Développement d’un outil de stress-test de la liquidité bancaire basé sur des modèle classique et modèles d’intelligence artificielle / Aya Benosmane (2024) 

Public ISBD Titre : Développement d’un outil de stress-test de la liquidité bancaire basé sur des modèle classique et modèles d’intelligence artificielle Type de document : document électronique Auteurs : Aya Benosmane, Auteur ; Hakim Fourar Laidi, Directeur de thèse ; Chems-Eddine Ait Ouarabi, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (4 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 146 - 147 . - Annexe p. 148 - 158 Langues : Français (fre) Mots-clés : Risque liquidité Prévisionnel Stress test Intelligence artificielle Modélisation Scénario Index. décimale : PI02224 Résumé : Dans le contexte d’un paysage financier complexe et volatile, la gestion des risques est essentielle à la stabilité des institutions financières. En Algérie, Société Générale Algérie est confrontée à plusieurs défis en raison des fluctuations des prix du pétrole et d’autres facteurs économiques. Pour y faire face, l’outil de test de résistance de liquidité SGA a été développé à l’aide de modèles d’apprentissage automatique et d’analyses avancées. Cet outil vise à anticiper et à évaluer avec précision les effets des crises financières et économiques potentielles sur la liquidité de la Banque. Ce projet représente une initiative active visant à améliorer la capacité de SGA à naviguer pendant les fluctuations économiques et à protéger efficacement les intérêts de ses clients et de l’économie nationale Développement d’un outil de stress-test de la liquidité bancaire basé sur des modèle classique et modèles d’intelligence artificielle [document électronique] / Aya Benosmane, Auteur ; Hakim Fourar Laidi, Directeur de thèse ; Chems-Eddine Ait Ouarabi, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (4 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 146 - 147 . - Annexe p. 148 - 158 Langues : Français (fre) Mots-clés : Risque liquidité Prévisionnel Stress test Intelligence artificielle Modélisation Scénario Index. décimale : PI02224 Résumé : Dans le contexte d’un paysage financier complexe et volatile, la gestion des risques est essentielle à la stabilité des institutions financières. En Algérie, Société Générale Algérie est confrontée à plusieurs défis en raison des fluctuations des prix du pétrole et d’autres facteurs économiques. Pour y faire face, l’outil de test de résistance de liquidité SGA a été développé à l’aide de modèles d’apprentissage automatique et d’analyses avancées. Cet outil vise à anticiper et à évaluer avec précision les effets des crises financières et économiques potentielles sur la liquidité de la Banque. Ce projet représente une initiative active visant à améliorer la capacité de SGA à naviguer pendant les fluctuations économiques et à protéger efficacement les intérêts de ses clients et de l’économie nationale

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00820	PI02224	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

BENOSMANE.Aya.pdf URL

Etude et implémentation des modèles d’apprentissage supervisé pour la prédiction du risque ‘’Faillite’’ des clients corporate / Bilel Cherki (2021) 

Public ISBD Titre : Etude et implémentation des modèles d’apprentissage supervisé pour la prédiction du risque ‘’Faillite’’ des clients corporate Type de document : document électronique Auteurs : Bilel Cherki, Auteur ; Abdelrahmane Bouterane, Auteur ; Hakim Fourar Laidi, Directeur de thèse ; Oussama Arki, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2021 Importance : 1 fichier PDF (2.7M) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Génie Industriel. Management de l’Innovation : Alger, École Nationale Polytechnique : 2021 Bibliogr. f. 108 - 110. - Annexes f. 112 - 145 Langues : Français (fre) Mots-clés : Intelligence artificielle Machine Learning Data Mining Banque Client Risque Résumé : Les banques Algériennes se sont engagées dans la voie de la modernisation qui s’appuie sur le déploiement des technologies de l’information. Ce travail prend place dans ce cadre et vise à améliorer le dispositif de gestion du risque, afin de pouvoir, dans un premier temps, répondre à la demande croissante et garantir la sécurité de leurs portefeuilles d'investissement, puis dans un second temps, se mettre en conformité avec les dispositions prudentielles internationales par le biais d'un outil d'aide à la décision. L'approche adoptée consiste en la conception, l'évaluation et le classement de divers algorithmes d'apprentissage supervisé ; pour ensuite sélectionner le modèle le plus adapté à la problématique posée par ce projet en vue d'atteindre les objectifs fixés par la banque. Etude et implémentation des modèles d’apprentissage supervisé pour la prédiction du risque ‘’Faillite’’ des clients corporate [document électronique] / Bilel Cherki, Auteur ; Abdelrahmane Bouterane, Auteur ; Hakim Fourar Laidi, Directeur de thèse ; Oussama Arki, Directeur de thèse . - [S.l.] : [s.n.], 2021 . - 1 fichier PDF (2.7M) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Génie Industriel. Management de l’Innovation : Alger, École Nationale Polytechnique : 2021 Bibliogr. f. 108 - 110. - Annexes f. 112 - 145 Langues : Français (fre) Mots-clés : Intelligence artificielle Machine Learning Data Mining Banque Client Risque Résumé : Les banques Algériennes se sont engagées dans la voie de la modernisation qui s’appuie sur le déploiement des technologies de l’information. Ce travail prend place dans ce cadre et vise à améliorer le dispositif de gestion du risque, afin de pouvoir, dans un premier temps, répondre à la demande croissante et garantir la sécurité de leurs portefeuilles d'investissement, puis dans un second temps, se mettre en conformité avec les dispositions prudentielles internationales par le biais d'un outil d'aide à la décision. L'approche adoptée consiste en la conception, l'évaluation et le classement de divers algorithmes d'apprentissage supervisé ; pour ensuite sélectionner le modèle le plus adapté à la problématique posée par ce projet en vue d'atteindre les objectifs fixés par la banque.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00336	PI00121	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Genie_industriel	Téléchargeable

