(VM(t i ),Q(t i+j ),VM(t i+j ))

Dimension: px
Commencer à balayer dès la page:

Download "1.5 0.5 -0.5 -1.5 0 20 40 60 80 100 120. (VM(t i ),Q(t i+j ),VM(t i+j ))"

Transcription

1 La logique oue dans les PME/PMI Application au dosage de l'eau dans les bétons P.Y. Glorennec INSA de Rennes/IRISA C. Hérault Hydrostop V. Hulin Hydrostop T. Le Quézourec Jessica Ouest Résumé Le dosage automatique de l'eau pour la fabrication de béton est un problème assez dicile. Il faut en eet obtenir le plus rapidement possible un produit de plasticité donnée, alors que la plasticité réelle n'est connue qu'après un temps de malaxage et d'homogénéisation assez long. La société Hydrostop commercialise un procédé empirique assez able pour le dosage de l'eau, mais a souhaité l'améliorer pour réduire si possible le temps de malaxage et introduire des sécurités qui n'existent pas à l'heure actuelle. Un nouveau procédé, basé sur la logique oue, a été développé grâce au soutien de Jessica Ouest. Le principe consiste à prédire en temps réel la plasticité du béton. Pour cela, un apprentissage en ligne permet de constituer automatiquement une base de connaissances à partir de quelques points de mesure initiaux. Mots clés : intelligence articielle, logique oue, sonde virtuelle, diagnostic, prévision du volume d'eau, apprentissage automatique. 1 Introduction La société Hydrostop est une très petite entreprise de quatre personnes, qui contrôle environ 70% du marché français des systèmes de dosage automatique de l'eau dans le béton. Le béton produit est destiné à être versé dans des moules pour obtenir des produits assez variés : plaques, parpaings, tuyaux etc. Selon son utilisation, le béton qui sort du malaxeur doit avoir une plasticité donnée, fonction de sa teneur en eau : trop sec, le remplissage des moules serait mal eectué ; trop mouillé, le produit démoulé se déformerait. Hydrostop a mis au point un procédé empirique simple assez able, en utilisant une sonde résistive pour estimer la teneur en eau du mélange. La diculté du problème vient du fait que la plasticité réelle n'est connue que lorsque le mélange agrégat-ciment-eau est parfaitement homogénéisé : la résistivité achée n'est pas égale à la résistivité réelle 1. De ce fait, un manque ou un excès d'eau ne peuvent pas être détectés à temps : dans les deux cas la gâchée est perdue. Le procédé actuel consiste à apporter de l'eau en continu jusqu'à un 1. Elle ne le devient qu'après un temps de malaxage susamment long.

2 certain point, xé par l'utilisateur ou automatiquement, puis à compléter le dosage par des petites impulsions d'eau. Pour abiliser le procédé, Hydrostop a fait appel à Jessica Ouest, qui a nancé une expertise sur la faisabilité d'un procédé basé sur la logique oue, ainsi qu'une formation en entreprise. Le plan de l'exposé est le suivant. Le paragraphe 2 présente rapidement la logique loue. Le problème posé par Hydrostop est décrit au paragraphe 3 et la méthode utilisée au paragraphe 4. 2 La logique oue La logique oue possède de multiples facettes, mais, dans cet exposé, nous n'aborderons que son utilisation pour le traitement des connaissances dans des problèmes industriels. Le traitement des connaissances comprend trois aspects : la représentation des connaissances, sous une forme proche du langage naturel, l'extraction automatique de connaissances interprétables, à partir de données numériques, la réactualisation des connaissances en tenant compte des erreurs. Les connaissances humaines sont souvent exprimées en utilisant des termes ous, comme petit, lent, chaud, etc, termes qui n'ont aucune signication intrinsèque mais qui sont immédiatementinterprétés correctement dans un contexte donné. Cette représentation présente l'avantage d'être totalement compréhensible et de décrire simplement des situations types. Un système d'inférence oue (SIF) se présente alors comme un outil de traitement de l'information en utilisant les connaissances disponibles. Une démarche basée sur la logique oue comporte plusieurs étapes. 1. Pour chaque variable (par exemple, la température, la quantité d'eau...), on réalise une partition grossière du domaine de variation. Cette partition est caractérisée par des sous-ensembles ous auxquels on associe des termes linguistiques. Cette partition permet de résumer de façon qualitative les valeurs de la variable : x est petit est une caractérisation d'un ensemble de valeurs que peut prendre la variable x. petit moyen grand 0,6 0,4 x 0 Fig. 1Partition oue sur le domaine d'une variable

