Hedi Dhouibi. Modélisation et simulation des systèmes automatisés de production
|
|
- Jacques St-Amour
- il y a 6 ans
- Total affichages :
Transcription
1 Hedi Dhouibi Modélisation et simulation des systèmes automatisés de production
2
3 Avant-propos Pour analyser un système de production, il est nécessaire de le représenter par l utilisation de modélisation permettant de reproduire de la manière la plus fidèle ses principales activités. Le choix d un outil à utiliser pour modéliser un système se fait en fonction du type et des caractéristiques de ce dernier (déterministe, stochastique, discret ) d une part et des moyens de modélisation qu offre l outil d autre part. Nous citons, à titre d exemple, les réseaux de Petri, les chaînes de Markov et les réseaux de file d attente qui constituent des outils capables de décrire le comportement global des processus déterministes et stochastiques au cours du temps. Très bien adapté à la modélisation et l analyse de systèmes dynamiques présentant de la concurrence et de la synchronisation, les réseaux de Petri permettent d exprimer aussi bien les propriétés structurelles que les propriétés comportementales des systèmes et proposent ainsi deux types de modélisation : Une modélisation statique, qui décrit les différentes parties du système et leurs dépendances, les conditions requises pour réaliser les actions possibles et leurs effets sur les composants du système. Une modélisation dynamique, qui permet de décrire les comportements possible du système à étudier. Par ailleurs, les chaînes de Markov ainsi que les réseaux files d attentes constituent aussi deux outils mathématiques bien adaptés à la modélisation et l analyse des processus présentant des états aléatoires. Ces trois outils de modélisation feront l objet des quatre chapitres de cet ouvrage. Dans le premier chapitre, nous introduisons la problématique de modélisation des systèmes de production et les différentes techniques utilisées pour passer d un système réel à son modèle représentatif. Le deuxième chapitre traite le modèle réseau de Petri. Dans un premier temps 3
4 on expose les le modèle initial places/transitions puis quelques extensions intéressantes sont introduites pour traiter le problème liés aux applications de contrôles des processus. A la fin de ce chapitre abordons le paramètre temps, de manière quantitative : les réseaux de Petri temporisés permettent de prendre en compte les durées tandis que les réseaux de Petri temporels intègrent des intervalles de temps et par conséquent la localisation des actions dans le temps. De nombreux exemples et exercices corrigés illustrent les principaux concepts et thèmes abordés introduits. Dans la deuxième partie de cet ouvrage nous présentons deux types de processus aléatoires fondamentaux en théorie des probabilités : les chaînes de Markov et les réseaux files d attente. Pour une chaîne de Markov, on fait l hypothèse qu il y a plusieurs évolutions possibles à partir de la situation présente du système, chacune d elles ayant une certaine probabilité de se réaliser. C est cette incertitude sur l avenir qui est prise en compte par les modèles markoviens que l on appelle pour cette raison dynamiques aléatoires ou stochastiques. Nous considérons le cadre mathématique le plus simple possible en se focalisant sur des espaces d états finis. Ainsi, le comportement asymptotique des chaînes de Markov peut être classifié et prédit. Les réseaux files d attente font l objet du dernier chapitre. Ces modèles sont bien adaptés aux problèmes lies à l attente dans un centre de service qui sont omniprésents dans notre vie courante (attente à un guichet, traffic urbain ou aérien ) et dans les systèmes de production (circulation des pièces dans un atelier, maintenance des machines ). De nombreux exemples et exercices corrigés portant sur le calcul de performance des systèmes de petites tailles sont introduits tout au long du chapitre. 4
