Projets de recherche

Intitulé du projet

Analyse et Prédiction des Coûts des Véhicules Électriques : Une Approche Basée sur l'Apprentissage Automatique

Chef du projet

M. HAFAIFA Ahmed

Équipe projet

Abdelfetah OUADAH

Belgacem SAÏD KHALDI

Abdelhamid IRATNI

Problématique avec les références bibliographiques

Bien que les véhicules électriques (VE) présentent de nombreux avantages pour la protection de l'environnement et la réduction des émissions, leur adoption généralisée dépend principalement de leur prix.

Grâce aux algorithmes d'apprentissage automatique (ML), les coûts peuvent être prédits. Cette recherche vise à comparer les performances de certains des algorithmes ML les plus connus afin de déterminer lequel prédit le mieux le prix des véhicules électriques.

Pour identifier les caractéristiques clés, nous avons examiné la littérature pour étudier les éléments qui déterminent le prix des véhicules électriques afin d'estimer leur coût. Nous avons comparé théoriquement ces algorithmes ML pour valider nos résultats, puis comparé la sortie de cette étude comparative aux résultats des simulations.

Mots clés

Apprentissage automatique ; Véhicules Électriques (VE) ; Coûts des VE ; Algorithme d'apprentissage automatique supervisé

Objectifs

Développer des méthodes de diagnostic avancées pour détecter les défaillances potentielles dans les systèmes industriels et mettre en œuvre des stratégies de maintenance préventive afin de minimiser les temps d'arrêt et les coûts de réparation.
Concevoir des algorithmes de contrôle avancés pour maximiser l'efficacité opérationnelle, la productivité et la qualité des processus industriels tout en minimisant la consommation d'énergie et les déchets.
Développer des systèmes automatiques capables de s'adapter aux variations des conditions de fonctionnement et aux changements des exigences de production, afin de garantir une production efficace et rentable dans des environnements dynamiques.
Évaluer les coûts et les bénéfices des solutions d'automatisation et de diagnostic pour garantir un retour sur investissement positif et une compétitivité accrue sur le marché.

Méthodologie

Réalisation d’une étude prospective une série de véhicules électriques, comparer les performances de certains des algorithmes ML les plus connus afin de déterminer lequel prédit le mieux le prix des véhicules électriques

Planning de travail

Résultats Attendus

Déterminer l'algorithme ML le plus optimal