Academic literature on the topic 'Algorithmes – Applications industrielles'

SIELETERS est un système d’imagerie hyperspectrale aéroporté qui couvre les bandes de transmission atmosphérique de 3.0 à 11.8 micromètres. Ce système fait partie du projet SYSIPHE qui opère sur des longueurs d’onde comprises entre 0.4 et 11.8 micromètres. Le pas d’échantillonnage au sol de l’instrument SIELETERS est de 0.5 à 2000 m au-dessus du sol et la résolution spectrale est comprise entre 6.7 cm-1 et 14.4 cm-1. Dans cet article, nous introduisons le projet SYSIPHE, incluant les campagnes de mesures aéroportées effectuées et le système SIELETERS. Nous présentons les résultats que nous avons obtenus avec le système. Les images hyperspectrales de ces campagnes de mesures sont compatibles avec les algorithmes de correction atmosphérique, de séparation émissivité/température, de classification des données spectrales et de détection d’anomalies. Le système SIELETERS est ouvert aux communautés nationales et internationales (scientifiques, industrielles ou institutionnelles), à l’EUFAR ou encore à des utilisateurs comme l’OTAN et l’AED.

Ce qui caractérise l’ère du «BigData » , ce n’est pas seulement la taille des fichiers de données, ou la vitesse à laquelle on doit les traiter : c’est surtout la place qu’on leur attribue dans les processus industriels et de services. Désormais, c’est « la donnée » qui pilote des applications et des décisions. Les cas d’usage se multiplient, du micro-ciblage de publicités au pilotage de réseaux d’énergie ou de transport. Des secteurs comme les télécommunications, l’assurance, la banque sont directement concernés ; et l’information économique et sociale publique sera elle aussi touchée. Ce vaste mouvement donne à réfléchir : quelle est la place des analyses statistiques traditionnelles par rapport aux algorithmes « data-driven » ? Comment donner une maîtrise au citoyen-consommateur sur ses propres informations ? Comment concevoir et mieux maîtriser les implications sociales de la généralisation des algorithmes ?

Zusammenfassung Dieser Beitrag adressiert die Identifikation von Takagi-Sugeno-Modellen für nichtlineare stochastische dynamische Systeme. Ist Wissen über die stochastischen Eigenschaften eines dynamischen Prozesses (bspw. bzgl. Verteilungsfunktion, Korreliertheit) verfügbar, so kann dies zur Verbesserung der Modellparameterschätzung genutzt werden. Dabei trifft die oft gemachte Annahme unabhängig und identisch normalverteilter Zufallsgrößen bei technischen Systemen häufig nicht zu. Dies ist bspw. bei mechatronischen Antrieben in Folge von Reibung oft der Fall. Im Beitrag werden deshalb die Dichtefunktionen der Zufallsgrößen als Gaußsche Mischmodelle mittels eines Multistart-Expectation-Maximization-Algorithmus geschätzt. Da die Residualdichtefunktionen zu Beginn der Identifikation nicht verfügbar sind, werden diese aus der Streuung von Wiederholexperimenten approximativ ermittelt und zur approximativen Maximum-Likelihood-Schätzung von Takagi-Sugeno-Modellen genutzt. Wegen der ausgeprägten Multimodalität der resultierenden Likelihood-Funktion wird dazu Partikelschwarm-Optimierung eingesetzt. Die Vorgehensweise wird an einem industriellen servo-pneumatischen Linearantrieb mit reibungsbedingten Unsicherheiten demonstriert. Dabei lässt sich der mittlere Validierungsfehler um 9 % gegenüber einer Least-Squares-Schätzung reduzieren.