3 2. Il faut ensuite dénir, sur le domaine de chaque variable, des fonctions d'appartenance associées aux sous-ensembles ous. Ces fonctions d'appartenance permettront de quantier précisément à quel degré une observation donnée de la variable appartient à un sous-ensemble ou. Par exemple, dans la gure 1, l'observation notée x 0 sera considérée comme petite à 40% et moyenne à 60%. 3. Il faut enn écrire, manuellement ou automatiquement, la base de règles. Il existe des algorithmes permettant d'enchaîner ces étapes. L'utilisateur n'a juste qu'à xer le nombre de sous-ensembles ous qu'il veut utiliser pour caractériser qualitativement les variations d'une variable, voir [1]. Les Systèmes d'inférence oue (SIF) peuvent approximer avec une précision xée à l'avance toute fonction continue d'un espace à n dimensions dans R : on parle de propriété d'approximation universelle. Cette propriété est vériée par d'autres modèles numériques, comme les ondelettes, les séries de Fourier, les réseaux de neurones etc. Les avantages de la logique oue par rapport aux autres modèles sont les suivants : les réponses d'un SIF sont prévisibles et explicables ; le degré de abilité d'une réponse est quantiable : si la base de connaissance ne permet pas de traiter un cas précis, l'utilisateur peut en être averti ; les règles peuvent être validées individuellement, soit a priori en utilisant la connaissance d'un expert, soit a posteriori après extraction automatique des règles. L'inconvénient majeur est qu'il faut se limiter à des problèmes de petite dimension, de moins de cinq ou six variables explicatives. Pour aller au delà, et si on veut garder une base de connaissances lisible, on doit utiliser des arbres de régression ous. 3 Application au dosage de l'eau dans les bétons Chaque usage du béton nécessite une plasticité déterminée. Cette plasticité est mesurée par une sonde résistive et est ensuite traduite par un nombre, appelé valeur de mouillage (VM), variant entre 0 (mélange très sec) à 120 (mélange très mouillé). Les systèmes de dosage commandent l'arrivée d'eau pour obtenir une VM de consigne. De nombreux paramètres interviennent dans une gâchée : le volume de la gâchée, la teneur en eau initiale des agrégats, leur température, la granulométrie des composants, la quantité d'eau versée, la valeur de la consigne. Par ailleurs, la mesure de résistivité n'est pas linéaire : elle est innie pour un mélange très sec et tend vers zéro quand il devient très mouillé. Enn, les mesures intermédiaires de résistivité ne sont pas ables. Pour réduire la complexité, chaque usage du béton correspond à un ensemble de paramètres regroupés dans une recette. Une centrale à béton utilise généralement plusieurs dizaines de recettes qui sont utilisées dans un ordre quelconque, en fonction des besoins et de la disponibilité des moules. Lors de l'établissement d'une recette, l'exploitant ajuste à vue la quantité d'eau nécessaire pour obtenir la plasticité requise, attend l'homogénéisation complète et enregistre la VM mesurée : cette VM devient alors la consigne associée à la recette. Cependant, pour une même VM de consigne, les quantités d'eau nécessaires varient de manière trop importante d'une gâchée à une autre, si bien que cette valeur ne peut pas être associée à la recette.

4 En analysant 44 gâchées consécutives eectuées sur trois jours dans le même malaxeur, on constate que la VM réelle en n de cycle dépasse souvent la consigne de quelques unités. Dans le tableau 1, la colonne écart indique le dépassement en n de cycle, en unités de VM ; les colonnes suivantes donnent le nombre de cas où ce dépassement est observé ainsi que le pourcentage ; enn, la colonne VM donne la valeur moyenne des VM pour lesquelles le dépassement a été observé. Sur les 44 gâchées analysées, cette dernière colonne montre nettement que les consignes de mouillage faibles sont plus diciles que les autres à respecter. Le tableau montre aussi qu'il y a manifestement une certaine diculté à règler nement les diérents paramètres d'une gâchée. écart nombre % VM ,8 106, ,6 100, ,5 95, ,8 95, ,1 95, ,1 78,5 Tab. 1 Analyse de 44 gâchées consécutives portant sur 9 recettes et diérentes VM de consigne. Une première partie de l'étude a consisté à rechercher un modèle ou du procédé. Le problème principal provenant de l'inertie de la sonde, il a été décidé de chercher à modéliser la VM réelle instantanée, c'est-à-dire la VM qui serait mesurée si on arrétait l'arrivée d'eau et si on attendait l'homogénéisation. Cette valeur modélisée est par la suite appelée VM virtuelle et notée VM v (t). Les variables explicatives sont: la résistivité du mélange initial, avant tout apport d'eau et après un temps de malaxage susant, notée VM init, la quantité d'eau à l'instant t, Q(t), Le modèle est donc : VM v (t) =f(vm init,q(t)) (1) La fonction de régression, f, est un SIF pour lequel le domaine de variation des deux entrées a été découpé en quatre sous-ensembles ous, ce qui conduit à un système de 16 règles. Ces règles ont été extraites automatiquement à partir de données réelles provenant d'un même malaxeur et pour une même recette. Les données ont été divisées en deux : une partie pour l'apprentissage et l'autre pour tester les capacités de généralisation du SIF obtenu. La gure 2 montre que les erreurs de modélisation restent inférieures à deux unités, ce qui est très satisfaisant. Il est donc possible d'utiliser un tel modèle pour agir sur l'électro-vanne d'eau. 4 Le nouveau procédé de dosage Chaque centrale à béton et chaque recette constituent des cas particuliers. Il n'est donc pas possible d'écrire a priori un système de règles unique, valable dans tous les cas. Il n'est pas, non plus, envisageable d'exiger une campagne de mesure comme préalable à

