + ( α)( a b ) = + b = β ( a a ) + ( β ) b En iniialisan a e b par les paramères rouvés par la méhode d ajusemen linéaire ( a eb ) e appliquan la récurrence jusqu à rouver les prévisions des 4 mois fuures, on obien les résulas suivans : Période Y 64,4 665,47 706,54 747,6 Remarque : On a pris : α = 0, 3 e β = 0, Calculer les écars en se basan sur la simulaion de l hisorique L applicaion des deux méhodes aux données de l hisorique donne : Méhode d ajusemen linéaire Période X Y 39,74 7,9 304,07 336,4 368,4 400,58 43,75 464,9 497,08 59,5 56,4 593,58 E=X-Y ,9 5,93 43,76-8,4-80,58-3,75-54,9-47,08-9,5 38,58 56,4-6 -

27 Les ouils de gesion Méhode du lissage de Hol Période X Y 96,9 43,76 3,49 49, 54,66 495,85 49,33 480,5 479,65 497, 554,76 64,4 E=X-Y 3,09-3,76 7,5 88,77-74,66-75,87-9,33-70,5-9,65,9 45,4 5,6 Les crières d écar des deux méhodes : Méhode ealm eabsm eqm σ e cib Ajusemen -0,007 60, , ,93 linéaire Lissage de Hol -3,80 6,65 75,63 85,6 04,66 On noe que le premier modèle es plus performan e moins compliqué que le deuxième car l écar algébrique moyen (Eqm) de celui-ci es inférieur à celui de l'aure, même chose pour le cib. 7. Conclusion La prévision es considérée parmi les ouils mahémaiques les plus imporans dans le domaine de gesion. Les différenes méhodes de prévision, selon le conexe, peuven donner une image du fuur qui va aider les gesionnaires dans le processus de prise de la décision dans l enreprise

28 Les ouils de gesion Bibliographie Livres e mémoires [] : Armand Dayan. «Manuel de Gesion» Ellipses Ediion Markeing S.A., 999, paris. [] : François KOLB, Vladimir BRIJAOFF «Planificaion e méhodes des prévisions dans l enreprise» Ediion du ambourinaire, 969, paris. [3] : Jean-Louis Brossard, Marc Polizzi «Gerer la producion indusrielle : Ouils e méhodes» Ediion Mare Nosrum, 996. [4]: Mme.Hamdad «Analyse de données» Suppor de cours 4 eme année (Sysème d informaion), INI. Sies Web [5]: hp://sep.polyml.ca/~scgi00/docs/j_c_nash_fr.pdf [6]: hp:// [7]: hp:// [8]: hp:// [9]: hp://www-markeing.wharon.upenn.edu/forecas/long- Range%0Forecasing/conens.hml [0]: hp:// []: hp:// conomique.doc []: hp://sep.polyml.ca/~scgi00/docs/j_c_nash_fr.pdf [3]: hp:// Acu/SysProd/Prevision.pdf [4]: hp:// [5]: hp://chrisophe.benaven.free.fr/cours/dea/dea5.pdf [6]: hp://condor.ucr.edu/class/mohsen/mg67f03/_privae/inroducion.pdf - 8 -

- PROBABILITE : c est le rapport (Nbr de cas favorable/nbr de cas possible). C est un nombre compris entre 0 et 1.

- PROBABILITE : c est le rapport (Nbr de cas favorable/nbr de cas possible). C est un nombre compris entre 0 et 1. Les premières consaaions sur l inapiude des produis indusriels à assurer les foncions qu ils éaien censés remplir pendan un emps suffisan remonen à la seconde guerre mondiale. En France cee prise de conscience

Plus en détail

DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE

DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE UNIVERSITE DE TUNIS Faculé des sciences économiques e de gesion de Tunis MODELE DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE Ezzeddine MBAREK 2010 1 INTRODUCTION Le modèle que je propose

Plus en détail

df( t) P( t T t dt) ft ( ) lim

df( t) P( t T t dt) ft ( ) lim I APPROCHE DE LA FIABILITE PAR LES PROBABILITES : Définiion selon la NF X 6 5 : la fiabilié es la caracérisique d un disposiif exprimée par la probabilié que ce disposiif accomplisse une foncion requise

Plus en détail

Procédé thermocyclique de régulation de température

Procédé thermocyclique de régulation de température - 1 - Innovaion echnologique dans le domaine de la régulaion de empéraure, le procédé hermocyclique foncionne selon un principe unique en son genre qui n a rien en commun avec les régulaions par hermosa

Plus en détail

1 Le hacheur série. 30 mars 2005

1 Le hacheur série. 30 mars 2005 e hacheur série A. Campo 30 mars 2005 1 e hacheur série 1.1 Généraliés e hacheur es un disposiif permean d obenir une ension coninue de valeur moyenne réglable à parir d

Plus en détail

MODELISATION ET ANALYSE DE LA SERIE CHRONOLOGIQUE DE PRODUCTION D EAU DE CONSOMMATION PAR LISSAGE EXPONENTIEL

MODELISATION ET ANALYSE DE LA SERIE CHRONOLOGIQUE DE PRODUCTION D EAU DE CONSOMMATION PAR LISSAGE EXPONENTIEL Courrier du Savoir N 18, Mars 2014, pp.09-14 MODELISATION ET ANALYSE DE LA SERIE CHRONOLOGIQUE DE PRODUCTION D EAU DE CONSOMMATION PAR LISSAGE EXPONENTIEL A. MESSAMEH, N. LOUDJANI, M. T.BOUZIANE Laboraoire

