Estimation de la durée de vie résiduelle et optimisation de la maintenance prédictive : application à des véhicules industriels

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Estimation de la durée de vie résiduelle et optimisation de la maintenance prédictive : application à des véhicules industriels"

Transcription

1 Estimation de la durée de vie résiduelle et optimisation de la maintenance prédictive : application à des véhicules industriels Elias KHOURY 1 E. DELOUX 1, A. GRALL 1 et C. BERENGUER 2 1 Université de Technologie de Troyes 2 Institut National Polytechnique Grenoble Réunion GT S 3 18 Janvier /37 Elias Khoury RUL - Maintenance prédictive - MoDe

2 Sommaire 1 Introduction 2 Modélisation de la défaillance basée sur la dégradation 3 Estimation de la durée de vie résiduelle 4 Prise de décision en maintenance - approche prédictive 5 Conclusion 2/37 Elias Khoury RUL - Maintenance prédictive - MoDe

3 Plan 1 Introduction 2 Modélisation de la défaillance basée sur la dégradation 3 Estimation de la durée de vie résiduelle 4 Prise de décision en maintenance - approche prédictive 5 Conclusion 3/37 Elias Khoury RUL - Maintenance prédictive - MoDe

4 La maintenance est l ensemble de toutes les actions techniques, administratives et de management durant le cycle de vie d un bien, destinées à le maintenir ou à le rétablir dans un état dans lequel il peut accomplir la fonction requise [NF EN X60-319]. Bien maintenir, c est assurer ces opérations au coût global optimal [NF X ]. La maintenance préventive est le levier sur lequel on peut agir. Amélioration de la prise de décision à travers le passage de la maintenance préventive systématique à la maintenance préventive dynamique basée sur les informations de surveillance. 4/37 Elias Khoury RUL - Maintenance prédictive - MoDe

5 Maintenance on Demand (MoDe) - Concept 5/37 Elias Khoury RUL - Maintenance prédictive - MoDe

6 Objectifs de MoDe Maintenance proactive vis à vis des besoins des clients quelle que soient les conditions d usage actuel du véhicule. Réseau de capteurs fiable avec des interfaces génériques et programmables permettant un pré-traitement des données. Prédiction dynamique de la durée de vie restante et mise à jour de la planification des opérations de maintenance. Système de soutien logistique pour une gestion des pièces de rechange à la demande. Réduction des coûts, des risques et des émissions de CO 2. 6/37 Elias Khoury RUL - Maintenance prédictive - MoDe

7 Pour répondre aux enjeux de MoDe : Onze volets techniques et de management reflétant la structure logique et naturelle du travail. Volet 7 : Développements méthodologiques en terme de modélisation pour la prise de décision en maintenance : Modélisation de la défaillance basée sur la dégradation. Prédiction de la durée de vie résiduelle. Prise de décision en maintenance - approche prédictive. Optimisation des performances et évaluation de l intérêt des développements. 7/37 Elias Khoury RUL - Maintenance prédictive - MoDe

8 Plan 1 Introduction 2 Modélisation de la défaillance basée sur la dégradation 3 Estimation de la durée de vie résiduelle 4 Prise de décision en maintenance - approche prédictive 5 Conclusion 8/37 Elias Khoury RUL - Maintenance prédictive - MoDe

9 Modélisation de la défaillance basée sur la dégradation Dégradation X(t) L Seuil de défaillance Environnement normal Etat de marche Etat défaillant Environment stressé Temps Environment normal Instant de défaillance Etude/adaptation/développement de modèles génériques avec différents comportements de la dégradation et mécanismes de défaillance. Deux contributions : Etude théorique : modèle à effet de stress permanent. Etude d un cas pratique : l huile moteur. 9/37 Elias Khoury RUL - Maintenance prédictive - MoDe

10 Modèle à effet de stress permanent Cas classiques : une fois l état de l environnement a changé, l état précédent n a plus aucun effet sur le système. Modèle à effet de stress permanent : Trajectoire moyenne de la dégradation Processus Gamma (α 1.t, β 1 ) (α 2.t, β 2 ) t (τ.α 2.t, β 2 ) (τ.α 1.t, β 1 ) (τ.α 2.t, β 2 ) Environnement Normal Stressé Normal Stressé t Evénements traumatiques (processus de Poisson) Choc t 10/37 Elias Khoury RUL - Maintenance prédictive - MoDe

11 Cas pratique dans le contexte de MoDe : l huile moteur Données de laboratoire de Volvo dans deux mode de fonctionnement : normal et stressé. Avis d expert : trois caractéristiques A, B et C. Seuil pour chacune des caractéristiques mais relation entre elles inconnues. A B C d d d 11/37 Elias Khoury RUL - Maintenance prédictive - MoDe

12 Analyse en Composante Principale (ACP) Modèle de défaillance basée sur la dégradation. Choix d un seuil de défaillance Indicateur de dégradation Dégradation : processus Gamma homogène : Usage normal : X(d) Ga(α 1 d,β 1 ) Usage stressé : X(d) Ga(α 2 d,β 2 ) Dégradation moyenne plus élevée en usage stressé : d (Km) α 1 β 1 < α 2 β 2 Quantification de la qualité du modèle de dégradation. 12/37 Elias Khoury RUL - Maintenance prédictive - MoDe

13 Plan 1 Introduction 2 Modélisation de la défaillance basée sur la dégradation 3 Estimation de la durée de vie résiduelle 4 Prise de décision en maintenance - approche prédictive 5 Conclusion 13/37 Elias Khoury RUL - Maintenance prédictive - MoDe

14 Durée de vie résiduelle ( Remaining Useful Lifetime - RUL ) Définition : durée qui reste à un système avant défaillance. Seuil de défaillance Seuil de défaillance Seuil de défaillance Temps Temps Temps Temps Temps 14/37 Elias Khoury RUL - Maintenance prédictive - MoDe Temps

15 Estimation de la durée de vie résiduelle (X 1,..,X n ) : états du système ; Θ : conditions d usage. Défaillance par dégradation : Niveau dégradation dépasse un seuil L. Fiabilité : R Θ (t X 1,...,X n ) = P Θ (X(t) < L X 1,...,X n ) Défaillance par causes concurrentes (choc et dégradation) : Niveau dégradation dépasse un seuil L. Suite à un choc à T S. Fiabilité : R Θ (t X 1,...,X n ) = P Θ ((X(t) < L) (T S > t) X 1,...,X n ) 15/37 Elias Khoury RUL - Maintenance prédictive - MoDe

