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

MODELES DE DEGRADATION DES BATTERIES D ACCUMULATEURS DEGRADATION MODELS FOR BATTERIES OF ACCUMULATORS

MODELES DE DEGRADATION DES BATTERIES D ACCUMULATEURS DEGRADATION MODELS FOR BATTERIES OF ACCUMULATORS MODELES DE DEGRADATION DES BATTERIES D ACCUMULATEURS DEGRADATION MODELS FOR BATTERIES OF ACCUMULATORS Marion Soussens, Roland Laulheret, André Cabarbaye Centre National d Etudes Spatiales (CNES) André

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

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

Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique

Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique Karen Gonzalez Benoîte de Saporta et François Dufour IMB, Université Bordeaux Neuvième Colloque Jeunes Probabilistes et Statisticiens

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

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel.

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Workshop du GIS 3SGS Reims, 29 septembre 2010 Sommaire Missions

Plus en détail

MODELE PREDICTIF DE DEGRADATION NON LINEAIRE DANS DES CONDITIONS D ENVIRONNEMENTS VARIES

MODELE PREDICTIF DE DEGRADATION NON LINEAIRE DANS DES CONDITIONS D ENVIRONNEMENTS VARIES MODELE PREDICTIF DE DEGRADATION NON LINEAIRE DANS DES CONDITIONS D ENVIRONNEMENTS VARIES PREDICTIVE MODEL OF NONLINEAR DEGRADATION IN VARIED ENVIRONMENTAL CONDITIONS Sébastien BOSSE, Gianandrea QUADRI,

Plus en détail

Problèmes de fiabilité dépendant du temps

Problèmes de fiabilité dépendant du temps Problèmes de fiabilité dépendant du temps Bruno Sudret Dépt. Matériaux et Mécanique des Composants Pourquoi la dimension temporelle? Rappel Résistance g( RS, ) = R S Sollicitation g( Rt (), St (),) t =

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

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

TABLE DES MATIÈRES CHAPITRE

TABLE DES MATIÈRES CHAPITRE TABLE DES MATIÈRES CHAPITRE 1 Le pilotage de la performance... 17 I. Du contrôle au pilotage de la performance... 17 A. Le contrôle de gestion traditionnel... 17 B. Le pilotage de la performance... 19

Plus en détail

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07 Axe MSA Bilan scientifique et perspectives ENSM.SE L. Carraro - 17 décembre 07 17 décembre 07 2 Plan Compétences acquises domaines scientifiques compétences transverses Domaines ou activités accessibles

Plus en détail

Maintenance prévisionnelle d équipements industriels basée sur la modélisation, l estimation et la simulation de lois de dégradation

Maintenance prévisionnelle d équipements industriels basée sur la modélisation, l estimation et la simulation de lois de dégradation Thèse de doctorat Thèse présentée à la Faculté Polytechnique de Mons pour l obtention du grade de Docteur en Sciences de l Ingénieur soutenue par Christophe LETOT Maintenance prévisionnelle d équipements

Plus en détail

Aide à la décision pour l'optimisation de la maintenance des stations de compression de gaz naturel

Aide à la décision pour l'optimisation de la maintenance des stations de compression de gaz naturel Aide à la décision pour l'optimisation de la maintenance des stations de compression de gaz naturel J. Blondel, L. Marle - CRIGEN A. Abdesselam GRTgaz F. Brissaud - DNV France Presentation Plan Objectifs

Plus en détail

Evaluation de performance en Sûreté de Fonctionnement

Evaluation de performance en Sûreté de Fonctionnement Groupe SdF Midi-Pyrénées Toulouse 5 juin 2015 Evaluation de performance en Sûreté de Fonctionnement - Andre.cabarbaye Plan Introduction Types de performances Finalité des analyses Attentes du donneur d

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

Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1

Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1 Université Paris Diderot Physique L2 2014-2015 Simulations Numériques SN4 Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1 Objectifs : Simuler

Plus en détail

EVALUATION DE LA SURETE DE FONCTIONNEMENT DES SYSTEMES DYNAMIQUES PAR

EVALUATION DE LA SURETE DE FONCTIONNEMENT DES SYSTEMES DYNAMIQUES PAR EVALUATION DE LA SURETE DE FONCTIONNEMENT DES SYSTEMES DYNAMIQUES PAR MODELISATION RECURSIVE Résumé : CABARBAYE André 1 - LAULHERET Roland 2 Centre National d Etudes Spatiales (CNES) (1) & (2) 18, avenue

