🎆

Simulation
Business intelligence
La Business Intelligence (BI), désigne l'ensemble des processus, technologies et
outils permettant de collecter, d'analyser et de présenter des informations
stratégiques pour aider les entreprises à prendre des décisions éclairées. L'objectif
de la BI est de transformer les données brutes en informations exploitables, offrant
ainsi aux décideurs une vision claire de la performance de l'entreprise et des
tendances du marché. Elle implique généralement l'utilisation de logiciels spécialisés
pour extraire, transformer et charger (ETL) les données, ainsi que des outils
d'analyse et de reporting pour générer des rapports visuels et des tableaux de bord
pertinents.

Simulation 1
 La prise de décision et aide à la décision
Métier autour de la data
Administrateur des bases de données (DBA) & data engineer: le gardien
des données.

Data scientist : l’analyste des données. Sa mission consiste à traduire les

problèmes business en problèmes mathématiques et statistiques.

MDM : a pour mission la gouvernance des données et la gestion des données de

référence.

BI Analyst : Le facilitateur de la prise de décision sur la base des données

Data steward : le responsable de la gestion et de la qualité des données stockées
dans une entreprise.

C’est quoi l’aide à la décison?

Une discipline dont le but est d’aider les gestionnaires à prendre des décisions dans
des situations complexes grâce à l’utilisation de méthodes quantitatives et des outils
d'aide à la décision

Simulation 2
 Il y a donc un processus pour la prise de décision

Evolution de la Bi 60 vers 20XX

Decision Support System depuis les années 60

Simulation 3
 Un système d'aide à la décision (SAD) est un système d'information
informatisé qui soutient les activités de prise de décision au sein d'une
entreprise ou d'une organisation. Il fournit un cadre structuré pour collecter,
organiser et analyser des données afin d'aider les utilisateurs à prendre des
décisions éclairées.

cad dans dss on se base sur la data, l’expertise des experts et gens du
domaine et les les modeles Ro et data science pour pouvoir prendre une
bonne décision

les DSS ont évolué au fil des décennies en intégrant des modèles basés sur
les données et les connaissances, tirant parti des avancées dans les
domaines de la Recherche Opérationnelle et de la Science de la Gestion
pour fournir un accès étendu et une manipulation sophistiquée de toutes les
données disponibles, avec une couche basée sur la connaissance pour
orienter les décisions.

Evolution de la Bi 90 vers 20XX

Depuis les années 90 on avait la Bi classique

Simulation 4
 En 2010 on est passé à la business Analytics

fait référence à l'utilisation méthodique des compétences quantitatives,

statistiques, informatiques et des approches analytiques pour explorer
des modèles, générer des informations et prendre des décisions
éclairées.

1. Analyse Descriptive : Imaginez que vous regardez dans un

rétroviseur. L'analyse descriptive ressemble à cela. Elle vous dit ce
qui s'est déjà passé dans votre entreprise. Par exemple, elle peut
montrer les tendances de ventes du dernier mois ou la performance
de vos campagnes publicitaires. Elle répond à la question : « Qu'est-
ce qui s'est passé ? »

2. Analyse Prédictive : Maintenant, pensez à une prévision météo.

L'analyse prédictive est similaire. Elle utilise des données historiques
et des modèles statistiques pour prédire ce qui pourrait se passer

Simulation 5
 dans le futur. Par exemple, elle peut estimer les ventes du mois
prochain ou prédire quels clients sont susceptibles de quitter votre
service. Elle répond à la question : « Que pourrait-il se passer à
l'avenir ? »

3. Analyse Prescriptive : Enfin, imaginez un GPS qui vous donne des

directions. L'analyse prescriptive est comme ce GPS pour votre
entreprise. Elle ne se contente pas de prédire ce qui se passera,
mais elle propose également des actions à entreprendre pour
atteindre vos objectifs. Par exemple, elle peut recommander le
meilleur moyen d'augmenter les ventes ou de réduire les coûts. Elle
répond à la question : « Que devrions-nous faire ? »

Pyramide du Business Analytics

C’est quoi la simulation?

💡 Simuler est souvent le chemin le plus simple pour formuler, expérimenter

et évaluer des idées

Simulation 6
 La simulation est une méthode qui consiste à imiter ou reproduire le comportement
d'un système réel ou d'un processus dans un environnement contrôlé, souvent à
l'aide d'un modèle mathématique ou informatique. L'objectif de la simulation est
d'observer, analyser ou comprendre le fonctionnement du système sans avoir à
manipuler directement le système réel.

