Utilisation des Techniques de l Intelligence Artificielle pour la Surveillance des Systèmes de Production

Dimension: px
Commencer à balayer dès la page:

Download "Utilisation des Techniques de l Intelligence Artificielle pour la Surveillance des Systèmes de Production"

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

MEMOIRE DE SYNTHESE DES ACTIVITES

MEMOIRE DE SYNTHESE DES ACTIVITES MEMOIRE DE SYNTHESE DES ACTIVITES DE RECHERCHE ET D ENCADREMENT CONTRIBUTION A LA SURVEILLANCE DES SYSTEMES DE PRODUCTION EN UTILISANT L INTELLIGENCE ARTIFICIELLE DANIEL RACOCEANU MAITRE DE CONFERENCES

Plus en détail

Master Informatique Aix-Marseille Université

Master 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 détail

S8 : STRATÉGIE DE MAINTENANCE

S8 : STRATÉGIE DE MAINTENANCE S8 : STRATÉGIE DE MAINTENANCE FINALITÉ L enseignement de la stratégie de maintenance doit apporter à l étudiant les connaissances, les outils d analyse et les outils méthodologiques lui permettant de remplir

Plus en détail

Contribution à la Surveillance des Systèmes de Production et Utilisant les Techniques de l Intelligence Artificielle

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 détail

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel.

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Workshop du GIS 3SGS Reims, 29 septembre 2010 Sommaire Missions

Plus en détail

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE OPERATIONNELLE METIERS)

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE OPERATIONNELLE METIERS) RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE OPERATIONNELLE METIERS) Intitulé (cadre 1) DUT Génie électrique et informatique industrielle (GEII) 3 Parcours possibles : Automatismes et Réseaux Locaux Energies

Plus en détail

UFR 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 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 détail

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR MASTER SCIENCES, TECHNOLOGIES, SANTE / STAPS MATHEMATIQUES ET SCIENCES POUR L INGENIEUR Spécialité Ingénierie Numérique, Signal-Image et Informatique Industrielle (INS3I) www.univ-littoral.fr OBJECTIFS

Plus en détail

ANNEE 2013-2014. Le tableau ci-dessous présente ces unités d'enseignement ainsi que leurs coefficients et leurs volumes horaires respectifs.

ANNEE 2013-2014. Le tableau ci-dessous présente ces unités d'enseignement ainsi que leurs coefficients et leurs volumes horaires respectifs. ANNEE 2013-2014 PLAN DE FORMATION Licence Professionnelle en Alternance AII-SIAM «AUTOMATIQUE ET INFORMATIQUE INDUSTRIELLE» «SYSTEMES INDUSTRIELS AUTOMATISES ET MAINTENANCE» «PARCOURS AUTOMATISMES» 1 OBJECTIFS

Plus en détail

Résumé CONCEPTEUR, INTEGRATEUR, OPERATEUR DE SYSTEMES CRITIQUES

Résumé 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 détail

Les sections 6 et 7. du ComitéNational de la RechercheScientifique

Les sections 6 et 7. du ComitéNational de la RechercheScientifique Les sections 6 et 7 du ComitéNational de la RechercheScientifique (CoNRS) Frédérique Bassino et Michèle Basseville Plan Le comité national Les missions des sections Les sections 6 et 7 Le comiténational

Plus en détail

Diagnostic et décision

Diagnostic et décision Diagnostic et décision Bibliographie J. N. Chatain, DIagnostic par Système Expert, Traité des Nouvelles Technologies, série Diagnostic et Maintenance, édition Hermes 1993. B. Dubuisson, Diagnostic, intelligence

Plus en détail

UNIVERSITÉ DE TECHNOLOGIE COMPIÈGNE. Mécatronique Mécanique UTC 2022

UNIVERSITÉ DE TECHNOLOGIE COMPIÈGNE. Mécatronique Mécanique UTC 2022 UNIVERSITÉ DE TECHNOLOGIE COMPIÈGNE Mécatronique Mécanique UTC 2022 Mécatronique UTC 2022 2 Méthode de travail Groupe de travail: Christine Prelle, Didier Lemoine, M Bricogne, F. Lamarque, Guy Friedrich

