Mécanique des chantiers pétroliers

Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/4058

Browse

Author: search.filters.author.Harhout, Riad (Promoteur)Subject: search.filters.subject.Maintenance conditionnelle

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Performance optimization and prediction of "ESP" Pump using artificial intelligence
    (Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2025) Sadli, Hadjer; Harhout, Riad (Promoteur)
    Predictive maintenance aims to anticipate potential equipment failures before they occur, allowing for the implementation of well-planned preventive measures that reduce unplanned downtime and high maintenance costs. Among the most effective and widely used methods in this field is the analysis of vibration data, which enables early detection of mechanical anomalies in industrial systems.In this context, the present study focuses on the application of artificial intelligence techniques, particularly the Random Forest and Artificial Neural Networks (ANNs) algorithms, to develop an intelligent model for monitoring and diagnosing faults in an Electric Submersible Pump (ESP) system. The integration of machine learning algorithms into vibration signal analysis has proven effective in enhancing diagnostic accuracy compared to traditional methods based on time-domain and frequency domain analysis. The models were trained on real operational data to recognize abnormal vibration patterns and to identify the main factors contributing to system shutdowns. The primary objective of this work is to improve fault prediction accuracy and to provide early alerts that enable the implementation of efficient predictive maintenance strategies. A comparative analysis between the two models was conducted to evaluate their performance and determine the most accurate and reliable approach for real-time fault classification.
  • No Thumbnail Available
    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.