Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of Digital Repository
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "NOUIS, Rayhana Houda"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    Problème d’ordonnancement stochastique
    (UNIVERSITE MOHAMED BOUDIAF - M’SILA, FACULTE DE MATHEMATIQUES ET D ’INFORMATIQUE, DEPARTEMENT D’INFORMATIQUE, 2024-06-12) NOUIS, Rayhana Houda; BENZID, Sabrina; HEMMAK, Allaoua: Rapporteur
    Cette mémoire aborde le problème de d’ordonnancement stochastique, qui consiste à allouer les ressources disponibles (telles que les machines, les travailleurs et le temps) à diverses tâches de manière à garantir que les objectifs fixés soient atteints aussi efficacement que possible, même en présence de facteurs aléatoires ou incertains affectant les temps de traitement ou la disponibilité des ressources. L'étude a utilisé des méthodologies mathématiques et des algorithmes avancés pour analyser et développer des modèles d’ordonnancement stochastique. La méthodologie comprenait l'utilisation de l 'algorithmelocalsolver et algorithme recherche locale pour optimiser les plannings dans des conditions d'incertitude. Des simulations ont été menées pour évaluer l'efficacité des solutions proposées et comparer les performances dans des conditions de certitude et d'incertitude. Les résultats ont montré que les modèles et les algorithmes proposés améliorent significativement l'efficacité d’ordonnancement stochastique par rapport aux méthodes traditionnelles. Les solutions développées ont permis des réductions notables des temps d'exécution globaux (Makespan) et une amélioration de l'utilisation des ressources, tout en renforçant la flexibilité face aux changements imprévus. Cette étude fournit un outil efficace pour appliquer l’ordonnancementstochastique dans divers domaines tels que la fabrication, la santé, les transports et la technologie de l'information, contribuant ainsi à accroître la productivité et à réduire les coûts.

All Rights Reserved - University of M'Sila - UMB Electronic Portal © 2024

  • Cookie settings
  • Privacy policy
  • Terms of Use