Réseau RRFR pour la surveillance dynamique : application en e-maintenance.

Dimension: px
Commencer à balayer dès la page:

Download "Réseau RRFR pour la surveillance dynamique : application en e-maintenance."

Transcription

1 Réseau RRFR pour la survellance dynamue : applcaton en e-mantenance. RYAD ZEMOURI, DANIEL RACOCEANU, NOUREDDINE ZERHOUNI Laboratore Unverstare de Recherche en Producton Automatsée (LURPA) 6, avenue du Présdent Wlson 94 5 Cachan cedex FRANCE Laboratore d Automatue de Besançon (LAB) 4, Rue Alan Savary 5 Besançon France {danel.racoceanu, Résumé Nous présentons dans cet artcle une nouvelle archtecture neuronale appluée sur un problème de survellance d un système à événements dscrets. Le réseau RRFR proposé s nspre des avantages dynamues des représentatons localement récurrentes et de la souplesse d utlsaton des réseaux RFR. Grâce à la smplcté de l archtecture ue nous proposons, nous avons pu décortuer le réseau RRFR en fonctons élémentares afn de l embaruer dans un automate ndustrel. La soluton obtenue est entèrement paramétrable à dstance va le protocole TCP/IP, et s ntègre entèrement dans une perspectve d explotaton en e-mantenance. Mots clés Réseaux de neurones, survellance dynamue, archtectures à automate programmable. I. INTRODUCTION (DEFINITION DE LA PROBLEMATIQUE) Le rôle premer de la survellance ndustrelle est d augmenter la dsponblté des nstallatons ndustrelles afn de rédure les coûts drects et ndrects de la mantenance des éupements de producton. Les coûts drects de cette mantenance sont ceux relatfs aux dverses pèces de rechange, man d œuvre, etc. Par contre, les coûts ndrects sont essentellement dus au manue à gagner engendré par un arrêt de producton. On comprend alors ue l enjeu d une bonne poltue de survellance est très mportant pour les entreprses souceuses d avor une melleure maîtrse des coûts de mantenance. Actuellement, le domane de la mantenance a tendance à devenr un marché à part entère et beaucoup d entreprses se spécalsant dans ce domane ont été créées ces dernères années. La mantenance est devenue un vra méter avec ses propres méthodologes et concepts. Parm les facteurs u ont favorsé cette nouvelle tendance, nous pouvons cter le développement des Scences et Technologes de l Informaton et de la Communcaton (STIC) u prend une place très mportante. L essor de ces moyens de communcaton a provoué une évoluton mportante de l organsaton des entreprses. Celles-c ont tendance de plus en plus à externalser la foncton mantenance pour meux se concentrer sur leur actvté prncpale (la producton). Par alleurs, les composantes du système de survellance se caractérsent par une autonome de plus en plus mportante, en travallant dans des systèmes dstrbués et en ntégrant souvent une ntellgence embaruée. Les méthodologes de survellance peuvent être dvsées en deux grandes catégores : les méthodologes u se basent sur l exstence d un modèle formel de l éupement à surveller, et celles u se basent unuement sur l analyse des varables de survellance ans ue sur les connassances a pror des experts humans. Les méthodes u se basent sur une modélsaton de l éupement sont naturellement trbutares de l exstence ans ue de la ualté d une modélsaton physue de l éupement. Ce modèle servra de référence pour un fonctonnement nomnal, et tout écart par rapport au pont de fonctonnement nomnal sera synonyme de défallance. L nconvénent de ces technues est l exstence d ncerttudes de modélsaton u sont dues au fat ue la modélsaton physue ne prend pas en consdératon tous les paramètres et les aléas u peuvent nfluer sur une nformaton d un paramètre de survellance. Ces ncerttudes de modélsaton sont généralement prses en compte par le modèle d une manère explcte (addtve ou multplcatve). S la modélsaton de composants est souvent réalsable, un problème délcat concerne la modélsaton de toute une machne complexe ou d un procédé enter. Cec nous condut à la remarue suvante : lorsue l on veut surveller un éupement (ou un système) sur leuel on ne dspose ue de très peu d nformatons physues, on peut se poser la ueston de savor s l serat ntéressant de prendre le rsue d nvestr dans l élaboraton d un modèle de l éupement, ou ben d utlser les deuxèmes méthodologes u ne se basent pas sur l exstence d une modélsaton physue. Les technues de l Intellgence Artfcelle (IA) sont utlsées dans ce sens. Leur réponse est donc plus élaborée ue celle des technues de bas nveau. Cette réponse peut être obtenue sot à partr des données brutes venant drectement des varables de survellance, sot à partr des données tratées venant des sortes des tratements de bas nveau. Le rôle ue peut jouer un expert human reste tout de même ndspensable s l on veut concevor un outl de survellance avec les technues de l Intellgence Artfcelle. Parm les technues de l IA utlsées pour la survellance, nos travaux concernent les Réseaux de Neurones Artfcels (RNA), u se démaruent des

2 autres outls par leur capacté d apprentssage et de généralsaton. La survellance dynamue et la prédcton d une varable pour la mantenance prédctve nécesstent la prse en compte par le réseau de neurones de la dmenson temporelle. Cette prse en compte du passé du sgnal n est possble ue par des archtectures de réseaux de neurones dtes temporelles. Les réseaux de neurones statues sont ncapables d assurer ce genre de tratement. C est dans tout ce contexte de survellance pour la e-mantenance ue nous présentons dans cet artcle une nouvelle archtecture d un réseau de neurones dynamue u s est montrée effcace pour applcaton de survellance d un système à événements dscrets. Grâce à la smplcté de l archtecture proposée, nous avons pu décortuer le réseau de neurones afn de l embaruer dans un automate programmable ndustrel (API). La soluton présentée dans cet artcle est entèrement paramétrable à dstance par le protocole de communcaton TCP/IP grâce au Coupleur Ethernet serveur Web des automates de nouvelle génératon. Ans un expert dstant peut suvre l évoluton de son éupement et mettre à jour les paramètres de son outl de survellance à dstance va le réseau Internet [6]. II. PROPOSITION D UNE ARCHITECTURE NEURONALE POUR LA SURVEILLANCE EN TEMPS REEL Pour aller dans le sens du prncpe de la parcmone des réseaux de neurones, on peut se poser la ueston suvante : Pouruo compluer l archtecture d un réseau de neurones avec des récurrences globales uand on peut smplfer le réseau en utlsant des récurrences locales? Cette ueston résume notre but en proposant un outl neuronal pour la prédcton temporelle. L archtecture neuronale présentée dans cet artcle s nspre des avantages des réseaux RFR et de ceux des réseaux localement récurrents. La Fgure présente l archtecture du RFR récurrent ue nous proposons, appelé réseau RRFR : Réseau Récurrent à Base de Fonctons Radales. Le réseau RRFR est composé de tros couches. Entrée I I I Foncton Sgmoïde Radal Bass Functon Neurones de sorte lnéares l l l Mémore dynamue Mémore statue Couche de décson Fgure. Réseau RRFR (Réseaux Récurrents à Fonctons de base Radales). Ce neurone localement récurrent (ntrodut par Frascon-Gor- Soda [] est présenté par la fgure suvante : ( t ) n n a ( t ) y ( t ) f (.) Fgure. Le modèle de Frascon-Gor-Soda. m τ L actvaton du neurone est foncton de ses entrées pondérées (comme le neurone classue) et des valeurs retardées de sa sorte. Sa sorte y ( t ) est donc défne par les éuatons suvantes : ( ) τ y = f a () n m j j j= = () τ a = + y où a ( t ) représente l actvaton du neurone à l nstant t, f (.) sa foncton d actvaton, j son entrée, j la valeur du pods de la connexon relant le neurone au neurone amont j et représente le pods de l auto-connexon du neurone m avec un retard égal à mτ. Nous allons mposer dans ce u va suvre le chox d un retard untare ( = ). D après des études fates par [],[] sur le comportement d un neurone bouclé, celu-c possède un seul pont d éulbre stable a = s b avec >, et deux ponts d éulbre stables a et a +, et un pont d éulbre nstable a = s b >. Le neurone de Frascon-Gor-Soda possède un comportement d oubl s b avec >. On dra u un neurone possède un comportement d oubl s pour un nstant donné t et une actvaton a ( t ) uelconue, et s >, ε >, t > t +, θ >, = tels ue les relatons suvantes sont respectées : s a ( t ) > θ ε > a s a ( t ) < θ ε < a Nous verrons dans le paragraphe suvant comment ce comportement d oubl sera exploté pour l apprentssage de séuences de bon fonctonnement d un système à événements dscrets. j (). Premère couche : une mémore dynamue Une couche l est appelée mémore dynamue du réseau. Le rôle de cette couche est de prendre en compte la dynamue des données d entrée. Celle-c servra à mémorser le «passé» du sgnal d entrée du réseau. Cette mémore dynamue sera consttuée par des récurrences locales au nveau des neurones d entrée, et cec sans compluer la topologe du réseau RFR. Dans tout cet artcle f représente la foncton d actvaton sgmoïde ayant l expresson : ( ) ( bx bx f x e = ) /( + e )

