CHEBIRA, Samia (2021) Diagnostic et évaluation du risque incendie par la démarche RNA - Analyse statistique: cas de l’industrie Algérienne. Doctoral thesis, Université de Batna 2.

Preview

Text Thèse_CHEBIRA_2021.pdf Download (3MB) | Preview

Abstract

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.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Diagnostic des défauts, Réseaux de neurones, HAZOP, système anti-éruption de puits.
Subjects:	Hygiène et sécurité industrielle > Sécurité industrielle
Divisions:	Institut d'hygiène et de sécurité industrielle > Département de sécurité industrielle
Date Deposited:	11 Jul 2021 09:45
Last Modified:	11 Jul 2021 09:45
URI:	http://eprints.univ-batna2.dz/id/eprint/1934

Actions (login required)

View Item