Utilisation des Techniques de l Intelligence Artificielle pour la Surveillance des Systèmes de Production
|
|
- Roger Daniel Pellerin
- il y a 8 ans
- Total affichages :
Transcription
1 Utilisation des Techniques de l Intelligence Artificielle pour la Surveillance des Systèmes de Production Habilitation à Diriger des Recherches Daniel RACOCEANU Maître de Conférences à l Université de Franche-Comté Laboratoire d Automatique de Besançon UMR CNRS 6596 Curriculum Vitae 1/2 Etudes, titres diplômes : Ingénieur de l Ecole Polytechnique de Timisoara, Roumanie DEA en Automatique et Productique, ENIBe janvier Doctorat en Automatique et Informatique, UFC 2 1
2 Curriculum Vitae 2/2 Parcours professionnel : : Enseignant Vacataire, IUT Belfort Montbéliard : ATER, IUT Belfort Montbéliard : Responsable logistique, Gaussin S.A (Héricourt - 70) : Responsable d affaires, General Electric Europe (Belfort - 90) : Maître de conférences, UFR ST, UFC chercheur au LAB UMR CNRS 6596 septembre 2005 : Chercheur CNRS - IPAL FRE CNRS 2339 Singapour délégation CNRS 3 Plan de l exposé Activités d Enseignement Activités de Recherche Contexte national et international Tendances Positionnement des travaux Problématique scientifique Surveillance dynamique intelligente Articulation des travaux codirigés Contributions majeures Approches neuronales temporelles Approches floues Approches neuro-floues Bilan et publications scientifiques Perspectives de recherche Intelligence Ambiante Domaine industriel Domaine médical 4 2
3 Bilan des activités d Enseignement Enseignement Vacataire / ATER MdC Informatique Industrielle création TP Simulation de flux création C/TD/TP GPAO création TP Implantation Industrielle création C/TD Pré-LMD Intelligence Artificielle Création C Productique Création C/TD/TP Vision industrielle Informatique industrielle / Temps Réel Création TP Automatique non linéaire Création C/TD Encadrement projets EEA et Productique LMD Intelligence Artificielle Création C Productique Création C/TD/TP Vision industrielle Informatique industrielle Création TP Encadrement projets en Productique 6 3
4 Nouveaux programmes pédagogiques Conception et proposition (LMD) Intelligence Artificielle Réseaux de Neurones et Systèmes Neuro-Flous Ecole Doctorale SPIM UFR Sciences, UFC Master Mécatronique 2 Recherche UFR Sciences, UFC / ENSMM Maintenance, Sûreté de Fonctionnement, Surveillance Diagnostic Sûreté de Fonctionnement et Maintenance Master Mécatronique 1 UFR Sciences, UFC Licence Professionnelle UFR Sciences, UFC Diagnostic Surveillance Master Mécatronique 2 Recherche UFR Sciences, UFC / ENSMM Fiabilité module E-factory Master Mécatronique 2 Recherche UFR Sciences, UFC / ENSMM Ingénierie des systèmes de production Implantation d atelier Licence IUT Besançon, UFC Simulation de flux Licence Professionnelle UFR Sciences, UFC Informatique Industrielle : Informatique Industrielle et Systèmes temps réel Master Mécatronique 1 + Master Electronique et Optique 1 - UFR Sciences, UFC 7 Heures étudiant / discipline pré-lmd Recentrage +13 % par rapport aux compétences développées en recherche LMD Projets 25% Productique 28% IA 5% Projets 12% Productique 38% IA 3% Autom NL 6% II 18% Vision 20% II 23% Vision 22% 8 4
5 Heures réelles / type de formation pré-lmd D avantage d implication : Master Recherche + 8% IUP (SPAIAA) (SAPIAA) 22% Licences Pro (LP Bois, LP SDPI) 17% Ecole Doctorale 3% Master 1 (MMT, ELO) 22% Master 2 Recherche (MMT) 8% Master 2 Professionnel (MMT, ELO) 28% IUP (IUP GIM, SAPIAA) 31% Licences Pro (LP Bois, LP SDPI) 8% Ecole Doctorale 3% DESS (PA, SMTII) 34% LMD Maitrise (MEEA) 24% 9 Responsabilités Enseignement Pré LMD ( ) Responsabilité Option Automatique Productique, maîtrise EEA, UFR Sciences LMD (2004) Gestion des projets industriels d innovation Master Mécatronique Professionnel Responsabilité GAP du module découverte EEA semestre STARTER ST Commission de recrutement du Master Mécatronique Commission de validation d acquis du Master Mécatronique Erasmus UFC - Université Valahia de Targoviste, Roumanie 2 professeurs UVT et 3 collègues enseignants-chercheurs UFR Projet reconduit pour l année universitaire
6 Autres activités pour l enseignement Encadrement de projets industriels : Projets industriels d innovation - DESS Productique Appliquée / Master Mécatronique 2 Professionnel (14 projets) Projet de fin d études ENSMM (3 projets) Projets MEEA (7 projets) Tutorat - Systèmes Automatisés de Production pour les Industries Agroalimentaires (Nestlé Dijon) Cours école doctorale Sciences pour l Ingénieur et Microtechniques «Réseaux de neurones et réseaux neuro-flous pour la surveillance», Derniers travaux de recherche 10h C, 10 étudiants / an Formation continue entreprise DCN (Constructions Navales) «Techniques de l IA pour la surveillance industrielle» contrat DCN GT MACOD (modélisation et optimisation de la MAintenance COopérative et Distribuée) / GdR MACS 15 personnes 11 Activités de recherche Contexte national et international 6
7 Contexte international (1999/2000) USA : 1994 MIMOSA (Machinery Information Management Open Systems Alliance) Armée américaine Alliance - systèmes de gestion de maintenance industrielle Standards ouverts d information pour les Opérations et la Maintenance 2000 IMS (Intelligent Maintenance Systems) Centre de coopération autour de la maintenance (égide : Nat. Science Foundation) Axe fondamental : surveillance prédictive et pronostic But : «zéro pannes» Technologies développées : Systèmes «chien de garde» - pronostic Outils d aide à la décision en maintenance - système Japon : 2001 emainte.com (New Maintenance Technologies and Web based Services: Virtual Community for Next Generation Maintenance) REX maintenance = enjeu national (vieillissement de la population) Capitalisation de l expertise en diagnostic et maintenance Sauvegarde du savoir-faire 13 Contexte national Environnement national et international à forte connotation TIC Automne création du pôle STIC du CNRS LAB (2000) création équipe recherche ingénierie de maintenance et e-maintenance 14 7