3 b =.99 b =.9 Fgure. Comportement d oubl : Convergence de la sorte du neurone bouclé vers le pont d éulbre stable a = a en foncton de b avec une exctaton ntale () = ± et >. Pour uantfer la longueur de mémorsaton du neurone bouclé, nous avons dans un premer temps, détermné la valeur du produt b u permet d avor une valeur maxmale du rapport de l éuaton (6). Ce résultat est llustré par la Fgure 5.a u montre ue le maxmum de y / est obtenu pour b =. Nous avons ensute uantfé cette valeur maxmale de la longueur de la mémore en fxant b = et en calculant y / en foncton de. On obtent une longueur maxmale d envron untés de temps (Fgure 5.b.)...5 y.5..5 y.5.. Le neurone de Frascon-Gor-Soda possède un comportement de mémorsaton s b >. On dra u un neurone bouclé possède un comportement de mémorsaton s pour un nstant donné t et une actvaton a ( t ), et s ε > : t > t, = tels ue les relatons suvantes sont respectées : j s a ( t ) > a ε > s a ( t ) < a ε < a() = a() =. a() = -. a() = Fgure 4. Comportement de mémorsaton : Convergence de la sorte du neurone bouclé vers le pont d éulbre stable a + pour a () > et vers a pour a () < avec b =.. La lmte de la longueur de la mémore d un neurone bouclé peut être uantfée par l étude de l nfluence d une varaton de l entrée à nstant t donnée sur les varatons de la sorte du neurone bouclé y ( t + ) à un nstant t +. On dra u un neurone bouclé à attent sa lmte maxmum de mémorsaton s au bout d un certan temps la varaton max de l entrée n a aucune nfluence sur la varaton de la sorte y ( t + ). On peut exprmer cec par l éuaton suvante : ce rapport peut être écrt : y lm = ( t ) j= (4) (5) y = f ( a ( t j) ) (6) k a - - b - Fgure 5. Longueur de la mémore du neurone bouclé.. Deuxème couche : une Mémore statue La couche l est appelée mémore statue du réseau. Le rôle de cette couche est de mémorser les prototypes, comme pour les réseaux RFR classues. Les entrées de cette couche ne provennent plus drectement des données d entrée mas résultent de la sorte de la premère couche à savor la mémore dynamue. Un premer tratement des données d entrée est donc effectué par la premère couche avant ue celles-c soent mémorsées par la mémore statue. Le prototype ans mémorsé par les neurones gaussens aura mplctement prs en compte la dmenson temporelle des données d entrée. Cette couche offre une représentaton locale de l'espace grâce à des fonctons de base dont l'nfluence est restrente à une certane zone de l'espace. Leur réponse s'exprme, sous la forme la plus générale, par la relaton suvante : φ( x) = e x-µ σ. Une trosème couche : une couche de décson La couche de sorte l correspond à la réponse du réseau à travers des neurones lnéares. III. EVALUATION DU RESEAU RRFR SUR LA SURVEILLANCE D UN SYSTEME A EVENEMENTS DISCRETS Dans cette parte, nous allons tester le réseau RRFR sur un problème de survellance d un système à événements dscrets. Le système étudé représente une pette chaîne de producton avec deux machnes M, M. Chaue machne possède un temps de tratement nomnal T M respectvement T M. Après tratement sur la machne M, les pèces sont mses sur une fle d attente. Au bout d un temps d attente T at, celles-c sont mses sur le convoyeur pour être achemnées vers M pendant un temps de convoyage T conv. Avant d être tratées sur la machne M, les pèces attendent pendant T at sur la deuxème fle d attente. Le système est mun de sx capteurs u nduent le passage des pèces à chaue phase (Fgure 6). (7)

