BOUAZIZ Mohamed LamineSAADI Daya El HakBOUACHA Ismail (Encadrant)DRISS Imen (Co-Encadrant)2024-10-232024-10-232024http://172.16.16.5:4000/handle/123456789/220Dans 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.frThesis