Optimisation de la chaîne logistique et prévision de la demande à l'aide de l'intelligence artificielle

Optimization of Supply Chain and Demand Forecasting Using Artificial Intelligence

• Auteur / Autrice : Boutayna Elghomri
• Direction : Hamid Allaoui, Fayçal Messaoudi
• Type : Projet de thèse
• Discipline(s) : Génie Informatique et Automatique
• Date : Inscription en doctorat le 01/01/2025
• Etablissement(s) : Artois en cotutelle avec Université Sidi Mohamed Ben Abdellah Fès
• Ecole(s) doctorale(s) : Sciences, Technologie, Santé
• Partenaire(s) de recherche : Laboratoire : LGI2A - Laboratoire de Génie Informatique et d'Automatique de l'Artois

Mots clés

Mots clés libres

Optimization

Chaîne logistique

Prévision de la demande

Intelligence Artificielle

Optimization

Supply Chain

Demand Forecasting

Artificial Intelligence

Résumé

Ce projet de thèse, intitulé 'Optimisation de la chaîne logistique et prévision de la demande à l'aide de l'intelligence artificielle (IA)', se concentre sur l'amélioration des performances des chaînes d'approvisionnement en intégrant des approches innovantes basées sur l'IA. Face à des défis tels que les fluctuations imprévisibles de la demande, la gestion des stocks, les délais de livraison et les pressions pour réduire les coûts tout en augmentant l'efficacité, cette recherche vise à concevoir des modèles prédictifs avancés. Ces modèles, utilisant des techniques de machine learning et de deep learning, permettront d'améliorer la précision des prévisions de demande, de réduire les erreurs de stock et de diminuer les coûts opérationnels. À travers une méthodologie rigoureuse, le projet inclut une revue approfondie de la littérature, l'analyse et la préparation des données, l'évaluation de modèles hybrides (réseaux neuronaux récurrents, convolutifs, et autres), ainsi qu'un benchmarking pour identifier les approches les plus performantes. En offrant des solutions concrètes et adaptables, cette thèse ambitionne de transformer les pratiques logistiques actuelles en proposant une gestion proactive et durable des flux d'informations, physiques et financiers. Elle met en avant l'impact potentiel de l'IA pour moderniser les chaînes d'approvisionnement, améliorer la réactivité face aux imprévus, et contribuer à la durabilité environnementale en minimisant le gaspillage et l'empreinte carbone.

This thesis project, titled 'Optimization of Supply Chain and Demand Forecasting Using Artificial Intelligence (AI),' focuses on enhancing the performance of supply chains by integrating innovative AI-based approaches. In the face of challenges such as unpredictable demand fluctuations, inventory management, delivery delays, and the pressure to reduce costs while increasing efficiency, this research aims to design advanced predictive models. These models, leveraging machine learning and deep learning techniques, will improve demand forecasting accuracy, reduce inventory errors, and lower operational costs. Through a rigorous methodology, the project includes an in-depth literature review, data analysis and preparation, evaluation of hybrid models (recurrent neural networks, convolutional networks, and others), and benchmarking to identify the most effective approaches. By providing concrete and adaptable solutions, this thesis seeks to transform current logistics practices by proposing proactive and sustainable management of information, physical, and financial flows. It highlights the potential impact of AI in modernizing supply chains, improving responsiveness to unforeseen events, and contributing to environmental sustainability by minimizing waste and carbon footprints.