8 Activités de recherche Tendances technologiques et méthodologiques Migration de l intelligence vers le bas L'intelligence et la valeur migrent vers le bas Supervision Contrôle Capt./Act. de terrain Interface avec le MES et l'erp de l'entreprise Supervision/Surveillance : Communication Contrôle ou régulation Programmes d'application et configuration Interface opérateur local Capteurs & actionneurs Actions réflexes (temps critique & réel) 16 8
9 Evolutions technologiques en automatisation Plateformes d automatismes Communication PC Dispositifs Intelligent intelligents Field Devices API API PC Ethernet PLC API Bus de terrain Pondération croissante des dispositifs intelligents Rapprochement de l informatique et de l automatisation 17 Répartition de l intelligence dans les systèmes Ethernet Station ingénierie HMI Programme exécuté dans un contrôleur central Intelligence centralisée RLI Intelligence répartie E/S décentralisées Ethernet Station ingénier ie HMI Module Technologique MECATRONIQUE RLI Mécanique + électrotechnique/ électronique + automatismes Appareils de terrain intelligents 18 9
10 Evolution des politiques de maintenance Maintenance Améliorative Evènement! Concepts de maintenance Défaillance Maintenance Corrective MAINTENANCE Echéancier Maintenance Préventive Seuils prédéterminés Evolution des paramètres Maintenance Proactive Evolution et analyse des causes E-maintenance Palliative Curative Systématique Conditionnelle Prévisionnelle Proactive Opérations de maintenance Dépannage Réparation Inspection Visite Contrôle Prédiction Analyse de propagation, causalité Services E-maintenance Technologies mobiles Internet haut débit Sciences et Technologies de l Information et de la Communication Mieux maîtriser le budget de la maintenance Importance de la Fonction Maintenance Se recentrer sur son véritable métier Forte tendance à l externalisation de la maintenance e-maintenance Création de SERVICES nouveaux, innovants Industrialisation du protocole TCP/IP Mécatronique Automatisation - IA Instrmentation 20 10
11 Activités des recherche Positionnement des travaux Surveillance - Supervision Informations Signaux Capteurs Système Actionneurs Supervision Surveillance Conduite Voir Comprendre Agir Décisions Informations Signaux Détection Diagnostic Propositions d actions Décisions Interprétation Génération d alarmes Alarmes Localisation Organe identifié Identification Cause identifiée Aide à la décision 22 11
12 Surveillance - Supervision Dispositif informationnel, passif Surveillance Supervision Dispositif actif Action, Commande, Reconfiguration Détection de défauts (symptôme, alarme) Diagnostic Localisation de la défaillance Identification de la cause 23 Importance de l étude des Dégradations 24 12
13 Surveillance Surveillance dynamique Surveillance Surveillance dynamique Détection de de dégradations défauts (symptôme, (Détection prédictive) alarme) Localisation de la la dégradation défaillance Diagnostic Pronostic (Diagnostic prédictif) Identification de la cause 25 Méthodes de surveillance - Etat de l art Méthodes de surveillance Méthodes avec modèle Méthodes en absence du modèle du procédé Modélisation fonctionnelle et matérielle Industrie AMDEC ADD Modélisation physique Automatique Redondance physique et analytique Estimation paramétrique edondance physique Outils statistiques Traitement du Signal Test de franchissement de seuil Test de la moyenne Test de la variance Méthodes à base de modèles comportementaux (Modélisation/Simulation) Automates d état finis Réseaux de Petri Outils symboliques Méthodes «intelligentes» (modèle symboliques) Méthodes à base de reconnaissance de formes (Apprentissage/Reconnaissance) Systèmes experts Outils statistiques Méthodes à base de modèles explicatifs (Analyse causale des défaillances) Graphes causaux Graphes contextuels Méthodes industrielles courantes Alarmes simples RàPC Réseaux de neurones Réseaux de Petri flous Systèmes neuro-flous Logique floue Alarmes intelligentes Aide au diagnostic 26 13
14 Activités de recherche Problématique scientifique Orientation : Surveillance dynamique intelligente Techniques intelligentes pour la surveillance Surveillance «intelligente» Dynamique (temporelle) Evolutive (apprentissage incrémental) Diagnostic - recherche causalité dégradation / défaillance Diagnostic prédictif 28 14
15 Cadre de recherche Surveillance systèmes complexes sans modélisation physique Outils d aide surveillance / diagnostic Information - formats industriels (AF, ADD, AMDEC, ) Minimum d informations initiales Liaison avec des systèmes industriels (SCADA, GMAO, ) Systèmes de surveillance évolutifs, dynamiques Flexibles Proches du raisonnement humain Reconfigurables Faciles d utilisation Systèmes, Opérateurs, décideurs et experts distants Activités multi-sites - fonctionnement distribué, collaboratif Utilisation des TIC 29 Exigences outil de surveillance Choix de outils de l IA Système de surveillance moderne Facilité de paramétrage Apprentissage, reconfiguration, évolution Réseaux de neurones (RN) Facilité de modélisation Réseaux de Petri (RdP) Prise en compte de l incertain Exprimer les imprécisions et les incertitudes Logique floue (LF) Généricité de l outil Prise en compte des connaissances industrielles - AMDEC, ADD, GMAO Construction du modèle - spécifications UML (Unified Modelling Language) Validation des résultats Confrontation avec le diagnostic des experts tests, benchmarks, prototypage 30 15
16 Surveillance dynamique intelligente Dynamique de l axe de recherche Positionnement des travaux de recherche codirigés SURVEILLANCE par INTELLIGENCE ARTIFICIELLE Détection de défauts /dégradations (symptôme s, alarmes) Surveillance/ Surveillance dynamique Diagnostic/ Pronostic Détection dynamique IA Sujet proposé en 2000 Thèse de R. Zemouri Soutenue en 2003 Localisation défaillance / dégradation Identification de la cause Sujet proposé en 2001 Thèse de E. Minca Soutenue en 2004 Outils intelligents de Diagnostic et Pronostic Sujet proposé en 2002 Thèse de N. Palluat Soutenue en janvier 2006 Sujet proposé en 2003 Thèse de A. Ghernaut Soutenance prévue en