5 Fig. 2Erreur de modélisation pour une recette. l'établissement d'une recette. Les contraintes à respecter sont très fortes et peuvent être résumées comme suit : le système doit être totalement auto-adaptatif, il ne doit nécessiter que une ou deux gâchées pour l'initialisation d'une recette 2 l'apprentissage doit se faire en ligne. Un nouveau protocole a donc été adopté. Il se divise en deux : un protocole pour l'établissement d'une recette et un second pour l'exploitation normale. 4.1 Etablissement d'une recette L'objectif est d'obtenir le plus de renseignements possible à partir de la gâchée d'initialisation. La seule diérence avec le protocole précédent, c'est qu'il sera demandé à l'exploitant d'eectuer des poses au cours de la gâchée d'initialisation, pour permettre des homogénéisations intermédiaires. Le but est d'obtenir des triplets : (VM(t i ),Q(t i+j ),VM(t i+j )) avec i 0 et j 1. VM(t i ) représente la VM mesurée à l'instant t i, Q(t i+j ) représente la quantité d'eau versée jusqu'à l'instant t i+j et VM(t i+j ) la VM résultante, VM init = VM(t 0 ). Ces triplets permettront seulement de n'initialiser que quelques règles du SIF. Les autres règles seront alors obtenues par diusion de la connaissance (voir [1]). Elles devront être conrmées ultérieurement par apprentissage en ligne. L'établissement d'une recette permet donc de remplir complètement la base de règles de valeurs réalistes, en partant d'une base de règles vide. 4.2 Exploitation du modèle Dès l'initialisation, le modèle précédent est exploitable mais demande à être ané : certaines règles, qui correspondent à des situations très diérentes de celles qui ont été rencontrées lors de l'initialisation, ne sont que des estimations. Le protocole standard peut 2. Actuellement, il faut nécessairement une gâchée d'initialisation pour chaque recette.

6 être décrit de la façon suivante. 1. Malaxage initial pour obtenir une valeur able de VM init. 2. Apport d'eau en continu tant que VM v (t) <VM cons ɛ (2) où VM cons représente la consigne et ɛ une marge de sécurité. 3. Malaxage nal pour obtenit la VM réelle. 4. Correction éventuelle des règles si l'erreur de modélisation dépasse un seuil. Comme le SIF peut acher le degré de abilité de sa réponse, il est aussi possible de modier automatiquement le protocole standard pour permettre l'introduction de points de mesures complémentaires. Cette fonctionnalité ne sera cependant pas implémentée dans l'immédiat. 5 Conclusion La nouvelle version du système de dosage de l'eau est en cours de codage sur les automates de Hydrostop. Parallèlement, une applet écrite en langage Java a été écrite et sera bientôt disponible sur le site Web de Hydrostop. Cet applet aura pour but : de servir de démonstrateur du nouveau système, mais aussi de permettre une prise en main plus aisée par les utilisateurs. En eet, un modèle de gâchée a été implémenté et l'utilisateur pourra s'entrainer dans des conditions proches des conditions réelles. Références [1] P.Y. Glorennec, Algorithmes d'apprentissage pour systèmes d'inférence oue, Editions Hermès, 1999.

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

Compte-rendu de projet de Système de gestion de base de données

Compte-rendu de projet de Système de gestion de base de données Compte-rendu de projet de Système de gestion de base de données Création et utilisation d'un index de jointure LAMBERT VELLER Sylvain M1 STIC Université de Bourgogne 2010-2011 Reponsable : Mr Thierry Grison

Plus en détail

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes. Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis

Plus en détail

Algorithmes d'apprentissage

Algorithmes d'apprentissage Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt

Plus en détail

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R 2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications

Plus en détail

Diagrammes de décisions binaires

Diagrammes de décisions binaires Diagrammes de décisions binaires Épreuve pratique d'algorithmique et de programmation Concours commun des écoles normales supérieures Durée de l'épreuve: 3 heures 30 minutes Juillet 2009 ATTENTION! N oubliez

Plus en détail

Calcul rapide des puissances

Calcul rapide des puissances Calcul rapide des puissances Par Mathtous Il s'agit de puissances à exposant entier naturel (avec la convention a 0 = 1, et a 1 = a). Si on applique la dénition pour calculer a n, on calcule de proche

Plus en détail

a) La technique de l analyse discriminante linéaire : une brève présentation. 3 étapes de la méthode doivent être distinguées :

a) La technique de l analyse discriminante linéaire : une brève présentation. 3 étapes de la méthode doivent être distinguées : a) La technique de l analyse discriminante linéaire : une brève présentation. Nous nous limiterons ici à l'analyse discriminante linéaire et à deux groupes : - linéaire, la variante utilisée par ALTMAN

Plus en détail

TP2 - Conguration réseau et commandes utiles. 1 Généralités. 2 Conguration de la machine. 2.1 Commande hostname

TP2 - Conguration réseau et commandes utiles. 1 Généralités. 2 Conguration de la machine. 2.1 Commande hostname Département d'informatique Architecture des réseaux TP2 - Conguration réseau et commandes utiles L'objectif de ce TP est d'une part de vous présenter la conguration réseau d'une machine dans l'environnement

Plus en détail

TP : Shell Scripts. 1 Remarque générale. 2 Mise en jambe. 3 Avec des si. Systèmes et scripts

TP : Shell Scripts. 1 Remarque générale. 2 Mise en jambe. 3 Avec des si. Systèmes et scripts E3FI ESIEE Paris Systèmes et scripts B. Perret TP : Shell Scripts 1 Remarque générale Lorsque vous cherchez des informations sur Internet, n'oubliez pas que langage de shell script que nous avons vu correspond

Plus en détail

Recherche dans un tableau

Recherche dans un tableau Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6

Plus en détail

Vers l'ordinateur quantique

Vers l'ordinateur quantique Cours A&G Vers l'ordinateur quantique Données innies On a vu dans les chapîtres précédents qu'un automate permet de représenter de manière nie (et même compacte) une innité de données. En eet, un automate

Plus en détail

J0MS7301 : Algorithmique et Programmation Objet. Feuille d'exercices 2. Structures

J0MS7301 : Algorithmique et Programmation Objet. Feuille d'exercices 2. Structures Master MIMSE - Spécialité 3-1ère Année J0MS7301 : Algorithmique et Programmation Objet Feuille d'exercices 2 Structures Exercice 1 : Ecrire un programme qui : dénit une structure horaire au format heures,