Plus en détail

4.2 Unités d enseignement du M1

4.2 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 détail

Apprentissage Automatique

Apprentissage 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 détail

A.3 Les méthodes : L applicabilité

A.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 détail

UNIVERSITE D'EVRY VAL D'ESSONNE Référence GALAXIE : 4072

UNIVERSITE D'EVRY VAL D'ESSONNE Référence GALAXIE : 4072 UNIVERSITE D'EVRY VAL D'ESSONNE Référence GALAXIE : 4072 Numéro dans le SI local : Référence GESUP : Corps : Professeur des universités Article : 46-1 Chaire : Non Section 1 : 27-Informatique Section 2

Plus en détail

STS : Sciences, Technologies, Santé. STIC : Sciences et Technologies de l Information et de la Communication. h h h h h 250 h

STS : Sciences, Technologies, Santé. STIC : Sciences et Technologies de l Information et de la Communication. h h h h h 250 h Niveau : MASTER année Domaine : Mention : STS : Sciences, Technologies, Santé STIC : Sciences et Technologies de l Information et de la Communication M2 Spécialité : Volume horaire étudiant : Informatique

Plus en détail

Ingénierie d aide à la décision

Ingénierie d aide à la décision Ingénierie d aide à la décision Maria Malek 1 er septembre 2009 1 Objectifs et débouchés Nous proposons dans cette option deux grands axes pour l aide à la décision : 1. La recherche opérationnelle ; 2.

Plus en détail

Département Énergie et Environnement

Département Énergie et Environnement Département Énergie et Environnement David Bouquain -27 mars 2012 Formation d ingénieurs en énergie Présentation UTBM CS du 14 Avril 1 Le réseau des Universités de Technologie Les Universités de Technologie

Plus en détail

ANNEE 2013-2014. Le tableau ci-dessous présente ces unités d'enseignement ainsi que leurs coefficients et leurs volumes horaires respectifs.

ANNEE 2013-2014. Le tableau ci-dessous présente ces unités d'enseignement ainsi que leurs coefficients et leurs volumes horaires respectifs. ANNEE 2013-2014 PLAN DE FORMAION Licence Professionnelle en Alternance AII-SIAM «AUOMAIQUE E INFORMAIQUE INDUSRIELLE» «SYSEMES INDUSRIELS AUOMAISES E MAINENANCE» «PARCOURS AUOMAISMES» 1 OBJECIFS DE LA

Plus en détail

Tronc Commun. Premier Semestre

Tronc Commun. Premier Semestre PLAN D ÉTUDE Programme de la Première année Tronc Commun Mathématiques Discrètes Probabilités et Statistiques Réseaux et Systèmes Transmissions de Données Fondements de Système d Exploitation Réseaux Informatiques

Plus en détail

Plates-formes pour l'enseignement à distance des Réseaux Locaux Industriels au pôle AIP-Priméca Rhône- Alpes Ouest

Plates-formes pour l'enseignement à distance des Réseaux Locaux Industriels au pôle AIP-Priméca Rhône- Alpes Ouest Plates-formes pour l'enseignement à distance des Réseaux Locaux Industriels au pôle AIP-Priméca Rhône- Alpes Ouest Jean-Paul Calvier, ingénieur du Pôle AIP Priméca Rhône-Alpes Ouest, Pascale Coquard, ingénieur

Plus en détail

LE CONTRÔLE-COMMANDE DES POSTES

LE CONTRÔLE-COMMANDE DES POSTES Jérôme Hostein Training and Maintenance Manager SAS Montpellier Expert DCS Du conventionnel au contrôlecommande numérique Journée d études SEE Lille 2010 2 Présentation Le contrôle-commande conventionnel

Plus en détail

MODELISATION DE PRODUIT ACTIF POUR LA SURVEILLANCE ET SECURITE: APPLICATION AUX PRODUITS CHIMIQUES DANGEREUX

MODELISATION DE PRODUIT ACTIF POUR LA SURVEILLANCE ET SECURITE: APPLICATION AUX PRODUITS CHIMIQUES DANGEREUX MODELISATION DE PRODUIT ACTIF POUR LA SURVEILLANCE ET SECURITE: APPLICATION AUX PRODUITS CHIMIQUES DANGEREUX Dragoș DOBRE et Eddy BAJIC Centre de Recherche en Automatique de Nancy CRAN - CNRS 7039 Nancy

