Thèses de Doctorat et Mémoires de Magister
Permanent URI for this communityhttps://dspace.univ-boumerdes.dz/handle/123456789/17
Browse
4 results
Search Results
Item Remaining useful life estimation of critical industrial equipment by using a data driven approaches(Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2026) Amar Bouzid, Abir; Benazzouz, Djamel(Directeur de thèse)In the face of fierce competition in the industrial sector, manufacturing technologies have evolved considerably, from simple to complex and sophisticated systems. Machining processes cover a wide range of manufacturing systems and play a crucial role in production. Monitoring the condition of these systems through an effective maintenance strategy is therefore essential for guaranteeing production reliability and quality; however, due to their complexity, focusing on monitoring critical components is generally more practical and efficient, as their degradation has a serious impact on the entire system. Maintenance practices have undergone significant evolution, giving rise to the emergence of the concept of Prognostics and Health Management (PHM), which introduces a predictive approach in Condition-Based Maintenance (CBM). Estimating components Remaining Useful Lives (RULs) is one of the most important aspects of PHM to track their degradation and predict how long they can operate before failing. However, to achieve accurate RUL estimations, it is essential to process the raw data efficiently. Sensor-derived data often contains noise, irrelevant information, and inconsistencies that can mask essential insights. Therefore, it is crucial to conduct appropriate data processing to extract the relevant features, or Health Indicators (HIs), that reflect the system's behavior. This data refinement not only improves the accuracy of predictive models but also increases their robustness, enabling manufacturers and maintenance managers to schedule replacements, minimize unplanned downtime, and extend machine life cycles. This is the background to the present study, which proposes a novel methodology for estimating the RUL. In the context of PHM data-based methods, also known as "data-driven methods," the main objective of this thesis is to design relevant health indicators HIs capable of reflecting the degradation behavior of critical components and estimating their RULs. Initially, a new time-frequency analysis technique called Empirical Wavelet Packet Decomposition (EWPD) was introduced. This method uses a new segmentation of the signal's Fourier spectrum, which is spread over several levels to improve the structural performance of conventional methods. Subsequently, a novel health indicator HI, is developed upon the basis of an innovative selection of time-domain features for each frequency band at each level. Lastly, the RULs of the monitored components are estimated using the Long Short-Term Memory (LSTM) network. The proposed methodology is implemented on a selection of CNC milling cutters from the "Prognostics Data Challenge 2010" databaseItem Intégration des techniques de l'intelligence artificielle dans l'analyse des systèmes complexes : cas de l'industrie pharmaceutique(Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2024) Amrani, Mohamed; Benazzouz, Djamel(Directeur de thèse)En résumé, pour mieux cerner l'objectif de ce travail de recherche, commençons par poser les questions suivantes : Quelle est la problématique du sujet ? L'industrie pharmaceutique revêt une importance cruciale en raison de son impact direct sur la santé humaine. Cependant, en dehors de la phase de conception et de mise en place des installations pharmaceutiques, et même tout au long de leur exploitation, de nombreux aspects méritent une attention particulière. En premier lieu, la sécurité joue un rôle essentiel. Il est impératif de garantir la sécurité et la santé de tous les intervenants, y compris le personnel travaillant dans l'industrie pharmaceutique, ainsi que de préserver les produits fabriqués et l'environnement dans lequel ils sont utilisés. Il est essentiel de mettre en place des mesures rigoureuses de protection pour atteindre ces objectifs fondamentaux. De plus, l'industrie pharmaceutique est soumise à des normes et réglementations strictes (OMS, FDA, BPF, LNCCP…), ce qui ajoute un niveau supplémentaire de complexité. Les systèmes de fabrication pharmaceutique présentent également des défis techniques considérables. Les processus de production sont souvent intrinsèquement complexes, impliquant de multiples équipements et étapes interdépendantes. Il est impératif de bien comprendre et de gérer cette complexité pour garantir des opérations fluides et efficientes. Par ailleurs, l'exactitude des équipements de laboratoire revêt une importance cruciale dans l'industrie pharmaceutique. Les tests et les analyses doivent produire des résultats précis et fiables afin d'assurer la qualité et la conformité des produits. Enfin, la maîtrise des différentes sources de contamination demeure un enjeu majeur. Il est essentiel de prévenir et de contrôler les contaminations croisées, microbiennes et d'autres éventuelles sources de contamination tout au long des processus de production pharmaceutique. Quelle est la solution développée pour remédier ? Face à l'ensemble de ces contraintes, il est impératif