16 Modèle à effet de stress permanent - RUL Le processus de dégradation dépend du nombre de chocs. L évaluation de la RUL nécessite de connaître le nombre de chocs n ayant lieu avant l instant actuel t 0. Etat normal : Pas de chocs. Estimation du nombre de chocs précédents cet état à travers (α,β) = (α 1 τ n,β 1). Méthode du maximum de vraisemblance ou méthode des moments. Etat stressé : Nombre de chocs précédents estimé. Détection des chocs lors du fonctionnement. Méthode de somme cumulée ( CUmulative SUM - CUSUM ). 16/37 Elias Khoury RUL - Maintenance prédictive - MoDe

17 Méthode de somme cumulée (CUSUM) : détection de changement de mode à t = N ΔT : N = min{m 1, max 1 k m m i=k log f Γ(ΔX i,α 2ΔT,β 2) f Γ (ΔX i,α 1ΔT,β 1) h} Heuristique : application de la méthode de CUSUM par fenêtres. Optimisation de h en maximisant la probabilité d estimation correcte : Probabilité d estimation Sous estimation Estimation correcte Sur estimation h Exemple d optimisation de h pour τ = (α 2,β 2 ) = (2,1) 17/37 Elias Khoury RUL - Maintenance prédictive - MoDe

18 Etude de la performance de détection : Probabilité d estimation τ Sous estimation Estimation correcte Sur estimation Exemple de probabilité d estimation - (α 2,β 2 ) = (2,1) Etude de l impact sur la RUL méthode efficace. 18/37 Elias Khoury RUL - Maintenance prédictive - MoDe

19 Calcul analytique de la RUL R Θ (t X(t 0) = x 0) = F Θ (L x 0) = L x0 0 f Θ (x)dx t f Θ (x) = g(x) P(pas de choc avant t)+ f c 1 (x) P(1 er choc à c 1 (< t))dc 1 T 1 t = g(x) exp( λ(t T 1 ))+ f c 1 (x) λ exp( λ(c 1 T 1 ))dc 1 T 1 f c 1 (x) = (f 1 f 2 f 3 )(x) P(2ème choc après t 1 er choc à c 1 ) t + f c 2 (x) P(2ème choc à c 2 (< t) 1 er choc à c 1 )dc 2 c 1 t = (f 1 f 2 f 3 )(x) exp( λ(t c 1 ))+ f c 2 (x) λ exp( λ(c 2 c 1 ))dc 2 c 1. t f cn (x) = (f 1 f 2 f 3 f n+2 )(x) exp( λ(t c n))+ f c n+1 (x) λ exp( λ(c n+1 c n))dc n+1 c n 19/37 Elias Khoury RUL - Maintenance prédictive - MoDe

20 Mise à jour de la RUL en fonction du nombre de chocs Pas de choc 1 choc 2 chocs 3 chocs Pas de choc 1 choc 2 chocs 3 chocs Fiabilité X Temps 20/37 Elias Khoury RUL - Maintenance prédictive - MoDe

21 Plan 1 Introduction 2 Modélisation de la défaillance basée sur la dégradation 3 Estimation de la durée de vie résiduelle 4 Prise de décision en maintenance - approche prédictive 5 Conclusion 21/37 Elias Khoury RUL - Maintenance prédictive - MoDe

22 Prise de décision en maintenance Structure de décision de maintenance prédictive basée sur les informations de surveillance pour la planification des Inspections (si surveillance discrète). Remplacements préventifs (RP). Présentation de deux contributions : Surveillance discrète en absence de covariables. Planification des inspections et des RP. Surveillance continue avec prise en compte de covariables, de contraintes de maintenance et d informations limitées. Planification des RP en respectant ces contraintes. 22/37 Elias Khoury RUL - Maintenance prédictive - MoDe

23 Surveillance continue avec prise en compte de covariables, de contraintes de maintenance et d informations limitées Système surveillé d une manière continue. Véhicule avec un composant critique. Les covariables influencent l évolution de l état du système. charge du véhicule, type de route, etc. Les opérations de maintenance peuvent être planifiées uniquement à des opportunités de maintenance. Domaines de transport, aéronautique, nucléaire, systèmes off-shore, etc. Contraintes de disponibilité, contraintes techniques, etc. Cas d un véhicule : ateliers spécifiques. 23/37 Elias Khoury RUL - Maintenance prédictive - MoDe

24 Horizon de visibilité fini : t 0 O1 mode normal mode stressé mode normal Etat de l'environnement connu mode normal O2 mode stressé Pronostic sur l horizon de visibilité Approche prédictive. Horizon roulant Mise à jour de la décision de maintenance. Choix d une structure de décision de maintenance cohérente qui prend en compte les contraintes. Choix des informations à utiliser pour la décision et la manière de les prendre en compte. Quatre politiques de maintenance : 2 politiques prédictives (proposées) et 2 politiques de référence. 24/37 Elias Khoury RUL - Maintenance prédictive - MoDe

25 Politique basée sur le risque La probabilité de défaillance ne doit pas excéder un risque r (à optimiser). Le pronostic est utilisé d une manière directe dans la prise de décision. Remplacement préventif à O 1 si r 2 > r : 1 1 r (a) r 2 > r 1 1 r (b) r 2 < r 1 r 2 Fiabilité 1 r 2 Fiabilité t 0 t +RUL =T O 0 r r 2 Maintenance planifiée à O 1 t 0 O 2 T =t +RUL r 0 r Maintenance non planifiée 25/37 Elias Khoury RUL - Maintenance prédictive - MoDe

26 Politique basée sur le coût Indicateur Coût IC qui représente le coût moyen si un remplacement préventif est planifié à une certaine opportunité. A t i : IC i+1 = C DV = Cp R(ti+1)+C ti+1 c F(t i+1)+ C t d (t)f(t)dt i t i+1 t i+1 F(t) dt Remplacement préventif à O 1 si IC 1 < IC 2 : (a) IC 1 < IC 2 (b) IC 1 > IC 2 t i IC IC O O 1 2 Maintenance planifiée à O 1 O O 1 2 Maintenance non planifiée 26/37 Elias Khoury RUL - Maintenance prédictive - MoDe

27 Politiques de référence Maintenance basée sur l âge : Approche statique considérant uniquement l état binaire du système (marche/panne) et son âge. Remplacement préventif à la dernière opportunité de maintenance avant un âge T (à optimiser). Maintenance conditionnelle : Approche dynamique considérant l état précis (dégradation) du système. Remplacement préventif à une opportunité si le niveau de dégradation dépasse un seuil M (à optimiser). 27/37 Elias Khoury RUL - Maintenance prédictive - MoDe

