Optimisation des Systèmes de Production des Biens et des Services (SPBS) par les sciences des données : approches pour la collecte, l'analyse et l'intégration des données dans la prise de décision.
Data science for efficient management of production systems goods and services
Jury
Directeur de these_REZG_Nidhal_Université de Lorraine
Rapporteur_OUHIMMOU_Mustapha_Université Laval
Rapporteur_YALAOUI_Farouk_Université de Technologie de Troyes
Examinateur_HANI_Yasmina _Université Paris 8
Examinateur_IUNG_Benoit_Université de Lorraine
Co-encadrant de these_NDHAIEF_Nadia_Université de Lorraine
école doctorale
IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
Laboratoire
LGIPM - Laboratoire de Génie Informatique, de Production et de Maintenance
Mention de diplôme
Automatique, Traitement du signal et des images, Génie informatique
Salle de conseil UFR MIM
UFR MIM
Mots clés
Quantité massive de données,Apprentissage automatique,Intelligence artificielle,,
Résumé de la thèse
Face à la complexité croissante des systèmes de production et de distribution,
accentuée par la mondialisation, la transition numérique et les enjeux environnementaux, les entreprises et les collectivités sont appelées à repenser leurs modes
de gestion. Les chaînes logistiques, les réseaux énergétiques et les systèmes de
collecte urbaine doivent désormais intégrer des dimensions de résilience, de durabilité et d'intelligence décisionnelle.
Keywords
Big Data,Machine learning,Artificial intelligence,,
Abstract
Faced with the growing complexity of production and distribution systems—intensified by globalization, digital transformation, and environmental challenges—businesses and public institutions are being called upon to rethink their management approaches. Supply chains, energy networks, and urban collection systems must now incorporate dimensions of resilience, sustainability, and intelligent decision-making.
In this context, data science, combined with artificial intelligence techniques, offers powerful tools to optimize flows, anticipate disruptions, and enhance overall system performance.