5 Chapitre 1 Introduction à la modélisation et à la simulation des SAP 1.1 La modélisation des SAP Introduction Le problème de la modélisation des systèmes de production consiste à trouver une correspondance entre le monde réel et un modèle informatique. Dans le domaine de la productique, ce problème est d autant plus difficile à appréhender que les systèmes de production et de gestion à représenter ne sont pas formels. La complexité et la diversité de ces systèmes rendent d autant plus difficile la détermination d un modèle idéal. Il y a trois composants dans le processus de modélisation des systèmes de production : le système de production, le modélisateur et le modèle. Le modèle est une représentation du système conçue par le modélisateur pour certains objectifs. Le système à représenter est donc la référence du modèle. Un modélisateur construit son modèle en s appuyant sur sa perception partielle de la référence et à l aide d une boîte à outils (un ensemble de types de modèle appelé couramment plus brièvement modèle) (figure 1.1). Figure 1.1 Modélisation (Représentation) du Problème 5
6 Un modèle est une approximation, une vue partielle plus ou moins abstraite de réalité afin de l appréhender plus simplement, selon un point de vue et qu il est établit pour un objectif donné. Un modèle est donc subjectif puisqu il est établi en fonction des objectifs, des jugements, de la nature et de la qualité des informations dont on dispose le concepteur. Il peut être exprimé par des équations mathématiques, des symboles, des mots, etc Choix des outils de modélisation Afin d analyser un système de production, il est nécessaire de le représenter par l utilisation de modélisation permettant de reproduire de la manière la plus fidèle ses principales activités. Le choix de l outil ou de la méthode à utiliser pour chaque modèle du système se fait en fonction du type de système ou de sous-système à modéliser d une part et des caractéristiques et des possibilités de modélisation qu offre l outil d autre part Classification des outils de modélisation D une façon générale, les outils et les méthodes existants qui permettent de répondre aux objectifs de la modélisation des SAP, peuvent être classé en deux familles : a- Les outils statiques : permettent de décrire les caractéristiques structurelles du système. On distingue notamment SADT, MERISE, GEMMA. b- Les outils dynamiques : permettent l évolution des éléments du système et de leurs relations au cours du temps. Ces outils ont été classés suivant deux approches complémentaires : Outils analytiques : on distingue notamment les réseaux de Petri, les réseaux de file d attente, le GRAFCET et modèles physiques. Les outils de simulation : on distingue les langages de programmation généraux et les langages de simulation tels que : SIMAN, ARINA, CADENCE Comment classer les modèles Les critères de classement des modèles sont : a- Nature des variables qui interviennent pour décrire le fonctionnement du système, ses entrées et ses sorties : Variables réelles RR, RR nn : systèmes continus ; 6
7 Variables logiques { 0,1} n : systèmes séquentiels ou à évènements discrets ; Variables réelles et variables logiques : systèmes hybrides ; Variables aléatoires : systèmes stochastiques. b- Nature de variable temps : Variables réelle R : systèmes à temps continu ; Variables discrète N : systèmes à temps discret, systèmes échantillonnés. c- Nature des équations : Equations différentielles : systèmes différentiels, systèmes à composantes localisées ; Equations aux dérivées partielles : systèmes à constantes réparties ; Equations aux différences : systèmes discrets ; Equations linéaires : systèmes linéaires ; Equations non linéaires : systèmes non linéaires. d- Manière d obtenir le modèle : A partir des lois physiques : modèle de connaissance ; A priori : modèle de représentation. Dans ce cas, on ne se préoccupe pas de la réalité physique du système, mais on cherche la représentation qui nous convient le mieux pour décrire le phénomène. 