Utilisation des méta-modèles pour l'analyse fiabiliste des structures sollicitées en fatigue
|
|
- Gilles Lecours
- il y a 5 ans
- Total affichages :
Transcription
1 SIGMA Clermont Institut Pascal : fatigue des structures et des matériaux Utilisation des méta-modèles pour l'analyse fiabiliste des structures sollicitées en fatigue, MCF HDR, nicolas.gayton@sigma-clermont.fr Responsable du GST Mécanique et Incertain de l AFM 1/35
2 Plan de la présentation Considérations générales du dimensionnement des structures en fatigue Point de vue probabiliste du dimensionnement des structures en fatigue Les méthodes AK «Active learning and Kriging-based methods» Applications Conclusions 2/35
3 Considérations générales du dimensionnement des structures en fatigue 3/35
4 Considérations générales Chargement aléatoire Structure mécanique Courbes SN incertaine Géométrie incertaine Prédiction de l initiation de fissure 4/35
5 Conception vis-à-vis de la fatigue Chargement aléatoire Courbes SN incertaine Modèle EF Géométrie incertaine Contrainte de fatigue Prédiction de l initiation de fissure 5/35
6 Conception vis-à-vis de la fatigue Chargement normalisé Courbes SN incertaine Modèle EF Géométrie incertaine Contrainte de fatigue Prédiction de l initiation de fissure 6/35
7 Conception vis-à-vis de la fatigue Chargement normalisé Courbes SN incertaine Modèle EF Dimension nominale Contrainte de fatigue Prédiction de l initiation de fissure 7/35
8 Conception vis-à-vis de la fatigue Chargement Courbe SN de référence normalisé Modèle EF Dimension nominale Contrainte de fatigue Prédiction de l initiation de fissure 8/35
9 Conception vis-à-vis de la fatigue Chargement Courbe SN de référence normalisé Modèle EF Dimension nominale Contrainte de fatigue Coefficient de sécurité Prediction Prédiction of de l initiation crack initiation de fissure 9/35
10 Point de vue probabiliste du dimensionnement des structures en fatigue 10/35
11 Point de vue probabiliste Chargement aléatoire Courbes SN incertaine Modèle EF Géométrie incertaine Contrainte de fatigue Prédiction de l initiation de fissure 11/35
12 Point de vue probabiliste Une réalisation du chargement Courbes SN incertaine (1) l Modèle EF Géométrie incertaine Contrainte de fatigue Prédiction de l initiation de fissure 12/35
13 Point de vue probabiliste Une réalisation du chargement Une réalisation de la courbe SN (1) SN (1) l Modèle EF Géométrie incertaine Contrainte de fatigue Prédiction de l initiation de fissure 13/35
14 Point de vue probabiliste Une réalisation du chargement Une réalisation de la courbe SN (1) SN (1) l Modèle EF Une réalisation de la géométrie Contrainte de fatigue (1) g Prédiction de l initiation de fissure 14/35
15 Point de vue probabiliste Une réalisation du chargement Une réalisation de la courbe SN (1) SN (1) l Modèle EF Une réalisation de la géométrie (1) g Contrainte de fatigue (1) (1) (1) (1) l g SN G G(,, ) Performance function: G 0 G 0 Safe structure Failed structure 15/35
16 Point de vue probabiliste Une réalisation du chargement Une réalisation de la courbe SN (2) SN (2) l Modèle EF Une réalisation de la géométrie (2) g Contrainte de fatigue (1) (1) (1) (1) l g SN G G(,, ) (2) (1) (1) (1) l g SN G G(,, ) 16/35
17 Point de vue probabiliste Une réalisation du chargement Une réalisation de la courbe SN (3) SN (2) l Modèle EF Une réalisation de la géométrie (2) g Contrainte de fatigue Simulation de Monte Carlo (n>10 6 ) (1) (1) (1) (1) l g SN G G(,, ) (2) (1) (1) (1) l g SN G G(,, ) ( n) ( n) ( n) ( n) l g SN G G(,, ) 17/35
18 Point de vue probabiliste Une réalisation du chargement Une réalisation de la courbe SN (3) SN (2) l Modèle EF Une réalisation de la géométrie (2) g Simulation de Monte Carlo (n>10 6 ) P f Contrainte de fatigue () i nombre de G 0 n (1) (1) (1) (1) l g SN G G(,, ) (2) (2) (2) (2) l g SN G G(,, ) ( n) ( n) ( n) ( n) l g SN G G(,, ) 18/35
19 Point de vue probabiliste (1) (1) (1) l g SN (,, ) (1) (1) (1) l g SN (,, ) H( u) 0 Fonction séparatrice ( ) ( ) ( ) l g SN (,, ) 19/35
20 Les méthodes AK «Active learning and Kriging-based methods» 20/35
21 Stratégie de classification / apprentissage des méthodes AK H( u) 0 Points à classer par rapport au signe de la fonction H( u) Objectif : définir un métamodèle séparateur H( u) 0 qui classerait les points de la même manière que le ferait la «vraie» fonction H( u) 0 21/35
