Les systèmes industriels et logistiques modernes génèrent un nombre considérable de données, que les progrès des nouvelles technologies permettent de capter de plus en plus efficacement : caractéristiques des produits et des commandes, traçabilité, paramètres de fabrication, de manutention et de transport, phénomènes exogènes de toutes sortes, etc. L'émergence de nouvelles techniques d'analyse des données, comme le Machine Learning, semble donc ouvrir de nouvelles possibilités pour planifier plus efficacement la Supply Chain. Certains parlent même d'une révolution à venir, d'autres ne voyant rien venir, évoquent des effets de mode.
Cet ouvrage, rédigé par un enseignant-chercheur et un praticien en entreprise, propose de décrire ce qu'est le Machine Learning, et comment il est possible d'utiliser ses apports dans la Supply Chain, dans le cadre conceptuel de la planification hiérarchisée.
Il s'adresse avant tout aux opérationnels de la Supply Chain, ainsi qu'aux étudiants, à qui il permettra de comprendre les concepts de la planification hiérarchisée, les principaux algorithmes du Machine Learning et surtout de découvrir, à partir d'exemples concrets, des projets effectivement menés en entreprise, et des recommandations pratiques pour en réussir d'autres.
Ni thuriféraires de la technologie, ni sceptiques rétrogrades, les auteurs visent à faire prendre conscience par les acteurs, actuels et futurs, de la Supply Chain que le Machine Learning ne peut être ignoré, mais que son utilisation dans le cadre de projets réels nécessitera un pilotage plein d'intelligence humaine.
Il n'y a pas encore de discussion sur ce livre
Soyez le premier à en lancer une !
Inspirée d’une histoire vraie, cette BD apporte des conseils et des solutions pour sortir de l'isolement
L’écrivain franco-vénézuélien Miguel Bonnefoy poursuit l’exploration fantasmagorique de sa mémoire familiale...
Des romans policiers à offrir ? Faites le plein de bonnes idées !
Nostalgique, nomade ou plutôt romantique ? Trouvez le livre de la rentrée qui vous correspond !
