ESSAT Institutional Repository
Higher School of Applied Sciences of Tlemcen (ESSAT)
Welcome to ESSAT DSpace
Welcome to the Institutional Repository of the Higher School of Applied Sciences of Tlemcen (ESSAT).
This platform showcases, preserves, and provides open access to our academic and scientific output, including:
- Doctoral dissertations
- Master’s theses
- Course handouts and lecture notes
- Conference proceedings
- Scientific publications and research papers
We invite you to explore our collections and visit regularly, as the repository is continuously updated with new content.
Communities in DSpace
Select a community to browse its collections.
- Mémoires soutenues à l'ESSA Tlemcen
- Memoires ESSA 2020
- Automatique
Recent Submissions
Item type:Item, Vers une Maintenance Prédictive Intelligente : Intégration de l'IA dans la Gestion Des Équipements de Production — Cas de Cartonnerie El-Amine(directeur M.Fouad Maliki, co-directur M. Ali Hamzaoui, 2026-06-20)Lazzouni Norhene GhizleneCe mémoire, réalisé chez Cartonneries El-Amine de Tlemcen, propose l’intégration de modèles d’Intelligence Artificielle au sein de l’application StockPro pour transformer une maintenance corrective classique en stratégie prédictive. Après un diagnostic du système existant et une analyse AMDEC, Ishikawa et Pareto sur les équipements critiques, trois modèles ont été déployés : XGBoost pour identifier la machine la plus à risque, MLP pour valider le diagnostic, et LSTM pour prédire la date de la prochaine panne. Les résultats obtenus confirment la viabilité de cette approche hybride pour améliorer la disponibilité des équipements et réduire les arrêts imprévus.Item type:Item, Planification tactique de l’approvisionnement en hydrocarbure dans un réseau de pipeline hiérarchique : Multi niveau, Multi hub, Multi produit(directeur Mohammed BENNEKROUF, co-directeur Djamel BENNACER, 2026-06-20)Inssaf BETAOUAFCe mémoire de master traite de l’optimisation de la planification des opérations de pompage dans un réseau pipeline multiproduit multi-hubs, inspiré du réseau de distribution d’hydrocarbures exploité par NAFTAL dans le nord-ouest algérien. Un modèle de Programmation Linéaire en Nombres Entiers Mixtes (MILP) générique est développé pour un réseau structuré en trois niveaux hiérarchiques : un hub principal (Arzew), un hub secondaire (Sidi Bel Abbès), et trois hubs terminaux (Oran, Remchi et Naâma). Le hub de Naâma constitue une proposition d’extension originale destinée à améliorer la couverture des wilayas du sud. Le modèle optimise simultanément le taux de remplissage des cuves de stockage, la pénalité de contamination aux interfaces entre produits successifs, et le taux de service aux zones de commande, sur un horizon de planification de dix jours découpé en 120 périodes de 2 heures. Les contraintes non linéaires liées à la détection de contamination et à la récupération du contaminat sont linéarisées par la technique du Big-M. Le modèle est résolu par le solveur CPLEX et les résultats sont visualisés à l’aide de tableaux de bord Power BI. Trois scénarios de demande (faible, moyenne, forte) sont testés. Dans les trois cas, un taux de service de 100 % est atteint sur l’ensemble des hubs, validant la robustesse et la généricité du modèle proposé.Item type:Item, Deterministic and Stochastic Modelling of a Multi-Type Human–Robot Collaborative Disassembly Line for End-of-Life Electric Vehicle Batteries(directeur Mr. MALIKI Fouad, co-directeur Mr. ARBAOUI Taha, 2026-06-21)TRARI MEDJAOUI SaraThis thesis addresses the organization of a multi-product human–robot collaborative disassembly line for end-of-life electric vehicle batteries. The objective is to support circular economy strategies by improving the planning of battery disassembly operations, which are essential for reuse, remanufacturing, repurposing and recycling. The studied problem considers several battery types, each with its own tasks, precedence relations, operation times and execution constraints. A deterministic mixed-integer linear programming model is first proposed to determine station opening, task assignment, execution mode selection and resource allocation. Then, a stochastic scenario-based extension