Plus en détail

Faculté Polytechnique de Mons

Faculté Polytechnique de Mons Faculté Polytechnique de Mons Génération d'un site Web automatiquement à partir d'une base de données relationnelle : Utilisation de XML Projet de 3 e Informatique et Gestion Année académique 2007-2008

Plus en détail

Projet Scientique Collectif Application d'un réseau de neurones à la prédiction d'un cours de bourse

Projet Scientique Collectif Application d'un réseau de neurones à la prédiction d'un cours de bourse Projet Scientique Collectif Application d'un réseau de neurones à la prédiction d'un cours de bourse DÉMIANS-BONAUD d'archimbaud, Édouard FOESSEL, Laure GRANBICHLER, Josef LE PAVEC, Jean MOUTERDE, Joël

Plus en détail

Quels usages des données massives pour les statistiques publiques? Enjeux, méthodes et perspectives

Quels usages des données massives pour les statistiques publiques? Enjeux, méthodes et perspectives Quels usages des données massives pour les statistiques publiques? Enjeux, méthodes et perspectives Stéphanie Combes et Pauline Givord (DMCSI) INSEE-DMSCI 02/04/2015 Plan Qu'est-ce que le Big Data? Les

Plus en détail

Télécom Nancy Année 2013-2014

Télécom Nancy Année 2013-2014 Télécom Nancy Année 2013-2014 Rapport 1A Ajout du langage C dans la Programmer's Learning Machine GIANNINI Valentin Loria 615, rue du Jardin Botanique 54600, Villers-Lès-Nancy Maître de stage : QUINSON

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1 Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe

Plus en détail

Année Universitaire 2009/2010 Session 2 de Printemps

Année Universitaire 2009/2010 Session 2 de Printemps Année Universitaire 2009/2010 Session 2 de Printemps DISVE Licence PARCOURS : CSB4 & CSB6 UE : INF 159, Bases de données Épreuve : INF 159 EX Date : Mardi 22 juin 2010 Heure : 8 heures 30 Durée : 1 heure

Plus en détail

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1 CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste

Plus en détail

Les principaux domaines de l informatique

Les principaux domaines de l informatique Les principaux domaines de l informatique... abordés dans le cadre de ce cours: La Programmation Les Systèmes d Exploitation Les Systèmes d Information La Conception d Interfaces Le Calcul Scientifique

Plus en détail

Outils et Méthodes - Réseau social professionnel

Outils et Méthodes - Réseau social professionnel Outils et Méthodes - Réseau social professionnel Franck Sajous - CLLE-ERSS Ce document est disponible à l'adresse : http://w3.erss.univ-tlse2.fr/membre/fsajous/sdl/sl02358x/5/ 1 Diagramme de classes 1.1

Plus en détail

FAQ: revo Monitoring System: rms

FAQ: revo Monitoring System: rms FAQ: revo Monitoring System: rms V161011fr 1.De quoi est composé le système rms?...1 2.Comment le rms prédit-il la durée de chaux restante?...3 3.Puis-je mettre à jour mon Shearwater actuel avec le rms?...3

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Pourquoi l apprentissage?

Pourquoi l apprentissage? Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage

Plus en détail

P. VALLON - Retraitement en place à froid - Juillet 2009

P. VALLON - Retraitement en place à froid - Juillet 2009 à é Ministère de l'écologie, de l'énergie, du Développement durable et de l'aménagement du territoire P. VALLON - Retraitement en place à froid - Juillet 2009 WWW.developpement-durable.gouv.fr Constitution

Plus en détail

Guide pour la conception d'une application en C

Guide pour la conception d'une application en C Guide pour la conception d'une application en C Ph. Preux DESS IMST, ULCO Novembre 1999 1 Principes généraux Une application informatique, dès qu'elle dépasse une centaine de lignes de code, doit impérativement

Plus en détail

L apprentissage automatique

L apprentissage automatique L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer

Plus en détail

Etudes des nuages et de la convection autour des dépressions intenses des moyennes latitudes

Etudes des nuages et de la convection autour des dépressions intenses des moyennes latitudes Etudes des nuages et de la convection autour des dépressions intenses des moyennes latitudes Jérôme DREANO 28 Février 2014 1 Introduction Dans le modèle LMDZ, les paramétrisations physiques des nuages

Plus en détail

LA PROCEDURE D'EVALUATION A.NA.PSY.p.e. EST LE RESULTAT D'UNE RECHERCHE

LA PROCEDURE D'EVALUATION A.NA.PSY.p.e. EST LE RESULTAT D'UNE RECHERCHE LA PROCEDURE D'EVALUATION A.NA.PSY.p.e. EST LE RESULTAT D'UNE RECHERCHE CETTE RECHERCHE A ETE FINANCEE PAR Le Ministère des Affaires Sociales et de l'emploi, Direction Générale de la Santé,Sous- Direction

Plus en détail

METHODOLOGIE : INGENIERIE DES SYSTEMES

METHODOLOGIE : INGENIERIE DES SYSTEMES METHODOLOGIE : INGENIERIE DES SYSTEMES L ingénierie de systèmes regroupe l ensemble des activités de pilotage des projets de construction effective d un système en s appuyant sur sa décomposition architecturale

Plus en détail

L INFORMATION GEOGRAPHIQUE

L INFORMATION GEOGRAPHIQUE Champs sur Marne ENSG/CERSIG Le 19-nove.-02 L INFORMATION GEOGRAPHIQUE Archivage Le Système d information géographique rassemble de l information afin de permettre son utilisation dans des applications