22 Stratégie de classification / apprentissage des méthodes AK 1) Premier plan d expériences Exp. choisies pseudo aléatoirement parmi les points à classer. Classement relativement au signe de H( u) 0 H( u) 0 2) Construction méta-modèle de krigeage 3) En chaque point non observé calcul de : Prédiction de krigeage : Variance d estimation de krigeage : Critère d enrichissement : ( ) u j H( ) 2 ( ) u j H Probabilité que le point soit mal classée : ( ) H ( j) H( u ) ( j) U( u ) ( j) ( u ) Krigeage ordinaire, anisotrope, fonction d auto-covariance gaussienne ( ) u j 1 U( ) 22/35
23 Stratégie de classification / apprentissage des méthodes AK H( u) 0 4) Enrichissement adaptatif Ajout de l expérience qui présente la valeur la plus faible de U. 23/35
24 Stratégie de classification / apprentissage des méthodes AK H( u) 0 4) Enrichissement adaptatif Ajout de l expérience qui présente la valeur la plus faible de U. 24/35
25 Stratégie de classification / apprentissage des méthodes AK H( u) 0 4) Enrichissement adaptatif Ajout de l expérience qui présente la valeur la plus faible de U. 25/35
26 Stratégie de classification / apprentissage des méthodes AK H( u) 0 4) Enrichissement adaptatif Ajout de l expérience qui présente la valeur la plus faible de U. 26/35
27 Stratégie de classification / apprentissage des méthodes AK H( u) 0 4) Enrichissement adaptatif Ajout de l expérience qui présente la valeur la plus faible de U. 27/35
28 Stratégie de classification / apprentissage des méthodes AK H( u) 0 4) Enrichissement adaptatif Ajout de l expérience qui présente la valeur la plus faible de U. 5) Critère d arrêt Tous les points à classer doivent avoir une valeur de U>2 28/35
29 Famille des méthodes AK METHODES AK Active Learning and Kriging based methods Gestion des contraintes d admissibilité Analyse de fiabilité AK-RM Analyse de la conformité géométrique AK-OPT AK OPTimisation AK-ST AK Synthèse des tolérances AK-MCS AK Monte Carlo Simulation AK-IS AK Importance Sampling AK-SS AK Subset Simulation AK-ILS AK Inspection of Large Surface AK-SYS AK SYStem reliability method 29/35
30 Applications 30/35
31 Applications à l analyse de fiabilité Fiabilité composant AK 31/35
32 Applications à l analyse de fiabilité Fiabilité système Gestion du max sur l espace ou le temps : Prise en compte de possibilités d amorçage en différentes zones fonction de la géométrie 32/35
33 Conclusions 33/35
34 Conclusion Phénomène de fatigue incertain estimation des marges de sécurité par les approches probabilistes Des méthodes existes (méthode contrainte / résistance,...) Plusieurs verrous : problème de temps de calcul modélisation probabiliste du chargement modélisation probabiliste des courbes SN 34/35
35 Conclusion Thèse Simon BUCAS 2015 : «Evaluation de la fiabilité des éléments de charpente de grues à tour». CIFRE MANITOWOC Thèse William FAURIAT 2016 : «Modélisation stochastique des sollicitations provenant de la route pour l estimation de la fiabilité du châssis et des composants du véhicule par la simulation». CIFRE RENAULT. 35/35
K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailIFT3355: Infographie Sujet 6: shading 7 (illumination globale 4)
IFT3355: Infographie Sujet 6: shading 7 (illumination globale 4) Derek Nowrouzezahrai Département d informatique et de recherche opérationelle Université de Montréal Ambient Occlusion expériment numérique
Plus en détailCatalogue de formation
Enregistré sous le numéro : 11 91 012 9991 auprès du Commissaire de la République de la Région Ile de France et du Département de Paris, CADLM propose un ensemble de formation dont les programmes sont
Plus en détailOptimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailEMETTEUR ULB. Architectures & circuits. Ecole ULB GDRO ESISAR - Valence 23-27/10/2006. David MARCHALAND STMicroelectronics 26/10/2006
EMETTEUR ULB Architectures & circuits David MARCHALAND STMicroelectronics 26/10/2006 Ecole ULB GDRO ESISAR - Valence 23-27/10/2006 Introduction Emergence des applications de type LR-WPAN : Dispositif communicant
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailDe la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De
Plus en détailUne plate-forme pour la quantification des incertitudes sous Matlab
UQLab Une plate-forme pour la quantification des incertitudes sous Matlab Bruno Sudret Stefano Marelli ETH Zürich, Institute of Structural Engineering Chair of Risk, Safety & Uncertainty Quantification
Plus en détailRenforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.
