Thèses de Doctorat et Mémoires de Magister
Permanent URI for this communityhttps://dspace.univ-boumerdes.dz/handle/123456789/17
Browse
16 results
Search Results
Item Recherche d'information guidée par l'image sur des grands corpus de documents scannés(Université M'hamad Bougara : Faculté des Sciences, 2021) Benabdelaziz, Ryma; Gaceb, Djamel(Directeur de thèse)La numérisation des documents est une tâche essentielle, car elle permet de passer de la version papier traditionnelle à la version numérique moderne. Les images de documents numérisés contiennent des informations sensibles et jouent un rôle important dans la préservation numérique du patrimoine culturel mondial et dans l'archivage des livres et des documents administratifs. La numérisation de documents implique le développement de techniques pour pouvoir exploiter leur contenu visuel à des fins de recherche de documents. Trouver un document nécessite d'abord de trouver ses entités (mots, logos, signatures, etc.), ce qui nécessite une analyse de l'image et de sa représentation dans un espace de caractéristiques visuelles, qui permet de réduire la quantité importante d'informations contenue dans l’image. En général, lorsque le document est de bonne qualité, l'étape de segmentation devient possible et ainsi on peut aisément rechercher et récupérer ses composantes. La plupart du temps, cette tâche est facile et réalisable lorsque le document contient du texte imprimé ; beaucoup de techniques ont été proposées dans ce contexte et qui ont produit des résultats intéressants. Cependant, si l'on veut traiter des documents complexes et de mauvaise qualité tels que les documents manuscrits anciens, il est nécessaire de faire appel à des techniques de représentation robustes et plus fines, car ni la taille, ni le style d'écriture, ni l'espace entre les lettres et les mots ne sont réguliers ou connus par rapport aux images du texte imprimé. Cela nécessite le développement de techniques conventionnelles basées sur les points d'intérêts qui permettent de représenter l’image à travers un ensemble de points pertinents. Cette stratégie de représentation est intéressante lorsque la possibilité de segmentation des documents est impossible. Il y a beaucoup de travaux basés sur ce type de représentation d'images, mais avec des précisions moyennes, et cela est dû aux nombreux paramètres qui doivent être pris en compte lors de la mise en œuvre de ces systèmes de recherche (prétraitement, relations spatiales entre les points, description, etc.). Ce projet de thèse investit dans le développement d'une technique complète de recherche de documents depuis l'extraction des points d'intérêts jusqu'à la mise en correspondance d'images. Notre nouvelle technique a produit des résultats intéressants et se classe parmi les premières en termes de précision par rapport à d'autres travaux dans le même domaine, mais elle reste encore limitée. Afin d'améliorer notre approche, nous avons évolué vers de nouvelles directions dans la représentation d'images en utilisant des techniques d'intelligence artificielle, basées sur le transfert de l'apprentissage profond, qui permettent l'extraction automatique des caractéristiques visuelles. Cette stratégie a donné d'excellents résultats par rapport à de nombreux travaux. Tous nos tests expérimentaux ont été initialement menés sur la base d'un ensemble d'images anciennes de mots manuscrits, et la complexité de cet ensemble nous a permis de développer des techniques puissantes qui peuvent être appliquées à d'autres entités de documents (logos, cachets, signatures, etc.).Item Optimisation multi-objectif de la fiabilité des systèmes complexes par l'intelligence artificielle(Université M'Hamed Bougara : Faculté de Technologie, 2021) Chebouba, Billal Nazim; Adjerid, Smail( Directeur de thèse)Dans le contexte actuel caractérisé par une forte concurrence économique, les systèmes industriels doivent être les plus fiables possibles pour rester compétitifs, ainsi l'optimisation de la fiabilité des systèmes est devenue un sujet fondamental dans la conception et l'exploitation des systèmes de fabrication à grande échelle. Afin d'atteindre un haut niveau de fiabilité d'un système de production, trois stratégies fondamentales peuvent être appliquées par les concepteurs : l'allocation de fiabilité, l'allocation de redondance et l'allocation de fiabilité-redondance. Un compromis entre les variables de décision est nécessaire pour optimiser un ou plusieurs objectifs sans violer l'ensemble des contraintes de conception considéré, ce type de problème est difficile à résoudre en raison de la quantité considérable d'efforts de calcul requis pour trouver les solutions optimales. Il a été prouvé au cours des deux dernières décennies que les