Estimation de la durée de vie résiduelle et optimisation de la maintenance prédictive : application à des véhicules industriels
|
|
- Pierre-Marie Poulin
- il y a 8 ans
- Total affichages :
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
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 détailRetournement Temporel
Retournement Temporel Rédigé par: HENG Sokly Encadrés par: Bernard ROUSSELET & Stéphane JUNCA 2 juin 28 Remerciements Je tiens tout d'abord à remercier mes responsables de mémoire, M.Bernard ROUSSELET
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailTout 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 détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Plus en détailFORD C-MAX + FORD GRAND C-MAX CMAX_Main_Cover_2013_V3.indd 1-3 22/08/2012 15:12
1 2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 26 28 30
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailIntégration des paramètres de maintenance dans la conception du Health Monitoring. Saintis Laurent Laboratoire LASQUO (futur LARIS)
2ème Colloque National de la Performance Industrielle LA MAINTENANCE A DISTANCE & E-MAINTENANCE Intégration des paramètres de maintenance dans la conception du Health Monitoring Saintis Laurent Laboratoire
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailLe suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailSolutions logicielles de gestion énergétique coopérante smart building in smart grid
Séminaire «Les jeunes entreprises innovantes au service de l habitat et de la ville du futur» Solutions logicielles de gestion énergétique coopérante smart building in smart grid Sébastien Cadeau-Belliard
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailPrédiction et Big data
Prédiction et Big data Mitra Fouladirad Institut Charles Delaunay - UMR CNRS 6281 Université de Technologie de Troyes 29 avril 2015 1 1 Sujet Motivation Le pronostic ou la prédiction du comportement futur
Plus en détailSolutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA. Xavier Brunotte info@vesta-system.
Solutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA Xavier Brunotte info@vesta-system.com Agenda Vesta-System et principe de son gestionnaire de son gestionnaire
Plus en détailInterception des signaux issus de communications MIMO
Interception des signaux issus de communications MIMO par Vincent Choqueuse Laboratoire E 3 I 2, EA 3876, ENSIETA Laboratoire LabSTICC, UMR CNRS 3192, UBO 26 novembre 2008 Interception des signaux issus
Plus en détailMAP 553 Apprentissage statistique
MAP 553 Apprentissage statistique Université Paris Sud et Ecole Polytechnique http://www.cmap.polytechnique.fr/~giraud/map553/map553.html PC1 1/39 Apprentissage? 2/39 Apprentissage? L apprentissage au
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailANALYSE GLOBALE DES PROGRAMMES DE LA SHQ. SQEP 18 novembre 2011
ANALYSE GLOBALE DES PROGRAMMES DE LA SHQ SQEP 18 novembre 2011 Contexte Problématiques Objectifs Cadre conceptuel Étude comparative des programmes - Modèle matriciel de comparaison (indice ICP) - Grille
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailRupture et plasticité
Rupture et plasticité Département de Mécanique, Ecole Polytechnique, 2009 2010 Département de Mécanique, Ecole Polytechnique, 2009 2010 25 novembre 2009 1 / 44 Rupture et plasticité : plan du cours Comportements
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailQUANTIFICATION DU RISQUE
QUANTIFICATION DU RISQUE Journées d études de Deauville, le 16 septembre 2011 OPÉRATIONNEL 1.Solvabilité 2 et le Risque Opérationnel 2.La gestion du Risque Opérationnel 3.Les méthodes de quantification
Plus en détailQuantité de mouvement et moment cinétique
6 Quantité de mouvement et moment cinétique v7 p = mv L = r p 1 Impulsion et quantité de mouvement Une force F agit sur un corps de masse m, pendant un temps Δt. La vitesse du corps varie de Δv = v f -
Plus en détailGlissière linéaire à rouleaux
LRX Guidage linéaire Introduction Rail de guidage Joint Graisseur Corps Rouleaux cylindriques Joint Cage Couvercle d extrémité Les guides linéaires à rouleaux de la série LRX offrent une haute fiabilité
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
Plus en détailPôle Performance Industrielle Durable. Page 1 Rencontre SEE Le 20/05/2014 Lille. Innover
Page 1 Innover en mécanique Page 2 Rencontre Solutions Energie Entreprises Lille le 20 mai 2014 Atelier : «Audit énergétique obligatoire : quelles sont les entreprises concernées?» Eric SENECHAL-CETIM
