Solar radiation forecasting is an important technology that is necessary to increase the performance, management, and control of modern electrical grids. It allows energy regulators to estimate the near-future output power of solar power plants, and can help to reduce the effects of power fluctuations on the electricity grid, thus increasing the overall efficiency and power quality of those plants [1]. However, the variable nature of solar irradiance poses a challenge in the exploitation of solar energy. In this context, forecasting techniques are now essential to ensure sustainable, reliable, and cost-effective solar energy production [2]. This paper proposes a hybrid machine learning model to forecast Global Horizontal Irradiance (GHI) in the short term (1-hour ahead). The experimental assessment of the model is done on the basis of an experimental dataset of 11 years of hourly GHI measurements from the BSRN Tamanrasset station in Algeria. The general framework of the proposed model is explained in Figure 1, and its main steps are summarized as follows:

Deep learning techniques have recently brought many improvements in the field of neural network training, especially for prognosis and health management. The success of such an intelligent health assessment model depends not only on the availability of labeled historical data but also on the careful samples selection. However, in real operating systems such as induction machines, which generally have a long reliable life, storing the entire operation history, including deterioration (i.e., bearings), will be very expensive and difficult to feed accurately into the training model. Other alternatives sequentially store samples that hold degradation patterns similar to real ones in damage behavior by imposing an accelerated deterioration. Labels lack and differences in distributions caused by the imposed deterioration will ultimately discriminate the training model and limit its knowledge capacity. In an attempt to overcome these drawbacks, a novel sequence-by-sequence deep learning algorithm able to expand the generalization capacity by transferring obtained knowledge from life cycles of similar systems is proposed. The new algorithm aims to determine health status by involving long short-term memory neural network as a primary component of adaptive learning to extract both health stage and health index inferences. Experimental validation performed using the PRONOSTIA induction machine bearing degradation datasets clearly proves the capacity and higher performance of the proposed deep learning knowledge transfer-based prognosis approach.

One of the main data-driven challenges when assessing bearing health is that training and test samples must be drawn from the same probability distribution. Indeed, it is difficult and almost rare to witness such a phenomenon in practical applications due to the constantly changing working conditions of rotating machines. In addition, collecting sufficient deterioration samples from the bearing life cycle is not possible due to the huge memory requirements and processing costs. As a result, accelerated life tests are believed to be the primary alternatives to such a situation. However, and unfortunately, the recorded samples always are subject to lack of real patterns. Therefore, in this paper, a transfer learning approach is performed to solve such kind of problem where PRONOSTICO dataset is used to assess the current procedures.

Complex engineering manufacturing systems require efficient online fault diagnosis methodologies to improve safety and reduce maintenance costs. Traditionally, diagnosis and prognosis approaches are centralised, but these solutions are difficult to implement on distributed systems; whereas a distributed approach of multiple diagnosis and prognosis agents can offer a solution. Also, controlling process plant from a remote location has several benefits including the ability to track and to assist in solving a problem that might arise. This paper presents a distributed and over prognosis and diagnosis approach for physical systems basing on multi agent system and service-oriented architecture. Specifics prognostic and diagnostic procedures and key modules of the architecture for web service-based distributed fault prognostic and diagnosis framework are detailed and developed for the preheater cement cyclones in the workshop of SCIMAT clinker. The experimental case study, reported in the present paper, shows encouraging results and fosters industrial technology transfer.

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

Digital twins have transformed the industrial world by changing the development phase of a product or the use of equipment. With the digital twin, the object’s evolution data allows us to anticipate and optimize its performance. Healthcare is in the midst of a digital transition towards personalized, predictive, preventive, and participatory medicine. The digital twin is one of the key tools of this change. In this work, DT is proposed for the diagnosis of breast cancer based on breast skin temperature. Research has focused on thermography as a non-invasive scanning solution for breast cancer diagnosis. However, body temperature is influenced by many factors, such as breast anatomy, physiological functions, blood pressure, etc. The proposed DT updates the bio-heat model’s temperature using the data collected by temperature sensors and complementary data from smart devices. Consequently, the proposed DT is personalized using the collected data to reflect the person’s behavior with whom it is connected.

Digital twins have transformed the industrial world by changing the development phase of a product or the use of equipment. With the digital twin, the object’s evolution data allows us to anticipate and optimize its performance. Healthcare is in the midst of a digital transition towards personalized, predictive, preventive, and participatory medicine. The digital twin is one of the key tools of this change. In this work, DT is proposed for the diagnosis of breast cancer based on breast skin temperature. Research has focused on thermography as a non-invasive scanning solution for breast cancer diagnosis. However, body temperature is influenced by many factors, such as breast anatomy, physiological functions, blood pressure, etc. The proposed DT updates the bio-heat model’s temperature using the data collected by temperature sensors and complementary data from smart devices. Consequently, the proposed DT is personalized using the collected data to reflect the person’s behavior with whom it is connected.

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.

La quatrième révolution industrielle (nommée aussi l’Internet Industriel des Objets) dépend totalement sur la numérisation à travers l’Internet des objets et les réseaux virtuels. Cette révolution qui évolue à un rythme exponentiel, et non plus linéaire, va permettre la création d’usines, d’industries et de processus plus intelligents qui vont ensuite se traduire par une amélioration de la flexibilité, de la productivité et une meilleure utilisation des ressources matérielles et humaines. Cet article est consacré à introduire cette nouvelle révolution industrielle (industrie4.0), les technologies majeurs participant à son apparition, leur bénéfices attendus ainsi que leurs enjeux à prendre en considération.

The infill walls are usually considered as nonstructural elements and, thus, are not taken into account in analytical models. However, numerous researches have shown that they can significantly affect the seismic response of the structures. The aim of the present study is to examine the role of masonry infill on the damage response of steel frame without and with various types of openings systems subjected to nonlinear static analysis and nonlinear time history analysis. For the purposes of the above investigation, a comprehensive assessment is conducted using twelve typical types of steel frame without masonry, with full masonry and with different heights and widths of openings. The results revealed that the influence of the successive earthquake phenomenon on the structural damage is larger for the infill buildings compared to the bare structures. Furthermore, when buildings with masonry infill are analyzed for seismic sequences, it is of great importance to account for the orientation of the seismic motion. The nonlinear static response indicated that the opening area has an influence on the maximal strength, the ductility and the initial rigidity of these frames. But the shape of the opening will not influence the global behavior. Then, the nonlinear time history analysis indicates that the global displacement is greatly decreased and even the behavior of the curve is affected by the earthquake intensity when opening is considered.

Owing to the comeback of small-scale models, this paper presents results of an experimental study based on the effect of underground circular voids on strip footing placed on the edge of a cohesionless slope and subjected to eccentric loads. The bearing capacity-settlement relationship of footing on the slope and impact of diverse variables are expressed using dimensionless parameters such as the top vertical distance of the void from the base of footing, horizontal space linking the void-footing centre, and load eccentricity. The results verified that the stability of strip footing is influenced by the underground void, as well as the critical depth between the soil and top layer of the void. The critical horizontal distance between the void and the centre was also affected by the underground void. Furthermore, the results also verified that the influence of the void appeared insignificant when it was positioned at a depth or eccentricity equal to twice the width of footing.

This work is divided into two parts. In the first part, we are mainly interested in the detailed description and the geological, hydrogeological, climatological and geotechnical characterization of the Boumagueur study region. The second part shows the results of an experimental study carried out in the laboratory to determine the swelling parameters of a swelling clayey soil from Boumagueur region. Subsequently, a study of the suction influence on volume behavior and on swelling parameters was carried out.