28 Analyse des performances des politiques Deux modes de fonctionnement normal/stressé. Dégradation : processus Gamma homogène en fonction de la distance parcourue d pour chacun des modes de fonctionnement : Mode normal : Ga(α 1 d,β 1 ). Mode stressé : Ga(α 2 d,β 2 ). Dégradation moyenne plus élevée en usage stressé : α 1 β 1 < α 2 β 2. Au moins deux opportunités de maintenance sur l horizon de visibilité. 28/37 Elias Khoury RUL - Maintenance prédictive - MoDe

29 Comparaison sur la base de : Coût moyen par unité de distance. Distance moyenne avant maintenance (Mean Distance Till Maintenance - MDTM). Coûts considérés : C p : Coût de remplacement préventif. C c (> C p ): Coût de remplacement correctif. C d : Coût par unité de distance relatif au déplacement de l équipe et de la plate-forme mobile de réparation. 29/37 Elias Khoury RUL - Maintenance prédictive - MoDe

30 Variation du coût asymptotique moyen par unité de distance (C) en fonction de C d pour les différentes politiques de maintenance Politique basée sur l âge Politique conditionnelle Politique basée sur le risque Politique basée sur IC C C d (α 1,β 1) = (0.5,0.5), (α 2,β 2) = (0.75,0.5), C p = 25 et C d varie de 1 à /37 Elias Khoury RUL - Maintenance prédictive - MoDe

31 Variation de la distance moyenne avant maintenance (MDTM) en fonction de C d pour les différentes politiques de maintenance Politique basée sur l âge Politique conditionnelle Politique basée sur le risque Politique basée sur IC MDTM C d (α 1,β 1) = (0.5,0.5), (α 2,β 2) = (0.75,0.5), C p = 90 et C d varie de 1 à /37 Elias Khoury RUL - Maintenance prédictive - MoDe

32 Comparaison des politiques prédictives Opportunité plus proches : C d C IC C R G C MDTM IC MDTM R G MDTM % % % % Envt U(40,80), Opp. U(3,7), L = 100, (α 1,β 1 ) = (0.5,0.5), (α 2,β 2 ) = (0.75,0.5), C c = 100 et C p = 25. Coûts différents selon l opportunité de maintenance : Envt Opp. C c C pc 1 c C d C 1 c C IC C R G C U(40, 80) U(25, 40) U(80, 100) % U(70, 90) U(50, 70) U(80, 100) % U(70, 90) U(50, 70) U(90, 100) % U(90, 100) U(70, 80) U(90, 100) % U(90, 100) U(70, 80) U(90, 100) % L = 100, (α 1,β 1 ) = (0.5,0.5) et (α 2,β 2 ) = (0.75,0.5). 32/37 Elias Khoury RUL - Maintenance prédictive - MoDe

33 Plan 1 Introduction 2 Modélisation de la défaillance basée sur la dégradation 3 Estimation de la durée de vie résiduelle 4 Prise de décision en maintenance - approche prédictive 5 Conclusion 33/37 Elias Khoury RUL - Maintenance prédictive - MoDe

34 Conclusion Nécessité de développements méthodologiques en terme de modélisation pour la prise de décision en maintenance. Trois aspects : 1 Modélisation de la défaillance basée sur la dégradation : Adaptation/modification/développemment de modèles de défaillance basée sur la dégradation. Différents comportements de la dégradation et mécanismes de défaillance. Modèle à effet de stress permanent. Traitement de données réelles : cas de l huile moteur. 34/37 Elias Khoury RUL - Maintenance prédictive - MoDe

35 Conclusion 2 Estimation de la durée de vie résiduelle : Calcul analytique pour les différents modèles considérés. Utilisation de méthodes statistiques complémentaires : estimation, mise à jour bayesienne, CUSUM. 3 Prise de décision en maintenance - approche prédictive : Plusieurs cas de figure : type de surveillance, impact de l environnement, contraintes, etc. Planification des inspections et des remplacements préventifs. Comparaison des performances et quantification des gains. Meilleures performances pour les politiques prédictives. 35/37 Elias Khoury RUL - Maintenance prédictive - MoDe

36 D un point de vue MoDe : L étude menée montre l intérêt de la prise en compte des données de surveillance, de leur traitement et intégration dans la prise de décision en maintenance. Développement des technologies et des techniques de surveillance, d analyse et de traitement des données, de communication sans fil, etc. Cas témoin de l huile moteur qui montre que les modèles théoriques peuvent décrire le comportement d un composant dans la pratique, confirme l intérêt de faire des mesures sur les autres composants critiques identifiés. 36/37 Elias Khoury RUL - Maintenance prédictive - MoDe

37 Merci pour votre attention! 37/37 Elias Khoury RUL - Maintenance prédictive - MoDe

Comment utiliser les modèles mathématiques pour concevoir les stress tests?

Comment utiliser les modèles mathématiques pour concevoir les stress tests? Comment utiliser les modèles mathématiques pour concevoir les stress tests? Idriss Tchapda-Djamen 18 décembre 2015 Sommaire Exécutif 1. Les stress tests ont pris une importance depuis la dernière crise

Plus en détail

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7. Statistique Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.fr Cours Statistique, 2010 p. 1/52 Plan du cours Chapitre 1 : Estimation

Plus en détail

Détection statistique d anomalies en présence de paramètres de nuisance

Détection statistique d anomalies en présence de paramètres de nuisance Détection statistique d anomalies en présence de paramètres de nuisance Lionel Fillatre ENST Bretagne, département Signal & Communication Lionel Fillatre (département SC) Détection d anomalies 1 / 29 Structure

Plus en détail

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE Pierre-Louis Gonzalez 1 I INTRODUCTION 1 variable qualitative. Tri à plat. Représentations graphiques. Modélisation : loi binomiale loi multinomiale

Plus en détail

Modélisation de la demande de transport

Modélisation de la demande de transport Modélisation de la demande de transport Fabien Leurent ENPC / LVMT Introduction Approche empirique Fonctions de répartition Position microéconomique : préférences et rationalité Distribution des décideurs,

Plus en détail

Analyse dynamique des problèmes de pollution de flux Une approche économique

Analyse dynamique des problèmes de pollution de flux Une approche économique Une approche économique Marc Leandri Laboratoire d Econométrie de l Ecole Polytechnique RTP M3D 24 Janvier 2008 1 2 3 Plan de la présentation Les fondements de l économie de la pollution Le rôle de la

Plus en détail

Analyse des algorithmes distribués pour l approximation stochastique dans les réseaux de capteurs