Plus en détail

Pôle éolien en Picardie : Contribution du pôle universitaire de Saint-Quentin

Pôle éolien en Picardie : Contribution du pôle universitaire de Saint-Quentin Pôle éolien en Picardie : Contribution du pôle universitaire de Saint-Quentin Valéry BOURNY INSSET, 48 Rue Raspail, 02100 Saint-Quentin valery.bourny@u-picardie.fr Jeudi 21 octobre 2010, Région Picardie

Plus en détail

Fiche synthétique de la 1 ère année FIA

Fiche synthétique de la 1 ère année FIA Fiche synthétique de la 1 ère année FIA Mission En 1 ère année, l'apprenti doit être capable de remplir des missions habituellement confiées à un technicien supérieur : la dimension technique prime donc

Plus en détail

1. Présentation du Mastère

1. Présentation du Mastère MASTERE SYSTEMES DE COMMUNICATION Coordinateur du Mastère : TAOUFIK AGUILI Département TIC Laboratoire des Systèmes de Communication Tél. : (+216) 71 874 700 (Poste 545) Fax : (+216) 71 872 729 taoufik.aguili@enit.rnu.tn

Plus en détail

Une université pluridisciplinaire et professionnalisante 12/02/2008 1

Une université pluridisciplinaire et professionnalisante 12/02/2008 1 Une université pluridisciplinaire et professionnalisante 12/02/2008 1 L USTV en chiffres Plus de 10 000 étudiants 500 postes d enseignants dont 264 chercheurs et enseignants-chercheurs 14 laboratoires

Plus en détail

Expert ou chef de projet en contrôle-commande

Expert ou chef de projet en contrôle-commande Expert ou chef de projet en contrôle-commande C1C25 Electronique, électrotechnique ou contrôle-commande - IR Spécialités L expert ou chef de projet en contrôle-commande peut être amené à se spécialiser

Plus en détail

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE REPERTOIRE)

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE REPERTOIRE) RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE REPERTOIRE) Intitulé (cadre 1) Ingénieur diplômé de l École Nationale Supérieure d Ingénieurs en Informatique, Automatique, Mécanique, Énergétique et Électronique

Plus en détail

Conception des systèmes répartis

Conception 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 détail

ORGANISER CP3 : Organiser et optimiser les activités de maintenance

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

Plus en détail

Master Energie spécialité Energie électrique

Master 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 détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence 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 détail

CURSUS MASTER EN INGENIERIE INFORMATIQUE : SYSTEMES INTELLIGENTS COMMUNICANTS

CURSUS MASTER EN INGENIERIE INFORMATIQUE : SYSTEMES INTELLIGENTS COMMUNICANTS CURSUS MASTER EN INGENIERIE INFORMATIQUE : SYSTEMES INTELLIGENTS COMMUNICANTS Domaine ministériel : Sciences, Technologies, Santé Présentation Nature de la formation : Diplôme national de l'enseignement

Plus en détail

Université Pierre et Marie Curie. Laboratoire d Informatique de Paris 6

Université Pierre et Marie Curie. Laboratoire d Informatique de Paris 6 Université Pierre et Marie Curie Laboratoire d Informatique de Paris 6 Jean-Luc Lamotte Emmanuel Chailloux Extension d Objective Caml scientifique sur GPU pour le calcul Plan Présentation UPMC / LIP6 /

Plus en détail

MASTER 2011-2012. Mention Sciences Pour l Ingénieur. BAC + 1 2 3 4 5 Domaine : Sciences, Technologie et Santé (STS)

MASTER 2011-2012. Mention Sciences Pour l Ingénieur. BAC + 1 2 3 4 5 Domaine : Sciences, Technologie et Santé (STS) MASTER 2011-2012 Mention Sciences Pour l Ingénieur M1/M2 : Spécialité Réalité Virtuelle & Systèmes Intelligents BAC + 1 2 3 4 5 Domaine : Sciences, Technologie et Santé (STS) 1. Editorial du responsable

Plus en détail

Généralités. L informatique couvre des secteurs d activités de plus en plus larges.

