3369 research outputs found
Sort by
Développement et validation d’une méthode d’inspection par tomographie à rayons X pour le procédé de perçage laser
No full textPour l’industrie aérospatiale, l’inspection par tomographie à rayons X et l’analyse approfondie des trous de refroidissement permettent de mieux comprendre l’influence des paramètres de perçage au laser sur la fabrication des chambres de combustion, tout en contribuant à améliorer les techniques de fabrication laser. L’inspection permet également d’établir le lien entre la géométrie des trous laser et le critère de qualité actuellement utilisé dans l’industrie, à savoir le débit massique passant à travers la chambre. Ce mémoire présente le développement et la validation d’une méthode d’inspection par tomographie à rayons X pour l’analyse des trous d’effusion. La méthode développée permet de mesurer l’angle des trous, la variation de sa surface d’entrée et de sortie et le volume de matière retiré lors du perçage au laser. Ces différentes mesures ont été finalement corrélées au débit d’air et donc le taux de refroidissement associé. La méthode d’inspection automatisée a été développée à l’aide du logiciel Dragonfly 3D World (Comet Group, V. 2024.1), qui mesure les paramètres géométriques résultant du processus de perçage au laser. Cette recherche peut présenter un grand intérêt pour les fabricants de chambres de combustion, tels que les concepteurs de moteurs d’avion, dans le cadre du rejet ou de l’acceptation de ces composants.
Dans la première partie de ce travail, une comparaison entre la tomographie à rayons X et l’analyse métallographique conventionnelle a été réalisée afin d’évaluer la précision des mesures d’angles et de diamètres. Les résultats expérimentaux ont permis de quantifier les écarts entre les deux méthodes, établissant des différences autour de 0.55° pour les angles et entre 47 et 72 μm pour les diamètres. La deuxième partie du travail s’est concentrée sur l’étude du mécanisme d’enlèvement de matière en fonction de l’énergie d’impulsion et du côté de perçage (métal vs céramique). L’analyse a démontré que le sens de perçage influence significativement l’expulsion de la matière, modifiant ainsi la géométrie des entrées et des sorties des trous ainsi que le volume des cavités formées avec des différences de plus de 33%. Enfin, la troisième partie a permis de caractériser l’impact des paramètres laser (angle de perçage, position focale et sens de perçage) sur le débit massique de refroidissement. Les essais réalisés sur un banc de test spécialisé ont montré des variations notables. En effet, une différence d’environ 20% du débit entre des perçages à 35° et 20°, une réduction de près de 35 % liée à un décalage focal de 7.6 mm par rapport à 0 mm, ainsi qu’un écart d’environ 25 % entre un perçage côté métallique et côté céramique. De plus, les surfaces d’entrée se sont révélées systématiquement plus larges que les surfaces de sortie, confirmant l’influence de l’angle de perçage sur la morphologie des trous. Cette recherche met en évidence l’efficacité de la tomographie par rayons X comme méthode rapide et fiable pour l’inspection de trous sub-millimétriques, réduisant le temps d’analyse de près de trois heures (méthodes conventionnelles) à moins d’une heure. Ces résultats ouvrent la voie à une optimisation plus approfondie des procédés de perçage laser appliqués aux systèmes de refroidissement avancés
Intelligence artificielle pour la conception et l’ajustement des masques respiratoires
No full textContexte : Les masques respiratoires constituent un élément essentiel de protection individuelle contre les contaminants atmosphériques, tant dans les milieux médicaux qu’industriels. Ce pendant, leur port prolongé peut engendrer un inconfort significatif et provoquer des lésions cutanées. Ces problèmes résultent souvent d’un ajustement inadéquat du masque.
Objectif : Ce mémoire a pour objectif de développer un modèle d’apprentissage automatique capable de prédire la déformation faciale et la distribution des pressions exercées par un masque respiratoire, à partir d’un jeu restreint de données biomécaniques annotées. L’objectif ultime est de favoriser un ajustement personnalisé optimisant à la fois la protection et le confort.
Méthodologie : Une architecture de réseau de neurones en graphes semi-supervisée a été proposée pour représenter la géométrie faciale sous forme de graphes. Le modèle exploite 45 visages étiquetés et 120 non étiquetés, combinant un autoencodeur variationnel et des contraintes inspirées de la théorie du contact hertzien. Un module complémentaire basé sur XGBoost assure la classification des zones de déformation.
