Simulation du comportement des opérateurs dans les systèmes de production : Application au contrôle de la qualité
|
|
- Emma Paquin
- il y a 7 ans
- Total affichages :
Transcription
1 Laboratoire d Informatique, de Modélisation et d Optimisation des Systèmes UMR (6158) du CNRS Aubière, Cedex - France Simulation du comportement des opérateurs dans les systèmes de production : Application au contrôle de la qualité Sabeur.Elkosantini@ifma.fr Institut Français de Mécanique Avancée 16 mai 2007
2 2 Contexte de travail Intérêt de la simulation des systèmes complexes de point de vue social : Ex. systèmes de production. La simulation facilite la compréhension et l analyse des organisations et des structures sociales. Exemple d application: Systèmes de production. Enjeux : INTRODUCTION Amélioration de la performance en utilisant outil d aide à la décision: tester des nouvelles méthodes de travail. Mieux comprendre le comportement des opérateurs et comment réagissent-ils dans un cadre de travail précis. Implémentation et validation de certaines théories proposés dans la sociologie.
3 3 Contexte de travail Groupe d opérateurs Aspects sociales Contexte de travail Opérateur 2 Tâche manuelle Opérateur 1 Contrôle Aspects s Aspects techniques
4 4 Plan Introduction Contexte de la thèse Comportement social et outils de simulation Notre approche: numérique Comportement individuel Comportement social et réseau social Intégration de l imprécision Validation et expérimentation PLAN Implémentation SMA Conclusion et perspective
5 5 Les approches de modélisation Quelques modèles sociales sont inspirés de la biologie et de la physique. Les approches de modélisation Automates cellulaires (Bagnoli, 1998): systèmes dynamiques complexes. Assure la modélisation d'interactions locales dans un espace discret. Approches statistiques (Wong et al. 2006, Boguñá et al. 2006): p*, graphe de Markov. Systèmes multi-agents : augmenter le réalisme des certains modèles comportementaux. Logique floue/sous-ensembles floues: considération de l imprécision et du flou de certain facteurs qualitatifs.
6 6 Contexte de travail Simulation SMA Agent 1 Aspects sociales Agent 2 Agent 3 Aspects s Aspects techniques Contexte de travail Système réelle
7 7 Contexte de travail Condition de travail Groupe d opérateurs * Influé par Groupe d'agents 1 Tâche -Caractéristiques -Description * Effectue * * 1 1 Agents * 1 1 Comportement 1 1 Opérateur 1 Contexte de travail Est en relation * * Facteur Psychologique 1 Est en relation * Réagit sur * * Facteur Sociologique * 1 Est en relation
8 8 Approche proposée numérique Intégration de l imprécision Approche proposée Définition du cadre expérimental et validation Validation par expérimentation Implémentation du comportement avec SMA
9 9 Approche proposée Une meilleure présentation des éléments du comportement d un agent (opérateur): Représentation sous forme de graphe; Amélioration de la compréhension du comportement des opérateurs et la complexité des interactions; Disposition d informations utiles. Approche proposée Dans un contexte d un système de production : Mise en place des actions pour l amélioration du rendement; Etude de leurs impacts sur le comportement des opérateurs;
10 10 Approche proposée Description E l : Fatigue E i : Motivation r li : Degré de la relation Approche proposée d i (t) est le degré de E i à l instant t Les valeurs linguistiques de d i : Très faible i ieme éléments du comportement d un agent Faible Modérée Assez fort Très fort
11 11 Approche proposée Tâche ,4 2 +0,62 3-0,73 +0,8 +0, ,75 r76(d7) 0, r 76 6 : Motivation 7 : Stress 7 Environnement de travail +0,4 8-0,75-0,25 +0, ,5 9 Stress Approche proposée 1-Difficulté de la tâche; 2-Effort ; 3- Fatigue ; 4-Satisfaction ; 5- Condition de travail ; 6-Motivation ; 7-Stress ; 8- Sentiment de sécurité; 9- Absentéisme; 10- Stabilité ; 11- Imprécision; -0,3 10 B1-0,5
12 12 Description formelle Possibilité de déterminer le niveau de variation de chaque élément : Approche proposée d d () t r d () t r d () t s e () t n q j j j j j j i = ii l + li l + hi h dt l= 1, l i h= 1 Avec: d i (t) est le degré de du i eme élément comportemental. r il représente le degré de la relation connectant l élément E i à E l. n est le nombre d éléments comportemental qui constituent le graphe. s hi représente l impact du h eme facteur environnemental ayant le degré e h sur l élément E i
13 13 Simulation du comportement Analyse et résultats Boucle explosive (ou positive) Approche proposée Comportement explosive et pas stable de la boucle. Nécessité de mettre en place d une action C de stabilisation.