Plus en détail

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils

Plus en détail

Manuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO

Manuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour

Plus en détail

Éléments d'architecture des ordinateurs

Éléments d'architecture des ordinateurs Chapitre 1 Éléments d'architecture des ordinateurs Machines take me by surprise with great frequency. Alan Turing 1.1 Le Hardware Avant d'attaquer la programmation, il est bon d'avoir quelques connaissances

Plus en détail

2B La résolution de modèles linéaires par Excel 2010

2B La résolution de modèles linéaires par Excel 2010 2B La résolution de modèles linéaires par Excel 2010 Nous reprenons ici, de façon plus détaillée, la section où est indiqué comment utiliser le solveur d'excel 2010 pour résoudre un modèle linéaire (voir

Plus en détail

TEXT MINING. 10.6.2003 1 von 7

TEXT MINING. 10.6.2003 1 von 7 TEXT MINING 10.6.2003 1 von 7 A LA RECHERCHE D'UNE AIGUILLE DANS UNE BOTTE DE FOIN Alors que le Data Mining recherche des modèles cachés dans de grandes quantités de données, le Text Mining se concentre

Plus en détail

Les éléments essentiels d un plan de mesure et vérification (pmv) de la performance énergétique selon l ipmvp

Les éléments essentiels d un plan de mesure et vérification (pmv) de la performance énergétique selon l ipmvp SYPIM Syndicat du Pilotage et de la Mesure de la performance énergétique Les éléments essentiels d un plan de mesure et vérification (pmv) de la performance énergétique selon l ipmvp Fédération des Services

Plus en détail

Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101. Travail pratique #2

Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101. Travail pratique #2 Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101 Danny Dubé Hiver 2014 Version : 11 avril Questions Travail pratique #2 Traduction orientée-syntaxe

Plus en détail

TER Master 1 (FMIN200) Développement d'un Oracle Lexical Rapport Final

TER Master 1 (FMIN200) Développement d'un Oracle Lexical Rapport Final TER Master 1 (FMIN200) Développement d'un Oracle Lexical Rapport Final VEYSSIER Julien, BISQUERT Pierre, PAIVA LIMA DA SILVA Bruno, BELMONTE Rémy Encadrant : M. Lafourcade 2 juin 2009 1 2 TER 2009 groupe

Plus en détail

Visualisation des lignes de crêtes apparentes de modèles 3D

Visualisation des lignes de crêtes apparentes de modèles 3D Visualisation des lignes de crêtes apparentes de modèles 3D HAEHNEL Jonathan Université de Strasbourg 17 mai 2013 Haehnel Jonathan Visualisation des lignes de crêtes apparentes de modèles 3D 17 mai 2013

Plus en détail

Processus de décision répartis

Processus de décision répartis Processus de décision répartis Florent Matignon Renato Matuzaki Honda Miguel Robles 30 mars 2010 Table des matières I Introduction 2 Système réparti 2 II L'état global 2 1 Introduction 2 1.1 La problématique.........................................

Plus en détail

Chapitre 3 Les régimes de fonctionnement de quelques circuits linéaires

Chapitre 3 Les régimes de fonctionnement de quelques circuits linéaires Chapitre 3 Les régimes de fonctionnement de quelques circuits linéaires 25 Lechapitreprécédent avait pour objet l étude decircuitsrésistifsalimentéspar dessourcesde tension ou de courant continues. Par

Plus en détail

PRESENTOIR VERRES ET BOUTEILLE A WHISKY

PRESENTOIR VERRES ET BOUTEILLE A WHISKY Plan d'expériences TAGUCHI Nom Prénom Protocole d'expérimentation Date Indice PRESENTOIR VERRES ET BOUTEILLE A WHISKY GROUPE D'EXPERIMENTATION Nom Prénom Nom Prénom Nom Prénom Nom Prénom Fonction Fonction

Plus en détail

2.5 Les bétons : fabrication et transport

2.5 Les bétons : fabrication et transport .5 Les bétons : fabrication et transport.5.1 - La fabrication du béton Avant d aborder la fabrication du béton, il n est pas inutile de rappeler qu il s agit d un matériau obtenu en mélangeant un ensemble

Plus en détail

INSTALLATION POUR LA MESURE EN CELLULE BLINDÉE DU VOLUME DES AIGUILLES COMBUSTIBLES PROKUDANOV D.L., TROITSKII S.V.

INSTALLATION POUR LA MESURE EN CELLULE BLINDÉE DU VOLUME DES AIGUILLES COMBUSTIBLES PROKUDANOV D.L., TROITSKII S.V. CEA CEN-SACLAY Service de Documentation Groupe "Traductions" CEA-TR- 2266 R2 91191 GIF sur YVETTE CEDEX INSTALLATION POUR LA MESURE EN CELLULE BLINDÉE DU VOLUME DES AIGUILLES COMBUSTIBLES PROKUDANOV D.L.,

Plus en détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme

Plus en détail

Informatiques. Module : Outils RAD

Informatiques. Module : Outils RAD Management de Projets Informatiques Module : Outils RAD Niveau : S4 du L2/ISIL Génie Logiciel Le terme génie logiciel (en anglais software engineering) désigne l'ensemble des méthodes, des techniques et

Plus en détail

Retournement Temporel

Retournement Temporel Retournement Temporel Rédigé par: HENG Sokly Encadrés par: Bernard ROUSSELET & Stéphane JUNCA 2 juin 28 Remerciements Je tiens tout d'abord à remercier mes responsables de mémoire, M.Bernard ROUSSELET

