Mémoires MASTER (GI)
Permanent URI for this collection
Browse
Browsing Mémoires MASTER (GI) by Author "AYAD Amar (Encadrant)"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item APPLICATION DE L'APPRENTISSAGE AUTOMATIQUE POUR L'ANALYSE DES DONNÉES CND ET L'OPTIMISATION DES INSPECTIONS(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) MOUSSAOUI Fadi Abderahmane; AYAD Amar (Encadrant)L'inspection par ressuage fluorescent (FPI) est une méthode de contrôle non destructive utilisée pour détecter les défauts sur les pièces. Cette revue vise à démontrer l'efficacité d'un système d'inspection automatisé basé sur la vision pour automatiser l'étape d'inspection du processus FPI. L'étude évalue plusieurs architectures de Machine Learning pour la détection automatisée des défauts, en utilisant des photos prises sous différents angles pour créer un ensemble de données complet. Le système, conçu pour réduire la charge de travail des opérateurs humains, utilise l'intelligence artificielle pour améliorer la fiabilité des tests sur les pièces. Les résultats montrent que l'extraction de caractéristiques avant l'utilisation d'un classificateur d'apprentissage automatique est essentielle pour obtenir une classification précise, surtout avec un ensemble de données limité.Item APPLICATION DE LA REALITE AUGMENTEE ET VIRTUELLE POUR LA VISUALISATION ET L'INTERPRETATION DES DONNEES CND(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) BOUGHABA Oussama; AYAD Amar (Encadrant)Ce mémoire explore l'application de la réalité augmentée (AR) et de la réalité virtuelle (VR) pour améliorer la visualisation et l'interprétation des données de contrôle non destructif (CND). Une revue bibliographique approfondie présente les technologies AR/VR et leurs applications potentielles dans le domaine du CND. Des prototypes d'applications AR/VR ont été revues et évalués pour démontrer leur efficacité et leur utilité dans des scénarios CND spécifiques. Les résultats indiquent que l'AR et la VR peuvent améliorer la compréhension des données CND, la collaboration entre les inspecteurs et la prise de décision. Ce mémoire ouvre la voie à de futures recherches pour développer des modèles et des simulations plus sophistiqués, explorer de nouvelles techniques d'interaction et étendre l'application de l'AR et de la VR dans le domaine de la CND.Item INTEGRATION DE L'ANALYSE VIBRATOIRE DANS LES SYSTEMES DE SURVEILLANCE EN TEMPS REEL : DEVELOPPEMENT, APPLICATION ET PERSPECTIVESEncadré(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) LERRAIDJI Charaf Eddine; AYAD Amar (Encadrant)Ce mémoire présente une revue bibliographique exhaustive qui explore l'utilisation de l'analyse vibratoire dans la surveillance en temps réel des systèmes mécaniques. L'analyse vibratoire est devenue une technologie incontournable dans la politique maintenance. Son intégration dans ces systèmes permet une détection précoce des défaillances, une maintenance prédictive et une optimisation des performances globales. Les progrès technologiques, notamment des capteurs plus petits, plus précis et moins chers, permettent de capturer des données vibratoires avec une résolution accrue. Des algorithmes de traitement de signal avancés, permettent d'extraire des informations significatives des données vibratoires, même en présence de bruit et de variabilité. De plus, l'apprentissage automatique et les réseaux neuronaux permettent de développer des modèles prédictifs plus précis et plus robustes. La collecte, le stockage et l'analyse des données vibratoires sont simplifiés grâce au cloud computing et aux technologies IoT.Item UTILISATION DE L'INTELLIGENCE ARTIFICIELLE ET L'APPRENTISSAGE AUTOMATIQUE POUR L'ANALYSE VIBRATOIRE DANS LE CONTEXTE INDUSTRIEL : DEVELOPPEMENT, APPLICATIONS ET PERSPECTIVESEncadré(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) RABIDI Ayoub; AYAD Amar (Encadrant)Ce mémoire présente une revue bibliographique exhaustive qui explore l'utilisation de l'IA et du machine learning pour améliorer la maintenance prédictive dans l'industrie. La maintenance prédictive basée sur l'analyse vibratoire est cruciale pour réduire les temps d'arrêt et accroître la fiabilité des équipements. L'objectif est d'identifier les techniques d'IA et de machine learning les plus adaptées pour la surveillance des machines et la prédiction des défaillances. Le projet vise à étudier l'application efficace de ces technologies aux données vibratoires afin d'améliorer les pratiques de maintenance prédictive, en s'appuyant sur l'état de l'art et l'évaluation des modèles développés.