• Département Génie Industriel (GI)

Permanent URI for this community

http://172.16.16.5:4000/handle/123456789/93

Browse

Now showing 1 - 10 of 10

APPLICATION DE L'APPRENTISSAGE AUTOMATIQUE POUR L'ANALYSE DES DONNÉES CND ET L'OPTIMISATION DES INSPECTIONS
(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) MOUSSAOUI Fadi Abderahmane; AYAD Amar (Encadrant)
L'inspection par ressuage fluorescent (FPI) est une méthode de contrôle non destructive utilisée pour détecter les défauts sur les pièces. Cette revue vise à démontrer l'efficacité d'un système d'inspection automatisé basé sur la vision pour automatiser l'étape d'inspection du processus FPI. L'étude évalue plusieurs architectures de Machine Learning pour la détection automatisée des défauts, en utilisant des photos prises sous différents angles pour créer un ensemble de données complet. Le système, conçu pour réduire la charge de travail des opérateurs humains, utilise l'intelligence artificielle pour améliorer la fiabilité des tests sur les pièces. Les résultats montrent que l'extraction de caractéristiques avant l'utilisation d'un classificateur d'apprentissage automatique est essentielle pour obtenir une classification précise, surtout avec un ensemble de données limité.
APPLICATION DE LA REALITE AUGMENTEE ET VIRTUELLE POUR LA VISUALISATION ET L'INTERPRETATION DES DONNEES CND
(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) BOUGHABA Oussama; AYAD Amar (Encadrant)
Ce mémoire explore l'application de la réalité augmentée (AR) et de la réalité virtuelle (VR) pour améliorer la visualisation et l'interprétation des données de contrôle non destructif (CND). Une revue bibliographique approfondie présente les technologies AR/VR et leurs applications potentielles dans le domaine du CND. Des prototypes d'applications AR/VR ont été revues et évalués pour démontrer leur efficacité et leur utilité dans des scénarios CND spécifiques. Les résultats indiquent que l'AR et la VR peuvent améliorer la compréhension des données CND, la collaboration entre les inspecteurs et la prise de décision. Ce mémoire ouvre la voie à de futures recherches pour développer des modèles et des simulations plus sophistiqués, explorer de nouvelles techniques d'interaction et étendre l'application de l'AR et de la VR dans le domaine de la CND.
APPORTS DE LA CYCLOSTATIONNARITÉ ET DES APPROCHES ANGULAIRES AU DIAGNOSTIC ET SURVEILLANCE DES ÉOLIENNES PAR ANALYSE VIBRATOIRE
(ÉCOLE SUPERIEURE DE TECHNOLOGIES INDUSTRIELLES -ANNABA-, 2019) HADJADJI Abdelkrim; AYAD Amar (Encadrant)
Au cours des dernières décennies, la surveillance de l'état des machines tournantes basée sur les vibrations a suscité un intérêt particulier en tant qu'aide efficace à la maintenance dans l'industrie. De nos jours, de nombreuses techniques efficaces sont bien établies, enracinées sur des outils puissants offerts en particulier par la théorie des processus cyclostationnaires. Les avantages offerts par ce dernier dans la Maintenance Conditionnelle ont été explorés récemment. Cependant, , la plupart de ces techniques reposent sur l'hypothèse d'un régime d'exploitation constant ou éventuellement fluctuant mais stationnaire (c.-à-d. vitesse et/ou charge). Malheureusement grand nombre de machines surveillées utilisées dans l'industrie fonctionnent sous des régimes non stationnaires afin de remplir la tâche pour laquelle elles ont été conçues. Dans ce cas, ces techniques conventionelles échouent dans l'analyse des signaux de vibration produites. Cette question a donc occupé le comité scientifique au cours de la dernière décennie et certaines techniques sophistiquées de traitement du signal ont été conçues pour faire face à la variabilité du régime. Mais ces travaux restent limités, dispersés. L'objectif principal de cette étude de recherche est de suggérer et discuter quelques outils de traitement de signal CS pour une éventuelle analyse des signaux d’une éolienne (une Senvion MM82) afin de mettre des critiques sur ces outils en expliquant leur insuffisance pour les signaux non stationnaires. Pour atteindre cet objectif, la méthodologie adoptée consiste à étendre le cadre théorique de la cyclostationnarité avec ses outils CS. et proposer une approche cyclostationnaire basée sur quelques outils pour la surveillance d’une éolienne dans le cas d’un défaut au niveau de roulements et d’engrenages de multiplicateur de vitesse sous forme d’une étude analytique. Sur un cas pratique les outils proposés sont utilisé pour mettre en evidence les efffet d’un défaut de roulement satellite sur une éolienne MM82 en exploitation.
DÉVELOPPEMENT D'UN SYSTÈME AUTOMATISÉ DE LA DÉTECTION ET LA CLASSIFICATION DES DÉFAUTS D'INSPECTION PAR RADIOGRAPHIE POUR LES PIPELINES
(Ecole Nationale Superieure de Technologie et d'Ingénierie. Annaba, 2024) BOUGHABA Oussama; MOUSSAOUI FadiI Abderahmane; AYAD Amar (Encadrant)