Plus en détail

Conduite et Gestion de Projet - Cahier des charges

Conduite et Gestion de Projet - Cahier des charges Conduite et Gestion de Projet - Cahier des charges 1 Introduction Sophie Toulouse LIPN - Université Paris 13 +33.1.49.40.40.73 99 av. Jean-Baptiste Clément toulouse@lipn.univ-paris13.fr 93430 Villetaneuse

Plus en détail

MODE D'EMPLOI DE LA CALCULATRICE POUR LES COURTS SÉJOURS DANS L'ESPACE SCHENGEN

MODE D'EMPLOI DE LA CALCULATRICE POUR LES COURTS SÉJOURS DANS L'ESPACE SCHENGEN MODE D'EMPLOI DE LA CALCULATRICE POUR LES COURTS SÉJOURS DANS L'ESPACE SCHENGEN 1. Introduction Le règlement (UE) n 610/2013 du 26 juin 2013 a modifié la convention d'application de l'accord de Schengen,

Plus en détail

Arbres binaires Version prof Version prof

Arbres binaires Version prof Version prof Arbres binaires Version prof Version prof types /* déclaration du type t_element */ t_arbrebinaire = t_noeudbinaire t_noeudbinaire = enregistrement t_element cle t_arbrebinaire fg, fd n enregistrement

Plus en détail

Deuxième partie. Approche globale d'implémentation d'un projet PLM

Deuxième partie. Approche globale d'implémentation d'un projet PLM Deuxième partie Approche globale d'implémentation d'un projet PLM 71 Introduction L'enjeu économique autour de la réduction et de l'optimisation du développement des produits est important pour les entreprises

Plus en détail

Base. Centrales à béton. Vue d ensemble

Base. Centrales à béton. Vue d ensemble Base Centrales à béton Vue d ensemble Votre spécialiste des installations de préparation de béton Le partenariat est une tradition de longue date chez Ammann. Le partenariat est un élément vivant de notre

Plus en détail

ETUDE DE SOL: OBJECTIFS ET FICHE PRATIQUE

ETUDE DE SOL: OBJECTIFS ET FICHE PRATIQUE ETUDE DE SOL: OBJECTIFS ET FICHE PRATIQUE Objectif d'une étude de sol sur site L'objectif d'une étude de sol d'avant projet de construction (étude géotechnique G12.) est de définir ta contrainte ou portance

Plus en détail

Fiche-conseil C5 Production d eau chaude sanitaire

Fiche-conseil C5 Production d eau chaude sanitaire Service d information sur les économies d énergie Fiche-conseil C5 Production d eau chaude sanitaire 1 Préparation de l eau chaude sanitaire 2 1) Différents systèmes de production A Chaudière combinée

Plus en détail

Systèmes Binaires. V. Langlet

Systèmes Binaires. V. Langlet Systèmes Binaires V. Langlet Niveau : De la Terminale aux Maths du supérieur Diculté : De plus en plus dur au l des exercices. Durée : Environ deux heures, suivant la compréhension du sujet. Rubrique(s)

Plus en détail

Enquête 2014 de rémunération globale sur les emplois en TIC

Enquête 2014 de rémunération globale sur les emplois en TIC Enquête 2014 de rémunération globale sur les emplois en TIC Enquête 2014 de rémunération globale sur les emplois en TIC Les emplois repères de cette enquête sont disponibles selon les trois blocs suivants

Plus en détail

Machines virtuelles Cours 1 : Introduction

Machines virtuelles Cours 1 : Introduction Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une

Plus en détail

L'INFORMATIQUE EN MATHÉMATIQUES CALCULATRICES AUX ORDINATEURS

L'INFORMATIQUE EN MATHÉMATIQUES CALCULATRICES AUX ORDINATEURS 123 DES CALCULATRICES AUX ORDINATEURS Pour un élève moyen, pour un enseignant moyen, l'informatique, c'est avant tout la calculatrice. Parce qu'il est impossible d'aller avec une classe d'une quarantaine

Plus en détail

2. Activités et Modèles de développement en Génie Logiciel

2. Activités et Modèles de développement en Génie Logiciel 2. Activités et Modèles de développement en Génie Logiciel Bernard ESPINASSE Professeur à l'université d'aix-marseille Plan Les Activités du GL Analyse des besoins Spécification globale Conceptions architecturale

Plus en détail

9 5 2 5 Espaces probabilisés

9 5 2 5 Espaces probabilisés BCPST2 9 5 2 5 Espaces probabilisés I Mise en place du cadre A) Tribu Soit Ω un ensemble. On dit qu'un sous ensemble T de P(Ω) est une tribu si et seulement si : Ω T. T est stable par complémentaire, c'est-à-dire

Plus en détail

1) Explications (Expert) :

1) Explications (Expert) : 1) Explications (Expert) : Mesures expérimentales : Dans nos conditions d expérience, nous avons obtenu les résultats suivants : Les dimensions des récipients sont : 1) bocal vide : épaisseur de verre

Plus en détail

Les arbres de décision

Les arbres de décision Les arbres de décision 25 Septembre 2007 Datamining 1 2007-2008 Plan 1 Le partitionnement récursif 2 C4.5 3 CART 4 Evaluation de performances 5 Bilan Datamining 2 2007-2008 Les données du Titanic Le partitionnement

