Approche d'apprentissage profond pour la prévision de la demande et l’ajustement des niveaux de stock : étude de cas chez MDM Hasnaoui

Abstract

Ce m´emoire porte sur l’optimisation des niveaux de stock au sein de l’entreprise de menuiserie MDM Hasnaoui, en s’appuyant sur des m´ethodes de pr´ediction de la demande. Dans un environnement marqu´e par l’irr´egularit´e des ventes et les contraintes de coˆuts, il met en ´evidence l’int´erˆet d’une gestion anticipative et intelligente des stocks. L’´etude repose sur l’application de mod`eles de pr´ediction issus des r´eseaux de neurones pour estimer la demande future. Afin de rendre les r´esultats exploitables par les responsables de l’approvisionnement, une application web a ´et´e d´evelopp´ee pour faciliter la planification des r´eapprovisionnements. Les r´esultats montrent une am´elioration de la disponibilit´e des produits, une diminution des surstocks et des ruptures, ainsi qu’une meilleure maˆıtrise des niveaux de stock. En conclusion, le travail souligne l’importance de la digitalisation des processus de gestion des stocks et propose l’int´egration d’outils d’aide `a la d´ecision bas´es sur l’intelligence artificielle dans une interface simple et accessible.