d'investir dans des technologies de pointe pour maîtriser les contaminations et préserver l'environnement. C'est dans cette perspective que nous avons introduit une nouvelle approche basée sur l'utilisation de l'intelligence artificielle (IA). Cette approche novatrice vise à améliorer la qualité, l'efficacité et la sécurité des opérations pharmaceutiques en tirant parti des capacités avancées de l'IA pour détecter, prévenir et résoudre les problèmes liés à ce secteur en question. Afin d'atteindre cet objectif, nous avons sélectionné trois études de cas qui abordent l'ensemble de ces problématiques. Les critères de sélection de ces études ont été définis en collaboration avec des experts de l'industrie pharmaceutique, en tenant compte de la disponibilité des données et de l'importance des défis qu'elles abordent. Pour remédier à ces problématiques, nous avons développé des modèles hybrides intelligents en combinant les techniques des réseaux de neurones artificiels et des réseaux bayésiens. L'application de ces techniques facilite la surveillance, le diagnostic et la prévision des défaillances, ce qui rend la gestion des problèmes posés possibleItem Optimisation de l'algorithme de détection des défauts à base de BG-LFT(Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2023) Ouziala, Mahdi; Benazzouz, Djamel(Directeur de thèse)Les systèmes industriels sont devenus de plus en plus complexes d'où une automatisation est une commande très sophistiquée est une obligation non évitable. Cette complexité peut provoquer des dégâts et des catastrophes très importants, surtout dans les systèmes pétrochimiques et nucléaires. ?viter ces dégâts est une chose essentielle pour les industriels et les scientifiques par ailleurs, ce qui a donné naissance à beaucoup de travaux de recherches dont l'objectif est de détecter, anticiper et pourquoi pas prédire les défaillances afin d'éviter des pannes et des dégâts environnementaux, économiques ainsi que les accidents humains. Dans notre travail, nous, nous avons penché sur le problème de détection optimale des défauts avec les Bonds graphs LFT. Le bond graph présente une démarche très puissante et très adaptée à la génération des systèmes de détection robuste grâce à ses propriétés comportementales structurelles et causales. L'outil bond graph a servi pour la représentation graphique des incertitudes paramétriques, cette représentation est fondée sur le principe de la transformation linéaire fractionnel appliquée au bond graph (LFT-BG) cette méthode a permis de générer des seuils adaptatifs pour une détection robuste, mais ça empêche d'avoir quelques ambiguïtés. La surestimation des incertitudes lors de la génération des seuils adaptatifs engendre une non-détection de certains défauts à faibles valeurs. Le problème d'estimations de ces incertitudes peut être vu comme un problème d'optimisation de la surface qui sépare les deux fonctions seuils, résidus générés par LFT-BG. Pour faire mettre cette idée en pratique, nous avons choisi l'utilisation des méthodes d'optimisation bio inspirée. Ces dernières sont des méthodes plus adaptées au problème d'optimisation complexe. ? la suite de cette optimisation, nous avons pu réestimer de nouvelles valeurs d'incertitude paramétriques à travers lesquelles on génère des seuils adaptatifs optimisés. Ces seuils adaptatifs optimisés ont assuré une détection optimale et précoce des défauts de faibles grandeurs. ? travers cette thèse, nous avons pu constater l'amélioration des performances de l'algorithme de détection de défaut à base des bonds graphs LFT. Cette méthode de génération de seuils optimisés a fait l'objet d'une validation sur un véhicule bond d'essai, le Robucar. Ce dernier, est un véhicule autonome intelligent. Nous avons pu vérifier l'utilité de notre algorithme de détection optimale, à l'aide d'une co-simulation à l'aide de logiciel MATLAB Simulink. Les résultats de la validation étaient prometteurs. Notre thèse est une initiation au diagnostic robuste et optimale à travers l'utilisation des méthodes d'optimisation et celle de l'intelligence artificielle dans le but de développer des systèmes de détection performant et même des systèmes de control tolérants aux défautsItem Keratoconus prognosis study for patients with corneal external mechanical stress mode(Université M'Hamed Bougara : Faculté de Technologie, 2021) Bettahar, Toufik; Benazzouz, Djamel(Directeur de thèse)A corneal numerical model was developed based on experimental previous studies, and gathered data from EKBASSIRA eye clinic. The cornea is considered a two layers 3D viscoelastic solid. Uniaxial and multiaxial cyclic loads has been applied on the Keratoconus and healthy corneas in order the emphasize the influence of eye rubbing on corneal applanation, loss of shape and biomechanical properties .A Finite element analysis simulation results have shown a significant difference between healthy and KC stages responses to those external loads, for a fixed intraocular pressure .Life time prognosis and classification algorithms using analytical life time computation and Artificial Neural Network approaches was then established to shed light on the severity of eye rubbing on the evolution and the progression rate of Keratoconus and its offset, for patients with subclinical, mild and advanced forms of the disease