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailSiemens Customer Day 23 avril 2015. Bienvenue
Siemens Customer Day 23 avril 2015 Bienvenue Siemens Customer Day 23 avril 2015 Solutions pour les systèmes électriques et de contrôle-commande des installations de production d énergie Agenda 14h15 15h00
Plus en détailCOLLOQUE NATIONAL de la PERFORMANCE INDUSTRIELLE
COLLOQUE NATIONAL de la PERFORMANCE INDUSTRIELLE Analyse vibratoire expérimentale : outil de surveillance et de diagnostic Dr Roger SERRA ENIVL / LMR 1 Contexte (1/2) Première publication de la charte
Plus en détailTXT E-SOLUTIONS LOGICIELS DE PRÉVISION. Module de prévision de CDMi. Pour vos appels d offre. 3 e ÉDITION
Septembre 2012 Pour vos appels d offre LGICIELS DE PRÉVISIN 3 e ÉDITIN TXT E-SLUTINS Module de prévision de CDMi SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort 1. NM de l'éditeur TXT
Plus en détailCompte personnel de prévention de la pénibilité dispositif d observation envisagé
Compte personnel de prévention de la pénibilité dispositif d observation envisagé Réunion du CNIS du 14 novembre 2014 Marianne CORNU PAUCHET, Direction de la sécurité sociale Sommaire Le compte personnel
Plus en détailSommaire CHAPITRE 1 : INTRODUCTION GENERALE... 3 CHAPITRE 2 : LES CONCEPTS DE FIABILITE ET DE MAINTENANCE... 5
Dr. K.Bourouni Sommaire CHAPITRE 1 : INTRODUCTION GENERALE... 3 CHAPITRE 2 : LES CONCEPTS DE FIABILITE ET DE MAINTENANCE... 5 1 INTRODUCTION... 5 2 LA NOTION DE FIABILITE D UN SYSTEME... 5 3 LA MAINTENABILITE
Plus en détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailA.4 GMAO = GM + AO (rappel)
SOMMAIRE A. Première partie A.1 Ingénierie système : du besoin au système (produit/service) A.2 SDF, Maintenance et concepts sous-jacents A.3 Les méthodes : L applicabilité A.4 GMAO = GM + AO (rappel)
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailTD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE
TD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE Exercice en classe EXERCICE 1 : La fibre à gradient d indice On considère la propagation d une onde électromagnétique dans un milieu diélectrique
Plus en détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailÉtude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test
11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif
Plus en détailD assurance-vie avec participation
D assurance-vie avec participation Le Réalisateur Patrimoine et Le Réalisateur Succession Michel Poulin,Pl,fin. Expert-conseil Régional De Commercialisation Ordre du jour Aperçu de l assurance-vie avec
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailCritères de validation des modèles internes en assurance vie :
Critères de validation des modèles internes en assurance vie : Use tests, intégration des modèles dans les processus de prise de décision et approche ERM Vladislav GRIGOROV, CRO, SwissLife France David
Plus en détailThéorie de l estimation et de la décision statistique
Théorie de l estimation et de la décision statistique Paul Honeine en collaboration avec Régis Lengellé Université de technologie de Troyes 2013-2014 Quelques références Decision and estimation theory
Plus en détailPROJET TOSA INFORMATIONS GÉNÉRALES
PROJET TOSA INFORMATIONS GÉNÉRALES 1 LE BUS DU FUTUR EST SUISSE Grande première suisse et même mondiale, TOSA est un bus articulé à batterie rechargeable pour la desserte des villes. L'énergie de propulsion
Plus en détailTABLE DES MATIÈRES. Avant-propos... Remerciements... CHAPITRE 1 LA COMPTABILITÉ DE MANAGEMENT... 1
TABLE DES MATIÈRES Avant-propos........................................................... Remerciements......................................................... V VII CHAPITRE 1 LA COMPTABILITÉ DE MANAGEMENT................
Plus en détailDimensionnement d une roue autonome pour une implantation sur un fauteuil roulant
Dimensionnement d une roue autonome pour une implantation sur un fauteuil roulant I Présentation I.1 La roue autonome Ez-Wheel SAS est une entreprise française de technologie innovante fondée en 2009.
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détaildocument proposé sur le site «Sciences Physiques en BTS» : http://nicole.cortial.net BTS AVA 2015
BT V 2015 (envoyé par Frédéric COTTI - Professeur d Electrotechnique au Lycée Régional La Floride Marseille) Document 1 - Etiquette énergie Partie 1 : Voiture à faible consommation - Une étiquette pour
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailQ6 : Comment calcule t-on l intensité sonore à partir du niveau d intensité?