Généralités. L informatique couvre des secteurs d activités de plus en plus larges. Généralités L informatique couvre des secteurs d activités de plus en plus larges. Requiert une certaine créativité et des facultés d adaptation. Il est possible de changer de nombreuses fois de postes

Plus en détail

APPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES FLOUS

APPROCHE 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 détail

Master en Sciences et Ingénieries des Systèmes d Information pour la Prévention des risques (M2 -SISIP)

Master en Sciences et Ingénieries des Systèmes d Information pour la Prévention des risques (M2 -SISIP) Université Libanaise Ecole Doctorale Sciences et Technologie Master en Sciences et Ingénieries des Systèmes d Information pour la Prévention des risques (M2 -SISIP) En collaboration avec l école de 1 1

Plus en détail

MASTER 2011-2012. Mention Sciences Pour l Ingénieur. BAC + 1 2 3 4 5 Domaine : Sciences, Technologie et Santé (STS)

MASTER 2011-2012. Mention Sciences Pour l Ingénieur. BAC + 1 2 3 4 5 Domaine : Sciences, Technologie et Santé (STS) MASTER 2011-2012 Mention Sciences Pour l Ingénieur M1/M2 : Spécialité Génie Electrique & Informatique Industrielle BAC + 1 2 3 4 5 Domaine : Sciences, Technologie et Santé (STS) 1. Editorial du responsable

Plus en détail

1.2 Unité responsable Département d informatique, Faculté des sciences

1.2 Unité responsable Département d informatique, Faculté des sciences 1. Identification du programme 1.1 Titre du programme Maîtrise ès sciences (informatique) 1.2 Unité responsable Département d informatique, Faculté des sciences 1.3 Diplôme accordé M. Sc. (Informatique)

Plus en détail

GPA759 RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE Préalable(s) : Aucun PLAN DE COURS SESSION AUTOMNE 2013

GPA759 RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE Préalable(s) : Aucun PLAN DE COURS SESSION AUTOMNE 2013 École de technologie supérieure Département de génie de la production automatisée Responsable(s) du cours : Crédits : Richard Lepage, ing., Ph.D. GPA759 RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE

Plus en détail

MASTER INFORMATIQUE ET INGENIERIE DES SYSTEMES COMPLEXES PARCOURS SIGNAL ET TELECOMMUNICATIONS

MASTER INFORMATIQUE ET INGENIERIE DES SYSTEMES COMPLEXES PARCOURS SIGNAL ET TELECOMMUNICATIONS MASTER INFORMATIQUE ET INGENIERIE DES SYSTEMES COMPLEXES PARCOURS SIGNAL ET TELECOMMUNICATIONS Domaine ministériel : Sciences, Technologies, Santé Présentation Nature de la formation : Diplôme national

Plus en détail

l Intelligence Artificielle

l Intelligence Artificielle 1 Introduction à l Intelligence Artificielle Antoine Cornuéjols antoine@lri.fr http://www.iie.cnam.fr/~cornuejols/ I.I.E. & L.R.I., Université d Orsay Intelligence Artificielle : plan 2 1-2- 3-4- 5-6-

Plus en détail

Objet : A : examen de l habilitation arrivant à échéance en phase avec le calendrier national périodique D : habilitation d une nouvelle formation

Objet : A : examen de l habilitation arrivant à échéance en phase avec le calendrier national périodique D : habilitation d une nouvelle formation Avis n 2010/07-01 relatif à l habilitation de l Université de technologie de Belfort-Montbéliard (UTBM) à délivrer des titres d ingénieur diplômé Objet : A : examen de l habilitation arrivant à échéance

Plus en détail

Notice biographique Repères biographiques communs. Nom : LAPAYRE Prénom : JEAN-CHRISTOPHE Section : 27

Notice biographique Repères biographiques communs. Nom : LAPAYRE Prénom : JEAN-CHRISTOPHE Section : 27 Notice biographique Repères biographiques communs Nom : LAPAYRE Prénom : JEAN-CHRISTOPHE Section : 27 Corps : Professeur Equipe de recherche Grade : 1ère Classe UMR CNRS 6174 FEMTO-ST, Dept DISC Ecole