Master Mathématiques et Applications Spécialité : Ingénierie mathématique et modélisation Parcours : Mathématique et Informatique : Statistique, Signal, Santé (MI3S) 2015-2016 RÉSUMÉ DES COURS : (dernière
Plus en détailConseils en Ingénierie mécanique
Conseils en Ingénierie mécanique contact@solsi-cad.fr +33 (0)3 87 60 34 49 CONCEVOIR OPTIMISER Metz INNOVER VALIDER Historique 1985 1992 1996 2003 2013 2014 Solsi : Calculs des Structures - FEA Création
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailApplication de la méthode de surface de réponse stochastique à l analyse de stabilité d un tunnel pressurisé
Application de la méthode de surface de réponse stochastique à l analyse de stabilité d un tunnel pressurisé Guilhem Mollon 1, Daniel Dias 2, Abdul-Hamid Soubra 3 1 Doctorant, Laboratoire de Génie Civil
Plus en détailQualité de la conception de tests logiciels : plate-forme de conception et processus de test
Ecole Doctorale en Sciences de l Ingénieur de l ECP Formation doctorale en Génie Industriel Qualité de la conception de tests logiciels : plate-forme de conception et processus de test Quality of the design
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailSujet de thèse CIFRE RESULIS / LGI2P
Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Sujet de thèse CIFRE RESULIS / LGI2P Titre Domaine De l ingénierie des besoins à l ingénierie des exigences
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLaboratoire d Automatique et Productique Université de Batna, Algérie
Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailCouplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites
Couplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites Benoît Beghin Pierre Baqué André Cabarbaye Centre National d Etudes
Plus en détailApproche modèle pour l estimation en présence de non-réponse non-ignorable en sondage
Approche modèle pour l estimation en présence de non-réponse non-ignorable en sondage Journées de Méthodologie Statistique Eric Lesage Crest-Ensai 25 janvier 2012 Introduction et contexte 2/27 1 Introduction
Plus en détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailSession 2 : Modèles de représentation de la connaissance Animateurs : C. Bacconnet, L. Pierrat
Programme prévisionnel des journées lundi 4 juin 9h30 10h 10h Accueil Ouverture de la conférence J. Baroth, D. Boissier Session 1 : Modèles de dégradation, inspection, maintenance Animateurs : L. Peyras,
Plus en détailThèse CIFRE. Mécanismes de monitoring sémantique dédiés à la sécurité des infrastructures cloud IaaS
Thèse CIFRE Mécanismes de monitoring sémantique dédiés à la sécurité des infrastructures cloud IaaS Yacine HEBBAL Sylvie LANIEPCE Jean-Marc MENAUD Début de thèse : octobre 2014 (1 ière année) SEC2 : 30
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détail22 ème congrès Fapics
22 ème congrès Fapics Invités par et avec la contribution de : Grâce à nos partenaires : Instituts de formation 22 ème congrès Fapics Cabinets de conseil : Grâce à nos sponsors : 22 ème congrès Fapics
Plus en détailDétection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique
Détection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique Denis Brazey & Bruno Portier 2 Société Prynɛl, RD974 290 Corpeau, France denis.brazey@insa-rouen.fr 2 Normandie Université,
Plus en détailTRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN
TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN Marie Cottrell, Smaïl Ibbou, Patrick Letrémy SAMOS-MATISSE UMR 8595 90, rue de Tolbiac 75634 Paris Cedex 13 Résumé : Nous montrons
Plus en détailHealth Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation
Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,
Plus en détailECTS CM TD TP. 1er semestre (S3)
Organisation du parcours M2 IRS en alternance De façon générale, les unités d enseignements (UE) sont toutes obligatoires avec des ECTS équivalents à 3 sauf le stage sur 27 ECTS et réparties sur deux semestres
Plus en détailLes résistances de point neutre
Les résistances de point neutre Lorsque l on souhaite limiter fortement le courant dans le neutre du réseau, on utilise une résistance de point neutre. Les risques de résonance parallèle ou série sont
Plus en détailETUDE DES PERFORMANCES D UN SYSTEME EOLIEN. APPLICATION POUR DES SITES ALGERIENS