14 14 Simulation du comportement Analyse et résultats L action C sert à atténuer la gravité de certains problèmes. Approche proposée Réunions Contrôler les employés Formation La boucle B2 (boucle négative) tend à stabiliser la boucle B1
15 15 Approche proposée Comportement social : Relation inter-agents Approche proposée
16 16 Comportement du groupe Compléter et étendre l approche par une analyse sociale ; Intégrer dans le modèle les aspects sociales et les relations inter-agents : communication, conflit, etc. Comportement du groupe Etude de réseau social : étudier les influences et les interactions entre les acteurs sociaux d un système «individu-centré» Comprendre le fonctionnement et la dynamique globale de tous ses éléments.
17 17 Comportement du groupe Approche classique: sociométrie j eme agent Comportement du groupe Eg k (t) est le k eme élément interpersonnel g k (t) est le degré du k eme élément interpersonnel
18 18 Extension proposée Comportement du groupe Comportement du groupe Valeurs linguistique de g k : Très faible Faible Modéré Fort Très fort
19 19 Comportement du groupe numérique L évolution des facteurs sociologique est calculé par: n m p q d g () t j j = t kk g () t + t ik d () t + t xk g () t + te hk g () t k k i x k dt i= 1 j= 1 x = 1 h= 1 Comportement du groupe
20 20 Comportement du groupe Comportement du groupe Redéfinir le modèle de la partie individuel: d d () t r d () t r d () t s e () t t g () t n q m j j j j j j j i = ii l + li l + hi h + ki k dt l= 1, l i h= 1 k = 1
21 21 Comportement du groupe Relation entre la communication et le conflit Comportement du groupe Communication Conflit
22 22 Approche proposée L imprécision et la modélisation floue Approche proposée
23 23 Simulation floue La modélisation numérique du comportement des agents est-il suffisant? Quantification des aspects comportementaux et qualitatifs Imprécision de certains aspects. L approche traditionnelle n exprime pas l imprécision et l imperfection de certains facteurs comportementaux. Simulation floue Sous-ensembles flous / Logique floue: formalisme plus adapté pour prendre en compte les variables qualitatives liées aux facteurs comportementaux Simulation qualitative ou floue
24 24 Simulation floue Partie : Comportement individuel Les variables linguistiques du modèle d i (t) sont représentées par un nombre flou de forme triangulaire. Simulation floue L équation différentielle précédente se transforme en équation différentielle floue
25 25 Simulation floue Partie : Equation différentielle floue Plusieurs méthodes de résolution ont été proposées : ramènent le problème à la résolution d ED à variables considérés comme intervalles (α-coupe). µ d1 α 4 Simulation floue α 3 α 2 α 1 d 1 (t) Région d incertitude pour 0.5-coupe
26 26 Simulation floue Equation différentielle floue: Procédure de simulation Simulation floue La procédure de simulation: évolution dans le temps de l hyper-cube (région d incertitude): Décomposer les nombre flous de la condition initiales en α-coupe et former et les régions d incertitude. Echantillonner la surface externe de l hyper-cube pour chaque α- coupe. Appliquer une simulation numérique simple entre t 0 et t 1 = t 0 + t. Regrouper les α-coupes résultant de la simulation et reformer les nombres flous. Les résultats de la simulation seront les C. I. de la prochaine étape (entre t 1 et t 2 = t 1 + t).
