Machine Learning est une branche de l’intelligence artificielle qui a pour but de donner la possibilité aux ordinateurs d’apprendre. Un ordinateur dans une salle de contrôle n’est pas intelligent, il ne fait qu’exécuter des tâches. On lui décrit sous forme de programmes quoi faire et comment le faire. Machine Learning traite cette problématique différemment. Au lieu de décrire quoi faire, le programme apprendra par lui-même comment conduire en observant le processus industriel. En fonction des données d’expérimentation que prendra l’algorithme d’apprentissage en entrée, il déduira par lui-même une hypothèse de fonctionnement. Il utilisera cette dernière pour de nouveaux cas, et affinera son expérience au fil du temps et ceci peut contribuer à la minimisationdes tâches des opérateurs en assurant un pilotage automatique du système de production. De plus, le développement actuel des technologies d’Internet exige l’intégration de ces systèmes pour des fonctions de supervision et de maintenance et de partage d’expérience utilisant le Cloud Computing, tout en garantissant la sécurité de la plateforme.

Dans cette thèse, nous nous sommes intéressés à un modèle de gestion des connaissances des entreprises industrielles. Certaines tâches manufacturières impliquent un niveau élevé de connaissance tacite des opérateurs qualifiés. L’industrie a besoin des méthodes fiables pour la capture et l’analyse de ces connaissances tacites afin qu’elles puissent être partagées et sans aucune perte. Nous proposons, un modèle de gestion contenant deux processus de gestion, le premier processus est la capitalisation des connaissances basée sur une tâche industrielle. Nous avons utilisé une combinaison de deux méthodologies : une méthodologie d’ingénierie de connaissances CommonKADS et une méthodologie d’élicitation des connaissances MACTAK. Dans la phase de modélisation, nous avons utilisé deux différentes techniques de modélisation, une modélisation basée sur les connaissances d’expert et la deuxième une représentation ontologique. Ce modèle facilite la capture des connaissances d’experts et transforme les connaissances tacites en explicites avec une maximisation des règles de production. Le deuxième processus concerne le partage des connaissances à base d’une ontologie des Tâches Manufacturières MATO en identifiant un ensemble des concepts de fabrication et leurs relations, cette ontologie proposée facilite le partage des connaissances entre les tâches de fabrication et aide à partager et à réutiliser les connaissances durant l’exécution des tâches. Ensuite, une application proposée pour le diagnostic de système d’alarme dans une centrale thermique a été présentée pour démontrer l’importance et l’apport de l’ontologie.

Au cours des dernières années, les entreprises sont émergées dans un environnement concurrentiel avancé. Afin de répondre aux exigences de réduction des coûts, la demande des clients, les délais imposés, la qualité et l'amélioration de la variété, les entreprises doivent améliorer leur performance pour rester compétitives, survivre et se développer. Pour atteindre cet objectif, plusieurs modèles sont utilisés comme TQM (Total Quality Management), Kaizen, JAT (Just A Time), ERP (Enterprise Resource Planning), BPR (Business Process Reengineering) et Six Sigma, etc. Dans ce travail, nous nous sommes focalisés sur des modèles efficaces (aspirés de l’approche Six Sigma,) utilisés principalement pour justifier la compétitivité d'une entreprise. On s’intéresse particulièrement aux modèles DMAIC (Définir, Mesurer, Analyser, Innover et Contrôler, le modèle DPMO pondéré (défauts par million d'Opportunité) et au modèle ROF (Rendement optimal des flux. Ces modèles sont appliqués pour mesurer les niveaux de processus et d'évaluer la compétitivité de l'entreprise. Les résultats de ces modèles sont appliqués dans deux systèmes industriels de fabrication du ciment et des bouteilles à gaz.

