HAL-MINES ParisTech
Not a member yet
27348 research outputs found
Sort by
Méthodes de partage de données en respectant les contraintes de confidentialité et de vie privé pour l'optimisation des systèmes énergétiques multi-acteurs
No full textThe energy transition is driven by two crucial forces: The decarbonisation of the energy sector and the digitalisation of its infrastructure. The increasing integration of renewable generation, electric vehicles, and smart metering has led to a high volume of high-resolution data. This data enables advanced machine learning models for spatio-temporal forecasting, such as predicting wind power generation across multiple sites. Yet, despite the potential of collaborative data-driven methods, data sharing remains limited by privacy concerns, arising from both regulatory and competitive constraints.This thesis analyses the design of collaborative frameworks for privacy-preserving data sharing, encompassing governance structures, model archetypes, and evaluation metrics and proposes a generic framework for power system use cases.Two encrypted model archetypes are proposed.A gradient-boosted tree architecture focusing on resilience while employing lossless secret-sharing and preserving functionality when data is missing.Secondly, encrypted Kolmogorov-Arnold-Networks combine privacy and interpretability through fusion-based encryption, enabling the attribution of contributions to the overall benefit.Finally, the work extends beyond fully-encrypted precision-focused methods by investigating mixed encryption via incorporating unencrypted public data, and exploring privacy-preserving decision-focused learning.All explored methods are validated in numerical experiments, suited to power systems. In conclusion, this thesis contributes to enabling privacy-preserving data-sharing in power systems to aid the energy transition.La transition énergétique repose sur deux dynamiques majeures : la décarbonation du secteur de l'énergie et la numérisation de son infrastructure. L'intégration croissante des énergies renouvelables, des véhicules électriques et des compteurs intelligents génère un volume important de données à haute résolution. Ces données permettent l'application de modèles d'apprentissage automatique avancés pour la prévision spatio-temporelle, par exemple de la production éolienne multi-sites.Cependant, malgré le potentiel des approches collaboratives fondées sur les données, leur partage reste limité par les contraintes de confidentialité, tant réglementaires que concurrentielles.Cette thèse étudie la conception de cadres collaboratifs pour un partage de données préservant la confidentialité. Deux archétypes de modèles chiffrés sont proposés :(1) une architecture d'arbres de gradient boosting axée sur la résilience et reposant sur un partage de secrets sans perte ;(2) des réseaux de Kolmogorov-Arnold chiffrés combinant confidentialité et interprétabilité via un chiffrement par fusion.Les méthodes proposées sont validées par des expérimentations numériques adaptées aux systèmes électriques.Enfin, ce travail va au-delà des méthodes entièrement cryptées axées sur la précision en étudiant le chiffrement mixte via l'intégration de données publiques non cryptées et en explorant l'apprentissage axé sur la prise de décision préservant la confidentialité.En conclusion, cette thèse contribue au développement du partage de données préservant la confidentialité dans les systèmes électriques, afin d'aider à la transition énergétique
A Digitally Enhanced Ethnography for Craft Action and Process Understanding
No full textInternational audienceTraditional ethnographic methods have long been employed to study craft practices, yet they often fall short of capturing the full depth of embodied knowledge, material interactions, and procedural workflows inherent in craftsmanship. This paper introduces a digitally enhanced ethnographic framework that integrates Motion Capture, 3D scanning, audiovisual documentation, and semantic knowledge representation to document both the tangible and dynamic aspects of craft processes. By distinguishing between endurant (tools, materials, objects) and perdurant (actions, events, transformations) entities, we propose a structured methodology for analyzing craft gestures, material behaviors, and production workflows. The study applies this proposed framework to eight European craft traditions-including glassblowing, tapestry weaving, woodcarving, porcelain pottery, marble carving, silversmithing, clay pottery, and textile weaving-demonstrating the adaptability of digital ethnographic tools across disciplines. Through a combination of multimodal data acquisition and expert-driven annotation, we present a comprehensive model for craft documentation that enhances the preservation, education, and analysis of artisanal knowledge. This research contributes to the ongoing evolution of ethnographic methods by bridging digital technology with Cultural Heritage studies, offering a robust framework for understanding the mechanics and meanings of craft practices