Dans cette thèse, nous nous sommes intéressés à la résolution approchée de problèmes de tournées de véhicules. Nous avons exploité des travaux menés sur les graphes d'intervalles et des propriétés de dominance relatives aux tournées saturées pour traiter les problèmes de tournées sélectives plus efficacement. Des approches basées sur un algorithme d'optimisation par essaim particulaire et un algorithme mémétique ont été proposées. Les métaheuristiques développées font appel à un ensemble de techniques particulièrement efficaces telles que le découpage optimal, les opérateurs de croisement génétiques ainsi que des méthodes de recherches locales. Nous nous sommes intéressés également aux problèmes de tournées classiques avec fenêtres de temps. Différents prétraitements ont été introduits pour obtenir des bornes inférieures sur le nombre de véhicules. Ces prétraitements s'inspirent de méthodes issues de modèles de graphes, de problème d'ordonnancement et de problèmes de bin packing avec conflits. Nous avons montré également l'utilité des méthodes développées dans un contexte industriel à travers la réalisation d'un portail de services mobilité.

Le problème de gestion de production hydro-électrique (HUC) est un problème difficile, qui joue un rôle important dans la gestion de production électrique journalière à EDF. Dans cette thèse, nous étudions différents modèles et algorithmes pour résoudre un cas particulier du problème HUC à une usine (1-HUC). Etudier ce cas particulier présente plusieurs intérêts. D'une part, il existe des instances réelles à une usine mal résolues par les approches actuelles. D'autre part, cela nous permet d'étudier plus spécifiquement deux sources de difficultés séparément. L'une provient de la présence de non-linéarités, notamment la puissance qui est une fonction non-convexe et non-concave du débit d'eau et du volume des réservoirs. L'autre est due à l'ensemble des contraintes hydrauliques, notamment des volumes minimaux et maximaux ainsi que des volumes cibles des réservoirs.Dans une première partie, différentes alternatives de modélisation des non-linéarités du 1-HUC, plus particulièrement sur la puissance, sont proposées. L'objectif est d'identifier un modèle pouvant être résolu efficacement avec un bon compromis entre temps de calcul et précision. Les sept alternatives proposées couvrent un large spectre de familles de modélisation. Elles sont comparées sur un jeu d'instances présentant des variations sur cinq caractéristiques qui impactent la résolution. Cette étude comparative permet d'identifier trois types de modèles pertinents: un modèle avec des fonctions polynomiales de degré 2, un modèle avec une fonction linéaire par morceaux, et un modèle utilisant un ensemble fini de débits. Ce dernier modèle étant similaire à la modélisation actuelle à EDF, nous proposons dans la suite des algorithmes dédiés à celui-ci.Dans une deuxième partie, une étude polyédrale est proposée pour améliorer la résolution du problème 1-HUC. L'idée est de focaliser sur le coeur combinatoire, ce qui revient à considérer le lien entre les contraintes sur les volumes et l'ensemble discret des débits. Pour celà, nous définissons une variante du problème du sac-à-dos avec chaines de précédence et poids symétriques (SCPKP). Pour le SCPKP, nous définissons des conditions nécessaires de facettes, qui sont aussi prouvées suffisantes dans certains cas. Un algorithme de branch-and-cut en deux phases s'appuyant sur ces conditions et sur l'aspect symétrique du SCPKP est mis au point. L'efficacité de cet algorithme est ensuite montrée numériquement face à des algorithmes de l'état de l'art. Les résultats de cette analyse polyédrale du SCPKP, ainsi que l'algorithme de résolution proposé sont ensuite étendus au problème 1-HUC.Dans une troisième partie, une technique de résolution efficace est proposée pour prendre en compte les contraintes hydrauliques en s'appuyant sur la représentation du problème 1-HUC par un graphe. Cela permet de se ramener à un cas particulier du problème de plus court chemin avec fenêtres de ressource (RWSPP). Nous proposons deux algorithmes de graphes. Le premier algorithme est une variante exacte de l'algorithme A*, utilisant une borne duale dédiée au problème 1-HUC. En comparaison avec deux approches de l'état de l'art, nous montrons numériquement que cet algorithme est plus efficace pour traîter un cas spécifique du 1-HUC. L'objectif du second algorithme est de prendre en compte davantage de contraintes hydrauliques. Le principe s'appuie sur le concept d'optimisation bi-objectif pour lequel le second objectif correspond à une relaxation du volume d'eau. L'avantage par rapport à une optimisation bi-objectif classique est qu'il est possible d'utiliser les volumes minimaux et maximaux pour réduire l'espace de recherche et diriger l'énumération de solutions. Nous montrons numériquement, sur un grand jeu d'instances réelles, que cet algorithme est plus performant que trois approches de l'état de l'art. Même si cet algorithme a été conçu pour résoudre le 1-HUC, nous le définissons de manière générique pour tout RWSPP avec une ressource