Analyse des algorithmes distribués pour l approximation stochastique dans les réseaux de capteurs Analyse des algorithmes distribués pour l approximation stochastique dans les réseaux de capteurs Directeur de thèse: Pascal BIANCHI Département: Traitement du Signal et des Images Télécom ParisTech 28/02/15

Plus en détail

Plan de la présentation

Plan de la présentation Thomas Quang Khoi TA Équipe ETSN, Supélec, campus de Rennes Mitsubishi -TCL, Rennes 08 décembre 2003 1 Plan de la présentation 1- Codes produits, 2- Décodage itératif des codes produits : turbo codes en

Plus en détail

Allocation de portefeuille: comparaison de l analyse technique et des méthodes mathématiques

Allocation de portefeuille: comparaison de l analyse technique et des méthodes mathématiques 1/43 : comparaison de l analyse technique et des méthodes mathématiques Université Montesquieu Bordeaux IV GREΘA et IMB CHRISTOPHETTE BLANCHET (Université de Nice) RAJNA GIBSON (Université de Zurich) ETIENNE

Plus en détail

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq»

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Guy Perrière Pôle Rhône-Alpes de Bioinformatique 14 novembre 2012 Guy Perrière (PRABI) Tests statistiques 14 novembre 2012 1 / 40 Plan

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

Aujourd hui, maîtriser la disponibilité des biens, des matériels et des équipements industriels, permettrait à l industrie d agir sur la régularité

Aujourd hui, maîtriser la disponibilité des biens, des matériels et des équipements industriels, permettrait à l industrie d agir sur la régularité 2 2 Avant-propos La maintenance est l une des contraintes que rencontre tout exploitant d une installation industrielle. Construire une usine ne sert à rien en l absence de production significative, ou

Plus en détail

CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25

CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25 TABLE DES MATIÈRES Sommaire... 5 Avant- propos... 9 Remerciements... 19 À propos de l auteur... 23 CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25 1.1 Qu est- ce que

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

COMMENT MESURER L EFFICACITE DE LA MAINTENANCE?

COMMENT MESURER L EFFICACITE DE LA MAINTENANCE? I INDICATEURS ET TABLEAUX DE BORD : 11 Définitions : Indicateur : chiffre significatif d une situation économique pour une période donnée. Tableau de bord : ensemble d informations traitées et mises en

Plus en détail

Gestion de la congestion

Gestion de la congestion Gestion de la congestion réseau de télécommunication ou de transport Madiagne Diallo Laboratoire Université de Versailles, France Projet FT R&D Participants : Barth, Bouhtou, Diallo et Wynter : 000 --

Plus en détail

Econométrie des modèles de durée

Econométrie des modèles de durée Econométrie des modèles de durée Guillaume Horny Banque de France et UCLouvain Master 2 MOSEF Guillaume Horny (Banque de France) Econométrie des durées (chap 1) 2009 1 / 70 Introduction Introduction Pourquoi

Plus en détail

HMS-GRM. www.hms.com.tn

HMS-GRM. www.hms.com.tn HMS-GRM www.hms.com.tn 1 Optez pour une solution ergonomique d utilisation intuitive La gestion du matériel est en grande partie un exercice d'équilibre. Elle exige aux entreprises de réaliser leurs objectifs

Plus en détail

Maintenance Industrielle

Maintenance Industrielle Maintenance Industrielle et Gestion des Risques Industriels Maintenance Industrielle Chapitre 0: Généralités et définitions Année universitaire 2013-2014 Introduction Une installation de production Moyens

Plus en détail

Les Méthodes de Gestion de stock

Les Méthodes de Gestion de stock Les Méthodes de Gestion de stock Les méthodes de gestion de stock sont les premières méthodes de gestion scientifique des approvisionnements. Elles ont pour origine les travaux de Harris (1915) qui ont

Plus en détail

Statistiques des lois à queue régulière avec l application sur les perturbations des comètes

Statistiques des lois à queue régulière avec l application sur les perturbations des comètes Statistiques des lois à queue régulière avec l application sur les perturbations des comètes Shuyan LIU Université Paris - SAMM Youri DAVYDOV et Radu STOICA Université Lille - Laboratoire Paul Painlevé

Plus en détail

Principes de management de la maintenance

Principes de management de la maintenance Jean-Paul Raoul Illustrations : Hervé Baudry Principes de management de la maintenance Publibook Retrouvez notre catalogue sur le site des Éditions Publibook : http://www.publibook.com Ce texte publié

Plus en détail

Formulaire de Probabilités et Statistiques

Formulaire de Probabilités et Statistiques Formulaire de Probabilités et Statistiques AD+JS 1 Rappels de combinatoire Arrangements avec répétitions Nombre d applications d un ensemble à k éléments dans un ensemble à n éléments : n k Arrangements

Plus en détail

geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap

geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap Université de Strasbourg Ségolen Geffray M2 - Statistique geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap Ces exercices seront effectués au moyen du logiciel

Plus en détail

Diagnostic de l isolation thermique de parois courantes du bâtiment

Diagnostic de l isolation thermique de parois courantes du bâtiment Centre d Etudes et de Recherche en Thermique Energétique et Systèmes C E R T E S Diagnostic de l isolation thermique de parois courantes du bâtiment Laurent IBOS Centre d Etude et de Recherche en Thermique,

Plus en détail

Maximisation de la fonction d utilité exponentielleprix d indifférence dans un modèle avec défauts

Maximisation de la fonction d utilité exponentielleprix d indifférence dans un modèle avec défauts Maximisation de la fonction d utilité exponentielleprix d indifférence dans un modèle avec défauts Thomas Lim Université Paris 7-LPMA Travail en collaboration avec Marie-Claire Quenez Séminaire des jeunes

Plus en détail

Bases du traitement des images. Détection de contours

Bases du traitement des images. Détection de contours Détection de contours Dominique.Bereziat@lip6.fr Contributions: N. Thome, D. Béréziat, S. Dubuisson Octobre 2015 1 / 76 Introduction Rôle primordial de la détection de contours en vision 1 Réduction d

Plus en détail

Estimation bayésienne des paramètres d un modèle de culture implémenté sous VLE

Estimation bayésienne des paramètres d un modèle de culture implémenté sous VLE Estimation bayésienne des paramètres d un modèle de culture implémenté sous VLE Arnaud Bensadoun François Brun (ACTA), Philippe Debaeke (INRA), Daniel Wallach (INRA), Luc Champolivier (CETIOM), Emmanuelle

Plus en détail

Régression logistique

Régression logistique Régression logistique Gilles Gasso. INSA Rouen -Département ASI Laboratoire LITIS Régression logistique p. 1 Introduction Objectifs Le classifieur de Bayes est basé sur la comparaison des probabilités

Plus en détail

Deuxième partie II. Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance

Deuxième partie II. Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance Deuxième partie II Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance (version corrigée, 4 avril 27) Construction d estimateurs 4 Construction d estimateurs Estimateur

Plus en détail

KlüberEffi ciencysupport. Services Klüber Lubrication Votre succès à partir d une boîte à outils!

