Mécanique des chantiers pétroliers
Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/4058
Browse
4 results
Search Results
Item Modélisation et optimisation de l’intégrité de surface et de l’influence de galetage sur la fatigue des pièces mécaniques(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2024) Zekhref, Mohamed El Mouatasem; Chibout, Aissa; Harhout, Riad (Promoteur)Dans ce travail, une étude de l’application du procédé de traitement mécanique par galetage, dans le but d’améliorer et modifie les propriétés de base des couches superficielles des matériaux a été entrepris. Afin de maîtriser ces altérations d’intégrité de surface nous allons nous concentrer dans notre étude sur la prédiction et l’optimisation de la rugosité et de l’écrouissage induits par ce type traitement (galetage) dans des pièces d’acier S355 J0. L'objectif donc est de prévoir l'influence d'une opération de traitement mécanique par galetage sur les paramètres d’intégrité de surface. Les résultats de modélisation et d’optimisation ont révélé que l'avance, la force de galetage et la vitesse de rotation sont les paramètres les plus significatifs influençant la rugosité de surface. De plus, le nombre de passes s’ajoute aux autres paramètres de galetage et influence de manière significative la dureté.Item Prédiction et classification des défauts des aubes d’une turbine à gaz en se basant sur l’intelligence artificielle : apprentissage profond(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2024) Nezar, Mohamed Dhia Eddine; Harhout, Riad (Promoteur)L'objectif de cette étude est de construire un modèle d'apprentissage profond à l'aide de données expérimental pour prédire les défauts réels des aubes de turbine à gaz. Nous avons créé un ensemble de données d'images synthétiques en utilisant Blender, un logiciel 3D, pour simuler différents types de défauts rencontrés dans des scénarios réels, et pour cela nous avons mis en œuvre un modèle d'apprentissage profond basé sur l'architecture VGG16 pour classifier les défauts. La méthode proposée a aussi le potentiel d'être mise en œuvre dans l'Inspection par Boroscope c.à.d. s’intégration dans l’instrument Boroscope, ce qui peut améliorer l’interprétation, la précision et l'efficacité de l'inspection des aubes de turbine à gaz. Nos résultats montrent que le modèle d'apprentissage profond formé sur des données synthétiques peut prédire avec précision les défauts avec des images réelles dans les aubes de la turbine, atteignant une haute précision de classification. Cette approche présente plusieurs avantages par rapport aux méthodes traditionnelles, notamment une réduction des coûts et du temps, une précision accrue, et la capacité à détecter des défauts qui peuvent ne pas être visibles à l'œil nu.Item Application des méthodes d’intelligence artificielle pour la maintenance prédictive de la turbine à gaz "MS5001D"(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2023) Boucherma, Abdeldjalil; Harhout, Riad (Promoteur)L'objectif principal de cette étude vise à anticiper les défaillances et les pannes et détecter en temps préalable les éventuelles défaillances de cette turbine à gaz étudié, en offrant ainsi une opportunité d'intervention précoce pour éviter les pannes majeures et les coûts de maintenance élevés. Cependant une étude et une analyse comparative de différentes approches analytiques et de divers algorithmes d'apprentissage automatique sont appliquées, tels que XGB, Extra Trees et Bagging.., dans le but de sélectionner la méthode la plus efficace pour la détection de défaillances et d’anomalies qui peuvent être engendré au fur et à mesure de fonctionnement de cette turbine.Item Étude du Blowout Preventer (BOP) et leur fiabilité lors des opérations de forage dans la zone de Hassi Messaoud(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2023) Azzouz, Fouad; Berrouk, Souhaib; Harhout, Riad (Promoteur)Notre travail se concentre sur la prévention des risques majeurs dans les opérations pétrolières en examinant la fiabilité du système de "Blowout Preventer". Nous avons élaboré une méthodologie basée sur trois axes. Tout d'abord, nous effectuons une analyse technologique approfondie du "Blowout Preventer" (BOP) et de ses unités de commande. Ensuite, nous étudions l'interaction des différents composants du "BOP" et leurs modes de défaillance. Pour ce faire, la deuxième partie consiste à décomposer le système à l'aide de l'analyse fonctionnelle selon la méthode "SADT", puis à appliquer la méthode "AMDEC". Enfin, nous identifions les composants présentant des modes de défaillance considérés comme non tolérables par l'AMDEC et calculons la probabilité de défaillance sur demande (PFD) du "BOP". Nous supposons qu'une défaillance dans l'un de ces composants entraînerait la défaillance du "BOP".