The Hydro Unit Commitment problem (HUC) is a difficult problem playing a major role in the scheduling of daily electricity production at EDF. In this thesis, we study different models and algorithms to solve the special case of the single-unit HUC problem (1-HUC). Studying this case is relevant for the following reasons. On the one hand, there are real world instances of the 1-HUC problem which cannot be solved efficiently by current approaches. On the other hand, it makes it possible to study individually two particular sources of difficulty. One stems from the presence of non-linearities, in particular the power which is a non-convex non-concave function of the flow and the reservoirs' volume. The other is due to the set of hydraulic constraints, specifically the volume minimum and maximum bounds, as well as target volumes for the reservoirs.In a first part, modeling alternatives for the non-linear 1-HUC, focusing on the power function, are proposed. The aim is to identify a model which can be solved efficiently, with a good trade-off between computational time and precision. The seven proposed modeling alternatives cover a large panel of modeling families. These models are compared on a set of instances with variations on five features that impact the solution. This comparative study enables us to identify three efficient types of model: a model with polynomial functions of degree 2, a model with a piecewise linear function, and a model using a finite set of flows. As the latter model is similar to the current model at EDF, in the following we present algorithms dedicated to it.In the second part, a polyhedral study is proposed to improve the solving approach of the 1-HUC problem. The idea is to focus on the combinatorial aspects, which means considering the relationship between the bounds on volumes and the discrete set of flows. For this purpose, we introduce a variant of the knapsack problem, with Symmetric weight and Chain Precedences (SCPKP). For the SCPKP, we characterize necessary facet-defining conditions, which are also proven to be sufficient in some cases. A two-phase branch-and-cut algorithm based on these conditions and on the symmetric aspect of the SCPKP is devised. The efficiency of this algorithm is then shown experimentally against state-of-the-art algorithms. The results of this polyhedral study of the SCPKP, as well as the proposed algorithms, are then extended to the 1-HUC problem.In the third part, an efficient solving technique based on a graph representation of the 1-HUC problem is proposed, taking into account of the hydraulic constraints. It appears that the 1-HUC problem is a special case of the Shortest Path Problem with Resource Windows (RWSPP). We propose two graph algorithms. The first one is an exact variant of the A* algorithm, using a dual bound dedicated to the 1-HUC problem. In comparison with two state-of-the-art approaches, we show numerically that this algorithm is more efficient for handling a specific case of 1-HUC. The aim of the second algorithm is to take into account a wider set of hydraulic constraints. The idea is based on the concept of bi-objective optimization, for which the second objective corresponds to a relaxation of the volume. The advantage compared to a classical bi-objective optimization is that it is possible to use the minimum and maximum bounds on the volume to reduce the search space and to guide the enumeration of solutions. We show numerically, on a large set of real instances, that this algorithm outperforms three state-of-the-art approaches. Although this algorithm was designed to solve the 1-HUC problem, it is defined in a generic way for any RWSPP with a single resource

[...]L’inspection des surfaces considérées est basée sur la technique d’Inspection par Particules Magnétiques (Magnetic Particle Inspection (MPI)) qui révèle les défauts de surfaces après les traitements suivants : la surface est enduite d’une solution contenant les particules, puis magnétisées et soumise à un éclairage Ultra-Violet. La technique de contrôle non destructif MPI est une méthode bien connue qui permet de révéler la présence de fissures en surface d’un matériau métallique. Cependant, une fois le défaut révélé par le procédé, ladétection automatique sans intervention de l’opérateur en toujours problématique et à ce jour l'inspection basée sur le procédé MPI des matériaux tubulaires sur les sites de production deVallourec est toujours effectuée sur le jugement d’un opérateur humain. Dans cette thèse, nous proposons une approche par vision artificielle pour détecter automatiquement les défauts à partir des images de la surface de tubes après traitement MPI. Nous avons développé étape par étape une méthodologie de vision artificielle de l'acquisition d'images à la classification.