KlüberEffi ciencysupport. Services Klüber Lubrication Votre succès à partir d une boîte à outils! your global specialist Secteur industriel KlüberEffi ciencysupport. Services Klüber Lubrication Votre succès à partir d une boîte à outils! Identifier les possibilités d améliorer votre efficacité 3 KlüberEfficiencySupport

Plus en détail

Econométrie des modèles de durée

Econométrie des modèles de durée Econométrie des modèles de durée Guillaume Horny Banque de France et UCLouvain Master 2 MOSEF Guillaume Horny (Banque de France) Econométrie des durées (chap 2) 2009 1 / 59 Chapitre 2 : Temps discret et

Plus en détail

Estimation et calibration des paramètres

Estimation et calibration des paramètres et calibration des paramètres 6-601-09 Simulation Monte Carlo Geneviève Gauthier HEC Montréal 1 1. Nous allons discuter des diverses façons de déterminer les paramètres des modèles que nous employons lors

Plus en détail

UNIVERSITÉ DE MONTRÉAL MODÈLE DE RÉPARATION MINIMALE BASÉ SUR L ACTUALISATION BAYÉSIENNE DU TAUX DE DÉFAILLANCE

UNIVERSITÉ DE MONTRÉAL MODÈLE DE RÉPARATION MINIMALE BASÉ SUR L ACTUALISATION BAYÉSIENNE DU TAUX DE DÉFAILLANCE UNIVERSITÉ DE MONTRÉAL MODÈLE DE RÉPARATION MINIMALE BASÉ SUR L ACTUALISATION BAYÉSIENNE DU TAUX DE DÉFAILLANCE MOHAMMED MEHDI BOUMARAFI DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE

Plus en détail

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation

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

Plus en détail

Emmanuel DREINA 1 er Juillet 2010 Octobre 2005 - Septembre 2008

Emmanuel DREINA 1 er Juillet 2010 Octobre 2005 - Septembre 2008 Conception, optimisation et intégration RF d'un système d'antennes miniatures multi-capteurs utilisant la diversité en vue d'augmenter les performances radio d'un terminal mobile 4G Emmanuel DREINA 1 er

Plus en détail

Politiques économiques publiques pour limiter les émissions de CO 2 liées à l usage des véhicules particuliers

Politiques économiques publiques pour limiter les émissions de CO 2 liées à l usage des véhicules particuliers Politiques économiques publiques pour limiter les émissions de CO 2 liées à l usage des véhicules particuliers Soutenance de thèse Bénédicte Meurisse sous la direction d Alain Ayong Le Kama Université

Plus en détail

Statistique pour la bio-informatique Séance 9-10 - Decembre 2003 Chaînes de Markov cachées. 1 Chaînes de Markov cachées et applications

Statistique pour la bio-informatique Séance 9-10 - Decembre 2003 Chaînes de Markov cachées. 1 Chaînes de Markov cachées et applications Statistique pour la bio-informatique Séance 9-10 - Decembre 2003 Chaînes de Markov cachées 1 Chaînes de Markov cachées et applications Les modèles à données latentes (ou manquantes ou cachées) constituent

Plus en détail

Optimisation de plans de financement immobiliers

Optimisation de plans de financement immobiliers Optimisation de plans de financement immobiliers ~ Frédéric GARDI 03/07/2007 Présentation du problème Plan/solution de financement : assemblage/mix de produits Pour chaque prêt du plan : son montant, sa

Plus en détail

Modélisation des codes de calcul dans. le cadre des processus gaussiens

Modélisation des codes de calcul dans. le cadre des processus gaussiens Modélisation des codes de calcul dans le cadre des processus gaussiens Amandine Marrel Laboratoire de Modélisation des Transferts dans l Environnement CEA Cadarache Introduction (1) Fiabilité et calcul

Plus en détail

Mobilités professionnelles et formation continue

Mobilités professionnelles et formation continue Mobilités professionnelles et continue Pauline GIVORD, Lionel WILNER 7 décembre 2009 Introduction Dans un contexte de flexibilisation accrue du marché du travail (Givord 2006), il est important de comprendre

Plus en détail

Prof.É.D.Taillard. Classification automatique @Prof. E. Taillard 1 EIVD, Informatique logiciel, 4 e semestre

Prof.É.D.Taillard. Classification automatique @Prof. E. Taillard 1 EIVD, Informatique logiciel, 4 e semestre INFORMATIQUE ORIENTATION LOGICIELS CLASSIFICATION AUTOMATIQUE Prof.É.D.Taillard Classification automatique @Prof. E. Taillard EIVD, Informatique logiciel, 4 e semestre CLASSIFICATION AUTOMATIQUE But :

Plus en détail

TECHNIQUES DE PLANIFICATION DE LA PRODUCTION

TECHNIQUES DE PLANIFICATION DE LA PRODUCTION TECHNIQUES DE PLANIFICATION DE LA PRODUCTION I LES PRINCIPES DE BASE DE FONCTIONNEMENT DE TOUTE MRP Planification de la production: décision tactique dans systèmes productifs produisant pour stock ou assemblant

Plus en détail

L ingénierie de l innovation au service de la micro hydraulique : La démarche Gewise

L ingénierie de l innovation au service de la micro hydraulique : La démarche Gewise L ingénierie de l innovation au service de la micro hydraulique : La démarche Gewise Edwin Marcellin-Gros Colloque des Vingt-cinquièmes Entretiens du Centre Jacques Cartier La place de l'énergie hydraulique

Plus en détail

ANNEXE I c LEXIQUE. 62 Baccalauréat professionnel Maintenance des équipements industriels

ANNEXE I c LEXIQUE. 62 Baccalauréat professionnel Maintenance des équipements industriels ANNEXE I c LEXIQUE 62 Baccalauréat professionnel Maintenance des équipements industriels Amélioration : Ensemble des mesures techniques, administratives et de gestion, destinées à améliorer la sûreté de

Plus en détail

Impact de l évolution technique de la maintenance intelligente

Impact de l évolution technique de la maintenance intelligente Impact de l évolution technique de la maintenance intelligente Prof. Pierre Dehombreux Service de génie mécanique pierre.dehombreux@umons.ac.be Impact de l évolution technique de la maintenance intelligente

Plus en détail

LEXIQUE. 62 Baccalauréat professionnel Maintenance des équipements industriels

LEXIQUE. 62 Baccalauréat professionnel Maintenance des équipements industriels LEXIQUE Amélioration : ensemble des mesures techniques, administratives et de gestion destinées à améliorer la sûreté de fonctionnement d un bien sans changer sa fonction requise (FD X 60-000 : mai 2002).