How industrial diversity affects local employment growth in France
No full textInternational audiencehow-industrial-diversity-affects-local-employment-growth-in-france-251729In an interconnected global economy, regions face recurring economic shocks and intense competition. For policymakers and researchers, understanding the drivers of local employment growth has become critical. Recent theoretical advances highlight the importance of different relational proximities that influence the benefits of the geographic clustering of economic activities.Our research focusing on France's labour market areas -"geographical areas within which most of the labour force lives and works" -from 2004 to 2015 offers new insights into how industrial diversity affects local employment. The study finds that having a variety of industries -especially those related to one another -can be a significant driver of employment growth. This finding has crucial implications for regional development strategies.An analysis of France's labour market areas offers insights for economic development policymakers. Shutterstock How industrial diversity affects local employment growth in France</div
Hydrogeological and Hydrological Modelling of the Impact of Water Resources on Mineral Resource Production
No full textInternational audienceThe increasing global demand for mineral resources, particularly copper, nickel, lithium, and cobalt, driven by the energy transition, presents challenges to the mining industry, especially amidst increasing global water scarcity. Water plays a vital role in all stages of mineral extraction and, as water stress intensifies, its availability becomes a limiting factor for mining operations. Given that global water consumption is increasing at twice the rate of population growth, concerns over water availability are intensifying, particularly in regions experiencing severe scarcity.This study introduces HYIR (HYdrological and Industrial Resilience), a globalscale integrated tool designed to assess water availability for mining operations by combining multiple data layers and models. HYIR utilizes climate data from the Coupled Model Intercomparison Project Phase 6 (CMIP6) (Eyring et al., 2016), driven by Shared Socioeconomic Pathways (SSP) scenarios, to simulate future climate scenarios. These projections provide critical insights into expected changes in precipitation patterns and other climate variables that will influence water resources in the world in general and in mining regions in particular.To evaluate the effects of these climatic changes on water resources, HYIR incorporates hydrological models and global databases (Oki, 1998) to simulate river networks and large-scale hydrological processes. The tool also takes into account data on surface water bodies, including lakes, dams (Lehner, 2023), and groundwater reservoirs (aquifers).HYIR's key capability will lie in its ability to generate spatiotemporal assessments of water availability, accounting for both climate and hydrological dynamics. By integrating climate projections, river routing data, and surface and groundwater storage data, HYIR will be able to evaluate water availability at specific locations and times. This allows for the identification of regions at risk of water scarcity, providing insights into the future viability of mineral extraction in those areas.In particular, HYIR aims to assess whether certain mineral deposits are likely to remain exploitable in the future or if they are vulnerable to water stress. This tool shall serve as a decision-support framework, facilitating assessments of the risks associated with water scarcity for mining operations and informing long-term planning and resource management.</p
Imagerie de proche surface d'une faille active - Exemple d'inversion stochastique conjointe de données électriques, sismiques, gravimétriques et topographiques
No full textInternational audienceLes méthodes électriques, sismiques et gravimétriques sont couramment employées pour imager lesstructures de proche surface. Séparément elles fournissent des images dont l’interprétation reste souventdélicate. Des inversion jointes peuvent alors être proposées pour tirer le meilleur parti de leurcomplémentarité en termes de sensibilité et de profondeur d’investigation. Cette étude présente uneinversion stochastique jointe de données géophysiques (électrique, sismique, gravimétrique) et géomor-phologiques (topographie) pour l’imagerie de proche surface d’une faille active au sud du Bhoutan
Caractérisation et modélisation de l'emboutissage multi-passes de tôles épaisses : application aux structures navales