Plus en détail

Evaluation de performance en Sûreté de Fonctionnement

Evaluation de performance en Sûreté de Fonctionnement Groupe SdF Midi-Pyrénées Toulouse 5 juin 2015 Evaluation de performance en Sûreté de Fonctionnement - Andre.cabarbaye Plan Introduction Types de performances Finalité des analyses Attentes du donneur d

Plus en détail

Restez maître de votre process et de vos coûts avec Control Technology Inc. CTI Série 2500

Restez maître de votre process et de vos coûts avec Control Technology Inc. CTI Série 2500 Restez maître de votre process et de vos coûts avec Control Technology Inc. CTI Série 2500 Des API robustes et puissants pour le contrôle des process et l automation des machines Une supervision IHM/SCADA

Plus en détail

Génie Industriel et Maintenance

Génie Industriel et Maintenance Visite du département Génie Industriel et Maintenance Pour qu aucun de ces systèmes ne tombe en panne. Plan de la visite 1 2 3 4 6 5 1 er Etage 7 8 Rez-de-chaussée 1 Laboratoire de recherche Rôles : L

Plus en détail

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac. CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.ma) N.B. : Les étudiants qui ont déposé leurs demandes d'inscription

Plus en détail

1 Bref Curriculum Vitae

1 Bref Curriculum Vitae Hélène FARGIER Institut de Recherche en Informatique de Toulouse (IRIT) 118 route de Narbonne, 31062 Toulouse Cedex 9, France Tel : (33) 5. 61.55.82.97 E-mail : fargier@irit.fr État civil : 48 ans, veuve,

Plus en détail

Logiciel SIMATIC PDM. Siemens FI 01 2003

Logiciel SIMATIC PDM. Siemens FI 01 2003 Logiciel /2 /2 Domaine d application /2 Interface utilisateur /3 Conduite centrale des appareils /4 Communication /4 Device Description Language /4 Protection d accès /5 Caractéristiques techniques /5

Plus en détail

Présentation formations SPI/EEA

Présentation 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 détail

Conduite optimale des processus : bibliothèque PCS 7 SIMOCODE pro. sirius GESTION DES MOTEURS

Conduite optimale des processus : bibliothèque PCS 7 SIMOCODE pro. sirius GESTION DES MOTEURS Conduite optimale des processus : bibliothèque PCS 7 SIMOCODE pro sirius GESTION DES MOTEURS Supervision, visualisation, anticipation : intégration de SIMOCODE pro dans SIMATIC PCS 7 Supprimer les arrêts

Plus en détail

Intégration des paramètres de maintenance dans la conception du Health Monitoring. Saintis Laurent Laboratoire LASQUO (futur LARIS)

Intégration 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 détail

Création d un nouveau master

Création d un nouveau master République Tunisienne Ministère de l Enseignement Supérieur et de la Recherche Scientifique Création d un nouveau master Pour l années universitaires de 013-014 Institut Supérieur de Gestion Industrielle

Plus en détail

Résultats des projets CARROLL. Bilan et perspectives. Ingénierie logicielle orientée modèle MDD

Résultats des projets CARROLL. Bilan et perspectives. Ingénierie logicielle orientée modèle MDD Résultats des projets CARROLL Bilan et perspectives Ingénierie logicielle orientée modèle MDD Serge Salicki, THALES Workshop CARROLL 23 septembre 2005 THALES et le MDE Le MDE est dans la strategie de THALES

Plus en détail

Julien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration

Julien 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 détail

Administration et sécurité des réseaux M&K ELHDHILI

Administration et sécurité des réseaux M&K ELHDHILI Administration et sécurité des réseaux 1 Plan du cours Chapitre 1: Introduction à l administration des réseaux Domaines d activités Organisation logique (criètères, types de décisions ) Architectures et

Plus en détail

Ivana Rasovska. To cite this version: HAL Id: tel-00257893 https://tel.archives-ouvertes.fr/tel-00257893

Ivana Rasovska. To cite this version: HAL Id: tel-00257893 https://tel.archives-ouvertes.fr/tel-00257893 Contribution à une méthodologie de capitalisation des connaissances basée sur le raisonnement à partir de cas : Application au diagnostic dans une plateforme d e-maintenance. Ivana Rasovska To cite this

Plus en détail

L Intelligence Compétitive 2.0 pour le pilotage des projets e-marketing

L 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 détail

Laboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES

Laboratoire 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 détail

Introduction à l informatique temps réel Pierre-Yves Duval (cppm)

Introduction 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 détail

OFFRE DE FORMATION L.M.D.