Plus en détail

RELATIONS FONCTIONNELLES. I Généralités

RELATIONS FONCTIONNELLES. I Généralités Universié d'angers : LSEN relaions foncionnelles p. Parie A : Proporionnalié RELATIONS FONCTIONNELLES I Généraliés / Définiion : Soien deux suies de nombres réels : (x ;x ;x ;x 4 ) e (y ;y ;y ;y 4 ). Ces

Plus en détail

ELECTRICITE. Chapitre 9 Valeur moyenne des signaux périodiques. Analyse des signaux et des circuits électriques. Michel Piou

ELECTRICITE. Chapitre 9 Valeur moyenne des signaux périodiques. Analyse des signaux et des circuits électriques. Michel Piou ELECRICIE Analyse des signaux e des circuis élecriques Michel Piou Chapire 9 Valeur moyenne des signaux périodiques. Ediion //24 able des maières POURQUOI E COMMEN?... 2 INERE DE LA NOION DE VALEUR MOYENNE....2

Plus en détail

4. "SEPO" - UNE MÉTHODE POUR L'AUTO- ÉVALUATION ET POUR LES PROJETS-PILOTE

4. SEPO - UNE MÉTHODE POUR L'AUTO- ÉVALUATION ET POUR LES PROJETS-PILOTE D/ Baobab: Cours de gesion des projes page 46 4. "" - UN MÉTHD UR L'AUT- ÉVALUATIN T UR L RJT-ILT 4.1 Inroducion (angl.:w) es un ouil pour l'auoévaluaion e pour les projes-piloe. Il a éé élaboré lors de

Plus en détail

TRAITEMENT DU SIGNAL

TRAITEMENT DU SIGNAL Spé y -4 Devoir n TAITMNT D SIGNAL Parie I OMPOTMNT DYNAMIQ D N LAM D QATZ On considère une lame de quarz, cylindrique, de secion S consane, d axe Ox (de veceur uniaire r u X ), don les deux faces e en

Plus en détail

Estimation composite par régression pour l Enquête sur la population active du Canada avec plan de sondage à renouvellement de panel

Estimation composite par régression pour l Enquête sur la population active du Canada avec plan de sondage à renouvellement de panel Techniques d enquêe, juin 00 35 Vol. 7, N o, pp. 35 48 Saisique Canada, N o 00 au caalogue Esimaion composie par régression pour l Enquêe sur la populaion acive du Canada avec plan de sondage à renouvellemen

Plus en détail

2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.

2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre. 1 Examen. 1.1 Prime d une opion sur un fuure On considère une opion à 85 jours sur un fuure de nominal 18 francs, e don le prix d exercice es 175 francs. Le aux d inérê (coninu) du marché monéaire es 6%

Plus en détail

Ce document a été mis en ligne par le Canopé de l académie de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel.

Ce document a été mis en ligne par le Canopé de l académie de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Ce documen a éé mis en ligne par le Canopé de l académie de Bordeaux pour la Base Naionale des Sujes d Examens de l enseignemen professionnel. Base Naionale des Sujes d'examens de l'enseignemen professionnel

Plus en détail

ECO434, Ecole polytechnique, 2e année PC 5 Flux de Capitaux Internationaux et Déséquilibres Mondiaux

ECO434, Ecole polytechnique, 2e année PC 5 Flux de Capitaux Internationaux et Déséquilibres Mondiaux ECO434, Ecole polyechnique, 2e année PC 5 Flux de Capiaux Inernaionaux e Déséquilibres Mondiaux Exercice 1 : Flux de capiaux dans le modèle de croissance néoclassique Le modèle es en emps coninu. On considère

Plus en détail

de rentiers en cours de service

de rentiers en cours de service Les Allocaion normes d acifs IFRS d un en assurance régime de reniers en cours de service 27 e journée de séminaires acuariels ISFA Lyon e ISA-HEC Lausanne Frédéric PLANCHET Pierre THEROND 3 décembre 2004

Plus en détail

LES HISTORIQUES DE COURS ET L ANALYSE TECHNIQUE

LES HISTORIQUES DE COURS ET L ANALYSE TECHNIQUE LES HISTORIQUES DE COURS ET L ANALYSE TECHNIQUE 1 Origines e principes de base de l analyse echnique 2 Les ouils de l analyse graphique radiionnelle 3 Les ouils de l analyse saisique A) LES ORIGINES ET

Plus en détail

ANNEXE 2 - REGLES DE CALCUL DU TAUX DE RENTABILITE DES EXTENSIONS DE RESEAU

ANNEXE 2 - REGLES DE CALCUL DU TAUX DE RENTABILITE DES EXTENSIONS DE RESEAU ANNEXE 2 - REGLES DE CALCUL DU TAUX DE RENTABILITE DES EXTENSIONS DE RESEAU SOMMAIRE ARTICLE 1 - Définiion du aux de renabilié ARTICLE 2 - Seuil minimum de renabilié ARTICLE 3 - Evaluaion de la recee acualisée

Plus en détail

GUIDE DES INDICES BOURSIERS

GUIDE DES INDICES BOURSIERS GUIDE DES INDICES BOURSIERS SOMMAIRE PRESENTATION DES INDICES... 2 LA GAMME D INDICES : L INDICE TUNINDEX ET LES INDICES SECTORIELS... 3 REGLE GENERALE RELATIVE A LA COMPOSITION DES INDICES... 3 REGLE

Plus en détail

INTRODUCTION AUX SÉRIES CHRONOLOGIQUES

INTRODUCTION AUX SÉRIES CHRONOLOGIQUES INTRODUCTION AU SÉRIES CHRONOLOGIQUES AE MÉTHODES STATISTIQUES ET APPLICATIONS O. ROUSTANT Novembre 008 Table des maières TABLE DES MATIERES... INTRODUCTION... 3 QUELQUES TECHNIQUES DESCRIPTIVES... 4.

