Surveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
|
|
- Irène Sauvé
- il y a 8 ans
- Total affichages :
Transcription
1 Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
2 SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes! Diagnostic MAINTENANCE PREDICTIVE Face aux aléas en phase d exploitation, l objectif est d exécuter une action de maintenance dès l apparition d une dégradation (maintenance préventive prévisionnelle) LATENCE DE FAUTE Entre l indication d une déviation et la demande d une action de maintenance, il peut s écouler un certain temps. Pendant tout ce temps, la faute est dite latente (non encore détectée).
3 Type de Systèmes Systèmes discrets Systèmes hybrides Ensemble de tâches exécutées en séquence
4 Principe de détection Surveillance Suivi de l évolution temporelle d une activité, donnant lieu à un ou plusieurs compte rendu à des dates prévisibles Suivi temporel Durée prévue Faute latente Marge Activité Absence de compte rendu Requête Fin Fin +tard temps
5 Principe de détection Surveillance Suivi de l évolution temporelle d une activité, donnant lieu à un ou plusieurs compte rendu à des dates prévisibles Suivi temporel Durée prévue Activité Marge Risque de fausses alarmes Requête Fin temps
6 Principe de détection Surveillance Suivi de l évolution temporelle d une activité, donnant lieu à un ou plusieurs compte rendu à des dates prévisibles Suivi temporel Durée prévue Activité Marge Retard de détection temps Requête Fin Évaluation de la Marge = latence de faute
7 PLAN Surveillance: Méthodes classiques / Méthode proposée Outils de modélisation : automates temporisés Modèle du système de surveillance Applications à différents types de systèmes Évaluation de la latence de faute Évaluation des performances Extension pour le diagnostic
8 Méthodes classiques de surveillance Réservoir Partie commande capteurs capteurs Système de surveillance V1 W1 b2- h2- b1- h1- V2 W2 actionneurs Partie Opérative Solution statique basée sur l énumération des états du système! Une liste exhaustive des pannes possibles.! Le système ne détecte que les pannes identifiées dans liste.! les défaillances des capteurs non prise en compte.
9 Méthode proposée Actions Préventive Information temps Partie Commande capteurs Système de surveillance capteurs état Normal Durée connue état Dégradé État de défaillance actionneurs Partie Opérative début tâche T min Solution proposée pas d'énumération des différents modes de défaillance prise en compte de la dynamique du processus optimisation du temps de détection fin marge T max détection temps
10 Surveillance et Commande Module de Surveillance AUTOMATES TEMPORISES Fonctionnement" Défaillant Fonctionnement" Dégradé Module de Commande Fonctionnement" Normal Commande capteurs Partie opérative : Procédé actionneurs
11 Démarche générale Identification des paramètres à surveiller Détermination des marges Construction du modèle de surveillance Validation
12 Outil de modélisation L outil de modélisation doit représenter : l ensemble des états discrets " la séquence de tâches l ensemble des variables continues " temps Automate Temporisé Dynamique continue (horloge) x 1 := 0, x 2 := 0 E 0 x& 1 = 1 x& 2 = 1 x 2 2 guard a ^ x 2 = 2 x 2 := 0 E 1 x& 1 = 1 x& 2 = 1 x 1 3 b ^ 1 x 1 3 x& x& 1 2 E 2 = 1 = 1 Invariant condition affectation
13 1 ère application: système de remplissage des bacs RESERVOIR 1 m (1) (2,5) V1 h1-bac 1 h2-bac 2 b1- b2- W1 V2 W V1 h1 W1 b1 5 V2 h2 6 W2 b2 7 (3,5) (4,5) (4,6) (3,6) (4,7) (2,6) (2,7) (3,7) Procédé Objectif: 1 Grafcet de commande Graphe des situations détecter le débordement des bacs détecter la vidange totale des bacs
14 Modèle dynamique (1) I m J m E1 (3,5) (4,5) (4,6) (2,5) (3,6) (4,7) (2,7) (3,7) (2,6) 0 m T min Mode normal m T max m T c Mode dégradé Mode défaillant chaque horloge est associée à un couple action-capteur x 7 I 7 & x 4 I 4 x E47 1 :=0 x 3 I 3 x 5 I 5 E35 x E45 E46 4 :=0 x 6 :=0 x 2 I 2 x 5 I 5 x 3 I 3 x 1 I x 1 3 :=0 x 2 E25 I 2 &x I 5 5 x 6 :=0 E36 x 2 :=0 & x 5 :=0 x 3 :=0&x 6 :=0 x 2 I 2 x x 6 I 5 I 5 x 6 x 6 :=0 3 :=0 x E26 x 2 I 2 6 I 6 E27 x E37 x 7 :=0 3 :=0 temps horloge x m Détermination des marges de tolérance pour chaque couple action-capteur x 4 :=0 x 7 :=0
15 Modèle de surveillance 5 x5 ftc Mode défaillant 2 x2 f Tc x 2 ou x 5 f T f T 2 max 5 max X1 m & b2 & x 6 J 6 x 3 J 3 x 1 :=0 b1& b2 & x 1 J 1 x 6 I 6 X3 X5 h1& X2X5 x 5 J 5 h2 & X2X6 X3 X5 b1& x 2 J 2 b2 & b1& x 3 J 3 X4X5 h2 & h1& x 6 J 6 x 7 :=0 x 5 J 5 x 2 J 2 X2X7 x 3 I 3 X4X5 h2 & h1& h2 & x 5 J 5 b1& b2 & x 2 J 2 x 5 I 5 X4X6 x 3 J 3 X3X6 x 6 J 6 X3X7 X4X6 Mode dégradé 6 x6 T max Mode normal X1 m & x 1 I 1 h1& x 2 I 2 X2X5 x 5 I 5 h2 & h2 & x 5 I 5 h1& x2 I2 b1& b2 & x 3 I 3 X3X6 x 6 I 6 b1& x 3 I 3 X2X6 b2 & x 6 I 6 x 7 :=0 X2X7 h1& x 2 I 2 X3X7
16 2 ème application: système manufacturier
17 Modèle générique «Machine» Série B M B Assemblage B M B x 1 := 0, x 2 := 0 P.S x& 1 = 1 x& = 1 2 x 2 t p p ^( 1 x 1 t g ) x 1 := 0 p ^ (x 2 = t p ) x 2 := 0 G.F x& 1 = 1 x& 2 = 1 x 1 t g p ^( 1 x 1 t d ) x 1 := 0 p ^( x 1 t g ) x 1 := 0 D.F x& 1 = 1 x& 2 = 1 x 1 t d B Désassemblage B rep ^ x 2 = t p x 1 := 0, x 2 := 0 F.S x& 1 = 1 x& 2 = 1 x 1 t f x 1 > t d B M B
18 Le système de surveillance Surveillance machine n-1 Surveillance machine i Mesures Objective de production Surveillance machine 1 Normale Dégradé Panne Action de maintenance Machine défaillante Système manufacturier
19 3 ème application: système de traitement de surface P 0 P 1 P 2 P 3 P 4 Rail Robot Sc C3 C1 C2 TA 0 TA 1 TA 2 TA 3 TA 4 Sd Ordonnancement des tâches pour une cycle :! Chargement d une plaque en P0! déplacement vers P1 et dépot en C1! déplacement à vide vers P3 et retrait d une plaque de C3! déplacement en charge vers P4 et dépot en C4! déplacement à vide vers P1 et retrait d une plaque en C1! déplacement vers P2 et dépot en C2! déplacement à vide vers P3 et retrait d une plaque en C3! déplacement vers P0. Durée du déplacement de Pi à Pi+1 Surveillance des opérations de transport Robot plein ou vide Opérations de transport Opérations de traitement + Surveillance des Durée tâches de de traitement traitement [ Cmin, Cmax]
20 Principe de la modélisation Tâches T i Surveillance des tâches de traitement Rebut Ordonnancement optimal Surveillance Des opérations de transport normal dégradé défaillance défaillance Détection capteurs Partie Opérative
21 Modèle dynamique 01 P0 0 P1 & xr I01 P0 & xr I30 13 xr 4 30 xr 6 P3 & xr I13 P3 & xr I P4 & xr I34 P2 & xr I12 41 xr 6 12 P1 & xr I41 x r : horloge d activation I j : l intervalle de bon fonctionnement de la tâche j. J i : l intervalle toléré en fonctionnement dégradé de la tâche i I m J m D m T m C m Horloge x m 0 Mode normal Mode dégradé Mode défaillant
22 01 Modèle de surveillance Mode de défaillance xr>c2 P1 & xr J01 13 xr 4 P3 & xr J13 34 P4 & xr J34 41 xr 6 Mode dégradé P0 P0 & xr J30 P3 & xr xr J13 J23 P2 & xr J12 P1 & xr J41 0 xr>t13 30 xr Mode normal 01 P0 0 P1 & xr I01 P0 & xr I30 13 xr 4 30 xr 6 P3 & xr I13 P3 & xr I P4 & xr I34 P2 & xr I12 41 xr 6 12 P1 & xr I41