algorithmes inspirés de la nature sont attrayants pour ce genre de problème d’optimisation mathématiques. Les algorithmes bio-inspirés sont efficaces pour arriver à la solution optimale à un problème lorsqu'il existe une myriade de possibilités. Ils sont non déterministes et sont utilisés dans l'analyse de systèmes, leur simplicité et leur parallélisme inhérent sont deux raisons principales de leur popularité et de leur large éventail d'applications. Ils sont flexibles et peuvent être adaptés aux changements de l'environnement, par conséquent les techniques d'optimisation métaheuristiques ont été utilisées comme alternative aux approches mathématiques classiques pour obtenir des solutions optimales globales ou quasi globales en raison de leur grande capacité à détecter des régions prometteuses dans l'espace de recherche et à les explorer à un moment précis. L'objectif de la thèse est de proposer une nouvelle approche multi-objectif pour l'optimisation simultanée des éléments FMDS+C (Fiabilité, Maintenabilité, Disponibilité, Sécurité et Cout). L'approche développée sera basée sur les méthodes évolutionnaires bioinspirées et la fusification des incertitudes. Des applications numériques sur des systèmes complexes feront l'objet de la validation de cette approche.Item Pronostic de l’usure des outils de coupe à l’aide des techniques de l’intelligence artificielle(Université M'Hamed Bougara : Faculté de Technologie, 2021) Laddada, Sofiane; Si-Chaib, Mohammed Ouali(Directeur de thèse)Dans l’industrie, l’exigence de compétitivité conduit les entreprises manufacturières à surveiller d’une manière fiable et précise les conditions de fabrication des produits essentiellement celles liées à l’obtention des pièces complexes par enlèvement de matière. Dans ce type d’usinage, l’usure de l’outil de coupe est l’un des facteurs les plus critiques affectant la qualité des surfaces de pièces usinées, les tolérances géométriques imposées et la tenue de l’outil dans le temps. Le développement d’un système de surveillance fiable de précision avec une productivité optimale est un intérêt économique important afin d’être capable de faire un suivi en ligne des machines-outils pour réduire les temps d’arrêt, éviter les bris des machines et des dommages aux pièces. Dans cet esprit, la thèse porte sur le diagnostic et pronostic de défaillance de composant critique comme "l’usure des outils de coupe" pour estimer à tout instant leur état de santé, détecter les signes précurseurs de l’initiation d’une dégradation et prédire son état futur utile au calcul de la durée de vie restante (Remaining Useful Life : RUL). Dans ce cadre, cette étude est basée sur l’approche pronostic orientée données recueillies par les capteurs d’émission acoustique et de vibrations. Le travail se fait en deux phases principales, une phase d’apprentissage (hors ligne) et une phase d’exploitation ou de test (en ligne). Dans la première phase, les signaux bruts sont traités par la transformée en ondelettes pour extraire les caractéristiques pertinentes relevant du phénomène de dégradation subi par l’outil de coupe. Ces caractéristiques sont ensuite directement utilisées ou réduits pour établir des modèles obtenus par la machine d’apprentissage extrême améliorée (IELM) et les systèmes d’inférence neuro floue (ANFIS) capables de fournir une information sur les différents états de santé du composant durant son utilisation. Dans la deuxième phase, le modèle appris est exploité pour identifier l’état actuel du composant et estimer son RUL. Les méthodes proposées ont été appliquées aux données du monde réel recueillies au cours de plusieurs coupes d’usinage d’une machine-outil à commande numérique (CNC)Item Utilisation des réseaux de neurones dans l’optimisation des paramètres de forage des puits des hydrocarbures en temps réel(Universite M'Hamed Bougara : Faculté des hydrocarbures et de la chimie, 2021) Youcefi, Mohamed Riad; Hadjadj, Ahmed(Directeur de thèse)Les adaptations des paramètres de forage en temps réel sont basées sur l’expérience du foreur. Ceci est principalement dû à l'incapacité des foreurs d'analyser et d'interpréter le flux de données en temps réel. De plus, la prise des décisions en temps réel dépend de la rapidité avec laquelle le foreur peut identifier le problème. L’expérience a montré qu’il y a également un retard distinct dans la détection des évènements indésirables. Une telle inefficacité peut augmenter considérablement le temps non productif. Cette thèse vise à construire un outil de support intelligent capable de surmonter ces limitations à travers l’agrégation des données, la recommandation des paramètres de forage optimaux, l’identification des tendances des paramètres de forage et la détection précoce des