Création d’un modèle d’IA pour détecter les anomalies dans la composition des fluides de forage en analysant les données en temps réel / Dounia Kamel (2025)

Public ISBD Titre : Création d’un modèle d’IA pour détecter les anomalies dans la composition des fluides de forage en analysant les données en temps réel Type de document : document électronique Auteurs : Dounia Kamel, Auteur ; Oussama Arki, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2025 Importance : 1 fichier PDF (6.7 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Génie Industriel.Date Science et intelligence artificiel : Alger, École Nationale Polytechnique : 2025 Bibliogr. p. 85 .- Annexe p. 86 - 98 Langues : Français (fre) Mots-clés : Intelligence Artificielle (IA) Détection d’anomalies Fluides de forage Random Forest Apprentissage automatique Analyse en temps réel Streamlit ADFC Contrôle qualité Index. décimale : PI00425 Résumé : Ce mémoire présente une étude approfondie sur l’intégration de l’intelligence artificielle dans le domaine du forage pétrolier, plus précisément dans le contrôle qualité des fluides de forage au sein de l’ADFC, filiale de Sonatrach. Les fluides de forage, essentiels à la stabilité des puits et à la sécurité des opérations, sont traditionnellement surveillés à l’aide de méthodes manuelles et de tests en laboratoire, souvent limités par le manque d’automatisation et la réactivité tardive. Dans ce contexte, nous avons conçu et mis en œuvre une solution basée sur un modèle de Machine Learning, utilisant l’algorithme Random Forest, afin de détecter automatiquement les anomalies dans les propriétés des fluides à partir de données multi-sources (capteurs en temps réel, historiques, et analyses en laboratoire). L’approche est complétée par une application interactive développée sous Streamlit, permettant aux ingénieurs de charger des fichiers, visualiser les résultats et générer automatiquement des rapports d’anomalies. Les résultats obtenus démontrent une amélioration significative en matière de réactivité, de fiabilité des prédictions et de support à la décision technique. Cette solution constitue une avancée concrète vers la digitalisation du secteur pétrolier et ouvre la voie à une surveillance intelligente et autonome des opérations de forage. Création d’un modèle d’IA pour détecter les anomalies dans la composition des fluides de forage en analysant les données en temps réel [document électronique] / Dounia Kamel, Auteur ; Oussama Arki, Directeur de thèse . - [S.l.] : [s.n.], 2025 . - 1 fichier PDF (6.7 Mo) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Génie Industriel.Date Science et intelligence artificiel : Alger, École Nationale Polytechnique : 2025 Bibliogr. p. 85 .- Annexe p. 86 - 98 Langues : Français (fre) Mots-clés : Intelligence Artificielle (IA) Détection d’anomalies Fluides de forage Random Forest Apprentissage automatique Analyse en temps réel Streamlit ADFC Contrôle qualité Index. décimale : PI00425 Résumé : Ce mémoire présente une étude approfondie sur l’intégration de l’intelligence artificielle dans le domaine du forage pétrolier, plus précisément dans le contrôle qualité des fluides de forage au sein de l’ADFC, filiale de Sonatrach. Les fluides de forage, essentiels à la stabilité des puits et à la sécurité des opérations, sont traditionnellement surveillés à l’aide de méthodes manuelles et de tests en laboratoire, souvent limités par le manque d’automatisation et la réactivité tardive. Dans ce contexte, nous avons conçu et mis en œuvre une solution basée sur un modèle de Machine Learning, utilisant l’algorithme Random Forest, afin de détecter automatiquement les anomalies dans les propriétés des fluides à partir de données multi-sources (capteurs en temps réel, historiques, et analyses en laboratoire). L’approche est complétée par une application interactive développée sous Streamlit, permettant aux ingénieurs de charger des fichiers, visualiser les résultats et générer automatiquement des rapports d’anomalies. Les résultats obtenus démontrent une amélioration significative en matière de réactivité, de fiabilité des prédictions et de support à la décision technique. Cette solution constitue une avancée concrète vers la digitalisation du secteur pétrolier et ouvre la voie à une surveillance intelligente et autonome des opérations de forage.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00973	PI00425	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable