Amélioration de la Supply Chain amont par l'application de l'apprentissage machine / Imad Eddine fares Abbou (2024) 

Public ISBD Titre : Amélioration de la Supply Chain amont par l'application de l'apprentissage machine : application, SLB NAF Type de document : document électronique Auteurs : Imad Eddine fares Abbou, Auteur ; Sofiane Ameziane, Auteur ; Iskander Zouaghi, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (24.5 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Management Industriel : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 118 - 121 . - Annexe p. 122 - 147 Langues : Français (fre) Mots-clés : Supply Chain Gestion des fournisseurs Engagement de volume Apprentissage non suprvisé Prévision Apprentissage profond Synthétisation des données Index. décimale : PI01024 Résumé : Ce travail vise améliorer la stabilité des part de marché des fournisseurs. Nous avons commencé par analyser l'évolution des parts de marché respectives des fournisseurs chez SLB NAF, en étudiant les tendances et les variations par sous catégorie de fournisseurs, et en terminant le diagnostic par une évaluation SCOR pour identifier les raisons de l'instabilité des fournisseurs. Ensuite, nous avons établi et préparé le terrain nécessaire pour stabiliser les parts de marché des fournisseurs par le biais d'engagements de volume. Premièrement, des techniques d'apprentissage non supervisé sont utilisées pour reclasser les pièces, les intégrant dans un système de commande automatisé et par conséquent, stabilisant le flux des commandes. Deuxièmement, une gamme de méthodes de prévision, allant de l'économétrie aux modèles d'apprentissage profond, améliorées grâce à des techniques de génération de données, sont utilisées pour stabiliser la prévision des divers modèles de demande. Ces approches contribuent collectivement à optimiser les opération de Supply Chain et aboutissent à une proposition de stabilisation de la part de marché du fournisseur. Amélioration de la Supply Chain amont par l'application de l'apprentissage machine : application, SLB NAF [document électronique] / Imad Eddine fares Abbou, Auteur ; Sofiane Ameziane, Auteur ; Iskander Zouaghi, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (24.5 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Management Industriel : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 118 - 121 . - Annexe p. 122 - 147 Langues : Français (fre) Mots-clés : Supply Chain Gestion des fournisseurs Engagement de volume Apprentissage non suprvisé Prévision Apprentissage profond Synthétisation des données Index. décimale : PI01024 Résumé : Ce travail vise améliorer la stabilité des part de marché des fournisseurs. Nous avons commencé par analyser l'évolution des parts de marché respectives des fournisseurs chez SLB NAF, en étudiant les tendances et les variations par sous catégorie de fournisseurs, et en terminant le diagnostic par une évaluation SCOR pour identifier les raisons de l'instabilité des fournisseurs. Ensuite, nous avons établi et préparé le terrain nécessaire pour stabiliser les parts de marché des fournisseurs par le biais d'engagements de volume. Premièrement, des techniques d'apprentissage non supervisé sont utilisées pour reclasser les pièces, les intégrant dans un système de commande automatisé et par conséquent, stabilisant le flux des commandes. Deuxièmement, une gamme de méthodes de prévision, allant de l'économétrie aux modèles d'apprentissage profond, améliorées grâce à des techniques de génération de données, sont utilisées pour stabiliser la prévision des divers modèles de demande. Ces approches contribuent collectivement à optimiser les opération de Supply Chain et aboutissent à une proposition de stabilisation de la part de marché du fournisseur.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00808	PI01024	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Management_Industriel	Téléchargeable

Documents numériques

ABBOU.Imadeddine-Fares_AMEZIANE.Sofiane.pdf URL