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

S8 : STRATÉGIE DE MAINTENANCE

S8 : STRATÉGIE DE MAINTENANCE S8 : STRATÉGIE DE MAINTENANCE FINALITÉ L enseignement de la stratégie de maintenance doit apporter à l étudiant les connaissances, les outils d analyse et les outils méthodologiques lui permettant de remplir

Plus en détail

Déploiement du mât de communication d un véhicule spatial. 06/10/2010 Master 2 Systèmes critiques Programmation synchrone David LESENS

Déploiement du mât de communication d un véhicule spatial. 06/10/2010 Master 2 Systèmes critiques Programmation synchrone David LESENS Programmation synchrone Projet 2010 Déploiement du mât de communication Date limite: 17 décembre 2010 david.lesens@orange.fr 1 Déploiement du mât de communication d un véhicule spatial 2 Déploiement du

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

GEL 1001 Design I (méthodologie)

GEL 1001 Design I (méthodologie) GEL 1001 Design I (méthodologie) Technique 2 Systèmes embarqués et fiabilité Hiver 2013 Département de génie électrique et de génie informatique Plan Système embarqué Ordinateur et architecture Von Neumann

Plus en détail

PROJET DE SPÉCIALITÉ DU MASTER DE MATHÉMATIQUES. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE

PROJET DE SPÉCIALITÉ DU MASTER DE MATHÉMATIQUES. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE PROJET DE SPÉCIALITÉ DU MASTER DE MATHÉMATIQUES. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE Porteurs du projet Marc Arnaudon, professeur des universités, responsable des relations avec les entreprises.

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

Regime Switching Model : une approche «pseudo» multivarie e

Regime Switching Model : une approche «pseudo» multivarie e Regime Switching Model : une approche «pseudo» multivarie e A. Zerrad 1, R&D, Nexialog Consulting, Juin 2015 azerrad@nexialog.com Les crises financières survenues dans les trente dernières années et les

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

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

Programme détaillé des enseignements

Programme détaillé des enseignements Programme détaillé des enseignements SEMESTRE S1 STATISTIQUES Méthodes d'estimation ponctuelle (méthodes des moments, du maximum de vraisemblances, bayésienne) et par intervalles de confiance. Statistiques

Plus en détail

L'apport de la simulation numérique 3D pour la CEM : méthodologie & perspectives. Benoît MARTIN Dept. Formation & Ingénierie be.martin@emitech.

L'apport de la simulation numérique 3D pour la CEM : méthodologie & perspectives. Benoît MARTIN Dept. Formation & Ingénierie be.martin@emitech. L'apport de la simulation numérique 3D pour la CEM : méthodologie & perspectives Benoît MARTIN Dept. Formation & Ingénierie be.martin@emitech.fr Cycle en V de développement d un produit Couts Délais Qualité

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

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay Modélisation prédictive et incertitudes P. Pernot Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay Plan 1 Incertitudes des modèles empiriques 2 Identification et caractérisation des paramètres incertains

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

CARMEN. atelier logiciels simulation de systèmes propulsifs à ergols liquides LMCS 17/04/2008

CARMEN. atelier logiciels simulation de systèmes propulsifs à ergols liquides LMCS 17/04/2008 CARMEN atelier logiciels simulation de systèmes propulsifs à ergols liquides LMCS 17/04/2008 Table de matières Introduction sur DLA Présentation CARMEN Logiciel CARINS Logiciel CARDIM Conclusions This

Plus en détail

Contribution à la prise de décision dynamique en maintenance prévisionnelle par formalisation d un principe d opportunité

Contribution à la prise de décision dynamique en maintenance prévisionnelle par formalisation d un principe d opportunité Édouard THOMAS Contribution à la prise de décision dynamique en maintenance prévisionnelle par formalisation d un principe d opportunité Directeur : Benoît IUNG 15 juillet 2009 Codirecteur : Éric LEVRAT

Plus en détail

Modélisation stochastique des données à partir d essais sur matériaux. Pr. Denys Breysse Université Bordeaux 1

Modélisation stochastique des données à partir d essais sur matériaux. Pr. Denys Breysse Université Bordeaux 1 Modélisation stochastique des données à partir d essais sur matériaux Pr. Denys Breysse Université Bordeaux 1 Hasard cause fictive de ce qui arrive sans raison apparente ou explicable (Petit Robert). Ce

Plus en détail

Activités en FIabilité et MAintenance au sein de l équipe FIGAL du Laboratoire Jean Kuntzmann

