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

Idioma: francés

Editorial: Editions Notre Savoir, 2026

6630125517 / 9786630125511

  • Tapa blanda
  • Nuevo
Ver todos los detalles

Librería: AHA-BUCH GmbH, Einbeck, AlemaniaAHA-BUCH GmbH

Vendedor de 5 estrellas

Vendedor de AbeBooks desde el 14 de agosto de 2006

Tapa blanda

Condición: Nuevo

EUR 51,60

Envío por EUR 35,00 
Se envía de Alemania a Estados Unidos de America

Cantidad disponible: 2 disponibles

Añadir al carrito
Devoluciones gratuitas de 30 días

Descripción del artículo del vendedor

nach der Bestellung gedruckt Neuware - Printed after ordering - L'exploitation du pétrole lourd présente d'importants défis énergétiques et opérationnels en raison de sa viscosité élevée, qui a un impact direct sur l'efficacité des processus de récupération thermique. Dans le champ de Tsimiroro à Madagascar, une prévision précise de la viscosité est essentielle pour optimiser l'injection de vapeur et atténuer le gaspillage d'énergie excessif. Cette étude adopte la méthodologie Lean Six Sigma comme cadre structuré pour éliminer les mudas opérationnels (déchets) liés à la surconsommation de vapeur. Un cadre prédictif basé sur l'apprentissage automatique a été développé, comparant six architectures distinctes : régression linéaire, régression polynomiale du deuxième degré, machine à vecteurs de support (SVM), réseau neuronal artificiel (ANN), forêt aléatoire et XGBoost. Les résultats démontrent que même si le modèle polynomial atteint une précision statistique élevée (R = 0,995, RMSE = 154,62 cSt), l'architecture du réseau neuronal artificiel offre une robustesse supérieure (R = 1,000, RMSE = 154,62 cSt) pour capturer des comportements thermiques non linéaires complexes. XGBoost et Random Forest affichent des performances compétitives avec des valeurs R de 0,90 et 0,91 respectivement, tandis que SVM présente les erreurs de prédiction les plus élevées (RMSE = 780 cSt).…

N° de ref. del artículo 9786630125511

Título
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
Autor
Randrianasolo Rinah
Editorial
Editions Notre Savoir
Año de publicación
2026
Estado
Neu
Encuadernación
Taschenbuch
Idioma
francés
ISBN 10
6630125517
ISBN 13
9786630125511
Peso del artículo
102 gramos
Dimensiones
220x150x4 mm

AHA-BUCH GmbH

Einbeck, Alemania

Vendedor de 5 estrellas

Vendedor de AbeBooks desde el 14 de agosto de 2006

Tarifas de envío de Alemania a Estados Unidos de America

ArtículoDe 7 a 10 días hábilesDe 5 a 7 días hábiles
Primer artículoEUR 35,00EUR 45,00
Los plazos de entrega los establecen los vendedores y varían según el transportista y la ubicación. Los pedidos que pasan por la aduana pueden sufrir retrasos y los compradores son responsables de los aranceles o tarifas asociadas. Los vendedores pueden ponerse en contacto con usted en relación con cargos adicionales para cubrir cualquier aumento en los costes de envío de los artículos.

Métodos de pago

  • Visa
  • Mastercard
  • American Express
  • Carte Bleue
  • Apple Pay
  • Google Pay
  • Cheque
  • Giro bancario
  • PayPal

Descripción de la tienda

Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.

Especialidad

Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & Studium

Información empresarial del vendedor

AHA-BUCH GmbH

Garlebsen 48
Einbeck, Alemania 37574