OFFRE DE FORMATION L.M.D. REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE OFFRE DE FORMATION L.M.D. MASTER PROFESSIONNEL ET ACADEMIQUE Systèmes d Information

Plus en détail

Gestion d une flotte de robots Configuration et ordre de missions

Gestion d une flotte de robots Configuration et ordre de missions Document Rapport Version Version 1.0 Date 25/03/2008 Auteur Ahmed RADOUA M1 SET Gestion d une flotte de robots Configuration et ordre de missions INSSET UPJV 1 ième année de MASTER Spécialité : (Année

Plus en détail

INFORMATIQUE. Licence 3 e année (L3) & Master (M1-M2) Centre d Etudes Suisse Romande Formation universitaire

INFORMATIQUE. Licence 3 e année (L3) & Master (M1-M2) Centre d Etudes Suisse Romande Formation universitaire Centre d Etudes Suisse Romande Formation universitaire INFORMATIQUE Licence 3 e année (L3) & Master (M1-M2) En collaboration avec l Université de Franche-Comté CTU de Besançon Unidistance 2 GÉNÉRALITÉS

Plus en détail

GROUPE DE TRAVAIL MACHINES INTELLIGENTES. 29 octobre 2014 Présentation au GdR Robotique

GROUPE DE TRAVAIL MACHINES INTELLIGENTES. 29 octobre 2014 Présentation au GdR Robotique GROUPE DE TRAVAIL MACHINES INTELLIGENTES 29 octobre 2014 Présentation au GdR Robotique 1 PLAN ROBOTIQUE ET GROUPE DE TRAVAIL MACHINE INTELLIGENTE : CHAMPS D ACTIONS La Machine Intelligente au cœur des

Plus en détail

AUTOMATES PROGRAMMABLES ET RÉSEAUX DE TERRAIN - CONCEPTION DES SYSTÈMES DE RÉGULATION

AUTOMATES PROGRAMMABLES ET RÉSEAUX DE TERRAIN - CONCEPTION DES SYSTÈMES DE RÉGULATION AUTOMATES PROGRAMMABLES ET RÉSEAUX DE TERRAIN - CONCEPTION DES SYSTÈMES DE RÉGULATION D. Blanc Division ST - Groupe Refroidissement et Ventilation (ST/CV) CERN, Genève, Suisse Résumé Depuis le début des

Plus en détail

Conception d Applications Réparties

Conception d Applications Réparties Jean-François Roos LIFL - équipe GOAL- bâtiment M3 Extension - bureau 206 -Jean-Francois.Roos@lifl.fr 1 Objectifs du Cours Appréhender la conception d applications réparties motivations et concepts architectures

Plus en détail

SOMMAIRE SMART CITIES L EXPERIENCE D HIKOB HIKOB QUI SOMMES NOUS? MISSION 13/01/2014 HIKOB QUI SOMMES NOUS? SMART CITIES ENJEUX

SOMMAIRE SMART CITIES L EXPERIENCE D HIKOB HIKOB QUI SOMMES NOUS? MISSION 13/01/2014 HIKOB QUI SOMMES NOUS? SMART CITIES ENJEUX SOMMAIRE SMART CITIES L EXPERIENCE D HIKOB HIKOB QUI SOMMES NOUS? SMART CITIES ENJEUX SMART CITIES COMPLEXITE SMART CITIES CAS 1 : SMART CITIES CAS 2 : ITS SMART CITIES CAS 3 : VIABILITE HIVERNALE CONCLUSION

Plus en détail

Département IEM. BD-IA Passé, Présent, Futur. Rencontres. 19 mai 2006

Département IEM. BD-IA Passé, Présent, Futur. Rencontres. 19 mai 2006 Département IEM BD-IA Passé, Présent, Futur Rencontres 19 mai 2006 Département IEM BD-IA Responsable : Kokou Yétongnon, Professeur Co-responsable : Nadine Cullot, Professeur Master Sciences Technologies