Activités en FIabilité et MAintenance au sein de l équipe FIGAL du Laboratoire Jean Kuntzmann Activités en FIabilité et MAintenance au sein de l équipe FIGAL du Laboratoire Jean Kuntzmann Laurent Doyen Laboratoire Jean Kuntzmann (LJK) Département probabilités et statistique Equipe FIGAL LJK - Grenoble

Plus en détail

APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES

APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES Journées Nationales de Géotechnique et de Géologie de l'ingénieur - JNGG' 2006 Lyon (France) APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES Mbarka SELMI 1, Mounir LTIFI

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

Modélisation et optimisation combinatoire de la

Modélisation et optimisation combinatoire de la Modélisation et optimisation combinatoire de la gestion d énergie pour un système multi-sources Yacine Gaoua (1)(2)(3) 1.Institut National Polytechnique de Toulou, INPT 2.Laboratoire PLAsma et Conversion

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

!-.!#- $'( 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

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS established in 2006 at the University of Abomey-Calavi (Republic of Benin) UNITWIN/UNESCO

Plus en détail

Provisionnement face au risque de défaut des emprunteurs

Provisionnement face au risque de défaut des emprunteurs Provisionnement face au risque de défaut des emprunteurs Geoffrey Nichil et Pierre Vallois Institut Elie Cartan de Lorraine. 6-11 Avril 2014 1/12 Geoffrey Nichil et Pierre Vallois Provisionnement face

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

ANNEXE 1 BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques

ANNEXE 1 BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques ANNEXE BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques L'enseignement des mathématiques dans les sections de techniciens supérieurs Agencement de l'environnement architectural

Plus en détail

Optimisation de trajectoire pour une mission Ariane 5

Optimisation de trajectoire pour une mission Ariane 5 Optimisation de trajectoire pour une mission Ariane 5 Ludovic Goudenège (sur la base d un projet de Pierre Martinon) ENSTA - Module IN103 Septembre 2012 Plan 1 Quelques données et chiffres 2 Dynamique

Plus en détail

Plan. Contexte : SCM. Décision incertaine et logistique : Grille typologique

Plan. Contexte : SCM. Décision incertaine et logistique : Grille typologique Décision incertaine et logistique : Grille typologique Animateurs : S. Durieux, P. Genin, C. Thierry durieux@ifma.fr thierry@univ-tlse2.fr patrick.genin@supmeca.fr JD MACS 2009, Angers, 19-20 Novembre

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

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

Conception en Vue du Test (CVT-DFT) des circuits intégrés digitaux INTRODUCTION

Conception en Vue du Test (CVT-DFT) des circuits intégrés digitaux INTRODUCTION Conception en Vue du Test (CVT-DFT) des circuits intégrés digitaux INTRODUCTION Mounir BENABDENBI Mounir.Benabdenbi@lip6.fr Laboratoire d Informatique de Paris 6 (LIP6) 2007 Landrault Techniques et outils

Plus en détail

12/06/2012 INTRODUCTION

12/06/2012 INTRODUCTION Université Abdelmalek Essàadi Ecole Supérieure Normale - Martil - Réalisée par : - Noura ZEKKARI - Laila KARIM INTRODUCTION Une file d attente est le résultat d un système lorsque la demande pour un bien

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

Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais.

Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais. Yongwe Jean-Luc Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais. (Système ALOHA) (Sous la tutelle de Madame Anne Perrut)

Plus en détail

Les formations en thermique

Les formations en thermique Les formations en thermique Catalogue juin 2015 1 SOMMAIRE CODE FORMATIONS GENERIQUES DUREE PAGE TSP Thermique Spatiale 5 jours 3 TEL Thermique Electronique 5 jours 4 FORMATIONS SPECIFIQUES (compléments

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

Génie Industriel : Optimisation de la chaîne logistique

Génie Industriel : Optimisation de la chaîne logistique Génie Industriel : Optimisation de la chaîne logistique Amélioration des performances de l entreprise : Piloter les systèmes de production (de biens et de services), Optimiser les flux (stock, délai, matière

Plus en détail

Composants commerciaux organisation, exigences, expérience

Composants commerciaux organisation, exigences, expérience 1 CCT 5; 15; 18 Atelier Composants commerciaux pour l'informatique embarquée Composants commerciaux organisation, exigences, expérience Philippe LAY CNES DTS/AQ/QCP/PR Direction des Techniques Spatiales

Plus en détail

MASTER DE MATHÉMATIQUES DE POITIERS. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE. Responsables