Plus en détail

Modélisation et quantification de systèmes vieillissants pour l optimisation de la maintenance

Modélisation et quantification de systèmes vieillissants pour l optimisation de la maintenance ème édiion du congrès inernaional pluridisciplinaire Du au 20 mars 2009 Modélisaion e quanificaion de sysèmes vieillissans pour l opimisaion de la mainenance LAIR William,2, MERCIER Sophie, ROUSSIGNOL

Plus en détail

INSTRUMENTATION ELECTRIQUE OSCILLOSCOPE NUMERIQUE GENERATEUR BASSE FREQUENCE UTILISE EN SINUSOIDAL Etude théorique

INSTRUMENTATION ELECTRIQUE OSCILLOSCOPE NUMERIQUE GENERATEUR BASSE FREQUENCE UTILISE EN SINUSOIDAL Etude théorique 1 INSUMENAION ELEIQUE OSILLOSOPE NUMEIQUE GENEAEU BASSE FEQUENE UILISE EN SINUSOIDAL Eude héorique 1 Noions élémenaires 1.1 Masse e erre : Lorsqu on mesure une ension, on mesure en fai une différence de

Plus en détail

Les nouveautés d Excel 2016

Les nouveautés d Excel 2016 EXCEL 2016 Office 2016 - Excel, Word, PowerPoin e Oul ook Les nouveaués d Excel 2016 Uiliser la sélecion muliple dans les filres à segmen Les segmens, uilisés dans des ableaux de données ou des ableaux

Plus en détail

4. Principe de la modélisation des séries temporelles

4. Principe de la modélisation des séries temporelles 4. Principe de la modélisaion des séries emporelles Nous raierons ici, à ire d exemple, la modélisaion des liens enre la polluion amosphérique e les indicaeurs de sané. Mais les méhodes indiquées, comme

Plus en détail

Théorème de Cauchy-Lipschitz et applications. Lefeuvre thomas & Ginguené franck 30 mars 2012

Théorème de Cauchy-Lipschitz et applications. Lefeuvre thomas & Ginguené franck 30 mars 2012 Théorème de Cauchy-Lipschiz e applicaions Lefeuvre homas & Ginguené franck 30 mars 01 1 Table des maières 1 Théorème du poin fixe 3 1.1 Énoncé.......................................... 3 1. Démonsraion.....................................

Plus en détail

Un modèle intégré de la demande totale d énergie Application à la province de Québec RÉSUMÉ

Un modèle intégré de la demande totale d énergie Application à la province de Québec RÉSUMÉ Un modèle inégré de la demande oale d énergie Applicaion à la province de Québec par JeanThomas Bernard Tiulaire de la Chaire en économique de l'énergie élecrique Déparemen d'économique Universié Laval

Plus en détail

~ = Les redresseurs se divisent en deux grands groupes : On classe les divers redresseurs en trois catégories : Les redresseurs semicommandés

~ = Les redresseurs se divisent en deux grands groupes : On classe les divers redresseurs en trois catégories : Les redresseurs semicommandés Le redressemen c'es la ransformaion de l'énergie élecrique alernaive du réseau en énergie coninue. Symbole : ~ = Les redresseurs se divisen en deux grands groupes : les redresseurs demi onde, à une alernance

Plus en détail

PHYSIQUE. Partie préliminaire

PHYSIQUE. Partie préliminaire PHYSIQUE Les différenes paries de ce problème son dans une large mesure indépendanes Seules les argumenaions précises e concises seron prises en compe en réponse aux quesions qualiaives Parie préliminaire

Plus en détail

Groupe Saint Joseph La Salle Centre de Formation

Groupe Saint Joseph La Salle Centre de Formation Groupe Sain Joseph La Salle Cenre de Formaion NOUVEAUTÉ renrée 2016 LICENCE COMMERCE, VENTE & MARKETING Formaion en alernance + d infos sur nore sie : www.sjodijon.com Groupe Scolaire Sain Joseph La Salle

Plus en détail

Un Peuple - Un But Une Foi MINISTERE DE L ECONOMIE ET DES FINANCES DIRECTION DE LA PREVISION ET DES ETUDES ECONOMIQUES. Document de Travail

Un Peuple - Un But Une Foi MINISTERE DE L ECONOMIE ET DES FINANCES DIRECTION DE LA PREVISION ET DES ETUDES ECONOMIQUES. Document de Travail Un Peuple - Un Bu Une Foi MINISTERE DE L ECONOMIE ET DES FINANCES DIRECTION DE LA PREVISION ET DES ETUDES ECONOMIQUES Documen de Travail ANALYSE ET PREVISION DES SERIES TEMPORELLES PAR LA METHODE DE BOX

Plus en détail

4.9 Calcul de la maçonnerie portante soumise à une charge verticale

4.9 Calcul de la maçonnerie portante soumise à une charge verticale La radioacivié évenuellemen émise dans les consrucions es due, principalemen, à la présence de Radium (Ra 226) e/ou Thorium (Th 232) dans le sous-sol e dans les maériaux uilisés. Parmi ceux-ci, le béon

Plus en détail

Traitement du Signal Déterministe

Traitement du Signal Déterministe Cours e ravaux Dirigés de raiemen du Signal Déerminise Benoî Decoux (benoi.decoux@wanadoo.fr) - s - ère parie : "Noions de base e éudes emporelles" Bases du raiemen de signal Calculer l ampliude de la

Plus en détail

Université d été Solvabilité 2 Juillet 2011

Université d été Solvabilité 2 Juillet 2011 LES INDICATEURS OPERATIONNELLES LIÉS À L ORSA Version 1.0 Universié d éé Solvabilié 2 Juille 2011 Frédéric PLANCHET Acuaire Associé fplanche@winer-associes.fr Marc JUILLARD Acuaire mjuillard@winer-associes.fr

