Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation

Dimension: px
Commencer à balayer dès la page:

Download "Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation"

Transcription

1 Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC, IUT 12 novembre 2013

2 Sommaire A. Introduction B. Probability of Failure (Pof) et RUL C. Modèles de dégradation D. Application récente dans le domaine du spatial E. Bibliographie succincte

3 A. Introduction Objectif premier : la maitrise du risque - Risque = événement redouté - Quel événement? - Celui déclencheur d'un acte de maintenance : - panne - dégradation critique Comment déceler cet état par anticipation? - monitoring capteurs + modélisation du chemin de dégradation - simulation en conception modélisation des taux d'apparition des pannes + recombinaison en système entier Comment modéliser? - Approche déterministe - Approche probabiliste - Approche bayésienne - Approche statistique

4 A. Introduction Idéal : savoir exactement quand et où l'action de maintenance doit être réalisée pour optimiser le fonctionnement et l'économie du système. Pour cela : - savoir représenter fidèlement ce système en (dys)fonctionnement, soit - savoir simuler ce système dans sa complexité, soit - savoir le modéliser dans sa complexité, soit - savoir modéliser chacune des sous-parties critiques dans ses états divers, soit - savoir comptabiliser et caractériser les modes/interactions des défaillances, soit - savoir traiter proprement des données issues du retour "de terrain", et/ou savoir traiter des données issues d'essais maîtrisés "en laboratoire", et/ou savoir intégrer des informations fiables issues de banques de données normatives/standardisées. Ainsi que : - savoir définir les profils de stress subis dans le réel, et - savoir définir les profils de mission à assigner dans le réel.

5 A. Introduction Les briques constitutives majeures, dans leur cheminement logique I. APD/APR/AMDE pour définir et caractériser les modes de defaillances dans tout le système étudié II. D.O.E pour identifier les stress, ou associations de stress, prépondérants (les plus critiques) III. A.L.T pour modéliser l'action des valeurs de stress critiques sur le vieillissement des composants ou sous-systèmes IV. L.D.A pour définir les variables aléatoires entrant en jeu et en donner les lois statistiques (fdp fonction de survie MTBF, MTBR...) V. B.D.F ou A.D pour modéliser et simuler le comportement du système tout entier dans sa complexité, puis l'optimiser par Allocation de fiabilité Révision de conception Analyse de croissance du MTBF, par exemple

6 A. Introduction Organisation des tâches: Par un plan de conception orientée disponibilité afin de définir les politiques de maintenance (programmée, conditionnelle), les variables et les lois associées, ce dès le début du projet. En aval, savoir monitorer les éléments critiques du système pour : - Améliorer le pronostic (évaluation de la dégradation future et de la durée de vie résiduelle), et - Donner des outils d aide à la décision. Cadres possibles de recueil de données : - Phase opérationnelle, - Retour d exploitation / retrait de service, - Démarrage de nouveaux programmes / Retour d expérience.

7 B. Probability of Failure (Pof) et RUL Analyse standard : le seul indicateur disponible pour un composant vivant : être encore en fonction au temps T. RUL(T) : au temps T, durée (inconnue) de vie restante avant défaillance REMAINING USEFUL LIFE Modélisation : RUL(T) une durée de vie aléatoire quelle loi?

8 B. Probability of Failure (Pof) et RUL Analyse standard : le seul indicateur disponible pour un composant vivant : être encore en fonction au temps T. RUL(T) : au temps T, durée (inconnue) de vie restante avant défaillance 1,2 1 Date inconnue de panne future STATUT ON/FAILED 0,8 0,6 0,4 0,2 Pronostic de survie au temps T? RUL ,2

9 B. Probability of Failure (Pof) et RUL Analyse standard : le seul indicateur disponible pour un composant vivant : être encore en fonction au temps T. PoF : proba de défaillance pour une mission de durée restante 1,2 1 Date inconnue de panne future STATUT ON/FAILED 0,8 0,6 0,4 0,2 Pronostic de survie au temps T? RUL ,2

10 B. Probability of Failure (Pof) et RUL Analyse standard : le seul indicateur disponible pour un composant vivant : être encore en fonction au temps T. Pour un système sans vieillissement (loi exponentielle) : - PoF indépendante de l âge du système - RUL(T) ~ loi exponentielle de même taux de défaillance MTTF 1/ ~. - si, PoF

