Please use this identifier to cite or link to this item:
http://univ-bejaia.dz/dspace/123456789/24849
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Menasria, Mohamed | - |
dc.contributor.author | Baouche, Alicia | - |
dc.contributor.author | Ait Kaci Azzou, Samira ; promotrice | - |
dc.date.accessioned | 2024-12-08T07:17:29Z | - |
dc.date.available | 2024-12-08T07:17:29Z | - |
dc.date.issued | 2024 | - |
dc.identifier.other | 004MAS/1311 | - |
dc.identifier.uri | http://univ-bejaia.dz/dspace/123456789/24849 | - |
dc.description | Option : systéme d’information avancés | en_US |
dc.description.abstract | Ce mémoire propose une approche intelligente de maintenance prédictive pour l'Industrie 4.0, visant à détecter les anomalies dans les équipements industriels grâce à l'inté- gration des réseaux de neurones LSTM et GRU. L'objectif principal est d'améliorer la fiabilité opérationnelle et la gestion des ressources en optimisant la prédiction des défaillances. En exploitant les réseaux de neurones récurrents, nous avons proposé d'utiliser l'approche hybride combinant LSTM et GRU pour résoudre le défi de la maintenance prédictive. Les résultats expérimentaux démontrent une amélioration significative de la précision prédictive par rapport aux approches traditionnelles, mettant en évidence l'efficacité du modèle hybride proposé pour anticiper et prévenir les défaillances industrielles. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Université Abderramane Mira-Bejaia | en_US |
dc.subject | Maintenance prédictive : Industrie 4.0 : Deep learning : Anomalies industrielles | en_US |
dc.title | La Maintenance prédictive des machines de l'industrie 4.0 | en_US |
dc.title.alternative | : utilisation du Deep Learning pour la detection des anomalies. | en_US |
dc.type | Thesis | en_US |
Appears in Collections: | Mémoires de Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
MohamedAlicia_PFE_final__Copy_ (7).pdf | 4.56 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.