Plus en détail

THÈSE. DOCTEUR Spécialité : Sciences de l ingénieur Mention : AUTOMATIQUE

THÈSE. DOCTEUR Spécialité : Sciences de l ingénieur Mention : AUTOMATIQUE THÈSE Présenée à L Universié Paul Verlaine - Mez UFR Mahémaiques, Informaique, Mécanique Pour obenir le ire de DOCTEUR Spécialié : Sciences de l ingénieur Menion : AUTOMATIQUE Par Mohammed DAHANE Tire

Plus en détail

au taux d intérêt court. Pour cette raison, on applique souvent des modèles explicites

au taux d intérêt court. Pour cette raison, on applique souvent des modèles explicites Chapire 5 Modèles d Inensié Les deux approches dans la modélisaion de risque de crédi approche srucurel e approche d inensié ne son pas compaibles : dans les modèles d inensié, l exisence de l inensié

Plus en détail

CHAPITRE 4 LA VAR MONTE CARLO... 2

CHAPITRE 4 LA VAR MONTE CARLO... 2 CHAPITRE 4 LA VAR MONTE CARLO... I. PRINCIPE... A. Quel modèle uiliser?... B. Algorihme de simulaion... 3 II. EXEMPLE D APPLICATION... 4 A. Travail préliminaire... 4 B. Simulaion des rajecoires... 6 Algorihme...

Plus en détail

Les déclencheurs électroniques STRE23SE se montent indifféremment sur les compacts NS 400 et NS 630 de type N, H ou L.

Les déclencheurs électroniques STRE23SE se montent indifféremment sur les compacts NS 400 et NS 630 de type N, H ou L. 14/1/6 Quesion : Commen régler correcemen le déclencheur élecronique STRE23SE? Réponse : Les déclencheurs élecroniques STRE23SE se monen indifféremmen sur les compacs NS 4 e NS 63 de ype N, H ou L. Le

Plus en détail

Solutions auto-similaires et espaces de données initiales. 2 ), l équation de Schrödinger. Introduction. Fabrice Planchon

Solutions auto-similaires et espaces de données initiales. 2 ), l équation de Schrödinger. Introduction. Fabrice Planchon Soluions auo-similaires e espaces de données iniiales pour l équaion de Schrödinger Fabrice Planchon Résumé. On démonre que pour des peies données iniiales dans Ḃ 1, (R3 ), l équaion de Schrödinger non

Plus en détail

La rentabilité des investissements

La rentabilité des investissements La renabilié des invesissemens Inroducion Difficulé d évaluer des invesissemens TI : problème de l idenificaion des bénéfices, des coûs (absence de saisiques empiriques) problème des bénéfices Inangibles

Plus en détail

PTSI PT AUTOMATIQUE. Constituants des systèmes

PTSI PT AUTOMATIQUE. Constituants des systèmes PTSI PT AUTOMATIQUE des sysèmes Table des maières 1 LA CHAINE FONCTIONNELLE 1 1.1 STRUCTURE FONCTIONNELLE... 1 1.2 CHAINE D ENERGIE... 1 1.3 CHAINE D INFORMATION... 2 2 LES ACTIONNEURS 3 2.1 LES VERINS

Plus en détail

ESTIMATION DE COEFFICIENTS TECHNIQUES ROBUSTES POUR L ECONOIE SENEGALAISE

ESTIMATION DE COEFFICIENTS TECHNIQUES ROBUSTES POUR L ECONOIE SENEGALAISE REPUBLIQUE DU SENEGAL ------------------ MINISTERE DE L ECONOMIE ET DES FINANCES ------------------ AGENCE NATIONALE DE LA STATISTIQUE ET DE LA DEMOGRAPHIE Direcion des Saisiques Economiques e de la Compabilié

Plus en détail

Planification opérationnelle d une chaîne d approvisionnement forestière

Planification opérationnelle d une chaîne d approvisionnement forestière Planificaion opéraionnelle d une chaîne d approvisionnemen foresière Coordonnaeur: Jean Marc Frayre, ing. jr., Ph.D. Professeur adjoin (ÉPM) Indusriel: Sébasien Lacroix, ing. F., M.Sc. Éudians: Amira Dems

Plus en détail

Retour aux bases de la photographie Partie 1 L' EXPOSITION

Retour aux bases de la photographie Partie 1 L' EXPOSITION Parie 1 - Secion 1.5 Reour aux bases de la phoographie Parie 1 L' EXPOSITIO Secion 1.5 Synhèse Exposiion Indices de Luminaion IL (EV) 1 Synhèse des valeurs Rappel des échelles normalisées des différens

Plus en détail

Académie de Poitiers TPE 2011-2012 3/8

Académie de Poitiers TPE 2011-2012 3/8 1 ère composane : émarche personnelle e invesissemen du candida au cours de l élaboraion du TPE (noe enière sur 8 poins) Iems officiels ompéences officielles Niveau d exigence 1. Recherche documenaire

Plus en détail

Exercice du Gestion Financière à Court Terme «Cas FINEX Gestion du risque de taux d intérêt»

Exercice du Gestion Financière à Court Terme «Cas FINEX Gestion du risque de taux d intérêt» Exercice du Gesion Financière à Cour Terme «Cas FINEX Gesion du risque de aux d inérê» Ce cas raie des différens aspecs de la gesion du risque de aux d inérê liée à la dee d une enreprise : analyse d emprun,

Plus en détail

UCP : Unit Commitment Problem. UCP : Relaxation Lagrangienne et filtrage par coûts réduits

