Abstract:
Ce présent travail a pour objectif d’estimer les lead times liés au processus d’importation au sein de l’entreprise de services pétroliers Schlumberger NAF en utilisant les différents algorithmes d’apprentissage machine ainsi que les techniques de génération (synthétisation) des données pour remédier au problème du faible volume de données, tout en suivant l’approche CRISP-DM comme cadre de référence.
La mise en place de cette démarche consiste tout d’abord à définir le problème d’un point de vue métier et technique, collecter les données et les nettoyer afin de les utiliser dans les différents modèles de Machine Learning et enfin déployer la solution sous forme d’une interface de Chat-bot. Notre solution contribue à l’optimisation des coûts ainsi qu’à l’anticipation des délais d’importation au sein du département import-export de Schlumberger.