11 B. Probability of Failure (Pof) et RUL Si on modélise la fiabilité (R) du système : P( survivre une durée additionnelle fonctionnel au temps T ) RT ( ) RT ( ) Le calcul des caractéristiques de vie résiduelle (RUL) peuvent être : - la loi de la RUL (aléatoire) - la durée de vie moyenne restante : MRL - la durée de vie médiane : Median RUL Exemple de calcul pour R~Weibull MRL( T ) T 1 Rtdt () RZ ( t ) RT ( ) T exp

12 B. Probability of Failure (Pof) et RUL Utilisation de données disponibles pendant la vie du système P( survivre une durée additionnelle toutes les données dispos)?? Analyse de dégradation : tenir compte des mesures possibles de dégradation pour différencier les RUL selon le niveau plus ou moins avancé de dégradation STATUT ON/FAILED 1,2 1 0,8 0,6 0,4 0,2 0-0,2 RUL Dégradation Z(t) RUL Date de défaillance

13 B. Probability of Failure (Pof) et RUL Choisir un modèle en fonction : De la nature de la dégradation Des données disponibles De la faisabilité du calcul de fiabilité

14 C. Quelques modèles utilisés Le modèle de trajectoire :

15 C. Quelques modèles utilisés Le modèle gaussien

16 C. Quelques modèles utilisés Le modèle Gamma

17 C. Quelques modèles utilisés Des modèles pour les dégradations multi-états - Chaînes de Markov à espace d états discret - Processus de Markov en temps continu, à espace d états discret - Processus semi-markoviens en temps continu, à espace d états discret - Processus de Markov cachés

18 C. Quelques modèles utilisés Une chaîne de Markov = des états possibles de dégradation et des passages possibles d un état à l autre (pas de temps «continu») E1 12 E2 23 E3 34 E (1 11) (1 22) E5= Panne

19 C. Quelques modèles utilisés Un processus de Markov = des états possibles de dégradation et des passages possibles d un état à l autre avec des durées aléatoires dans chaque état Transitions d un état à l autre E4 E3 X(t) E2 E1 E0 t

20 C. Quelques modèles utilisés Un processus de Markov = des états possibles de dégradation et des passages possibles d un état à l autre avec des durées aléatoires dans chaque état Markov = les durées dans chaque état sont exponentielles Spécification du modèle : Taux de transition Probabilités de passage E E2 23 E E E5= Panne

21 C. Quelques modèles utilisés Généralisations : E E2 23 E E Processus Semi-Markoviens : 55 1 Les durées de séjour dans les états sont des lois quelconques E5= Panne Processus de Markov cachés : observation indirecte des états d une Chaine de Markov.

22 C. Quelques modèles utilisés Des modèles récents pour les dégradations stochastiques - les modèles PDMP - les modèles stochastiques basés sur la physique de la défaillance

23 C. Quelques modèles utilisés Exemple de modélisation PDMP : modélise des régimes de dégradation - P iecewise - D eterministic - M arkov - P rocess La dégradation évolue de manière déterministe par phase (morceaux) et saute de phase en phase à des temps aléatoires

24 C. RUL Selon les modèles, on a plus ou moins de résultats mathématiques sur la RUL et la PoF conditionnelle. Trajectoires : ~OK Wiener : OK Gamma : OK Markov : OK Semi-Markov : ~OK Markov Cachés : ~~ PDMP : ~~

25 C. Méthodes d ajustement statistique adaptées Données de dégradation sur un échantillon de systèmes + Modèle de dégradation (modèle paramétrique) + Choix d une méthode d estimation statistique = Ajustement du modèle aux données (test / validation) + Outil de prédiction de RUL

26 C. Implémentation de Méthodes d ajustement Méthode d extrapolation par trajectoire individuelle le cas linéaire le cas non linéaire Le Processus Gamma Le Processus de Wiener Le Processus Brownien géométrique Chaînes de Markov à espace d états discret Processus de Markov en temps continu à espace d états discret Processus Semi-Markoviens en temps continu à espace d états discret Modèles de Markov cachés Modèles basés sur les processus Markoviens déterministes par morceaux (PDMP)

27 C. Exemple d analyse : Longueur de fissure Analyse par trajectoires / Wiener / Gamma Analyse par PDMP

28 D. Dégradation observée sur satellites Étude réalisée pour le CNES, Eumetsat, Astrium Typologie des équipements soumis à dégradation Description du phénomène Acquisition de données disponibles Méthodes envisagées pour la modélisation