1. La simulation La simulation est un outil efficace d aide à la décision processus qui consiste à : Concevoir un modèle du système (réel) étudié, Conduire des expérimentations sur ce modèle construit pour comprendre le comportement du système et d en améliorer les performances ; Interpréter les observations fournies par le déroulement du modèle et formuler des décisions relatives au système. L objectif final de toute simulation est de comprendre et de valider le comportement dynamique du système, de comparer des configurations, d évaluer différentes stratégies de pilotage, d évaluer et d optimiser des performances. L objectif est l élimination des comportements indésirables avant la phase d application. Dans ce cours, nous nous intéressons à la simulation des systèmes de production, permettant d étudier le comportement d un système dynamique et assurant ainsi un contrôle rigoureux du processus de développement. 7
8 Les domaines d applications de la simulation sont innombrables. Parmi les domaines dans lesquels elle est le plus utilisée, nous distinguons : Systèmes informatiques : comportement des utilisateurs, conception et dimensionnement, recherche de configurations, Systèmes de production : gestion des ressources de fabrication, équilibrage des lignes, optimisation et dimensionnement des stocks, moyens de manutention, La gestion : marketing, prévisions, gestion du personnel, l administration : gestion du trafic, du système hospitalier et des services d urgence, etc Méthodologie générale La figure 1. illustre la méthodologie générale de passage du système réel au modèle représentatif selon un cahier des charges. Cette étape est essentielle pour la simulation. Dans ce cours nous nous intéressons à la modélisation et simulation des systèmes de production qui font partie des systèmes (dynamiques) à évènements discrets. Parmi les modèles utilisés pour étudier ce type de systèmes on distingue notamment deux outils de modélisation : les réseaux de Petri et les files d attente. Ces deux modèles font, respectivement, l objet des deux chapitres qui suivent Figure 1. : passage du système réel au modèle représentatif 8
9 Chapitre Les Réseaux de Petri Les Réseaux de Petri ont été inventés par Carl Adam Petri, un mathématicien Allemand, au début des années soixante ( ). Des travaux ultérieurs ont permis de développer les Réseaux de Petri comme un outil de modélisation des systèmes séquentiels. Le modèle Réseaux de Petri est à l origine du Grafcet, qui est un langage graphique de spécification et de programmation d automates industriels.. 1 Les réseaux de Petri autonomes.1.1 Concepts de base P 3 P 4 P 1 t 3 t 1 t 4 t P P 5 Figure.1 : Exemple d un réseau de Petri Un réseau de Petri (RdP) est un graphe orienté biparti dont les éléments de base sont (figure.1) : 9
Modèles 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 détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailCMI ECONOMIE, FINANCE QUANTITATIVE ET STATISTIQUES - PARCOURS FORMATION EN APPRENTISSAGE
Université de PARIS 2 - ASSAS 1/3 PARCOURS FORMATION EN APPRENTISSAGE L1 S1 Mathématiques 1 4 L1 S1 Statistiques 1 4 L1 S1 Fondemants de l'informatique 4 L1 S1 Compléments Maths 2 L1 S1 Compléments Stats
Plus en détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailNote de cadrage du PEPI MACS Mathématiques Appliquées & Calcul Scientifique
Note de cadrage du PEPI MACS Mathématiques Appliquées & Calcul Scientifique Périmètre Le périmètre du PEPI concerne les méthodes et outils utilisés pour le traitement informatisé des données scientifiques.
Plus en détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détailPour obtenir le grade de. Spécialité : Sciences Pour l Ingénieur. Arrêté ministériel : 7 août 2006
THÈSE Pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ DE GRENOBLE Spécialité : Sciences Pour l Ingénieur Arrêté ministériel : 7 août 2006 Présentée par Imed NASRI Thèse dirigée par Georges HABCHI Co-dirigée
Plus en détailbasée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML
basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML http://olivier-augereau.com Sommaire Introduction I) Les bases II) Les diagrammes
Plus en détailLogique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.
Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.