[...] La première étape est la mise au point d’un prototype d'acquisition d’images de la surface des tubes. Une série d’images a tout d’abord été stockée afin de produire une base de données. La version actuelle du logiciel permet soit d’enrichir la base de donnée soit d’effectuer le traitement direct d’une nouvelle image : segmentation et saisie de la géométrie (caractéristiques de courbure) des défauts. Mis à part les caractéristiques géométriques et d’intensité, une analyse multi résolution a été réalisée sur les images pour extraire des caractéristiques texturales. Enfin la classification est effectuée selon deux classes : défauts et de non-défauts. Celle ci est réalisée avec le classificateur des forêts aléatoires (Random Forest) dont les résultats sontcomparés avec les méthodes Support Vector Machine et les arbres de décision.La principale contribution de cette thèse est l'optimisation des paramètres utilisées dans les étapes de segmentations dont ceux des filtres de morphologie mathématique, du filtrage linéaire utilisé et de la classification avec la méthode robuste des plans d’expériences (Taguchi), très utilisée dans le secteur de la fabrication. Cette étape d’optimisation a été complétée par les algorithmes génétiques. Cette méthodologie d’optimisation des paramètres des algorithmes a permis un gain de temps et d’efficacité significatif. La seconde contribution concerne la méthode d’extraction et de sélection des caractéristiques des défauts. Au cours de cette thèse, nous avons travaillé sur deux bases de données d’images correspondant à deux types de tubes : « Tool Joints » et « Tubes Coupling ». Dans chaque cas un tiers des images est utilisé pour l’apprentissage. Nous concluons que le classifieur du type« Random Forest » combiné avec les caractéristiques géométriques et les caractéristiques detexture extraites à partir d’une décomposition en ondelettes donne le meilleur taux declassification pour les défauts sur des pièces de « Tool Joints »(95,5%) (Figure 1). Dans le cas des « coupling tubes », le meilleur taux de classification a été obtenu par les SVM avec l’analyse multirésolution (89.2%) (figure.2) mais l’approche Random Forest donne un bon compromis à 82.4%. En conclusion la principale contrainte industrielle d’obtenir un taux de détection de défaut de 100% est ici approchée mais avec un taux de l’ordre de 90%. Les taux de mauvaises détections (Faux positifs ou Faux Négatifs) peuvent être améliorés, leur origine étant dans l’aspect de l’usinage du tube dans certaines parties, « Hard Bending ».De plus, la méthodologie développée peut être appliquée à l’inspection, par MPI ou non, de différentes lignes de produits métalliques
Industrial surface inspection of tubular material based on Magnetic Particle Inspection (MPI) is a challenging task. Magnetic Particle Inspection is a well known method for Non Destructive Testing with the goal to detect the presence of crack in the tubular surface. Currently Magnetic Particle Inspection for tubular material in Vallourec production site is stillbased on the human inspector judgment. It is time consuming and tedious job. In addition, itis prone to error due to human eye fatigue. In this thesis we propose a machine vision approach in order to detect the defect in the tubular surface MPI images automatically without human supervision with the best detection rate. We focused on crack like defects since they represent the major ones. In order to fulfill the objective, a methodology of machine vision techniques is developed step by step from image acquisition to defect classification. The proposed framework was developed according to industrial constraint and standard hence accuracy, computational speed and simplicity were very important. Based on Magnetic Particle Inspection principles, an acquisition system is developed and optimized, in order to acquire tubular material images for storage or processing. The characteristics of the crack-like defects with respect to its geometric model and curvature characteristics are used as priory knowledge for mathematical morphology and linear filtering. After the segmentation and binarization of the image, vast amount of defect candidates exist. Aside from geometrical and intensity features, Multi resolution Analysis wasperformed on the images to extract textural features. Finally classification is performed with Random Forest classifier due to its robustness and speed and compared with other classifiers such as with Support Vector Machine Classifier. The parameters for mathematical morphology, linear filtering and classification are analyzed and optimized with Design Of Experiments based on Taguchi approach and Genetic Algorithm. The most significant parameters obtained may be analyzed and tuned further. Experiments are performed ontubular materials and evaluated by its accuracy and robustness by comparing ground truth and processed images. This methodology can be replicated for different surface inspection application especially related with surface crack detection