dysfonctionnements de forage. La méthodologie présentée dans ce travail de thèse utilise les différents segments de l’intelligence artificielle à savoir les réseaux de neurones artificiels, les algorithmes d’apprentissage supervisée et non supervisé, et les algorithmes d’optimisation métaheuristique pour permettre à la machine de simuler la pensée humaine pendant la surveillance des opérations de forage. Les résultats obtenus montrent que les modèles développés peuvent avoir un impact positif sur l’industrie du forage grâce à leur efficacité, précision et rapiditéItem Adaptation et développement des modèles SRM pour la simulation et l’optimisation des réservoirs fracturés(Universite M'Hamed Bougara : Faculté des hydrocarbures et de la chimie, 2021) Redouane, Kheireddine; Zeraibi, Noureddine(Directeur de thèse)La conception d’un plan de développement d’un réservoir fracturé est un problème ardu nécessitant l’utilisation de la simulation numérique pour la résolution et le traitement des modèles représentants le processus physique du système. Ces modèles reposent principalement sur un ensemble d’équations différentielles et intégrales non linéaires dont la solution même numérique est trop chronophage. Le but de cette thèse consiste en le développement d’un outil d’aide à la prise de décision basé sur les techniques d’intelligences artificielles et les algorithmes évolutionnaires pour faciliter la simulation des réservoirs fracturés afin d’optimiser leurs stratégies de développement/management à moindre cout. Pour atteindre notre objectif, nous développons dans un premier temps une stratégie d’optimisation auto-adaptative robuste multidisciplinaire qui utilise les modèles Surrogates et les algorithmes évolutionnaires pour non seulement fournir une approximation aux modèles de simulation avec un temps de réponse d’ordre de seconde, mais aussi pour faciliter la tâche d’optimisation globale de ce problème combinatoire de développement des réservoirs fracturés. Afin d’augmenter la précision de l’approche développée, nous proposons une procédure originale d’enrichissement via les plans d’expériences adaptatifs, qui sert ainsi à améliorer le pouvoir émulatif des modèles Surrogate particulièrement dans les zones pouvant contenir l’optimum de problème. Cette approche est couplée à une stratégie innovante d’articulation et de traitement des contraintes qui se présente aussi comme une clé pour automatiser la procédure d’optimisation et définir la forme générale de Framework élaboré qu’on appelle ASRM « Adpatative Surrogate Reservoir Model ». Le Framework développé est appliqué à : 1. L’optimisation des fonctions test complexes 2. L’étude d’un réservoir Benchmark Off-Shor. 3. L’étude et la mise en oeuvre sur un projet réel d’emplacement des puits directionnels sur un réservoir non-conventionnel fracturé d’un champ mature situé à Hassi-Massoud, Algérie. Les résultats ont permis de montrer la validité de la démarche ainsi que l’efficacité de la méthode ASRM pour une application dans un cadre industrielItem Utilisation de la logique floue à la surveillance et diagnostic des défauts des machines tournantes(2020) Gougam, FawziLes machines tournantes sont souvent très critiques pour les industries. Elles occupent une grande partie des industies et aussi sont vitales pour la production d’énergie et les applications industrielles. La fiabilité et la disponibilité de ces machines doivent être garanties à tout moment, car leur défaillance peut avoir des conséquences catastrophiques. Des composants défectueux, avec par exemple des défectuosités de roulements ou de palier lisse, des défaillances électriques dans les moteurs, des déséquilibres des pièces tournantes, des désalignements,etc ont un impact dans le comportement vibratoire des machines tournantes. Sans détection, ceci peut créer des dégâts sur les machines, des arrêts imprévus et des pertes de revenus importantes. Pour ce faire, l’état de la machine doit être soigneusement surveillé pour détecter les changements significatifs du "comportement de la machine", également connu sous le nom de Condition Monitoring. Le but de la surveillance basée sur l’analyse vibratoire est de détecter les prémices de défauts et de symptômes liés aux différentes conditions de dégradation de la machine et intervenir aux bons moments. En plus de la croissance apparente du maintenance conditionnelle ; conditon based maitenance (CBM), les pronostics et la gestion de la santé (PHM) sont devenus une partie importante de nombreux systèmes et produits d’ingénierie, où les algorithmes développés sont utilisés pour détecter les anomalies, diagnostiquer les défauts et prévoir la durée de vie utile restante (RUL). La PHM peut offrir de nombreux avantages aux utilisateurs et aux responsables