Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/622
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBOUMAGOUDA, WAil-
dc.contributor.authorNEDJAH, MOhammed NAzih-
dc.date.accessioned2024-09-23T09:03:01Z-
dc.date.available2024-09-23T09:03:01Z-
dc.date.issued2024-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/622-
dc.descriptionSupervisor : Mr. Khaldi Belkacem Co-Supervisor : Mr. Nafaai Mohammeden_US
dc.description.abstractPredictive maintenance (PdM) has emerged as a pivotal strategy in the oil and gas industry, aiming to enhance operational efficiency and minimize unplanned downtime. This thesis investigates the implementation of PdM using Machine Learning techniques at the Hassi Messaoud oil wells. By analyzing current maintenance practices, collecting relevant data, and developing predictive models, this study evaluates the effectiveness of PdM in predicting equipment failures and optimizing maintenance schedules. The findings demonstrate significant improvements in cost savings, operational efficiency, and reliability compared to traditional maintenance methods. Practical recommendations for the implementation of PdM in the oil industry are also provided. *** La maintenance prédictive (PdM) est devenue une stratégie essentielle dans l’industrie pétrolière et gazière, visant à améliorer l’efficacité opérationnelle et à minimiser les temps d’arrêt imprévus. Cette thèse examine la mise en oeuvre les techniques d’Apprentissage Automatique de PdM dans les puits de pétrole de Hassi Messaoud. En analysant les pratiques de maintenance actuelles, en collectant des données pertinentes et en développant des modèles prédictifs, cette étude évalue l’efficacité de la PdM dans la prédiction des défaillances des équipements et l’optimisation des calendriers de maintenance. Les résultats montrent des améliorations significatives en termes d’économies de coûts, d’efficacité opérationnelle et de fiabilité par rapport aux méthodes de maintenance traditionnelles. Des recommandations pratiques pour la mise en oeuvre de la PdM dans l’industrie pétrolière sont également fournies.en_US
dc.language.isoenen_US
dc.subjectPdMen_US
dc.subjectMachine Learningen_US
dc.subjectOil And Gasen_US
dc.titlePredictive Maintenance in oil & gas Industryen_US
dc.typeThesisen_US
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
Boumagouda_Nedjah_Master-1-1.pdf69,42 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.