Plus en détail

Compte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation

Compte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation 4 6 8 2 4 8 22 26 3 34 38 42 46 5 54 58 62 66 7 74 78 83 89 96 8 44 Bertin Morgan Compte rendu de LA37 B, TP numéro. Les essais effectués par le laboratoire des ponts et chaussés nous ont fournis la température

Plus en détail

Programme d Assurance Qualité (PAQ) pour les bétons des ouvrages d art Canton du Valais

Programme d Assurance Qualité (PAQ) pour les bétons des ouvrages d art Canton du Valais Programme d Assurance Qualité (PAQ) pour les bétons des ouvrages d art Canton du Valais Guide d utilisation Version abrégée Table des matières 1 OBJECTIFS... 2 2 VERSION... 2 3 SPÉCIFICATION DU BÉTON À

Plus en détail

Un grand volume d'eau chaude en un minimum de temps

Un grand volume d'eau chaude en un minimum de temps Isofast 21 Condens Isotwin Condens Isomax Condens condens Chaudières murales gaz condensation accumulées dynamiques Un grand volume d'eau chaude en un minimum de temps La gamme Iso à condensation est la

Plus en détail

Programme canadien de certification des porcs exempts de ractopamine : Information sur le programme et les protocoles pour les activités à la ferme

Programme canadien de certification des porcs exempts de ractopamine : Information sur le programme et les protocoles pour les activités à la ferme Programme canadien de certification des porcs exempts de ractopamine : Information sur le programme et les protocoles pour les activités à la ferme Introduction Le Programme canadien de certification des

Plus en détail

Modélisation et conception d'un. environnement de suivi pédagogique synchrone. d'activités d'apprentissage à distance

Modélisation et conception d'un. environnement de suivi pédagogique synchrone. d'activités d'apprentissage à distance Modélisation et conception d'un environnement de suivi pédagogique synchrone d'activités d'apprentissage à distance Christophe DESPRÉS Laboratoire d Informatique de l'université du Maine Plan de la présentation

Plus en détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3

Plus en détail

Méthodes de développement. Analyse des exigences (spécification)

Méthodes de développement. Analyse des exigences (spécification) 1 / 16 Méthodes de développement Analyse des exigences (spécification) 1 -Objectifs de l'analyse des exigences... 2 2 - Approfondissement et formalisation du besoin... 2 2.1 Séparation des besoins, contraintes

Plus en détail

Conception d'un réseau de transport d'électricité

Conception d'un réseau de transport d'électricité La Fédération Française des Jeux Mathématiques et la Société de Calcul Mathématique SA avec l'appui de Réseau de Transport d'electricité Conception d'un réseau de transport d'électricité Auteurs : Florian

Plus en détail

GESTION DE PROJET SÉANCE 2 : LES CYCLE DE VIE D'UN PROJET

GESTION DE PROJET SÉANCE 2 : LES CYCLE DE VIE D'UN PROJET GESTION DE PROJET SÉANCE 2 : LES CYCLE DE VIE D'UN PROJET 1 Tianxiao LIU Licence Professionnelle Réseaux & Sécurité Université de Cergy-Pontoise http://depinfo.u-cergy.fr/~tliu/lpg.php PLAN Objectif et

Plus en détail

Nombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89

Nombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89 Soit un escalier à n marches. On note u_n le nombre de façons de monter ces n marches. Par exemple d'après l'énoncé, u_3=3. Pour monter n marches, il faut d'abord monter la première. Soit on la monte seule,

Plus en détail

Théories de la Business Intelligence

Théories de la Business Intelligence 25 Chapitre 2 Théories de la Business Intelligence 1. Architectures des systèmes décisionnels Théories de la Business Intelligence Depuis les premières requêtes sur les sources de données OLTP consolidées

Plus en détail

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008) Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut

Plus en détail

Licence Professionnelle Électronique Analogique et Micro Électronique PROJET TUTORE 2005-2006

Licence Professionnelle Électronique Analogique et Micro Électronique PROJET TUTORE 2005-2006 Licence Professionnelle Électronique Analogique et Micro Électronique PROJET TUTORE 2005-2006 Rudy ROBIN Dominique LEMAIRE année 2005/2006 Licence professionnelle Électronique Analogique et Micro Électronique

Plus en détail

Les entrées/sorties Java (sérialisation, accès aux chiers et connexion réseau)

Les entrées/sorties Java (sérialisation, accès aux chiers et connexion réseau) Année 2008-2009 Les entrées/sorties Java (sérialisation, accès aux chiers et connexion réseau) Nicolas Baudru mél : nicolas.baudru@esil.univmed.fr page web : nicolas.baudru.perso.esil.univmed.fr 1 Introduction

Plus en détail

Chapitre 3 : Introduction aux probabilités

Chapitre 3 : Introduction aux probabilités IUT de Sceaux Département TC1 Mathématiques Chapitre 3 : Introduction aux probabilités 1. Évènements Les événements élémentaires sont les issues possibles d'une expérience aléatoire. Un événement est un

Plus en détail

Baccalauréat technologique

Baccalauréat technologique Baccalauréat technologique Épreuve relative aux enseignements technologiques transversaux, épreuve de projet en enseignement spécifique à la spécialité et épreuve d'enseignement technologique en langue

Plus en détail

Gestion de projet - suivi budgétaire du projet

Gestion de projet - suivi budgétaire du projet Gestion de projet - suivi budgétaire du projet GÉRARD CASANOVA - DENIS ABÉCASSIS Paternité - Pas d'utilisation Commerciale - Pas de Modification : http://creativecommons.org/licenses/by-nc-nd/2.0/fr/ Table

