Projet Fin d’Etude Diplôme National d’Ingénieur En Statistique et l’Analyse de l’Information

Projet Fin d’Etude Diplôme National d’Ingénieur

En Statistique et l’Analyse de l’Information

Elaboré Par : Alaya YasminaEncadré Par :

Mme Jelassi Selma « ESSAI » Mme Manai Thouraya « PCT »

Modélisation prévisionnelle de l’approvisionnement de la

Pharmacie Centrale de Tunisie (PCT)

Juin 2012

PlanPrésentation de l’entreprise

d’accueil

L’approvisionnement de la PCT

Analyse prévisionnelle de l’approvisionnement

Conclusion et perspectives 2

3

Présentation de l’entreprise d’accueil


La mission de la Pharmacie Centrale de Tunisie PCT :

S’approvisionner en médicaments, produits (pharmaceutiques chimiques), accessoires…

Assurer le monopole de l’importation

Ravitailler les hôpitaux (public, privé) et les points de vente (grossistes, officines)

Se charger de toutes les procédures : Commande, Stockage, Distribution

Commercialiser les produits

Présentation de l’entreprise d’accueil


487537

607

720

810814

4

Problématique

Dégager un modèle économétrique prédictif pour

l’approvisionnement de la Pharmacie Centrale de

Tunisie, évitant rupture et surcharge

de stocks.

5

Analyse descriptive

PrévisionModélisationProblématiqu

e

2006 2007 2008 2009 2010 2011

Vol-ume

117840124 120281421.5 125996384 140649165.000001

137982087 140136482

117500000122500000127500000132500000137500000142500000

Evolution annuelle des Volumes

Val

eur

2006 2007 2008 2009 2010 2011

Vente 489239290.575

537429568.01 607172011.512

729146248.379

811058400.114001

808784441.052003

475000000

575000000

675000000

775000000

Evolution annuelle des ventes

Val

eur

6

Analyse descriptive


e

A B C D G H J K L M N P Q R S T U V W X Y Z0.00%

2.00%

4.00%

6.00%

8.00%

10.00%

12.00%

14.00%

16.00%

18.00%

10,40

5,05

11,30

2,084,09

1,79

12,82

2,48

16,37

5,02

8,45

0,11

2,66

5,53

2,830,83

0,301,35

1,861,12

2,141,40

Pourcentage de la vente par classe thérapeutique de 2006 à 2011

A B C D G H J K L M N P Q R S T U V W X Y Z0.00%

2.00%

4.00%

6.00%

8.00%

10.00%

12.00%

14.00%

16.00%

18.00%

10,30

3,02

7,05

2,803,86

2,96

7,826,73

0,46

4,17

7,18

0,211,70

6,104,80

0,190,07

0,761,83 1,56

17,05

9,40

Pourcentage du volume par classe thérapeutique de 2006 à 2011

7

Analyse descriptive


e

Régression sur composantes principales : RCP

8

Orthonormal loadings Biplot

Ellipses de confianceEllipses de confiance pour les coefficients de pente dans l'analyse de régression multiple du modèle à

effets fixes (cross/period)

Ellipses de confiance pour les coefficients de pente dans l'analyse de régression multiple du modèle à

effets aléatoires (cross/period)

9

Les estimations

Analyse descriptive


e

Modèle de données groupées

Modélisation en données croisées: Données de Panel

10

Modèle avec effets cross fixesModèle avec effets period fixesModèle avec effets fixes

(cross/period)Modèle avec effets cross aléatoiresModèle avec effets period aléatoiresModèle avec effets aléatoires

(cross/period)

Le modèle SUR sans effet avec correctionDependent Variable: VENTE?

R-squared 0.709994 Mean dependent var 0.237571

Adjusted R-squared 0.709617 S.D. dependent var 1.851350

S.E. of regression 0.983384 Sum squared resid 1486.346

Durbin-Watson stat 1.909279 F-statistic 1306.626

Prob(F-statistic) 0.000000

Estimations par correction(Coef. Covariance Method)

Variable Coefficient Std. Errort-

StatisticProb.

