Browsing by Author "BOUACHA Ismail (Encadrant)"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item ANALYSE COMPARATIVE DES APPROCHES D'INTELLIGENCE ARTIFICIELLE POUR L'OPTIMISATION DE LA GESTION DES STOCKS INDUSTRIELS(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) KHALLA Charaf; BOUDERSA Abd EL Djalil; BOUACHA Ismail (Encadrant); DRISS Imen (Co-Encadrant)Le sujet de ce mémoire porte sur l’analyse comparative des différentes méthodes d'intelligence artificielle utilisées dans l'optimisation de la gestion des stocks industriels. L'étude se concentre sur l'application de ces méthodes dans les systèmes de gestion des stocks et propose un cas d’étude pour illustrer son efficacité. L’objectif est d’évaluer les avantages et les limites des différentes approches d’intelligence artificielle pour améliorer la gestion des stocks en milieu industriel.Item ANALYSE COMPARATIVE DES APPROCHES D’INTELLIGENCE ARTIFICIELLE POUR L’OPTIMISATION DES PROCESSUS DE MAINTENANCE INDUSTRIELLE(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) BOUAZIZ Mohamed Lamine; SAADI Daya El Hak; BOUACHA Ismail (Encadrant); DRISS Imen (Co-Encadrant)Dans ce projet, nous avons effectué une étude comparative qui explore l’intersection de l’IA, des systèmes de gestion de la maintenance informatisée (GMAO), et la maintenance prédictive, un domaine de recherche essentiel qui cherche à optimiser la gestion des actifs et à réduire les temps d’arrêt, les systèmes de GMAO traditionnels ne s’adaptent souvent pas aux environnements dynamiques et prédisent les pannes de manière proactive, les techniques d’IA, y compris les algorithmes bio-inspirés, le ML, et DL, offrent des solutions prometteuses. Pourtant, les praticiens manquent de directives claires sur l’approche à adopter pour la maintenance prédictive. En comparant ces méthodes d’IA, nous cherchons à identifier l’approche la plus efficace pour améliorer les capacités de GMAO. Cette recherche comble le fossé entre la théorie et la mise en oeuvre pratique, en fournissant des informations exploitables pour les professionnels de la maintenance.Item Maintenance préventive basée sur l'analyse des séries temporelles et l'apprentissage profond: étude de cas à Sonatrach(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE. ANNABA. (Ex ESTI), 2023) Alliche Faiza; BOUACHA Ismail (Encadrant)Le présent mémoire porte sur la prédiction de l'état futur du cycle de réfrigération au propane dans les industries pétrolières et gazières. L'objectif principal de cette étude est d'améliorer la gestion de la maintenance en prévenant les pannes non planifiées et en optimisant les opérations de maintenance. Pour atteindre cet objectif, une approche basée sur l'utilisation d'un réseau de neurones à séquences LSTM a été adoptée. Les LSTM sont des réseaux de neurones récurrents spécifiquement conçus pour traiter des données séquentielles ou temporelles en capturant les dépendances à long terme. La méthodologie de l'étude a impliqué l'utilisation de la plateforme Kaggle et des bibliothèques Python telles que TensorFlow, Keras et scikit-learn. Les données historiques du cycle de réfrigération ont été collectées et utilisées pour entraîner le modèle LSTM, qui a ensuite été en mesure de prédire l'état futur du système. Les résultats obtenus ont démontré l'efficacité du modèle de prédiction. Les métriques d'évaluation telles que la perte (loss), l'exactitude (accuracy), la précision (precision) et le rappel (recall) ont été utilisées pour évaluer les performances du modèle, qui ont été jugées satisfaisantes.Item Une approche floue pour la maintenance préventive du broyeur à Hadjar-Soud(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA - (Ex ESTI), 2023) DJEROU Amel; BOUACHA Ismail (Encadrant)L'entreprise Hadjar Soud, spécialisée dans la production de ciment, recherche des améliorations pour son processus de maintenance. Actuellement, la maintenance conditionnelle basée sur l'analyse vibratoire est utilisée, mais elle présente des limites en termes de fiabilité et d'efficacité. Dans le cadre d'un projet de fin d'études (PFE), une solution basée sur la logique floue est proposée pour compléter la maintenance existante. Cette approche utilise des capteurs spécifiques pour mesurer les vibrations des équipements et évalue leur état de santé de manière précise. Des mesures préventives sont proposées en fonction de la gravité des anomalies détectées. Un système comprenant un tableau de bord en temps réel et une fonction d'alerte est développé pour faciliter l'utilisation de la solution. L'objectif est d'améliorer la maintenance prédictive et d'aider les ingénieurs de maintenance à détecter rapidement et précisément les anomalies. Ce projet offre des perspectives prometteuses pour optimiser la production et réduire les coûts de maintenance à Hadjar Soud.