No full textNaval structure components are built by several processes based on cold forming by plastic deformation. Therefore, these processes modify the mechanical state of the manufacturing part by the introduction of residual stresses and hardening. Through this work, Naval Group aims at deepening the knowledge of a cold multi-step forming process on high strength steel thick sheet. The main objective is to specify the impact of the forming process on the formed part in terms of plastic deformation, residual stresses and mechanical behaviour after forming.To address this objective, the thesis work consists of characterizing the behaviour of the steel sheet before forming by tensile, compression, tension-compression and loading-unloading tensile tests. These tests results are used to calibrate a hardening model which suits the process and the material of the study (isotropic and kinematic hardening, evolution of apparent Young modulus with plastic strain…) and to be a reference for the comparison with the sheet characterization after forming.Multi-step processes have been modelled on the finite elements software Abaqus. In parallel, an experimental campaign has been conducted on the industrial process. Several measurements (surface strain, thickness, 3D scanning...) were compared with the numerical results to validate the numerical modelling of the processes. The numerical model also allowed us to study the impact of a multi-step process on a formed part. Finally, the mechanical behaviour of the part was characterized again with samples machined in a formed part to analyse the impact of the process on the mechanical behaviour after forming. Additional tests with different strain path were performed to refine the understanding of the impact of the strain path during forming on the material behaviour.La fabrication d'éléments de structures navales se fait par différents procédés de mise en forme par déformation plastique à froid. Le recours à ces procédés induit donc une modification de l'état mécanique de la tôle formée du fait de l'introduction de contraintes résiduelles et d'écrouissage du matériau. Par cette thèse, Naval Group souhaite approfondir la connaissance d'un procédé de mise en forme par emboutissage à froid multi-passes de tôles épaisses en acier à haute limite d'élasticité. L'objectif principal est de préciser l'impact du procédé sur la tôle formée, notamment en termes de déformations plastiques, contraintes résiduelles et comportement mécanique après mise en forme.Pour répondre à cet objectif, les travaux de thèse consistent en la caractérisation du comportement des tôles d'intérêt avant mise en forme par des essais de traction, de compression, de traction-compression et de traction avec charge-décharge. Ces essais ont permis d'identifier une loi de comportement avec écrouissage adaptée au procédé à l'étude (prise en compte de l'écrouissage cinématique, diminution du module d'Young avec la déformation plastique…) et aussi de servir de référence pour la comparaison avec la caractérisation du comportement après mise en forme. Les procédés à l'étude ont été simulés avec le logiciel éléments finis Abaqus. En parallèle, une campagne expérimentale a été réalisée sur un procédé industriel réel. Plusieurs mesures (déformation en surface, épaisseur, scan 3D…) ont été effectuées et comparées aux résultats de simulation afin de valider l'approche numérique de simulation des procédés. La simulation numérique a également permis d'étudier l'impact d'un procédé multi-coups sur la pièce formée. Enfin, le comportement de la tôle a de nouveau été caractérisé à partir d'éprouvettes prélevées dans une pièce formée pour observer l'impact du procédé sur le comportement mécanique après mise en forme. Des essais complémentaires avec changement de trajets de chargement ont été effectués afin d'affiner la compréhension de l'impact des trajets de chargement subis pendant la mise en forme sur le comportement de la tôle
Multi-step Forecasting Contact Wrenches and Motion Synergies for Proactive Control in Human Robot Collaboration
No full textInternational audienceHuman-Robot Collaboration (HRC) has gained a significant growth in industrial applications where collaborative robots are expected to work safely and efficiently in shared workspaces. Currently, most control strategies rely primarily on feedback from force/torque sensors or vision systems. This dependence on instant signals makes the robot reactions sensitive to sensor noise and processing delays, thereby reducing adaptability, robustness and the ability of these methods to generalize for similar tasks. Recent systematic reviews [1,2,3,4,5] have examined the evolution of control strategies for HRC systems, covering low-level impedance-based control strategies to high-level learning-based methods. Although these approaches improve compliance and safety, their response is inherently reactive, as interaction is detected only after it occurs. To date, only a few studies have investigated predictive models capable of forecasting human behavior [6,7,8,9,10], which would enable the transition toward proactive control. To address these limitations, we investigate the use of human behavior forecasting in HRC frameworks. Anticipating contact forces and torques from human motion can enable proactive