29 D. Les appareillages étudiés Générateur solaire - dimensionnement en début de vie - dégradation par UV, micrométéorites, radiation dépendant de l orbite du satellite. Systèmes propulsifs : propulsion chimique - épuisement des ergols - - baisse de performance du moteur. Systèmes propulsifs : propulsion électrique - érosion des parois de la chambre à plasma et usures diverses (cathode, grille). Mécanismes variés, contrôle thermique, batteries - vibrations et efforts au lancement; frottements et dégradation de la lubrification - effet des radiations UV, de l oxygène monoatomique et des micros météorites - diminution de puissance et/ou augmentation de la température moyenne - décroissance de la capacité en fonction du nombre de cycles charge / décharge.

30 E. Etat de l art bibliographique De nombreux travaux sur la dégradation et la maintenance (CBM) Des travaux anciens et d autres très (trop) récents sur les modèles mathématiques de dégradation et d analyse de RUL. Disciplines abordées : micro-électronique / optronics / matériaux et structures / automobile-transport Peu de travaux spécifiques au spatial

HEALTH MONITORING SUR LES SATELLITES SPATIAUX PROGNOSIS AND HEALTH MONITORING IN SATELLITE SYSTEMS

HEALTH MONITORING SUR LES SATELLITES SPATIAUX PROGNOSIS AND HEALTH MONITORING IN SATELLITE SYSTEMS HEALTH MONITORING SUR LES SATELLITES SPATIAUX PROGNOSIS AND HEALTH MONITORING IN SATELLITE SYSTEMS Marion Soussens, Sébastien Bosse et André Cabarbaye André Cabarbaye Centre National d Etudes Spatiales

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP 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 détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque

Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque Année 2011 N 1175 Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque THESE DE DOCTORAT Spécialité : Sciences de l ingénieur ECOLE DOCTORALE

Plus en détail

MODELES DE DUREE DE VIE

MODELES DE DUREE DE VIE MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions

Plus en détail

Intégration des paramètres de maintenance dans la conception du Health Monitoring. Saintis Laurent Laboratoire LASQUO (futur LARIS)

Intégration des paramètres de maintenance dans la conception du Health Monitoring. Saintis Laurent Laboratoire LASQUO (futur LARIS) 2ème Colloque National de la Performance Industrielle LA MAINTENANCE A DISTANCE & E-MAINTENANCE Intégration des paramètres de maintenance dans la conception du Health Monitoring Saintis Laurent Laboratoire

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

chargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d

chargement 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 détail

FORMALISATION DU RETOUR D EXPÉRIENCE EN SÛRETÉ DE FONCTIONNEMENT DANS LE DOMAINE SPATIAL DEPENDABILITY LESSONS LEARNED IN THE SPACE FIELD

FORMALISATION DU RETOUR D EXPÉRIENCE EN SÛRETÉ DE FONCTIONNEMENT DANS LE DOMAINE SPATIAL DEPENDABILITY LESSONS LEARNED IN THE SPACE FIELD FORMALISATION DU RETOUR D EXPÉRIENCE EN SÛRETÉ DE FONCTIONNEMENT DANS LE DOMAINE SPATIAL DEPENDABILITY LESSONS LEARNED IN THE SPACE FIELD Karine Etienne 1, Julien Faure1, André Cabarbaye 1&2 1 Centre National

Plus en détail

Présentation du BTS Maintenance Industrielle SOMMAIRE. 1 Qu est ce que la maintenance? 2 Pourquoi le BTS Maintenance Industrielle?

Présentation du BTS Maintenance Industrielle SOMMAIRE. 1 Qu est ce que la maintenance? 2 Pourquoi le BTS Maintenance Industrielle? SOMMAIRE 1 Qu est ce que la maintenance? 2 Pourquoi le BTS Maintenance Industrielle? 3 Les principales missions du technicien en maintenance 4 Les compétence du technicien en maintenance 5 Le contenu de

Plus en détail

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique Télécom ParisTech, 09 mai 2012 http://www.mathematiquesappliquees.polytechnique.edu/ accueil/programmes/cycle-polytechnicien/annee-1/