4 C C C C C C Machne M Machne M T M T at. T conv T at. T M Fgure 6. Le système à événements dscrets étudé. Nous avons utlsé le réseau RRFR présenté au paragraphe précédent pour la survellance de ce système de producton. Pour cela, un ensemble de séuences d événements (caractérsées par des temps entre événements) vont être apprses par le réseau de neurones. Cette base d apprentssage content un mode nomnal, des modes dégradés ans ue des modes de défallance. Ces modes dégradés représentent des séuences où survennent des perturbatons, sot au nveau des deux machnes sot au nveau du convoyeur. L mpulson transmse par les capteurs C représente l entrée externe des neurones bouclés (Fgure 7). A chaue exctaton, le neurone bouclé garde en mémore une trace sur l nstant d occurrence de l événement correspondant, et cec grâce à son comportement d oubl présenté au paragraphe précédent. A la fn d une séuence, chaue neurone présente une sorte y ( t ) u dépend de l nstant d occurrence de l événement. Les sortes des neurones bouclés représentent donc un vecteur y, y ( t ),... ) de chaue type de séuence et caractérstue ( [ ] sera mémorsé par les neurones gaussens (Fgure 7). Ans, deux séuences dfférentes vont avor deux vecteurs prototypes dfférents. plus proche, et cec grâce à la généralsaton locale de sa mémore statue. En effet, la couche de décson donne une réponse maxmale (.95,.96) au nveau de la sorte D4 pour les deux premères séuences du groupe de test, et une réponse maxmale (.87,.99) au nveau du mode D pour les deux dernères séuences. On remarue un léger rejet d ambguïté entre les modes D4 et P pour les séuences et du groupe de test. Ces deux séuences représentent des séuences ntermédares entre les modes D4 et P, et provouent un chevauchement entre les zones mémores des deux modes. Cette stuaton d ambguïté (obtenue grâce à la représentaton locale de la mémore statue) représente une caractérstue très mportante pour l ade à la décson de l expert human. Dans cet exemple, le fate de savor ue la séuence du groupe de test se chevauche avec le mode de panne P, permet à l expert de réagr en conséuence. Ce résultat devent très ntéressant dès lors ue la talle du système à surveller ans ue le nombre de modes à mémorser devennent plus mportants. Une analyse ntutve des paramètres du système (temps entre événements) fate vsuellement par un expert sur un tableau de pluseurs valeurs serat dans ce cas mpossble. C C C C4 C5 C6 Machne M Machne M TM Tat. Tconv Tat. TM = = = = 5 = 6 = 4 Paramètres du système Perturbatons Réponse du Réseau de neurones TM Tat Tconv Tat TM tm tconv tm N D D D D4 D5 D6 P P P = Début séuence y.9 Événements de la séuence = = 4 = 5 = 6 = Fn séuence t = C = C = C 4 = C 5 = C 6 = C Apprentssage Test Rejet d ambguïté.8 y 6 (4) t y 5 (4) y 4 (4) y (4) y (4) y (4) Prototype mémorsé par la mémore statue Fgure 7. Mémorsaton du vecteur prototype d une séuence par la mémore statue. Ce vecteur prototype caractérstue de la séuence, est obtenu grâce à la mémore dynamue du réseau RRFR. La Fgure 8 présente une parte des résultats de reconnassance de séuences ue nous avons obtenu par le réseau RRFR sur le mode dégradé 4 et le mode de défallance (D4 et P). Pour les séuences de test, nous avons adopté les perturbatons suvantes au nveau de la machne M: 4 et 6 untés de temps pour des séuences proches du mode D4 ; et 4 untés de temps pour des séuences proches du mode P. Le réseau de neurones assoce parfatement chaue séuence au mode le Fgure 8. Test du réseau RRFR sur des séuences proches de celles apprses. IV. EXPLOITATION INDUSTRIELLE EN E-MAINTENANCE Dans cette parte, nous présentons une soluton orgnale d explotaton du réseau présenté précédemment pour une explotaton de survellance en temps réel u ouvre des perspectves ntéressantes en e-mantenance. Cette soluton se présente sous forme d un programme de survellance en temps réel basé sur l archtecture RRFR embaruée dans un Automate Programmable Industrel (API). Une fos chargée dans la CPU de l automate, la structure du programme neuronal est capable d évoluer tout en étant supervsée par un expert dstant. Toute la phase d apprentssage est gérée va le coupleur WEB de l automate par une connexon TCP/IP. Un programme JAVA chargé dans le coupleur permet de fare la lason entre l automate et l expert (Fgure 9). Pour se fare, deux fonctons de base sont nécessares : une foncton de lecture et une foncton d écrture. Ces deux fonctons permettent de communuer avec l automate sot par réseau nterne à l entreprse (Intranet) sot par réseau externe (Internet).

5 Apprentssage à dstance Apprentssage à dstance JAVA Couche TCP/IP Expert dstant Couche de neurones bouclés Couche de neurones gaussens Couche de sorte FC N FC N FC N Entré Step7 Procédé ndustrel Mémore Mémore dynamue statue Couche de Réseau Récurrent à Fonctons de base Radales (RRFR) Données capteurs DB N DB N DB N Foncton de lecture Foncton d écrture Coupleur WEB JAVA Fgure 9. Structure de la l archtecture de survellance embarué dans un API avec apprentssage dstant va nternet. La Fgure présente la structure globale du programme neuronal chargé dans l API. Chaue couche du réseau de neurones est représentée par un composant fonctonnel (FC) et une table de données (DB). Le composant FC permet de défnr les tros fonctons d actvaton du réseau RRFR (respectvement la sgmoïde, la gaussenne et la foncton d actvaton lnéare). Le programme prncpal fera appel à ces fonctons pour le calcul des dfférentes sortes des neurones. Le composant DB permet de stocker tous les paramètres du réseau RRFR. La communcaton entre l expert dstant et le programme automate va le coupleur Web se fat sur des varables se trouvant dans les composants DB. Pour pouvor accéder à toutes les varables de survellance ans u à tous les paramètres du réseau de neurones, nous avons utlsé des varables DB de type «structure». Chaue structure content une entête où fgurent des nformatons explotées par des ponteurs afn d dentfer l adresse de chaue paramètre du réseau de neurones. L éuaton c-dessous présente l éuaton de base utlsée par le programme d apprentssage u permet de retrouver l ensemble des paramètres du programme neuronal dans l automate : Fgure. Détal de l archtecture du réseau de neurones telle u elle a été embaruée dans l API. Nous avons évalué pluseurs temps de cycles pour pluseurs dmensons de réseaux de neurones. En foncton des dfférents temps d exécuton de chaue module du programme neuronal, nous avons pu formalser ce temps de cycle (Tc) par la relaton suvante (avec une précson de 5 %) : Tc =.4 x Nent +.5 x Nent x Nrbf +.8 x Nrbf (9) où Nent représente le nombre de neurones bouclés en entrée, Nrbf le nombre de neurones gaussens. Le temps de cycle (Tc) est estmé en mllsecondes (ms). La Fgure présente les dfférents temps de cycles en foncton de pluseurs topologes du réseau RRFR.. Temps de cycle (ms) AddressParamNeu ( n) = StartAddress + ( n )* Length + AddressParam (8) où AddressParamNeu( n ) représente l adresse absolue d un ème paramètre du n neurones, StartAddress l adresse de début à partr de lauelle les données sont stockés, Length la talle mémore occupée par chaue neurone (cette nformaton sert à ncrémenter l adresse du ponteur), et enfn AddressParam u représente l adresse relatve du paramètre à l ntéreur de la zone mémore de chaue neurone. Nombre de neurones gaussens Nombre de neurones bouclés Fgure. Temps de cycle du programme neuronal step7 en foncton du nombre de neurones bouclés et de neurones gaussens. Ce résultat montre u un réseau RRFR avec neurones bouclés et neurones gaussens possède un temps de cycle de 4 ms. Cec représente une dmenson d un réseau RRFR assez mportante rarement obtenue en pratue (ue ce sot en classfcaton ou en approxmaton de fonctons). On peut penser u une dmenson moyenne d un réseau RRFR, avec