èmes Journées Internationales de Thermique ETUDE DES PERFORMANES D UN SYSTEME EOLIEN. APPLIATION POUR DES SITES ALGERIENS Rachid MAOUEDJ*, Souad BOUSALEM** et Boumedien BENYOUEF ** * Unité de Recherche
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailIncertitude et variabilité : la nécessité de les intégrer dans les modèles
Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailLa démarche d innovation streching vs la démarche d innovation de rupture
La démarche d innovation streching vs la démarche d innovation de rupture Présentation des key learnings CONSEIL EN INNOVATION Etude qualitative de benchmarking sur les démarches d innovation de 15 grandes
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailEtude de faisabilité
Etude de faisabilité Modèle de cahier des charges pour chaufferie dédiée Ce modèle de cahier des charges d étude de faisabilité a été réalisé dans le cadre de la Mission Régionale Bois-Energie Il est un
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailFiltres pour gaz et air. GF/1: Rp 1/2 - Rp 2 GF/3: DN 40 GF/4: DN 50 - DN 100 GF: DN 125 - DN 200
Filtres pour gaz et air GF/1: Rp 1/2 - Rp 2 GF/3: DN 40 GF/4: DN 50 - DN 100 GF: DN 125 - DN 200 11.02 Printed in Germany Edition 02.13 Nr. 225 676 1 8 Technique Filtres pour l'alimentation en gaz dans
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailValeur ajoutée relative basée sur les comparaisons indirectes Giens 2008, TR 5
Valeur ajoutée relative basée sur les comparaisons indirectes Giens 2008, TR 5 Claire Le Jeunne Bertrand Xerri Cécile Rey-Coquais Jean-Michel Joubert Jean Delonca Martine Pigeon Michel Lièvre Patricia
Plus en détailEquation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailPROJET MASTERS. Spécialités de master : analyse de l existant. Clusters. Cluster Acronymes Spécialités Effectif
Spécialités de master : analyse de l existant Clusters A AAIS MAS Astronomie, astrophysique et ingénierie spatiale Mécanique, Aéronautique, Spatial 36 DSME Dimensionnement des systèmes mécaniques dans
Plus en détailINBTP-TECHNOBAT-LECON_011
CIRCULATIONS VERTICALES INBTP-TECHNOBAT-LECON_011 1 PROGRAMME LECONS LECON_001 [T] Présentation Notions de Technobat LECON_002 [T] Technobat Tropicale Les classes énergétiques LECON_003 [T] Les matériaux
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailL histoire économique, sociale et des techniques
Département d histoire 2, rue du facteur Cheval 91000 Evry, France L histoire économique, sociale et des techniques pour les entreprises Octobre 2007 Votre contact : Alain Pichon alain.pichon@univ-evry.fr
Plus en détailArchitecture Reconfigurable Hétérogène à Gestion Hiérarchique Distribuée pour la Reconfiguration et la Prise de Décision
INSTITUT D ÉLECTRONIQUE ET DE TÉLÉCOMMUNICATIONS DE RENNES Architecture Reconfigurable Hétérogène à Gestion Hiérarchique Distribuée pour la Reconfiguration et la Prise de Décision dans les systèmes de
Plus en détailModélisation et évaluation des stratégies de maintenance complexes sur des systèmes multi-composants
Valérie Zille Thèse de Doctorat préparée dans le cadre d'un partenariat entre - l'université de Technologie de Troyes, Institut Charles Delaunay, - le département Management de Risques Industriels de la
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en détailLes outils de simulation. Myriam HUMBERT CETE Ouest
Les outils de simulation Myriam HUMBERT CETE Ouest Outils de simulation pour la GPE Objectif Ø Recommandations pour la mise en œuvre des calculs dans le cadre d une GPE ü Analyse qualitative des outils
Plus en détailProgramme Pédagogique National du DUT «Génie mécanique et productique» Présentation de la formation
Programme Pédagogique National du DUT «Génie mécanique et productique» Présentation de la formation 2 I CONCEPT GENERAL DE LA FORMATION Le diplômé des départements Génie Mécanique et Productique (GMP)
Plus en détailLes Entrepôts de Données
Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations
Plus en détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détailLAITON A HAUTE RESISTANCE CuZn23Al4
LAITON A HAUTE RESISTANCE CuZn23Al4 LAITON A HAUTE RESISTANCE CuZn23Al4 DESIGNATIONS NORMALISEES AFNOR : [U-Z23A4] NF L14-78 : CuZn23Al4 DIN : 179 ANALYSE CHIMIQUE MOYENNE Zn : 2,/25, % Al : 3,5/5,% Mn
Plus en détailMises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger.