L'avènement d'Ethernet dans les environnements industriels bouleverse le schéma des réseaux de terrain basés sur des méthodes déterministes d'accès au médium. De nombreux travaux portent sur l'amélioration des capacités d'Ethernet pour qu'il offre les performances déterministes requises par les applications critiques. Les solutions proposées sont généralement technologiques et nécessitent de remettre en cause soit les concepts de base d'Ethernet, soit le trafic applicatif. Dans ces travaux, nous exploitons les techniques de partitionnement afin de concevoir des architectures optimisées en terme de délais d'acheminement et de charges dans le réseau. Les architectures proposées sont tolérantes aux fautes par la mise en place de redondances pour pallier la défaillance de liens ou de nœuds du réseau. Deux heuristiques de partitionnement ont été développées et adaptées à ce problème de conception d'architectures de communication. Les résultats montrent l'intérêt de la démarche proposée
Industrial Ethernet is a controversial discussion topic mainly due to its non-determinism. Many researches focus on the improvement of Ethernet's capabilities to deliver the deterministic performance required by critical applications. Generally, that is obtained by modifying the Ethernet protocol or the traffic generated by the applications. Furthermore, the industrial context imposes a links redundancy in order to provide reliable architectures. That is why we propose to improve the switched Ethernet topology performances by optimizing the network organization at the level of the physical layer. Some graph partitioning techniques have been used in order to design optimized topologies which guarantee bounded maximum end to end delays. Two heuristics have been developed and adapted to this network design problem. The obtained results show the interest of the proposed method

La performance d’une entreprise industrielle réside en partie dans la capacité de son personnel à créer de la valeur à travers son expérience. Des milliers d’heures sont perdues dans les entreprises industrielles, à répéter des tâches déjà réalisées par d’autres, à redéfinir les mêmes actions inefficaces par le passé, et des millions d’euros sont dépensés pour réparer des erreurs. Certains savoirs-faires disparaissent avec le départ des plus anciens, qui n’ont pas forcement transféré leurs connaissances. Parfois bien que, quelques entreprises disposent de base de données, celles ci sont toujours confrontées à des problèmes lors des prises de décision due à des informations incomplètes et imprécises. Le fait que les informations contenues dans les bases de données ne soient pas contextualités et ne soient pas suivi par une formulation de bonnes pratiques, joue grandement sur la qualité de leur exploitation. Ceci représente à notre sens, une partie de la procédure de traitement des expériences qui n’est pas toujours simple à formaliser et pour laquelle plusieurs plus ou moins adaptés sont envisageables. Dans notre, travail nous proposons une démarche de formalisation et d’exploitation des expériences à partir du réseau bayésien. Le réseau bayésien est un modèle graphique, mathématique et statistique qui aide à gérer l’incertitude. Il permet de représenter intuitivement un domaine de connaissance, de gérer un ensemble de données incomplètes, et peut représenter un véritable outil d’aide à la décision
Performance of an industrial enterprise resides in part in his staff's capacity to create value through his experience. Thousands of hours are lost in the industrial enterprises, to repeat tasks already achieved by others, to redefine the same inefficient actions in the past, and millions euros are spent to repair some mistakes. Some how- know disappears with the departure of the oldest, that doesn't have forcing transferred their knowledge. Sometimes, some enterprises have data base, those are confronted here always to problems at the time of the decision makings due to incomplete and imprecise information. Fact that information contained in data bases are not contextual and are not followed by a good practice formulation, cheek greatly on quality of their exploitation. It represents to our sense, a part of procedure of treatment of experiences that is not always simple to formalize and for which several more or less adapted are foreseeable. In our, work we propose a gait of formalism and exploitation of experiences from Bayesian network. Bayesian network is a graphic, mathematical and statistical model that helps to manage uncertainty. It permits to represent a domain of knowledge, to manage a set of incomplete data, intuitively and can represent a real tool of help to decision