23 Modèle de surveillance Mode de défaillance 01 P1 & xr J01 13 xr 4 P3 & xr J13 34 P4 & xr J34 41 xr 6 Mode dégradé P0 P0 & xr J30 P3 & xr J23 P2 & xr J12 P1 & xr J xr Mode normal 01 P0 0 P1 & xr I01 P0 & xr I30 13 xr 4 30 xr 6 P3 & xr I13 P3 & xr I P4 & xr I34 P2 & xr I12 41 xr 6 12 P1 & xr I41
24 #Automates Complexité Modèle Fonctionnement normal (N états) Modèle Fonctionnement dégradé (N états) Modèle Défaillance d états 2*N+d états #Statecharts Modèle Modèle d'évolution des modes N+3 états N états 3 états Automates " Statecharts
25 Modèle statechart
26 Résultats de simulation
27 Résultats de simulation 0.38s temps de détection
28 Évaluation de la latence de faute 60 Errors total false alarm 1. Est-ce que la valeur optimale couvre toutes les fautes générées? 2. Est-ce que cette valeur optimale dépend du temps de service? true alarme 0 2 Optimal value [s] 12 Évaluation des performances * Une même pénalité est appliquée pour une fausse alarme et la non détection
29 Évaluation des performances La performance corresponds au calcul du taux de couverture C d qui qualifie le système de surveillance! C = d F F d g T. ratio /δ [%] generated* Faults detected* Cd level of performance ,33 41,33 41,67 39,67 0,98 0,96 Very Good ,67 39,67 35,33 32,00 0,89 0,80 Good 25 41,33 32,67 0, ,33 42,00 31,00 29,33 0,76 0,69 Medium 40 42,00 27,67 0, ,00 26,67 0, ,00 25,33 0,57 Bad *averages from statistic preprocessing
30 Extension pour le diagnostic Principe de la méthode La recherche des chemins possibles dans le modèle La vérification des poids des chemins possibles (model-checking) Initialisation Procédé Alarme Temps : occurrence d alarme Système de diagnostic Chemin dans l automate F 1 1 F 2 2 Identification des fautes Surveillance Détection Localisation Vérification par analyse arrière
31 Vérification par analyse arrière x 1 =3 F1 F2 x 1 =3 x 1 =3 x 1 =2 x 1 :=0 1 x 1 :=0 x 1 =2 2 3 x 1 :=0 x 1 =4 4 Une défaillance est détectée à l instant t1. - Est-elle due à une faute F1 ou F2? L analyse du temps permet de dissocier ces fautes suivant la valeur de t1. Si t1= 3 ou 7 Faute F1 Si t1= 5 Faute F2
32 Perspectives Predictive maintenance Activated only by a rising edge, need some other development Fault latency For manufacturing systems the algorithm used study each machine alone, the aim is to define a global algorithm Diagnosis In development
Diagnostic d équipements avioniques par corrélation temporelle
Diagnostic d équipements avioniques par corrélation temporelle Arnaud Lefebvre, Zineb Simeu-Abazi, Jean Pierre Derain, Mathieu Glade To cite this version: Arnaud Lefebvre, Zineb Simeu-Abazi, Jean Pierre
Plus en détailModel checking temporisé
Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier
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 détailProblèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Plus en détailJulien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
Plus en détailSystèmes et algorithmes répartis
Systèmes et algorithmes répartis Tolérance aux fautes Philippe Quéinnec Département Informatique et Mathématiques Appliquées ENSEEIHT 4 novembre 2014 Systèmes et algorithmes répartis V 1 / 45 plan 1 Sûreté
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailET 24 : Modèle de comportement d un système Boucles de programmation avec Labview.