UCP : Unit Commitment Problem. UCP : Relaxation Lagrangienne et filtrage par coûts réduits ucp : relaxaion lagrangienne e filrage par coûs réduis T 1 UCP : Uni Commimen Problem Relaxaion lagrangienne e filrage par coûs réduis appliqués à la producion d élecricié BENOIST Thierry BOUYGUES/eLAB

Plus en détail

CONDITONNEMENT DU SIGNAL

CONDITONNEMENT DU SIGNAL I) Présenaion "La diode" CONITONNMNT U IGNAL La diode es un composan élecronique semi conduceur qui se compore comme un inerrupeur fermé quand elle es polarisée en direc e comme un inerrupeur ouver polarisée

Plus en détail

DECISION N 2010-03 RELATIVE AUX CONDITIONS TARIFAIRES DE SENELEC POUR LA PERIODE 2010-2014

DECISION N 2010-03 RELATIVE AUX CONDITIONS TARIFAIRES DE SENELEC POUR LA PERIODE 2010-2014 REPUBLIQUE DU SENEGAL Un Peuple - Un Bu Une Foi Commission de Régulaion du Seceur de l Elecricié DECISION N 21-3 RELATIVE AUX CONDITIONS TARIFAIRES DE SENELEC POUR LA PERIODE 21-214 LA COMMISSION DE REGULATION

Plus en détail

L inflation dans la zone euro et aux États-Unis est. Rue de la Banque. Le découplage des courbes de rendement en euro et en dollar

L inflation dans la zone euro et aux États-Unis est. Rue de la Banque. Le découplage des courbes de rendement en euro et en dollar Le découplage des courbes de rendemen en euro e en dollar Benoî MOJON Direceur des Éudes monéaires e financières Fulvio PEGORARO Direcion des Éudes monéaires e financières Cee lere présene le résula de

Plus en détail

Calcul économique et risque. Comment intégrer le risque dans le calcul économique?

Calcul économique et risque. Comment intégrer le risque dans le calcul économique? Calcul économique e risque Commen inégrer le risque dans le calcul économique? Chrisian Gollier Universié de Toulouse (IDEI e LERNA) Février 25 Résumé : Dans ce aricle, j explique pourquoi il es raisonnable

Plus en détail

EVALUATION : LA GÉNÉRATION ÉLECTRIQUE EN AÉRONAUTIQUE

EVALUATION : LA GÉNÉRATION ÉLECTRIQUE EN AÉRONAUTIQUE EVALUATION : LA GÉNÉRATION ÉLECTRIQUE EN AÉRONAUTIQUE Temps impari = 1 heure ; Tous documens auorisés excepé la copie du voisin(e) Lire ou l énoncé avan de commencer. Le besoin en énergie élecrique à bord

Plus en détail

Bien que l investissement des entreprises françaises ait tardé à se redresser

Bien que l investissement des entreprises françaises ait tardé à se redresser Le prix du foncier n aurai pas d effe direc sur l invesissemen en acifs producifs Yaëlle Hauseux Berrand Marc Déparemen de la conjoncure David Audenaer Charles-Marie Chevalier Déparemen des éudes économiques

Plus en détail

Chapitre 15 c Circuits RL et RC

Chapitre 15 c Circuits RL et RC Chapire 15 c Circuis L e C en régime impulsionnel Sommaire Circuis en régime impulsionnel Signal impulsionnel Mesure d'un circui C en régime impulsionnel Applicaion praique Eude du circui C en régime impulsionnel

Plus en détail

CHAPITRE III LA PREVISION

CHAPITRE III LA PREVISION CHAPITRE III LA PREVISION Prévoir ce qui va se passer dans le fuur es d'une imporance capiale pour la plupar des enreprises. En effe, la producion es selon le ype d'acivié un processus plus ou moins long,

Plus en détail

CR-08 : Ordonnancement

CR-08 : Ordonnancement CR-08 : Ordonnancemen Loris Marchal, CR CNRS au LIP vague 1, 2? Ordonnancemen : une parie de la Recherche Opéraionnelle allocaion de ressources à des âches sous ceraines conraines dans le bu d opimiser

Plus en détail

Les circuits électriques en régime transitoire

Les circuits électriques en régime transitoire Les circuis élecriques en régime ransioire 1 Inroducion 1.1 Définiions 1.1.1 égime saionnaire Un régime saionnaire es caracérisé par des grandeurs indépendanes du emps. Un circui en couran coninu es donc

Plus en détail

«Savoir vendre les nouvelles classes d actifs financiers» Produits à capital garanti : méthode du coussin (CCPI) François Longin www.longin.

«Savoir vendre les nouvelles classes d actifs financiers» Produits à capital garanti : méthode du coussin (CCPI) François Longin www.longin. Formaion ESSEC Gesion de parimoine Séminaire i «Savoir vendre les nouvelles classes d acifs financiers» Produis à capial garani : méhode du coussin (CCPI) Origine de la méhode Descripion de la méhode Plan

Plus en détail

TD/TP : Taux d un emprunt (méthode de Newton)

TD/TP : Taux d un emprunt (méthode de Newton) TD/TP : Taux d un emprun (méhode de Newon) 1 On s inéresse à des calculs relaifs à des remboursemens d empruns 1. On noera C 0 la somme emprunée, M la somme remboursée chaque mois (mensualié), le aux mensuel

Plus en détail

Relais de mesure et de contrôle industriels Zelio Control 3

Relais de mesure et de contrôle industriels Zelio Control 3 Présenaion elais de mesure e de conrôle indusriels Zelio Conrol elais de conrôle de réseaux riphasés M T 0 M T Foncionnaliés Ces appareils son desinés à la surveillance des réseaux riphasés e à la proecion

Plus en détail

Segmentation d images couleur par fusion de régions.