L'optimisation de sechoirs necessite deux types d'outils pour, dans un premier temps, representer efficacement le comportement du systeme et, par la suite, optimiser simultanement sa structure, ses dimensions et ses parametres de fonctionnement. Dans cette these, une nouvelle approche globale d'optimisation est developpee. Les reseaux de neurones artificiels y sont utilises pour representer efficacement les phenomenes physiques apparaissant lors du sechage et les algorithmes genetiques permettent d'optimiser differents problemes. L'approche est validee sur deux exemples de sechoirs industriels convectifs. Les applications developpees dans cette these sortent du champ de competences classique des reseaux de neurones en permettant la representation des resultats fournis par un modele de sechage mathematique. Pour une meme precision, les rn offrent ainsi la possibilite de diminuer les temps de simulations dans des rapports variant de 100 a 1000 par rapport a des approches plus classiques (differences finies, methode pre-integree). Par ailleurs, il devient possible de controler le niveau de connaissances sur le processus ou sur le produit a traiter pendant la constitution de la representation neuronale. Enfin, l'application simultanee de la representation neuronale et de la recherche par algorithme genetique nous a permis de mener une approche d'optimisation globale multi-criteres sur des installations de sechage. L'application finale utilise les capacites de chacun de ces outils afin de determiner les parametres de conception et de conduite des benefice). Cette approche permet aussi d'aboutir a des solutions technologiques adaptees aux contraintes imposees par l'environement industriel. De plus, la globalite du probleme traite nous permet de nous affranchir de la demarche lineaire et reductrice generalement utilisee pendant la phase de conception d'un systeme : les solutions obtenus sont par ce fait plus riche et plu representatives. Les outils et la demarche developpes dans ce travail se tournent resolement vers une approche de c. A. O. (conception assistee par ordinateur) utilisable pour etudier de nombreux systemes industriels complexes.

L'optimisation de sechoirs necessite deux types d'outils pour, dans un premier temps, representer efficacement le comportement du systeme et, par la suite, optimiser simultanement sa structure, ses dimensions et ses parametres de fonctionnement. Dans cette these, une nouvelle approche globale d'optimisation est developpee. Les reseaux de neurones artificiels y sont utilises pour representer efficacement les phenomenes physiques apparaissant lors du sechage et les algorithmes genetiques permettent d'optimiser differents problemes. L'approche est validee sur deux exemples de sechoirs industriels convectifs. Les applications developpees dans cette these sortent du champ de competences classique des reseaux de neurones en permettant la representation des resultats fournis par un modele de sechage mathematique. Pour une meme precision, les rn offrent ainsi la possibilite de diminuer les temps de simulations dans des rapports variant de 100 a 1000 par rapport a des approches plus classiques (differences finies, methode pre-integree). Par ailleurs, il devient possible de controler le niveau de connaissances sur le processus ou sur le produit a traiter pendant la constitution de la representation neuronale. Enfin, l'application simultanee de la representation neuronale et de la recherche par algorithme genetique nous a permis de mener une approche d'optimisation globale multi-criteres sur des installations de sechage. L'application finale utilise les capacites de chacun de ces outils afin de determiner les parametres de conception et de conduite des benefice). Cette approche permet aussi d'aboutir a des solutions technologiques adaptees aux contraintes imposees par l'environement industriel. De plus, la globalite du probleme traite nous permet de nous affranchir de la demarche lineaire et reductrice generalement utilisee pendant la phase de conception d'un systeme : les solutions obtenus sont par ce fait plus riche et plu representatives. Les outils et la demarche developpes dans ce travail se tournent resolement vers une approche de c. A. O. (conception assistee par ordinateur) utilisable pour etudier de nombreux systemes industriels complexes.