17 Fermeture intempestive V2 1 Pompe P0 hors service 3 G4 4 Arrêt total de débit en sortie G1 Pas de débit dans le point 2 Pas de débit dans le point 3 G2 Pas de débit à l entrée de V2 Fermeture intempestive V1 Pas de débit à l entrée de V3 G4 Pompe P0 hors service 3 G3 Fermeture intempestive V3 3 Fermeture intempestive V1 4 Lien entre les travaux de thèse codirigés Temporel Réseaux de Neurones Recherche cause THESE R. Zemouri Surveillance dynamique RRFR THESE N. Palluat Diagnostic NF Temporel Recherche cause THESE E. Minca Recherche cause Surveillance dynamique RdPFlou Incertitudes, imprecisions THESE A. Ghernaut Diagnostic + Qualité Propagation de défauts / dégradations Arbres de défaillance Réseaux de Petri Logique floue 33 Articulation des différents travaux encadrés et co-encadrés Projets, Collaborations Industrielles, Rayonnement Silicon Recognition DEA M. Monnin Etat de l art surveillance diagnostic par IA M2R M. Brust Algorithmes de surveillance dynamique M2R Mlle. Wei ADD flou ZISC Thèse d état DZ THESE A. Ghernaut Brevet THESE R. Zemouri THESE N. Palluat RdPF recherche de cause RRFR pour la surveillance dynamique NF pour l aide au diagnostic Cotutelle RO PFE ENSMM MM. Fenolar, Del Vecchio Etat de l art surveillance par IA DEA Mlle. Ouldyahia M. Djaffar Etat de l art neuro-flou DEA Mlle. Addouche RdP synchronisation internes pour la e-maintenance THESE E. Minca RdPF propagation des défauts DEA Mlle. Pross Propagation des incertitudes dans un ADD 34 17
18 Surveillance dynamique Contributions majeures Approche neuro-temporelle Codirection des travaux de Thèse de R. ZEMOURI et N. PALLUAT 18
19 Choix du réseau de neurones à base de fonctions radiales Aide à la décision Paramètre x1 Situations non reconnues rejet en distance rejet d ambiguïté Mode nominal Mode dégradé Mode de défaillance rejet en distance - apprentissage incrémental Situations formellement identifiées Paramètre x2 37 Capacités de généralisation Généralisation LOCALE Généralisation GLOBALE Réseau à base de fonctions radiales Vecteur non classé Je ne sais pas! Perceptron Multi-couches Vecteur associé à la Classe A Je sais tout!?? X2 X2 Classe A Vecteur associé à la Classe B Vecteur non classé Classe A Classe B Classe B X1 X1 vecteurs d apprentissage vecteurs nouveaux 38 19
20 Réseaux de neurones temporels : typologies Exploitation des réseaux statiques pour des traitements dynamiques par utilisation de fenêtre temporelle (a) ou par utilisation de connexions récurrentes (b). Sortie à l instant k Variables d état à l instant k Réseau de neurones statique Réseau de neurones statique τ τ Retards unitaires Fenêtre temporelle Entrée externe à l instant k-1 Variables d état à l instant k-1 a) fenêtre temporelle b) connexions récurrentes 39 Classification des réseaux de neurones temporels Représentation externe du temps Fenêtre temporelle Réseaux de neurones temporels Apprentissage complexe Représentation interne du temps Critère principal : intégration notion temporelle Critère secondaire : architecture Représentation explicite du temps Temps au niveau des neurones Temps au niveau de la connexion Représentation implicite du temps (réseaux récurrents) Récurrence sur une couche Récurrence sur plusieurs couches 40 20
21 Avantage des réseaux récurrents Résultats comparatifs entre les performances des architectures temporelles Reconnaissance de séquences Prédiction temporelle Représentation Spatiale (externe) Le temps au niveau de connexions -Réseaux à retards- Représentation Dynamique (interne) Le temps est explicite Le temps au niveau du neurone Modèle Modèle fonction du biologique temps Le temps est implicite -Réseaux récurrents- oui oui oui oui oui oui oui oui oui oui Reproduction de séquences non non non non oui 41 Historique des réseaux de neurones temporels Premier réseau récurrent Matrice des connexions 42 21
22 Historique des réseaux de neurones temporels Premier réseau utilisant une représentation externe du temps 43 Historique des réseaux de neurones temporels R²BF RRFR DGNN u 1 s FH i 1 i θ feedback x 1 x 2 w 11 w 22 u j s FH ij s FH ip s FH l 1 s FH lj? l l c, σ a FH i? o FH i a FH l s FO i s FO l a? FO o FO o θ y u p s FH lp o FH l 44 22
23 Réseau de Neurones Récurrent à Base de Fonctions Radiales f(x) b b+ b Entrée I 1 I 2 w 2 w 1 Neurones linéaires de sortie w 3 ξ ( t) i Neurones Localement Récurrents ai ( t ) yi ( t ) f (.) w ii τ 1 ( ) y ( t) = f a ( t) i i a ( t) = ξ ( t) + w y ( t 1) i i ii i bx 1 exp f ( x) = bx 1 + exp x I 3 Mémoire dynamique Mémoire statique Couche de décision Neurones Gaussiens 1 φ ( x) = exp( ( x µ )( x µ ) t ) 2σ j 2 j j j Centres des fonctions radiales = prototypes 2 Ecart-type σ j 45 Utilisation du réseau récurrent Exemple simple Signal d entrée S(t) Fausse Alarme Panne subite Bon Fonctionnement Dégradation S1 T0 T1 T2 T3 T4 t S(t) Y(t) OK NOK Décision y(t) Bon Fonctionnement Fausse Alarme Panne subite Dégradation NOK OK NOK OK T0 T1 T2 T3 T4 t 46 23
24 Apprentissage Apprentissage mémoire dynamique : 1. Normalisation de la base d apprentissage. Mémoire dynamique : 2. Détermination de la mémoire dynamique 3. Détermination de la sensibilité 4. Base d apprentissage dynamique - base d apprentissage statique Apprentissage mémoire statique & couche décision : 1. Création de points initiaux algorithme Fuzzy Min-Max 2. Détermination des paramètres algorithme DDA modifié Mémoire statique : 47 Evaluation des performances Evaluation des performances du réseau Reconnaissance des séquences temporelles Prédiction de séquences temporelles Reproduction des séquences temporelles Reconnaissance de séquences d Evènements Discrets Reconnaissance de séquences de Dégradations Reconnaissance de Fausses alarmes w ii Mode 1 ξ ( t ) 20 ξ ( t) Neurone bouclé y( t) Mode 2 Neurone de sortie bruits Frottem ents Entrée du neurone bouclé 1 exp( b( wii y( t 1) + ξ ( t))) y( t) = 1 + exp( b( wii y( t 1) + ξ ( t))) Sortie du neurone bouclé 48 24
25 Exploitation industrielle du réseau dynamique Programmation en langage bas-niveau Entrée w11 RRFR w22 Expert distant w33 Mémoire dynamique Mémoire statique Couche de décision TCP / IP Apprentissage distant FC N 1 FC N 2 FC N 3 Données capteurs DB N 1 DB N 2 DB N 3 Fonction de lecture Programme d apprentissage Fonction d écriture JAVA Automate Programmable Industriel Coupleur web 49 Exploitation industrielle du réseau de neurones Prototype - dépôt de brevet Interface JAVA expert/utilisateur Paramètres du réseau Paramètres d apprentissage Paramètres de la couche d entrée Choix du mode d apprentissage Affichage des valeurs à apprendre Affichage du mode à apprendre Réseau de neurones RRFR/RRBF 50 25
