Producteur des meilleurs logiciels au monde d’analyse du risque et de la décision, @RISK et DecisionTools
ENGLISH I ESPAÑOL I PORTUGUÉS I FRANÇAIS I DEUTSCH I 日本語 I 中文 I РУССКИЙ

Modèles Sectoriels

PrecisionTree : Forage pétrolier
Cet exemple de forage pétrolier présente un cas classique d’arbre décisionnel. La première décision consiste à déterminer s’il faut effectuer des tests géologiques d'exploration. Suivant les résultats obtenus, la décision suivante sera celle de forer ou non. L’événement aléatoire final est la quantité de pétrole découverte. L’arbre progresse de gauche à droite : la décision de tester est toujours prise avant celle de forer.

Télécharger le modèle type : PrecisionTree_Petrole.xls

PrecisionTree et @RISK : Forage pétrolier
Les résultats de la recherche de pétrole dans l’arbre décisionnel de forage Pétrole.xls se répartissent en trois issues discrètes (Sec, Humide ou Imprégné). En réalité, la quantité de pétrole découverte devrait être décrite par une distribution continue. Dans ce modèle, @RISK décrit l’incertitude de cet événement aléatoire. En ajoutant des fonctions de distribution de probabilités @RISK aux arbres décisionnels, on gagne l'avantage d'une modélisation plus exacte et on peut simuler plus d'issues possibles.

Télécharger le modèle type : PrecisionTreeRISK_Petrole.xls

TopRank et @RISK : Lancement de produit
TopRank reconnaît les fonctions de distribution @RISK et les incorpore dans ses analyses d’hypothèses. Cette capacité apporte plus de souplesse et de précision à la modélisation des valeurs d’entrée possibles de l’analyse d’hypothèses.

Dans cet exemple, la société Jupiter Corporation élabore un nouveau modèle de berline. En supposant que la voiture se vendra pendant cinq ans, la direction a identifié 5 facteurs susceptibles d’influencer les recettes totales pendant cette période. Plusieurs de ces facteurs sont associés à des distributions de probabilités. Lors de l’analyse d’hypothèses, TopRank voit les distributions de probabilités associées à ces éléments et exécute une analyse de sensibilité intelligente qui en tient compte, en parcourant la plage de la distribution à intervalles tels que chacun couvre une quantité égale de probabilité.

Télécharger le modèle type : TopRankRISK_Auto.xls

NeuralTools et Evolver : Financements autos
NeuralTools peut servir à prédire les valeurs inconnues d’une variable dépendante catégorielle au départ de valeurs connues de variables indépendantes numériques et catégorielles. Dans cet exemple, le réseau neuronal a appris à prédire si un demandeur de financement automobile effectuera ses paiements à temps, en retard, où s’il fera défaut à son prêt. Evolver permet de déterminer le montant de financement apte à porter à une valeur cible de 90 % la probabilité de classement de ce demandeur dans la catégorie « paiements à temps ».

Télécharger le modèle type : NeuralToolsEvolver_FinancementsAutos.xls

@RISK : Cash-flow actualisé
Des calculs de cash-flow actualisé (CFA) servent souvent d’exemple d’utilisation de @RISK. Dans ce modèle type, les sources de risque sont le taux de croissance des revenus et les coûts variables exprimés en pourcentage des ventes. Compte tenu de l'investissement présumé et après application d'un facteur d'actualisation, on obtient le CFA par dérivation. Après la simulation, la moyenne du CFA est la valeur actualisée nette (VAN). La décision de poursuivre ou non le projet considéré dépendra de la perspective ou tolérance du risque du responsable de la décision. Cet exemple a aussi été étendu pour calculer la distribution de paiements de prime en fonction de l'hypothèse qu'une prime est payée chaque fois que le CFA net est supérieur à un montant fixe. Il utilise aussi les fonctions statistiques @RISK RiskMean, RiskTarget et RiskTargetD pour déterminer le CFA net moyen, la probabilité que le CFA net soit négatif et la probabilité qu'une prime soit payée.

Télécharger le modèle type : CashFlow.xls

@RISK : Sinistres d’assurance avec RiskCompound
La fonction @RISK RiskCompound combine deux distributions pour créer une nouvelle distribution en entrée unique. Elle simplifie ainsi les modèles d’assurance devant tenir compte de la fréquence et de la gravité des sinistres. Ce modèle illustre la création de la fonction RiskCompound, avec propriétés de moyenne, écart type et valeur cible de la fonction RiskCompound résultante.

Télécharger le modèle type : FonctionRiskCompound.xls

RISKOptimizer : Gamme de production
Une usine cherche à déterminer les quantités de fabrication optimales de quatre produits, afin de maximiser la moyenne du total de ses revenus. La demande de chaque produit est incertaine et donc représentée par des fonctions de distribution de probabilités. La quantité de chaque produit fabriqué doit satisfaire aux contraintes relatives aux ressources disponibles. Toutes les contraintes sont spécifiées en une fois, grâce à la capacité qu’offre RISKOptimizer de définir les limites de contrainte sous forme de plages. RISKOptimizer fait varier la quantité de chaque produit fabriqué, sous réserve des contraintes de ressources, afin de maximiser les revenus.

Télécharger le modèle type : GammeDeProductionSousContraintes.xls

Trajets aléatoires et évaluation d’options
PrixValeurs.Options.BSetMulti.xls

Six Sigma DOE
SixSigmaDOESoudage.xls

Valeur à risques (VAR)
ValeurARisques.xls

 

 

Palisade Corporation
798 Cascadilla Street
Ithaca, NY 14850-3239
800 432 RISK (US/Can)
+1 607 277 8000
+1 607 277 8001 fax
sales@palisade.com
Palisade EMEA & India
+44 1895 425050 salesEMEA@palisade.com
salesIndia@palisade.com
Palisade Asia-Pacific
+61 2 9252 5922
salesAP@palisade.com
Palisade アジア・
パシフィック東京事務所
+81 3 5456 5287 tel
sales.jp@palisade.com
www.palisade.com/jp/
Palisade Latinoamérica
+1 607 277 8000 x318
+54-1152528795  Argentina
+56-25813492 Chile
+507-8365675 Panamá
+52 55 5350 2852 México
+511-7086781 Perú
+57-15085187 Colombia
servicioalcliente@palisade.com
ventas@palisade.com
www.palisade-lta.com
Palisade Brasil
+55 (21) 3958 1443
+1 607 277 8000 x318 tel
vendas@palisade.com
www.palisade-br.com