C’est quoi le potentiel de la simulation?

la simulation est un outil polyvalent qui peut être utilisé pour visualiser et analyser
différents aspects d'une entreprise, que ce soit pour les éléments physiques, les flux
d'information, ou les processus décisionnels. Elle peut être appliquée à différents
niveaux (stratégique, tactique, opérationnel) et à différentes étapes du cycle de vie
d'un système ou d'un produit.

1. La simulation peut modéliser et couvrir tous les flux de l’entreprise :

✓ physiques, pour lesquels elle est le plus souvent utilisée,
✓ informationnels et décisionnels.

2. Elle peut représenter ces flux selon différents niveaux de granularité :

Elle permet de décrire ainsi le système avec le degré de précision nécessaire à
la
résolution du problème posé. Cette représentation s’effectue donc selon
différents
niveaux hiérarchiques:
✓ stratégique,
✓ tactique,
✓ opérationnel.
3. Toutes les phases du cycle de vie d’un système industriel peuvent être
étudiées à l’aide de la simulation :

✓ la conception,
✓ la réalisation,
✓ l’exploitation.
Ce que l’on peut faire avec la simulation

Simulation 7
 la simulation peut être utilisée pour planifier et améliorer des projets ou des
opérations en fournissant des informations précieuses à chaque étape, de la
conception à l'exploitation quotidienne.

En Conception
1. Justifier les Investissements :

Calculer combien coûteront les ressources et justifier pourquoi ces dépenses

sont nécessaires.

2. Cahier des Charges :

Définir clairement ce que doit accomplir le projet et comment.

3. Caractéristiques Globales :

Décider des aspects majeurs du projet.

4. Choix entre Différents Projets :

Comparer différents plans ou idées pour choisir le meilleur.

5. Identifier les Goulots d'Étranglement :

Trouver les parties du processus qui ralentissent tout le reste.

6. Règles de Gestion des Flux :

Décider comment gérer le mouvement des ressources ou des informations.

Simulation 8
 7. Influence des Perturbations :

Étudier comment les problèmes imprévus affectent le projet.

8. Capacités des Ressources :

Déterminer combien de travail chaque partie du système peut gérer.

En Amélioration
1. Identifier les Problèmes :

Trouver ce qui ne fonctionne pas bien dans le système actuel.

2. Évaluer les Modifications :

Regarder différentes manières d'améliorer le système et voir laquelle est la

meilleure.

3. Choisir la Meilleure Solution :

Décider quelle amélioration mettre en place.

4. Garantir les Résultats :

S'assurer que les changements auront l'effet désiré.

En Exploitation
1. Prévoir des Délais :

Estimer combien de temps les choses prendront, utile pour planifier et

organiser.

2. Aide à la Décision en Pilotage :

Utiliser la simulation pour aider à prendre des décisions, que ce soit à

l'avance, en réaction à des événements, ou pour corriger des problèmes.

Etapes d’un projet de simulation

Simulation 9
 Expliquons chaque étape de cette démarche

Phase 1: (Formulation du probleme, Objectifs et plan du projet) = Cahier de

charges

Identifier

✓ les objectifs et le périmètre de l’étude,

✓ les différentes solutions à étudier,
✓ les indicateurs de performance à utiliser, etc.
Risques d’erreur à éviter
✓ Se lancer dans la modélisation sans CdC

Simulation 10
 ✓ Utiliser des hypothèses trop simplificatrices. Ex: raisonnement sur des
moyennes que sur des lois de distribution.

Validation du contrat CdC

✓ Le CdC est un contrat entre le demandeur et le réalisateur. Cette phase
conditionne tout le reste de l’étude.

Phase 2 : Recueil des données

Collecter
✓ L’ensemble des données nécessaires à la réalisation du modèle. Les seules
inconnues
restantes doivent être les paramètres à optimiser.

Risques d’erreur à éviter

✓ Données erronés. Ex: utiliser des objectifs de fiabilité jamais atteints dans la
réalité
✓ Données peu précises. Ex : faire des approximations grossières sur les lois ??
Validation
✓ Le demandeur de l’étude ou l’exploitant concerné doivent s’engager sur les
données qu’ils fournissent.

