Cas d'usage · Prévision logistique

🏗 POC Logistique / Transport maritime · TPE/PME 🔄 Facilement reproductible

🎯 Problématique métier

Les opérateurs logistiques et portuaires manquent souvent d'un outil pour fiabiliser leurs prévisions de durée d'escale :

Durées d'escale très variables selon le niveau de trafic (fort/moyen/faible), sans modèle statistique dédié
Valeurs atypiques (retards exceptionnels) non filtrées, faussant les moyennes utilisées pour la planification
Absence de simulation permettant d'anticiper la probabilité de respecter un délai cible

Conséquences : plannings d'escale peu fiables, pénalités de retard mal anticipées, allocation de quais/ressources sous-optimale.

Dashboard d'analyse statistique des durées d'escale, par catégorie de trafic :

1 — Nettoyage des données : détection automatique des valeurs atypiques (méthode IQR, seuil ajustable), classification par catégorie de trafic (Fort/Moyen/Faible)
2 — Modélisation statistique : ajustement de 6 modèles de distribution (Log-Normale, Gamma, Weibull, Gaussienne...) par catégorie, sélection automatique du modèle le plus précis (MSE le plus faible)
3 — Simulation Monte Carlo : 1 000 tirages simulés pour visualiser la dispersion des durées possibles
4 — KPI de fiabilité : probabilité de respecter un délai cible donné, calculée par catégorie de trafic

331 durées d'escale analysées, classées et nettoyées (326 valeurs retenues après filtrage des valeurs atypiques)
Meilleur modèle statistique identifié par catégorie : Log-Normale (Fort et Moyen trafic), Gamma (Faible trafic)
36 tests automatisés (exécution du moteur de calcul réel, pas une simulation) valident la cohérence des résultats à chaque évolution

Fichier HTML unique, ouvrable sans installation. Nécessite un historique de durées d'escale propre à votre port/activité pour être recalibré.

🏷️ Mots-clés: Logistique portuaire · Durée d'escale · Analyse statistique · IQR · Monte Carlo · Distribution de probabilité · MSE · Transport maritime · Aide à la décision