Lors d’un accident majeur d’origine chimique, les sapeurs-pompiers et les experts des cellules d’appui doivent faire face à des phénomènes complexes (explosions, dispersions de produits toxiques) et ne disposent souvent que d’éléments incertains et imprécis, rendant difficile le diagnostic de la situation. Dans les premiers instants qui constituent la phase d’urgence, la « source » d’émission du flux dangereux est souvent mal connue mais elle est pourtant indispensable pour avoir une vision globale de l’événement, prévoir son évolution et prendre les décisions visant à limiter les conséquences. Ces travaux de recherche ont pour objectif de développer des méthodologies et des outils d’aide à la décision destinés aux primo intervenants des situations d’urgence d’origine chimique. Ces outils doivent permettre, à partir de l’exploitation des données opérationnelles, d’accéder d’une part à la nature d’une substance a priori inconnue, d’autre part « au terme source » impliqué (débit, quantité). Pour identifier une substance inconnue ou tout au moins les dangers qu’elle présente, l’approche consiste à utiliser les données descriptives et les symptômes recueillis in situ. Une base de données a été conçue et un logiciel a été développé pour faciliter l’exploitation de ces données opérationnelles. L’incertitude et l’imprécision inhérentes à ces données ont été prises en compte, notamment à l’aide de la théorie des probabilités. L’évaluation des conséquences requiert, en plus de la nature de la substance impliquée, la connaissance précise du « terme source ». Aussi, une méthode inverse a été proposée afin d’évaluer le terme source à partir des conséquences observées et/ou mesurées (surpressions, concentrations). Elle consiste en l’utilisation d’un algorithme génétique couplé à un modèle de calcul de flux. La méthode développée a été appliquée et validée sur les explosions de solides pour lesquelles il s’agit de calculer avec précision la masse d’explosif ayant détonée. L’algorithme a ensuite été validé sur des accidents survenus sur les sites d’AZF et de Nitrochimie
In the event of a major chemical accident, often only uncertain and inaccurate facts are available to the fire-fighters and crisis management units, which makes a diagnosis of the situation difficult. Further, the emission source (initial conditions) is often badly known in the first instant but is however absolutely necessary to have a global view of the event and predict its development to take good decisions and to limit consequences. This research work aims at developing, for the emergency first responders, methodologies and decision-making support tools, specific to chemical accidents. This thesis addresses two problems, in one hand to identify the a priori unknown chemical substance, in the other hand to assess the source term (rate, quantity …). To identify an unknown chemical substance or, at least, the associated hazards, the developed method consists in using data collected in situ which can be descriptive data (as colour, odour) or symptoms observed on victims. On these bases, a methodology and a software have been developed to make easier the exploitation of operational data, taking into account inherent uncertainty and inaccuracy, in particular by using the probability theory. In addition to the identification of the chemical substance, consequences assessment requires to know precisely the source term. So, an inverse method has been proposed to evaluate the source term by using the observed or/and measured consequences (overpressures, concentrations …). This method is based on a genetic algorithm coupled with an analytic explosion model. The algorithm was then validated on two accidents (AZF and Nitrochimie sites) and provides good estimations of the mass of the explosive having detonated. The benefit of our method is its ability to solve problem with more than one unknown parameter, e. G. The explosive mass together with the location of the epicentre of the explosion which could not be possible with methods usually used