Ce projet de fin d'études a pour ambition de concevoir un système d'inspection automatisé par radiographie (RT) pour les soudures en pipelines, en s'appuyant sur les technologies de deep learning. L'objectif principal est de moderniser le processus d'analyse des radiographies, actuellement réalisé manuellement, qui est chronophage et susceptible d'erreurs humaines. Le système proposé vise à offrir une solution plus rapide, plus précise et plus fiable. Au coeur de ce système, un réseau de neurones convolutifs (CNN) sera entraîné sur un vaste ensemble de radiographies annotées. Un module de classification sera intégré pour distinguer les différentes catégories de défauts, tels que les fissures, les soufflures ou les cavités. Cette automatisation devrait améliorer considérablement l'efficacité opérationnelle, la précision des analyses et la sécurité globale des inspections de pipelines.
Influence des inhibiteurs verts à base des huiles végétales sur la corrosion de l’acier de pipeline API 5L X52
(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA - (Ex ESTI), 2023) BENADOUDA Abdel Moumene; HAMRAKROUHA Sami; AYAD Amar (Encadrant)
Les aciers au carbone sont largement utilisés dans la construction de conduites d’écoulement et de pipelines dans l’industrie pétrolière. Malgré leurs meilleures propriétés, ces aciers sont facilement endommagés par la corrosion. La corrosion est le phénomène de dégradation le plus courant dans la production d’hydrocarbures et est responsable de la plupart des défaillances des équipements sous pression. L’une des principales causes de corrosion des pipelines dans la production de gaz est la présence de fortes concentrations (jusqu’à 60 %) d’ions chlorure dans les solutions aqueuses associées à la production d’hydrocarbures. L’injection d’un inhibiteur de corrosion est le moyen le plus efficace de contrôler L’attaque des pipelines par ces ions. L’utilisation d’inhibiteurs de corrosion commerciaux est l’une des méthodes les plus courantes pour protéger les métaux contre la corrosion. Cependant, la plupart de ces inhibiteurs sont importés de l’étranger et nocifs pour l’environnement. L’objectif de notre travail est de remplacer les inhibiteurs toxiques actuellement utilisés dans l’industrie du traitement du gaz Tin Fouye Tabankort -TFT par des inhibiteurs fabriqués à l'échelle nationale et naturels à base d’huiles végétales. Ces derniers se caractérisent par leur biodégradabilité et leur efficacité inhibitrice supérieure à celle de l’inhibiteur commercial. Des mesures potentiodynamiques, de spectroscope d’impédance électrochimique ont été réalisée pour caractériser le mode d’action de chaque inhibiteur. Les résultats montrent que les inhibiteurs naturels tels que cyprès, myrte et l’armoise ont révélé une efficacité élevée par rapport aux inhibiteurs commerciaux, atteignant 99,3% à 0.2 ml et avec des volumes d'utilisation bien inférieurs à ceux des inhibiteurs toxiques.
INTEGRATION DE L'ANALYSE VIBRATOIRE DANS LES SYSTEMES DE SURVEILLANCE EN TEMPS REEL : DEVELOPPEMENT, APPLICATION ET PERSPECTIVESEncadré
(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) LERRAIDJI Charaf Eddine; AYAD Amar (Encadrant)
Ce mémoire présente une revue bibliographique exhaustive qui explore l'utilisation de l'analyse vibratoire dans la surveillance en temps réel des systèmes mécaniques. L'analyse vibratoire est devenue une technologie incontournable dans la politique maintenance. Son intégration dans ces systèmes permet une détection précoce des défaillances, une maintenance prédictive et une optimisation des performances globales. Les progrès technologiques, notamment des capteurs plus petits, plus précis et moins chers, permettent de capturer des données vibratoires avec une résolution accrue. Des algorithmes de traitement de signal avancés, permettent d'extraire des informations significatives des données vibratoires, même en présence de bruit et de variabilité. De plus, l'apprentissage automatique et les réseaux neuronaux permettent de développer des modèles prédictifs plus précis et plus robustes. La collecte, le stockage et l'analyse des données vibratoires sont simplifiés grâce au cloud computing et aux technologies IoT.
MODELISATION D’UN SYSTEME D’AIDE A LA PREDICTION DE LA MAINTENANCE D’UN EQUIPEMENT TOURNANT EN UTILISANT LES ALGORITHMES DE CLASSIFICATION
(ÉCOLE SUPERIEURE DE TECHNOLOGIES INDUSTRIELLES - ANNABA -, 2020) BOUCHELOUCHE Mohamed Ramzi; DAOUADI Rida; AYAD Amar (Encadrant)