L’objectif de ce travail de thèse et de développer des nouvelles approches permettant aux petites et moyennes entreprises d’améliorer les performances de leur processus de fabrication. Nous avons développé trois approches aspirées du Lean Six Sigma (LSS) pour l’amélioration de la production dans un contexte conventionnel et classique d’une part et d’autre part dans un contexte de production durable. Dans la première approche nous avons proposé une approche Lean Six Sigma conventionnelle pour évaluer et suivre la compétitivité d’une PME en fonction des résultats obtenus par la méthode VSM. Dans la deuxième approche, nous avons proposé une nouvelle extension de l’approche LSS vers le contexte de la production durable en incorporant des algorithmes multicritères quantitatives. Cette approche nous a permis de surmonter quelques barrières au niveau du processus de l’application du LSS. Dans La troisième approche nous avons présenté une amélioration de l’approche LSS qui vise à montrer l’effet positif des algorithmes multicritères qualitatives flous pour surmonter certaines barrières du Lean Six Sigma liées aux phases d’analyse et d’amélioration de l’état actuel des processus de fabrication. Les approches proposées sont appliquées dans deux entreprise algériennes pour améliorer et contrôler la durabilité de leurs processus de fabrication.

Cette thèse propose de concevoir et réaliser un système de reconnaissance automatique de la parole destiné à commander à distance un système audiovisuel à savoir : un Téléviseur. Le système global "bout en bout" se scinde en deux blocs : le premier cherche à extraire les meilleures caractéristiques à partir du signal vocal d’entrée. A cet effet, plusieurs techniques d’extraction de caractéristiques vont être examinées et testées. Concernant le deuxième bloc, nous mettons en évidence une multitude de techniques relevant du domaine de l’apprentissage profond, dont l’impact est d’adapter et de d’affirmer les caractéristiques extraites pour donner en final la classe de l’énoncé. La validation des différentes méthodologies présentées dans cette thèse a été effectuée sur la base de deux jeux de données réelles, le premier est tenu compte pour une évaluation initiale, tandis que le second est con\c cu exclusivement pour le système ASR proposé dans cette thèse. Les résultats obtenus ont certifié l’efficience des approches proposées. Le défi pour les travaux futurs est d’évaluer ce type de système dans des conditions plus réalistes avec des signaux vocaux issus des milieux bruités.

De nos jours, la plupart des moteurs d’analyse de solutions anti-malware sont heuristiques. Ils classent les objets, les flux de données ainsi que les zones mémoires comme bénins ou malveillants en fonction de leur comportement. La plupart des fabricants d’antivirus reconnaissent que l’approche heuristique permet d’atteindre jusqu’à 90% d’efficacité en termes de taux de détection, mais consomme davantage de ressources systèmes : de tels moteurs anti-malware, disponibles en open-source, sont extrêmement inefficaces en termes d’utilisation de ressources système car ils font souvent appel à des algorithmes d’apprentissage automatique. Pour réduire cette charge système, il est fortement recommandé d’utiliser la détection par signature statique, qui permet de filtrer à elle seule la majorité des échantillons de programmes malveillants connus, en conjonction avec les technologies de détection heuristiques et celles basées sur le cloud. Dans ce travail, nous présentons un scanner de signatures rapide pour la détection de programmes malveillants, basé sur une version améliorée de l’algorithme Aho-Corasick pour la recherche de cha{\^ınes de caractères (ou motifs), con\c cue pour pouvoir bénéficier des techniques de vectorisation qui ajoutent une forme de parallélisme de données au code de l’algorithme. La solution proposée est implémentée en utilisant le jeu d’instructions d’Intel® Advanced Vector Extensions (AVX2).

Les systèmes industriels deviennent plus complexes en raison, notamment, de leur taille croissante et de l’intégration des nouvelles technologies. En vieillissant, ces systèmes deviennent plus vulnérables aux défaillances et leurs activités de maintenance sont difficiles et coûteuses. Cette situation, combinée aux exigences de productivité, de croissance des bénéfices, de disponibilité opérationnelle et de sécurité, pousse les praticiens et les chercheurs à développer des outils et des méthodes innovants. Les activités de maintenance constituent l’un des leviers possibles. En entretenant le système, nous pouvons réduire les coûts globaux de son cycle de vie, augmenter sa disponibilité, améliorer la sécurité des opérateurs et réduire les incidents environnementaux. Les tâches de maintenance peuvent être soit curatives, soit préventives. Cependant, cela n’est pas encore suffisant parce que les pièces de rechange ne sont pas disponibles ou pas suffisantes au moment de la panne ou simplement parce que les ressources nécessaires (les responsables de la maintenance) sont occupées. Une "meilleure" solution pourrait alors être une maintenance prédictive, qui peut être effectuée dans le framework du pronostic. Dans ce cadre nous essayons de prévoir l’état de santé du système, puis on planifie les actions appropriées en fonction des résultats des prévisions. Ce travail s’inscrit dans au domaine du pronostic de la PHM et de la gestion de la santé. Les techniques de PHM visent à prédire la durée de vie restante de l’équipement. Cependant, elles ont eu tendance à être utilisées dans un contexte local avec une intégration limitée des solutions distribuées. Dans les systèmes complexes, le comportement émergent est plus compliqué que la somme des comportements de leurs parties constitutives. Ce comportement implique la propagation de défauts entre les parties et nécessite des informations sur la fa\c con dont les parties sont liées. Dans cette thèse, nous proposons une approche multi-agent pour la prédiction de la RUL au niveau du système. Ensuite, l’approche proposée est étendue à la PHM médicale avec une étude de cas