Placée dans le cadre de la maintenance 4.0, cette thèse vise à développer un simulateur vibratoire pour un banc d’essais de roulements à gorges profondes, afin d’améliorer la précision des diagnostics basés sur des algorithmes de machine learning. Le travail se concentre d’abord sur l’intégration de la flexibilité des paliers dans un modèle numérique existant, créant ainsi un jumeau numérique plus représentatif des conditions réelles d’exploitation. La méthodologie s’articule autour de la conception d’un modèle numérique hybride, combinant un modèle méso (éléments discrets) et un modèle macro (éléments finis). Ces deux sous-modèles communiquent pour décrire la dynamique du système et simuler différents modes de fonctionnement. Les données générées par le simulateur sont ensuite exploitées pour mettre à jour le modèle et entraîner des algorithmes de classification (MSVM, KNN, arbres de décision), obtenant un taux de classification de 94 %. Ce résultat montre une amélioration de 10 % par rapport aux méthodes précédentes, confirmant l’efficacité de l’approche. Dans le but de mesurer l’apport qualitatif et quantitatif des données dans un diagnostic par classification, les données issues de ce modèle numérique mis à jour sont utilisées dans différentes stratégies d’hybridation de données avec les celles mesurées sur le système
Framed within maintenance 4.0, this thesis aims to develop a vibratory simulator for a deep-groove ball bearing test bench to improve the accuracy of diagnostics based on machine learning algorithms. The work initially focuses on integrating the flexibility of the bearing supports into an existing numerical model, thereby creating a digital twin that more accurately reflects real operating conditions. The methodology is centred around the design of a hybrid numerical model, combining a meso-model (discrete elements) and a macro-model (finite elements). These two sub-models interact to describe the system's dynamics and simulate different operating modes. The data generated by the simulator is then used to update the model and train classification algorithms (MSVM, KNN, decision trees), achieving a classification accuracy of 94%. This result demonstrates a 10% improvement compared to previous methods, confirming the approach’s effectiveness. To assess the qualitative and quantitative contributions of the data in a classification-based diagnostic, the data from the updated numerical model is used in various data hybridization strategies with those measured from the physical system

Au cœur d’un nombre croissant d’avancées technologiques, de l’exploitation des données de masse à la médecine, de la gestion de crises à l’automatisation de procédés industriels, les algorithmes font aujourd’hui partie de notre quotidien. Une omniprésence qui n’est pourtant pas synonyme d’infaillibilité, car, au-delà des apports indéniables de la machinerie algorithmique, celle-ci connait des limites. Ici, elle participe à augmenter la productivité et ouvre la voie à une «industrie 4.0», là, elle bouleverse l’emploi ; ici l’algorithme identifie les pathologies mieux que les meilleurs cliniciens, là il propose un traitement aberrant ; dans un cas l’algorithme s’illustre, dans l’autre il achoppe. Entre succès retentissants et dérapages incontrôlés, ce sont ces usages et ces limites qu’il est aujourd’hui essentiel d’explorer, sous toutes leurs facettes. Devant la variété des problématiques posées par les diverses applications des algorithmes, pour en dresser un «portrait-robot», une approche transversale, en intelligence collective, s’impose. Le rapport science et société est au cœur des problématiques abordées par l’Institut des Hautes Études pour la science et la technologie (IHEST). [...]

Ce chapitre présente les bases des processus de décision markoviens, y compris les algorithmes classiques permettant de trouver des politiques optimales pour deux types de fonctions économiques : premièrement, un horizon infini de récompenses actualisées exclues et, deuxièmement, un horizon infini de récompense moyenne attendue. Des contraintes sur les fréquences des états d'action ont également été présentées, et des conditions ont été données pour préserver l'optimalité dans la classe la plus générale de politiques, puisque cela n'est pas évident dans le cas général. Ce cadre a d'abord été appliqué pour résoudre un problème de maintenance soumis à une contrainte de disponibilité moyenne asymptotique, comme c'est le cas pour de nombreuses applications industrielles, notamment les activités de support logistique intégré (ILS).