Plus en détail

RÉFÉRENTIEL DES ACTIVITÉS PROFESSIONNELLES

RÉFÉRENTIEL DES ACTIVITÉS PROFESSIONNELLES ANNEXE I a RÉFÉRENTIEL DES ACTIVITÉS PROFESSIONNELLES - 7 - LA MAINTENANCE INDUSTRIELLE. 1. LE MÉTIER Secteur d activités et entreprise. Le BTS Maintenance Industrielle donne accès au métier de technicien

Plus en détail

Feuille d'exercices : Diusion thermique

Feuille d'exercices : Diusion thermique Feuille d'exercices : Diusion thermique P Colin 2014/2015 1 Diusion thermique dans une barre * On considère une barre cylindrique de longueur l et de section S constituée d un matériau de conductivité

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

Présentation TD Supervision SFIL Vittel 2015

Présentation TD Supervision SFIL Vittel 2015 Présentation TD Supervision SFIL Vittel 2015 Sommaire 1. La surveillance d un SGL 2. Solution TECHNIDATA 3. Informations gérées 2 Notre mission Contribuer à l'amélioration de la qualité des soins et la

Plus en détail

Les réseaux de Petri stochastiques modèles et méthodes. 1. Introduction décembre 2003

Les réseaux de Petri stochastiques modèles et méthodes. 1. Introduction décembre 2003 Les réseaux de Petri stochastiques modèles et méthodes 1. Introduction décembre 2003 Serge HADDAD LAMSADE - CNRS Université Paris-Dauphine Patrice MOREAUX LAMSADE & LERI-RESYCOM - URCA t 2 p 3 t 4 p 6

Plus en détail

DNV GL Business Assurance, France

DNV GL Business Assurance, France DNV GL Business Assurance, France Présentation brève : La structure commune (HLS) des normes de Systèmes de Management ISO Changements clés du FDIS 9001:2015 et du FDIS 14001:2015 Planning prévisionnel

Plus en détail

Optimisation du cycle de cuisson d une pièce en caoutchouc.

Optimisation du cycle de cuisson d une pièce en caoutchouc. Optimisation du cycle de cuisson d une pièce en caoutchouc. Abdulrhaman EL LABBAN 1, Pierre MOUSSEAU *1, Jean Luc BAILLEUL 2, Rémi DETERRE 1 1 GEPEA ERT OPERP, UMR CNRS 6144, IUT de Nantes, 2 av du Prof.

Plus en détail

Modélisation de l'émergence de mutations successives par les processus de branchement multitypes.

Modélisation de l'émergence de mutations successives par les processus de branchement multitypes. Modélisation de l'émergence de mutations successives par les processus de branchement multitypes. Loïc Chaumont Université d'angers Museum National d'histoire Naturelle, 4 Juin 213 Introduction Emergence

Plus en détail

Management. des processus

Management. des processus Management des processus 1 Sommaire Introduction I Cartographie * ISO 9001 : 2000 * Cartographie - définition * Processus - définition * Identification des processus II Processus * Définitions * Objectifs

Plus en détail

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE. Projet de Semestre. Processus de Wiener. Analyse de B(u,T) avec racines de l équation de Lundberg complexes

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE. Projet de Semestre. Processus de Wiener. Analyse de B(u,T) avec racines de l équation de Lundberg complexes ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Projet de Semestre Processus de Wiener Analyse de B(u,T) avec racines de l équation de Lundberg complexes Meichtry Eliane Mathématiques Paroz Sandrine 3ème année

Plus en détail

STRATEGIES DE MAINTENANCE CONCEPTS ET STRATEGIES DE MAINTENANCE SYNTHESE

STRATEGIES DE MAINTENANCE CONCEPTS ET STRATEGIES DE MAINTENANCE SYNTHESE I LA FONCTION MAINTENANCE : 11 Définition selon la norme NF-EN 13306 : La maintenance est l ensemble de toutes les actions techniques, administratives et de management durant le cycle de vie d'un bien,

Plus en détail

Chapitre I Théorie de la ruine

Chapitre I Théorie de la ruine Chapitre I Théorie de la ruine Olivier Wintenberger ISUP 2, Université Paris VI (slides Olivier Lopez) Année universitaire 2013-2014 1 Risque collectif 2 Modélisation des coûts de sinistres 3 Probabilité

Plus en détail

IFSTTAR 9 décembre 2015. PRl DROSOFILES «Partenariat ONERA-SNCF: des systèmes de drones pour la surveillance du réseau"

IFSTTAR 9 décembre 2015. PRl DROSOFILES «Partenariat ONERA-SNCF: des systèmes de drones pour la surveillance du réseau IFSTTAR 9 décembre 2015 PRl DROSOFILES «Partenariat ONERA-SNCF: des systèmes de drones pour la surveillance du réseau" Florent Muller (ONERA) 1 PRI DROSOFILES: présentation générale DROSOFILES = DROnes:

Plus en détail

Corine GENET Grenoble Ecole de Management

Corine GENET Grenoble Ecole de Management Corine GENET Grenoble Ecole de Management Accréditations > 2 Modèle d activité dans l instrumentation en biotechnologies : Construire l offre ou répondre à la demande? 1. Introduction: Constats Objectifs

Plus en détail

DEMANDE D INFORMATION RFI (Request For Information)

DEMANDE D INFORMATION RFI (Request For Information) DOD-SDESS RFI Demande d information SDESS-GestionContenus Réf. : RFI_SDESS-GestionContenus.doc Page 1/8 DEMANDE D INFORMATION RFI (Request For Information) SOMMAIRE 1. OBJET DE LA DEMANDE D INFORMATION...