6 lauelle on peut obtenr de bons résultats, est consttuée d envron 5 neurones bouclés et 5 neurones gaussens. Une telle dmenson possède un temps de cycle de 79 ms. Un temps de cycle de cet ordre (envron 8 ms) représente une perspectve ntéressante pour des applcatons de survellance temps réel de processus ndustrel. Un réseau RRFR avec neurones bouclés et neurones gaussens donne de très bons résultats sur un problème de prédcton d une concentraton de CO d un four à gaz [5]. V. CONCLUSION Dans cet artcle, nous avons présenté une nouvelle archtecture neuronale basée sur les réseaux RFR et les représentatons de neurones localement récurrents. Nous avons, dans une premère étape, valdé l aspect dynamue du réseau proposé sur un exemple de survellance d un système à événements dscrets. A travers ce test, nous pouvons conclure ue le réseau proposé présente un outl ntéressant pour l ade à la décson en survellance dynamue. La deuxème étape a été d embaruer le réseau RRFR dans un automate ndustrel. Les dfférents temps de cycle du programme automate montrent ue cette soluton est entèrement applcable pour des confguratons de survellance en temps réel. Son aspect évolutf va le protocole TCP/IP la rend très prometteuse pour des explotatons en e-mantenance. Une des perspectves de cette étude est de tester l archtecture embaruée dans l automate sur des exemples de survellance. En effet, toutes les phases de valdaton du réseau de neurones proposé ont été effectuées par smulaton (programmaton avec l outl MATLAB). Un mportant traval de valdaton du programme automate reste à entreprendre avec, cette fos c, les vértables contrantes de communcaton en temps réel et de temps de réponse des archtectures à automates programmable. VI. REFERENCES [] Bernauer E., Les réseaux de neurones et l'ade au dagnostc : un modèle de neurones bouclés pour l'apprentssage de séuences temporelles, thèse de doctorat, LAAS/Toulouse 996. [] Frascon P., Gor M. et Soda G., «Local Feedback Multlayered Netorks», Neural Computaton, Vol. 4, pp. -, 99. [] Gor M., «An Extenson of BPS», n Proceedng of the nd Intern Workshop on Neural Netorks and ther Applcatons, Nmes, France 989. [4] Ryad Zemour, Danel Racoceanu, Noureddne Zerhoun, «The RRBF : Dynamc representaton of tme n radal bass functon netork» Proc. of the 8th IEEE Internatonal Conference on Emergng Technologes and Factory Automaton, ETFA', vol., pp.77-74, 5-8 octobre, Antbes, Juan les Pns. [5] Zemour Ryad, Danel Racoceanu, Noureddne Zerhoun, «Réseaux de neurones Récurrents à Foncton de base Radales RRFR : Applcaton au pronostc», Revue d Intellgence Artfcelle, RSTI sére RIA, Vol. 6, N, pp. 7-8,. [6] Zemour Ryad, Contrbuton à la survellance des systèmes de producton à l ade des réseaux de neurones dynamues : Applcaton à la e-mantenance, Thèse de doctorat, LAB/Besançon 8 novembre Par exemple la carte IBM/ZISC (Zero Instructon Set Computer), u représente une mplémentaton Hard d un réseau RFR possède 576 neurones gaussens. [4]

Prévision des ventes des articles textiles confectionnés. B. Zitouni*, S. Msahli* * Unité de Recherches Textiles, Ksar-Hellal, Tunisie.

Prévision des ventes des articles textiles confectionnés. B. Zitouni*, S. Msahli* * Unité de Recherches Textiles, Ksar-Hellal, Tunisie. Prévson des ventes des artcles textles confectonnés B Ztoun*, S Msahl* * Unté de Recherches Textles, Ksar-Hellal, Tunse Résumé Dans cette étude, on se propose de détermner s le recours à des réseaux de

Plus en détail

Représentation de l'information

Représentation de l'information 1. L nformaton 1-1 Dualté état et temps Représentaton de l'nformaton La noton d'nformaton correspond à la connassance d'un état donné parm pluseurs possbles à un nstant donné. La Fgure 1 llustre cette

Plus en détail

Optimisation du conditionnement d'air des locaux de télécommunication par utilisation de produits à changement de phase

Optimisation du conditionnement d'air des locaux de télécommunication par utilisation de produits à changement de phase Optmsaton du condtonnement d'ar des locaux de télécommuncaton par utlsaton de produts à changement de phase Davd NÖRTERSHÄUSER, Stéphane LE MASSON France Telecom R&D, 2 Avenue Perre Marzn, 2 LANNION Résumé

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

Proposition d'une solution au problème d initialisation cas du K-means

Proposition d'une solution au problème d initialisation cas du K-means Proposton d'une soluton au problème d ntalsaton cas du K-means Z.Guelll et L.Zaou, Unversté des scences et de la technologe d Oran MB, Unversté Mohamed Boudaf USTO -BP 505 El Mnaouer -ORAN - Algére g.zouaou@gmal.com,

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informatons de l'unté d'ensegnement Implantaton Cursus de ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles Electronque applquée B2150 Cycle 1 Bloc 2 Quadrmestre 2 Pondératon 4 Nombre de

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5 Informatons de l'unté d'ensegnement Implantaton ECAM Cursus de Bacheler en Scences ndustrelles Informatque et communcaton B1030 Cycle 1 Bloc 1 Quadrmestre 1-2 Pondératon 5 Nombre de crédts 5 Nombre d heures

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 3

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 3 UNIVERSITE MONTESQUIEU BORDEAUX IV Lcence 3 ère année Econome - Geston Année unverstare 2006-2007 Semestre 2 Prévsons Fnancères Travaux Drgés - Séances n 3 «Les Crtères Fondamentaux des Chox d Investssement»

Plus en détail

Gestion et stratégie Utilisateur

Gestion et stratégie Utilisateur Geston et stratége Utlsateur GESTION ET STRATEGIE UTILISATEUR...2 1.) Comment gérer des utlsateurs?...2 1.1) Geston des utlsateurs en groupe de traval...2 1.2) Geston des utlsateurs par domane...2 Rôle

Plus en détail

Ajustement affine par les moindres carrés

Ajustement affine par les moindres carrés 1. Nveau Termnales STG et ES Ajustement affne par les mondres carrés 2. Stuaton-problème proposée Introducton à la méthode des mondres carrés. 3. Support utlsé Tableur et calculatrce. 4. Contenu mathématque

Plus en détail

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain.

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain. Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amens.fr/pedagoge/maths/new/ue2007/synthese_ateler_annette_alan.pdf 1 La règle du jeu Un drecteur de casno se propose d nstaller le

Plus en détail

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010.

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010. Master 1ère année de Mathématques Analyse Numérque - Projet A rendre au plus tard le jour de l examen fnal, en Janver 2010. CMI, Unversté de Provence Année 2009-2010 Ce qu vous est demandé : Rédger les

Plus en détail

Assistance à la saisie en milieu non structuré

Assistance à la saisie en milieu non structuré Assstance à la sase en mleu non structuré R. Gharb 1, N. Rezzoug 1, P. Gorce 1 P. Hoppenot 2, E. Colle 2 1 Laboratore ESP EA 3162 Unversté de Toulon et du Var BP 20132, 83957 La Garde gorce{rezzoug, gharb}@unv-tln.fr

Plus en détail

I. Fonctionnalités du tableur

I. Fonctionnalités du tableur Olver Coma Macro MRP pour Excel Decembre 1999 I. Fonctonnaltés du tableur I.1. Feulle «Nomenclature «Le tableur propose pluseurs optons à l ouverture du fcher. Cnq boutons apparassent à drote de la feulle

Plus en détail

Les jeunes économistes

Les jeunes économistes Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque

Plus en détail

SIMNUM : Simulation de systèmes auto-gravitants en orbite

SIMNUM : Simulation de systèmes auto-gravitants en orbite SIMNUM : Smulaton de systèmes auto-gravtants en orbte sujet proposé par Ncolas Kelbasewcz : ncolas.kelbasewcz@ensta-parstech.fr 14 janver 2014 1 Établssement du modèle 1.1 Approxmaton de champ lontan La

Plus en détail

Le théorème du viriel

Le théorème du viriel Le théorème du vrel On se propose de démontrer le théorème du vrel de deux manères dfférentes. La premère fat appel à deux "trcks" qu l faut vor. Cette preuve met en avant une quantté, notée S c, qu permet