26 Interface distante (web) Niveau utilisateur Niveau administrateur Niveau expert 51 Exploitation industrielle Performances du prototype Temps de cycle de l application Nent Nrbf Tc (ms) Nent Nrbf Tc (ms) , , , ,056 CPU (414-2) Variateur (Micromaster 4) , , , , , , , , , ,408 Coupleur Web (CP 443-1) Moteur à courant continu , , , , , , , ,41 Temps de réponse = 20 ms , , , , , , , , , ,
27 T1 Signal de présence palette D2 T2 Dfstop3 Dfstop1 T3 Urgence 2! Dflect0 Dfindexm Dfpoussr T4 Dfstop2 Dflect1 Dfpoussa T5 T6 T7 T9 T10 T8 posseur bloqué en bas <a> stoppeur S1 bloqué en bas <b> le poste étudié est bien le destinatair e de la palette <e> stoppeur S1 bloqué en bas <b> palette bloquée au pousseur <h> <f> detecteur D1 en panne <c> <g> détecteur D1 en panne <c> poste saturé <d> Approche floue Codirection des travaux de Thèse de E. MINCA Principe de base Chiens de garde Propagation des dégradations RdPFS ADD Symptome P1 P2 P3 P4 Fuzzyfication P5 P8 P6 P7 P9 1 µi FN F P10 P11 P12 P13 0 tmin t0 tmax T t P14 P15 Surveillance dynamique Incertitude Prédiction 54 27
28 Système de surveillance dynamique distante 55 Propagation des dégradations 56 28
29 Approche neuro-floue temporelle Codirection des travaux de Thèse de N. PALLUAT Le diagnostic Diagnostic Etymologie : Diagnostic = Dia : par + Gnosis : connaissance Définition (Peng, 1990) : Diagnostic remonter aux causes, en utilisant un savoir sur le système considéré. Raisonnement abductif Raisonnement inductif Règle Cas particulier 1 Cas particulier i Cas particulier n Raisonnement déductif Conclusion Proposition Prémisse Proposition 1 Prémisse Proposition i Prémisse Proposition n Raisonnement abductif A B A possible B 58 29
30 Le neuro-flou Expressions linguistiques Données linguistiques Logique floue Données numériques Neuro-flou Réseaux de Neurones Apprentissage Parallélisme dans les traitements 59 Génération du système neuro-flou ADD AMDEC 60 30
31 Spécification de l outil Capteurs Détection Dynamique Réseau de neurones dynamique SYSTEME DE SURVEILLANCE DYNAMIQUE Degré de crédibilité des modes opératoires Diagnostic Système Neuro-Flou Localisation, Origine (Crédibilité, Gravité ) Initialisation GMAO - Historique + Synthèse AMDEC Initialisation ADD - Arbre de Défaillances + AMDEC Apprentissage En-ligne GMAO Cas d utilisation : 1. Configuration 2. Initialisation 3. Émission d une alarme 4. Aide au diagnostic 5. Mise à jour du modèle 6. Mise à jour de la configuration Entrée qualitatives / quantitatives externes 61 Prototype développé PDA Ordinateur industriel PXI Convertisseurs Ethernet-WiFi 62 31
32 Interface d aide au diagnostic Degré de crédibilité Gravité Causes possible suggérées 63 Surveillance dynamique intelligente Bilan et publications scientifiques 32
33 Avancées travaux LAB Avancées Scientifiques : Nouvelle structure neuronale dynamique récurrente Algorithmes d apprentissage des séquences dynamiques Reconnaissance des fausses alarmes Détection des dégradations Utilisation de la logique floue pour la surveillance prédictive et le pronostic Algorithme neuro-flou temporel de recherche de cause - approche abductive Avancées Technologiques : Utilisation de l information au format industriel Approche de surveillance temps réel avec apprentissage distant Solution de développement du RRFR en langage automate Solution technologique de détection dynamique basée sur la logique floue Solution technologique utilisant l approche neuro-floue 65 Publications Scientifiques (période postdoctorale) 7 Revues internationales avec comité de lecture 3 Conférences sur invitation personnelle 15 Conférences Internationales avec comité de lecture et actes 11 Communications à des congres nationaux ou à audience francophone 1 Dépôt de brevet en collaboration avec la société Avensy Ingenierie 3 Rapports de recherche projet européen (PROTEUS) 5 Groupes de travail et colloques nationaux (GdR MACS) 3 Rapports de contrats de recherche (DCN, ANVAR) 4 Communications diverses (EDP) 66 33
34 Bilan des activités au LAB Encadrement 3 thèses soutenues en 3 ans Evaluation favorable PEDR Devenir des thésards encadrés : R. Zemouri MdC CNAM Paris E. Minca MdC UVT Targoviste, Roumanie N. Palluat post-doc - Univ. Fed. Santa Catarina, Florianópolis, Brésil Devenir des stagiaires DEA et M2R encadrés : 3 docteurs (1MdC, 1 post-doc, 1 ATER), 7 doctorants, 3 ingénieurs Collaborations industrielles, recherche, formation continue Projets PROTEUS, Nemosys-DCN, ANVAR, Sympatic Formation continue DCN Implication GRP - GdR MACS / GT MACOD Journées industrielles e-maintenance - IP Relations internationales Co-encadrement de 2 thèses cotutelle Roumanie (1 soutenue, 1 en cours) Co-encadrement 1 thèse d état Algérie Gestion projet ERASMUS 67 Perspectives de recherche 34
35 Evolution de la notion d Intelligence Intelligence ambiante (Anglais : Ambiant intelligence ou Oubiquitous intelligence) Ubiquitous = omniprésent et polyvalent Nouveau mode de convergence des technologies mêlant objets intelligents, réseaux de communication interfaces multimodales pour fournir de nouveaux services Basée sur trois technologies récentes : Ubiquitous Computing intégrer des microprocesseurs dans les objets de la vie quotidienne Ubiquitous Communication permettre à ces objets de communiquer entre eux et avec l'utilisateur Intelligent User Interfaces permettre aux usagers de contrôler et interagir avec ces objets de manière naturelle 69 Intelligence Ambiante Services nouveaux, disponibles : à n importe quel endroit, à n importe quel moment, accessible à tout client Concepts mis en œuvre : Systèmes embarqués (mobilité) Réseaux (communication) Intelligence contextuelle (flexibilité, adaptabilité) Comportement : pertinent pour son utilisateur sensible au contexte non-intrusif : "Calm Technology" remède à la surcharge d'information 70 35