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 détailHealth Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation
Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailFORMATION ECLAIRAGE PUBLIC
FORMATION ECLAIRAGE PUBLIC DIR Centre Est Mâcon 22/10/07 1 La norme éclairage NF EN 13 201 Avant : Recommandations AFE : référence pour la profession Février 2005: Application de la norme Éclairage NF
Plus en détailJOURNEES SYSTEMES & LOGICIELS CRITIQUES le 14/11/2000. Mise en Œuvre des techniques synchrones pour des applications industrielles
JOURNEES SYSTEMES & LOGICIELS CRITIQUES le 14/11/2000 Mise en Œuvre des techniques synchrones pour des applications industrielles Mise en œuvre des techniques synchrones pour des applications industrielles
Plus en détailCycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language
Unified Modeling Language UML Salima Hassas Version Cycle de vie du logiciel Client Besoins Déploiement Analyse Test Conception Cours sur la base des transparents de : Gioavanna Di Marzo Serugendo et Frédéric
Plus en détailFigure 1 : représentation des différents écarts
ulletin officiel spécial n 9 du 30 septembre 2010 Annexe SIENES DE L INGÉNIEUR YLE TERMINAL DE LA SÉRIE SIENTIFIQUE I - Objectifs généraux Notre société devra relever de nombreux défis dans les prochaines
Plus en détailPROGRAMME DETAILLE. Parcours en première année en apprentissage. Travail personnel. 4 24 12 24 CC + ET réseaux
PROGRAMME DETAILLE du Master IRS Parcours en première année en apprentissage Unités d Enseignement (UE) 1 er semestre ECTS Charge de travail de l'étudiant Travail personnel Modalités de contrôle des connaissances
Plus en détailFICHE UE Licence/Master Sciences, Technologies, Santé Mention Informatique
NOM DE L'UE : Algorithmique et programmation C++ LICENCE INFORMATIQUE Non Alt Alt S1 S2 S3 S4 S5 S6 Parcours : IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) MASTER INFORMATIQUE Non
Plus en détailGENIE STATISTIQUE GESTION DES RISQUES ET INGENIERIE FINANCIERE MARKETING QUANTITATIF ET REVENUE MANAGEMENT
Remarque : Tous les cours sont en français, sauf contre-indication. Pour des traductions anglaises des titres, des descriptifs, et plus de renseignements, consultez l intégralité du Programme des enseignements
Plus en détailINTRODUCTION AUX METHODES D INGENIERIE DES DONNEES DIRIGEE PAR LES MODELES
INTRODUCTION AUX METHODES D INGENIERIE DES DONNEES DIRIGEE PAR LES MODELES Les contenus de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et
Plus en détailCOMMENT CONDUIRE UN PROJET DE SITE WEB?
COMMENT CONDUIRE UN PROJET DE SITE WEB? Sommaire Typologie des sites web Les sites «vitrines» Les sites de «marque» Les sites «catalogues» Les sites marchands Site web et stratégie commerciale Etapes clés
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 détailTARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé
TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé Plan de l intervention 1 2 3 Généralités sur le fonctionnement de l assurance
Plus en détailLe génie logiciel. maintenance de logiciels.
Le génie logiciel Définition de l IEEE (IEEE 1990): L application d une approche systématique, disciplinée et quantifiable pour le développement, l opération et la maintenance de logiciels. Introduction
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
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 détailL objectif de ce cycle est de former des techniciens supérieurs spécialisés dans l administration et la gestion de bases de données et des réseaux.
DTS DIPLOME DE TECHNICIEN SUPERIEUR (DTS) EN RESEAUX & DONNEES OBJECTIFS GENERAUX L objectif de ce cycle est de former des techniciens supérieurs spécialisés dans l administration et la gestion de bases
Plus en détailProblèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Plus en détailAccélérer l agilité de votre site de e-commerce. Cas client
Accélérer l agilité de votre site de e-commerce Cas client L agilité «outillée» devient nécessaire au delà d un certain facteur de complexité (clients x produits) Elevé Nombre de produits vendus Faible
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détailUNIVERSITE D'ORLEANS ISSOUDUN CHATEAUROUX
UNIVERSITE D'ORLEANS ISSOUDUN CHATEAUROUX PLAN
Plus en détailComment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain?
DOSSIER SOLUTION Solution CA Virtual Placement and Balancing Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain? agility made possible La solution automatisée
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailIntroduction : Les modes de fonctionnement du transistor bipolaire. Dans tous les cas, le transistor bipolaire est commandé par le courant I B.
Introduction : Les modes de fonctionnement du transistor bipolaire. Dans tous les cas, le transistor bipolaire est commandé par le courant. - Le régime linéaire. Le courant collecteur est proportionnel
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailMegaStore Manager ... Simulation de gestion d un hypermarché. Manuel du Participant
MegaStore Manager Simulation de gestion d un hypermarché.......... Manuel du Participant 1. Introduction 1.1. La simulation de gestion Vous allez participer à une simulation de gestion. Cette activité
Plus en détailUNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS
UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES
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 détailBEE Agency est une AGENCE DE CONSEIL et de COMMUNICATION spécialisée dans les SOLUTIONS DIGITALES, le Web-Marketing et le développement durable.