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informatons de l'unté d'ensegnement Implantaton Cursus de Inttulé ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles fnalté électromécanque Concepton et producton M3050 Cycle 1 Bloc 3 Quadrmestre

Plus en détail

Utilisation du symbole

Utilisation du symbole HKBL / 7 symbole sgma Utlsaton du symbole Notaton : Pour parler de la somme des termes successfs d une sute, on peut ou ben utlser les pontllés ou ben utlser le symbole «sgma» majuscule noté Par exemple,

Plus en détail

3- Réseau Neurologique (NN) 3-1- Réseau classique

3- Réseau Neurologique (NN) 3-1- Réseau classique OUTILS DE PREVISION DE LA VITESSE DE VENT : APPLICATION A LA CARACTERISATION ET A L OPTIMISATION DES CENTRALES EOLIENNES POUR L'INTEGRATION DANS LES RESEAUX ELECTRIQUES A MADAGASCAR. Andramahtasoa Bernard

Plus en détail

EH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes

EH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare

Plus en détail

publicitaires Section 4. Oligopole et stratégie publicitaire 1) Dépenses publicitaires et stratégie concurrentielle 3) Oligopole et dépenses d

publicitaires Section 4. Oligopole et stratégie publicitaire 1) Dépenses publicitaires et stratégie concurrentielle 3) Oligopole et dépenses d Secton 4. Olgopole et stratége publctare 1) Dépenses publctares et stratége concurrentelle 2) Monopole et dépenses d publctares 3) Olgopole et dépenses d publctares 1) Dépenses publctares et stratége concurrentelle

Plus en détail

Hansard OnLine. Guide relatif au Unit Fund Centre

Hansard OnLine. Guide relatif au Unit Fund Centre Hansard OnLne Gude relatf au Unt Fund Centre Table des matères Page Présentaton du Unt Fund Centre (UFC) 3 Utlsaton de crtères de recherche parm les fonds 4-5 Explotaton des résultats des recherches par

Plus en détail

Installation du dispositif Cisco TelePresence MX200 - Sur pied

Installation du dispositif Cisco TelePresence MX200 - Sur pied 1a Déballage du système vdéo MX200 oîte de la base du ped de support MX200 La boîte de la base du ped de support MX200 content la colonne du ped de support, deux caches et la base du ped de support, ans

Plus en détail

Mesure de compatibilité et recherche de solutions régulières en contact pénalisé

Mesure de compatibilité et recherche de solutions régulières en contact pénalisé Mesure de compatblté et recherche de solutons régulères en contact pénalsé G. Vermot des Roches,3, E. Balmes,2, Hachm Ben Dha 3, Rém Lemare 4 SDTools 44, Rue Vergnaud, 7503, Pars - FRANCE {vermot,balmes}@sdtools.com

Plus en détail

classification non supervisée : pas de classes prédéfinies Applications typiques

classification non supervisée : pas de classes prédéfinies Applications typiques Qu est ce que le clusterng? analyse de clusterng regroupement des obets en clusters un cluster : une collecton d obets smlares au sen d un même cluster dssmlares au obets appartenant à d autres clusters

Plus en détail

Installation du dispositif Cisco TelePresence MX200 - Support de table

Installation du dispositif Cisco TelePresence MX200 - Support de table 1a Déballage du système vdéo MX200 oîte du support de table MX200 La boîte du support de table MX200 content le support de table équpé d un pvot et un cache arrère. Placez le support de table sur une surface

Plus en détail

L'INDUCTION ON5WF (MNS)

L'INDUCTION ON5WF (MNS) 'IDUCTIO ème parte / O5WF (MS) Dans la ère parte de cet artcle, nous avons vu qu'un courant électrque donnat leu à un champ magnétque (expérence d'oersted). ous avons ensute vu comment Faraday, après avor

Plus en détail

Exercices d algorithmique

Exercices d algorithmique Exercces d algorthmque Les algorthmes proposés ne sont pas classés par ordre de dffculté Nombres Ecrre un algorthme qu renvoe la somme des nombre entre 0 et n passé en paramètre Ecrre un algorthme qu renvoe

Plus en détail

EN81-28: qu est-ce que c est? Bloqué dans l ascenseur?

EN81-28: qu est-ce que c est? Bloqué dans l ascenseur? EN81-28: qu est-ce que c est? Bloqué dans l ascenseur? www.safelne.se Pas de panque! SafeLne est à votre écoute Hsselektronk développe et fabrque des composants électronques pour ascenseurs. Les produts

Plus en détail

L Interprétation des Images Médicales Cérébrales : Segmentation par L approche Split et Merge

L Interprétation des Images Médicales Cérébrales : Segmentation par L approche Split et Merge L Interprétaton des Images Médcales Cérébrales : Segmentaton par L approche Splt et Merge Berrch Fatma Zohra 1, Benyettou Mohamed 1 1 Laboratore de Modélsaton et Optmsaton des Systèmes Industrels : LAMOSI.

Plus en détail

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus

Plus en détail

TRANSFERT DE CARGAISON CALCULS ET ARRONDIS

TRANSFERT DE CARGAISON CALCULS ET ARRONDIS TRANSFERT DE CARGAISON CALCULS ET ARRONDIS SOMMAIRE 1. Méthode de détermnaton de l énerge transférée lors du transfert d une cargason de. Calcul de l énerge transférée.1 Calcul de l énerge brute transférée.1.1

Plus en détail

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.

Plus en détail

Détection et suivi de visages par Support Vector Machine robustes aux changements d échelle

Détection et suivi de visages par Support Vector Machine robustes aux changements d échelle Détecton et suv de vsages par Support Vector Machne robustes au changements d échelle Lonel CARMINATI Drectrce de Thèse : Jenny Benos-Pneau Projet Analyse et Indeaton Vdéo lcarmna@labr.fr http://www.labr.fr/recherche/imageson/aiv/

Plus en détail

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs Combnason de dres d'experts en élctaton de los a pror. Applcaton à un modèle doseréponse pour Lstera chez la sours. Exposé ApplBugs ISABELLE ALBERT 8 / / 03 INTRODUCTION Cet exposé présente une parte du

Plus en détail

DIET, tour d horizon

DIET, tour d horizon DIET, tour d horzon Eddy Caron, Frédérc Desprez GRAAL/LIP/ENS-Lyon {Eddy.Caron,Frederc.Desprez}@ens-lyon.fr http://graal.ens-lyon.fr Résumé L objectf de cet artcle est de fournr une vue d ensemble exhaustve

Plus en détail

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES.

