Browsing by Author "BOUAZIZ Mohamed Lamine"

Now showing 1 - 2 of 2
  • Thumbnail Image
    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.
  • Thumbnail Image
    Item
    DEVELOPPEMENT D’UNE APPROCHE PREDICTION BASEE SUR LES SVM DE LA CHAINE LOGISTIQUE SUPPLY SIDE CAS D’ETUDE : ENTREPRISES DE PRODUCTION PHARMACEUTIQUE - DAR EL- BEIDA –ALGERIE
    (Ecole Nationale Superieure de Technologie et d'Ingénierie-Annaba, 2024) BOUAZIZ Mohamed Lamine; SAADI Daya El Hak; DRISS Imen (Encadrant); BOUACHA Ismail (Co-Encadrant)
    Dans ce projet nous avons explore l’utilisation de l’intelligence artificielle (IA) pour anticiper les besoins futurs en matières premières. Le défi majeur est la prédiction précise de la demande en matières premières dans les années à venir. Nous passons en revue les méthodes d’IA, notamment les machines à vecteurs de support (SVM), qui se sont avérées efficaces dans divers domaines. Ce travail détaille la création de notre modèle SVM pour la prédiction de quantités, avec une évaluation des performances et une comparaison avec d’autres approches. En conclusion, nous soulignons l’importance de l’IA dans la gestion des matières premières.