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université

Plus en détail

IFT6561. Simulation: aspects stochastiques

IFT6561. Simulation: aspects stochastiques IFT 6561 Simulation: aspects stochastiques DIRO Université de Montréal Automne 2013 Détails pratiques Professeur:, bureau 3367, Pav. A.-Aisenstadt. Courriel: bastin@iro.umontreal.ca Page web: http://www.iro.umontreal.ca/~bastin

Plus en détail

Robert Guichet. Conférence DERBI Juin 2008

Robert Guichet. Conférence DERBI Juin 2008 Robert Guichet Conférence DERBI Juin 2008 Plan de l exposé 1) Introduction le bâtiment et l énergie les enjeux 2) Le projet Monitoring THPE les partenaires la réglementation l indicateur de performance

Plus en détail

Jeunes en Apprentissage pour la réalisation de Nanosatellites au sein des Universités et des écoles de l enseignement Supérieur

Jeunes en Apprentissage pour la réalisation de Nanosatellites au sein des Universités et des écoles de l enseignement Supérieur PROJET JANUS Jeunes en Apprentissage pour la réalisation de Nanosatellites au sein des Universités et des écoles de l enseignement Supérieur Contact : alain.gaboriaud@cnes.fr OBJECTIFS Satellites Etudiants

Plus en détail

Résumé des communications des Intervenants

Résumé des communications des Intervenants Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit

Plus en détail

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 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 détail

Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP

Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP Christophe Joubert Séminaire VASY 2002 30 Octobre 2002 Aix les Bains Contexte du projet

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

Brevet de technicien supérieur Conception et Réalisation en Chaudronnerie Industrielle

Brevet de technicien supérieur Conception et Réalisation en Chaudronnerie Industrielle Brevet de technicien supérieur Conception et Réalisation en Chaudronnerie Industrielle ACTIVITÉS ET TÂCHES PROFESSIONNELLES Les activités professionnelles décrites ci-après, déclinées à partir des fonctions

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Le partenaire de votre innovation technologique

Le partenaire de votre innovation technologique w w w.. s y n e r r v v i a i a. f. r f r Quelques chiffres Création en 2002 Association loi 1901 20 salariés 17 Ingénieurs et techniciens experts dans leurs domaines et présents dans les centres de compétences

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

FICHE PRODUIT CSI 6500 Machinery Health TM Monitor

FICHE PRODUIT CSI 6500 Machinery Health TM Monitor ? TM Suite FICHE PRODUIT CSI 6500 Machinery Health TM Monitor Protection et surveillance vibratoire des machines tournantes critiques de l usine Information de surveillance vibratoire temps réel des machines

Plus en détail

1 METHODOLOGIE BIM [BUILDING INFORMATION MODELING] Avantages & principes

1 METHODOLOGIE BIM [BUILDING INFORMATION MODELING] Avantages & principes 1 METHODOLOGIE BIM [BUILDING INFORMATION MODELING] 1.1 Avantages & principes 1.2 Process de fonctionnement BIM ESQUISSE CONCEPTION EVALUATION CONSTRUCTION GESTIONS Acquisition de données Intégration logiciel

Plus en détail

1 La formule de Black et Scholes en t discret

1 La formule de Black et Scholes en t discret Université de Provence Préparation Agrégation Epreuve de Modélisation, Option Proba. Texte : La formule de Black Scholes en Finance Étienne Pardoux 1 La formule de Black et Scholes en t discret On suppose

Plus en détail

Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies

Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,

Plus en détail

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions :

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions : Probabilités I- Expérience aléatoire, espace probabilisé : 1- Définitions : Ω : Ensemble dont les points w sont les résultats possibles de l expérience Des évènements A parties de Ω appartiennent à A une

Plus en détail

Renforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.

Renforcement 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 détail

Les mathématiques du XXe siècle

Les mathématiques du XXe siècle Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités 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

Objectifs. Calcul scientifique. Champ d applications. Pourquoi la simulation numérique?