Segmentation d images couleur par fusion de régions. SETIT 2005 3 rd Inernaional Conference: Sciences of Elecronic, Technologies of Informaion and Telecommunicaions March 27-31, 2005 TUNISIA Segmenaion d images couleur par fusion de régions. Mme AMEUR Zohra,

Plus en détail

Cahier technique n 202

Cahier technique n 202 Collecion Technique... Cahier echnique n 22 Les singulariés de l harmonique 3 J. Schonek Les Cahiers Techniques consiuen une collecion d une cenaine de ires édiés à l inenion des ingénieurs e echniciens

Plus en détail

Document d études. direction de l'animation de la recherche, des études et des statistiques FLUX DE TRAVAILLEURS AU COURS DU CYCLE CONJONCTUREL

Document d études. direction de l'animation de la recherche, des études et des statistiques FLUX DE TRAVAILLEURS AU COURS DU CYCLE CONJONCTUREL Documen d éudes direcion de l'animaion de la recherche, des éudes e des saisiques Numéro 167 Décembre 2011 FLUX DE TRAVAILLEURS AU COURS DU CYCLE CONJONCTUREL Yves DUBOIS 1 Jean-Olivier HAIRAULT 2 Thomas

Plus en détail

CONVERSION DE PUISSANCE

CONVERSION DE PUISSANCE Spé y 2003-2004 Devoir n 5 CONVERSION DE PUISSANCE Parie I EUDE D UN CAPEUR DE POSIION ANGULAIRE A / ÉUDE D'UN CIRCUI MAGNÉIQUE Considérons le disposiif schémaisé sur la figure, composé de deux bobines

Plus en détail

L oscilloscope numérique

L oscilloscope numérique L oscilloscope numérique Ce documen résume le principe de foncionnemen d un oscilloscope numérique e déaille les réglages possibles du modèle uilisé en séance de ravaux praiques. 1 Principe de foncionnemen

Plus en détail

Chromatographie en Phase Gazeuse CPG.

Chromatographie en Phase Gazeuse CPG. TEISSIER Thomas MADET Nicolas Licence IUP SIAL Universié de Créeil-Paris XII COMPTE-RENDU DE TP DE CHROMATOGRAPHIE: Chromaographie en Phase Gazeuse CPG. Année universiaire 23/24 Sommaire. I OBJECTIF...3

Plus en détail

Electronique de puissance

Electronique de puissance Haue Ecole d Ingénierie e de Gesion du Canon du Vaud Elecronique de puissance Chapire 9 MODÉLISAION HERMIQUE DES COMPOSANS DE PUISSANCE M. Correvon A B L E D E S M A I E R E S PAGE 9. ANALYSE HERMIQUE

Plus en détail

Réglage valeur moyenne

Réglage valeur moyenne P Cours : l insrumenaion élecrique A- Le généraeur de basses fréquences ou G.B.F - Présenaion uilisé : Réglage fréquence Réglage ampliude Réglage valeur moyenne Sweep : Possibilié de créer un signal de

Plus en détail

GENERATEURS DE HAUTE TENSION

GENERATEURS DE HAUTE TENSION ours de A. Tilmaine HAPITRE VII GENERATEURS DE HAUTE TENSION Les généraeurs de haue ension son uilisés dans : a) les laboraoires de recherche scienifique ; b) les laboraoires d essai, pour eser les équipemens

Plus en détail

Prénom et nom : Devoir-Maison, à rendre le mardi 28 avril 2014

Prénom et nom : Devoir-Maison, à rendre le mardi 28 avril 2014 Prénom e nom : Devoir-Maison, à rendre le mardi 28 avril 2014 Exercice n 1 Un ouvrier dispose de plaques de méal de 110 cm de longueur e de 88 cm de largeur. Il a reçu la consigne suivane : «Découpe dans

Plus en détail

Temporisation et monostable Contrôleurs de rotation XSA-V

Temporisation et monostable Contrôleurs de rotation XSA-V Temporisaion e monosable Conrôleurs de roaion XSA-V Manuel didacique Version Française TE Sommaire Chapire Page Temporisaion - Lecure des hisogrammes 3. Définiion 3.2 Bu 3.3 Principe de foncionnemen 3.3.

Plus en détail

Estimation des matrices de trafics

Estimation des matrices de trafics Cédric Foruny 1/5 Esimaion des marices de rafics Cedric FORTUNY Direceur(s) de hèse : Jean Marie GARCIA e Olivier BRUN Laboraoire d accueil : LAAS & QoSDesign 7, av du Colonel Roche 31077 TOULOUSE Cedex

Plus en détail

Considérons un dipôle AB d un circuit parcouru par un courant d intensité I :

Considérons un dipôle AB d un circuit parcouru par un courant d intensité I : Filière SM Module Physique lémen : lecricié Cours Prof..Tadili 2 ème Parie Chapire 2 ude des dipôles nergie élecrique e puissance. appel Considérons un dipôle d un circui parcouru par un couran d inensié

Plus en détail

Le mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites

Le mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»

Plus en détail

CHAPITRE VII. Les Convertisseurs Analogiques Numériques

CHAPITRE VII. Les Convertisseurs Analogiques Numériques CHAPITRE VII Les Converisseurs Analogiques Numériques Olivier Français, 2 SOMMAIRE LES CONVERTISSEURS À INTÉGRATION... 3 I LE CONVERTISSEUR SIMPLE RAMPE... 3 I.1 PRINCIPE... 3 I.2 PHASES DE FONCTIONNEMENT...

