L’HESTIM s’engage pour le développement d’une activité de recherche d’excellence pour la formation par et pour la recherche.

Le centre de recherche CERIM est composé d’une équipe pluridisciplinaire de professeurs chercheurs et de doctorants. L’HESTIM mobilise l’ensemble des compétences scientifiques et managériales nécessaires pour mener une recherche d’excellence sur des thématiques scientifiques, technologiques et managériales dans les domaines de la science de l’ingénieur et la science de gestion.

L’environnement socio-économique et de l’enseignement supérieur est de plus en plus compétitif et est marqué par l’accélération des progrès technologiques. Aussi, la recherche se doit d’être innovante et en phase avec le progrès. Pour répondre à ces enjeux fondamentaux, le centre CERIM de l’école HESTIM développe des recherches étroitement liées aux grandes problématiques de l’industrie du futur notamment dans les six secteurs suivants : Génie industriel et logistique, Génie civil, Mécatronique & robotique, Finance, Marketing et Management stratégique.

L’école HESTIM s’engage dans le volet « recherche » notamment pour :

  • Créer une dynamique de la connaissance fondamentale à l’évolution de la formation grâce à une veille scientifique permanente par les enseignants chercheurs sur leurs domaines de compétences.
  • Développer une formation par la recherche et pour la recherche.
  • Renforcer le partenariat avec le secteur industriel en répondant à leurs problématiques.
  • Avoir une base de recherche pour les étudiants de l’HESTIM.
  • S’inscrire dans des réseaux de partenariat nationaux et internationaux en recherche.

Axes de recherche

  • Génie Industriel et Logistique
  • Génie Civil
  • Mécatronique & Robotique
  • Finance
  • Marketing
  • Management Stratégique

Partenaires de recherche

Dans le cadre d’une stratégie qui repose sur la complémentarité des expertises, le centre CERIM développe ses actions pour créer des relations étroites et fructueuses avec des laboratoires de recherche à l’échelle nationale et internationale et renforcer son partenariat avec les universités et les écoles mères.

Production scientifique

  1.   Garouani, M., Ahmad, A., Bouneffa, M.  and Hamlich, M., « AMLBID:An auto-explained Automated Machine Learning tool for Big Industrial Data » SoftwareX, Elsevier, vol 17, pp 1-6, (2021).

Keywords : Machine learning, AutoML, Meta-learning, Decision-support systems, Explainable AI, Big industrial data.

DOI : 10.1016/j.softx.2021.100919

  1. Garouani, M., Ahmad, A., Bouneffa, M., Hamlich. M., Bourguine .G and Lewandowski. A.,  « Towards big industrial data mining through explainable automated machine learning » The International Journal of Advanced Manufacturing Technology, Springer, vol 120, pp 1169-1188 (2022).

Keywords : Machine learning, AutoML, Explainable AI, Data analysis, Decision-support systems, Industry 4.0.

DOI : 10.1007/s00170-022-08761-9

  1. Garouani, M., Ahmad, A., Bouneffa, M., Hamlich. M., Bourguine .G and Lewandowski. A., « Using meta-learning for automated algorithms selection and configuration: an experimental framework for industrial big data ». Journal of Big Data, Springer vol 9, N°57, pp 1-20 (2022).

Keywords : Algorithms selection, Machine learning, AutoML, Meta-learning, Industry 4.0, Big industrial Data, Decision support systems. 

DOI : 10.1186/s40537-022-00612-4

  1. Garouani, M., Ahmad, A., Bouneffa, M., Hamlich, M., « Autoencoder-kNN meta-model based data characterization approach for an automated selection of AI algorithms » Journal of Big Data, Springer, vol 10, N° 14, pp 1-18, (2023).

Keywords : Algorithm selection, AutoML, Meta-learning, Meta-features, Data representation, kNN, Autoencoder

DOI : : 10.1186/s40537-023-00687-7

  1.   KHATIB. A., HAMLICH. M., and HAMAD. D ., « Machine Learning based Intrusion Detection for Cyber-Security in IoT Networks », E3S Web of Conferences. Vol 297, 01057 (2021).

DOI : 10.1051/e3sconf/202129701057

  1. GUESSOUS. S., LARAKI M., and SEKHARA. Y ., « Advanced expansion joints monitoring system based on IoT and intelligent development » Materials today : proceeding CMSS21, Elsevier, Vol 58, Part 4,1272-1276, (2022).

Keywords : Expansion joints, Monitoring, Pathologies, Intelligent monitoring instrument

DOI : 10.1016/j.matpr.2022.02.053

  1. LARAKI. M., SEKHARA. Y. and  GUESSOUS .S., « New Practical Teaching Model Design for mutualized practical works based on low cost ICT, IoT and AI developed solutions » E3S Web of Conferences, Vol 297, 01022 (2021).

DOI : 10.1051/e3sconf/202129701022

  1.   Bennis. D., « Improving the Performance of a Blood Transfusion Center through Modeling and Simulation: Case of the Casablanca Regional Blood Transfusion Center » International Journal of Applied Information Systems (IJAIS), vol 12, N° 38, (2021).

Keywords : Modeling, Simulation, Performance, Blood transfusion, Blood shortage, Arena.

  1. Youb. I., Azmani. A., and Hamlich. M., « Online panel data quality: A sentiment analysis based on a deep learning approach » IAES International Journal of Artificial Intelligence, vol 12 N°3, (2022).