ET 24 : Modèle de comportement d un système Boucles de programmation avec Labview. Sciences et Technologies de l Industrie et du Développement Durable Formation des enseignants parcours : ET24 Modèle de
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 détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation
Plus en détailEléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)
Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 - Evénements et architectures - Spécifications de performances
Plus en détailIntroduction aux algorithmes répartis
Objectifs et plan Introduction aux algorithmes répartis Sacha Krakowiak Université Joseph Fourier Projet Sardes (INRIA et IMAG-LSR http://sardes.inrialpes.fr/people/krakowia! Introduction aux algorithmes
Plus en détailTolérance aux Fautes des Grappes d Applications J2EE. Applications Internet dynamiques
Application statique Tolérance aux Fautes des Grappes d Applications J2EE Sara Bouchenak Sacha Krakowiak, Noël de Palma, Stéphane Fontaine Projet SARDES INRIA IMAG CFSE'4, 6-8 avril 2005 Tolérance aux
Plus en détailZ-Axis Compliance Device Compliance en z
Compensation for different vertical positions Collision recognition in Z-direction Protection of parts and work pieces Monitoring of the insertion forces during assembly operations Monitoring of the picking
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 détailIntroduction au temps réel
Introduction au temps réel Laurent.Pautet@enst.fr Version 2.0 Définition d un système temps réel Un système temps réel se compose d'un ou plusieurs sous-systèmes devant répondre en un temps fini et spécifié
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 détailMASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS. Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.
MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.fr Plan Introduction Généralités sur les systèmes de détection d intrusion
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailGestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.
Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production
Plus en détailMEAD : temps réel et tolérance aux pannes pour CORBA
MEAD : un intergiciel temps-réel et tolérant aux pannes pour CORBA Master 2 Informatique Recherche Université de Marne-la-Vallée Vendredi 3 mars 2006 Plan 1 Introduction 2 Solutions existantes 3 Concilier
Plus en détailREALISATION d'un. ORDONNANCEUR à ECHEANCES
REALISATION d'un ORDONNANCEUR à ECHEANCES I- PRÉSENTATION... 3 II. DESCRIPTION DU NOYAU ORIGINEL... 4 II.1- ARCHITECTURE... 4 II.2 - SERVICES... 4 III. IMPLÉMENTATION DE L'ORDONNANCEUR À ÉCHÉANCES... 6
Plus en détailConception des systèmes répartis
Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan
Plus en détailJOURNEES SYSTEMES & LOGICIELS CRITIQUES le 14/11/2000. Mise en Œuvre des techniques synchrones pour des applications industrielles
JOURNEES SYSTEMES & LOGICIELS CRITIQUES le 14/11/2000 Mise en Œuvre des techniques synchrones pour des applications industrielles Mise en œuvre des techniques synchrones pour des applications industrielles
Plus en détailRelever les défis des véhicules autonomes
EMM 2014 12eme rencontre européenne de mécatronique Relever les défis des véhicules autonomes Mathias Perrollaz Ingénieur expert Inria Christian Laugier Directeur de recherche Inria E-Motion Team Annecy,
Plus en détailCEG4566/CSI4541 Conception de systèmes temps réel
CEG4566/CSI4541 Conception de systèmes temps réel Chapitre 6 Vivacité, sécurité (Safety), fiabilité et tolérance aux fautes dans les systèmes en temps réel 6.1 Introduction générale aux notions de sécurité
Plus en détailTemps Réel. Jérôme Pouiller <j.pouiller@sysmic.org> Septembre 2011
Temps Réel Jérôme Pouiller Septembre 2011 Sommaire Problèmatique Le monotâche Le multitâches L ordonnanement Le partage de ressources Problèmatiques des OS temps réels J. Pouiller
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailCaches web. Olivier Aubert 1/35
Caches web Olivier Aubert 1/35 Liens http://mqdoc.lasat.com/online/courses/caching/ (prise en compte des caches dans la conception de sites) http://mqdoc.lasat.com/online/courses/proxyserver http://www.web-caching.com/mnot_tutorial/
Plus en détailTEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.