MASTER DE MATHÉMATIQUES DE POITIERS. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE. Responsables ÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒ ÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒ MASTER DE MATHÉMATIQUES DE POITIERS. SPÉCIALITÉ : MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE Responsables Marc Arnaudon, professeur des

Plus en détail

Plan d actions Recherche, Technologie et Innovation

Plan d actions Recherche, Technologie et Innovation La passion de l'excellence Plan d actions Recherche, Technologie et Innovation Comités et séminaires RTI Phase : Initiation - Détection 1 Projets Objectif Faciliter les échanges entre les membres de NAE

Plus en détail

Analyse de données et méthodes numériques

Analyse de données et méthodes numériques Analyse de données et méthodes numériques Analyse de données: Que faire avec un résultat? Comment le décrire? Comment l analyser? Quels sont les «modèles» mathématiques associés? Analyse de données et

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

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

Etudier et mettre en œuvre un variateur de vitesse. Banc variation de vitesse Altivar 71 avec frein à poudre

Etudier et mettre en œuvre un variateur de vitesse. Banc variation de vitesse Altivar 71 avec frein à poudre Etudier et mettre en œuvre un variateur de vitesse Banc variation de vitesse Altivar 71 avec frein à poudre 1. Présentation de l Equipement Cet équipement est destiné à l apprentissage des différents

Plus en détail

1 comptables Principes de base du modèle Ressource «mécanismes comptables fondamentaux» 2

1 comptables Principes de base du modèle Ressource «mécanismes comptables fondamentaux» 2 Semestre Niveau de connaissance : : connaître, culture générale : savoir appliquer 3 : maîtriser ressources IUT en ligne : se connecter à http://www.iutenligne.net/etudiants_log.php identifiant : qlio0

Plus en détail

Gestion des Risques Financiers

Gestion des Risques Financiers Gestion des Risques Financiers Thierry Roncalli 9 janvier 2008 Merci de rédiger entièrement vos réponses. 1 La réglementation Bâle II 1. Quelles sont les principales diérences entre l'accord originel de

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

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

Physique parcours Informatique

Physique parcours Informatique Université de MONTPELLIER 2 1/3 parcours Informatique L1 S1 Calculus 5 L1 S1 Chimie Générale 1 5 L1 S1 Electrocinétique 5 L1 S1 Mathématiques Algèbre linéaire 1 et Analyse 1 10 L1 S1 Générale 5 L1 S1 Initiation

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

SOMMAIRES D OUVRAGES PARUS

SOMMAIRES D OUVRAGES PARUS SOMMAIRES D OUVRAGES PARUS TITRE : MÉTHODES ACTUARIELLES DE L'ASSURANCE VIE (cours et exercices corrigés) AUTEUR : Christian HESS ÉDITEUR : ÉCONOMICA, PARIS DATE DE PARUTION : NOVEMBRE 2000 357 pages prix

Plus en détail

Introduction aux Méthodes de Monte Carlo

Introduction aux Méthodes de Monte Carlo Méthodes de Monte Carlo pour la Modélisation et le Calcul Intensif Applications à la Physique Numérique et à la Biologie Séminaire CIMENT GRID Introduction aux Méthodes de Monte Carlo Olivier François

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

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin Plan de la séance Traitement d images Partie 4: Restauration Thomas Oberlin Signaux et Communications, RT/ENSEEHT thomasoberlin@enseeihtfr 1 ntroduction 2 Modélisation des dégradations Modèles de bruit

Plus en détail

Analyse et optimisation de la opto-électronique équipé de HUMS

Analyse et optimisation de la opto-électronique équipé de HUMS N ordre : 4882 Thèse présentée à l Université Bordeaux 1 Ecole doctorale de Mathématiques et Informatique par Camille Baysse pour obtenir le grade de Docteur Spécialité : Mathématiques appliquées Analyse

Plus en détail

COMMUNICATIONS NUMERIQUES INTRA VEHICULE : CARACTERISATION DES BRUITS ET DES INTERFERENCES

COMMUNICATIONS NUMERIQUES INTRA VEHICULE : CARACTERISATION DES BRUITS ET DES INTERFERENCES COMMUNICATIONS NUMERIQUES INTRA VEHICULE : CARACTERISATION DES BRUITS ET DES INTERFERENCES Virginie DEGARDIN*, Marc HEDDEBAUT**, Martine LIENARD*, Virginie DENIAU** et Pierre DEGAUQUE* (*): Université

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

Ecole Supérieure d Ingénieurs Léonard de Vinci

Ecole Supérieure d Ingénieurs Léonard de Vinci Ecole Supérieure d Ingénieurs Léonard de Vinci «Evaluation et couverture de produits dérivés» Etudiants : Colonna Andrea Pricing d'un Call Lookback par Monte Carlo et Ponts Browniens Rapport de Projet

Plus en détail

Evaluer, construire et exploiter votre centre informatique

Evaluer, construire et exploiter votre centre informatique engineering Evaluer, construire et exploiter votre centre informatique APIS Engineering est un Bureau d Etudes spécialisé dans les infrastructures techniques des Centres Informatiques de nouvelle génération.