Ordinary

Volume 2.835488 0.046708 60.70639 0.0000

Prix 13.72158 3.185879 4.306999 0.0000

Axe 5509.768 1234.859 4.461860 0.0000

Cross-section SUR (PCSE)

Volume 2.835488 0.044536 63.66666 0.0000

Prix 13.72158 3.058586 4.486249 0.0000

Axe 5509.768 1058.703 5.204261 0.0000

Cross-section Weigth (PCSE)

Volume 2.835488 0.045729 62.00619 0.0000

Prix 13.72158 3.102613 4.422588 0.0000

Axe 5509.768 1174.687 4.690416 0.0000

White Cross-section

Volume 2.835488 0.155502 18.23438 0.0000

Prix 13.72158 2.461678 5.574076 0.0000

Axe 5509.768 1163.785 4.734351 0.0000

White Diagonal

Volume 2.835488 0.126005 22.50303 0.0000

Prix 13.72158 5.755061 2.384263 0.0172

Axe 5509.768 1139.665 4.834552 0.0000

11

Le modèle SUR avec effets cross fixesDependent Variable: VENTE?

R-squared 0.718205 Mean dependent var 0.247099

Adjusted R-squared 0.713741 S.D. dependent var 1.877612

S.E. of regression 0.992611 Sum squared resid 1492.694

F-statistic 160.8851 Durbin-Watson stat 1.943150

Prob(F-statistic) 0.000000

Estimations par correction (Coef. Covariance Method)

Variable Coefficient Std. Error t-Statistic Prob.

Ordinary

C 11757.03 4795.884 2.451484 0.0143

Volume 2.816980 0.046337 60.79331 0.0000

Prix 12.12609 3.000881 4.040842 0.0001

Axe 1609.595 2703.142 0.595453 0.5516

Cross-section SUR (PCSE)

C 11757.03 4661.671 2.522064 0.0118

Volume 2.816980 0.045818 61.48135 0.0000

Prix 12.12609 2.945157 4.117297 0.0000

Axe 1609.595 2627.738 0.612540 0.5403

Cross-section Weigth (PCSE)

C 11757.03 4661.671 2.522064 0.0118

Volume 2.816980 0.045818 61.48135 0.0000

Prix 12.12609 2.945157 4.117297 0.0000

Axe 1609.595 2627.738 0.612540 0.5403

White Cross-section

C 11757.03 4856.988 2.420643 0.0156

Volume 2.816980 0.151636 18.57726 0.0000

Prix 12.12609 2.123658 5.709999 0.0000

Axe 1609.595 2634.615 0.610941 0.5413

White Diagonal

C 11757.03 5290.637 2.222234 0.0264

Volume 2.816980 0.122319 23.02986 0.0000

Prix 12.12609 6.519631 1.859934 0.0631

Axe 1609.595 2756.958 0.583830 0.5594

12

Analyse descriptive


e

Tests de non stationnarité du processus

13

Les tests de non stationnarité rejette l’hypothèse nulle (non stationnarité) avec les p-value sont tous nulles et inférieures au seuil 5%, donc le processus

est stationnaire, d’où prévision.

Option prévision statique :

Prédiction de la fiabilité prévisionnelle du modèle

14

Analyse descriptive


e

15

Analyse descriptive


e

Analyse descriptive


e Option dynamique : prévision convergente par simulation

(Option solve) :

16

Analyse descriptive


e Option dynamique : prévision convergente par simulation

(Option solve) :

17

Prédiction dynamique par simulation en fonction des ventes actuelles, prédites et les

– .se (Vente_0T+1) Yn+1 + .se (Vente_0T+1)

Option dynamique : prévision convergente par simulation (Option solve) :

18

Analyse descriptive


e

Conclusion

Les résultats obtenus sont satisfaisants et exposent une solution.

La modélisation prévisionnelle améliore l’étude de l’approvisionnement de la PCT et assure la rapidité de la pratique.

19

Perspectives

La gestion et la réorganisation des données (par exemple par Datawarehouse)

Cette étude représente le point de départ pour d’autres recherches afin de satisfaire les besoins futurs de la PCT.

20

Merci pour

votre

attention

Commenta

ires&

Questions

Documents

Projet Fin d’Etude Diplôme National d’Ingénieur En Statistique et l’Analyse de l’Information