(19) TEPZZ 68448A_T (11) EP 2 68 448 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 13.03.2013 Bulletin 2013/11 (1) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.01) (21) Numéro de dépôt:
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailContributions à l expérimentation sur les systèmes distribués de grande taille
Contributions à l expérimentation sur les systèmes distribués de grande taille Lucas Nussbaum Soutenance de thèse 4 décembre 2008 Lucas Nussbaum Expérimentation sur les systèmes distribués 1 / 49 Contexte
Plus en détailVoie SIS (2A M1) Signal, Informatique 05/06/2014
Voie SIS (2A M1) Signal, Informatique et Systèmes 05/06/2014 1ère des 2 années du cycle «smart system» système capable de : recevoir des données, des requêtes percevoir son propre état et/ou son environnement
Plus en détailIntelligence précoce
Les données de procédé constituent une mine d informations très utiles pour l entreprise Geoff Artley Le secteur du raffinage est aujourd hui soumis à forte pression financière : amputation des marges,
Plus en détail22 ème congrès Fapics
22 ème congrès Fapics Invités par et avec la contribution de : Grâce à nos partenaires : Instituts de formation 22 ème congrès Fapics Cabinets de conseil : Grâce à nos sponsors : 22 ème congrès Fapics
Plus en détailSystème à enseigner : Robot M.I.M.I. MultipodeIntelligent à Mobilité Interactive. Version 1.0
Système à enseigner : Robot M.I.M.I. MultipodeIntelligent à Mobilité Interactive Sommaire - Le Robot M.I.M.I. (Multipode Intelligent à Mobilité Interactive) - Présentation du Système à Enseigner. - Composition
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailDECODER LES GRAFCET ET REPERER LES DIFFERENTS POINTS DE VUE
MI V B DECODER LES GRAFCET ET REPERER LES DIFFERENTS POINTS DE VUE Maintenance industrielle Niveau V CAFOC - GIP de l académie de Lyon - 9, rue Pierre Baizet - CP - 696 Lyon cedex 9 7 9 8-78 7 7 - gipal-cafoc@ac-lyon.fr
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en 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 détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailSystème de contrôle du trafic d une ligne de métro Dossier de tests
Système de contrôle du trafic d une ligne de métro Dossier de tests Tests NI557/STL/M2/INFO/UPMC Action Date Auteur Statut Création 05/03/2012 P.Manoury En cours 1 Description et exigences fonctionnelles
Plus en détailLa Revue de Direction. Norme ISO 13485 5.6. Dispositifs médicaux
La Revue de Direction Norme ISO 13485 5.6 Dispositifs médicaux D. Paquet 21.02.2013 Organigramme de la gestion des équipements OUI Cela fonctionne? NON N y touche pas OUI Y as-tu touché? Idiot NON Quelqu
Plus en détailSommaire. Couverture de zone de surveillance dans les réseaux de capteurs. De quoi parle-t-on ici (1/2)? Objectif. De quoi parle-t-on ici (2/2)?