Plus en détail

SharePoint Server 2013 Déploiement et administration de la plate-forme

SharePoint Server 2013 Déploiement et administration de la plate-forme Présentation des technologies SharePoint 1. Historique des technologies SharePoint 13 1.1 SharePoint Team Services v1 14 1.2 SharePoint Portal Server 2001 14 1.3 Windows SharePoint Services v2 et Office

Plus en détail

Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures :

Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures : Appel à candidatures : Année de campagne : 2014 N appel à candidatures : ATER0318 Publication : 12/02/2014 Etablissement : Lieu d'exercice des fonctions : Section1 : 27 - Informatique Quotité du support

Plus en détail

UE 8 Systèmes d information de gestion Le programme

UE 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 détail

La robotique dans l enseignement de l informatique. CreativeStudio Sàrl www.creative-studio.ch Raphael Holzer

La robotique dans l enseignement de l informatique. CreativeStudio Sàrl www.creative-studio.ch Raphael Holzer La robotique dans l enseignement de l informatique CreativeStudio Sàrl www.creative-studio.ch Raphael Holzer But de cours Présenter le robot LEGO MINDSTORMS NXT. Comprendre le fonctionnement de quelques

Plus en détail

Offre de formation de troisième cycle (LMD)

Offre de formation de troisième cycle (LMD) Offre de formation de troisième cycle (LMD) (Arrêté n 250 du 28 juillet 2009, fixant l organisation de la formation de troisième en vue de l obtention du diplôme de doctorat) Etablissement Faculté / Institut

Plus en détail

L automatique du point de vue maintenance

L automatique du point de vue maintenance S6 L automatique du point de vue maintenance L enseignement de l automatique vise l acquisition des compétences nécessaires à : -la RÉALISATION des interventions de maintenance sur des Systèmes Automatisés

Plus en détail

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 3 : Le web dans l entreprise Sommaire Introduction... 1 Intranet... 1 Extranet...

Plus en détail

Ingénierie de Systèmes Intelligents

Ingénierie de Systèmes Intelligents Ingénierie de Systèmes Intelligents p. 1/ Ingénierie de Systèmes Intelligents Application : Web Intelligent Maria Malek EISTI Ingénierie de Systèmes Intelligents p. 2/ Objectif Traitement Intelligent des

Plus en détail

CONCEPTS GENERIQUES POUR LA SUPERVISION DES RESEAUX MULTIMODAUX

CONCEPTS GENERIQUES POUR LA SUPERVISION DES RESEAUX MULTIMODAUX CONCEPTS GENERIQUES POUR LA SUPERVISION DES RESEAUX MULTIMODAUX G. Scemama, Mustapha Tendjaoui, Olivier Carles INRETS_GRETIA Principe de la supervision (1) Optimisation du triangle Homme/Système Système/Monde

Plus en détail

Présentation de la Société

Présentation 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 détail

FLEXIBILITE CONTINUITE LIAISON PAR INTERNET SOLUTIONS STANDARD

FLEXIBILITE 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 détail

Analyse qualitative et quantitative des Systèmes Automatisés de Production

Analyse qualitative et quantitative des Systèmes Automatisés de Production Analyse qualitative et quantitative des Systèmes Automatisés de Production Jean-Luc Cojan Laboratoire LISyC Université de Bretagne Occidentale Encadrants : M. Philippe Le Parc M. Loïc Plassart M. Franck

Plus en détail

Formation de masse et nouvelles technologies éducatives

Formation de masse et nouvelles technologies éducatives Formation de masse et nouvelles technologies éducatives www.auf.org Contexte: Les pratiques autour de l'usage des TIC en soutien au développement de l'éducation, définies par les institutions francophones

Plus en détail

Programme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique

Programme 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 détail

CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION

CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION Laboratoire Systèmes de Vision Embarqués CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION RT LIST DTSI - LSVE CEA/SACLAY 91191 GIF-SUR-YVETTE CEDEX

Plus en détail

Définir une politique de maintenance et sa stratégie de mise en œuvre de responsabilités