💡 Les phases I et II consomment 40% du temps de simulation

Phase III: Conception et réalisation du modèle

✓ Construire un modèle conceptuel du système (suivant le type de question

posée, on peut
avoir des modèles différents d’un même atelier)
✓ Traduire et coder le modèle conceptuel dans le langage propre au logiciel
utilisé.

Risques d’erreur
✓ Peu de risque; uniquement liés à une mauvaise connaissance du logiciel ou
de la simulation engénéral

Validation
✓ Vérification par un expert du logiciel (débogage)

Simulation 11
 ✓ Validation par le simulateur (tests)
✓ Validation du fonctionnement par l’équipe projet ou l’exploitant (conformité
avec CdC et données)

💡 Cette phase consomme presque 20% du temps de simulation

Phase IV : Exploitation du modèle

• Simuler les différents scénarios définis dans le CdC afin de récolter toutes les
informations
chiffrées utiles
• Analyser les résultats connaissant le modèle, les hypothèses et le système réel
• En déduire éventuellement de nouveaux scénarios à tester.

Risques d’erreur
• Choisir des conditions expérimentales qui biaisent les résultats (durée de
simulation trop courte, nombre aléatoires mal utilisés, …)
• Négliger l’incertitude sur les résultats de simulation (données incertaines,
stochastiques,…)

Validation
• Le simulateur doit valider les résultats de ses modèles soit sur des cas
simplifiés, soit sur le terrain (si possible)

Phase V : Conclusion de l’étude

✓ Présenter les résultats en rappelant les hypothèses de modélisation (pas de

manque approvisionnement, pas de saturation aval, disponibilité totale des
opérations,..)
✓ Réaliser le rapport de fin de simulation
✓ Assurer la transmission du modèle.

Risques d’erreur
✓ Confondre la performance d’un système simulé en isolation avec celle du
système réel dans son environnement
✓ Se contenter d’annoncer des résultats moyens; montrer des intervalles de
confiance ou la distribution des valeurs observées.

Simulation 12
 Avantages et inconvénients de la simulation
Avantages de la simulation

✓ L’évaluation de systèmes pour lesquels on ne dispose pas de solution

analytique et pour lesquels la simulation constitue donc la seule approche
disponible.
✓
Accélérer ou ralentir les événements afin d’en faire l’investigation
approfondie.
✓ Possibilité de faire des expériences en variant facilement les paramètres du
système et d’évaluer l’impact de ce changement. Par exemple, l’installation
d’une nouvelle machine, l’exploration des nouvelles politiques ou plusieurs
scénarios
sans dépenses et sans dérangement au système réel.
✓
Mieux comprendre les interactions entre les variables afin de diagnostiquer
les problèmes.
✓ Développer une
compréhension comment un système fonctionne, non pas prédire.
✓
Investissement sage parce que Le budget d’une étude de simulation est moins
coûteux par rapport à un changement dans le vrai système.
✓
Outil pédagogique pour l’entraînement du personnel.

Inconvénients de la simulation
✓ Le développement des modèles de simulation requiert du temps et des
ressources considérables.
✓
La difficulté d’interpréter les résultats de simulation d’une expérience
aléatoire, puisque la simulation est basée sur des variables d’entrées aléatoires
et que chaque expérience ne produit qu’une estimation des paramètres étudiés
(modèle Input - Output).

Simulation 13
 ✓ Plus un modèle de simulation représente bien la complexité d’un problème,
plus il devient
dangereux d’avoir une confiance injustifiée dans l’exactitude des résultats
(renforcé par l’aspect visuel et interactif).
✓ Il est souvent
difficile de valider le modèle (il ne peut pas être complètement prouvé).

Pièges de la simulation
✓ Les objectifs d’étude ne sont pas toujours clairement exprimés.
✓ La
simulation peut être inappropriée, c’est le cas si une solution analytique est
possible.
✓ La
non validité du modèle.
✓ L’utilisation des
mesures de performance incorrectes.
✓ Introduction de
paramètres d’entrées incorrectes, par exemple, remplacer une distribution
(stochastique) par une autre (déterministe).
✓ Le
manque de communication entre les personnes qui participent à l’étude de la
simulation.
✓ L’abus
d’effets d’animations.
✓ Un modèle de simulation trop
complexe ou trop simple.