Résultats : Notre approche permet d’obtenir une RMSE de déformation de 0,164 mm (R2 = 0, 9896) et une RMSE de pression de 0,0492 kPa (R2 = 0, 9517), soit une amélioration de 34,27 % par rapport à Random Forest, de 20,62 % par rapport à PointNet++ et de 10,01 % par rapport à TPSNET. La validation croisée à cinq volets confirme une généralisation robuste et un temps d’inférence inférieur à 2 secondes.
Conclusion : Cette étude présente un modèle d’ajustement personnalisé en temps réel des masques respiratoires capable de prédire avec précision la déformation faciale et la pression de contact
Dimensionnement d’une flotte de véhicules électriques de service : développement d’une méthodologie combinant prévisions, simulation à évènement discret et heuristiques
No full textLe dimensionnement d’une flotte de véhicules de service demeure un défi majeur pour de nombreuses entreprises, même avec l’utilisation répandue des systèmes ERP qui permettent d’obtenir de nombreuses données. Cela s’explique notamment par la nature stochastique de ce type de problème, les véhicules de service se déplaçant sur demande pour prendre en charge des incidents difficiles à prévoir. Ainsi, contrairement à des interventions pouvant être planifiées à l’avance (en construisant des tournées de véhicules au préalable), lors du départ d’un véhicule, pour lequel on souhaite minimiser les temps de déplacement, les moments d’apparition et les localisations des interventions devant être prises en charge ne sont pas connues avec précision.
Les approches de dimensionnement traditionnelles trouvées dans la littérature ont souvent du mal à capturer efficacement le caractère stochastique de ce problème, ainsi qu’à faire un lien entre la composante temporelle et la composante spatiale des demandes d’intervention. Enfin, le passage à l’électrique est un enjeu majeur dans l’industrie, qui n’a que peu été étudié dans ce cadre-ci.
Dans cette optique, ce mémoire de maîtrise propose une approche basée sur les données pour le dimensionnement d’une flotte de véhicules électriques de service pour laquelle la demande est stochastique. Cette méthodologie est séparée en trois partie majeures : 1) la prévision des interventions futures, 2) la mise en place d’un modèle de simulation afin de tester de nouvelles stratégies d’affectation des véhicules de service aux interventions et 3) le développement d’heuristiques nous permettant de construire des tournées de véhicules dans le cas où les prévisions des interventions seraient suffisamment fiables. Notre attention s’est également portée sur la rectification des données collectées. Pour ce faire, à partir du modèle de simulation une méthodologie a été construite afin de mettre à l’échelle le nombre d’interventions.
Ce qui distingue cette approche de l’existant est l’application de méthodes utilisées dans des domaines connexes à un domaine encore peu traité, celui des véhicules électriques de service, répondant à des interventions (difficiles à prévoir) impactant l’offre de service de transports en commun. Son originalité réside dans le traitement des données permettant de mimer l’apparition spatiotemporelle des demandes d’interventions combiné dans un premier temps, à la simulation et ensuite à des heuristiques qui ont servi au dimensionnement de la flotte des véhicules de service.
Nos résultats montrent que le passage à l’électrique peut être une opportunité menant à la réduction de la taille de la flotte chez la STM, en fonction des hypothèses choisies, allant jusqu’à 68% de véhicules en moins par rapport au nombre actuel de véhicules. Certaines stratégies testées pouvaient se traduire par des temps d’intervention moyen diminués. Enfin, la centralisation des véhicules au sein d’un même dépôt ne ferait pas augmenter substantiellement le temps d’intervention ce qui entrainerait des économies sur les infrastructures de recharge, avec leur mutualisation pour l’ensemble de la flotte
Defining KPIs to assess the impact of innovation in construction: Insights from Public Project Owners
No full textThis thesis aims to define key performance indicators (KPIs) for evaluating the impact of innovations in the AECO industry. The work began by clarifying core concepts - innovation, performance measurement, and impact assessment - to build a shared vocabulary and an analytical baseline. With these foundations, an investigation of current practice was carried out with public project owners (PPOs) in Québec to understand what is measured, how it is measured, and why.