de la maintenance. Bien que les objectifs principaux soient d’assurer la sécurité, de fournir un état de santé et d’estimer la durée de vie utile restante des composants et des systèmes, il existe également des avantages financiers tels que la réduction des coûts d’exploitation et de maintenance et l’allongement de la durée de vie. En plus de la croissance apparente du thème, les solutions PHM sont néanmoins le résultat de l’évolution des techniques et des technologies pour la sécurité opérationnelle, la surveillance et l’ingénierie de maintenance. C’est dans ce cadre que cette thèse est rédigée. L’objectif est de présenter l’émergence des techniques de l’intelligence artificielle et montrer comment il complète les activités nouvelles de maintenance, d’expliquer les processus d’identification des défauts et estimation de la durée de vie restante des équipements rotatifs, en décrivant les méthodes et le techniques utilisées dans certains parties de la surveillance et pronostic des systèmes tournantesItem Surveillance et diagnostic d’une ligne de production par les réseaux de neurones artificiels(2010) Amrani, MohamedCe travail de recherche présente une modélisation et une simulation de diagnostic et de surveillance en temps réel des équipements stratégiques d’une ligne de production. Le modèle est basé sur les réseaux de neurones artificiels RNA. L’objectif est de détecter et localiser toute anomalie qui peut survenir dans une machine. L’équipement considéré dans cette étude est une ligne de production pharmaceutique BEKER laboratoire Dar El Beida- Algérie la machine qui nous intéresse est un équipement stratégique dans la production. Nous avons défini les zones de bon et de mauvais fonctionnement. A partir de là, la simulation des pannes est possibleItem Surveillance et diagnostic d'une chaîne de production par les réseaux de neurones artificiels(2008) Salhi, NedjmaLe Travail de recherche présenté dans ce mémoire consiste à diagnostiquer et à surveiller une chaîne de production. Par la méthode des réseaux de neurones artificiels. Cet approche a de nombreux avantages. L'une d'elle est la classification et la séparation non linéaire. Grâce à cette caractéristique, nous avons pu mettre en uvre une approche de diagnostic sur un cas réel d'un atelier de production de suppositoire situé à LPA. Pour chacune des parties de l'atelier choisi, nous avons définis les zones de bon et de mauvais fonctionnement. A partir de là, la simulation des pannes est possibleItem Surveillance et diagnostic d'un système de production agroalimentaire(2012) Haddouche, MohamedLa disponibilité des installations industrielles présente un impact très important pour chaque société activant dans le domaine de la production et qui doit résister à la mondialisation où la concurrence est très rude. Ce présent travail a pour but d'utiliser les réseaux de neurones artificiels (RNA) et particulièrement Le Réseau à Fonctions de base Radiales (RFR) dans le domaine de la surveillance et diagnostic d'un système de production. La nécessité d'utiliser cette technique d'intelligence artificielle vient du faite qu'il n'existe pas un modèle formel pour définir l'état du processus industriel c'est-à-dire la déduction direct d'une défaillance à partir des données capteurs et sans l'intervention de l'expert humain. Pour bien mener cette étude ; on a devisé notre travail en deux parties : la première partie consiste à étudier les notions fondamentales sur la surveillance et diagnostic dans le domaine industriel ainsi que les RNA et le RFR en justifiant le choix de cet outil. La deuxième partie présente une étude pratique d'un processus industriel réel ; on a développé un modèle de surveillance qui défini l'état du processus à partir des données réelles de l'entrée. Une simulation a été réalisée sous Matlab pour évoluer les performances du système. Finalement ; on a élaboré une interface à l'aide d'un langage de programmation pour faciliter la manipulation de ce modèleItem Intelligence artificielle appliquée au diagnostic des systèmes de production(2013) Berkane, NacerLe travail de recherche présenté dans ce mémoire consiste à diagnostiquer et à surveiller un système de production industriel en temps réel on utilisant un outil de l'Intelligence Artificiel "Réseaux de Neurones". Cette approche a de nombreux avantages, Tels que la classification et la séparation non linéaire. Grâce à cette caractéristique, nous avons pu mettre en œuvre une application de diagnostic sur un système réel d'un atelier de production "Laminoir à Chaud(LAC)" de tôles situé à Arcelor Mittal d'El Hadjar (Annaba). Pour le système choisi, nous avons défini les états de bon et de mauvais fonctionnement. A partir de là, la détection des pannes est possible