Cette thèse traite de l’utilisation d’un outil de Machine Learning appelé "Extreme Learning Machine" dans le domaine du pronostic et de l’évaluation de la santé (e.g. estimation de la durée de vie utile restante (RUL)). Cet algorithme implique des méthodes de programmation linéaires qui reposent principalement sur les moindres carrés dans les paradigmes non linéaires des réseaux de neurones artificiels pour produire des estimateurs de santé très rapides et précis. D’autres parts, cette étude vise à distribuer le système de prédiction sur le web à l’aide de services Web pour résoudre les problèmes de répartition géographique de surveillance décentralisée. Sur la base de ce nouvel outil, de nombreux algorithmes d’apprentissage ont été développés dans le cadre de ce travail et comparés à d’autres algorithmes présents dans la littérature en termes de temps et de précision. La plupart des algorithmes développés sont inspirés des théories récentes de Deep Learning et ce en raison de leur bonne réputation. Les données étudiées dans ce travail de recherche sont tirées du logiciel C-MAPSS simulateur de système de propulsion aérodynamique développé par la NASA. Les résultats obtenus ont prouvé l’efficacité des nouveaux algorithmes et les recommandent pour une utilisation future dans le domaine de l’évaluation de la santé.

Dans ce travail de thèse, nous avons proposé un système de supervision appliqué sur un robot manipulateur à deux degrés de liberté. La supervision est utilisée pour assurer la reconfiguration en temps réel du robot. Dans ce système nous avons utilisé une nouvelle méthode de détection de défaut (FD) de frottement visqueux du robot supervisé combinée avec un module de commande tolérante aux défauts (FTC).Le premier module, basé sur une méthode de traitement appliquée sur des résidus, va permettre la détection de défaut pour bien estimer les corrections nécessaires du deuxième module. Une évaluation de l’effet de défaut durant la supervision a été faite. Par ailleurs, le protocole TCP pour le transfert des données entre le robot superviseur et le robot supervisé a été utilisé. Les résultats de simulation montrent que la méthode proposée corrige l’effet de défaut en utilisant les données qui arrivent d’un robot superviseur à distance. Ensuite, nous avons proposé une implémentation matérielle sur cible FPGA de l’algorithme de supervision dont le but est de valider notre contribution et d’assurer un traitement en temps réel dans le cas où il y a des robots réels. Par ailleurs, une étude comparative entre les performances des deux implémentations a été effectuée