A Design Science Research (DSR) approach was used. First, a literature review assembled 42 KPIs grouped into nine categories: Cost, Time, Productivity, Quality, Safety, Scope (changes/claims/RFIs), Risk, Sustainability, and Innovation. Second, semi-structured interviews with five Québec PPOs documented current KPI practice, data workflows, and difficulties. Third, prioritization workshops with the same four PPOs plus one additional owner positioned the 42 KPIs on a usefulness–measurability matrix. Finally, a post-workshop validation questionnaire (seven responses from six PPOs) confirmed priorities for implementation.
Findings show a narrow core in current dashboards - cost and time - together with implementation barriers: data-quality issues, fragmented systems, and cultural factors affecting adoption. At the same time, owners expressed a clear interest in moving beyond the “iron triangle” toward scope discipline, risk management, productivity, quality and stakeholder outcomes, safety, sustainability, and innovation. Workshop inputs were ordered by combining the average scores for usefulness and ease of measurement with agreement weights based on the interquartile range (IQR). Usefulness was emphasized (80%), while ease of measurement contributed (20%) to reflect feasibility without letting it dominate. This procedure produced an owner-endorsed shortlist of 17 KPIs that balances decision value, consensus, and practicality.
The prioritized set comprises the following metrics: cost predictability (design/construction), cost per unit, time predictability (design/construction), time per unit, labor productivity expressed as dollars per unit, stakeholder satisfaction, lost-time incidents, change order (cost) – client-initiated, change order (cost) – contractor-initiated, number of change orders – clientinitiated, number of change orders – contractor-initiated, requests for information (RFI), waste generation, carbon footprint, energy consumption, scope of risks (risk-exposure score), and cost of risk mitigation. Together, these cover the main control needs of public owners while opening space for sustainability and risk-informed decisions as data pipelines mature.
The main contribution is an owner-validated KPI set spanning nine categories and a replicable prioritization procedure that integrates perceived value, stakeholder agreement, and measurability. Practically, owners can begin routine reporting with the validated shortlist, while planning staged adoption of sustainability and future innovation-specific indicators as data governance improves. Limitations include a small, Québec-based sample and a crosssectional snapshot of the current practices of public project owners. Future work will pilot the prioritized KPIs on live projects, strengthen data governance and integration, and run longitudinal studies linking project-phase indicators to post-handover outcomes, enabling a more complete evaluation of innovation impacts across the asset life cycle. With these results, the impact of innovation can be identified across a wider set of dimensions than time and cost, and assessed beyond immediate outputs to include longer-term outcomes
Numerical modeling of the runway deicing products performance on aircraft runways
Get PDFIce-covered runways increase accident risk by making surfaces slippery. In aviation, deicing runways is essential to ensure safe takeoffs and landings. However, excessive deicing chemical use raises environmental concerns. Developing a mathematical model can help to reduce chemical usage. Current 0D models primarily rely on constant empirical melting rates for road pavements, lacking the precision needed for runway conditions. This research presents a onedimensional model to estimate runway ice melting rates and surface temperatures based on deicer quantity and environmental conditions. The Runway Deicing model employs the twophase Stefan problem, modified to account for non-uniform deicer concentration, governed by Fick’s law for mass diffusion. The enthalpy method was adopted for phase change with variable melting temperatures, using a finite volume approach to solve the model explicitly. Verification was performed through comparison with the Neumann similarity solution, confirming the Runway Deicing Model’s accuracy in predicting temperature and melting front location. With deicers, the model predicted key parameters like surface temperature, melting front, and concentration gradients, verifying its performance by capturing expected behaviors like the temperature-concentration relationship according to the liquidus curve. Model validation was based on controlled ice melting experiments following AS6170 standards. Deicing solutions at -2°C and -10°C were applied to ice samples. At -2°C, the model’s temperature prediction error was 0.9% for KFO (Potassium formate) and 0.88% for KAC (Potassium acetate), with the mass prediction discrepancies of 15% for KFO and 11% for KAC at 5 minutes, stabilizing over time. At -10°C, temperature error was 1.2% for both deicers, with the mass errors of 11.8% for KFO and 16% for KAC. The parametric study examined the effects of variables such as the heat convection coefficient, initial deicer thickness, and melting temperature. Under runway-specific conditions, KAC achieved a higher melting rate than KFO across temperature scenarios. Additionally, reapplication frequency was tested and the results showed that larger, less frequent applications melted slightly more ice, enhancing deicing efficiency on runways
Détection de fuites d’eau par drone à l’aide de l’imagerie thermique et de l’analyse du réseau de drainage
Get PDFLimiter les risques de contamination des milieux naturels et ses conséquences pour la santé publique constituent deux priorités dans la gestion des risques environnementaux dans le secteur minier. Les bassins à résidus, souvent à ciel ouvert, concentrent une grande quantité de métaux toxiques représentant une source potentielle de contamination. Du fait de leur haute mobilité à la suite d’événements tels que des précipitations, des infiltrations d’eau ou encore des cycles de gel et dégel, ces sites font l’objet d’une surveillance particulière. Cette surveillance consiste notamment en la détection d’éventuelles fuites ou zones humides qui entraineraient la dispersion de métaux traces et provoqueraient la dégradation des écosystèmes environnants. Dans ce contexte, les progrès technologiques en matière de drones et de capteurs d’imagerie offrent de nouvelles opportunités.