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES. EXEMPLES D UTILISATIN DE LA TECHNIQUE DES BSERVATINS INSTANTANÉES. Chrstan Fortn, ng., Ph.D. Ergonome et hygénste du traval Centre of santé et servces socaux de la Montagne, Montréal. Résumé La technque

Plus en détail

Cours de Calcul numérique MATH 031

Cours de Calcul numérique MATH 031 Cours de Calcul numérque MATH 03 G. Bontemp, A. da Slva Soares, M. De Wulf Département d'informatque Boulevard du Tromphe - CP22 http://www.ulb.ac.be/d Valeurs propres en pratque. Localsaton. Méthode de

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 1. Pondération 4. Nombre de crédits 4

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 1. Pondération 4. Nombre de crédits 4 Informatons de l'unté d'ensegnement Implantaton Cursus de Inttulé Code ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles Outls de communcaton B2050 Cycle 1 Bloc 2 Quadrmestre 1 Pondératon

Plus en détail

Application du système immunitaire artificiel ordinaire et amélioré pour la reconnaissance des caractères artificiels

Application du système immunitaire artificiel ordinaire et amélioré pour la reconnaissance des caractères artificiels 9 Nature & Technology Applcaton du système mmuntare artfcel ordnare et améloré pour la reconnassance des caractères artfcels Hba Khell a, Abdelkader Benyettou a a Laboratore Sgnal Image Parole SIMPA-,

Plus en détail

Chapitre 5: La programmation dynamique

Chapitre 5: La programmation dynamique Chaptre 5: La programmaton dynamque. Introducton La programmaton dynamque est un paradgme de concepton qu l est possble de vor comme une améloraton ou une adaptaton de la méthode dvser et régner. Ce concept

Plus en détail

Modélisation et simulation des efforts de coupe en fraisage 2.5 axes

Modélisation et simulation des efforts de coupe en fraisage 2.5 axes 18 ème Congrès Franças de Mécanque Grenoble, 7-31 août 007 Modélsaton et smulaton des efforts de coupe en frasage.5 axes Adel Amn AMMAR, Zouber BOUAZIZ & Al ZGHAL Unté de recherche de mécanque des soldes

Plus en détail

DÉCLARATIONS POUR LA BALANCE DES PAIEMENTS

DÉCLARATIONS POUR LA BALANCE DES PAIEMENTS DÉCLARATIONS POUR LA BALANCE DES PAIEMENTS GUICHET D ÉCHANGES DE FICHIERS SUR INTERNET GFIN TABLE DES MATIÈRES 1 1. PRINCIPES GÉNÉRAUX... 3 1.1 GÉNÉRALITÉS... 3 1.2 ÉLÉMENTS TECHNIQUES... 3 1.3 SPÉCIFICITÉS

Plus en détail

V FORMATION DES IMAGES DANS L EXEMPLE DU MIROIR PLAN

V FORMATION DES IMAGES DANS L EXEMPLE DU MIROIR PLAN Chaptre V page V-1 V FORMTION DES IMGES DNS L EXEMPLE DU MIROIR PLN Le but de ce chaptre est d ntrodure la noton d mage { travers l exemple du mror plan. Vous vous êtes sûrement déjà regardé(e) dans un

Plus en détail

Classification des images des dattes par SVM : contribution à l amélioration du processus de tri

Classification des images des dattes par SVM : contribution à l amélioration du processus de tri Classfcaton des mages des dattes par SVM : contrbuton à l améloraton du processus de tr Djeffal Abdelhamd 1, Regueb Salah 1, Babahenn Mohamed Chaouk 1,Taleb Ahmed Abdelmalk 2, 1 Département d Informatque,

Plus en détail

Fi chiers. Créer/ouvrir/enregistrer/fermer un fichier. i i

Fi chiers. Créer/ouvrir/enregistrer/fermer un fichier. i i Fchers F chers Offce 2013 - Fonctons de base Créer/ouvrr/enregstrer/fermer un fcher Clquez sur l onglet FICHIER. Pour créer un nouveau fcher, clquez sur l opton Nouveau pus, selon l applcaton utlsée, clquez

Plus en détail

Pilotage d'actionneurs Incrémentaux Couplés par Auto-Apprentissage

Pilotage d'actionneurs Incrémentaux Couplés par Auto-Apprentissage SETIT 2009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March 22-26, 2009 TUNISIA Plotage d'actonneurs Incrémentaux Couplés par Auto-Apprentssage Hatem

Plus en détail

Montage émetteur commun

Montage émetteur commun tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.

Plus en détail

Enseignement secondaire. PHYSI Physique Programme

Enseignement secondaire. PHYSI Physique Programme Ensegnement secondare Dvson supéreure PHYSI Physque Programme 3CB_3CC_3CF_3MB_3MC_3MF Langue véhculare : franças Nombre mnmal de devors par trmestre : 1 PHYSI_3CB_3CC_3CF_3MB_3MC_3MF_PROG_10-11 Page 1

Plus en détail

Mesure avec une règle

Mesure avec une règle Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système

Plus en détail

Caractéristiques dynamiques d'une structure de tenségrité en fonction de son niveau d'autocontrainte

Caractéristiques dynamiques d'une structure de tenségrité en fonction de son niveau d'autocontrainte 19 ème Congrès Franças de Mécanque Marselle, 24-28 août 29 Caractérstques dynamques d'une structure de tenségrté en foncton de son nveau d'autocontrante J-F. ubé, B. Crosner, N. Angeller a a. Laboratore

Plus en détail

Chapitre 5. Menu de SUPPORT

Chapitre 5. Menu de SUPPORT 155 Chaptre 5. Menu de SUPPORT Ce que vous apprendrez dans ce chaptre Ce chaptre vous présentera des routnes supplémentares susceptbles de vous ader dans les analyses de données présentées dans le chaptre

Plus en détail

À partir de la demi-période comprise entre les points C et D de la figure 2, mesurer u L, de la bobine. calculer et en déduire la valeur de L.

À partir de la demi-période comprise entre les points C et D de la figure 2, mesurer u L, de la bobine. calculer et en déduire la valeur de L. se 2004 ÉTUD XPÉIMNTL D'UN BOBIN (6 ponts) 1.5. On néglge dans la sute le terme fasant ntervenr r dans l'expresson de u L ans que les arronds des crêtes de l'ntensté. 1 - Détermnaton expérmentale de l'nductance

Plus en détail

Contact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr

Contact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr AVERTISSEMENT Ce document est le frut d'un long traval approuvé par le jury de soutenance et ms à dsposton de l'ensemble de la communauté unverstare élarge. Il est soums à la proprété ntellectuelle de

Plus en détail

TP Programmation de protocoles de communication Basé sur un TP de M1- Master IST, Université Paris-Sud

TP Programmation de protocoles de communication Basé sur un TP de M1- Master IST, Université Paris-Sud IUT Bordeaux 1 2008-2009 Département Informatque ASR2-Réseaux TP Programmaton de protocoles de communcaton Basé sur un TP de M1- Master IST, Unversté Pars-Sud Ce TP a pour objectf d'nter à la programmaton

Plus en détail

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus.

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus. Unversté Perre & Mare Cure (Pars 6) Lcence de Mathématques L3 UE LM364 Intégraton 1 Année 2011 12 TD4. Trbus. Échauffements Exercce 1. Sot X un ensemble. Donner des condtons sur X pour que les classes

Plus en détail

1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.