Définir 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 détail

Calcul Haute Performance avec OpenTURNS

Calcul Haute Performance avec OpenTURNS Calcul Haute Performance avec OpenTURNS Renaud Barate EDF R&D Workshop du GdR MASCOT-NUM «Quantification d incertitude et calcul intensif» 28 Mars 2013 Sommaire Présentation du logiciel OpenTURNS Problématiques

Plus en détail

INGENIERIE DES SYSTEMES INFORMATIQUES - PARCOURS : MOBILITE ET CLOUD COMPUTING

INGENIERIE 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 détail

Documentation. Présentation (simplifiée) de PL7 PRO

Documentation. Présentation (simplifiée) de PL7 PRO Documentation Présentation (simplifiée) de PL7 PRO L objectif de cette documentation technique est de présenter le logiciel PL7 Pro distribué par Schneider Automation en vue de la conception et de la réalisation

Plus en détail

COMIT Une bibliothèque de composants logiciels sécurisés pour applications relatives à la sûreté. Atelier du Ris Le 6/06/2002 TOULOUSE

COMIT Une bibliothèque de composants logiciels sécurisés pour applications relatives à la sûreté. Atelier du Ris Le 6/06/2002 TOULOUSE COMIT Une bibliothèque de composants logiciels sécurisés pour applications relatives à la sûreté Atelier du Ris Le 6/06/2002 TOULOUSE COMIT : Sommaire de la présentation Les applications visées, Les objectifs,

Plus en détail

Master Informatique de l Université de Franche-Comté

Master Informatique de l Université de Franche-Comté Master Informatique de l Université de Franche-Comté Présentation aux étudiants de Master 1 ère année Formation adossée au département DISC de l UMR CNRS FEMTO-ST Jacques Julliand, Pierre-Alain Masson,

Plus en détail

Solutions informatiques (SI) Semestre 1

Solutions informatiques (SI) Semestre 1 Solutions informatiques (SI) Cette unité vise l acquisition de compétences générales à partir desquelles sont construites les compétences propres aux parcours de spécialisation. Elle comprend, d une part,

Plus en détail

Introduction aux systèmes répartis

Introduction aux systèmes répartis Introduction aux systèmes répartis Grappes de stations Applications réparties à grande échelle Systèmes multicalculateurs (1) Recherche de puissance par assemblage de calculateurs standard Liaison par

Plus en détail

Spécialité robotique de service et intégration des systèmes embarqués. F. Jumel A. Guenard J. Saraydaryan. N. Abouchi G.

Spécialité robotique de service et intégration des systèmes embarqués. F. Jumel A. Guenard J. Saraydaryan. N. Abouchi G. Spécialité robotique de service et intégration des systèmes embarqués F. Jumel A. Guenard J. Saraydaryan N. Abouchi G. Pignault 1 Projet de spécialité robotique Création d une Spécialité Robotique de Service

Plus en détail

Cuve tampon (Régulation Niveau Débit) Système d étude (Cuve tampon) de régulation de niveau, débit et instrumentation

Cuve tampon (Régulation Niveau Débit) Système d étude (Cuve tampon) de régulation de niveau, débit et instrumentation Cuve tampon (Régulation Niveau Débit) Système d étude (Cuve tampon) de régulation de niveau, débit et instrumentation Regulflex 1 Cuve Tampon (Régulation Niveau Débit) en un clin d œil Sections Electrotechnique,

Plus en détail

PLAN DE FORMATION TECHNICIEN(NE) D'ASSISTANCE EN INFORMATIQUE TAI

PLAN DE FORMATION TECHNICIEN(NE) D'ASSISTANCE EN INFORMATIQUE TAI PLAN DE FORMATION TECHNICIEN(NE) D'ASSISTANCE EN INFORMATIQUE TAI Technicien(ne) d'assistance en Informatique Titre professionnel Ministère du travail : TP-00476 Niveau : IV Date de parution au JO : 26

Plus en détail

Généralités sur les bases de données

Généralités sur les bases de données Généralités sur les bases de données Qu est-ce donc qu une base de données? Que peut-on attendre d un système de gestion de bases de données? Que peut-on faire avec une base de données? 1 Des données?

Plus en détail