Documents disponibles écrits par cet auteur

Contribution au diagnostic des défaillances des équipements tournants par traitement de données vibratoires / Asmaa KALIL

Public ISBD Titre : Contribution au diagnostic des défaillances des équipements tournants par traitement de données vibratoires Type de document : projet fin études Auteurs : Asmaa KALIL, Auteur Langues : Français (fre) Catégories : Systèmes Embarqués et Mobile Mots-clés : Diagnostic, Classification, Machine Learning, Données vibratoires, KNN, SVM, ANN Index. décimale : 2122/19 Résumé : Les machines tournantes sont des éléments critiques dans les circuits de manutention du phosphate dans l’Office Chérifien des Phosphates, les surcharges d’utilisation de ces équipements industriels peuvent entrainer des défaillances précoces bien avant la date optimale prévue par l’échéancier, ce qui cause toute une destruction du processus industriel. Mon projet de fin d’études traite le diagnostic par classification des défaillances des équipements tournants par traitement des données vibratoires afin d’introduire la présence d’un tel défaut pour optimiser son coût de maintenance. La mission de ce stage consiste à étudier et classifier les données recueillies à partir des capteurs de vibration sur une machine tournante par le biais des algorithmes de machine Learning : KNN, SVM, ANN…, comparer ces algorithmes puis déterminer celui le plus performant pour réaliser le test de fonctionnement sur les équipements tournants au port OCP CASABLANCA à savoir les moteurs et les réducteurs. Vers la fin de ce projet, on a pu réaliser des modèles basés sur l’apprentissage automatique, capables de classifier nos équipements, par la suite, ces modèles étaient utilisés pour évaluer la fiabilité des organes de l’OCP PORT CASABLANCA. Le présent document détaillera chaque partie de la réalisation de ce travail. Contribution au diagnostic des défaillances des équipements tournants par traitement de données vibratoires [projet fin études] / Asmaa KALIL, Auteur . - [s.d.]. Langues : Français (fre) Catégories : Systèmes Embarqués et Mobile Mots-clés : Diagnostic, Classification, Machine Learning, Données vibratoires, KNN, SVM, ANN Index. décimale : 2122/19 Résumé : Les machines tournantes sont des éléments critiques dans les circuits de manutention du phosphate dans l’Office Chérifien des Phosphates, les surcharges d’utilisation de ces équipements industriels peuvent entrainer des défaillances précoces bien avant la date optimale prévue par l’échéancier, ce qui cause toute une destruction du processus industriel. Mon projet de fin d’études traite le diagnostic par classification des défaillances des équipements tournants par traitement des données vibratoires afin d’introduire la présence d’un tel défaut pour optimiser son coût de maintenance. La mission de ce stage consiste à étudier et classifier les données recueillies à partir des capteurs de vibration sur une machine tournante par le biais des algorithmes de machine Learning : KNN, SVM, ANN…, comparer ces algorithmes puis déterminer celui le plus performant pour réaliser le test de fonctionnement sur les équipements tournants au port OCP CASABLANCA à savoir les moteurs et les réducteurs. Vers la fin de ce projet, on a pu réaliser des modèles basés sur l’apprentissage automatique, capables de classifier nos équipements, par la suite, ces modèles étaient utilisés pour évaluer la fiabilité des organes de l’OCP PORT CASABLANCA. Le présent document détaillera chaque partie de la réalisation de ce travail.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
2122/19	2122/19 ASM	Texte imprimé	unité des PFE	PFE/2019	Disponible