control and smoother interaction. Our Gesture Operational Model (GOM) [11] combines biomechanical and stochastic principles within a state-space formulation that considers the human body as a dynamic system whose parameters evolve across time and space. Building on this idea, we propose a two-phase framework: in the pre-contact phase, human motion synergies are exploited to forecast the operator’s complementary arm motion and retarget it onto the robot’s configuration space, while in the contact phase, forecast wrench signals are integrated into a force control scheme. In this work, we extended our previous GOM by considering kinematic and kinetic descriptors of both human and robot as variables of the same dynamic system. Therefore, contact forces and torques are now integrated into it and can be forecast. To achieve this, we employ a SARIMAX model (Seasonal Auto-Regressive Integrated Moving Average with eXoge nous variables), a stochastic time-series forecasting method that captures temporal dependencies while incorporating external signals. Each wrench component is modeled as a univariate process, with its past values as endogenous inputsand human joint angles plus other wrench components as exogenous variables. This lightweight approach is trained once on synchronized motion–force data and deployed for rolling multi-step forecasting. Preliminary results on a polishing task show accurate short-horizon forecasts (up to 20 s) with negligible latency, making the method suitable for real-time integration and future adaptive control strategies. The remainder of this paper presents the proposed method ology, experimental validation of the force forecasting component, and a discussion of future work integrating motion forecasting and control. Although our method does not directly employ foundation models, it can serve as a complementary component to them. In particular, Section IV introduces a two-phase proactive HRC framework that combines motion synergy modeling and proactive force control, outlining the next step beyond the forecasting results presented here
Geostatistical Modeling with gstlearn: A High-Performance Solution for R and Python
No full textInternational audiencegstlearn is a modern, high-performance geostatistical modeling library that provides an open-source alternative to traditional geostatistical software. Designed for both R and Python, gstlearn leverages an optimized C++ backend to improve computational efficiency, reproducibility, and scalability. As the field of geostatistics continues to embrace open-source software, solutions like gstlearn enable greater flexibility in data science workflows. This chapter explores the advantages of gstlearn's object-oriented framework, which enhances computational performance and cross-platform compatibility. We present structured workflows for variogram modeling, kriging, and conditional simulation using gstlearn, demonstrating its capability to handle large geospatial datasets efficiently. As high-performance distributed computing (HPDC) and machine learning (ML) continue to influence geostatistical modeling, gstlearn offers a flexible, scalable solution for modern applications in geoscience, environmental studies, and resource management
Fabrication additive par fil et laser (WLAM) : simulation numérique multiphysique du transfert thermique, de l’écoulement du fluide et de la formation de la microstructure. Application à l’alliage IN718.
No full textWire Laser Additive Manufacturing (WLAM) is an additive manufacturing technique that produces large, high-value metallic parts from a metallic wire continuously melted by a laser. Its efficiency and high deposition rate make it an attractive alternative to powder-bed processes for manufacturing structural components in the aeronautics and energy sectors.However, controlling the geometric quality and microstructure of the deposits remains a major challenge, as these characteristics are strongly influenced by the thermal and hydrodynamic conditions within the melt pool, which themselves depend on the operating process parameters.In this context, the doctoral work presented here, conducted within the ANR COLUMBO project, aims to develop a comprehensive numerical model for predicting thermo-hydraulic and microstructural evolution at the scale of a WLAM-deposited bead.The material studied is Inconel 718, a nickel-based alloy of industrial interest, selected for its excellent mechanical properties, its resistance to high-temperature corrosion, and its high elastic anisotropy coefficient—a parameter that strongly conditions the controllability of ultrasonic (US) methods.In addition, an original heating device using three converging laser beams, developed by the LURPA partner, was also implemented and investigated in this project.A volumetric source model, without explicit representation of the wire, is proposed to describe the mass and heat transfer associated with material addition.The thermo-hydraulic solution strategy, based on