L’étude présentée s’est déroulée sur le site minier Quémont 2, de la Fonderie Horne, située à Rouyn Noranda, au Québec. Certains ouvrages de retenu du site vieillissant, des pertes d’eau peuvent apparaître à leur base. Localiser les fuites est souvent très difficile à réaliser sans moyen technologique compte tenu de la surface du site, et la présence de végétation, de zones d’ombre et de roches de tailles diverses. Pour y remédier, la méthode présentée ici propose d’exploiter simultanément des images thermiques et visibles capturées à partir de drone. L’imagerie infrarouge (IR) permet de repérer des contrastes de température, indicateurs probables de la présence d’eau, tandis que les images haute définition du visible servent à générer des images matricielles secondaires (vNDVI, ombrages, pentes) utilisés pour filtrer les faux positifs inclus dans les images thermiques. Le vNDVI (visible NDVI), par exemple, permet d’isoler des surfaces végétalisées susceptibles de présenter une signature thermique proche de celle de l’eau. Les pentes et ombrage aident quant à eux à identifier les artefacts dus à la topographie ou à l’ombre. Un seuillage des données par l’utilisation d’algorithmes d’apprentissage automatique est également mis à profit, améliorant la précision des traitements et l’autonomie de l’approche, tout en réduisant le temps d’analyse. Finalement, ce prétraitement par imagerie permet le traçage d’un réseau de drainage afin de distinguer les possibles ruissellements d’eau souterraines de ceux de surface. Les résultats obtenus montrent que cette approche intégrée isole efficacement les résurgences et met en évidence les suintements observés rendant possible l’identification les sources potentielles d’exfiltrations, facilitant la planification des opérations humaines et la prise de décision. La méthode proposée est adaptable à diverses questions de surveillance environnementale. Ses limites actuelles sont liées principalement à la performance du capteur thermique et aux conditions météorologiques à la prise d’image
Outil de visualisation des fractures du tibia distal en réalité virtuelle
Get PDFLes fractures intra-articulaires du tibia distal sont difficiles à traiter en raison de leur complexité. Pour les opérer, une réduction de fracture doit être réalisée afin de reconstruire la surface articulaire et de maintenir l’alignement des fragments osseux. Les enseignements des réductions de fracture sont découpés en deux parties. Pour enseigner la partie théorique, les chirurgiens utilisent des outils de visualisation sur ordinateur comme une visionneuse PACS (Picture Archiving and Communication System) pour afficher des tomodensitométries de fracture et s’en servir comme support de formation. Bien que des outils de formation chirurgicales ont été développé pour permettre aux résidents de s’entrainer dans un environnement sain et contrôlé sans risquer la sécurité du patient, il n’existe pas d’outil dédié aux fractures du tibia distal.