Plus en détail

GESTION ENERGETIQUE OPTIMALE D UN SCES «CAS D UN PANNEAU PHOTOVOLTAIQUE»

GESTION ENERGETIQUE OPTIMALE D UN SCES «CAS D UN PANNEAU PHOTOVOLTAIQUE» République Tunisienne Ministère de l Enseignement Supérieur et de Recherche Scientifique et de la Technologie Université de Sfax École Nationale d Ingénieurs de SFAX Département Génie Électrique Conférence

Plus en détail

EPREUVE INTEGREE DE LA SECTION : BACHELIER EN INFORMATIQUE ET SYSTEMES - FINALITE : TECHNOLOGIE DE L INFORMATIQUE

EPREUVE INTEGREE DE LA SECTION : BACHELIER EN INFORMATIQUE ET SYSTEMES - FINALITE : TECHNOLOGIE DE L INFORMATIQUE MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENERALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION EPREUVE

Plus en détail

Introduction au diagnostic des défaillances

Introduction au diagnostic des défaillances Introduction au diagnostic des défaillances T. AL ANI Laboratoire A2SI-ESIEE-Paris e-mail: t.alani@esiee.fr Avertissement Introduction au diagnostic des défaillances Ce cours est basé principalement sur

Plus en détail

Ré-ordonnancement partiel et dynamique d un planning d activités de maintenance.

Ré-ordonnancement partiel et dynamique d un planning d activités de maintenance. Ré-ordonnancement partiel et dynamique d un planning d activités de maintenance. François Marmier, Christophe Varnier, Noureddine Zerhouni To cite this version: François Marmier, Christophe Varnier, Noureddine

Plus en détail

Intégration des Energies Renouvelables (plan solaire et éolien Marocain) au réseau électrique au Maroc *****

Intégration des Energies Renouvelables (plan solaire et éolien Marocain) au réseau électrique au Maroc ***** ReGrid Final Workshop Intégration des Energies Renouvelables (plan solaire et éolien Marocain) au réseau électrique au Maroc ***** M. Karim EL-ASSEFRY Tunis, le 9 Octobre 2014 Ingénieur Energies Renouvelables

Plus en détail

Etudes expérimentales des modes de combustion essence sous forte dilution et forte suralimentation.

Etudes expérimentales des modes de combustion essence sous forte dilution et forte suralimentation. DRIA/SARA Etudes expérimentales des modes de combustion essence sous forte dilution et forte suralimentation. Journée François LACAS Le 22 novembre 2007 LANDRY Ludovic Directeur & Co-Directeur de thèse

Plus en détail

C09: Conception parallèle

C09: Conception parallèle méthodologie de conception en quatre étapes virtualisation applications structurées et non structurées aspect analytique: S, E Accélération Amdahl Accélération Gustafson Surcharge de parallélisation Conception

Plus en détail

Modèles dynamiques et outils d'aide à la décision, liens avec l'expérimentation. P. Faverdin INRA, UMR 1080 Production du lait

Modèles dynamiques et outils d'aide à la décision, liens avec l'expérimentation. P. Faverdin INRA, UMR 1080 Production du lait Modèles dynamiques et outils d'aide à la décision, liens avec l'expérimentation P. Faverdin INRA, UMR 1080 Production du lait Un contexte à la recherche d outils pour aider à piloter les systèmes agricoles

Plus en détail

1 Topologies, distances, normes

1 Topologies, distances, normes Université Claude Bernard Lyon 1. Licence de mathématiques L3. Topologie Générale 29/1 1 1 Topologies, distances, normes 1.1 Topologie, distances, intérieur et adhérence Exercice 1. Montrer que dans un

Plus en détail

Conception d une plateforme d ingénierie de maintenance guidée par les données : Application à la maintenance préventive et curative

Conception d une plateforme d ingénierie de maintenance guidée par les données : Application à la maintenance préventive et curative Département d Informatique MEMOIRE Présenté par : BENAMEUR Abdelkader Pour obtenir LE DIPLOME DE MAGISTER Spécialité : Informatique Option : Informatique & Automatique Intitulé : Conception d une plateforme

Plus en détail

ORGANISER CP3 : Organiser et optimiser les activités de maintenance

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

Plus en détail

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Introduction aux modèles graphiques 2010/2011 Cours 2 6 octobre Enseignant: Francis Bach Scribe: Nicolas Cheifetz, Issam El Alaoui 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Soit

Plus en détail

Dynamique des lasers. Lasers en impulsion

Dynamique des lasers. Lasers en impulsion Dynamique des lasers. Lasers en impulsion A. Evolutions couplées atomesphotons Rappel: gain laser en régime stationnaire Equations couplées atomes-rayonnement Facteur * Elimination adiabatique de l inversion

Plus en détail

Mettre en œuvre le Six Sigma

Mettre en œuvre le Six Sigma Caroline Fréchet Mettre en œuvre le Six Sigma CD-Rom de démonstration MINITAB offert QUALITÉ Comment utiliser le Six Sigma avec facilité > Définir et positionner le projet > Mesurer la situation existante

Plus en détail

Draft. Introduction à la Plateforme Dynare. Jean-Paul K. Tsasa Vangu. Mars 2, 2012; updated

Draft. Introduction à la Plateforme Dynare. Jean-Paul K. Tsasa Vangu. Mars 2, 2012; updated Jean-Paul K. Tsasa Vangu Laboratoire d analyse-recherche en économie quantitative (Atelier Laréq) Mars 2, 2012; updated Qu est-ce que Dynare? Dynare est un logiciel qui permet de simuler et d estimer les

Plus en détail

Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires

Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires Introduction Modélisation de la migration de radionucléide Vers un modèle probabiliste Calcul des

Plus en détail

Soutenance de stage Laboratoire des Signaux et Systèmes

Soutenance de stage Laboratoire des Signaux et Systèmes Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud

Plus en détail

db Vib GROUPE Le groupe est composé de trois sociétés indépendantes et complémentaires L expertise dynamique Ingénierie au service des industriels

db Vib GROUPE Le groupe est composé de trois sociétés indépendantes et complémentaires L expertise dynamique Ingénierie au service des industriels db Vib GROUPE Le groupe est composé de trois sociétés indépendantes et complémentaires L expertise dynamique Prestations de service, expertise, essais, maintenance et formation Ingénierie au service des

Plus en détail

Tout le matériel (actif) qui sert à produire: boulons, capteurs, automates, vérins, câblage, éclairage, etc.