Documents numériques

CHERKI.Bilel_BOUTERANE.Abdelrahmane URL

Etude en vue d’amélioration de la résilience de la supply chain / Thafat Hanouti (2022) 

Public ISBD Titre : Etude en vue d’amélioration de la résilience de la supply chain : Schlumberger Algérie Type de document : document électronique Auteurs : Thafat Hanouti, Auteur ; Chahinez Mameri, Auteur ; Bahia Bouchafaa, Directeur de thèse ; Hakim Fourar Laidi, Directeur de thèse ; Hadia Ouafi née Saidani, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2022 Importance : 1fichier PDF (4.1 MO). Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Génie Industriel. Management industriel: Alger, École Nationale Polytechnique : 2022. Bibliogr. f. 93-95. Annexes Langues : Français (fre) Mots-clés : Schlumberger NAF -- Supply chain  Supply Résilience. Index. décimale : PI00822 Résumé : Ce travail s’inscrit dans le cadre de l’étude en vue d’amélioration de la résilience de la supply chain de Schlumberger NAF. Cette problématique émane des différents changements qu’a subi la supply chain de l’entreprise pendant la crise du COVID-19. La première partie consiste en l’adoption d’une approche par l’analyse des risques visant à améliorer le niveau de maturité de la résilience actuelle de la supply chain préalablement déterminé. La deuxième partie concerne une proposition des plans d’actions qui sont comme suit : - Formulation d’une feuille de route pour la mise en place du processus S&OP. - Essai d'amélioration des prévisions des produits chimiques par des méthodes quantitatives et qualitatives. - Proposition d’un outil pour la digitalisation de la supply chain. La troisième partie porte sur une réévaluation de la maturité de la résilience après mise en place des plans d’actions. Etude en vue d’amélioration de la résilience de la supply chain : Schlumberger Algérie [document électronique] / Thafat Hanouti, Auteur ; Chahinez Mameri, Auteur ; Bahia Bouchafaa, Directeur de thèse ; Hakim Fourar Laidi, Directeur de thèse ; Hadia Ouafi née Saidani, Directeur de thèse . - [S.l.] : [s.n.], 2022 . - 1fichier PDF (4.1 MO). Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Génie Industriel. Management industriel: Alger, École Nationale Polytechnique : 2022. Bibliogr. f. 93-95. Annexes Langues : Français (fre) Mots-clés : Schlumberger NAF -- Supply chain  Supply Résilience. Index. décimale : PI00822 Résumé : Ce travail s’inscrit dans le cadre de l’étude en vue d’amélioration de la résilience de la supply chain de Schlumberger NAF. Cette problématique émane des différents changements qu’a subi la supply chain de l’entreprise pendant la crise du COVID-19. La première partie consiste en l’adoption d’une approche par l’analyse des risques visant à améliorer le niveau de maturité de la résilience actuelle de la supply chain préalablement déterminé. La deuxième partie concerne une proposition des plans d’actions qui sont comme suit : - Formulation d’une feuille de route pour la mise en place du processus S&OP. - Essai d'amélioration des prévisions des produits chimiques par des méthodes quantitatives et qualitatives. - Proposition d’un outil pour la digitalisation de la supply chain. La troisième partie porte sur une réévaluation de la maturité de la résilience après mise en place des plans d’actions.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00464	PI00822	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Management_Industriel	Téléchargeable