36 Intelligence Ambiante - Orientations USA domaine militaire EUROPE - grand public priorité Applications : entreprise communication, transports, relations avec l administration, santé, sécurité civile, maison connectée 71 Intelligence Ambiante en Entreprise Logistique modules GPS (suivi de flottes de véhicules) puces RFID (suivi des palettes) reliés à des réseaux de communication Problématiques ouvertes : Standardisation des briques de l'intelligence ambiante Modèle technico-économique Prise en compte des nouveaux services «invisibles», non-intrusifs 72 36
37 Projets et Symposiums liés à cette thématique INRIA Rocquencourt Projet SMIS (Systèmes d'informations sécurisés et mobiles) Emergence de l informatique ubiquitaire et de l intelligence ambiante Philips Projet Ambience Consortium AIR&D (avec Thomson et INRIA) Exploite ces nouveaux modes d'interaction avec les machines applications multimédias dans la maison Action commune - projet européen " Ozone " EUSAI European symposium on Ambiant Intelligence - Eindhoven (2003) Intelligence Algorithmes d apprentissage rapides Personnalisation et adaptabilité Intelligence autonome 73 Perspectives concrètes envisagés Techniques dynamiques intelligentes Domaine Industriel Domaine Médical 74 37
38 Perspectives de recherche - domaine industriel Techniques dynamiques intelligentes Retour d expérience contextuel Pronostic industriel Fusion de capteurs Réseaux de capteurs intelligents Aide à la décision collaborative U-services (monitoring, maintenance) Apprentissage incrémental Indexation contextuelle des nouveaux cas Restitution contextuelle de la connaissance Services nouveaux, distribués, omniprésents Agents intelligents et d'usage intuitif, «cachés» dans les équipements industriels Fonctions immédiatement apparentes, intuitives, et surtout sans besoin de connaissances préalables Techniques d apprentissages «naturelles», beaucoup plus rapides 75 Perspectives de recherche - domaine médical Techniques dynamiques intelligentes Systèmes à intelligence «naturelle» pour la recherche d images médicales pour le diagnostic Contenu de l image médicale Adaptation au contexte de l image (modalité, anatomie, pathologie) Adaptation au contexte de la requête Utilisation d une connaissance très pointue, associée au domaine médical Fusion image + texte Possibilité d utiliser le GRID Computing aspect «Ubiquitous» 76 38
39 Recherche d Images Médicales Basée sur le Contenu Recherche d information Systèmes de base de données et de connaissances CBIR Content-Based Image Retrieval Traitement de l image Reconnaissance de formes 77 Mots clés Medical Education Computer Aided Detection/Diagnosis CBIR (similarity based access) PACS (archiving) DICOM (communication) Medical Research 78 39
40 Principe de la démarche proposée Requête «Query processing» ( Recherche) tendances «Mining Extraction» Connaissance (UMLS) Sémantique (Ontologie) Structure (Objets) Paramètres (Segmentation) Extraction/Interprétation Sémantique Extraction/Interprétation Structurelle Extraction des paramètres de base INDEXATION Catégorie (modalité, anatomie, pathologie) Texte Image Médicale 1 Image Médicale Signal 79 Verrous, Outils Aspect sémantique utilisation de l ontologie médicale pour l indexation et la recherche de similarité UMLS «Web-service» mis à jour par des professionnels de la médecine Aspect dynamique UMLS Unified Medical Language System Outils Système neuro-flou à liens actifs contextuels 80 40
41 En vous remerciant pour votre attention! 41
Contribution à la Surveillance des Systèmes de Production et Utilisant les Techniques de l Intelligence Artificielle
... Synthèse de l activité scientifique en vue d obtention de l Habilitation à Diriger des Recherches Contribution à la Surveillance des Systèmes de Production et Utilisant les Techniques de l Intelligence
Plus en détailMaster Informatique Aix-Marseille Université
Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes
Plus en détailUFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018
UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailMaster Energie spécialité Energie électrique
03/12/2013 http://www.univ-fcomte.fr Master Energie spécialité Energie UFR Sciences, techniques, et gestion de l'industrie http://stgi.univ-fcomte.fr/ Dénomination officielle : Master Sciences, technologies,
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailAPPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES FLOUS
THE PUBLISHING HOUSE PROCEEDINGS OF THE ROMANIAN ACADEMY, Series A, OF THE ROMANIAN ACADEMY Volume 9, Number 2/2008, pp. 000 000 APPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES
Plus en détailPrésentation formations SPI/EEA
ISIFC Présentation formations SPI/EEA Université de Franche-Comté U.F.R. Sciences et Techniques ISIFC Besançon UFR Sciences et Techniques Licence: icence Bac+3 années d étude Licence professionnelle (1
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 détailRésumé CONCEPTEUR, INTEGRATEUR, OPERATEUR DE SYSTEMES CRITIQUES
Aristote ----- Cloud Interopérabilité Retour d'expérience L A F O R C E D E L I N N O V A T I O N Résumé Les systèmes d'information logistique (SIL) sont des outils qui amènent des gains de productivité
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 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 détailLaboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES
Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailUNIVERSITE HASSAN II DE CASABLANCA. FACULTE DES SCIENCES & TECHNIQUES MOHAMMEDIA Département Génie Electrique
UNIVERSITE HASSAN II DE CASABLANCA FACULTE DES SCIENCES & TECHNIQUES MOHAMMEDIA Département Génie Electrique FORMATION CONTINUE Diplôme d Université de Casablanca Master d Université Master en Sciences
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 détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
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 détail/LFHQFH3URIHVVLRQQHOOH 0DLQWHQDQFH,QGXVWULHOOHHQ*pQLH(OHFWULTXHª 0DVWHU*HVWLRQGHV5HVVRXUFHVHQ(QHUJLH(OHFWULTXH. 'RFWRUDWGH*pQLH(OHFWULTXH
bac+3 : /LFHQFH,QJpQLHULH(OHFWULTXH /LFHQFH3URIHVVLRQQHOOH 0DLQWHQDQFH,QGXVWULHOOHHQ*pQLH(OHFWULTXHª bac+5 : 0DVWHU*HVWLRQGHV5HVVRXUFHVHQ(QHUJLH(OHFWULTXH 0DVWHU,QJpQLHULHGHV6\VWqPHV(OHFWULTXHV,83 bac+8
Plus en détailRESUME DESCRIPTIF DE LA CERTIFICATION (FICHE OPERATIONNELLE METIERS)
RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE OPERATIONNELLE METIERS) Intitulé (cadre 1) Master Droit Economie Gestion, mention Management des Systèmes d Information, spécialité Management et Technologies
Plus en détailINGENIERIE DES SYSTEMES INFORMATIQUES - PARCOURS : MOBILITE ET CLOUD COMPUTING
INGENIERIE DES SYSTEMES INFORMATIQUES - PARCOURS : MOBILITE ET CLOUD COMPUTING Préparez ce diplôme à l école de d ingénierie de l IGA OBJECTIFS DE LA FORMATION Dans un contexte de mutation économique et
Plus en détailMANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP
MANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP METHODES & CONCEPTS POUR UNE INGENIERIE INNOVANTE Ecole Nationale Supérieure des Mines de Rabat Département INFORMATIQUE www.enim.ac.ma MANAGEMENT
Plus en détailPlan du cours. Autres modèles pour les applications réparties Introduction. Mode de travail. Introduction
Plan du cours Autres modèles pour les applications réparties Introduction Riveill@unice.fr http://rangiroa.polytech.unice.fr Notre terrain de jeu : les systèmes répartis Un rappel : le modèle dominant
Plus en détailIntroduction à l informatique temps réel Pierre-Yves Duval (cppm)
Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 -Définition et problématique - Illustration par des exemples -Automatisme:
Plus en détailMASTER RECHERCHE RESEAUX DE TELECOMMUNICATIONS
UNIVERSITÉ LIBANAISE UNIVERSITÉ SAINT-JOSEPH MASTER RECHERCHE RESEAUX DE TELECOMMUNICATIONS en partenariat avec : Télécom ParisTech, France L Université de Versailles St. Quentin, France L Institut National
Plus en détailLA MESURE INDUSTRIELLE
E02 LA MESURE INDUSTRIELLE 20 Heures Technicien responsable de la maintenance Approfondir les techniques de mesure; Prendre en compte l aspect métrologie. Connaître les limites et les facteurs d influences
Plus en détailUniversité Libre de Tunis
Ingénieur: Génie Informatique Code et Intitulé des Matières Enseignées Plan d'etudes : Semestre 1 S1-01 Algorithmique et Structures de Données 1 S1-02 Programmation C S1-03 Logiques Mathématiques S1-04
Plus en détailsous réserve de validation des modifications DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT FINANCE
sous réserve de validation des modifications Niveau : MASTER année Domaine : Mention : DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT M2 Spécialité : FINANCE 120 ES Volume horaire étudiant : 335 h 35 h
Plus en détailL Intelligence Compétitive 2.0 pour le pilotage des projets e-marketing
L Intelligence Compétitive 2.0 pour le pilotage des projets e-marketing Soutenance de Thèse de Doctorat en Sciences de l Information et de la Communication Sébastien Bruyère 18 octobre 2010 Contexte général
Plus en détailSUPPLEMENT AU DIPLOME
SUPPLEMENT AU DIPLOME Préambule : «Le présent supplément au diplôme suit le modèle élaboré par la Commission européenne, le Conseil de l Europe et l UNESCO/CEPES. Le supplément vise à fournir des données
Plus en détailProgramme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION Mentions
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 détailMaster Information et communication spécialité Produits et services multimédia
18/09/2013 http://www.univ-fcomte.fr Master Information et communication spécialité Produits et services multimédia UFR Sciences, techniques, et gestion de l'industrie http://stgi.univ-fcomte.fr/ Dénomination
Plus en détailFLEXIBILITE CONTINUITE LIAISON PAR INTERNET SOLUTIONS STANDARD
RITOP Le système de conduite de processus pour le service des eaux et de l énergie COMPATIBILITE FLEXIBILITE CONTINUITE LIAISON PAR INTERNET SOLUTIONS STANDARD Aperçu Solutions sur mesure pour aujourd
Plus en détailPrésentation de la majeure ISN. ESILV - 18 avril 2013
Présentation de la majeure ISN ESILV - 18 avril 2013 La Grande Carte des Métiers et des Emplois Sociétés de service Entreprises Administrations Grand- Public Sciences Utiliser Aider à utiliser Vendre APPLICATIONS:
Plus en détailSpécialité Sciences Mécaniques et Ingénierie
Master 2 Sciences, Technologies, Santé Mention Mécanique Spécialité Sciences Mécaniques et Ingénierie Parcours R&D en mécanique des fluides Parcours R&D en matériaux et structures Parcours Energétique
Plus en détailSC, SNCC, superviseur - API
CLUB AUTOMATION SC, SNCC, superviseur - API Claire BASSET Enseignante à l IUT de Ville d'avray Dept GEII www.cva.u-paris10.fr/geii claire.basset@u-paris10.fr 1 FORMATIONS POST BAC Source FIEEC: Fédération
Plus en détailTout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce
Tout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce «profil» S orienter (éventuellement se réorienter) dans
Plus en détailIntégration de la cybersécurité aux systèmes de conduite industriels. Méthodes et pratiques
Intégration de la cybersécurité aux systèmes de conduite industriels Méthodes et pratiques Les Infrastructures critiques utilisant des Systèmes de Contrôle Industriels Industrie nucléaire Industrie pétrolière,
Plus en détailLes modules SI5 et PPE2
Les modules SI5 et PPE2 Description de la ressource Propriétés Intitulé long Formation concernée Matière Présentation Les modules SI5 et PPE2 BTS SIO SI5 PPE2 Description Ce document présente une approche
Plus en détailFormation Informations pédagogiques Modalités diverses Objectifs
Formation Informations pédagogiques Modalités diverses Objectifs Inscrit dans le champ scientifique des SIC- 71e section, le Master mention Information Communication est une formation interdisciplinaire
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailLe cinquième chapitre
Le cinquième chapitre Objectif : présenter les supports matériels ou immatériels permettant d'étayer cette nouvelle approche de la fonction maintenance. I. Evolution du domaine technique - Différents domaines
Plus en détailLes Enjeux du Smart Water. Eau. Novembre 2013 Fabrice Renault Directeur commercial France. Schneider Electric Fabrice Renault 1
Les Enjeux du Smart Water Eau Novembre 2013 Fabrice Renault Directeur commercial France Schneider Electric Fabrice Renault 1 Plus les villes grandissent, plus leurs défis augmentent Vieillissement et saturation
Plus en détailNouveautés Ignition v7.7