EN UN CLIN D OEIL BEE Agency est une AGENCE DE CONSEIL et de COMMUNICATION spécialisée dans les SOLUTIONS DIGITALES, le Web-Marketing et le développement durable. Elle est organisée en 3 pôles : SM@RT,
Plus en détailEfficacité énergétique des réseaux de cœur et d accès
Efficacité énergétique des réseaux de cœur et d accès David Coudert Joanna Mouliérac, Frédéric Giroire MASCOTTE I3S (CNRS/Université Nice Sophia-Antipolis) INRIA Sophia-Antipolis Méditerranée 1 Contexte
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailStatistiques et traitement des données
Statistiques et traitement des données Mention : Mathématiques Nature de la formation : Diplôme national de l'enseignement Supérieur Durée des études : 2 ans Crédits ECTS : 120 Formation accessible en
Plus en détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailBaccalauréat professionnel. Maintenance des Équipements Industriels
Baccalauréat professionnel Maintenance des Équipements Industriels 2005 SOMMAIRE DES ANNEXES DE L ARRÊTÉ DE CRÉATION DU DIPLÔME ANNEXE I : RÉFÉRENTIELS DU DIPLÔME I a. Référentiel des activités professionnelles...7
Plus en détailMonétisation des données : comment identifier de nouvelles sources de revenus au sein des Big data?
Monétisation des données : comment identifier de nouvelles sources de revenus au sein des Big data? Dr Wolfgang Martin Analyste et adhérant du Boulder BI Brain Trust Les Big data Démystifier les Big data.
Plus en détailAlgèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS
1er semestre UE1-01 E Algèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS Introduction au système SAS 25,5
Plus en détailC est quoi le SWAT? Les équipes décrites par James Martin s appellent SWAT : Skilled With Advanced Tools.
1- RAD Quelle sont les avantages que apporte la méthode RAD à l entreprise? Une méthode RAD devrait, d après son auteur, apporter trois avantages compétitifs à l entreprise : Une rapidité de développement
Plus en détailL E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
Plus en détailProgramme Pédagogique National du DUT «Génie mécanique et productique» Présentation de la formation
Programme Pédagogique National du DUT «Génie mécanique et productique» Présentation de la formation 2 I CONCEPT GENERAL DE LA FORMATION Le diplômé des départements Génie Mécanique et Productique (GMP)
Plus en détailORIENTATIONS POUR LA CLASSE DE TROISIÈME
51 Le B.O. N 1 du 13 Février 1997 - Hors Série - page 173 PROGRAMMES DU CYCLE CENTRAL 5 e ET 4 e TECHNOLOGIE En continuité avec le programme de la classe de sixième, celui du cycle central du collège est
Plus en détailPrésentation livre Simulation for Supply Chain Management. Chapitre 1 - Supply Chain simulation: An Overview
Présentation livre Simulation for Supply Chain Management Chapitre 1 - Supply Chain simulation: An Overview G. Bel, C. Thierry et A. Thomas 1 Plan Gestion de chaînes logistiques et simulation Points de
Plus en détailSOCLE COMMUN: LA CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE. alain salvadori IA IPR Sciences de la vie et de la Terre 2009-2010 ALAIN SALVADORI IA-IPR SVT
SOCLE COMMUN: LA CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE alain salvadori IA IPR Sciences de la vie et de la Terre 2009-2010 ALAIN SALVADORI IA-IPR SVT SOCLE COMMUN ET PROGRAMMES La référence pour la rédaction
Plus en détailProgramme des Unités d Enseignement
Responsables de la formation Henri NICOLAS, Professeur des universités Isabelle SAND, Ingénieur en formation continue Méthodes Informatiques Appliquées à la Gestion des Entreprises (MIAGE) Master MIAGE,
Plus en détailInitiation aux Sciences de l Ingénieur LIVRET DE SECONDE
Etablissement : NOM : Classe :. Année scolaire : 20.. / 20 Initiation aux Sciences de l Ingénieur LIVRET DE SECONDE N fiche Savoirs Compétences Supports d apprentissage (à compléter) Validation (par l