1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h. A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par

Plus en détail

Terminal numérique TM 13 raccordé aux installations Integral 33

Terminal numérique TM 13 raccordé aux installations Integral 33 Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue

Plus en détail

PROPOSITION D UNE PROCEDURE DE DETERMINATION DE TEMPS UNITAIRE DE PIECES DECOUPEES

PROPOSITION D UNE PROCEDURE DE DETERMINATION DE TEMPS UNITAIRE DE PIECES DECOUPEES 8 e Conférence Internatonale de MOdélsaton et SIMulaton - MOSIM - au 2 ma - Hammamet - Tunse «Evaluaton et optmsaton des systèmes nnovants de producton de bens et de servces» PROPOSITION D UNE PROCEDURE

Plus en détail

Thèse. présentée. en vue de l obtention du DOCTORAT DE L UNIVERSITE DE TOULOUSE DELIVRE PAR L INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE

Thèse. présentée. en vue de l obtention du DOCTORAT DE L UNIVERSITE DE TOULOUSE DELIVRE PAR L INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE N d ordre : 2529 Thèse présentée en vue de l obtenton du DOCTORAT DE L UNIVERSITE DE TOULOUSE DELIVRE PAR L INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE École doctorale Spécalté : Informatque et Télécommuncatons

Plus en détail

Aide multicritère au pilotage d un processus basée sur le raisonnement à partir de cas

Aide multicritère au pilotage d un processus basée sur le raisonnement à partir de cas Ade multcrtère au plotage d un processus basée sur le rasonnement à partr de cas Dala Dhoub To cte ths verson: Dala Dhoub. Ade multcrtère au plotage d un processus basée sur le rasonnement à partr de cas.

Plus en détail

Installation & Guide de démarrage WL510 Adaptateur sans fil /Antenne

Installation & Guide de démarrage WL510 Adaptateur sans fil /Antenne Installaton & Gude de démarrage WL510 Adaptateur sans fl /Antenne Informaton mportante à propos du WL510 Adresse IP = 192.168.10.20 Nom d utlsateur = wl510 Mot de passe = wl510 QUICK START WL510-01- VR1.1

Plus en détail

THÈSE DE DOCTORAT. Steven MARTIN. le 6 juillet 2004. pour obtenir le titre de

THÈSE DE DOCTORAT. Steven MARTIN. le 6 juillet 2004. pour obtenir le titre de THÈSE DE DOCTORAT UNIVERSITÉ PARIS XII présentée par Steven MARTIN le 6 ullet 2004 pour obtenr le ttre de DOCTEUR EN SCIENCES Spécalté Informatque MAÎTRISE DE LA DIMENSION TEMPORELLE DE LA QUALITÉ DE SERVICE

Plus en détail

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS. ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque

Plus en détail

Analyse des Performances et Modélisation d un Serveur Web

Analyse des Performances et Modélisation d un Serveur Web SETIT 2009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March 22-26, 2009 TUNISIA Analyse des Performances et Modélsaton d un Serveur Web Fontane RAFAMANTANANTSOA*,

Plus en détail

Interface OneNote 2013

Interface OneNote 2013 Interface OneNote 2013 Interface OneNote 2013 Offce 2013 - Fonctons avancées Lancer OneNote 2013 À partr de l'nterface Wndows 8, utlsez une des méthodes suvantes : - Clquez sur la vgnette OneNote 2013

Plus en détail

LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA

LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA Observatore Economque et Statstque d Afrque Subsaharenne LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA Une contrbuton à la réunon commune CEE/BIT sur les ndces des prx

Plus en détail

COMPRESSION DES IMAGES MEDICALES FIXES

COMPRESSION DES IMAGES MEDICALES FIXES COMPRESSION DES IMAGES MEDICALES FIXES PAR RESEAU DE NEURONES Nacéra Benamrane, Maître de conférences en Informatque nabenamrane@yahoo.com, + 213 41 41 53 22 Zakara Benahmed Daho Etudant doctorant z-daho@lycos.com

Plus en détail

Courant alternatif. Dr F. Raemy La tension alternative et le courant alternatif ont la représentation mathématique : U t. cos (!

Courant alternatif. Dr F. Raemy La tension alternative et le courant alternatif ont la représentation mathématique : U t. cos (! Courant alternatf Dr F. Raemy La tenson alternatve et le courant alternatf ont la représentaton mathématque : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Une résstance dans un crcut à courant

Plus en détail

Réseaux de Neurones Artificiels pour la Gestion d un Système d Énergie. Applicabilité et limitations des paradigmes principaux Gonzalo Joya

Réseaux de Neurones Artificiels pour la Gestion d un Système d Énergie. Applicabilité et limitations des paradigmes principaux Gonzalo Joya Réseaux de Neurones Artfcels pour la Geston d un Système d Énerge. Applcablté et lmtatons des paradgmes prncpaux Gonzalo Joya ETSI Telecomuccacón 2917 Málaga joya@dte.uma.es París, le 29 mars 21 1. Justfcaton

Plus en détail

* Notre savoir au service de votre réussite

* Notre savoir au service de votre réussite * Notre savor au servce de votre réusste * Vsualser les ndcateurs clés de performance de votre portefeulle clents sur un tableau de bord Analyser le taux d acceptaton de vos demandes d agréments par notaton

Plus en détail

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM.

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM. Exercce n 1 Cet exercce propose de détermner l équlbre IS/LM sur la base d une économe dépourvue de présence étatque. Pour ce fare l convent, dans un premer temps de détermner la relaton (IS) marquant

Plus en détail

hal-00409942, version 1-14 Aug 2009

hal-00409942, version 1-14 Aug 2009 Manuscrt auteur, publé dans "MOSIM' 008, Pars : France (008)" 7 e Conférence Francophone de MOdélsaton et SIMulaton - MOSIM 08 - du mars au avrl 008 - Pars - France «Modélsaton, Optmsaton et Smulaton des

Plus en détail

On dépose une espèce à une certaine concentration, puis on observe comment sa concentration se répartit en fonction de la distance.

On dépose une espèce à une certaine concentration, puis on observe comment sa concentration se répartit en fonction de la distance. Moblté des espèces en soluton I_ Les dfférents modes de transport En soluton, les molécules peuvent se déplacer selon tros modes dfférents : onvecton, la matère est déplacée par contrante mécanque (agtaton)

Plus en détail

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria. 1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle

Plus en détail

Cryptographie évolutionniste

Cryptographie évolutionniste Cryptographe évolutonnste Applcaton des algorthmes évolutonnstes à la cryptographe Fouza Omary* Abderrahm Tragha** Aboubakr Lbekkour* *Département de mathématques et nformatque faculté des scences-rabat

Plus en détail

T3 (IP) Comfort raccordé a Integral 5

T3 (IP) Comfort raccordé a Integral 5 IP Telephony Contact Centers Moblty Servces T3 (IP) Comfort raccordé a Integral 5 Benutzerhandbuch User's gude Manual de usuaro Manuel utlsateur Manuale d uso Gebrukersdocumentate Sommare Sommare Se famlarser

Plus en détail

Brochure d @ccueil 09 10

Brochure d @ccueil 09 10 unté A4, C7 & B42 brochure d accuel 2009-2010 Brochure d @ccuel 09 10 (pour étudants) Clnque Sant-Jean Bruxelles 1 / 10 A4C7B42_FULL_0910_FR unté A4, C7 & B42 brochure d accuel 2009-2010 1. Sommare : 1.

