Prévision intelligente des stocks à l'entreprise SONATRACH

Abstract

Dans ce travail, nous considérons le probléme de gestion des stocks des articles d'instrumentations a l'entreprise SONATRACH (DRGB) . Notre étude combine une classification ABC/XYZ, des modèles de prévision de la demande et l'optimisation des politiques d'approvisionnement. Une base de données simulée de 50 articles a été générée pour représenter différents profils de consommation répartis en six classes : AX, AY, BX, BY, CX et CY. Trois méthodes de prévision ont été testées (moyenne mobile, régression linéaire, forêt aléatoire) et intégrées aux politiques (Q, r) et (R, T), avec une optimisation basée sur les coûts globaux. Les résultats montrent que l'usage de l'intelligence artificielle permet une anticipation plus fiable de la demande et une réduction notable des coûts logistiques. Une validation future sur données réelles SONATRACH est prévue.