Sujet de PFE « Optimisation de l’exploitation de la flotte routière de LODIVE par l’intelligence artificielle : diagnostic des performances et proposition d’un modèle d’aide à la décision. » Problématique « Comment optimiser la planification des tournées de transport routier chez LODIVE grâce à l’intelligence artificielle ? » Plan proposé PARTIE I — Diagnostic de la planification des tournées de transport routier chez LODIVE Chapitre 1 — Cadre théorique de la planification et de l’optimisation des tournées Le transport routier et la gestion de la flotte La planification des tournées de transport Les contraintes liées à la planification des tournées Les méthodes classiques d’optimisation des tournées L’intelligence artificielle appliquée à l’optimisation du transport Chapitre 2 — Diagnostic de la planification des tournées chez LODIVE Présentation de LODIVE et de son activité Organisation du transport et exploitation de la flotte Processus actuel de planification des tournées Analyse des données et des indicateurs de performance Identification des problèmes et des limites de la planification actuelle PARTIE II — Proposition d’un modèle d’optimisation des tournées basé sur l’intelligence artificielle Chapitre 3 — Conception du modèle d’optimisation des tournées Définition des objectifs du modèle Identification et préparation des données Définition des contraintes : véhicules, capacités, distances, délais, etc. Choix de l’approche d’intelligence artificielle Élaboration du modèle d’optimisation des tournées Chapitre 4 — Évaluation du modèle et aide à la décision Présentation du modèle proposé Comparaison entre la planification actuelle et la planification optimisée Évaluation des résultats : kilomètres, coûts, temps et taux d’utilisation des véhicules Proposition d’un tableau de bord d’aide à la décision Recommandations pour l’intégration du modèle chez LODIVE Conclusion générale Synthèse des résultats Réponse à la problématique Limites de l’étude Perspectives
Sujet de PFE
« Optimisation de l’exploitation de la flotte routière de LODIVE par l’intelligence artificielle : diagnostic des performances et proposition d’un modèle d’aide à la décision. »
Problématique
« Comment optimiser la planification des tournées de transport routier chez LODIVE grâce à l’intelligence artificielle ? »
Plan proposé
PARTIE I — Diagnostic de la planification des tournées de transport routier chez LODIVE
Chapitre 1 — Cadre théorique de la planification et de l’optimisation des tournées
Le transport routier et la gestion de la flotte
La planification des tournées de transport
Les contraintes liées à la planification des tournées
Les méthodes classiques d’optimisation des tournées
L’intelligence artificielle appliquée à l’optimisation du transport
Chapitre 2 — Diagnostic de la planification des tournées chez LODIVE
Présentation de LODIVE et de son activité
Organisation du transport et exploitation de la flotte
Processus actuel de planification des tournées
Analyse des données et des indicateurs de performance
Identification des problèmes et des limites de la planification actuelle
PARTIE II — Proposition d’un modèle d’optimisation des tournées basé sur l’intelligence artificielle
Chapitre 3 — Conception du modèle d’optimisation des tournées
Définition des objectifs du modèle
Identification et préparation des données
Définition des contraintes : véhicules, capacités, distances, délais, etc.
Choix de l’approche d’intelligence artificielle
Élaboration du modèle d’optimisation des tournées
Chapitre 4 — Évaluation du modèle et aide à la décision
Présentation du modèle proposé
Comparaison entre la planification actuelle et la planification optimisée
Évaluation des résultats : kilomètres, coûts, temps et taux d’utilisation des véhicules
Proposition d’un tableau de bord d’aide à la décision
Recommandations pour l’intégration du modèle chez LODIVE
Conclusion générale
Synthèse des résultats
Réponse à la problématique
Limites de l’étude
Perspectives
Created using ChatSlide
Cette présentation vise à optimiser les tournées de LODIVE grâce à l'intelligence artificielle. Nous aborderons le contexte et la problématique, suivis d'un diagnostic de la performance actuelle en matière de flotte et de planification. Ensuite, nous concevrons un modèle d'optimisation intégrant des données et contraintes spécifiques. Nous évaluerons les gains opérationnels en comparant les méthodes actuelles et optimisées, avant de conclure avec des recommandations pour le déploiement et un...