Améliorer la performance d’un système de reconnaissance de formes fait l’objet de recherche dans de nombreuses disciplines. On obtient cette amélioration par l’optimisation dans les différents partis du système de reconnaissance de formes : les prétraitements, l’extraction des paramètres caractéristique (primitives), la classification. Les travaux de recherche présentés dans cette thèse abordent le problème de la reconnaissance des chiffres arabe imprimés et manuscrits. L’objectif principal de ce travail est l’amélioration de la performance en terme de taux de reconnaissance par l’application d’un système multi classificateur (MCS). Différents classifieurs sont utilisés (KPPV, PMC, SVM, LDA, Arbre de décision, Na{\"ıve Bayesien, Pseudo inverse), à l’aide de différents types de vecteurs de caractéristiques extraite de l’image. Enfin, comme les performances de MCS dépendent des performances des classifieurs appliquée (les performances individuelles des classifieurs), et comme la performance d’un classifieur dépend ainsi des caractéristiques utilisé l’optimisation de l’extractions des primitives pertinentes est également abordée dans la thèse. Nous avons réalisé plusieurs simulations pour éprouver les classifications, en introduisant des améliorations dans les paramètres caractéristiques et en faisant des combinaisons de classifieurs. Dans une première partie, nous montrons l’intérêt de l’utilisation des paramètres caractéristique pertinente, à l’aide des classifieur individuelle (séparé, indépendants) comme source d’inspiration pour la conception de nouveaux paramètres. Nous proposons en particulier une amélioration de primitives pour la caractérisation des chiffres. On montre qu’il est possible de développer une solution efficace, à moindre coût en terme de réduction de vecteur caractéristique et transformation géométrique. Donc, Le système développé s’articule autour de quatre modules distincts. Un module de prétraitements, un d’extraction des paramètres caractéristique, un module de reconnaissance (classification) et un module de combinaison de classifieurs. Ce dernier est chargé de fusionner les sorties (décisions) de chaque classifieur basant sur des méthodes (règles) de fusion. Les résultats obtenus sur les bases des chiffres imprimés et la base MNIST des chiffres manuscrits sont prometteurs. Cette thèse apporte quelques contributions pour faire avancer notre compréhension dans ce domaine de recherche en pleine expansion

L’objectif principal de notre thèse est de proposer des approches hybride basées sur les SMA d’un côté, et l’exploitation de méthodes d’émergences tels que les Algorithmes Génétiques (AG) et les algorithmes du Système Immunitaire Artificiel (SIA), pour mieux intégrer des politiques de maintenance préventive systématique dans les ateliers d’ordonnancement. L’objectif est de minimiser les temps d’exécutions pendant le déroulement de l’ordonnancement. Nous avons utilisé des opérateurs avancés tels que ; la clé aléatoire pour le codage, la sélection de classement, le croisement uniforme et la mutation ponctuelle unique. Par ailleurs, nous avons défini une nouvelle procédure de calcul d'affinité dans le cadre de l’approche FSHMAIA. Cette procédure est basée sur le calcul d’un rapport de similarité des anticorps. Pour cela, nous avons proposé un algorithme basé sur quatre critère pour calculer le rapport se similarité. Nous avons également évalué les adaptations de certaines heuristiques bien connues, y compris Johnson (m / 2, m / 2), NEHH, PCDT et PLDT, Un benchmark a été établi pour évaluer les algorithmes. Le benchmark contenu jusqu'à 100 jobs et 8 étages. Tous les résultats ont montré que le FSHMAIA donne les meilleurs résultats par rapport aux autres algorithmes, dans les trois politiques de la MP. L’originalité de cette thèse réside dans l’utilisation des SMA avec les AG et les SIA dans l’intégration des politiques de maintenance préventive systématique dans un ordonnancement de type flow shop hybride.

Dans cette thèse, nous nous sommes intéressés à un modèle de gestion des connaissances des entreprises industrielles. Certaines tâches manufacturières impliquent un niveau élevé de connaissance tacite des opérateurs qualifiés. L'industrie a besoin des méthodes fiables pour la capture et l'analyse de ces connaissances tacites afin qu'elles puissent être partagées et sans aucune perte. Nous proposons, un modèle de gestion contenant deux processus de gestion, le premier processus est la capitalisation des connaissances basée sur une tâche industrielle. Nous avons utilisé une combinaison de deux méthodologies : une méthodologie d’ingénierie de connaissances CommonKADS et une méthodologie d’élicitation des connaissances MACTAK. Dans la phase de modélisation, nous avons utilisé deux différentes techniques de modélisation, une modélisation basée sur les connaissances d’expert et la deuxième une représentation ontologique. Ce modèle facilite la capture des connaissances d’experts et transforme les connaissances tacites en explicites avec une maximisation des règles de production. Le deuxième processus concerne le partage des connaissances à base d’une ontologie des Tâches Manufacturières MATO en identifiant un ensemble des concepts de fabrication et leurs relations, cette ontologie proposée facilite le partage des connaissances entre les tâches de fabrication et aide à partager et à réutiliser les connaissances durant l'exécution des tâches. Ensuite, une application proposée pour le diagnostic de système d’alarme dans une centrale thermique a été présentée pour démontrer l’importance et l’apport de l’ontologie.

