Veuillez utiliser cette adresse pour citer ce document : http://repository.enp.edu.dz/jspui/handle/123456789/10087
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorKadi, Mohamed-
dc.contributor.authorBouhali, Ghezlane-
dc.contributor.otherFellous, Sihem, Directeur de thèse-
dc.contributor.otherBouchafaa, Bahia, Directeur de thèse-
dc.contributor.otherGourine, Reda, Directeur de thèse-
dc.date.accessioned2021-11-25T08:06:26Z-
dc.date.available2021-11-25T08:06:26Z-
dc.date.issued2021-
dc.identifier.urihttp://repository.enp.edu.dz/xmlui/handle/123456789/10087-
dc.descriptionMémoire de Projet de Fin d’Études : Génie Industriel : Alger, École Nationale Polytechnique : 2021fr_FR
dc.description.abstractCe travail s’inscrit dans le cadre de l’optimisation du processus de gestion des conteneurs en souffrance de Maersk Algérie, par la mise en place d’un modèle de clustering permettant la segmentation des clients et des conteneurs. L’objectif de ce modèle est d’offrir une meilleure gestion des clients et des conteneurs en prenant en considération les différents facteurs influant la rétention des conteneurs et leurs conséquences. La solution en question va permettre à l’entreprise une meilleure réactivité dans la gestion des conteneurs en souffrance ainsi qu’un gain de temps en effectuant des actions différencié sur chaque cluster formé.fr_FR
dc.language.isofrfr_FR
dc.subjectConteneurs en souffrancefr_FR
dc.subjectAide à la décisionfr_FR
dc.subjectApprentissage automatiquefr_FR
dc.subjectTableaux de bordsfr_FR
dc.titleContribution à l’optimisation du processus de gestion des conteneurs par l’apprentissage non-supervisé : cas des conteneurs en souffrance de MAERSK Algériefr_FR
dc.typeThesisfr_FR
Collection(s) :Département Génie Industriel

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
pfe.2021.indus.KADI.Mohamed_BOUHALI.Ghezlane.pdfPI009216.02 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.