Mécanique des chantiers pétroliers
Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/4058
Browse
9 results
Search Results
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.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".Item Etat de l’art, prédiction et optimisation d’intégrité de surface et leur influence sur la fatigue des composants utilisent réseau de neurone et l’algorithme génétique(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2022) Benallou, Mohamed Zakaria; Benchikh, Madani; Harhout, Riad (Promoteur)La rugosité de surface est un indice crucial qui est couramment utilisé dans le processus d'usinage pour évaluer la qualité ou l’intégrité de surface du produit et composants final et qui est influencé par les paramètres de coupe. Cette recherche étudie l'effet de différents paramètres d'usinage sur la rugosité de surface ; une approche d'intelligence artificielle consistant en un réseau neuronal artificiel (ANN) et un autre hybride (ANN) dont les poids sont réglés par un algorithme génétique (GA) sont introduits pour comparer l'estimation de la rugosité de surface. Pour construire une base de données pour l'ANN, les tests expérimentaux ont été adoptés à partir d'un article de recherche qui étudie la rugosité de surface moyenne Ra (valeur) pour l'aluminium après l'opération de fraisage en bout de bille dont la valeur de cette rugosité a été mesurée 84 cas en faisant varier l'angle d'inclinaison de l'axe de la fraise (φ degré), la vitesse de la broche (N tr/min), la vitesse d'avance (Vy mm/min), la profondeur de coupe radiale (avance Vx mm), la profondeur de coupe axiale (t mm). L'influence des paramètres de coupe tels que la profondeur de coupe, la vitesse d'avance et la vitesse de la broche sur la rugosité de surface a été étudiée dans la littérature et examinée en utilisant la corrélation de Pearson. Les analyses révèlent que la vitesse d'avance fy et fx sont les facteurs les plus influents sur la rugosité de surface. Le modèle ANN proposé fournit une bonne prédiction, l'erreur moyenne carrée (MSE) spécifiant la précision et l'adéquation du réseau a été trouvée égale à 0,1985 indiquant que les valeurs de rugosité de surface estimées et mesurées sont remarquablement proches les unes des autres, ce dernier modèle est plus précis en comparaison avec le modèle hybride ANN&GA avec un MSE égale à 0,3630. L'optimisation en utilisant l'algorithme génétique montre que les paramètres de coupe qui donnent la rugosité de surface optimale Ra=0.41μm dans notre cas sont les suivants : ɸ =0°, S=584(tr/min) Fy=22 (mm/min), Fx=0.4 (mm), t=0.4653 (mm).Item Utilisation des réseaux de neurone pour la prédiction et l’optimisation de l’intégrité de surface des pièces mécaniques soumises à la fatigue(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2021) Boudjenouia, Mohamed; Guetout, Mohamed Ikbal; Harhout, Riad (Promoteur)Cette étude expérimentale porte sur l'effet des paramètres de coupe en tournage sur l‟état de surface des pièces usinées. Les essais sont réalisés sur l'acier XC48, en utilisant des outils de coupe en carbure métallique. L'objectif est de modéliser et optimiser l'intégrité de surfaces en fonction des paramètres de coupe ainsi que l'analyse de la rugosité de surface Ra. On a utilisé pour cela l'outil d'intelligence artificielle, le Machine-learning et le Deep-learning « le réseau de neurone » dont le but de la prédiction, l'estimation et l'optimisation de l'état de surface après usinage « l'intégrité de surface ». On a utilisé des algorithmes de Polynomial features et SUPPORT VECTOR MACHINE…etc. ainsi que le réseau de neurone feed-forward et le réseau de neurone récurrent équipée par les cellules LSTM. Le traitement des données et basée sur une data obtenu après usinage des éprouvettes dans des ateliers mécanique, qui nous donnent la moyenne arithmétique de la rugosité de surface Ra, selon les paramètres de coupes choisis. Les résultats obtenus montrent que le réseau de neurone récurrent équipée par les cellules LSTM donne le meilleur résultat avec une valeur de corrélation R2 =0.9487 et l‟erreur moyen quadratique RMSE=0.066517 ensuite le réseau de neurone statique avec un R2= 0.9414, RMSE=0.066527 et à la fin le Machine learning avec un R2=0.865, RMSE=0.37.Item Étude expérimentale et numérique de l'influence des traitements thermiques sur les paramètres de rupture d'un alliage d'Aluminium "2XXX"(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2021) Lebcir, Yesaad; Labiod, Hakim; Harhout, Riad (Promoteur)L’Objective principale de notre travail est d'étudier l'influence du traitement thermique de durcissement structurale sur les paramètres de rupture, Dans cette étude, un alliage d'aluminium de la série 2XXX disponible sur le marché est choisi, la nuance doit être déterminée par analyse chimique, un traitement thermique doit être programmé, ceci comporte une mise en solution suivie d'une trempe et une maturation artificielle dans un four, puis des essais de traction doivent être effectuées sur des éprouvettes normalisés pour déterminer les propriétés mécaniques. Une partie numérique s'en suit, dans un premier temps, les DATA de la technique de Corrélation d'Images Digitales sont traité sous Matlab par le code Ncorr, ce dernier permet l'extraction de données importantes tel que les valeurs des champs de déplacement et de déformation et l'ouverture à la pointe de la fissure, ces données sont important et serviront ensuit au calcul des paramètres de rupture comme le facteur d'intensité de contrainte KIC et le taux de restitution d'énergie GIC. La deuxième partie est basée sur des modèles numériques analysé par la méthode des éléments finis, ces modèles servent a validé les valeurs expérimentaux.Item Prédiction et optimisation de l’état de surface des pièces mécaniques par la méthode de régression polynomiale en vue de l’amélioration de sa durée de vie(Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2021) Sebbane, Zineddine; Berdi, Mohamed Taha; Harhout, Riad (Promoteur)Notre projet de fin d’étude est réalisé pour encadrer l’influence des paramètres d’usinage sur la qualité de surface des pièces usinées, et pour cela on a développé un modèle mathématique par « machine learning », ce dernier est un modèle de régression polynomiale construit sous forme d’un algorithme codé par le langage « Python » pour le but de la prédiction et l’optimisation. Les données de cette étude sont inspirée d’une expérience précédente réalisé dans « la faculté des hydrocarbures et chimie – Université de M’hamed Bougara Boumerdès » de part de Mr « Harhout Riad », Les essais sont réalisés sur l'acier AISI 1050, en utilisant des outils de coupe en carbure métallique. L’analyse des résultats a montré que la vitesse de coupe et l’avancement ont l'effet le plus significatif sur la rugosité de surface. Le choix optimal de ces paramètres résulte un meilleur état de surface selon les besoins.