Plus en détail

03/12/2015. Le transistor bipolaire. Pascal MASSON. Sommaire. I. Historique. Caractéristiques du transistor. Polarisation du transistor

03/12/2015. Le transistor bipolaire. Pascal MASSON. Sommaire. I. Historique. Caractéristiques du transistor. Polarisation du transistor 3/2/25 (pascal.masson@unice.fr) diion 25-26 École Polyechnique Universiaire de ice Sophia-Anipolis Parcours des écoles d'ingénieurs Polyech (Peip) -Parcours des écoles 645 roue d'ingénieurs des Lucioles,

Plus en détail

La population d une ville était de 150 000 habitants en 2000. Elle s est accrue chaque année de 20 000 habitants.

La population d une ville était de 150 000 habitants en 2000. Elle s est accrue chaque année de 20 000 habitants. Exercice 1 : évoluions e pourcenages La populaion d une ville éai de 150 000 habians en 2000. Elle s es accrue chaque année de 20 000 habians. Calculer l augmenaion en pourcenage de 2000 à 2001, de 2001

Plus en détail

Les Notes de l Institut d émission

Les Notes de l Institut d émission Les Noes de l Insiu d émission Aoû 2012 Déerminans des échanges de biens e compéiivié dans une économie monoexporarice : 164 rue de Rivoli 75001 Paris 01 53 44 41 41 - élécopie 01 44 87 99 62 Sommaire

Plus en détail

LES ALIMENTATIONS ELECTRIQUES SOMMAIRE. I) Généralités... 3. II) Les alimentations linéaires... 5 II.1) Schéma fonctionnel... 5

LES ALIMENTATIONS ELECTRIQUES SOMMAIRE. I) Généralités... 3. II) Les alimentations linéaires... 5 II.1) Schéma fonctionnel... 5 AMNAON CQ OMMA ) Généraliés... 3 ) es alimenaions linéaires... 5.1) chéma foncionnel... 5.2) ude de F1 : ransformaion ou abaissemen... 5.3) ude de F2 : edressemen.... 8.3.1) edressemen : Mono alernance....

Plus en détail

UN INDICE D ÉVOLUTION EN VOLUME DU STOCK DE RESSOURCES NATURELLES

UN INDICE D ÉVOLUTION EN VOLUME DU STOCK DE RESSOURCES NATURELLES UN INDICE D ÉVOLUTION EN VOLUME DU STOCK DE RESSOURCES NATURELLES 15e Colloque de l Associaion de Compabilié Naionale Novembre 2014 Pierre-Alain Pionnier OCDE Indicaeurs phares de l OCDE pour une croissance

Plus en détail

Introduction aux produits dérivés

Introduction aux produits dérivés Chapire 1 Inroducion aux produis dérivés de crédi Le risque de crédi signifie les risques financiers liés aux incapaciés d un agen (un pariculier, une enreprise ou un éa souverain) de payer un engagemen

Plus en détail

La prise en compte de variables explicatives dans les modèles de séries temporelles : application à la demande de transport et au risque routier

La prise en compte de variables explicatives dans les modèles de séries temporelles : application à la demande de transport et au risque routier La prise en compe de variables explicaives dans les modèles de séries emporelles : applicaion à la demande de ranspor e au risque rouier Ruh Bergel-Haya To cie his version: Ruh Bergel-Haya. La prise en

Plus en détail

Analyse par intervalles pour la localisation et la cartographie simultanées; Application à la robotique sous-marine.

Analyse par intervalles pour la localisation et la cartographie simultanées; Application à la robotique sous-marine. Analyse par inervalles pour la localisaion e la carographie simulanées; Applicaion à la roboique sous-marine Fabrice LE BARS Analyse par inervalles pour la localisaion e la carographie simulanées; Thèse

Plus en détail

Amp Miser Bandes de transport à économies d énergie

Amp Miser Bandes de transport à économies d énergie bandes de ranspor e de process Bandes de ranspor à économies Calculez désormais en ligne vos économies www.ampmiser.com poenielles! Siegling oal beling soluions Bandes de ranspor à économies Opimiser la

Plus en détail

Exercice n HA Corrigé

Exercice n HA Corrigé ENAC/ISTE/HYDRAM HYDROTHEQUE : base de données d exercices en Hydrologie Cours : Hydrologie Appliquée / Thémaique : Processus & Réponse Hydrologiques Exercice n HA 0101 - Corrigé Logo opimisé par J.-D.Bonour,

Plus en détail

Réponse indicielle et impulsionnelle d un système linéaire

Réponse indicielle et impulsionnelle d un système linéaire PSI Brizeux Ch. E2: Réponse indicielle e impulsionnelle d un sysème linéaire 18 CHAPITRE E2 Réponse indicielle e impulsionnelle d un sysème linéaire Nous connaissons ou l inérê de l éude de la réponse

Plus en détail

La piézoélectricité. Couplage électromécanique dans certains cristaux

La piézoélectricité. Couplage électromécanique dans certains cristaux La piézoélecricié Couplage élecromécanique dans cerains crisaux Vers la définiion Eymologie: grec piezein = presser Hisoire: Effe direc: frères Curie (188 Effe inverse: prédi par Lippman (1881 Définiion:

Plus en détail

FONCTIONNEMENT AUTOMATE

FONCTIONNEMENT AUTOMATE FONCTIONNEMENT AUTOMATE IUT MULHOUSE Bernard Reeb foncionnemen auomae - 1/1 I. CONSTITUTION D'UN AUTOMATE Les auomaes son le plus souven de ype modulaire : une unié cenrale compléée d'un bac pou recevoir

Plus en détail

LE MODELE DE MARCHE ALEATOIRE DANS L ECONOMIE FINANCIERE DE 1863 A 1976. Franck JOVANOVIC

LE MODELE DE MARCHE ALEATOIRE DANS L ECONOMIE FINANCIERE DE 1863 A 1976. Franck JOVANOVIC 1 LE MODELE DE MARCHE ALEATOIRE DANS L ECONOMIE FINANCIERE DE 1863 A 1976 Franck JOVANOVIC L objecif de ce aricle es de monrer commen l uilisaion du modèle de marche aléaoire pour représener les variaions

