Articles liés à Lean Six Sigma e apprendimento automatico per l'ottimizz...
Résultats de recherche pour Lean Six Sigma e apprendimento automatico per l'ottimizz...
Image d'archives
Lean Six Sigma e apprendimento automatico per l'ottimizzazione
Vendeur : PBShop.store US, Wood Dale, IL, Etats-Unis
Évaluation du vendeur 5 sur 5 étoiles
PAP. Etat : New. New Book. Shipped from UK. Established seller since 2000. N° de réf. du vendeur L2-9786630128079
Acheter neuf
EUR 59,61
Livraison gratuite
Expédition nationale : Etats-Unis
Expédition nationale : Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image d'archives
Lean Six Sigma e apprendimento automatico per l'ottimizzazione (Paperback)
impression à la demandeVendeur : Grand Eagle Retail, Bensenville, IL, Etats-Unis
Évaluation du vendeur 5 sur 5 étoiles
Paperback. Etat : new. Paperback. Lo sfruttamento del petrolio pesante presenta notevoli sfide energetiche e operative a causa dell'elevata viscosita, che incide direttamente sull'efficienza dei processi di recupero termico. Nel giacimento di Tsimiroro, in Madagascar, una previsione accurata della viscosita e fondamentale per ottimizzare l'iniezione di vapore e mitigare gli eccessivi sprechi energetici. Questo studio adotta la metodologia Lean Six Sigma come quadro strutturato per eliminare i Mudas operativi (rifiuti) legati al consumo eccessivo di vapore. E stato sviluppato un quadro predittivo basato sull'apprendimento automatico, confrontando sei architetture distinte: regressione lineare, regressione polinomiale di secondo grado, Support Vector Machine (SVM), rete neurale artificiale (ANN), foresta casuale e XGBoost. I risultati dimostrano che mentre il modello polinomiale raggiunge un'elevata precisione statistica (R2 = 0,995, RMSE = 154,62 cSt), l'architettura della rete neurale artificiale offre una robustezza superiore (R2 = 1.000, RMSE = 154,62 cSt) nell'acquisizione di comportamenti termici non lineari complessi. XGBoost e Random Forest mostrano prestazioni competitive con valori R2 rispettivamente di 0,90 e 0,91, mentre SVM mostra gli errori di previsione piu elevati (RMSE 780 cSt). This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability. N° de réf. du vendeur 9786630128079
Acheter neuf
EUR 60,06
Livraison gratuite
Expédition nationale : Etats-Unis
Expédition nationale : Etats-Unis
Quantité disponible : 1 disponible(s)
Image d'archives
Lean Six Sigma e apprendimento automatico per l'ottimizzazione (Italian Edition)
Edité par
Edizioni Sapienza, 2026
ISBN 10 : 6630128079
ISBN 13 : 9786630128079
Neuf
Couverture souple
Vendeur : California Books, Miami, FL, Etats-Unis
Évaluation du vendeur 5 sur 5 étoiles
Etat : New. N° de réf. du vendeur I-9786630128079
Acheter neuf
EUR 60,69
Livraison gratuite
Expédition nationale : Etats-Unis
Expédition nationale : Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image d'archives
Lean Six Sigma e apprendimento automatico per l'ottimizzazione
Vendeur : PBShop.store UK, Fairford, GLOS, Royaume-Uni
Évaluation du vendeur 5 sur 5 étoiles
PAP. Etat : New. New Book. Shipped from UK. Established seller since 2000. N° de réf. du vendeur L2-9786630128079
Acheter neuf
EUR 57,94
Expédition à EUR 3,83
Expédition depuis Royaume-Uni vers Etats-Unis
Expédition depuis Royaume-Uni vers Etats-Unis
Quantité disponible : Plus de 20 disponibles
Image d'archives
Lean Six Sigma e apprendimento automatico per l'ottimizzazione
Edité par
Edizioni Sapienza Jun 2026, 2026
ISBN 10 : 6630128079
ISBN 13 : 9786630128079
Neuf
Taschenbuch