Cet ouvrage est fondé sur les notes d un cours dispensé pendant quelques années à l Institut universitaire de technologie de Grenoble 2, au sein du Département statistique et informatique décisionnelle
Plus en détailLatitude 49.37 N Longitude 06.13 E Altitude 376 m RÉSUMÉ MENSUEL DU TEMPS DE JANVIER 2014
RÉSUMÉ MENSUEL DU TEMPS DE JANVIER 2014 Valeurs moyennes: Valeur Jour Valeur (en C) (en C) (en C) gazon (en C) 11,4 7 13,9 1975 3,6 0,8 4,9 2007-6,3 1963-3,0 29-17,8 1979-2,8 12-24,6 1985 37,1 50,3 95,5
Plus en détailL opération étudiée : le SDEF
L opération étudiée : le SDEF Situation géographique 29 Landivisiau Finistére Zone H2a Altitude : 34 m Acteurs de l opération Maitrise d ouvrage Maître d œuvre / Architecte BET Thermique SDEF Atelier 3
Plus en détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
Plus en détailIFT2880 Organisation des ordinateurs et systèmes
Représentation des nombres flottants Notation exponentielle Représentations équivalentes dans la base 10 de 1,234 1 2 3, 4 0 0. 0 x 1 0-2 1 2, 3 4 0. 0 x 1 0-1 1, 2 3 4. 0 x 1 0 1 2 3. 4 x 1 0 1 2. 3 4
Plus en détailRapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs.
Rapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs. Auteurs : Hecht Frédéric, Porzier Rémi, Font Guillaume Cours «Risque de Crédit,
Plus en détailSDLV120 - Absorption d'une onde de compression dans un barreau élastique
Titre : SDLV120 - Absorption d'une onde de compression dan[...] Date : 09/11/2011 Page : 1/9 SDLV120 - Absorption d'une onde de compression dans un barreau élastique Résumé On teste les éléments paraxiaux
Plus en détailSynthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailRIE LE RENDU THEO. 2 e trim ÉTAPE DE FINITION BOÎTE DE DIALOGUE. remarques
THEO RIE LE RENDU 2 e trim JANVIER 2008 remarques ÉTAPE DE FINITION Le rendu est la partie finale de notre création, à ce moment on décide que notre 3D est finie et l on en réalise une image 2D Cette image
Plus en détailMAITRISE DE LA CHAINE LOGISTIQUE GLOBALE (SUPPLY CHAIN MANAGEMENT) Dimensionnement et pilotage des flux de produits
MAITRISE DE LA CHAINE LOGISTIQUE GLOBALE (SUPPLY CHAIN MANAGEMENT) Dimensionnement et pilotage des flux de produits Préambule La performance flux, quel que soit le vocable sous lequel on la désigne ( Juste
Plus en détailRENDEZ-VOUS D AUTOMNE DE L ADRECA. 17 novembre 2003
RENDEZ-VOUS D AUTOMNE DE L ADRECA 17 novembre 2003 Pascal PICHON LES ASSUREURS RC ONT-ILS PEUR DES RISQUES EMERGEANTS? INTRODUCTION LA RC EN CRISE DEPUIS PLUSIEURS ANNEES HAUSSES TARIFAIRES NOUVELLES POLITIQUES
Plus en détailVers plus de responsabilités
Présentation du MSE Fouad.Rahali@heig-vd.ch Vers plus de responsabilités 21.01.10 1 Bachelors et masters HES professionnalisant + de responsabilités Master HES-SO Bachelor HES-SO Compétences techniques
Plus en détailPROPOSITION TECHNIQUE ET FINANCIERE
Avenue des Etangs Narbonne, F-11100, France Votre correspondant : Romain CRESSON INRA Transfert Environnement Avenue des Etangs Narbonne, F-11100, France Tel: +33 (0)4 68 46 64 32 Fax: +33 (0)4 68 42 51
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailOptimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases)
Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Heuristique Constructive Itérativement, ajoute de nouvelles composantes à une solution partielle candidate Espace
Plus en détailLicence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB)
Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB) FICHE D IDENTITE DE LA FORMATION Domaine de formation : Sciences, Technologies, Santé Intitulé : Licence Sciences, Technologies,
Plus en détailNicolas Bousquet. 29 août 2014 - Université Laval
Pêche, foresterie et sites de production énergétique - quelques apports des statistiques pour améliorer la gestion des ressources environnementales et industrielles Nicolas Bousquet Électricité de France
