Mémoires MASTER (GI)

Permanent URI for this collection

http://172.16.16.5:4000/handle/123456789/216

Browse

Browsing Mémoires MASTER (GI) by Subject "Apprentissage Automatique"

Now showing 1 - 2 of 2
  • Thumbnail Image
    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.
  • Thumbnail Image
    Item
    SYSTÈME INTELLIGENT DE DÉTECTION ET CLASSIFICATION DE LA CORROSION VIA L'IA
    (ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE – ANNABA, 2025) DJENOUHAT Mouna; SAKSI Ouarda; AYAD Amar (Encadrant)
    Ce mémoire traite du phénomène de la corrosion dans le secteur industriel en proposant un mécanisme intelligent pour automatiser sa surveillance. Face aux contraintes des approches manuelles, caractérisées par leur lenteur et subjectivité, nous avons développé une solution logicielle complète. L'outil développé, basé sur l'utilisation de la bibliothèque OpenCV pour le traitement d'image et un modèle de classification par apprentissage automatique (Random Forest) pour la classification, est capable de détecter la corrosion, d'évaluer son aspect et, surtout, de la classer en fonction des degrés de gravité définis par la norme internationale ISO 12944-2. Les résultats des essais révèlent une précision de lassification à 94 %, offrant donc une alternative rapide, objective et qui répond à la norme. Notre projet fournit aux ingénieurs un outil efficace d'aide à la décision pour planifier les opérations de maintenance. Il représente une avancée significative vers une maintenance prédictive, visant à améliorer la sécurité, la fiabilité et la durabilité des infrastructures industrielles.