Le Solutionneur – Premier logiciel de génération automatique d’horaires pour les écoles du Québec


Le Solutionneur est la solution performante et accessible en génération automatisée d’horaires maîtres pour les écoles du Québec. Le Solutionneur est offert à l’ensemble des écoles secondaires et primaires de la province.

 
Le Solutionneur permet de générer automatiquement les horaires des élèves et des enseignants des écoles secondaires. Il tient compte de l’ensemble des contraintes propres aux polyvalentes québécoises et s’intègre aux applications corporatives utilisées dans les commissions scolaires.
 
Développé conjointement par le CRIM et la Commission scolaire de Laval, il s’agit de l’unique outil automatisé de confection d’horaires adapté aux particularités du système scolaire québécois. Le logiciel utilise des approches mathématiques et des implémentations logicielles de pointe pour traiter la complexité élevée du problème. Consultez la fiche-projet
 
 

 

Soyez maîtres de vos horaires !

Pour découvrir tous les avantages du Solutionneur ou pour en faire l'essai : 
 
Partenaire : Commission scolaire de Laval
 

Ce projet a remporté le Prix OCTAS Solution d’affaires – Développement à l’interne 2010, décerné par le Réseau Action TI, conjointement à la Commission scolaire de Laval et au CRIM.

Équipes

Nouvelles récentes

  • Le CRIM partie prenante d'un vaste projet technologique autour des langues autochtones canadiennes!
    05/12/2018

    Le CRIM est fier d’annoncer le début d’une collaboration à long terme avec le Conseil national de recherches du Canada (CNRC) dans le cadre d’un projet visant à encourager la revitalisation et la préservation des langues autochtones grâce aux technologies

    +

Événement à venir

  • HASE 2019
    3/01/19 2019h00
    Hangzhou, China
    Le CRIM présentera deux articles à la 19e édition du IEEE International Symposium on High Assurance Systems Engineering, qui se déroulera du 3 au 5 janvier 2019 à Hangzhou, Chine
    +
  • Montréal International RT @MTLINTL: #DYK Montréal has one of the deepest #AI talent pools in the world ???? More details ???? https://t.co/R073su8k8z #NeurIPS #NeurIPS2…
  • Tom Landry RT @Tom_Landry_: Hey @opengeospatial and @CRIM_ca ! Poster is set up at #AGU18 to present (draft) work of #MachineLearning task of Testbed-…

Publications récentes

  • Towards Automatic Feature Extraction for Activity Recognition from Wearable Sensors: A Deep Learning Approach

    +
  • Checking Sequence Generation for Symbolic Input/Output FSMs by Constraint Solving

    +