Génie Mécaniques
Permanent URI for this communityhttps://dspace.univ-boumerdes.dz/handle/123456789/67
Browse
10 results
Search Results
Item 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 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 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 possibleItem Placement optimal des capteurs pour la détection et la localisation des défauts(2014) Alem, SaidLes capteurs jouent un rôle très important dans la commande d'un système automatisé. Ils sont souvent indispensables pour garantir les propriétés du système, par exemple l'observabilité ou la détection des défauts. Les capteurs sont souvent coûteux, leur emplacement sur un système parfois très limité, leur maintenance difficile,... il est donc important de savoir utiliser de manière optimale les capteurs d'un système. Pour des raisons de fiabilité et de sûreté, on cherche à garantir le fonctionnement du système en cas de panne de certains capteurs. On considère ici le problème de placement optimal des capteurs pour la détection et localisation des défauts. Quand la détection et la localisation des défauts avec les capteurs de système déjà existants est impossible ou pas certains alors une reconfiguration de ce système est nécessaire. On s'intéresse aux problèmes de positionnement, sélection et problèmes de coût de placement des capteurs, le placement optimal et la classification des capteurs pour vérifier une propriété donnéeItem Hybrid renewable energy systems optimization based on artificial intelligence(2014) Berrazouane, SofianeIn remote regions, electric energy is usually supplied by diesel generators for their reliability, low installation costs, ease of starting, compact power density and portability. However, diesel generators are becoming expensive to run due to ncreasing fuel cost, transportation costs and they require a high level of maintenance cost. Moreover, using diesel fuel increases the amount of CO2 emitted which is the principal source of green-house gas. A more sustainable alternative system is using renewable sources to produce electrical power. They can play an important role in ensuring an environmentally friendly and clean energy generation for remote and isolated communities. However, renewable energy sources are intermittent in nature, and as a result, power generation from renewable energy sources often may not necessarily match the load demand. Therefore, energy storage is required to ensure reliable power supply. Moreover, the implantation of energy production based on renewable sources requires a specific design in terms of size and control. The objective of this thesis is to propose a methodology to design a hybrid power system based on artificial intelligence. Initially, the cuckoo search algorithm is used to give an optimal size of a hybrid power system that can guarantee the energy required by the load continuously. To overcome the complexity of the control of hybrid power system, an optimal fuzzy logic control based on cuckoo search algorithm is proposed. Finally, optimization of size and control simultaneously is introduced in this thesis to increase the reliability and competitively of system. Keywords:Hybrid power system,Fuzzy logic controller,Loss of power supply probability, Cuckoo search