ouverture de zone de surveillance dans les réseaux de capteurs Jean arle, Master Recherche Informatique Option Informatique Mobile 008-009 s Jean arle - Master Recherche Informatique 008-009 Objectif e
Plus en détailCAP CAMION A ASSISTANCE PNEUMATIQUE
Séminaire mi parcours Stock-e 2010 CAP CAMION A ASSISTANCE PNEUMATIQUE Iyad Balloul Renault Trucks - iyad.balloul@volvo.com Eric Bideaux INSA Lyon - eric.bideaux@insa-lyon.fr Marc Michard LMFA - Marc.Michard@ec-lyon.fr
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailOrdonnancement temps réel
Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches
Plus en détailFICHE PRODUIT CSI 6500 Machinery Health TM Monitor
? TM Suite FICHE PRODUIT CSI 6500 Machinery Health TM Monitor Protection et surveillance vibratoire des machines tournantes critiques de l usine Information de surveillance vibratoire temps réel des machines
Plus en détailGestion répartie de données - 1
Gestion répartie de données - 1 Sacha Krakowiak Université Joseph Fourier Projet Sardes (INRIA et IMAG-LSR) http://sardes.inrialpes.fr/~krakowia Gestion répartie de données Plan de la présentation Introduction
Plus en détailVers un outil d aide à la gestion des risques dans les chaînes logistiques : les bases conceptuelles
Vers un outil d aide à la gestion des risques dans les chaînes logistiques : les bases conceptuelles Pierre DAVID, Gülgün ALPAN, Delara SALEH EBRAHIMI & Saleh Eddine BEN JBARA Laboratoire G-SCOP 46, av
Plus en détailPost-processing of multimodel hydrological forecasts for the Baskatong catchment
+ Post-processing of multimodel hydrological forecasts for the Baskatong catchment Fabian Tito Arandia Martinez Marie-Amélie Boucher Jocelyn Gaudet Maria-Helena Ramos + Context n Master degree subject:
Plus en détailAXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES
1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte
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 détailMBR225. Le module a été conçu et réalisé conformément aux normes en vigueur portant sur la sûreté et la fiabilité des installations industrielles.
MBR225 Module de surveillance des chaînes cinématiques Le module est dédié à la surveillance du fonctionnement de machines dont la chaîne cinématique constitue un facteur important de sécurité : treuil,
Plus en détailAlarme intrusion filaire AEI HA-981 6 zones
Alarme intrusion filaire AEI HA-981 6 zones Lycée de l Aa Page 1 sur 11 1) Mise en situation Vous devez assurer une protection périmétrique et volumétrique de la maison de M r X. Le schéma architectural
Plus en détailITIL Examen Fondation
ITIL Examen Fondation Échantillon d examen B, version 5.1 Choix multiples Instructions 1. Essayez de répondre aux 40 questions. 2. Vos réponses doivent être inscrites sur la grille de réponses fournie.
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 détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailCours A7 : Temps Réel
Cours A7 : Temps Réel Pierre.Paradinas / @ / cnam.fr Cnam/Cedric Systèmes Enfouis et Embarqués (SEE) Organisation des cours 12 prochaines séances 6 janvier au 24 mars, Partiel le 27 janvier, Les 3 et 24
Plus en détailQuantification des Risques
Quantification des Risques Comment considérer les aléas dans une projection financière? PragmaRisk met à disposition des solutions et des méthodes permettant de considérer les aléas dans vos projections
Plus en détailmodèles génériques applicables à la synthèse de contrôleurs discrets pour l Internet des Objets
modèles génériques applicables à la synthèse de contrôleurs discrets pour l Internet des Objets Mengxuan Zhao, Gilles Privat, Orange Labs, Grenoble, France Eric Rutten, INRIA, Grenoble, France Hassane
Plus en détailOrganiser vos données - Big Data. Patrick Millart Senior Sales Consultant
Organiser vos données - Big Data Patrick Millart Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be
Plus en détailLe No.1 de l économie d énergie pour patinoires.