Plus en détail

Groupe de travail master MASEF-Université Paris-Dauphine Optimisation d une fonction d utilité sous contraintes de risques

Groupe de travail master MASEF-Université Paris-Dauphine Optimisation d une fonction d utilité sous contraintes de risques Groupe de ravail maser MASEF-Universié Paris-Dauphine Opimisaion d une foncion d uilié sous conraines de risques Benedea Baroli Thibau Masrolia Eienne Pillin sous la direcion d Anhony Réveillac 13 sepembre

Plus en détail

Concours du second degré Rapport de jury. Session 2010 TROISIÈME CONCOURS CAPES EXTERNE DE MATHÉMATIQUES

Concours du second degré Rapport de jury. Session 2010 TROISIÈME CONCOURS CAPES EXTERNE DE MATHÉMATIQUES minisère éducaion naionale Secréaria Général Direcion générale des ressources humaines Sous-direcion du recruemen MINISTÈRE DE L ENSEIGNEMENT SUPÉRIEUR ET DE LA RECHERCHE Concours du second degré Rappor

Plus en détail

L évaluation immobilière. Michel Baroni 27/11/2009

L évaluation immobilière. Michel Baroni 27/11/2009 L évaluaion immobilière Michel Baroni 27/11/2009 Méhodes exisanes Méhodes des comparables Dépend de la base de données; méhode hédonique évenuellemen possible Méhodes de capialisaion Dépend de la base

Plus en détail

EADI Association Européenne d Instituts de Développement

EADI Association Européenne d Instituts de Développement EADI Associaion Européenne d Insius de Développemen 11eme Conférence Générale Bonn, 21-24 sepembre 2005 GEMDEV Séances parallèles V Souenabilié de la dee exérieure e insabilié : le cas des pays à faible

Plus en détail

Mémoire soutenu pour l Institut des Actuaires le 15 décembre David Sudries Introduction

Mémoire soutenu pour l Institut des Actuaires le 15 décembre David Sudries Introduction Modélisaion e exrapolaion de l évoluion de la moralié française à parir de modèles sochasiques Analyse des qualiés prédicives de ces modèles Applicaions praiques Mémoire souenu pour l Insiu des Acuaires

Plus en détail

Production d un son par les instruments de musique

Production d un son par les instruments de musique Producion d un son par les insrumens de musique ACTIVITÉ 1 : Recherche documenaire : Les foncions d un insrumen de musique Objecif : découvrir commen les insrumens de musique acousique peuven remplir leurs

Plus en détail

Présentation groupe de travail

Présentation groupe de travail Présenaion groupe de ravail Sofiane Saadane jeudi 23 mai 2013 Résumé L aricle sur lequel on ravaille [LP09] présene un problème de bandi à deux bras comporan une pénalié. Nous commencerons par présener

Plus en détail

CAHIER DE RECHERCHE : 2008-02 E2. Relation entre notation sociale et structure financière des. entreprises : une étude empirique.

CAHIER DE RECHERCHE : 2008-02 E2. Relation entre notation sociale et structure financière des. entreprises : une étude empirique. CAHIER DE RECHERCHE : 2008-02 E2 Relaion enre noaion sociale e srucure financière des enreprises : une éude empirique. GIRERD-POTIN Isabelle, LOUVET Pascal, GARCES-JIMENEZ Sonia Unié Mixe de Recherche

Plus en détail

DOCUMENT DE TRAVAIL FLORENT FREMIGACCI YANNICK L HORTY N 51. novembre 2005

DOCUMENT DE TRAVAIL FLORENT FREMIGACCI YANNICK L HORTY N 51. novembre 2005 DOCUMENT DE TRAVAIL LA QUALITÉ DE L EMPLOI L EN FRANCE : TENDANCE ET CYCLE FLORENT FREMIGACCI YANNICK L HORTY N 51 novembre 2005 «LE DESCARTES I» 29, PROMENADE MICHEL SIMON 93166 NOISY-LE-GRAND CEDEX TÉL.

Plus en détail

LES CAPTEURS. Energie. Acquérir et coder une information. Capteur

LES CAPTEURS. Energie. Acquérir et coder une information. Capteur CPG / ciences Indusrielles pour l Ingénieur C83 Les capeurs L CAPTUR Le domaine indusriel a besoin de conrôler de rès nombreux paramères physiques (longueur, force, poids, pression, déplacemen, posiion,

Plus en détail

Caractéristiques des signaux électriques

Caractéristiques des signaux électriques Sie Inerne : www.gecif.ne Discipline : Génie Elecrique Caracérisiques des signaux élecriques Sommaire I Définiion d un signal analogique page 1 II Caracérisiques d un signal analogique page 2 II 1 Forme

Plus en détail

Texte Ruine d une compagnie d assurance

Texte Ruine d une compagnie d assurance Page n 1. Texe Ruine d une compagnie d assurance Une nouvelle compagnie d assurance veu enrer sur le marché. Elle souhaie évaluer sa probabilié de faillie en foncion du capial iniial invesi. On suppose

Plus en détail

02 mars 2009 28 août 2009. Ingénieur Sup Galilée Spécialité Mathématiques Appliquées et Calcul Scientifique

02 mars 2009 28 août 2009. Ingénieur Sup Galilée Spécialité Mathématiques Appliquées et Calcul Scientifique Rappor de sage Equipe Coordinaion Reporing & erformances 02 mars 2009 28 aoû 2009 Ingénieur Sup Galilée Spécialié Mahémaiques Appliquées e Calcul Scienifique Maser 2, Universié aris 13 Modélisaion de l

Plus en détail