Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "CHEBIRA Samia"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Thumbnail Image
    Item
    Diagnostic et évaluation du risque incendie par la démarche RNA - Analyse statistique: cas de l’industrie Algérienne. Doctorat thesis, (2021)Université de Batna 2.
    (University of Batna 2, 7/21/2021) CHEBIRA Samia
    Dans les systèmes industriels, toutes les ressources disponibles sont sélectionnées pour améliorer les performances du système. Cependant, dans les systèmes critiques, tout type de défaut peut entraîner de graves conséquences. L'une des principales techniques pour améliorer la fiabilité des processus consiste à détecter et isoler précocement les défauts. La détection précoce des défauts peut aider à éviter un arrêt du système, des défaillances de composants et même des catastrophes entraînant d'importantes pertes économiques et en vies humaines. Un système qui donne la possibilité de détecter, d'isoler et d'identifier les défauts est appelé un système de diagnostic des défauts. La technique des Réseaux de Neurones Artificiels (RNA) est un bon outil pour la détection et le diagnostic de plusieurs types de défauts dans les systèmes industriels. Dans cette thèse, une description d'un système industriel à partir duquel il est possible de caractériser un couplage original de méthodes d'analyse et de réseaux de neurones, a été présentée, pour un diagnostic des défauts. Cette technique a été mise en oeuvre et testée sur le système anti-éruption de puits l'un des éléments les plus importants de l'équipement de contrôle de puits de pétrole et de gaz. Trois modèles neuronaux ont été utilisés, le Perceptron Multi-Couche (PMC), le Réseau à Fonctions de base Radiales (RFR) et les Réseaux Neuronaux de Régression Généralisée (RNRG). Ces modèles ont été formés et testés, puis leurs performances comparatives ont été présentées. Enfin, l'éruption est l'un des scénarios accidentels critiques qui ont été identifiés à partir de l'analyse HAZOP, une évaluation du risque incendie lié à ce scénario est effectuée.

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback
Repository logo COAR Notify