LARATSI

1. Bedoui, H., Kheder A.,& Ben Othman,K. (2015). Détection and isolation for anuncertain Takagi-Sugeno fuzzy system using the interval approach, in Handbook of Reasearch on Advanced Intelligent Control Engineering and Automation, ed: IGI Global, DOI: 10.4018 / 978-1-4666-7248-2.

2. Khalfa, S., Rokbani, N., Telmoudi, A.J., Zoubida, A.M., & Nabli, L. (2017). PSO for job-shop scheduling with multiple operating sequences problem – JS. Advances in Intelligent Systems and Computing, 552, pp. 558-566.

3. Liouane, Z., Lemlouma, T., Roose, P., Weis, F., & Messaoud, H. (2017). An improved elman neural network for daily living activites recognition. Advances in Intelligent System and Computing, Vol 557, pp. 697-707.
4. Liouane, Z., Lemlouma, T., Roose, P., Weis, F., & Messaoud, H. (2017). A genetic neural network approach for unusual behavior prediction in smart home. Advances in Intelligent Systems and Computing, 557, pp. 738-748.
5. Benamor, A., & Messaoud, H. (2019). Robust adaptive control for system with unknown time varying delay, LAP LAMBERT Academic Publishing.
6. Mbarek, A., Garna, T., & Bouzrara, K. (2020). System modeling based on ARX-Laguerre bases: system modeling based on laguerre bases with filters on model input and output, LAP LAMBERT Academic Publishing.
7. Fezai R.,Taouali O., Mansouri M.., Harkat M.F. & Bouguila N. (2020). Sensor Fault Detection and Isolation Based on Variable Moving Window KPCA. Studies in Systems, Decision and Control. 269, pp. 31–54
8. Bouaafia, S., Khemiri, R., Sayadi, F. E., Atri, M., & Liouane, N. (2020). A deep cnn-lstm framework for fast video coding. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial). 12119 LNCS, pp. 205–212.
9. Fezai R., Mansouri M., Nounou H., Nounou M. & Messaoud, H. (2021). Fault Diagnosis for Nonlinear Biological Processes Based on Machine Learning Models. Smart Sensors, Measurement and Instrumentation, 39, pp. 77-91.
10. Neffati S.., Taouali O., & Bouzrara, K. (2021). Biomedical Computer Aided Design Systems: Application to Alzheimer Disease. Smart Sensors, Measurement and Instrumentation, 40, pp. 285–303.
11. Mbarek, A., Garna, T., & Bouzrara, K. (2021). Model Predictive control of multi-input multi-output systems: model Predictive control of multi-input multi-output systems using reduced complexity ARX-Laguerre MIMO model, LAP LAMBERT Academic Publishing.
12. Jablaoui, A., Kmimech, H., Sliman, L., & Nabli, L. (2021). A Rank based aco approach for optimal resource allocation and scheduling in fms modeled with labelled petri net. Frontiers in Artificial Intelligence and Applications, 2021, 337, pp. 688–699. 
13. Marouani, G., Dinh, T.N., Wang, Z., Raïssi, T., Messaoud, H. (2022). Interval Observers Design for Discrete-Time Linear Switched Systems. Studies in Systems, Decision and Control, 2022, 414, pp. 245–268.
14. Mbarek, A. (2022). Modélisation et commande prédictive des systèmes complexes. Identification and control with optimal representation using orthogonal. ISBN: 978-620-3-43458-3.
15. Ghrab, S., Ahmed Ali, S., Langlois, N., Messaoud, H. (2022). Robust Observer-Based Discrete-Time Sliding Mode Control for Systems with Time-Varying Delay, Hölder Nonlinearities, and Unmatched UBB Uncertainties. 15th European Workshop on Advanced Control and Diagnosis (ACD 2019), 829-849.
16. Ben Afia, N., & Messaoud, H. (2023). Closed Loop Control Approaches for Conflicted Timed Event Graphs Subject to Constraints with Dioid Algebra. Model Predictive Control.
17. Miri, D., Khedher, A., Belkhiria, K., & Guerfel. (2023). Artificial Neural Network Design for Non Linear Takagi–Sugeno Systems: Application to Tracking of Trajectory, State and Fault Estimation of MIABOT Robot. State Estimation and Stabilization of Nonlinear Systems (pp.291-317).                                                                                                                                                                                                                                                                                                

Le MasTech est réalisé en collaboration avec l’Ecole Nationale d’Ingénieurs de Monastir (ENIM) mis en place dans le cadre d’un projet TEMPUS.

Les objectifs de ce master sont de développer un nouveau cursus modulaire et de mettre en place un programme d'excellence innovant en technologie, tout en s'adaptant aux conditions particulières de chaque pays partenaires. On cherche aussi à renforcer la transparence et la comparabilité des systèmes éducatifs et par conséquent, faciliter la reconnaissance des études à l'étranger.
Ce master vise aussi à concentrer la formation dans les domaines technologiques spécifiques aux industries des pays partenaires, facilitant ainsi l'accès au marché du travail des diplômés.

Les débouchés touchent les postes de responsabilité et de management dans les secteurs de la (i) fonderie, (ii) usinage, (iii) soudage, (iv) plasturgie, (v) robotique et (vii) prototypage.

     Adossée au département de Mécanique Avancée, la filière Mécanique et Productique dispense une formation polyvalente axée autour de la fabrication, matériaux, mécanique, conception, gestion, etc.

Elle permet de former des Ingénieurs R&D, ingénieurs en conception, chefs de projet, ingénieurs méthodes et industrialisation, ingénieurs qualité, ingénieurs de production, ingénieurs conseil, consultants, etc.

Les secteurs d’activités sont les métiers de l’industrie automobile, aéronautique, spatial, transport, électroménager ; notamment les techniques, méthodes, processus et gestion de production. La formation est dispensée sous forme de cours magistraux, travaux dirigés (TD) et travaux pratiques (TP), projets module et sanctionnés par un PFE au dernier semestre. Les TP sont assurés moyennant des outils de commande numérique, simulation, Dessin, Conception et Fabrication Assistés par Ordinateur : DAO, CAO, CFAO appliqués au fraisage, tournage, usinage, fabrication, etc.

Régime  d'Etudes 2023-2024.

Régime  d'Etudes 2022-2023.