• Département Génie Industriel (GI)

Permanent URI for this community

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

Browse

Browsing • Département Génie Industriel (GI) by Subject "algorithme génétique"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    AMELIORATION DU SERVICE MAINTENANCE : UNE APPROCHE ANALYTIQUE POUR OPTIMISER LES PROCESSUS DE L’EP SKIKDA
    (Ecole Nationale Supérieure de Technologie et D’ingénierie – Annaba, 2025) SOUAMES Amina; HALIMI Halima; DJEMANA Mohamed (Encadrant)
    Ce travail de recherche s'intéresse à l'amélioration du service maintenance de l'Entreprise Portuaire de Skikda (EPS) à travers une approche méthodologique innovante. Confrontée à des dysfonctionnements majeurs - taux de pannes élevés, coûts de maintenance excessifs et désorganisation des ateliers - l'EPS a fait l'objet d'une étude approfondie combinant optimisation organisationnelle et modélisation algorithmique. Notre démarche s'est articulée autour de deux axes principaux. Premièrement, l'application rigoureuse de la méthode 5S a permis une restructuration complète de l'atelier de maintenance, avec des résultats tangibles : réduction de 45% des stocks superflus et amélioration de 40% de l'accessibilité aux outils. Deuxièmement, l'implémentation d'un algorithme génétique a permis d'améliorer les indicateurs de performance afin d'optimiser la planification des maintenances préventives pour obtenir le meilleur plan de maintenance possible, aboutissant à une allocation plus efficace des ressources.
  • Thumbnail Image
    Item
    OPTIMISATION DES STRATEGIES DE MAINTENANCE PREVENTIVE DANS LES SYSTEMES INDUSTRIELS COMPLEXES
    (ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE – ANNABA, 2025) BOUNEB Khaoula; BOUGAILA Yacine; DJEMANA Mohamed (Encadrant)
    Ce mémoire porte sur l’optimisation des politiques de maintenance préventive dans une entreprise industrielle réelle, à savoir HAYAT DHC Algérie. Face aux pannes fréquentes et aux arrêts non planifiés, l’objectif est d’élaborer des stratégies de maintenance efficaces pour améliorer la fiabilité des équipements et minimiser les coûts. Deux politiques principales sont étudiées : la maintenance préventive périodique imparfaite avec réparation minimale, et la maintenance préventive dépendante de l’âge. Des approches analytiques et des algorithmes génétiques sont utilisés pour déterminer les intervalles optimaux et les actions préventives adaptées. Les résultats montrent une amélioration significative de la durée de vie des systèmes, une meilleure disponibilité et une réduction des coûts de maintenance. Ce travail met en lumière l’importance de l’optimisation dans la gestion de la maintenance industrielle.