Le No.1 de l économie d énergie pour patinoires. Partner of REALice system Economie d énergie et une meilleure qualité de glace La 2ème génération améliorée du système REALice bien connu, est livré en
Plus en détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
Plus en détailL a d é m a r c h e e t l e s o u t i l s p r o p o s é s
Guide méthodologique pour la construction d un bilan quantitatif et qualitatif des contrats de territoire. L a d é m a r c h e e t l e s o u t i l s p r o p o s é s Il est proposé de bâtir le bilan avec
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailSurveillance de Scripts LUA et de réception d EVENT. avec LoriotPro Extended & Broadcast Edition
Surveillance de Scripts LUA et de réception d EVENT avec LoriotPro Extended & Broadcast Edition L objectif de ce document est de présenter une solution de surveillance de processus LUA au sein de la solution
Plus en détailA.3 Les méthodes : L applicabilité
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 B. Deuxième
Plus en détailManagement des Systèmes d Information
Spécialité Réseaux (RES) UE: Management des systèmes d'information [mnsi, NI303] M2IRT 2012 1 ère année Management des Systèmes d Information Unité 2 - Les principaux types de SI dans l entreprise Gilles
Plus en détailImpact de choix d implantation sur les performances d une application de Contrôle-Commande
Recherche Impact de choix d implantation sur les performances d une application de Contrôle-Commande Fabrice Jumel Nicolas Navet Françoise Simonot-Lion CITI - INSA 20, Avenue Albert Einstein, F6962 Villeurbanne
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 détailTD 2 Chapitre 4 : Support des Services et Serveurs. Objectifs : Maîtriser l'exploitation des tables de routage dynamique.
SI 5 BTS Services Informatiques aux Organisations 1 ère année TD 2 Chapitre 4 : Support des Services et Serveurs Le routage dynamique Objectifs : Maîtriser l'exploitation des tables de routage dynamique.
Plus en détailovermind La solution précède le problème 2008 Overmind - All rights reserved
La solution précède le problème Société Overmind vous propose des solutions d optimisation, d anticipation, de pilotage global capables de prendre en compte l interdépendance des variables en terme de
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailContrôle stochastique d allocation de ressources dans le «cloud computing»
Contrôle stochastique d allocation de ressources dans le «cloud computing» Jacques Malenfant 1 Olga Melekhova 1, Xavier Dutreilh 1,3, Sergey Kirghizov 1, Isis Truck 2, Nicolas Rivierre 3 Travaux partiellement
Plus en détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
Plus en détailUNIVERSITE DE SFAX ECOLE NATIONALE D INGENIEURS DE SFAX THESE. Présentée devant L ECOLE NATIONALE D INGENIEURS DE SFAX.
UNIVERSITE DE SFAX ECOLE NATIONALE D INGENIEURS DE SFAX THESE Présentée devant L ECOLE NATIONALE D INGENIEURS DE SFAX pour obtenir LE GRADE DE DOCTEUR Spécialité : Electronique Par Faiza KAMOUN CHARFI
Plus en détailEbauche Rapport finale
Ebauche Rapport finale Sommaire : 1 - Introduction au C.D.N. 2 - Définition de la problématique 3 - Etat de l'art : Présentatio de 3 Topologies streaming p2p 1) INTRODUCTION au C.D.N. La croissance rapide
Plus en détailPEINTAMELEC Ingénierie
PEINTAMELEC Ingénierie Moteurs de productivité Drivers of productivity Automatisation de systèmes de production Informatique industrielle Manutention Contrôle Assemblage Automating production systems Industrial
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailSauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS
Sauvegarde collaborative entre pairs 1 Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS Sauvegarde collaborative entre pairs 2 Introduction Pourquoi pair à pair? Utilisation de ressources
Plus en détailFaceBook aime les Maths!