Techniques de simulation en coordination avec BA

📌 Utiliser les simulations interactives visuelles comme un outil d'aide à la

décision en coordination avec le BA et ses capacités d’analyses des
données historiques

Qu’est ce que la modélisation?

C’est quoi un modèle?

Simulation 14
 Un modèle est une représentation abstraite (mathématique et/ou logique) du
fonctionnement du système réel ; c’est une structure simplifiée de la réalité qui
ne contient que les caractéristiques
estimées importantes pour l’étude du système.

C’est quoi la modélisation

Processus consistant à concevoir un modèle d’un système réel et de mener des

expériences avec ce modèle dans le but de comprendre le comportement du
système et d’évaluer diverses
stratégies opératoires
La modélisation consiste à créer une représentation abstraite d'un système réel.
Cela peut se faire à l'aide de diagrammes, d'équations mathématiques, de
schémas, de graphiques, etc.

Qu’est ce que la simulation?

L’art et la science de la création d’une représentation d’un processus ou d’un
système dans le but d’expérimenter et d’évaluer
la simulation consiste à créer une version virtuelle d'un système complexe, puis à
faire des expériences avec cette version pour apprendre comment le vrai système
pourrait se comporter ou pour tester différentes idées de gestion. Cela aide à
prendre des décisions éclairées sans avoir à perturber le vrai système.

C'est quoi la diference entre simulation et modélisation

La modélisation est le processus de création d'une représentation abstraite d'un
système.

La simulation est le processus d'exécution d'un modèle pour observer son

comportement.

Simulation 15
 📢 En pratique, la modélisation et la simulation sont souvent utilisées de
manière conjointe. On crée d'abord un modèle pour comprendre et
représenter le système, puis on simule ce modèle pour explorer différentes
conditions ou scénarios sans risquer d'impact sur le système réel.

Interets de la simulation

Couplage entre simulation et Analytics

Le BA vous donne une idée de ce qui pourrait arriver, et la simulation teste si cette
idée est bonne en pratique

Concept de Couplage Simulation et Business Analytics (BA) :

Imaginez que vous avez un système (comme une entreprise) et vous voulez savoir
comment il va se comporter dans le futur. Pour cela, vous utilisez deux outils :
Business Analytics (BA) et la Simulation.

Business Analytics (BA) :

C'est comme un moteur prédictif. Il utilise les données historiques et actuelles de
l'entreprise pour faire des prédictions sur l'avenir. Par exemple, il peut prédire les

Simulation 16
 ventes futures en se basant sur les tendances des ventes passées.

Simulation :
C'est comme un testeur de réalité. Elle ne prédit pas l'avenir directement, mais crée
des modèles virtuels où vous pouvez tester différentes situations ou scénarios. Par
exemple, vous pouvez simuler ce qui se passerait si vous changez votre stratégie de
prix ou lancez un nouveau produit.

Le Couplage :
1. Business Analytics Fait une Prédiction :

D'abord, le BA fait une prédiction sur l'avenir, comme une prévision de

ventes.

2. La Simulation Vérifie cette Prédiction :

Ensuite, vous utilisez la simulation pour tester si cette prédiction est réaliste.
Vous créez des scénarios basés sur cette prédiction et regardez comment le
système réagit.

3. Validation et Recommandations :

Si la simulation montre que les prédictions du BA sont réalisables et

efficaces, vous pouvez être plus confiant dans ces prévisions. De plus, la
simulation peut aider à identifier quelles actions spécifiques (comme des
changements de stratégie) pourraient être bénéfiques à moyen et long
terme.

What if Simulation
La simulation "What-if" est un processus qui permet d'évaluer les conséquences
potentielles de différentes décisions ou scénarios. Le terme "What-if" se traduit
littéralement par "Et si" en français, et cette approche est utilisée pour explorer
les effets hypothétiques de changements dans un système, un processus ou une
situation.

Simulation & Analytics for road freight

transportation Présentation du projet
Issues Evolution en fonction:
➢ de l'invention et de l'évolution des choses transportées ;

Simulation 17
 ➢ de l'invention et de l'évolution des moyens de transport ;
➢ des données socio-économiques (exigences des marchés) ;
➢ des réglementations qui ont cadré l'exercice de l'activité, puis de la profession

Simulation 18