EXERCICE 1 : QUESTION DE COURS Q1 : Qu est ce qu une onde progressive? Q2 : Qu est ce qu une onde mécanique? Q3 : Qu elle est la condition pour qu une onde soit diffractée? Q4 : Quelles sont les différentes
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailChapitre 7 - Relativité du mouvement
Un bus roule lentement dans une ville. Alain (A) est assis dans le bus, Brigitte (B) marche dans l'allée vers l'arrière du bus pour faire des signes à Claude (C) qui est au bord de la route. Brigitte marche
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailLe chauffe-eau thermodynamique à l horizon 2015-2020
Chauffe-eau thermodynamique Le chauffe-eau thermodynamique à l horizon 2015-2020 Ballon de stockage ( 300 l) chaude M o d e c h a u f f a g e Q k T k Pompe à chaleur Effet utile Pompe à chaleur pour chauffer
Plus en détailLES GRADES PROGRAMME D EXAMEN DE LA CEINTURE JAUNE A LA CEINTURE MARRON
LES GRADES PROGRAMME D EXAMEN DE LA CEINTURE JAUNE A LA CEINTURE MARRON 1 CEINTURE JAUNE Objectif : savoir exécuter les coups simples de K1 Rules/ K1 Japan En statique sur cibles OUI OUI NON NON NON En
Plus en détailCours d introduction à la théorie de la détection
Olivier J.J. MICHEL Département EEA, UNSA v1.mars 06 olivier.michel@unice.fr Laboratoire LUAN UMR6525-CNRS Cours d introduction à la théorie de la détection L ensemble du document s appuie très largement
Plus en détailMesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme
TFE Ingénieur Civil Mathématiques Appliquées 24 juin 2010 Mesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme Auteur Christophe Pochet Promoteur Pierre Devolder Comment garantir la
Plus en détailEfficience de l actif de l entreprise
Solutions d assurance-vie Efficience de l actif de l entreprise Gérer. Profiter. Préserver. Une solution intelligente pour les professionnels : l assurance-vie permanente, un actif unique pouvant offrir
Plus en détailDéfinir une politique de maintenance et sa stratégie de mise en œuvre de responsabilités
Chapitre 1 Définir une politique de maintenance et sa stratégie de mise en œuvre de responsabilités La politique de maintenance, entre prévention et correction 25 f Qu est-ce que le «préventif» et le «correctif»?
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailArchitecture de la Gestion du Technique du Bâtiment.
Architecture de la Gestion du Technique du Bâtiment. Bus de communication EIB KNX 1 A. Synoptique générale de la GTB EIB KNX 2 3 B. Configuration matériel KNX de la G.T.B. Pack n 1 - Armoire GTB KNX équipée
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailDétection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux
Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux hétérogènes Laurent Déjean Thales Airborne Systems/ENST-Bretagne Le 20 novembre 2006 Laurent Déjean Détection en
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailL effet régulateur des moteurs de recherche. MICHEL Laurent
L effet régulateur des moteurs de recherche MICHEL Laurent 3 février 26 Table des matières Mesure de la qualité d une page Web : l algorithme PageRank 4. L algorithme......................................
Plus en détailLifecyclecosting à la clinique romande de réadaptation - Un retour d expérience d une installation de chauffage par CCF et PAC
Lifecyclecosting à la clinique romande de réadaptation - Un retour d expérience d une installation de chauffage par CCF et PAC Journées de formation IHF à Toulouse le 13.06.2014 Présentation de Tomas Bucher
Plus en détailBio-Rad Laboratories CONTRÔLE DE QUALITÉ. Le logiciel de Bio-Rad pour une gestion experte du contrôle de qualité
Bio-Rad Laboratories CONTRÔLE DE QUALITÉ Le logiciel de Bio-Rad pour une gestion experte du contrôle de qualité CONTRÔLE DE QUALITÉ 1 Unity Real Time 2.0 Unity Real Time 2.0 est un logiciel pour la gestion
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détail«Extension du logiciel GMAO (Gestion de Maintenance industrielle Assistée par Ordinateur) de la Société FABRICS MADAGASCAR»
UNIVERSITE D ANTANANARIVO ECOLE SUPERIEURE POLYTECHNIQUE Départements: Génie Mécanique Productique et Génie Electrique Filière : Génie Industriel Mémoire de fin d études pour l obtention du diplôme d ingénieur
Plus en détailPrésentation. Pour. Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris
Présentation Pour Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris Email: galais@barloworldscs.com Tel : + 33 1 73 03 04 10 / + 33 6 08 01 52
Plus en détailÉconomie d énergie dans les centrales frigorifiques : La haute pression flottante
Économie d énergie dans les centrales frigorifiques : La haute pression flottante Juillet 2011/White paper par Christophe Borlein membre de l AFF et de l IIF-IIR Make the most of your energy Sommaire Avant-propos
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
Plus en détailSmart City Pour relever les défis d urbanisation et de mobilité du futur. Raphael Rollier 05/2015
Smart City Pour relever les défis d urbanisation et de mobilité du futur Raphael Rollier 05/2015 Orateurs Marilyne Andersen Loïc Lepage Olivier de Watteville Raphael Rollier Doyenne de la faculté ENAC,
Plus en détailP R E S E N T A T I O N E T E V A L U A T I O N P R O G R A M M E D E P R E V E N T I O N «P A R L E R»
P R E S E N T A T I O N E T E V A L U A T I O N P R O G R A M M E D E P R E V E N T I O N «P A R L E R» Parler Apprendre Réfléchir Lire Ensemble pour Réussir Pascal BRESSOUX et Michel ZORMAN Laboratoire
Plus en détailSystème d automation TROVIS 6400 Régulateur compact TROVIS 6493
Système d automation TROVIS 6400 Régulateur compact TROVIS 6493 pour montage encastré (dimensions de la face avant 48 x 96 mm / 1.89 x 3.78 ) Application Régulateur compact à microprocesseur avec logiciel
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détail