Objectifs. Calcul scientifique. Champ d applications. Pourquoi la simulation numérique? Objectifs Calcul scientifique Alexandre Ern ern@cermics.enpc.fr (CERMICS, Ecole des Ponts ParisTech) Le Calcul scientifique permet par la simulation numérique de prédire, optimiser, contrôler... le comportement

Plus en détail

Les outils de simulation. Myriam HUMBERT CETE Ouest

Les 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 détail

Industrialisation du logiciel Temps Réel Critique

Industrialisation du logiciel Temps Réel Critique Industrialisation du logiciel Temps Réel Critique Sommaire Projets opérationnels Les outils du marché utilisés et les contraintes associées CS et les méthodes CS et la R&D Conclusion RdV de l'innovation

Plus en détail

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage 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 détail

MATHEMATIQUES FINANCIERES SANS LARMES Nicolas Bouleau octobre 2005

MATHEMATIQUES FINANCIERES SANS LARMES Nicolas Bouleau octobre 2005 MATHEMATIQUES FINANCIERES SANS LARMES Nicolas Bouleau octobre 2005 L'engouement parmi les chercheurs et les jeunes scientifiques pour les mathématiques financières très excessif est-il un comportement

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

Marketing quantitatif M2-MASS

Marketing quantitatif M2-MASS Marketing quantitatif M2-MASS Francois.Kauffmann@unicaen.fr UCBN 2 décembre 2012 Francois.Kauffmann@unicaen.fr UCBN Marketing quantitatif M2-MASS 2 décembre 2012 1 / 61 Première partie I Analyse Analyse

Plus en détail

Processus aléatoires avec application en finance

Processus 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 détail

SERVICE "GENIE ELECTRIQUE" (J.C. MAUN) SUJETS DE TRAVAUX DE FIN D'ETUDES 2004/2005

SERVICE GENIE ELECTRIQUE (J.C. MAUN) SUJETS DE TRAVAUX DE FIN D'ETUDES 2004/2005 UNIVERSITE LIBRE DE BRUXELLES Faculté des Sciences Appliquées SERVICE "GENIE ELECTRIQUE" (J.C. MAUN) SUJETS DE TRAVAUX DE FIN D'ETUDES 2004/2005 Pour les électromécaniciens, des stages peuvent être proposés

Plus en détail

!-.!#- $'( 1&) &) (,' &*- %,!

!-.!#- $'( 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 détail

De la mesure à l analyse des risques

De 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 détail

FIMA, 7 juillet 2005

FIMA, 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 détail

Projet ANR. Bruno Capra - OXAND. 04/06/2015 CEOS.fr - Journée de restitution (Paris) B. CAPRA

Projet ANR. Bruno Capra - OXAND. 04/06/2015 CEOS.fr - Journée de restitution (Paris) B. CAPRA Projet ANR Bruno Capra - OXAND MEFISTO : Maîtrise durable de la fissuration des infrastructures en bétons Contexte Problématique des Maîtres d Ouvrages Evaluation et prédiction de la performance des ouvrages

Plus en détail

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains. Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY

Plus en détail

Ordonnancement robuste et décision dans l'incertain

Ordonnancement robuste et décision dans l'incertain Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4

Plus en détail

UNIVERSITE DE SFAX ECOLE NATIONALE D INGENIEURS DE SFAX THESE. Présentée devant L ECOLE NATIONALE D INGENIEURS DE SFAX.

UNIVERSITE DE SFAX ECOLE NATIONALE D INGENIEURS DE SFAX THESE. Présentée devant L ECOLE NATIONALE D INGENIEURS DE SFAX. UNIVERSITE DE SFAX ECOLE NATIONALE D INGENIEURS DE SFAX THESE Présentée devant L ECOLE NATIONALE D INGENIEURS DE SFAX pour obtenir LE GRADE DE DOCTEUR Spécialité : Electronique Par Faiza KAMOUN CHARFI

Plus en détail

Mathématiques financières

Mathématiques financières Mathématiques financières Arnaud Triay Table des matières 1 Introduction Position du problème.1 Pricing des options........................................... Formalisme..............................................

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Principales caractéristiques de Mixmod

Principales caractéristiques de Mixmod Modèle de mélanges Principales caractéristiques de Mixmod Gérard Govaert et Gilles Celeux 24 octobre 2006 1 Plan Le modèledemélange Utilisations du modèle de mélange Les algorithmes de Mixmod Modèle de

Plus en détail

702 012 956 RCS Nanterre TVA FR 03 702 012 956 Certifiée ISO 9001 par l AFAQ

702 012 956 RCS Nanterre TVA FR 03 702 012 956 Certifiée ISO 9001 par l AFAQ MCC et incertitude 10 mars 2015 Par Christophe Béesau et Christian Leliepvre Avec Altran, Solar Impulse s attaque au défi du tour du monde à l énergie solaire. Depuis 2010, Solar Impulse vole à l énergie

Plus en détail

Modélisation du comportement habituel de la personne en smarthome

Modélisation du comportement habituel de la personne en smarthome Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai

