• Département Génie Industriel (GI)
Permanent URI for this community
Browse
Browsing • Département Génie Industriel (GI) by Author "AYAD Ammar (Co-Encadrant)"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item CONCEPTION D'UN MODELE PREDICTIF POUR LADETECTION ET LA PREVENTION DE QUALITE DE SOUDAGE:VERS UNE MAINTENANCE INTELLIGENTE.(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2025) DAKKICHE Hafsa; SEMMOUN Fattoume; BOUZITOUNA Abdallah (Encadrant); AYAD Ammar (Co-Encadrant)Ce mémoire de Master est consacré à la conception et à l’évaluation d’un modèle prédictif de classification de la qualité des soudures des boîtes métalliques. Face à la nécessite d’une détection fiable et automatique des défauts, la méthodologie CRISP-DM est adoptée pour ce constat. Des données des capteurs ainsi des autres simulées, intégrant des bruits pour refléter des conditions réelles de production, ont servi de base à l'entraînement des modèles. Plusieurs algorithmes d'apprentissage automatique de la bibliothèque Scikit-learn, incluant des approches reconnues pour des applications similaires ainsi que d'autres explorées spécifiquement pour ce travail, ont été évalués pour une tâche de classification multiple (défectueuse, médiocre, bonne, excellente).La mode d’évaluation retenue dans le cadre du présent travail repose fondamentalement sur le score F1 macro, ce qui est tout à fait pertinent pour le type de classification mis en oeuvre. Les résultats de cette étude révèlent que le modèle Naïve Bayes a donné la meilleure performance, apparaissant comme une véritable solution d’amélioration du contrôle qualité concernant la fabrication des boîtes métalliques.Item OPTIMISATION DES STRATEGIES DE MAINTENANCE DES SYSTEMES DE SOUDAGE PAR MOLETTE DISCON ET MOLETTE A MERCURE DES BOITES METALLIQUES:TRANSITION VERS UNE MAINTENANCE PREDICTIVE DURABLE.(ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2025) DAKKICHE Hafsa; SEMMOUN Fattoume; BOUZITOUNA Abdallah (Encadrant); AYAD Ammar (Co-Encadrant)Ce mémoire d’ingéniorat s’inscrit dans les objectifs d’optimisation des stratégies de maintenance pour le système de soudage à la résistance par molette et dans l’aide à la décision pour l’investissement technologique. Il s’agit ici d’une proposition de solution IoT. La finalité est l’amélioration de qualité de soudage et la mise en place d’une solution de maintenance prédictive novatrice pour ce procédé dans le but d’assurer la qualité de soudure des emballages métalliques. Pour ce faire, la revue de certains modes de défaillance, de leurs effets et de leur criticité (AMDEC) ont guidé l’instrumentation de Mercure, puis des capteurs (température, courant, pression, vitesse d’avance) ont été installés et reliés à un microcontrôleur ESP32 destiné à saisir les données en temps réel. Ces données sont envoyées à une application web dédiée, développée avec Flask (Python), permettant de visualiser un historique des mesures, d’intégrer un module de prédiction de qualité de soudure, d’accéder à la base SQLite stockant les données ainsi que de réaliser une analyse statistique de capabilité (Cp/Cpk). L’application web est également couplée à un système de Gestion de la Maintenance Assistée par Ordinateur (GMAO) opensource (Odoo), adapté pour les besoins du projet. Ce projet met en oeuvre une approche complète de surveillance et de gestion de la qualité en soudure, combinant l’analyse AMDEC, l’instrumentation temps réel via ESP32, une application web interactive développée avec Flask, et l’intégration d’un système GMAO. Cette solution permet non seulement le suivi précis des paramètres critiques, mais aussi l’optimisation de la maintenance et l’amélioration continue des performances du procédé.