the finite element method, reproduces temperature distributions and melt-pool morphology as a function of process parameters (laser power, travel speed, wire feed rate, etc.).Its principal advantage is a significant reduction in computation time—from about one month to a few days—relative to studies reported in the literature for equivalent configurations, while maintaining a satisfactory level of accuracy.The thermal solution is coupled with a cellular automaton approach for predicting solidification microstructures, providing access to grain morphology and crystallographic orientation.A parametric analysis on several single-track deposit configurations was carried out to assess the influence of process parameters on bead morphology and the resulting grain structure. The results showed good consistency with experimental observations for these simple deposition cases.The approach was then extended to multi-track configurations representative of industrial practice. In these more complex cases, larger discrepancies with experiments were observed, particularly regarding bead morphology, highlighting the model’s sensitivity to thermal interactions between passes as well as to wire delivery conditions.Nevertheless, the methodology developed provides a robust and efficient numerical basis for predictive analysis and optimization of the WLAM process, offering an in-depth understanding of thermal mechanisms and microstructural evolution and thereby contributing to the progressive improvement of the process and the quality of the parts produced.Le procédé Wire Laser Additive Manufacturing (WLAM) est une technique de fabrication additive permettant de produire des pièces métalliques de grande dimension à haute valeur ajoutée à partir d’un fil métallique continûment fondu par laser. Son efficacité et son taux de dépôt élevé en font une alternative intéressante aux procédés sur lit de poudre pour la production de pièces structurelles dans les domaines de l’aéronautique et de l’énergétique.La maîtrise de la qualité géométrique et microstructurale des dépôts reste toutefois un enjeu majeur, ces caractéristiques étant fortement influencées par les conditions thermiques et hydrodynamiques au sein du bain de fusion, elles-mêmes dépendantes des paramètres procédé exploités.Dans ce contexte, le travail de doctorat présenté ici, réalisé dans le cadre du projet ANR COLUMBO, vise à développer un modèle numérique complet pour la prédiction des évolutions thermo-hydrauliques et microstructurales, à l’échelle du cordon de matière déposé par procédé WLAM.Le matériau étudié est l’Inconel 718, alliage base nickel d’intérêt industriel, retenu pour ses excellentes propriétés mécaniques, sa résistance à la corrosion à haute température et son fort coefficient d’anisotropie élastique, paramètre qui conditionne fortement la contrôlabilité des méthodes ultrasonores (US).Par ailleurs, un dispositif original de chauffage par trois faisceaux laser convergents, développé par le partenaire LURPA, a également été mis en œuvre et étudié dans le cadre de ce projet.Un modèle de source volumique, sans représentation explicite du fil, est proposé pour décrire les transferts de masse et de chaleur associés à l’apport de matière.La résolution thermo-hydraulique mise en œuvre, basée sur la méthode des éléments finis, permet de reproduire les distributions de température et la morphologie du bain de fusion en fonction des paramètres de procédé (puissance laser, vitesse de déplacement, débit de fil, etc.).Son principal avantage est de réduire significativement le temps de calcul d’environ un mois à quelques jours par rapport aux études documentées dans la littérature pour des configurations équivalentes, tout en conservant un niveau de précision satisfaisant.La résolution thermique est couplée à une méthode automate cellulaire permettant la prédiction des microstructures de solidification, et donnant accès, en particulier, à la morphologie et l’orientation cristallographique des grains.Une analyse paramétrique sur plusieurs configurations de dépôts monocordon a permis d’évaluer l’influence des paramètres procédé sur la morphologie du cordon et la structure de grains obtenue. Les résultats ont montré une bonne cohérence avec les observations expérimentales sur ces cas de dépôts simples.L’approche proposée a ensuite été étendue à des configurations multi-cordons, représentatives du procédé industriel. Dans ces cas complexes, des écarts plus marqués avec l’expérience sont observés, notamment sur la morphologie des cordons, soulignant la sensibilité du modèle aux interactions thermiques entre passes mais également aux conditions d’arrivée du fil.La méthodologie développée constitue néanmoins une base numérique robuste et efficace pour l’analyse prédictive et l’optimisation du procédé WLAM, offrant une compréhension approfondie des mécanismes thermiques et évolutions microstructurales, et contribuant en cela à l’amélioration progressive du procédé et de la qualité des pièces produites