Plus en détail

Comprendre l Univers grâce aux messages de la lumière

Comprendre l Univers grâce aux messages de la lumière Seconde / P4 Comprendre l Univers grâce aux messages de la lumière 1/ EXPLORATION DE L UNIVERS Dans notre environnement quotidien, les dimensions, les distances sont à l échelle humaine : quelques mètres,

Plus en détail

Outils mathématiques pour le datamining. http://www.elseware.fr/univevry

Outils mathématiques pour le datamining. http://www.elseware.fr/univevry Outils mathématiques pour le datamining http://wwwelsewarefr/univevry Géométrie Distance Distance entre parties Matrice de variance/covariance Inertie Minimisation Probabilités Définition Théorème de Bayes

Plus en détail

Le CNRS : une grande diversité de métiers

Le CNRS : une grande diversité de métiers - Septembre 2004 Le CNRS : une grande diversité de métiers Une grande variété de métiers sont exercés dans les unités de recherche et de services du CNRS. Le CNRS compte 25 283 agents : 11 349 chercheurs,

Plus en détail

L AMDEC un outil puissant d optimisation de la maintenance, application à un motocompresseur d une PME marocaine

L AMDEC un outil puissant d optimisation de la maintenance, application à un motocompresseur d une PME marocaine L AMDEC un outil puissant d optimisation de la maintenance, application à un moto d une PME marocaine Brahim HERROU*, Mohamed ELGHORBA** *Ecole Supérieure de Technologie BP. 2427 Route Imouzzer Fes herroubrahim@yahoo.fr

Plus en détail

Mesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme

Mesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme TFE Ingénieur Civil Mathématiques Appliquées 24 juin 2010 Mesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme Auteur Christophe Pochet Promoteur Pierre Devolder Comment garantir la

Plus en détail

imaginez-vous un univers de possibilités BOOK2014-2015 imagine yourself in a world of opportunities... http://recrutement.akka.eu

imaginez-vous un univers de possibilités BOOK2014-2015 imagine yourself in a world of opportunities... http://recrutement.akka.eu BOOK2014-2015 imaginez-vous un univers de possibilités imagine yourself in a world of opportunities... http://recrutement.akka.eu BOOK France imaginez-vous un univers de possibilités http://recrutement.akka.eu

Plus en détail

Présentations GTF. Point de vue d un utilisateur final. Durée de vie des ouvrages : Approche Prédictive, PerformantielLE et probabiliste

Présentations GTF. Point de vue d un utilisateur final. Durée de vie des ouvrages : Approche Prédictive, PerformantielLE et probabiliste Présentations GTF Présenté par : Georges NAHAS Organismes : Institut de Radioprotection et de Sûreté Nucléaire (IRSN) Paris 26 mai 2009 Introduction Le vieillissement des ouvrages de génie civil et plus

Plus en détail

Incertitude et variabilité : la nécessité de les intégrer dans les modèles

Incertitude 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 détail

Whitepaper. La solution parfaite pour la mise en température d un réacteur. Système de régulation. Réacteur. de température

Whitepaper. La solution parfaite pour la mise en température d un réacteur. Système de régulation. Réacteur. de température Whitepaper Mettre en température économiquement La solution parfaite pour la mise en température d un réacteur La mise en température de réacteur dans les laboratoires et les unités pilotes de l industrie

Plus en détail

Gestion et entretien des Installations Electriques BT

Gestion et entretien des Installations Electriques BT Durée : 5 jours Gestion et entretien des Installations Electriques BT Réf : (TECH.01) ² Connaître les paramètres d une installation basse tension, apprendre les bonnes méthodes de gestion et entretien

Plus en détail

1/- Analyse quantitative des défaillances : Introduction à la maintenance

1/- Analyse quantitative des défaillances : Introduction à la maintenance L analyse des défaillances peut s effectuer : - Soit de manière quantitative puis qualitative en exploitant l historique de l équipement et les données qualitatives du diagnostic et de l expertise des

Plus en détail

FEUILLET TECHNIQUE Etalonnage des alarmes

FEUILLET TECHNIQUE Etalonnage des alarmes FEUILLET TECHNIQUE Etalonnage des alarmes Les avaries majeures de moteurs avec des coûts de réparation élevés et des arrêts des bateaux surviennent parce que l alarme de pression ou de niveau de l eau

Plus en détail

Les risques liés à l activité de l entreprise : quels outils pour les identifier?

