Lean Sigma Machine Learning by Ignace Rakotozandry (5 results)

Condition: New.

Taschenbuch. Condition: Neu. Lean Six Sigma et Machine Learning pour l'optimisation | Prédire la viscosité du pétrole lourd avec l'apprentissage automatique pour optimiser l'injection de vapeur et réduire le gaspillage d'énergie | Rakotozandry Ignace (u. a.) | Taschenbuch | Französisch | 2026 | Editions Notre Savoir | EAN 9786630125511 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.…

PAP. Condition: New. New Book. Shipped from UK. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

PAP. Condition: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.

Paperback. Condition: new. Paperback. L'exploitation du petrole lourd presente d'importants defis energetiques et operationnels en raison de sa viscosite elevee, qui a un impact direct sur l'efficacite des processus de recuperation thermique. Dans le champ de Tsimiroro a Madagascar, une prevision precise de la viscosite est essentielle pour optimiser l'injection de vapeur et attenuer le gaspillage d'energie excessif. Cette etude adopte la methodologie Lean Six Sigma comme cadre structure pour eliminer les mudas operationnels (dechets) lies a la surconsommation de vapeur. Un cadre predictif base sur l'apprentissage automatique a ete developpe, comparant six architectures distinctes: regression lineaire, regression polynomiale du deuxieme degre, machine a vecteurs de support (SVM), reseau neuronal artificiel (ANN), foret aleatoire et XGBoost. Les resultats demontrent que meme si le modele polynomial atteint une precision statistique elevee (R2 = 0,995, RMSE = 154,62 cSt), l'architecture du reseau neuronal artificiel offre une robustesse superieure (R2 = 1,000, RMSE = 154,62 cSt) pour capturer des comportements thermiques non lineaires complexes. XGBoost et Random Forest affichent des performances competitives avec des valeurs R2 de 0,90 et 0,91 respectivement, tandis que SVM presente les erreurs de prediction les plus elevees (RMSE 780 cSt). This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…