... Nouveautés Ignition v7.7 Nouveautés Ignition v7.7 Découvrez le Nouveau Scada avec plus de 40 nouveautés Principales nouveautés :... Cloud Templates Template Repeater Client Multilingue + Sequential
Plus en détailSolutions de Cybersécurité Industrielle
Solutions de Cybersécurité Industrielle Automation Informatique Industrielle M2M www.factorysystemes.fr Notre mission «Mettre au profit de nos clients des secteurs de l industrie, du transport et des infrastructures
Plus en détailINTEGRATED TEST SUITE
INTEGRATED TEST SUITE PRÉSENTATION UNE TECHNOLOGIE HAUTES PERFORMANCES POUR DES APPLICATIONS D ESSAI PLUS FLEXIBLES ET PLUS CONVIVIALES WHAT MOVES YOUR WORLD CONÇU POUR RÉPONDRE À VOS BESOINS D AUJOURD
Plus en détailMASTER MANAGEMENT STRATEGIE, SPECIALITE CONSULTANT EN MANAGEMENT, ORGANISATION, STRATÉGIE
MASTER MANAGEMENT STRATEGIE, SPECIALITE CONSULTANT EN MANAGEMENT, ORGANISATION, STRATÉGIE RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Droit, Economie, Gestion Mention :
Plus en détailEthernet Industriel Réseaux Ethway Coupleur Ethernet sur Automates Programmables. Plan. Contexte
Ethernet Ethernet Industriel Réseaux Ethway Coupleur Ethernet sur Automates Programmables Nozar Rafii, Yannick Graton Ecole de printemps réseau Nancy, Mars 2006 1 Contexte Objectif Architecture Modèle
Plus en détailUE 8 Systèmes d information de gestion Le programme
UE 8 Systèmes d information de gestion Le programme Légende : Modifications de l arrêté du 8 mars 2010 Suppressions de l arrêté du 8 mars 2010 Partie inchangée par rapport au programme antérieur Indications
Plus en détailRIHANE Abdelhamid Maitre de conférences Université de Constantine (ALGERIE) Abde_abd25@yahoo.fr
Pour la mise en place d une bibliothèque numérique au sein de la Faculté des Nouvelles Technologies de l Information et de la Communication à l Université de Constantine (Algérie) RIHANE Abdelhamid Maitre
Plus en détailIODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21
IODAA de l 1nf0rmation à la Décision par l Analyse et l Apprentissage IODAA Informations générales 2 Un monde nouveau Des données numériques partout en croissance prodigieuse Comment en extraire des connaissances
Plus en détailDossier de compétences :
Dossier de compétences : Type de poste recherché : Administrateur SAP BC Junior Formation : 2008 Master 2 Sciences pour l Ingénieur spécialité Complémentaires en Informatique à l Institut des Sciences
Plus en détailUN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE
UN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE Cyril Noirel (1), Didier Theilliol (2), Christophe Aubrun (3), Jean Christophe
Plus en détailDépartement Informatique
Département Informatique Formation d'ingénieur en informatique par apprentissage Ingénieur diplômé de l UTBM Spécialité «INFORMATIQUE» Filière «Ingénierie des Systèmes d Information» Nouvelle voie d accès
Plus en détailCATALOGUE DE SERVICES DE LA DIRECTION DU SYSTEME D INFORMATION DE L UNIVERSITE DE LIMOGES
CATALOGUE DE SERVICES DE LA DIRECTION DU SYSTEME D INFORMATION DE L UNIVERSITE DE LIMOGES Sommaire Fiche 1 : Gestion des identités : annuaires et authentification Fiche 2 : Connectez-vous en toute sécurité
Plus en détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailWelcome to PHOENIX CONTACT. Building Automation. Solutions pour la gestion énergétique de vos bâtiments
Welcome to PHOENIX CONTACT Building Automation Solutions pour la gestion énergétique de vos bâtiments Corporate Structure AUJOURD HUI Phoenix Contact représente 1,3milliards de CA et 11000 personnes Bad
Plus en détailRépertoire des formations proposant des stages en lien avec le développement international de l entreprise
Répertoire des formations proposant des stages en lien avec le développement international de l entreprise Édition 2015 Préambule : Comment une TPE ou une PME, qui ne dispose pas d équipe export et qui
Plus en détailLICENCE : INFORMATIQUE GENERALE
LICENCE : INFORMATIQUE GENERALE RÉSUMÉ DE LA FORMATION Type de diplôme : Licence (LMD) Domaine : Sciences, Ingénierie et Technologies Mention : Informatique générale Objectifs Le diplôme offre une formation
Plus en détailLA GMAO ACCEDER : EXPLOITATION POUR L ENSEIGNEMENT
LA GMAO ACCEDER : EXPLOITATION POUR L ENSEIGNEMENT 1 - AVANTAGES DE LA GMAO ACCEDER POUR ENSEIGNER 2 - GENERALITES POUR L EXPLOITATION EN BAC PRO ET BTS 3 LA GMAO ET LE NOUVEAU REFERENTIEL BTS 2014 MAINTENANCE
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Plus en détailFormation L.M.D. en instrumentation biomédicale. Mise en œuvre dans une université scientifique et médicale : Claude Bernard Lyon I
J3eA, Journal sur l enseignement des sciences et technologies de l information et des systèmes, Volume 3, Hors-Série 1, 11 (2004) DOI : http://dx.doi.org/10.1051/bib-j3ea:2004611 EDP Sciences, 2004 Formation
Plus en détailRobert Guichet. Conférence DERBI Juin 2008
Robert Guichet Conférence DERBI Juin 2008 Plan de l exposé 1) Introduction le bâtiment et l énergie les enjeux 2) Le projet Monitoring THPE les partenaires la réglementation l indicateur de performance
Plus en 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 détailAgrégation de liens xdsl sur un réseau radio
Agrégation de liens xdsl sur un réseau radio Soutenance TX Suiveur: Stéphane Crozat Commanditaire: tetaneutral.net/laurent Guerby 1 02/02/212 Introduction 2 Introduction: schéma 3 Définition d un tunnel
Plus en détailLicence professionnelle Automatique et Informatique Industrielle, Automation et Robotique
Licence professionnelle Automatique et Informatique Industrielle, Automation et Robotique Contact Responsable de la formation Pierre LAGUILLAUMIE Tél. : 05 49 49 65 01 - Fax : 05 49 49 65 04 pierre.laguillaumie@univ-poitiers.fr
Plus en détailPrésentation de la Société
Présentation de la Société 1 Présentation Générale SOCIETE INDEPENDANTE d étude, de conseil et d ingénierie basée à Aix en Provence, à 15 minutes de l aéroport de Marseille Provence et à 3 heures de Paris
Plus en détailDEMANDE D INFORMATION RFI (Request for information)
DOD SEICAM RFI Demande d information EVDEC Réf. : RFI_EVDEC- GT5_Outil_reporting_BI_v4.doc Page 1/11 DEMANDE D INFORMATION RFI (Request for information) OUTIL INTÉGRÉ DE REPORTING ET D ANALYSE DÉCISIONNELLE
Plus en détailLicence et Master E.E.A.