Les risques liés à l activité de l entreprise : quels outils pour les identifier? Les risques liés à l activité de l entreprise : quels outils pour les identifier? Alger, le 23-24 Novembre 2009 Présentée par: Mlle Amina NADJI Doctorante en 3ème année sciences économiques (CRIISEA, Centre

Plus en détail

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

CarrotAge, un logiciel pour la fouille de données agricoles

CarrotAge, un logiciel pour la fouille de données agricoles CarrotAge, un logiciel pour la fouille de données agricoles F. Le Ber (engees & loria) J.-F. Mari (loria) M. Benoît, C. Mignolet et C. Schott (inra sad) Conférence STIC et Environnement, Rouen, 19-20 juin

Plus en détail

De la mesure à l analyse des risques

De la mesure à l analyse des risques De la mesure à l analyse des risques Séminaire FFA Jean-Paul LAURENT Professeur à l'isfa jean-paul.laurent@univ-lyon1.fr http://laurent.jeanpaul.free.fr/ 0 De la la mesure à l analyse des risques! Intégrer

Plus en détail

ORGANISER CP3 : Organiser et optimiser les activités de maintenance

ORGANISER CP3 : Organiser et optimiser les activités de maintenance CP3.1 : Définir et/ou optimiser la stratégie de La liste des biens Déterminer les indicateurs de Les indicateurs sont correctement disponibilité des biens déterminés La politique de Les données de production

Plus en détail

Centre de tournage. et de fraisage CNC TNX65/42

Centre de tournage. et de fraisage CNC TNX65/42 Centre de tournage et de fraisage CNC TNX65/42 Le tour TRAUB TNX65/42 pose de nouveaux jalons dans l'usinage à haute performance. Le concept de machine futuriste avec l'incomparable nouvelle unité de fraisage

Plus en détail

Génie Industriel et Maintenance

Génie Industriel et Maintenance Visite du département Génie Industriel et Maintenance Pour qu aucun de ces systèmes ne tombe en panne. Plan de la visite 1 2 3 4 6 5 1 er Etage 7 8 Rez-de-chaussée 1 Laboratoire de recherche Rôles : L

Plus en détail

Les types et niveaux de maintenance

Les types et niveaux de maintenance Les types et niveaux de maintenance Les types de maintenance La maintenance des équipements constitue une contrainte réglementaire pour les entreprises possédant des matériels sur lesquels travaillent

Plus en détail

Couplage 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 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 détail

déroulement des études

déroulement des études Livret des cursus 2011-2012 déroulement des études PREMIÈRE ANNÉE (p. 4) 1 er semestre 2 e semestre Tronc commun (TC1) Stage Opérateur Tronc commun (TC2) DEUXIÈME ANNÉE (p. 5) 3 e semestre 4 e semestre

Plus en détail

Disponibilité et fiabilité des services et des systèmes

Disponibilité et fiabilité des services et des systèmes Disponibilité et fiabilité des services et des systèmes Anthony Busson Introduction Un site Web commercial perd de l argent lorsque leur site n est plus disponible L activité d une entreprise peut être

Plus en détail

Master Informatique et Systèmes. Architecture des Systèmes d Information. 03 Architecture Logicielle et Technique

Master Informatique et Systèmes. Architecture des Systèmes d Information. 03 Architecture Logicielle et Technique Master Informatique et Systèmes Architecture des Systèmes d Information 03 Architecture Logicielle et Technique Damien Ploix 2014-2015 Démarche d architecture SI : structuration en vues Quels métiers?

Plus en détail

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES

Plus en détail

Auscultation par thermographie infrarouge des ouvrages routiers

Auscultation par thermographie infrarouge des ouvrages routiers Journée «Thermographie infrarouge pour le bâtiment et les travaux publics» Auscultation par thermographie infrarouge des ouvrages routiers Jean Dumoulin (LCPC) Mario Marchetti (LRPC Nancy) Frédéric Taillade

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

Un accueil de qualité :

Un accueil de qualité : Un accueil de qualité : Mercredi 08 Juin 2011, dans l après-midi, notre classe de 3 ème de Découverte Professionnelle s est rendue sur le site de THALES ALENIA SPACE à CANNES LA BOCCA. Nous étions accompagnés

Plus en détail

Température corporelle d un castor (une petite introduction aux séries temporelles)

