Logo Lanfrica
  • Accueil
  • Atlas
  • Analyses
  • Documentation
  • Sign in

© 2026 Lanfrica. Tous droits réservés. Tous les droits d'auteur des ressources affichées sur le site Web Lanfrica appartiennent aux détenteurs de droits d'auteur d'origine, sauf indication contraire explicite.

1mad-elmakaoui/agent-agri-MA-supply-chain

Domaine:

agriculture

Type de record:

software
Créateur:
1ma
Hôte:
AI agent for managing agricultural supply chain operations in Morocco # Agent agriculture Maroc Un agent en ligne de commande qui suit les stocks agricoles, repère les ruptures avant qu'elles arrivent et prépare des demandes de réapprovisionnement. Les données vivent dans une base SQLite locale, les calculs sont faits en Python, et Claude sert d'interface pour poser les questions en français. Le point de départ était simple : un responsable logistique veut savoir "est-ce que je tiens jusqu'à la prochaine livraison de tomates ?" sans ouvrir un tableur. ## Installation ```bash python -m venv .venv source .venv/bin/activate pip install -r requirements.txt cp .env.example .env # puis mettre sa clé API python main.py init ``` `init` crée les tables et charge un jeu de données de démonstration (7 fournisseurs, 10 produits, une quinzaine de commandes). Avec `--reset` il supprime la base existante d'abord. ## Utilisation Le chat : ```bash python main.py chat ``` ``` Vous > est-ce qu'on risque une rupture sur les fraises ? Vous > combien commander de pommes de terre ? Vous > oui je confirme ``` Dans le chat, `/risques`, `/retards`, `/resume`, `/demandes` répondent directement sans passer par le modèle, et `/oublie` vide l'historique de conversation. `/aide` liste tout. Les mêmes analyses sont accessibles sans API, ce qui est pratique pour un cron ou juste pour débugger : ```bash python main.py risques --niveau critique python main.py retards python main.py fournisseurs python main.py rapport --sortie data/rapport.md python main.py export --sortie data/risques.csv ``` Et les deux commandes qui écrivent en base : ```bash python main.py receptionner 3 --quantite 2800 python main.py sortie Tomates 450 --motif "Livraison Casablanca" python main.py sortie Fraises 60 --type perte --motif "Invendus" ``` ## Comment le risque est calculé Pour chaque produit : ``` jours_de_stock = stock_actuel / demande_quotidienne ``` Ensuite le stock est projeté jour par jour sur 14 jours, en ajoutant les livraisons attendues à la date prévue. Le p …

Visit

github.com

Tags

agricultureai-agentmoroccopydantic-aisupply-chaintools

Similaires

1mad-elmakaoui/hcp-social-signals-2025Agri-food chain disruptions and sustainable performance: the role of supply chain resilienceDigital capabilities to manage agri-food supply chain uncertainties and build supply chain resilience during compounding geopolitical disruptionsTowards a Constrained-Efficiency Framework for the Digital Transformation in Agri-food Supply Chains:A Case of the Tomato Supply Chain in Nigeria

1mad-elmakaoui/hcp-social-signals-2025

A Dagster pipeline for topic-scoped social listening. For a given socio-economic theme it collects p

Agri-food chain disruptions and sustainable performance: the role of supply chain resilience

Purpose Drawing on dynamic capability and network theory, this study examines

Digital capabilities to manage agri-food supply chain uncertainties and build supply chain resilience during compounding geopolitical disruptions

Purpose:

The agricultural supply chain is susceptible to disruptive ge

Towards a Constrained-Efficiency Framework for the Digital Transformation in Agri-food Supply Chains:A Case of the Tomato Supply Chain in Nigeria

This thesis interrogates the paradoxes of digital transformation in Nigeria's agri-food supply chain