Amélioration de la prédiction des commandes des pharmacies auprès de la CERP RRM - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2024

Improvement of prediction of pharmacy orders with CERP RRM

Amélioration de la prédiction des commandes des pharmacies auprès de la CERP RRM

Résumé

The CERP Rhin Rhone Mediterranée (CERP RRM) is a wholesale distributor responsible for ensuring pharmacies' supply. Despite recent advancements in hospital logistics, the pharmaceutical sector notably lacks decision support tools. The thesis aims to establish a predictive system for all CERP clients to forecast orders with the highest possible accuracy. The data primarily consists of time series.Initially, the thesis focused on conducting a state-of-the-art review of time series prediction technologies, as well as implementing AI systems in industrial sectors related to wholesale distribution professions. The main contribution of this thesis was to enhance CERP RRM predictions at multiple levels using machine learning techniques. Our results demonstrate an improvement in predictions compared to the current method. The second contribution was to propose a new method based on sales curve analysis to group products together. This method was developed to address the issue of grouping parapharmacy products within CERP RRM. The final contribution of this thesis is a comparative study of different natural language processing models implemented in a conversational assistant for the technical service of a pharmacy management software. This solution has shown promising results, approaching those of an expert human.
La CERP Rhin Rhone Méditerranée (CERP RRM) est un grossiste répartiteur qui doit assurer l’approvisionnement de pharmacies. Le secteur du médicament, malgré l'évolution récente de la logistique hospitalière, manque considérablement d'outils d'aide à la décision. Le but de la thèse est de mettre en place un système prédictif pour l’ensemble des clients CERP afin de prévoir les commandes avec la meilleure précision possible. Les données sont essentiellement sous forme de séries temporelles.Dans un premier temps, les travaux de cette thèse ont été de faire un état de l’art des technologies de prédictions de séries temporelles, ainsi que de l'implémentation de systèmes d'IA dans des secteurs industriels liés aux métiers de grossiste répartiteur. La principale contribution de cette thèse a été d'améliorer les prédictions de la CERP RRM à plusieurs niveaux grâce à des techniques de machine learning. Nos résultats montrent une amélioration des prédictions par rapport à la méthode actuelle. La deuxième contribution a été de proposer une nouvelle méthode basée sur l'étude des courbes de ventes pour regrouper les produits entre eux. Cette méthode a été développée pour répondre à une problématique de regroupement des produits de parapharmacie au sein de la CERP RRM. La dernière contribution de cette thèse est une étude comparative de différents modèles de traitement du langage naturel implémentés dans un assistant conversationnel pour le service technique d'un logiciel de gestion d'officine. Cette solution a montré des résultats intéressants en se rapprochant des résultats d'un humain expert.
Fichier principal
Vignette du fichier
these_A_RENAUD_Jeremy_2024.pdf (8.23 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04629908 , version 1 (01-07-2024)

Identifiants

  • HAL Id : tel-04629908 , version 1

Citer

Jeremy Renaud. Amélioration de la prédiction des commandes des pharmacies auprès de la CERP RRM. Intelligence artificielle [cs.AI]. Université Bourgogne Franche-Comté, 2024. Français. ⟨NNT : 2024UBFCD010⟩. ⟨tel-04629908⟩
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More