Plus en détail

Modélisation Prédictive Robuste

Modélisation Prédictive Robuste INTELLIGENT TECHNOLOGIES Modélisation Prédictive Robuste GENERATE P R E D I C T O P T I M I Z E Découvrir l'essentiel. pour comprendre, prédire et optimiser. est une solution inédite de modélisation et

Plus en détail

Journées d études IARD

Journées d études IARD Journées d études IARD Gestion des risques liés à la refonte tarifaire d un portefeuille automobile Niort, le 20 mars 2014 Marie Foucher mfoucher@galea-associes.eu Pierre Thérond ptherond@galea-associes.eu

Plus en détail

Copropriété: 31, rue des Abondances 92100 Boulogne-Billancourt

Copropriété: 31, rue des Abondances 92100 Boulogne-Billancourt Eléments utilisés: Copropriété: 31, rue des Abondances 92100 Boulogne-Billancourt Notice explicative sur la ventilation de la facture EDF annuelle entre les différents postes de consommation à répartir

Plus en détail

Processus de Développement Logiciel

Processus de Développement Logiciel Processus de Développement Logiciel Cours M14 Pierre Gérard Université de Paris 13 IUT Villetaneuse Formation Continue Licence Pro SIL - 2007/2008 Table des matières 1 Des besoins au code avec UML 1 2

Plus en détail

DU BINAIRE AU MICROPROCESSEUR - D ANGELIS LOGIQUE COMBINATOIRE. SIMPLIFICATION DES EQUATIONS BOOLEENNES Leçon 07

DU BINAIRE AU MICROPROCESSEUR - D ANGELIS LOGIQUE COMBINATOIRE. SIMPLIFICATION DES EQUATIONS BOOLEENNES Leçon 07 DU BINAIRE AU MICROPROCESSEUR - D ANGELIS 43 SIMPLIFICATION DES EQUATIONS BOOLEENNES Leçon 7 Le rôle de la logique combinatoire est de faciliter la simplification des circuits électriques. La simplification

Plus en détail

1 Le code ASCII et le code Latin-1

1 Le code ASCII et le code Latin-1 USTL - Licence ST-A 1ère année 2006-2007 Algorithmes et Programmation Impérative 1 Objectifs du TP 1. travailler la mise en forme d'un achage. TP 1 : Table de caractères ASCII 1 Le code ASCII et le code

Plus en détail

FOSMOR Fooo Optical Sheet Music Recognition

FOSMOR Fooo Optical Sheet Music Recognition Fooo Optical Sheet Music Recognition Rapport de Projet Soutenance nale, le 26 Mai 2009 Félix Flx Abecassis (abecas_e) Christopher Vjeux Chedeau (chedea_c) Vladimir Vizigrou Nachbaur (nachba_v ) Alban Banban

Plus en détail

Synthèse OBJECTIF DE L ÉTUDE

Synthèse OBJECTIF DE L ÉTUDE "Bilan énergétique et des émissions de gaz à effet de serre tout au long du cycle de vie du gaz naturel et du mazout comme combustible pour le chauffage domestique" Synthèse I.1. OBJECTIF DE L ÉTUDE Il

Plus en détail

Processus de Développement Logiciel

Processus de Développement Logiciel Processus de Développement Logiciel Cours M14 Pierre Gérard Université de Paris 13 IUT Villetaneuse Formation Continue Licence Pro SIL LA TE X Pierre Gérard (P13 IUT FC) Processus de Développement Logiciel

Plus en détail

SECURITE SANITAIRE DES ALIMENTS

SECURITE SANITAIRE DES ALIMENTS PREFET DES PYRENEES-ATLANTIQUES Direction Départementale de la Protection des Populations des Pyrénées-Altantiques SECURITE SANITAIRE DES ALIMENTS Quelques règles à respecter, secteur de la remise directe

Plus en détail

Correction du baccalauréat STMG Polynésie 17 juin 2014

Correction du baccalauréat STMG Polynésie 17 juin 2014 Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé

Plus en détail

Méthodes de développement

Méthodes de développement 1 / 9 Méthodes de développement Méthodes agiles 1 - Introduction... 2 2 -Le manifeste agile et les méthodes agiles... 2 2.1 Le manifeste agile... 2 2.2 Les méthodes agiles... 3 3 - Caractéristiques communes

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

Coup de Projecteur sur les Réseaux de Neurones

Coup de Projecteur sur les Réseaux de Neurones Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche

Plus en détail

Le partitionnement (notions)

Le partitionnement (notions) Introduction C'est l'étape de l'installation qui réclame le plus d'attention. Elle fait intervenir de nombreuses notions et une mauvaise manipulation peut conduire à des pertes de données. C'est pourquoi

Plus en détail

Cours Composant 2. Qualité logicielle et spécications algébriques

Cours Composant 2. Qualité logicielle et spécications algébriques UPMC Paris Universitas Master Informatique STL Cours Composant 2. Qualité logicielle et spécications algébriques c 2005-2008 Frédéric Peschanski UPMC Paris Universitas 24 février 2008 c 2005-2008 Frédéric

Plus en détail

Projet en entreprise Cadrage du Projet de Fin d Etudes «Un projet informatique.»

Projet en entreprise Cadrage du Projet de Fin d Etudes «Un projet informatique.» Projet en entreprise Cadrage du Projet de Fin d Etudes «Un projet informatique.» Projet de fin d études 2 Sommaire OBJET DU DOCUMENT... 3 LES ETAPES DU PROJET... 4 ETUDE PREALABLE...5 1 L étude d opportunité...

Plus en détail