is developed to account for the uncertainty of human operation times. The models are tested on instances involving one, two and three battery types. The results show that the deterministic model provides a structured baseline solution, while the stochastic model gives additional information about station-load variability and recourse under uncertainty. The computational study also highlights the limits of exact MILP models for larger instances involving four and five battery types.Item type:Item, Évaluation du potentiel des grands modèles de langage (LLM) pour résoudre des problèmes d’optimisation combinatoire(directeur Fouad Maliki, co-directeur Nadjib Brahimi, 2026-06-18)Rym TALEBCe mémoire s’intéresse à l’évaluation des grands modèles de langage, ou Large Language Models (LLM), dans le contexte de l’optimisation combinatoire appliquée à la logistique et à la gestion de production. L’objectif principal est d’analyser dans quelle mesure des LLM grand public peuvent être utilisés comme outils d’aide à la résolution de problèmes d’optimisation, en particulier lorsqu’ils sont sollicités par un utilisateur non expert. L’étude porte sur trois problèmes classiques : le Uncapacitated P-Median Problem (UPMP), le Set Covering Problem (SCP) et le Uncapacitated Lot Sizing Problem (ULS). Ces problèmes ont été choisis pour leur importance en recherche opérationnelle, leur lien direct avec des décisions industrielles et logistiques, ainsi que pour la disponibilité d’instances de benchmark et de solutions de référence. Cinq LLM ont été évalués : ChatGPT 5.3, Gemini 3, DeepSeek, Grok 4 et Claude Sonnet 4.6. Le travail commence par une présentation des notions liées à l’intelligence artificielle, à l’IA générative et aux LLM, puis introduit les principes du prompt engineering. Un framework de conception de prompts est ensuite proposé afin de structurer les demandes soumises aux modèles. Ce framework repose notamment sur la formulation en anglais, la spécification d’un rôle d’expert, l’interdiction de reproduire des solutions optimales connues, la décomposition des tâches, la demande d’un format de sortie précis et la mesure du temps de réponse. La première phase expérimentale évalue les LLM comme solveurs autonomes. Les modèles reçoivent la description du problème et les données associées, sans solveur externe ni méthode de résolution imposée. Les réponses produites sont ensuite vérifiées à l’aide de scripts Python et analysées dans Excel. Plusieurs indicateurs sont utilisés, notamment Solution Quality, Optimality First Iteration, Capability, Feasibility, Reliability, Stability, Improve Learning, Query Efficiency, Response Time et GAP. Les résultats montrent que les LLM peuvent produire des réponses structurées et parfois des solutions de bonne qualité, mais que leurs performances varient fortement selon le modèle, le problème et la taille des instances. Claude Sonnet 4.6 se distingue globalement par sa qualité de solution, sa faisabilité et sa fiabilité, notamment sur le p-median et le ULS. Grok 4 obtient de très bons résultats sur le SCP et présente une bonne capacité d’amélioration dans certains cas. ChatGPT 5.3 est souvent le plus rapide, mais ses solutions nécessitent une vérification attentive. Gemini 3 et DeepSeek montrent des performances plus irrégulières, en particulier en matière de faisabilité et de fiabilité. Cette étude met en évidence une limite importante des LLM utilisés comme solveurs autonomes : une réponse bien formulée ne garantit pas une solution correcte. Les modèles peuvent commettre des erreurs de calcul, produire des solutions infaisables ou annoncer à tort une solution optimale. Ainsi, les LLM ne peuvent pas remplacer les méthodes classiques d’optimisation ni les solveurs spécialisés. En revanche, ils peuvent constituer des assistants utiles pour formuler un problème, proposer une première solution, expliquer une démarche ou accompagner un utilisateur dans un processus de résolution, à condition que leurs résultats soient systématiquement vérifiés.Item type:Item, Développement d'une plateforme d'analyse et de détection pour le diagnostic avancé des véhicules(directeur Dr MESSIRDI Mohammed, co-directeur Dr OUDJAMA Farid, 2026-06-20)