Optimisation de la Planification Industrielle par la Prédiction à l'Aide de Techniques Avancées

Abstract

Avec l'avénement de l'intelligence artificielle, ces derniéres années ont vu des progrés significatifs, notamment dans les domaines de l'apprentissage automatique (ML) et de l'apprentissage profond (DL). Ces avancées ont suscité un intérét considérable chez les entreprises, qui voient dans ces nouvelles technologies une opportunité d'améliorer leurs opérations et de relever les défis auxquels elles sont confrontées, comme répondre aux demandes croissantes en énergie de leurs clients. Dans ce contexte, ce mémoire propose de concevoir et mettre en ouvre une application web visant `a analyser et prévoir les consommations éléctriques au sein de la direction commerciale de Sonelgaz de BEJAIA `a l'aide de techniques d'intelligence artificielle. Cette application offre des capacités de visualisation et de prévision des consommations électriques basées sur trois modéles éprouvés dans le domaine des séries temporelles : la régression linéaire, les réseaux de neurones `a mémoire `a long terme (LSTM) et les Transformers. Pour exécuter ce projet, on a adopté la méthodologie Scrum, une approche agile de développement et de gestion de projet. Les tests d'application ont été menés `a partir des données d'environ 1699 clients, couvrant la consommation mensuelle d'électricité de BEJAIA pendant 14 ans.