Le but de ce projet de recherche est d’évaluer la valeur ajoutée de la réalité virtuelle pour la formation de la chirurgie de réduction des fractures du tibia distal. Cet objectif est réalisé par la comparaison de deux outils : une visualisation en réalité virtuelle et des images tomodensitométriques examinées sur un système PACS standard. Un outil de visualisation des fractures du tibia distal a été développé en réalité virtuelle. Afin de valider l’intérêt d’utilisation de cet outil, une étude usager a été mené auprès d’un chirurgien orthopédiste collaborant au projet. Le plan expérimental est basé sur un protocole de réflexion à haute voix afin de comparer les processus réalisés. Le chirurgien a réalisé un enseignement de réduction de fracture du tibia sur six cas d’étude en maniant les deux modes de visualisation et des enregistrements audios et vidéos ont été effectué pour réaliser les comparaisons. Les résultats indiquent que la réalité virtuelle n’est pas moins performant qu’un outil de visualisation standard et qu’il offre un intérêt d’utilisation pour la visualisation des fractures du tibia distal. La réalité virtuelle permet une interaction plus simple, ainsi qu’une explication plus visuelle. En outre, la réalité virtuelle n’introduit pas de contrainte supplémentaire en termes de durée d’utilisation par rapport à une méthode plus conventionnelle de formation
Modélisation conjointe du silicium, de l’oxygène et de la silice
Get PDFCette thèse décrit le développement de potentiels interatomiques pour le silicium et la silice, suivis d’une étude numérique du silicium amorphe basée sur le dit potentiel. Le silicium et la silice sont les constituants fondamentaux de plusieurs matériaux de construction tels que les argiles, les matériaux cimentaires et les polymères activés par alcalins. Ce travail propose une description conjointe par potentiel interatomique d’un composé de la silice (SiO2) et de ses composants élémentaires, le silicium (Si) et l’oxygène (O), intégrant le concept de transfert de charge. Cependant, cette description combinée et les complexités liées au transfert de charge posent des défis aux méthodes traditionnelles, qui rencontrent souvent des limitations spatiotemporelles et des problèmes de transférabilité.
Dans cette recherche, la silice et ses composants élémentaires — le silicium et l’oxygène — ont été utilisés comme prototypes pour évaluer la capacité du Potentiel par Tenseur de Moments (MTP) à décrire simultanément et avec précision des espaces configurationnels disjoints, tout en intégrant les transferts de charge. Le MTP est un potentiel basé sur l’apprentissage automatique qui a montré des résultats prometteurs dans la description non conjointe de matériaux tels que les semi-conducteurs, l’eau et les alliages. Dans un premier temps, une base de données complète pour la silice, le silicium et l’oxygène a été générée à partir de milliers de calculs basés sur la théorie de la fonctionnelle de la densité électronique (DFT). Par la suite, le MTP a été paramétrisé en utilisant ce jeu de données, adoptant une approche unifiée pour le système disjoint Si-SiO2-O. Le potentiel obtenu a ensuite été utilisé pour des calculs statiques et des simulations de dynamique moléculaire, avec des résultats comparés aux données DFT, aux résultats expérimentaux et aux modèles semi-empiriques. Le potentiel a été testé en profondeur en le couplant à la technique d’activation et de relaxation nouveau (Activation Relaxation Technique nouveau - ARTn) pour modéliser le silicium amorphe.
Les prédictions du potentiel unifié s’alignent bien avec les données expérimentales. De plus, il a été conclu que les coordonnées de réaction chimiques sont suffisantes pour décrire les transferts de charge, tandis qu’un choix judicieux du nombre de paramètres du modèle permet de décrire simultanément les régions disjointes de l’espace configurationnel et ce de façon efficace. Suite à ces résultats, une base de données sur l’eau, ainsi que sur les molécules et structures liées au gel de silice, a été conçue et générée. L’étape de l’eau constitue un point de départ pour la modélisation de systèmes plus complexes en lien avec les matériaux cimentaires et argileux.