FaceBook aime les Maths! Michel Rigo http://www.discmath.ulg.ac.be/ http://orbi.ulg.ac.be/ Réseaux Visualizing my Twitter Network by number of followers. Michael Atkisson http://woknowing.wordpress.com/
Plus en détailHAM06WS SYSTÈME D ALARME SANS FIL
1. Introduction et caractéristiques HAM06WS SYSTÈME D ALARME SANS FIL Aux résidents de l'union européenne Des informations environnementales importantes concernant ce produit Ce symbole sur l'appareil
Plus en détailLes solutions National Instruments pour le Model In-The-Loop (MIL) et le prototypage rapide (RCP)
Les solutions National Instruments pour le Model In-The-Loop (MIL) et le prototypage rapide (RCP) Karine Rouelle Business Development Manager Real-Time Testing Au programme Mise en œuvre du Model-In-the-Loop
Plus en détailFAG Detector II le collecteur et l analyseur de données portatif. Information Technique Produit
FAG II le collecteur et l analyseur de données portatif Information Technique Produit Application La maintenance conditionnelle Principe de fonctionnement Application Le FAG II est, à la fois, un appareil
Plus en détailADMINISTRATION EXADATA
ADMINISTRATION EXADATA Abel Afonso Avant Vente abel.afonso@oracle.com The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated
Plus en détailIndustrial Phd Progam
Industrial Phd Progam Catalan Government: Legislation: DOGC ECO/2114/2012 Modification: DOGC ECO/2443/2012 Next: Summary and proposal examples. Main dates March 2013: Call for industrial Phd projects grants.
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailIntroduction. Le 21 ème siècle sera celui d Internet.
Introduction Le 21 ème siècle sera celui d Internet. Aujourd hui, on peut affirmer que les nouveaux moyens de communication ont profondément changé les relations entre les hommes et les machines. Si ce
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailParcours en deuxième année
Parcours en deuxième année Unités d Enseignement (UE) ECTS Ingénierie des réseaux haut 4 débit Sécurité des réseaux et 4 télécoms Réseaux mobiles et sans fil 4 Réseaux télécoms et 4 convergence IP Infrastructure
Plus en détailInformatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre. Partie I : Introduction
Informatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre Partie I : Introduction Plan de la première partie Quelques définitions Caractéristiques communes des applications temps-réel Exemples d
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailPour obtenir le grade de. Spécialité : Sciences Pour l Ingénieur. Arrêté ministériel : 7 août 2006
THÈSE Pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ DE GRENOBLE Spécialité : Sciences Pour l Ingénieur Arrêté ministériel : 7 août 2006 Présentée par Imed NASRI Thèse dirigée par Georges HABCHI Co-dirigée
Plus en détailUE Programmation Impérative Licence 2ème Année 2014 2015
UE Programmation Impérative Licence 2 ème Année 2014 2015 Informations pratiques Équipe Pédagogique Florence Cloppet Neilze Dorta Nicolas Loménie prenom.nom@mi.parisdescartes.fr 2 Programmation Impérative
Plus en détailProgrammation temps-réel Cours 1 et 2 Introduction et ordonnancement
Master 2 pro Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement Isabelle PUAUT / Rémi COZOT Université de Rennes I 1 Applications temps-réel embarquées Systèmes en interaction avec l
Plus en détailPartie 7 : Gestion de la mémoire
INF3600+INF2610 Automne 2006 Partie 7 : Gestion de la mémoire Exercice 1 : Considérez un système disposant de 16 MO de mémoire physique réservée aux processus utilisateur. La mémoire est composée de cases
Plus en détailAcquisition des données - Big Data. Dario VEGA Senior Sales Consultant
Acquisition des données - Big Data Dario VEGA Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated
Plus en détailDYNTEST AML (Alarme/Moniteur/Logger) Surveillance du filtre à particules
DYNTEST AML (Alarme/Moniteur/Logger) Surveillance du filtre à particules COMMANDE (Control Box) avec faisceau de câbles raccordé CONDUITE DE PRESSION y incl. Instructions d installation et matériel de
Plus en détailÉlan d ouverture. 30 fois plus rapide qu un battement de cil : ABB simule l extrême dans un disjoncteur CCHT
30 fois plus rapide qu un battement de cil : ABB simule l extrême dans un disjoncteur CCHT Daniel Ohlsson, Jakub Korbel, Per Lindholm, Ueli Steiger, Per Skarby, Christian Simonidis, Sami Kotilainen L une
Plus en détail