Documents numériques

HANOUTI.Thafat_MAMERI_Chahinez.pdf URL

Modeling extruder’s behavior as multivariate time series for deep learning-driven forecasting / Amira Souilah (2023) 

Public ISBD Titre : Modeling extruder’s behavior as multivariate time series for deep learning-driven forecasting Type de document : document électronique Auteurs : Amira Souilah, Auteur ; Hakim Fourar Laidi, Directeur de thèse ; Jérome Rocheteau, Directeur de thèse ; Hala Ghazi, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2023 Importance : 1 fichier PDF (2.3 Mo) Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. P. 58 - 61 Langues : Anglais (eng) Mots-clés : Digital twins Encoder decoder model Long-short term memory Multivariate time series Reccurent neural network Index. décimale : PI01723 Résumé : The concept of a digital twin (DT) plays a crucial role in the Recyplast-Demo research project, aiming to study the extrusion process of recycled plastic. A digital twin refers to the creation of a virtual and dynamic representation of a real system, in this case, the extrusion machine. The process involves feeding plastic pellets into the machine, which are then propelled forward by a motor-driven screw inside a heated barrel. The pellets melt and transform into molten plastic as they pass through a shaping die, ultimately acquiring their final form. Currently, the motor speed and heater temperature settings are set to constant values throughout the extrusion operations. It is assumed that the properties of the plastic pellets remain stable, leading to consistent setpoints once adjusted by machine operators. Those operators mainly monitor material output pressure, temperature, and motor torque to ensure optimal extrusion performance. However, the use of recycled plastic introduces variability in material properties, challenging the assumption of stability and constant setpoints. Therefore, it becomes crucial to dynamically adapt the motor speed and heater temperature based on factors such as material output pressure, temperature, and motor torque. This is where the digital twin becomes valuable, as it provides real-time insights into the behavior of the plastic extruder. By understanding the extruder’s real-time behavior, we can maintain consistent product quality despite variations in input material properties. Additionally, the digital twin enables accurate evaluation of the extruder’s performance under different conditions and contexts. In this study, we have conducted an analysis of the extruder’s behavior, treating the measurements as multivariate time series data. This analysis allowed us to gain a deeper understanding of the extruder’s behavior and develop an intelligent model for forecasting the extrusion process. Moreover, based on this model, a recommendation system can be developed to provide valuable insights and suggestions in the next works. Modeling extruder’s behavior as multivariate time series for deep learning-driven forecasting [document électronique] / Amira Souilah, Auteur ; Hakim Fourar Laidi, Directeur de thèse ; Jérome Rocheteau, Directeur de thèse ; Hala Ghazi, Directeur de thèse . - [S.l.] : [s.n.], 2023 . - 1 fichier PDF (2.3 Mo). Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. P. 58 - 61 Langues : Anglais (eng) Mots-clés : Digital twins Encoder decoder model Long-short term memory Multivariate time series Reccurent neural network Index. décimale : PI01723 Résumé : The concept of a digital twin (DT) plays a crucial role in the Recyplast-Demo research project, aiming to study the extrusion process of recycled plastic. A digital twin refers to the creation of a virtual and dynamic representation of a real system, in this case, the extrusion machine. The process involves feeding plastic pellets into the machine, which are then propelled forward by a motor-driven screw inside a heated barrel. The pellets melt and transform into molten plastic as they pass through a shaping die, ultimately acquiring their final form. Currently, the motor speed and heater temperature settings are set to constant values throughout the extrusion operations. It is assumed that the properties of the plastic pellets remain stable, leading to consistent setpoints once adjusted by machine operators. Those operators mainly monitor material output pressure, temperature, and motor torque to ensure optimal extrusion performance. However, the use of recycled plastic introduces variability in material properties, challenging the assumption of stability and constant setpoints. Therefore, it becomes crucial to dynamically adapt the motor speed and heater temperature based on factors such as material output pressure, temperature, and motor torque. This is where the digital twin becomes valuable, as it provides real-time insights into the behavior of the plastic extruder. By understanding the extruder’s real-time behavior, we can maintain consistent product quality despite variations in input material properties. Additionally, the digital twin enables accurate evaluation of the extruder’s performance under different conditions and contexts. In this study, we have conducted an analysis of the extruder’s behavior, treating the measurements as multivariate time series data. This analysis allowed us to gain a deeper understanding of the extruder’s behavior and develop an intelligent model for forecasting the extrusion process. Moreover, based on this model, a recommendation system can be developed to provide valuable insights and suggestions in the next works.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00631	PI01723	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

SOUILAH.Amira.pdf URL