Keywords : Deep learning, Online panel, Representativeness, Sentiment analysis

DOI : : 10.11591/ijai.v12.i3.pp1-1x

10.   Youb. I, Soto. S.V and Hamlich. M., « Fine-Tuning Big Data Sentiment Analysis : A comprehensive Evaluation of  Text Preprocessing, Feature Extraction and Model Selection. Progrès en Intelligence Artificielle (2022). “In review“

  1.   Garouani, M., Ahmad, A., Bouneffa, M., Lewandowski. A., Bourguine .G and Hamlich. M., « Towards the Automation of Industrial Data Science: A Meta-learning based Approach ». In Proceedings of the 23rd International Conference on Enterprise Information Systems – Volume 1: ICEIS, ISBN 978-989-758-509-8 ISSN 2184-4992, (2021).

Keywords : Automated Machine Learning, Manufacturing Big Data, Industry 4.0, Industrial Data Science, Meta-learning

DOI : 10.5220/0010457107090716

  1. Garouani, M., Ahmad, A., Bouneffa, M., Hamlich. M., Bourguine .G and Lewandowski. A., « Towards meta-learning based data analytics to better assist the domain experts in industry 4.0 » In: Artificial Intelligence in Data and Big Data Processing. ICABDE 2021. Lecture Notes on Data Engineering and Communications Technologies, vol 124, Springer, Cham, (2021).

Keywords : Machine Learning, Data analytics, AutoML, Meta-learning, Ontologies, Industry 4.0.

DOI : 10.1007/978-3- 030-97610-1_22

  1. M. Garouani, M. Hamlich, A. Ahmad, et al.  « Towards an automatic assistance framework for the selection and configuration of machine-learning-based data analytics solutions in industry 4.0 » in: Proceedings of the 5th International Conference on Big Data and Internet of Things. BDIoT 2021. Lecture Notes in Networks and Systems, vol 489. Springer, Cham, (2021).

DOI : 10.1007/978-3-031-07969-6_

  1. Garouani. M., Ahmad, A., Bouneffa, M., Hamlich. M., Bourguine .G and Lewandowski. A.,  « Towards industrial data science through explainable automated machine learning ». POSTER In MTE Pole’s Doctoral Day(2021), ULCO University, Calais, France.

Keywords: Machine learning, AutoML, Explainable AI, Data analysis, Decision-support systems, Industry 4.0

DOI:10.21203/rs.3.rs-755783/v1

  1. KHATIB .A., DUFRENOIS .F., HAMLICH .M., and HAMAD .H., « Collaborative Kernel Discriminant Analysis for Large Scale Multi Class Problems », Smart Application and Data Analysis : Proceeding of the 4th International Conference SADASC, pp 34-50, (2022), Marrakech, Morocco.

Keywords : Large scale Problem, Multi-class learning, KLDA, Compression

  1. KHATIB .A, « Apprentissage et classification pour la détection d’anomalie », La Journée Doctorale en Sciences de l’Ingénieur de l’ENSAM, Casablanca, Maroc.
  1. Youb. I., Azmani .A, and Hamlich. M., « A study of the representativeness of an online consumer panel using a deep learning-based sentiment analysis technique ». International Conference on Research in Applied Mathematics and Computer Science  ICRAMCS’2022, Casablanca, Morocco.
  1. Garouani, M., Ahmad, A., Bouneffa, M., Hamlich, M., »Scalable meta-bayesian based hyperparameter optimization for machine learning » Smart Application and Data Analysis : Proceeding of the 4th International Conference SADASC, pp 173-186 (2022), Marrakech, Morocco.

Keywords : Hyperparameters optimization, Bayesian optimization, Met-learning, Meta guided bayesian optimization, fANOVA.

  1. Ayad. M, and Siadat .A., « Approach for optimisation warehouse storage areas based on the  Container Storage Problem », Smart Application and Data Analysis : Proceeding of the 4th International Conference, SADASC, pp 273-286, (2022), Marrakech, Morocco.

Keywords : Supply chain, Waehousing, Operational research, Branch, Cut algorithm, Benchmarking.

  1.   KOTONGO .K .A., and Bennis. I., « Blockchain Application Methodology for Improving Trust in the Collaborative Supply Chain », Smart Application and Data Analysis : Proceeding of the 4th International Conference, SADASC, pp 379-387, (2022), Marrakech, Morocco.

Keywords : Collaboration, Supply chain, Blockchain, Smart contract, Trust.

  1.   El Moukhtafi .K., Bellatreche. L, Hamlich. M and Silva .C.A.S., « Data-Driven Solutions for Electricity Price Forecasting : The case of EU Improvement Project » Smart Application and Data Analysis : Proceeding of the 4th International Conference, SADASC, pp 198-211, (2022), Marrakech, Morocco.

Keywords : Electricity price prediction, Long short-term memory, LSTM Multivariate.

  1.   Ayad. M., Siadat. A and Hamlich. M., « Joint Consideration of Production, Quality and Maintenance : a Bibliometric Analysis », IRASET, May 18-19, 2023, Mohammedia, Morocco. (Submitted & accepted)

Keywords : Production, Quality, Maintenance, Bibliometric Analysis

Ingénierie informatique et intelligence artificielle