Le Groupe Sonatrach est le géant algérien de l’industrie pétro-gazière. Sa force réside dans sa capacité à être un Groupe intégré dans l’ensemble de la chaîne de valeurs (depuis l’exploration en passant par la production jusqu’à la commercialisation). Ses installations onshore, qui sont considérées comme des systèmes sociotechniques complexes, souffrent des problèmes de vieillissement matérialisés par la dégradation des performances de ces installations. Cette thèse de doctorat a pour objet d’étudier ce problème de vieillissement dans le but de le maîtriser. S’intégrant dans ce contexte et après avoir rappelé le phénomène du vieillissement ainsi que les approches qui le gouverne, une proposition d’une approche de maîrise du vieillissement à base d’indicateurs est proposée dans un premier temps et dans un second temps une étude critique du référentiel "Gestion des Modifications" du Groupe Sonatrach est également présentée.

Ephedra altissima Desf. est une plante médicinale de la famille des Ephedraceae, largement utilisée en médecine traditionnelle pour le traitement des maladies respiratoires et le diabète. L’objectif de la présente étude est l’évaluation des activités biologiques in vitro et la caractérisation phytochimique des extraits (éther de pétrole, acétate d’éthyle et n-butanol) obtenus à partir de la plante Ephedra altissima. Des dosages colorimétriques ont été effectués pour révéler la présence de différentes classes de métabolites secondaires. La détermination des teneurs en polyphénols, flavonoïdes et tanins condensés a été réalisée par des dosages spectrophotométriques. L’activité antioxydante a été évaluée par huit méthodes différentes, l’activité anti-artéritiques a été réalisée par la méthode d’inhibition de la dénaturation du sérum d’albumine bovin, les activités inhibitrices de l’α-amylase et de la lipase pancréatique in vitro ont été estimées par des méthodes colorimétriques en utilisant de l'amidon et du p-nitrophényl butyrate en tant que substrats. Les conditions physiologiques de la digestion humaine ont été simulées par le modèle de la digestion gastro-intestinale (DGI) in vitro. L’activité antibactérienne a été déterminée par la méthode de diffusion sur disques en milieu gélosé contre sept souches bacteriennes. L’analyse et la quantification des composés phénoliques ont été effectuées par LC-DAD-ESI/MS. L’investigation phytochimique de l’extrait n-butanolique a été réalisée par l’utilisation en alternance de diverses méthodes chromatographiques (VLC, CC, CCE et CCM). Les structures des deux composés isolés A et B ont été identifiées par analyse spectroscopique ESI-MS, l’UV et la RMN dans ses multiples techniques, RMN 1H, RMN 13C, et RMN 2D (COSY, HSQC, HMBC et TOCSY). A l’issue de ces travaux, nous retiendrons la richesse de cette plante en métabolites secondaires. En effet, l’extrait AcOEt présente la teneur la plus élevée en polyphénols (125,62 μg EAG mg-1), et le n-BuOH possède la teneur la plus élevée en flavonoïdes (19,18 μg EQ mg-1). Tous les extraits ont des activités antioxydantes dans divers systèmes et l'extrait aqueux a montré une bonne activité antioxydante par la méthode potentiométrique. L’extrait AcOEt exhibe la plus forte activité anti-artéritique, activités inhibitrices de de l’α-amylase et de la lipase pancréatique avec des valeurs de CI50 (126,4 ± 2,36, 8,07 ± 0,15 et 289,1 ± 0,53 μg/ml) respectivement. Tous les extraits testés exercent une activité antibactérienne dose dépendante contre au moins trois souches avec des CMI allant de (3,12 à 50 μg/ml). L’analyse par LC-DAD-ESI/MS a permis de détecter la présence de dix-neuf composés différents, huit sont des acides phénoliques simples et des dérivés d'acide phénolique, et onze sont des flavonoïdes liés à des groupes glycosyles. L’investigation phytochimique réalisée sur l’extrait n-batanolique conduit à l’isolement et identification structurale de deux flavonoides glycosylés nommés : Isorhamnétine 3-O- α-L-rhamnopyranosyl (1’’’-6’’)- β-D-galactopyranoside et Kaempférol 3-O- α-L-rhamnopyranosyl (1’’’-6’’)- β-D-glucopyranoside.