27 27 Simulation floue Equation différentielle floue La région d incertitude de la C.I. formée par les 0.5-coupe Simulation floue L évolution de la région d incertitude pour 0.5-coupe
28 28 Simulation floue Partie sociologique : réseau social Stress de agent 1 Stress de agent 2 Fatigue de agent 1 Système d inférence Variation du conflit numérique flou Conflit Système d inférence flou Simulation floue R1: IF Degré (Stress de Agent 1) est Très faible AND Degré (Stress de Agent 2) est Très faible r 1 7, 1 AND Degré (Fatigue de Agent 1) est Très faible AND Degré (Conflit) est Faible THEN Variation (conflit) est ZE r 1 10, 1 R2: IF Degré (Stress de Agent 1) est Modéré AND Degré (Stress de Agent 2) est Modéré AND Degré (Fatigue de Agent 1) est Faible AND Degré (Conflit) est Modéré THEN Variation (conflit) est PS r10 2, 1 R3: d g () t g () t d () t g () t g () t n m p q j j k = t kk k + t ik i + t xk x + te hk k dt i= 1 j= 1 x = 1 h= 1
29 29 Simulation floue Approche de raisonnement Simulation floue Plusieurs méthodes de raisonnement utilisant différent opérateurs d implication floue sont proposées : Méthode de Mamdani; Méthode de Larsen; Méthode de Takagi-Sugeno; etc. La méthode d inférence de Mamdani, connue sous le nom Max- Min et utilisant Min pour l implication «then», a été adopté
30 30 Simulation floue Approche de raisonnement : méthode de Mamdani Simulation floue
31 31 Validation par expérimentation Validation et expérimentation Définition du cadre expérimental et validation Expérimentation Validation par expérimentation
32 32 Validation par expérimentation Validation et expérimentation Valider le modèle, avant son implémentation dans le système multi-agent, par une série d expérience. Le comportement des agents doit être le plus proche possible de celui des opérateurs humains. Expérimentation Définir le cadre expérimental: Opérateurs : des étudiants «volontaires» de l IFMA; Tâche : contrôle qualité des produits Facteurs comportementaux étudiés: Fatigue, motivation et stress. Quantification par questionnaires, évaluation des gestions et autre mesures
33 33 Validation par expérimentation Validation et expérimentation Fatigue Stress Motivation Gestes Avec autres critères de performance Expérimentation Aspects comportementaux
34 34 Implémentation du comportement avec SMA Implémentation SMA Implémentation SMA Validation par expérimentation Implémentation du comportement avec SMA
35 35 Implémentation du comportement avec SMA Implémentation SMA Simulation SMA Aspects sociales Implémentation SMA Agent 1 Agent 2 Agent 3 Aspects s Aspects techniques
36 36 Implémentation du comportement avec SMA Implémentation SMA Implémentation SMA Comportement de l agent 1
37 37 Conclusion Le but de ce travail est: Permettre la représentation et la simulation du comportement des agents; Intégrer les aspects s et sociologique dans les modèles SMA; Détailler les relations sociales entre les agents. Conclusion L approche permet de mieux comprendre le comportement des opérateurs pour : Améliorer la qualité de vie dans les systèmes de production; Tester des nouvelles stratégies de travail avant leur mise en place;
38 38 Perspective Validation de la méthode : Coopération avec le laboratoire LAPSCO de Clermont-Ferrand ; Une éventuelle collaboration avec le CHU de Clermont-Ferrand pour mener une autre série d expérience. Perspective Implémentation du modèle comportemental dans un environnement multi-agent.
39 39 Questions?