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 détail1 INFORMATION - INFORMATIQUE. 11 Systèmes d'information gestion des connaissances, knowledge management
p.1 1 INFORMATION - INFORMATIQUE 10 Sciences cognitives aspects fondamentaux 11 Systèmes d'information gestion des connaissances, knowledge management 110 Intelligence économique veille économique, stratégique,
Plus en détailLe Collège de France crée une chaire pérenne d Informatique, Algorithmes, machines et langages, et nomme le Pr Gérard BERRY titulaire
Communiquédepresse Mars2013 LeCollègedeFrancecréeunechairepérenned Informatique, Algorithmes,machinesetlangages, etnommeleprgérardberrytitulaire Leçoninauguralele28mars2013 2009avait marquéunpas importantdans
Plus en détailLA GESTION DE LA RELATION CLIENT
Conquérir un prospect coûte beaucoup plus cher que de fidéliser un client. C est la raison pour laquelle un grand nombre d entreprises orientent leur stratégie autour des services proposés à leurs clients.
Plus en détailSIMULATION ORIENTEE EVENEMENTS DES MODELES HYBRIDES
SIMULATION ORIENTEE EVENEMENTS DES MODELES HYBRIDES R. Champagnat 1, 2, J.-C. Hochon 3, H. Pingaud 4 et R. Valette 1 1 : LAAS-CNRS UPR 8001, 7 avenue du colonel Roche, F-31077, Toulouse cede 4 2 : Université
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 détailPartie I Stratégies relationnelles et principes d organisation... 23
Introduction......................................................................... 1 1. Définition........................................................................ 2 1.1 Le CRM comme processus
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailCorps des nombres complexes, J Paul Tsasa
Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots
Plus en détailC ) Détail volets A, B, C, D et E. Hypothèses (facteurs externes au projet) Sources de vérification. Actions Objectifs Méthode, résultats
C ) Détail volets A, B, C, D et E Actions Objectifs Méthode, résultats VOLET A : JUMELAGE DE 18 MOIS Rapports d avancement du projet. Réorganisation de l administration fiscale Rapports des voyages d étude.
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 détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
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 détailLES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION
LES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION DES NOMBRES par Jean-Luc BREGEON professeur formateur à l IUFM d Auvergne LE PROBLÈME DE LA REPRÉSENTATION DES NOMBRES On ne conçoit pas un premier enseignement
Plus en détailMaîtrise universitaire ès sciences en mathématiques 2012-2013
1 / 6 Remarques liminaires : Ce master à (3 semestres) permet 2 orientations distinctes : - Un master général : "Mathématiques, Systèmes dynamiques et phénomènes d'évolution" - Un master qui permet de
Plus en détailperformance commerciale
Logiciel GRC : Un outil au service de la performance commerciale Les Morning du WEB Juin 2014 Intervenant : Eric BLACHE Cabinet COFIJA CADRE EXPERT Eric BLACHE Cabinet COFIJA 35 ans d expérience dans les
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 détailDEMANDE D INFORMATION RFI (Request for information)
DOD SEICAM RFI Demande d information EVDEC Réf. : RFI_EVDEC- GT5_Outil_reporting_BI_v4.doc Page 1/11 DEMANDE D INFORMATION RFI (Request for information) OUTIL INTÉGRÉ DE REPORTING ET D ANALYSE DÉCISIONNELLE
Plus en détailEntraînement, consolidation, structuration... Que mettre derrière ces expressions?
Entraînement, consolidation, structuration... Que mettre derrière ces expressions? Il est clair que la finalité principale d une démarche d investigation est de faire acquérir des connaissances aux élèves.
