Application des méthodes d’intelligence artificielle pour la maintenance prédictive de la turbine à gaz "MS5001D"
| dc.contributor.author | Boucherma, Abdeldjalil | |
| dc.contributor.author | Harhout, Riad (Promoteur) | |
| dc.date.accessioned | 2023-11-09T09:13:58Z | |
| dc.date.available | 2023-11-09T09:13:58Z | |
| dc.date.issued | 2023 | |
| dc.description | 85 p. : ill. ; 30 cm | en_US |
| dc.description.abstract | 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. | en_US |
| dc.identifier.uri | https://dspace.univ-boumerdes.dz/handle/123456789/12315 | |
| dc.language.iso | fr | en_US |
| dc.publisher | Université M’Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie | |
| dc.subject | Hydrocarbures : Transport | en_US |
| dc.subject | Gisements de gaz : Tiguentourine (Illizi) | en_US |
| dc.subject | Turbines à gaz | en_US |
| dc.subject | Maintenance conditionnelle | en_US |
| dc.subject | Apprentissage automatique | en_US |
| dc.subject | Bagging | en_US |
| dc.subject | Extra Trees | en_US |
| dc.subject | Intelligence artificielle | en_US |
| dc.title | Application des méthodes d’intelligence artificielle pour la maintenance prédictive de la turbine à gaz "MS5001D" | en_US |
| dc.type | Thesis | en_US |