40 40 Simulation du comportement Simulation avec Matlab Perturbation au niveau de l'imprécision 1 Degré de corréction s+1 Corréction B2 1 Degré de relation Correction - Stabilité Autre source d'instabilité C 1 s+1 Imprécision Degré de relation Stabilité - Imprécision 1 s+1 Stabilité B1-1 Degré de relation Absentéisme - Stabailité Approche proposée 1 Une partie du graphe Degré de relation de Imprécision comportement - Absentéisme 1 8s+1 Absentéisme Absentéisme 9 - Absentéisme ; 10 - Stabilité; 11 - Imprécision ;
41 41 Simulation du comportement Résultat 1 : Non-linéarité de la relation Approche proposée
42 42 Simulation du comportement Résultat 2 : Boucle sans l action C Approche proposée Absentéisme Imprécision
43 43 Simulation du comportement Résultat 3 : Boucle avec l action C Approche proposée Absentéisme Comportement plus stable Imprécision
Dossier justificatif des travaux de R&D déclarés au titre du CIR
Dossier justificatif des travaux de R&D déclarés au titre du CIR I PRÉSENTATION DE LA SOCIETE Présenter l activité de la société en quelques lignes ou au moyen d une plaquette publicitaire et replacer
Plus en détailLes apports de l informatique. Aux autres disciplines
Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détailUtilisation de l ingénierie des modèles pour la conception collaborative de produits mécaniques
Utilisation de l ingénierie des modèles pour la conception collaborative de produits mécaniques Mathias Kleiner Laboratoire des Sciences de l Information et des Systèmes (LSIS) - UMR CNRS 7296 Projet Ingenierie
Plus en détailThéorie des Jeux Et ses Applications
Théorie des Jeux Et ses Applications De la Guerre Froide au Poker Clément Sire Laboratoire de Physique Théorique CNRS & Université Paul Sabatier www.lpt.ups-tlse.fr Quelques Définitions de la Théorie des
Plus en détailAutonomie et fragilités de la recherche académique Financements sur projet et reconfigurations du travail scientifique
L irrésistible ascension du capitalisme académique 18-19 avril 2013 Autonomie et fragilités de la recherche académique Financements sur projet et reconfigurations du travail scientifique Julien Barrier
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailModèles et simulations informatiques des problèmes de coopération entre agents
Modèles et simulations informatiques des problèmes de coopération entre agents Bruno Beaufils LIFL Axe CIM Équipe SMAC Laboratoire d'informatique Plan 1. Motivations 2. Dilemme itéré du prisonnier 3. Simulations
Plus en détailRappel. Analyse de Données Structurées - Cours 12. Un langage avec des déclaration locales. Exemple d'un programme
Rappel Ralf Treinen Université Paris Diderot UFR Informatique Laboratoire Preuves, Programmes et Systèmes treinen@pps.univ-paris-diderot.fr 6 mai 2015 Jusqu'à maintenant : un petit langage de programmation
Plus en détailLa plate-forme DIMA. Master 1 IMA COLI23 - Université de La Rochelle
La plate-forme DIMA Master 1 IMA COLI23 - Université de La Rochelle DIMA Bref aperçu Qu'est-ce? Acronyme de «Développement et Implémentation de Systèmes Multi-Agents» Initié par Zahia Guessoum et Jean-Pierre
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailSpécialité Sciences Mécaniques et Ingénierie
Master 2 Sciences, Technologies, Santé Mention Mécanique Spécialité Sciences Mécaniques et Ingénierie Parcours R&D en mécanique des fluides Parcours R&D en matériaux et structures Parcours Energétique
Plus en détailDG-ADAJ: Une plateforme Desktop Grid
DG-ADAJ: Une plateforme pour Desktop Grid Olejnik Richard, Bernard Toursel Université des Sciences et Technologies de Lille Laboratoire d Informatique Fondamentale de Lille (LIFL UMR CNRS 8022) Bât M3
Plus en détailOutils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP
Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP Christophe Joubert Séminaire VASY 2002 30 Octobre 2002 Aix les Bains Contexte du projet
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailBases de données. Chapitre 1. Introduction
Références : Bases de données Pierre Wolper Email : pw@montefiore.ulg.ac.be URL : http : //www.montefiore.ulg.ac.be/~pw/ http : //www.montefiore.ulg.ac.be/ ~pw/cours/bd.html Henry F. Korth, Abraham Silberschatz,
Plus en détailService Municipal d Accueil Postscolaire
Service Municipal d Accueil Postscolaire Règlement intérieur 2013-2014 Direction de la Vie Scolaire et de la Petite Enfance 15 mail d Allagnat 63000 Clermont-Ferrand mail : dvspe-secretariat@ville-clermont-ferrand.fr
Plus en détailPASSEPORT INNOVATION Guide de présentation des demandes Janvier 2015
PASSEPORT Guide de présentation des demandes Janvier 2015 Le présent document a été produit par le ministère de l Économie, de l Innovation et des Exportations Coordination et rédaction Direction du soutien
Plus en détailPartenaires: w w w. c o g m a s t e r. n e t
Partenaires: w w w. c o g m a s t e r. n e t Une approche interdisciplinaire et intégrative neuropsychologie psychologie neuroanatomie linguistique philosophie SCIENCES COGNITIVES logique/probas neurosciences
Plus en détailCours Informatique Master STEP