Vendeur : BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Taschenbuch. Etat : Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Lo sfruttamento del petrolio pesante presenta notevoli sfide energetiche e operative a causa dell'elevata viscosità, che incide direttamente sull'efficienza dei processi di recupero termico. Nel giacimento di Tsimiroro, in Madagascar, una previsione accurata della viscosità è fondamentale per ottimizzare l'iniezione di vapore e mitigare gli eccessivi sprechi energetici. Questo studio adotta la metodologia Lean Six Sigma come quadro strutturato per eliminare i Mudas operativi (rifiuti) legati al consumo eccessivo di vapore. È stato sviluppato un quadro predittivo basato sull'apprendimento automatico, confrontando sei architetture distinte: regressione lineare, regressione polinomiale di secondo grado, Support Vector Machine (SVM), rete neurale artificiale (ANN), foresta casuale e XGBoost. I risultati dimostrano che mentre il modello polinomiale raggiunge un'elevata precisione statistica (R = 0,995, RMSE = 154,62 cSt), l'architettura della rete neurale artificiale offre una robustezza superiore (R = 1.000, RMSE = 154,62 cSt) nell'acquisizione di comportamenti termici non lineari complessi. XGBoost e Random Forest mostrano prestazioni competitive con valori R rispettivamente di 0,90 e 0,91, mentre SVM mostra gli errori di previsione più elevati (RMSE ¿ 780 cSt). 56 pp. Italienisch. N° de réf. du vendeur 9786630128079
Acheter neuf
EUR 48,90
Expédition à EUR 23
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 2 disponible(s)
Image fournie par le vendeur
Lean Six Sigma e apprendimento automatico per l'ottimizzazione : Prevedere la viscosità degli oli pesanti con il machine learning per ottimizzare l'iniezione di vapore e ridurre gli sprechi energetici
impression à la demandeVendeur : AHA-BUCH GmbH, Einbeck, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Lo sfruttamento del petrolio pesante presenta notevoli sfide energetiche e operative a causa dell'elevata viscosità, che incide direttamente sull'efficienza dei processi di recupero termico. Nel giacimento di Tsimiroro, in Madagascar, una previsione accurata della viscosità è fondamentale per ottimizzare l'iniezione di vapore e mitigare gli eccessivi sprechi energetici. Questo studio adotta la metodologia Lean Six Sigma come quadro strutturato per eliminare i Mudas operativi (rifiuti) legati al consumo eccessivo di vapore. È stato sviluppato un quadro predittivo basato sull'apprendimento automatico, confrontando sei architetture distinte: regressione lineare, regressione polinomiale di secondo grado, Support Vector Machine (SVM), rete neurale artificiale (ANN), foresta casuale e XGBoost. I risultati dimostrano che mentre il modello polinomiale raggiunge un'elevata precisione statistica (R = 0,995, RMSE = 154,62 cSt), l'architettura della rete neurale artificiale offre una robustezza superiore (R = 1.000, RMSE = 154,62 cSt) nell'acquisizione di comportamenti termici non lineari complessi. XGBoost e Random Forest mostrano prestazioni competitive con valori R rispettivamente di 0,90 e 0,91, mentre SVM mostra gli errori di previsione più elevati (RMSE ¿ 780 cSt). N° de réf. du vendeur 9786630128079
Acheter neuf
EUR 51,60
Expédition à EUR 35
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 2 disponible(s)
Image d'archives
Lean Six Sigma e apprendimento automatico per l'ottimizzazione (Paperback)
impression à la demandeVendeur : CitiRetail, Stevenage, Royaume-Uni
Évaluation du vendeur 5 sur 5 étoiles