Le coût computationnel associé à la modélisation dans cette thèse reste modeste grâce à la taille de la base de données générée et aux simulations effectuées. Il existe un potentiel d’optimisation supplémentaire des coûts en élaborant un plan de travail concis et en affinant les codes impliqués dans le développement du potentiel
Détection efficace des intrusions sous contraintes de réseaux d’entreprise modernes
Get PDFCette recherche porte sur la détection d’intrusion efficace dans le contexte des cyberattaques mo- dernes et problèmes ouverts de recherche. Elle montre comment les caractéristiques importantes des réseaux réels peuvent significativement impacter la performance des systèmes de détection d’intrusion et empêcher le déploiement industriel des solutions proposées dans les articles académiques. Les expériences de cette recherche sont fondées sur le jeu de données OpTC, le plus grand et le plus représentatif de tous les jeux de données disponibles. La discussion porte sur l’importance de ce jeu de données et les raisons de son obscurité. Pour qu’il soit utilisé d’avantage, une analyse approfondie est faite pour révéler la présence de certaines caractéristiques importantes des réseaux réels dans les données. Cela permet de conclure qu’OpTC peut aider à concevoir et à évaluer des systèmes de détection d’intrusion pratiques.
Les contributions incluent une description détaillée du jeu de données, une évaluation de référence et un algorithme déterministe pour convertir la description de la réalité du terrain en un ensemble d’étiquettes pour une utilisation avec les techniques d’apprentissage machine. La publication des étiquettes évite aux recherches futures de répéter ce processus difficile et chronophage. De plus, les résultats montrent qu’il est possible de détecter les attaques dans ce jeu de données avec des méthodes de détection d’anomalie relativement simples. Cela signale le besoin de développer de meilleurs indicateurs pour évaluer la performance d’IDS.
Ces résultats ont servi de base à l’élaboration d’une méthode novatrice de détection qui repose sur une réflexion critique sur la structure des opérations dans un SOC moderne. L’architecture résultante de l’IDS à deux phases est une preuve de concept qu’il est possible d’intégrer les exigences des équipes de sécurité et les contraintes des réseaux dans une architecture IDS efficace. La discussion porte sur la possibilité de réduire l’écart entre les besoins de l’industrie et la recherche académique en travaillant sur les bons problèmes et les bonnes exigences. Néanmoins, même si cette recherche présente des résultats très prometteurs, elle soulève encore plusieurs problèmes ouverts pour la recherche future, incluant la dépendance sur nature confinée des données d’entrainement et la performance de système de bout en bout
Optimisation de la précision et de la robustesse de la mesure d’épaisseur des matériaux corrodés par l’intégration des réseaux de neurones Transformer
Get PDFL’évaluation précise de l’épaisseur des matériaux corrodés représente un enjeu majeur en contrôle non destructif (CND), en raison de la complexité des signaux ultrasonores et de la superposition des échos. Face aux limites des architectures de réseaux de neurones convolutifs (CNN) utilisées dans la littérature, ce travail explore l’intégration des réseaux de neurones Transformer (TNN) afin d’améliorer la résolution et la fiabilité des mesures d’épaisseur.
Entraînée et validée sur un dataset combinant des simulations par éléments finis et des données expérimentales issues de mesures sur un bloc corrodé, une première architecture hybride CNN- TNN a été développée. Validée dans un article révisé par les pairs, cette approche a démontré que l’intégration d’un module Transformer introduit un contexte global dans l’apprentissage, permettant ainsi de surpasser les performances des modèles CNN existants. Toutefois, cette approche présentait une complexité computationnelle élevée et un risque de surajustement.
Pour y remédier, une version optimisée, le Lite CNN-TNN, a été conçue en intégrant une couche convolutive en parallèle du mécanisme Multi-Head Self-Attention (MHSA). Cette hybridation a permis de capitaliser sur la capacité des CNN à extraire des caractéristiques locales tout en conservant les avantages du Transformer pour capturer des interactions globales. Cette approche a amélioré la stabilité de l’apprentissage et réduit significativement le nombre de paramètres du modèle.
Par ailleurs, le modèle de simulation a été optimisé en intégrant des signaux réalistes issus d’échos expérimentaux, en ajustant la taille de la sonde et en affinant la méthodologie de labellisation pour mieux refléter les conditions réelles. L’optimisation de la méthode d’apprentissage a également été renforcée grâce à des techniques d’augmentation de données adaptées.
Les résultats obtenus confirment la pertinence de cette approche : le modèle Lite CNN-TNN a atteint un taux de succès de 98,84% sur le dataset expérimental et 97,40% sur le dataset simulé, surpassant le meilleur modèle CNN de la littérature qui a obtenu 98,70% et 95,70% respectivement, tout en étant 24 fois plus rapide