Cours Informatique Master STEP Bases de la programmation: Compilateurs/logiciels Algorithmique et structure d'un programme Programmation en langage structuré (Fortran 90) Variables, expressions, instructions
Plus en détailAtelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr
Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective
Plus en détailPromouvoir l identité coopérative via la RSE? Quelques premiers résultats sur données européennes et françaises
Promouvoir l identité coopérative via la RSE? Quelques premiers résultats sur données européennes et françaises Nadine Richez-Battesti (Lest et Université de la Méditerranée) nrichezbattesti@wanadoo.fr
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détailMarie Curie Actions Marie Curie Career Integration Grant (CIG) Call: FP7-People-2012-CIG
Marie Curie Actions Marie Curie Career Integration Grant (CIG) Call: FP7-People-2012-CIG Genomerge : role of genome merger and redundancy in plant evolution and adaptation Mathieu ROUSSEAU- GUEUTIN UMR-
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailRetour d expériences avec UML
Retour d expériences avec UML UML pour les systèmes biologiques Marie-Hélène Moirez-Charron, UMR AGIR, équipe MAGE INRA Toulouse mailto:marie-helene.charron@toulouse.inra.fr PLAN Contexte de travail UML,
Plus en détailLMI 2. Programmation Orientée Objet POO - Cours 9. Said Jabbour. jabbour@cril.univ-artois.fr www.cril.univ-artois.fr/~jabbour
LMI 2 Programmation Orientée Objet POO - Cours 9 Said Jabbour jabbour@cril.univ-artois.fr www.cril.univ-artois.fr/~jabbour CRIL UMR CNRS 8188 Faculté des Sciences - Univ. Artois Février 2011 Les collections
Plus en détailIntérêts et limites des mannequins numériques pour l évaluation des efforts et des postures
18 novembre 2014 Intérêts et limites des mannequins numériques pour l évaluation des efforts et des postures Jonathan Savin Responsable d études Laboratoire Ingénierie de Conception de Systèmes Sûrs (ICS-INRS)
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailConception et contrôle des SMA tolérants aux fautes
Conception et contrôle des SMA tolérants aux fautes Une plate-forme multiagents tolérante aux fautes à base de réplication Nora FACI Contexte SMA large échelle Nombre important d agents Ressources éloignées
Plus en détailLaboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES
Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des
Plus en détailIN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C
IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en
Plus en détailVALIDATION DES FORMATIONS DOCTORALES FICHE DE SUIVI. Année universitaire 2013-2014
VALIDATION DES FORMATIONS DOCTORALES FICHE DE SUIVI Année universitaire 2013-2014 DATE LIMITE DE RETOUR : 19 décembre 2014 Nom :... Prénoms :... E-mail :... Laboratoire de recherche :... La présente fiche
Plus en détailPrudence, Epargne et Risques de Soins de Santé Christophe Courbage
Prudence, Epargne et Rique de Soin de Santé Chritophe Courbage ASSOCIATION DE GENÈVE Introduction Le compte d épargne anté (MSA), une nouvelle forme d intrument pour couvrir le dépene de anté en ca de
Plus en détailJava Licence Professionnelle CISII, 2009-10
Java Licence Professionnelle CISII, 2009-10 Cours 4 : Programmation structurée (c) http://www.loria.fr/~tabbone/cours.html 1 Principe - Les méthodes sont structurées en blocs par les structures de la programmation
Plus en détailMENTORING à l intention de doctorantes et d étudiantes
MENTORING à l intention de doctorantes et d étudiantes May MORRIS, Directrice de Recherche CNRS, biologiste - biochimiste Claudine HERMANN, Professeure honoraire Ecole polytechnique, physicienne Evelyne
Plus en détailProtocoles pour le suivi des pontes de tortues marines dans le cadre de Protomac. Professeur Marc Girondot
Muséum National d'histoire Naturelle de Paris Département de Systématique et Evolution Laboratoire des Reptiles et Amphibiens 25 rue Cuvier 75005 Paris & Laboratoire Ecologie, Systématique et Evolution
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
Plus en détailRéunion du cluster Habitat Bâtiment Intelligent (HBI) 17 Mars 2014 L I NTELLIGENCE ENERGÉTIQUE
Réunion du cluster Habitat Bâtiment Intelligent (HBI) 17 Mars 2014 P RÉSENTATION DU PROJET ADVICE ACCEPTA BILITÉ ET DROIT DE L I NTELLIGENCE ENERGÉTIQUE Présentation du Projet ADvICE En quelques mots La
Plus en détailPASSEPORT INNOVATION Guide de présentation des demandes Mai 2015
PASSEPORT INNOVATION Guide de présentation des demandes Mai 2015 Le présent document a été produit par le ministère de l Économie, de l Innovation et des Exportations Coordination et rédaction Direction
Plus en détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Plus en détailMINISTÈRE CHARGÉ DE LA RECHERCHE NOTICE
cerfa N 50078#07 MINISTÈRE CHARGÉ DE LA RECHERCHE PROCEDURE D'AGREMENT, AU TITRE DU CREDIT D'IMPOT-RECHERCHE, DES ORGANISMES EXECUTANT POUR DES TIERS DES OPERATIONS DE RECHERCHE ET DE DEVELOPPEMENT NOTICE
Plus en détailMATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.
Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailDimensionnement Introduction
Dimensionnement Introduction Anthony Busson Dimensionnement Pourquoi dimensionner? Création d un système informatique ou réseau Problème de décision (taille des différents paramètres) Evaluer les performances
Plus en détailBOURSE DE RECHERCHE QUICK : SECURITE ET HYGIENE ALIMENTAIRE
BOURSE DE RECHERCHE QUICK : SECURITE ET HYGIENE ALIMENTAIRE Professionnels de la restauration rapide : Perception et mise en pratique des recommandations d hygiène pour une maîtrise du risque infectieux
Plus en détailApplication 1- VBA : Test de comportements d'investissements
Application 1- VBA : Test de comportements d'investissements Notions mobilisées Chapitres 1 à 5 du cours - Exemple de récupération de cours en ligne 1ère approche des objets (feuilles et classeurs). Corps
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailQualité du logiciel: Méthodes de test
Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution
Plus en détailCréation intuitive des éléments d un paysage
Création intuitive des éléments d un paysage Marie-Paule Cani Univ. Grenoble-Alpes, CNRS & Inria Organisation du cours «Façonner l imaginaire» Partie 1 : Création numérique 3D Modélisation géométrique
Plus en détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en détailAtelier sur l Analyse des Réseaux Madagascar
Atelier sur l Analyse des Réseaux Madagascar Patrick Imam Fonds Monétaire International 21 Juillet 2015 Les vues exprimées dans cette présentation sont celles du Représentant Résident du FMI et ne reflètent
Plus en détailIncertitude et variabilité : la nécessité de les intégrer dans les modèles
Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre
Plus en détailMaster Informatique Aix-Marseille Université
Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailMétiers d études, recherche & développement dans l industrie
Les fiches Métiers de l Observatoire du Travail Temporaire Emploi, compétences et trajectoires d intérimaires cadres Métiers d études, recherche & développement dans l industrie R&D Production Ingénieur
Plus en détailDomaine : Sciences, Technologies et Santé Mention : Nutrition, Sciences des aliments, Agroalimentaire
Contexte Domaine : Sciences, Technologies et Santé Mention : Nutrition, Sciences des aliments, Agroalimentaire Fédération des spécialités de Master des 5 pôles universitaires partenaires de la région Nord-Pas-de-Calais
Plus en détailSNT4U16 - Initiation à la programmation 2014-2015. TD - Dynamique de POP III - Fichiers sources
SNT4U16 - Initiation à la programmation Licence SVT 2 ème année 2014-2015 TD - Dynamique de POP III - Fichiers sources contacts : mathias.gauduchon@univ-amu.fr, melika.baklouti@univ-amu.fr, xavier.giraud@univ-amu.fr,
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailRecommandation prédictive
Recommandation prédictive La promesse originelle du web : la relation one to one Le futur du web : la recommandation prédictive La data : Le pétrole brut des éditeurs et des marques Mais Au mieux
Plus en détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailUE C avancé cours 1: introduction et révisions
Introduction Types Structures de contrôle Exemple UE C avancé cours 1: introduction et révisions Jean-Lou Desbarbieux et Stéphane Doncieux UMPC 2004/2005 Introduction Types Structures de contrôle Exemple
Plus en détailContribution à la conception par la simulation en électronique de puissance : application à l onduleur basse tension
Contribution à la conception par la simulation en électronique de puissance : application à l onduleur basse tension Cyril BUTTAY CEGELY VALEO 30 novembre 2004 Cyril BUTTAY Contribution à la conception
Plus en détailCURRICULUM VITAE. Informations Personnelles
CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba
Plus en détailRapport de l AERES sur la structure fédérative : sous tutelle des établissements et organismes : «Du malade à la molécule» Université Aix Marseille 2
Section des Unités de recherche Rapport de l AERES sur la structure fédérative : «Du malade à la molécule» sous tutelle des établissements et organismes : Université Aix Marseille 2 Juin 2011 Section des
Plus en détailSimulation Matlab/Simulink d une machine à induction triphasée. Constitution d un référentiel
Simulation Matlab/Simulink une machine à inuction triphasée Constitution un référentiel Capocchi Laurent Laboratoire UMR CNRS 6134 Université e Corse 3 Octobre 7 1 Table es matières 1 Introuction 3 Moélisation
Plus en détailSynthèse des réponses reçues du sondage du 8 février 2013
Synthèse des réponses reçues du sondage du 8 février 2013 Ont répondu (8à 9 membres/14) : Carrefour de participation, ressourcement et formation (CPRF), Centre de formation régionale de Lanaudière (CFRL)
Plus en détailÉlasticité des applications à base de services dans le Cloud
1/40 Élasticité des applications à base de services dans le Cloud Mourad Amziani 12 Tarek Melliti 1 Samir Tata 2 1 IBISC, EA4526, Université d'évry Val-d'Essonne, Évry, France 2 UMR CNRS Samovar, Institut
Plus en détailETES-VOUS PRET.ES A ALLER MIEUX?
ETES-VOUS PRET.ES A ALLER MIEUX? Projet formulé à partir de ma pratique de terrain: Constats Public défavorisé Plus le niveau d instruction est bas plus plus le risque est grand de développer des troubles
Plus en détailSpécialité auxiliaire en prothèse dentaire du brevet d études professionnelles. ANNEXE IIb DEFINITION DES EPREUVES
ANNEXE IIb DEFINITION DES EPREUVES 51 Epreuve EP1 : ANALYSE ET COMMUNICATION TECHNOLOGIQUES UP1 Coefficient 4 Finalité et objectifs de l épreuve L épreuve vise à évaluer la capacité du candidat à mobiliser
Plus en détailUne dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU
Une dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU Gabriel Antoine Louis Paillard Ce travail a eu le soutien de la CAPES, agence brésilienne pour
Plus en détailConception des systèmes répartis
Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan
Plus en détailUN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE
UN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE Cyril Noirel (1), Didier Theilliol (2), Christophe Aubrun (3), Jean Christophe
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailEtats généraux de la sociologie, Congrès de l AFS
Etats généraux de la sociologie, Congrès de l AFS Recherche appliquée, recherche orientée, recherche commanditée: les enjeux du financement de la recherche Animation : Claude Martin, directeur de recherche
Plus en détaile-santé du transplanté rénal : la télémédecine au service du greffé
e-santé du transplanté rénal : la télémédecine au service du greffé Professeur Michèle Kessler CHU de Nancy et réseau Néphrolor L une des applications de la télémédecine est la télésurveillance à domicile,
Plus en détailLe projet DRIAS : premières études et documents
Le projet DRIAS : premières études et documents Julien Lémond CNRM / GAME, Météo-France, CNRS Direction de la Climatologie Réunion Comité Utilisateurs, le 29 juin 2010 Plan de la présentation 1 ) Les services
Plus en détailCursus de Master en Ingénierie de la Production Alimentaire. Une autre façon d accéder au métier d ingénieur
Cursus de Master en Ingénierie de la Production Alimentaire Une autre façon d accéder au métier d ingénieur Un Réseau National de 28 CMI Le réseau FIGURE Formation en InGenierie par des Universités de
Plus en détailL3 Psychologie «Ergonomie : travail, innovations et formation» Les enjeux et éléments historiques. Principaux concepts et théories sous-jacentes
9/25/14 L3 Psychologie «Ergonomie : travail, innovations et formation» Présentation du thème 1 Catherine Delgoulet LATI Thème 1 (C. Delgoulet) Comprendre/transformer le travail Les enjeux et éléments historiques