Paperback. Etat : new. Paperback. Lo sfruttamento del petrolio pesante presenta notevoli sfide energetiche e operative a causa dell'elevata viscosita, che incide direttamente sull'efficienza dei processi di recupero termico. Nel giacimento di Tsimiroro, in Madagascar, una previsione accurata della viscosita e fondamentale per ottimizzare l'iniezione di vapore e mitigare gli eccessivi sprechi energetici. Questo studio adotta la metodologia Lean Six Sigma come quadro strutturato per eliminare i Mudas operativi (rifiuti) legati al consumo eccessivo di vapore. E stato sviluppato un quadro predittivo basato sull'apprendimento automatico, confrontando sei architetture distinte: regressione lineare, regressione polinomiale di secondo grado, Support Vector Machine (SVM), rete neurale artificiale (ANN), foresta casuale e XGBoost. I risultati dimostrano che mentre il modello polinomiale raggiunge un'elevata precisione statistica (R2 = 0,995, RMSE = 154,62 cSt), l'architettura della rete neurale artificiale offre una robustezza superiore (R2 = 1.000, RMSE = 154,62 cSt) nell'acquisizione di comportamenti termici non lineari complessi. XGBoost e Random Forest mostrano prestazioni competitive con valori R2 rispettivamente di 0,90 e 0,91, mentre SVM mostra gli errori di previsione piu elevati (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. N° de réf. du vendeur 9786630128079
Acheter neuf
EUR 63,01
Expédition à EUR 43,13
Expédition depuis Royaume-Uni vers Etats-Unis
Expédition depuis Royaume-Uni vers Etats-Unis
Quantité disponible : 1 disponible(s)
Image d'archives
Lean Six Sigma e apprendimento automatico per l'ottimizzazione
Edité par
Edizioni Sapienza Jun 2026, 2026
ISBN 10 : 6630128079
ISBN 13 : 9786630128079
Neuf
Taschenbuch
Vendeur : buchversandmimpf2000, Emtmannsberg, BAYE, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Taschenbuch. Etat : Neu. This item is printed on demand - Print on Demand Titel. Neuware -Lo sfruttamento del petrolio pesante presenta notevoli sfide energetiche e operative a causa dell'elevata viscosità, che incide direttamente sull'efficienza dei processi di recupero termico. Nel giacimento di Tsimiroro, in Madagascar, una previsione accurata della viscosità è fondamentale per ottimizzare l'iniezione di vapore e mitigare gli eccessivi sprechi energetici. Questo studio adotta la metodologia Lean Six Sigma come quadro strutturato per eliminare i Mudas operativi (rifiuti) legati al consumo eccessivo di vapore. È stato sviluppato un quadro predittivo basato sull'apprendimento automatico, confrontando sei architetture distinte: regressione lineare, regressione polinomiale di secondo grado, Support Vector Machine (SVM), rete neurale artificiale (ANN), foresta casuale e XGBoost. I risultati dimostrano che mentre il modello polinomiale raggiunge un'elevata precisione statistica (R = 0,995, RMSE = 154,62 cSt), l'architettura della rete neurale artificiale offre una robustezza superiore (R = 1.000, RMSE = 154,62 cSt) nell'acquisizione di comportamenti termici non lineari complessi. XGBoost e Random Forest mostrano prestazioni competitive con valori R rispettivamente di 0,90 e 0,91, mentre SVM mostra gli errori di previsione più elevati (RMSE ¿ 780 cSt). 56 pp. Italienisch. N° de réf. du vendeur 9786630128079
Acheter neuf
EUR 48,90
Expédition à EUR 60
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 1 disponible(s)
Image fournie par le vendeur
Lean Six Sigma e apprendimento automatico per l'ottimizzazione | Prevedere la viscosità degli oli pesanti con il machine learning per ottimizzare l'iniezione di vapore e ridurre gli sprechi energetici
Vendeur : preigu, Osnabrück, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Taschenbuch. Etat : Neu. Lean Six Sigma e apprendimento automatico per l'ottimizzazione | Prevedere la viscosità degli oli pesanti con il machine learning per ottimizzare l'iniezione di vapore e ridurre gli sprechi energetici | Rakotozandry Ignace (u. a.) | Taschenbuch | Italienisch | 2026 | Edizioni Sapienza | EAN 9786630128079 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu. N° de réf. du vendeur 135588503
Acheter neuf
EUR 43,30
Expédition à EUR 70
Expédition depuis Allemagne vers Etats-Unis
Expédition depuis Allemagne vers Etats-Unis
Quantité disponible : 5 disponible(s)