Aux vues des défis que rencontrent constamment les industriels, de l’opérateur de la machine aux responsables et aux cadres, l’importance de l’amélioration et de l’adoption de nouveaux moyens technologiques devient de plus en plus commune au sein des entreprises, et au cœur des principales préoccupations des industriels se trouvent la maintenance. Cette dernière est au cœur de l’une des principales révolutions de l’industrie du XXIème siècle ou comme on l’appelle communément « L’industrie 4.0 » qui repose largement sur les bases de l’Intelligence Artificielle. L’IA a dominé le monde au cours de cette dernière décennie, que ce soit dans nos ordinateurs ou dans nos téléphones portables, elle est quasiment présente, et au cours de ces dernières années, elle se fait présente également dans le domaine de l’industrie, et plus précisément dans la maintenance, et grâce à l’intervention de l’IA, un nouveau type de maintenance à vu le jour aux cotés des types de maintenance classiques (préventive et corrective) : « La Maintenance Prédictive » Ce travail parle principalement des machines tournantes vues qu’elles sont présentes dans 99% des industries et qui ont le plus besoin de cette maintenance prédictive aux vues de leur importance au sein de l’usine. Au cours de cette thèse, on décortique les principaux composants de ce nouveau type de maintenance en expliquant chacune de ces composantes (de l’acquisition des données aux traitements des données et l’affichage des résultats), et à l’aide de données d’analyse vibratoire et avec le logiciel MATLAB on essaye de recréer un Algorithme d’Intelligence Artificielle qui à pour but de simuler une situation de maintenance prédictive sur un élément tournant (un Roulement par exemple).
SURVEILLANCE ET DIAGNOSTIC PAR AMDEC & ANALYSE VIBRATOIRE D'UNE POMPE CENTRIFUGE
(Ecole Nationale Superieure de Technologie et d'Ingénierie-Annaba, 2024) LERRAIDJI Charaf Eddine; RABIDI Ayoub; AYAD Amar (Encadrant)
Ce PFE explore l'application de l'analyse vibratoire pour la surveillance et le diagnostic des défauts des pompes centrifuges. L’analyse vibratoire est un outil essentiel en maintenance prédictive, permettant une détection précoce des anomalies mécaniques et des pannes. L'étude examine diverses techniques et méthodologies d'analyse des vibrations, en se concentrant sur leur application aux systèmes de pompes centrifuges. L'objectif est de développer des approches de diagnostic efficaces pour améliorer la fiabilité des équipements et minimiser les temps d'arrêt. Les résultats contribuent à faire progresser les pratiques de maintenance prédictive dans les milieux industriels, en particulier dans les opérations de pompes centrifuges.
Surveillance et diagnostic par l’Analyse Vibratoire d’un compresseur centrifuge HP
(ÉCOLE SUPERIEURE DE TECHNOLOGIES INDUSTRIELLES - ANNABA -, 2019) ARHAB Aissam; KHELLOUT Brahim; AYAD Amar (Encadrant)
Cette étude est consacrée à la maintenance conditionnelle par analyse vibratoire, domaine d’activité qui constitue une part de plus en plus importante des dispositions permettant de rentabiliser l’instrument de production industrielle. Elle propose une méthodologie expérimentale d’aide à la détection et au suivi vibratoire des défauts des machines tournantes. L'augmentation des vibrations permet de détecter un défaut, l'analyse des caractéristiques des vibrations de la machine permet d'en identifier la cause. Dans notre travail, nous avons appliqué les techniques de l'analyse fréquentielle en maintenance prédictive en utilisant les méthodes de suivi et de diagnostic des défauts par l'analyse à un niveau global et spectral. Après expérimentation de cette technique sur un compresseur centrifuge haute pression au niveau de l’entreprise SONATRACH DP-RGTE In Amenas ; nous avons a montré que la ligne d’arbre du compresseur présente des anomalies de désalignement parallèle au niveau d'un palier et un balourd d’origine thermique au quelle s'ajoute un phénomène du desserrage de la boulonnerie au niveau d'un autre palier. Cela nous a conduits à proposer un ensemble de solutions pour remédier efficacement sur le bon fonctionnement du compresseur. Les résultats expérimentaux obtenus sont clairs et efficaces, ils nous ont permis de mettre en œuvre un bilan complet sur l’état de santé de la machine et permettre au futur d’améliorer les compétences pratiques, de gagner du temps et de rentabiliser l'unité de production.
UTILISATION DE L'INTELLIGENCE ARTIFICIELLE ET L'APPRENTISSAGE AUTOMATIQUE POUR L'ANALYSE VIBRATOIRE DANS LE CONTEXTE INDUSTRIEL : DEVELOPPEMENT, APPLICATIONS ET PERSPECTIVESEncadré
(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) RABIDI Ayoub; AYAD Amar (Encadrant)
Ce mémoire présente une revue bibliographique exhaustive qui explore l'utilisation de l'IA et du machine learning pour améliorer la maintenance prédictive dans l'industrie. La maintenance prédictive basée sur l'analyse vibratoire est cruciale pour réduire les temps d'arrêt et accroître la fiabilité des équipements. L'objectif est d'identifier les techniques d'IA et de machine learning les plus adaptées pour la surveillance des machines et la prédiction des défaillances. Le projet vise à étudier l'application efficace de ces technologies aux données vibratoires afin d'améliorer les pratiques de maintenance prédictive, en s'appuyant sur l'état de l'art et l'évaluation des modèles développés.

Browse

Browsing • Département Génie Industriel (GI) by Author "AYAD Amar (Encadrant)"

Results Per Page

Sort Options