Plus en détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
Plus en détailHedging delta et gamma neutre d un option digitale
Hedging delta et gamma neutre d un option digitale Daniel Herlemont 1 Introduction L objectif de ce projet est d examiner la couverture delta-gamma neutre d un portefeuille d options digitales Asset-Or-Nothing
Plus en détailRéf. : Loi n 2006-686 du 13 juin 2006 relative à la transparence et à la sécurité en matière nucléaire, notamment son article 40
RÉPUBLIQUE FRANÇAISE DIVISION DE LYON Lyon, le 30 décembre 2011 N/Réf. : CODEP-LYO-2011-072087 Monsieur le Directeur du centre nucléaire de production d'électricité du Tricastin CNPE du Tricastin BP 40009
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailTravaux pratique (TP2) : simulation du canal radio sous ADS. Module FIP RT321 : Architectures des émetteurs-récepteurs radio
Travaux pratique (TP2) : simulation du canal radio sous ADS Rédaction : F. Le Pennec Enseignant/Chercheur dpt. Micro-ondes Francois.LePennec@telecom-bretagne.eu Module FIP RT321 : Architectures des émetteurs-récepteurs
Plus en détailPremière installation : comment réussir en temps de crise?
FACULTES DE PHARMACIE DE PARIS V ET PARIS XI Première installation : comment réussir en temps de crise? Animation par Philippe BECKER (Fiducial) Joffrey BLONDEL (Astera) 1 Olivier DUPAYS (Pharmacie de
Plus en détailIFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
Plus en détailUn modèle stochastique du taux d intérêt implicite en microcrédit
Un modèle stochastique du taux d intérêt implicite en microcrédit PHEAKDEI MAUK, MARC DIENER LABORATOIRE J.A. DIEUDONNÉ Dixième colloque des jeunes probabilistes et statisticiens CIRM Marseille 16-20 avril
Plus en détailProblèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Plus en détailCalculating Greeks by Monte Carlo simulation
Calculating Greeks by Monte Carlo simulation Filière mathématiques financières Projet de spécialité Basile Voisin, Xavier Milhaud Encadré par Mme Ying Jiao ENSIMAG - Mai-Juin 27 able des matières 1 Remerciements
Plus en détailTable des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...
III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................
Plus en détailCONSULTANT EXTÉRIEUR POUR LES ÉTUDES DE GÉNIE CIVIL HORS LHC. M. Poehler. Abstract
CONSULTANT EXTÉRIEUR POUR LES ÉTUDES DE GÉNIE CIVIL HORS LHC M. Poehler Abstract Un des mandats de la division ST est la réalisation de travaux de génie civil pour la construction, la rénovation et l adaptation
Plus en détailModifications principales des prescriptions de protection incendie 2015. Débat urbanités. Nous protégeons l essentiel
Modifications principales des prescriptions de protection incendie 2015 Débat urbanités Didier Guignard, 6 octobre 2014 Sommaire Modifications principales des prescriptions AEAI 1. Allègements, simplifications,
Plus en détailIntérêts et limites des mannequins numériques pour l évaluation des efforts et des postures
18 novembre 2014 Intérêts et limites des mannequins numériques pour l évaluation des efforts et des postures Jonathan Savin Responsable d études Laboratoire Ingénierie de Conception de Systèmes Sûrs (ICS-INRS)
Plus en détailSéminaire RGE REIMS 17 février 2011
Séminaire RGE REIMS 17 février 2011 ADACSYS Présentation des FPGA Agenda Spécificité et différences par rapport aux autres accélérateurs Nos atouts Applications Approche innovante Document confidentiel
Plus en détailProduits de crédit en portefeuille
Chapitre 6 Produits de crédit en portefeuille et défauts corrélés Dans ce chapitre, on étudie des produits financiers de crédit en portfeuille, notamment k th -to-default swap et CDOs (voir 1.2 pour une
Plus en détail