Plus en détailMASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE
MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : BIOLOGIE SANTE Spécialité
Plus en détailL 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 détailModèle multi-agents de prise de décision éthique
Équipe Modèles, Agents, Décision Laboratoire GREYC CNRS UMR 6072 Université de Caen Basse-Normandie ENSICAEN Boulevard du Maréchal Juin CS 14 032, 14 032 Caen Cedex 5 Tel. : +33 (0)2 31 56 74 84 Fax :
Plus en détailKL5121. Pour activer des sorties en fonction de la position d'un codeur
KL5121 Pour activer des sorties en fonction de la position d'un codeur VERSION : 1.0 / PH DATE : 07 Février 2006 Sommaire Ce manuel explique de manière pratique les étapes successives pour mettre en œuvre
Plus en détailCommunauté d Universités et Établissements. Stratégie Territoriale et Initiative d Excellence. Université Côte d Azur (UCA) - page 1
Communauté d Universités et Établissements Stratégie Territoriale et Initiative d Excellence Université Côte d Azur (UCA) - page 1 En 2015 le paysage français de l Enseignement supérieur et de la Recherche
Plus en détailMon métier, mon parcours
Mon métier, mon parcours Les métiers de la Physique Le domaine Sciences, Technologies, Santé Alexis, chargé de recherche diplômé d un Master Physique du rayonnement et de la matière et d un Doctorat en
Plus en détailRapport d évaluation du master
Section des Formations et des diplômes Rapport d évaluation du master Psychologie de l Université Paul-Valéry Montpellier 3 Vague E 2015-2019 Campagne d évaluation 2013-2014 Section des Formations et des
Plus en détailEléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)
Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 - Evénements et architectures - Spécifications de performances
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailUn centre de simulation : pourquoi et comment? Conférence Management, CHU Toulouse Anne-Claude Allin 9 avril 2014
Un centre de simulation : pourquoi et comment? Conférence Management, CHU Toulouse Anne-Claude Allin 9 avril 2014 Plan de présentation 2 Vous avez dit simulation? La simulation est une technique d enseignement
Plus en détailIntérêt pour les personnes 1.9. 9.9 Club social. 5.5 Compromis 1.1. 9.1 Laisser-faire. Intérêt pour la tâche. Travail équipe.
Cours 12 Le pouvoir au sein d une organisation Les liens entre pouvoir, autorité et obéissance Le leadership et les traits personnels Les théories du leadership situationnel Pouvoir Capacité d un individu
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailRé-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules
Ré-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules M. Shawky, K. Chaaban, P. Crubillé Heudiasyc UMR 6599 CNRS, Univ. Tech. De Compiègne 1 ADAS (Advanced Driving Aid System) Reactive
Plus en détailMINISTÈRE CHARGÉ DE LA RECHERCHE
cerfa N 50078#10 MINISTÈRE CHARGÉ DE LA RECHERCHE PROCEDURE D'AGREMENT, AU TITRE DU CREDIT D'IMPOT-RECHERCHE, DES ORGANISMES EXECUTANT POUR DES TIERS DES OPERATIONS DE RECHERCHE ET DE DEVELOPPEMENT NOTICE
Plus en détailComprendre les phénomènes biologiques et psychologiques du stress
GÉRER LE STRESS DANS L ENTREPRISE OBJECTIFS PEDAGOGIQUES DUREE : 1 JOUR Comprendre les phénomènes biologiques et psychologiques du stress Identifier la notion de risques psychosociaux au titre de la Loi
Plus en détailTransformez votre relation au monde!
Transformez votre relation au monde! Formations certifiantes PNL QUEST interactive 2013-2014 Qu est-ce que la PNL? La PNL (Programmation Neuro-linguistique) est une discipline développée dans les années
Plus en détaildéveloppement innovation
phases d un projet de recherche développement innovation Programme, projet et opération Programme : un ensemble de projets concourant à un même objectif. Projet : un ensemble finalisé d activités et d
Plus en détail