Plus en détail

Virga. itunes 4. sous Mac et Windows. Éditions OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2

Virga. itunes 4. sous Mac et Windows. Éditions OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2 Vrga Tunes 4 et Pod sous Mac et Wndows Édtons OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2 Synchronser l Pod avec l ordnateur L Pod connaît deux types de synchronsaton. L a synchronsaton de la musque

Plus en détail

CIRCUITS LOGIQUES SEQUENTIELS

CIRCUITS LOGIQUES SEQUENTIELS Chap-II: Regstres à décalage CIRCUITS LOGIQUES SEQUENTIELS Regstres à décalage Attenton! Ce produt pédagogque numérsé est la proprété exclusve de l'uvt. Il est strctement nterdt de la reprodure à des fns

Plus en détail

Calcul de l unité astronomique Lors du transit de Vénus

Calcul de l unité astronomique Lors du transit de Vénus TP 8 Calcul de l unté astronomque Lors du transt de Vénus Nveau A partr du CM Evaluaton de l Unté Astronomque à partr de l observaton du transt de Vénus. -Propostons pédagogques Les propostons exposées

Plus en détail

Université de Cergy-Pontoise

Université de Cergy-Pontoise Unversté de Cergy-Pontose THESE Dscplne : Géne cvl Présentée par : Salma HASSANI-MANAI Pour obtenr le grade de DOCTEUR DE L UNIVERSITE DE CERGY-PONTOISE Sujet : ETUDE ET MODELISATION DE LA STABILITE DES

Plus en détail

Miroirs sphériques Dioptres sphériques. 1 Miroirs sphériques. 1.1 Introduction : focaliser la lumière. 1.2 Miroir concaves faisceau parallèle

Miroirs sphériques Dioptres sphériques. 1 Miroirs sphériques. 1.1 Introduction : focaliser la lumière. 1.2 Miroir concaves faisceau parallèle Mrors spérques Doptres spérques Nous allons mantenant aborder des systèmes optques un peu plus complexes, couramment utlsés pour produre des mages. Nous allons commencer par étuder un mror spérque de façon

Plus en détail

Valeur absolue et fonction valeur absolue Cours

Valeur absolue et fonction valeur absolue Cours Valeur absolue foncton valeur absolue Cours CHAPITRE 1 : Dstance entre deu réels 1) Eemples prélmnares 2) Défnton 3) Proprétés CHAPITRE 2 : Valeur absolue d un réel 1) Défnton 2) Proprétés CHAPITRE 3 :

Plus en détail

ASSISES MO&UGV Clermont-Ferrand, 10 et 11 mars 2004 LINEAIRE SYNCHRONE A AIMANTS PERMANENTS PAR LA DETERMINATION DE SA POSITION INITIALE

ASSISES MO&UGV Clermont-Ferrand, 10 et 11 mars 2004 LINEAIRE SYNCHRONE A AIMANTS PERMANENTS PAR LA DETERMINATION DE SA POSITION INITIALE OPTIMISATION DES PERFORMANCES DE LA POUSSEE D'UN MOTEUR LINEAIRE SYNCHRONE A AIMANTS PERMANENTS PAR LA DETERMINATION DE SA POSITION INITIALE Résumé : - APPLICATION A LA MACHINE DE PRODUCTION - Ghslan REMY,

Plus en détail

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique Ch 4 Séres statstques à une dmenson Défntons et représentaton graphque Termnologe Ensemble étudé = populaton Eléments de cet ensemble = ndvdus ou untés Attrbut consdéré = caractère qu peut être qualtatf

Plus en détail

ASCENSEUR FLUVIAL FUNICULAIRE DE STREPY-THIEU

ASCENSEUR FLUVIAL FUNICULAIRE DE STREPY-THIEU ASCENSEUR FLUVIAL FUNICULAIRE DE STREPY-THIEU Le canddat est nvté à formuler toute hypothèse cohérente qu lu semblerat nécessare pour pouvor répondre aux questons posées. Page 1 sur 21 1. PRESENTATION

Plus en détail

Menu Démarrer et Bureau

Menu Démarrer et Bureau Menu Démarrer et Bureau Menu Démarrer et Bureau Descrpton du Bureau Au démarrage de l ordnateur et après vous être dentfé, vous voyez apparaître le Bureau de Wndows 10. S vous utlsez une tablette ou un

Plus en détail

Banque d exercices pour le cours de "mise à niveau" de statistique de M1 AgroParisTech

Banque d exercices pour le cours de mise à niveau de statistique de M1 AgroParisTech Banque d exercces pour le cours de "mse à nveau" de statstque de M1 AgroParsTech Instructons pour les exercces 1. Lorsque ren n est précsé, on suppose que la dstrbuton étudée est gaussenne. Pour les exercces

Plus en détail

Gigue temporelle et ordonnancement par échéance dans les applications temps réel

Gigue temporelle et ordonnancement par échéance dans les applications temps réel L. Davd, F. Cottet, E. Grolleau. Ggue temporelle et ordonnancement par échéance dans les applcatons temps réel. IEEE Conf. Inter. Francophone d Automatque (CIFA2000), Jullet 2000, Llle, France. Ggue temporelle

Plus en détail

Analyses de sensibilité et Recalage de modèles thermiques spatiaux à l aide d algorithmes génétiques.

Analyses de sensibilité et Recalage de modèles thermiques spatiaux à l aide d algorithmes génétiques. Analyses de sensblté et Recalage de modèles thermques spataux à l ade d algorthmes génétques. Approches stochastques et Industre 2&3/02/2006 F.JOUFFROY/A.CAPITAINE Plan de la présentaton Contexte Modélsaton

Plus en détail

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare

Plus en détail

Reconnaissance des Mots Manuscrits Arabes par Combinaison d une Approche Globale et une Approche Analytique

Reconnaissance des Mots Manuscrits Arabes par Combinaison d une Approche Globale et une Approche Analytique Reconnassance des Mots Manuscrts Arabes par Combnason d une Approche Globale et une Approche Analytque Abdallah Benouareth, Abdellatf Ennaj, Mokhtar Sellam o cte ths verson: Abdallah Benouareth, Abdellatf

Plus en détail

La fourniture de biens et facteurs publics en présence de ménages et d entreprises mobiles

La fourniture de biens et facteurs publics en présence de ménages et d entreprises mobiles La fournture de bens et facteurs publcs en présence de ménages et d entreprses mobles Pascale Duran-Vgneron évrer 007 Le modèle On suppose un pays drgé par un gouvernement central ayant compétence sur

Plus en détail

Grandeurs de réaction et de formation

Grandeurs de réaction et de formation PSI Brzeux Ch. hermochme 1 : grandeurs de réacton et de formaton 1 C H A P I R E 1 r a p p e l s e t c o m p l é m e n t s ) Grandeurs de réacton et de formaton 1. RAPPELS 1.1. Phases et consttuants Donnons

Plus en détail

Somfy Box. Activation de l option io et programmation de vos produits io

Somfy Box. Activation de l option io et programmation de vos produits io Somfy Box Actvaton de l opton o et programmaton de vos produts o Sommare Pré-requs pour la programmaton de produts o sur la Somfy Box 1 Harmonser la clé système 1 Qu est-ce que la clé système? 1 Dans quel

Plus en détail

DIRIGER ADMINISTRER DÉVELOPPER

DIRIGER ADMINISTRER DÉVELOPPER 24 Adjont de drecton F/H Votre formaton BTS Hôtellere-restauraton BTS Management des untés commercales BTS Assstant de geston PME-PMI Lcence Management d untés de restauraton Vos mssons Vous anmez, formez

Plus en détail

DOCUMENT DE TRAVAIL 2004-023

DOCUMENT DE TRAVAIL 2004-023 Publé par : Publsed by : Publcacón de la : Édton électronque : Electronc publsng : Edcón electrónca : Dsponble sur Internet : Avalable on Internet Dsponble por Internet : Faculté des scences de l admnstraton

Plus en détail