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

Arrêt optimal et optimisation de la maintenance

Arrêt optimal et optimisation de la maintenance Benoîte de Saporta CQFD - Contrôle de Qualité et Fiabilité Dynamique 22 septembre 2011 Benoîte de Saporta 1/34 Plan 1 Un problème de maintenance 2 Modélisation mathématique 3 Stratégie de résolution 4

Plus en détail

DEFINITIONS NORMES. BFN Conseils. EN 13306

DEFINITIONS NORMES. BFN Conseils. EN 13306 BFN Conseils. (Total Production Management) DEFINITIONS NORMES EN 13306 Management de la maintenance (2.2) Toutes les activités des instances de direction qui déterminent les objectifs, la stratégie et

Plus en détail

Dimensionnement Introduction

Dimensionnement Introduction Dimensionnement Introduction Anthony Busson Dimensionnement Pourquoi dimensionner? Création d un système informatique ou réseau Problème de décision (taille des différents paramètres) Evaluer les performances

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

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

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

Master Electronique Electrotechnique Automatique

Master Electronique Electrotechnique Automatique Master Electronique Electrotechnique Automatique Spécialité Energie et Fiabilité Gilles DESPAUX Directeur des études Arnaud VIRAZEL Responsable 1 er année www.master-eea.univ-montp2.fr Philippe ENRICI

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

Atelier INTENS E.Nuss, pour le comité d'organisation. eric.nuss@univ-montp2.fr LUPM

Atelier INTENS E.Nuss, pour le comité d'organisation. eric.nuss@univ-montp2.fr LUPM Atelier INTENS E.Nuss, pour le comité d'organisation eric.nuss@univ-montp2.fr LUPM Historique Septembre 2012 : Master "Espace et Application", Université franco-vietnamienne des Sciences et Technologies

Plus en détail

BAC PRO MSMA A.M.D.E.C. 1/5

BAC PRO MSMA A.M.D.E.C. 1/5 MSMA A.M.D.E.C. /5 C est un outil d analyse qui permet de construire la qualité des produits fabriqués ou des services rendus et favorise la maîtrise de la fiabilité en vue d abaisser le coût global. Elle

Plus en détail

Mathématiques et Applications 57. Modèles aléatoires. Applications aux sciences de l'ingénieur et du vivant

Mathématiques et Applications 57. Modèles aléatoires. Applications aux sciences de l'ingénieur et du vivant Mathématiques et Applications 57 Modèles aléatoires Applications aux sciences de l'ingénieur et du vivant Bearbeitet von Jean-François Delmas, Benjamin Jourdain 1. Auflage 2006. Taschenbuch. xxv, 431 S.

Plus en détail

De l audit au Commissionnement : Quelles spécificités pour les projets de GRE?

De l audit au Commissionnement : Quelles spécificités pour les projets de GRE? De l audit au Commissionnement : Quelles spécificités pour les projets de GRE? Myriam HUMBERT Cerema 1 L audit en général Objectif : construire un modèle thermique du bâtiment comme aide à la décision

Plus en détail

PLATEAU TECHNIQUES AVANCÉES D USINAGE Transfert de technologie Recherche et Formation

PLATEAU TECHNIQUES AVANCÉES D USINAGE Transfert de technologie Recherche et Formation PLATEAU TECHNIQUES AVANCÉES D USINAGE Transfert de technologie Recherche et Formation PLATEAU TECHNIQUE Contact: Michel Danis Tel : 05 56 84 56 45 Mail : michel.danis@u-bordeaux1.fr web: http://www.ptau.u-bordeaux1.fr/

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

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 L2 MIASHS Cours de B. Desgraupes Simulation Stochastique Séance 04: Nombres pseudo-aléatoires Table des matières 1

Plus en détail

Initiation à la fouille de données et à l apprentissage automatiq

Initiation à la fouille de données et à l apprentissage automatiq Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/

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