Température corporelle d un castor (une petite introduction aux séries temporelles) Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature

Plus en détail

Intelligence artificielle et les défis en robotique mobile et autonome

Intelligence artificielle et les défis en robotique mobile et autonome Intelligence artificielle et les défis en robotique mobile et autonome Éric Beaudry http://planiart.usherbrooke.ca/~eric/ Étudiant au doctorat en informatique Laboratoires Planiart et Laborius 13 février

Plus en détail

préventif des bâtiments

préventif des bâtiments Les défisd de l entretienl préventif des bâtiments Michel Jullien Directeur Les Consultants Ammco Inc. 5989 David-Lewis, Côte-St-Luc, Qc. H3X 4A1 Tél: (514) 739-1959, Télécopie: (514) 739-2897 www.ammco.ca

Plus en détail

MONTRANO. Système de surveillance continue pour transformateurs

MONTRANO. Système de surveillance continue pour transformateurs MONTRANO Système de surveillance continue pour transformateurs Surveillance conditionnelle pour transformateurs La connaissance de l'état diélectrique d'uneisolation est fondamentale Un amorçage du diélectrique

Plus en détail

Soutenance de stage Laboratoire des Signaux et Systèmes

Soutenance 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 détail

Fiabilité des Systèmes et des Logiciels

Fiabilité des Systèmes et des Logiciels Ensimag - 3ème année Fiabilité des Systèmes et des Logiciels Notes de cours Olivier Gaudoin 2 Table des matières 1 Problématique de la sûreté de fonctionnement des systèmes informatiques 5 1.1 Contexte.....................................

Plus en détail

Contrats à long terme

Contrats à long terme CONSEIL NATIONAL DE LA COMPTABILITÉ AVIS N 99-10 Contrats à long terme 1. Définition et champ d'application des contrats à long terme 2. Constatation des produits et des charges. 3. Inventaire des produits

Plus en détail

Projet de Traitement du Signal Segmentation d images SAR

Projet 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 détail

Préparation des données d entrée pour la définition d un plan de validation

Préparation des données d entrée pour la définition d un plan de validation L ingénierie des systèmes complexes Préparation des données d entrée pour la définition d un plan de validation Référence Internet 22745.010 Saisissez la Référence Internet 22745.010 dans le moteur de

Plus en détail

MASTER MENTION MATHEMATIQUES. Objectifs et programme

MASTER MENTION MATHEMATIQUES. Objectifs et programme MASTER MENTION MATHEMATIQUES Objectifs et programme Responsable de la formation : Jörg Wildeshaus Secrétariat Bureau D 203 Tél. : 01 49 40 44 58 master-math@galilee.univ-paris13.fr Institut Galilée 99

Plus en détail

L ' E N V I R O N N E M E N T À T R A V E R S L A S I M U L A T I O N N U M É R I Q U E : D E L ' I N G É N I E R I E D U B Â T I M E N T

L ' E N V I R O N N E M E N T À T R A V E R S L A S I M U L A T I O N N U M É R I Q U E : D E L ' I N G É N I E R I E D U B Â T I M E N T L ' E N V I R O N N E M E N T À T R A V E R S L A S I M U L A T I O N N U M É R I Q U E : U N E N O U V E L L E P R A T I Q U E D E L ' I N G É N I E R I E D U B Â T I M E N T Pour les bâtiments et à l'échelle

Plus en détail

CONSEIL - ACCOMPAGNEMENT - AUDIT - DIAGNOSTIC

CONSEIL - ACCOMPAGNEMENT - AUDIT - DIAGNOSTIC SERVICES POUR LES RÉSEAUX INDUSTRIELS CONSEIL - ACCOMPAGNEMENT - AUDIT - DIAGNOSTIC CONSEIL ACCOMPAGNEMENT Recueillir l avis d experts pour prendre les bonnes orientations stratégiques Mettre en service

Plus en détail

Etude expérimentale et numérique de la Sédimentation/Consolidation de sols à très forte teneur en eau

Etude expérimentale et numérique de la Sédimentation/Consolidation de sols à très forte teneur en eau Etude expérimentale et numérique de la Sédimentation/Consolidation de sols à très forte teneur en eau Gilbert LE BRAS (IUT de st nazaire, Dépt. Génie Civil) Alain ALEXIS (GeM) 1/42 Introduction Domaine

Plus en détail