Bøker av Jagdeep Singh

Au cours des dernières années, le secteur des soins de santé a collecté d'énormes quantités de données qui, malheureusement, ne sont pas extraites pour découvrir des informations cachées permettant une prise de décision efficace. Aujourd'hui, les services médicaux ont parcouru un long chemin pour traiter les patients atteints de diverses maladies. L'une des plus mortelles est la maladie cardiaque, qui ne peut être vue à l'oeil nu et survient instantanément. Le taux de mortalité a augmenté en raison de mauvaises décisions cliniques. Pour parvenir à un traitement fiable et rentable, des systèmes d'information ou d'aide à la décision basés sur l'informatique peuvent être développés pour accomplir cette tâche. L'exploration de données fournit la solution pour la découverte de connaissances à partir de ces bases de données vastes et complexes. Le travail de l'auteur implique le développement d'un cadre basé sur des techniques de classification associative sur un ensemble de données cardiaques. La mise en oeuvre du travail est effectuée sur l'ensemble de données cardiaques de l'UCI Machine Learning Repository afin de tester et d'évaluer différentes méthodes pour obtenir de meilleurs résultats. Les résultats expérimentaux montrent que la plupart des règles de classification associative aident à la meilleure prédiction des maladies cardiaques et à la création d'un système d'aide à la décision fiable.

In den letzten Jahren hat die Gesundheitsbranche riesige Mengen von Gesundheitsdaten gesammelt, die leider nicht extrahiert werden, um verborgene Informationen für eine effektive Entscheidungsfindung zu entdecken. Die medizinischen Dienste haben heute einen langen Weg zurückgelegt, um Patienten mit verschiedenen Krankheiten zu behandeln. Eine der tödlichsten ist die Herzerkrankung, die mit bloßem Auge nicht zu erkennen ist und sofort auftritt. Die Sterblichkeitsrate ist aufgrund schlechter klinischer Entscheidungen gestiegen. Um eine zuverlässige und kosteneffiziente Behandlung zu erreichen, können computergestützte Informations- oder Entscheidungshilfesysteme entwickelt werden, die diese Aufgabe übernehmen. Data Mining bietet die Lösung für die Entdeckung von Wissen aus diesen großen und komplexen Datenbanken. Die Arbeit des Autors umfasst die Entwicklung eines Rahmens, der auf assoziativen Klassifizierungstechniken für Herzdaten basiert. Die Implementierung der Arbeit erfolgt auf dem Herzdatensatz aus dem UCI Machine Learning Repository, um verschiedene Methoden zu testen und zu bewerten, um bessere Ergebnisse zu erzielen. Die experimentellen Ergebnisse zeigen, dass die meisten assoziativen Klassifizierungsregeln die beste Vorhersage von Herzerkrankungen ermöglichen und zu einem zuverlässigen Entscheidungshilfesystem beitragen.

Negli ultimi anni l'industria della sanità raccoglie enormi quantità di dati sanitari che, purtroppo, non vengono estratti per scoprire informazioni nascoste per un processo decisionale efficace. Oggi i servizi medici hanno fatto molta strada per curare i pazienti affetti da varie malattie. Tra le più fatali c'è la cardiopatia, che non può essere vista a occhio nudo e si manifesta all'istante. Il tasso di mortalità è aumentato a causa di decisioni cliniche sbagliate. Per ottenere un trattamento affidabile e conveniente si possono sviluppare sistemi di informazione o di supporto alle decisioni basati su computer. Il data mining fornisce la soluzione per la scoperta della conoscenza da questi grandi e complessi database. Il lavoro dell'autore prevede lo sviluppo di un framework basato su tecniche di classificazione associativa su dataset cardiaci. L'implementazione del lavoro è stata effettuata su un set di dati cardiaci provenienti dall'UCI Machine Learning Repository per testare e valutare i diversi risultati. I risultati sperimentali mostrano che la maggior parte delle regole di classificazione associativa aiutano a prevedere meglio le malattie cardiache e a creare un sistema di supporto decisionale affidabile.

Nos últimos anos, o sector da saúde tem recolhido enormes quantidades de dados sobre cuidados de saúde que, infelizmente, não são extraídos para descobrir informações ocultas que permitam uma tomada de decisão eficaz. Atualmente, os serviços médicos percorreram um longo caminho para tratar doentes com várias doenças. Uma das mais fatais é a doença cardíaca, que não pode ser vista a olho nu e surge instantaneamente. As taxas de mortalidade aumentaram devido a más decisões clínicas. Para conseguir um tratamento fiável e rentável, podem ser desenvolvidos sistemas de informação ou de apoio à decisão baseados em computador. A extração de dados fornece a solução para a descoberta de conhecimentos a partir destas grandes e complexas bases de dados. O trabalho do autor envolve o desenvolvimento de uma estrutura baseada em técnicas de classificação associativa no conjunto de dados do coração. A implementação do trabalho é efectuada no conjunto de dados sobre o coração do Repositório de Aprendizagem Automática da UCI para testar e avaliar diferentes para obter melhores resultados. Os resultados experimentais mostram que a maioria das regras de classificação associativa ajuda a prever melhor as doenças cardíacas e a criar um sistema fiável de apoio à decisão.

"Cost Saving Ideas in Supply Chain Management" is part of the "Cost Saving Bible" series, which helps firms, cut costs and boost efficiency in their supply chains. Supply chain management is complicated, with many players involved in ensuring the smooth movement of goods and services. However, with the correct tactics and procedures, firms can achieve significant cost savings while retaining good quality. Sections cover diverse supply chain management topics.I, Dr. Jagdeep Singh at Recap Consultancy and General Supply, understand that every business is different, thus I offer customized solutions to match industry needs. I help companies streamline their supply chains, cut expenses, and succeed. My book will inspire and motivate firms to take bold strides toward efficiency, profitability, and global competitiveness. I think cutting money doesn't entail cutting quality or service. Cost-saving initiatives help organizations operate better and satisfy customers with less.This book provides practical advice and examples, and it will help business owners and supply chain professionals save costs.

In the contemporary automotive manufacturing industry, service providers are continuously working to improve system optimization in order to remain competitive in the market and deliver quality products to satisfy their customers. With this comes the possibility of failure, rejection and reworking of the components or services in the system, which can incur high costs and impact the reputation of an organization. This book uses Failure Mode and Effect Analysis (FMEA) to assess, investigate and predict the Risk Priority Number (RPN) of potential failures for three companies within the manufacturing industry:A metal component supplier in the automotive sectorPart manufacturer for the automobile and engineering industriesManufacturer of suspension components for commercial vehiclesIntegrating human expertise and artificial intelligence on a single platform, the authors use fuzzy logic as a tool to overcome the vagueness associated with traditional methods of assessing potential failures. The book also details the procedure and scales of how to conduct FMEA, offering guidance on how to input and rank each risk within manufacturing processes across a range of sectors's. Each of the three real-world cases offer suggested improvements for the companies themselves, alongside takeaways for researchers and professionals within the fields of manufacturing and supply chain management.