Licence et Master E.E.A. N. Galopin & F. Camus UFR PHITEM 2 avril 2015 Spécialités des Masters 2 De roulement des E tudes Apre s le Master? De roulement des e tudes Locaux et environnement ge ographique
Plus en détailUNIVERSITE GRENOBLE 2 (MENDES-FRANCE) Référence GALAXIE : 4126
UNIVERSITE GRENOBLE 2 (MENDES-FRANCE) Référence GALAXIE : 4126 Numéro dans le SI local : 0432 Référence GESUP : Corps : Maître de conférences Article : 26-I-1 Chaire : Non Section 1 : 06-Sciences de gestion
Plus en détailRÉSUMÉ DESCRIPTIF DE LA CERTIFICATION (FICHE RÉPERTOIRE)
RÉSUMÉ DESCRIPTIF DE LA CERTIFICATION (FICHE RÉPERTOIRE) Intitulé (cadre 1) Domaine : Sciences, Technologies, Santé Licence professionnelle : Dénomination Nationale «Systèmes informatiques et logiciels»
Plus en détailFilière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants
Plus en détailPROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN
PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN 1. DÉVELOPPEMENT D'APPLICATION (CONCEPTEUR ANALYSTE) 1.1 ARCHITECTURE MATÉRIELLE DU SYSTÈME INFORMATIQUE 1.1.1 Architecture d'un ordinateur Processeur,
Plus en détailArchitecture d'entreprise : Guide Pratique de l'architecture Logique
Guides Pratiques Objecteering Architecture d'entreprise : Guide Pratique de l'architecture Logique Auteur : Version : 1.0 Copyright : Softeam Equipe Conseil Softeam Supervisée par Philippe Desfray Softeam
Plus en détailDESCRIPTIF DE MODULE S5 GSI
Option SIM DESCRIPTIF DE MODULE S5 GSI : Gouvernance et Systèmes d Information COORDONNATEUR DU MODULE : Département : Ce module a pour but d enseigner les méthodes, les règles et les pratiques nécessaires
Plus en détailUNIVERSITE DE BREST Référence GALAXIE : 4201
UNIVERSITE DE BREST Référence GALAXIE : 4201 Numéro dans le SI local : 6300MCF0617 Référence GESUP : 0617 Corps : Maître de conférences Article : 26-I-1 Chaire : Non Section 1 : 63-Génie électrique, électronique,
Plus en détailPoursuivre ses études à l'université de Rouen Masters professionnels en Informatique et en Mathématiques. UFR Sciences et Techniques 20-03-2014 1/18
Poursuivre ses études à l'université de Rouen Masters professionnels en Informatique et en Mathématiques UFR Sciences et Techniques 20-03-2014 1/18 Masters pro GIL, SSI et AIMAF Taux d'insertion : 100
Plus en détail4. Utilisation d un SGBD : le langage SQL. 5. Normalisation
Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :
Plus en détailNOTRE OFFRE GLOBALE STAGES INTER-ENTREPRISES
NOTRE OFFRE GLOBALE STAGES INTER-ENTREPRISES HYDRAULIQUE MOBILE 5 Stages de 4 jours ----- HM1 HM2 HM3 HM4 HM5 2 Stages SAUER DANFOSS de 2 jours ----- PVG 32 ----- POMPE 90 MOTEUR 51 ELECTRONIQUE EMBARQUEE
Plus en détailMoteur d idées pour véhicules spécifiques. Le Pôle de compétitivité Véhicules et Mobilités du grand Ouest
] Moteur d idées pour véhicules spécifiques [ Le Pôle de compétitivité Véhicules et Mobilités du grand Ouest ] [Notre mission] Développer la compétitivité des entreprises par le biais de l innovation :
Plus en détailDATE DU CONCOURS: SAMEDI 18 OCTOBRE
République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Université des Sciences et de la Technologie d Oran BOUDIAF Vice-Rectorat chargé 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 détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailUNIVERSITE D'ORLEANS ISSOUDUN CHATEAUROUX
UNIVERSITE D'ORLEANS ISSOUDUN CHATEAUROUX PLAN
Plus en détailFORMATIONS STAGES INSERTION PROFESSIONNELLE. UFR Sciences Orsay. Isabelle DEMACHY
FORMATIONS STAGES INSERTION PROFESSIONNELLE UFR Sciences Orsay Isabelle DEMACHY Les étudiants à la faculté des Sciences 9000 étudiants (1/3 de l ensemble de l université) 800 enseignants-chercheurs, 800
Plus en détailMaster Théorie et pratiques des arts interactifs
Master Théorie et pratiques des arts interactifs Co-directeurs du Master Université de Poitiers Bertrand Augereau augerau@sic.univ-poitiers.fr École Européenne Supérieure de l Image Sabrina GRASSI-FOSSIER
Plus en détailFormations et diplômes. Rapport d'évaluation. Master Finance. Université Jean Monnet Saint-Etienne - UJM. Campagne d évaluation 2014-2015 (Vague A)
Formations et diplômes Rapport d'évaluation Master Finance Université Jean Monnet Saint-Etienne - UJM Campagne d évaluation 2014-2015 (Vague A) Formations et diplômes Pour le HCERES, 1 Didier Houssin,
Plus en détailCatalogue - Formation en «électropneumatique et systèmes automatisés process control system»
entre echnologies Avancées Catalogue - en «électropneumatique et systèmes automatisés process control system» 2012-2013 Boulevard du Château 12, 7800 ATH Tél : 068/26.88.80 Fax : 068/26.88.81 E-Mail :
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 détailData Station Plus. La solution complète de gestion de données. > Convertisseur de multiples
Data Station Plus La solution complète de gestion de données Convertisseur de multiples protocoles permettant une intégration système complet E nregistreur de données de process compatible avec les applications
Plus en détailRencontre BTS-IRIS / INSA. TICE et Espaces collaboratifs
Rencontre BTS-IRIS / INSA TICE et Espaces collaboratifs Planning de la journée Référentiel INSA AIP/RAO Présentation générale Enseignement collaboratif Enseignement à distance Espaces collaboratifs La
Plus en détailBULK SMS Envoi en masse d un message texte moyennant un téléphone mobile (GSM)
Ministère de l Enseignement Supérieur et de la Recherche Scientifique Ecole Supérieure Privée d Ingénierie et de Technologie BULK SMS Envoi en masse d un message texte moyennant un téléphone mobile (GSM)
Plus en détailMULTITEL, votre partenaire en R&D et innovation
CENTRE DE RECHERCHE MULTITEL, votre partenaire en R&D et innovation Photonique appliquée Réseaux informatiques Traitement de la parole Traitement du signal Traitement de l image Certification ferroviaire
Plus en détailPédagogie : A Lyon 1 : DESS en informatique documentaire (avec Enssib), DEUST doc, IUP DIST, DEA SIC puis à Lyon 3
Présentation des offres de formation de professionnels de l IST Adaptation de l offre aux mutations technologiques et structurelles L intervenante Sylvie Lainé-Cruzel, PR à Lyon 3, actuellement responsable
Plus en détailINVESTISSEMENTS D AVENIR
INVESTISSEMENTS D AVENIR LABORATOIRES D EXCELLENCE (LABEX) SYNTHESE DU SUIVI 2012 Compte-rendu scientifique Relevé de dépenses Indicateurs Mai 2013 SYNTHESE DU SUIVI D ACTION LABEX (Années 2011 et 2012)
Plus en détailUNIV. LA ROCHELLE (IUT) Référence GALAXIE : 4099
UNIV. LA ROCHELLE (IUT) Référence GALAXIE : 4099 Numéro dans le SI local : 0135 Référence GESUP : Corps : Professeur des universités Article : 46-1 Chaire : Non Section 1 : 27-Informatique Section 2 :
Plus en détailCécile MAUNIER. Maître de Conférences Sciences de Gestion Responsable pédagogique - Master 1 Marketing, Vente TITRES UNIVERSITAIRES
Cécile MAUNIER Maître de Conférences Sciences de Gestion Responsable pédagogique - Master 1 Marketing, Vente IAE REUNION 24 avenue de la Victoire CS 92003 Saint Denis Cedex 09 ( : 02 62 47 99 01 E- mail
Plus en détailLA REFORME LMD EN COTE D IVOIRE :
LA REFORME LMD EN COTE D IVOIRE : Mise en œuvre et enjeux Pr Viviane KROU ADOHI Directeur Général de l Enseignement Supérieur Abidjan, février 2012 1 Définition LICENCE (bac +3) INTRODUCTION MASTER (bac+5)
Plus en détail