Tout le matériel (actif) qui sert à produire: boulons, capteurs, automates, vérins, câblage, éclairage, etc. 1 La maintenance 2 De quoi? Tout le matériel (actif) qui sert à produire: boulons, capteurs, automates, vérins, câblage, éclairage, etc. Pourquoi? Garder le matériel de production (les actifs) en état

Plus en détail

Piloter sa démarche qualité efficacement Claude Ferreboeuf

Piloter sa démarche qualité efficacement Claude Ferreboeuf Piloter sa démarche qualité efficacement Claude Ferreboeuf p. 1 Sommaire 1 Le système de management - C est quoi avec les 5 parties intéressées? - Le pilotage par le fonctionnement des processus (Statique)

Plus en détail

Radar Live. La solution pour faire évoluer vos tarifs en temps réel

Radar Live. La solution pour faire évoluer vos tarifs en temps réel Radar Live La solution pour faire évoluer vos tarifs en temps réel Une avancée majeure pour votre processus de tarification Radar Live est un logiciel révolutionnaire qui change radicalement l approche

Plus en détail

Optimisation du trafic au sol sur les grands aéroportsa

Optimisation du trafic au sol sur les grands aéroportsa Optimisation du trafic au sol sur les grands aéroportsa Plan Contexte Simulations accélérées du trafic au sol Optimisation des séquences d'avions sur les pistes Résolution des conflits au roulage Applications

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chapitre 4 : RÉGRESSION 4.3 Régression linéaire multiple 4.3.1 Equation et Estimation 4.3.2 Inférence 4.3.3 Coefficients de détermination 4.3.4 Spécifications Régression linéaire multiple 1 / 50 Chapitre

Plus en détail

Simulation de processus de diffusion en milieux discontinus

Simulation de processus de diffusion en milieux discontinus Simulation de processus de diffusion en milieux discontinus Antoine Lejay INRIA Nancy Grand-Est & IECN Collaborations avec Géraldine Pichot (INRIA Rennes) et Sylvain Maire (Univ. Toulon) et plus anciennement

Plus en détail

ANALYSE, MODÉLISATION ET

ANALYSE, MODÉLISATION ET ANALYSE, MODÉLISATION ET DIAGNOSTIC DES PILES À COMBUSTIBLE A. Picot, J. Régnier, P. Maussion & C. Turpin LAPLACE Université de Toulouse PROBLÉMATIQUE GÉNÉRALE Pile à Combustible (PAC): source prometteuse

Plus en détail

Caractérisation des mesures de performance pertinentes en gestion alternative

Caractérisation des mesures de performance pertinentes en gestion alternative Caractérisation des mesures de performance pertinentes en gestion alternative Alexis BONNET Isabelle NAGOT Methodology Group CERMSEM Université Paris1Panthéon-Sorbonne 2 avril 2004 Quelles sont les mesures

Plus en détail

M1 Informatique, Réseaux Cours 10 : Introduction à la Qualité de Service

M1 Informatique, Réseaux Cours 10 : Introduction à la Qualité de Service M1 Informatique, Réseaux Cours 10 : Introduction à la M1 Informatique, Réseaux Cours 10 : Introduction à la Olivier Togni Université de Bourgogne, IEM/LE2I Bureau G206 olivier.togni@u-bourgogne.fr 7 avril

Plus en détail

et solutions innovantes

et solutions innovantes Expertise et solutions innovantes pour aligner le conseil en investissement sur les attentes de vos clients Expertise et solutions innovantes en conseil d investissement, gestion de portefeuille et gestion

Plus en détail

Apport de la fonction Ingénierie au processus Innovation. 05/11/2014 Apport Ingénierie à Innovation X.Duchamp

Apport de la fonction Ingénierie au processus Innovation. 05/11/2014 Apport Ingénierie à Innovation X.Duchamp Apport de la fonction Ingénierie au processus Innovation Mettons nous d accord sur les mots! Innovation Une innovation est la mise en œuvre d un produit (bien ou service) ou d un procédé (de production)

Plus en détail

UN MODELE HOLONIQUE ET ISOARCHIQUE POUR LE PILOTAGE D UN JOB SHOP EN FLUX TIRE

UN MODELE HOLONIQUE ET ISOARCHIQUE POUR LE PILOTAGE D UN JOB SHOP EN FLUX TIRE T 1 Conférence Internationale de MOdélisation et de SIMulation 31 mars, 1er et 2 avril 2008 Paris, France UN MODELE HOLONIQUE ET ISOARCHIQUE POUR LE PILOTAGE D UN JOB SHOP EN FLUX TIRE Patrick Pujo, Fouzia

Plus en détail

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Philippe Gagnepain Université Paris 1 Ecole d Economie de Paris Centre d économie de la Sorbonne-UG 4-Bureau 405 philippe.gagnepain@univ-paris1.fr

Plus en détail

Modèle mixte non linéaire. Application à la modélisation de processus dynamiques et prise en compte d effets génotypiques et environnementaux

Modèle mixte non linéaire. Application à la modélisation de processus dynamiques et prise en compte d effets génotypiques et environnementaux Modèle mixte non linéaire. Application à la modélisation de processus dynamiques et prise en compte d effets génotypiques et environnementaux Hervé Monod Unité MIA-Jouy en Josas INRA - Dépt Mathématiques

Plus en détail

ETUDE DES E VI V B I RATIO I N O S

ETUDE DES E VI V B I RATIO I N O S ETUDE DES VIBRATIONS 1 Chapitre I - Présentation et définitions 2 Les objectifs à atteindre: 1) Savoir décrire le modèle de l'oscillateur harmonique et savoir l'appliquer à l'étude des systèmes physiques

Plus en détail

Atelier CCI Midi Pyrénées LA GESTION DE L ENERGIE EN ENTREPRISE. 15 Janvier 2016 Guillaume CALMETTES Chef de projet

Atelier CCI Midi Pyrénées LA GESTION DE L ENERGIE EN ENTREPRISE. 15 Janvier 2016 Guillaume CALMETTES Chef de projet Atelier CCI Midi Pyrénées LA GESTION DE L ENERGIE EN ENTREPRISE 15 Janvier 2016 Guillaume CALMETTES Chef de projet 1 Ordre du jour La comptabilité énergétique en entreprise - Définition - Objectif / Enjeux

Plus en détail

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50 10. Estimation MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: estimation 1/50 Plan 1. Introduction 2. Estimation ponctuelle 3. Estimation par intervalles de confiance 4. Autres

Plus en détail

Établissements Publics

Établissements Publics Yourcegid Secteur Public Finances : Une réponse globale aux nouveaux enjeux de la fonction publique Établissements Publics Finances Parce que votre organisation est unique, parce que vos besoins sont propres

Plus en détail

Estimation de la fonction de distribution conditionnelle à partir de données censurées par intervalle, cas I

Estimation de la fonction de distribution conditionnelle à partir de données censurées par intervalle, cas I Estimation de la fonction de distribution conditionnelle à partir de données censurées par intervalle, cas I Sandra Plancade MAP5 Université Paris 5 5 mai 2010 Plan de l'exposé I) Introduction II) Dénition

Plus en détail