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailDébouchés professionnels
Master Domaine Droit, Economie, Gestion Mention : Monnaie, Banque, Finance, Assurance Spécialité : Risque, Assurance, Décision Année universitaire 2014/2015 DIRECTEUR de la spécialité : Monsieur Kouroche
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 détailLe Système d Information Routier
Le Système d Information Routier CONTEXTE DU PROJET : 2004 INSTITUTIONNEL : ACTE II DE LA DECENTRALISATION La loi du 13 août 2004 relative aux libertés et Responsabilités locales a prévu dans le domaine
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailpossibilités et limites des logiciels existants
possibilités et limites des logiciels existants Dominique Groleau CERMA, UMR CNRS 1563, Ecole d Architecture de Nantes Journée thématique SFT- IBPSA, Outils de simulation thermo-aéraulique du bâtiment.
Plus en détailLe géomarketing - Page 1 sur 7
Le géomarketing - Page 1 sur 7 LES DOSSIERS MADWATCH.net méthodes Le Géomarketing Novembre 2003 Nb de pages : 7 Le géomarketing - Page 2 sur 7 Créé dans les années 80, la plupart des applications du géomarketing
Plus en détailNathalie Bulle (1998), Compte-rendu de Rainer Hegselmann, Ulrich Mueller, Klaus G. Troitzsch (eds.).- Modelling and simulation in the social sciences
Nathalie Bulle (1998), Compte-rendu de Rainer Hegselmann, Ulrich Mueller, Klaus G. Troitzsch (eds.).- Modelling and simulation in the social sciences from the philosophy of science point of view. - Dordrecht/
Plus en détailIFT2255 : Génie logiciel
IFT2255 : Génie logiciel Chapitre 6 - Analyse orientée objets Section 1. Introduction à UML Julie Vachon et Houari Sahraoui 6.1. Introduction à UML 1. Vers une approche orientée objet 2. Introduction ti
Plus en détailGénie Industriel et Maintenance
Génie Industriel et Maintenance Pour qu aucun de ces systèmes ne tombe en panne. Plan de la visite 1 2 3 6 4 5 Guide visite du département Génie Industriel et Maintenance 1 Salles Informatiques Utilisation
Plus en détailUne offre sur mesure d'information financière consolidée. Expertise Conseil
Une offre sur mesure d'information financière consolidée Expertise Conseil 1 Vos enjeux Les groupes internalisant la fonction consolidation / reporting peuvent faire face à des imprévus nécessitant d'intégrer
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailLES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN
LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas
Plus en détailCERTIFICATION PMP PROJECT MANAGEMENT PROFESSIONAL DU PROJECT MANAGEMENT INSTITUTE (PMI-USA)
CERTIFICATION PMP PROJECT MANAGEMENT PROFESSIONAL DU PROJECT MANAGEMENT INSTITUTE (PMI-USA) La certification Project Management Professional "PMP" du PROJECT MANAGEMENT INTITUTE (PMI-USA) EST BASEE SUR
Plus en détailÉvaluer la formation dans l entreprise
L objectif de ce guide méthodologique est de dresser un bilan des actions de formation menées. L évaluation constitue la dernière étape du management de la formation. La démarche permet de : mesurer la
Plus en détailSuivant les langages de programmation, modules plus avancés : modules imbriqués modules paramétrés par des modules (foncteurs)
Modularité Extensions Suivant les langages de programmation, modules plus avancés : modules imbriqués modules paramétrés par des modules (foncteurs) généricité modules de première classe : peuvent être
Plus en détailPlan de l exposé Projets E-Business en PME le pourquoi et le comment
Plan de l exposé Projets E-Business en PME le pourquoi et le comment Forum Télécom SPI+ Ateliers «e-business» R. Delhaye / P. Poty - AWT Verviers, 19 février 2002 Introduction générale 1. Définitions et
Plus en détailModélisation des données
Modélisation des données Le modèle Entité/Association Le MCD ou modèle Entité/Association est un modèle chargé de représenter sous forme graphique les informations manipulées par le système (l entreprise)
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détail