1,721,061 research outputs found
System-Level Mapping of Automotive Applications on Future E/E Architectures
No full textCette thèse aborde les défis liés à la conception des futures architectures électriques/électroniques automobiles, en se concentrant particulièrement sur l’estimation des ressources de calcul au cours des premières phases de conception. L’étude passe en revue l’évolution historique des architectures E/E, soulignant la complexité croissante et les limites des systèmes décentralisés traditionnelsau cours de l’évolution de l’industrie automobile. L’énoncé du problème souligne la nécessité d’une estimation précise des ressources informatiques au début du processus de conception, en particulier dans le contexte des demandes de devis de l’industrie automobile. Les méthodologies actuelles sont évaluées et jugées insuffisantes pour répondre aux exigences des futurs systèmes automobiles centralisés. Par conséquent, une question de recherche est formulée pour guider le développement d’une nouvelle méthodologie visant à améliorer la précision et l’efficacité de l’estimation des ressources. La méthodologie proposée fonctionne comme un guide de décision de haut niveau et incorpore le paradigme du temps d’exécution logique (LET) pour assurer une communication déterministe sur les plates-formes multicoeurs. Cette approche tient compte des contraintes propres aux systèmes automobiles, notamment les contraintes de temps réel, d’exécution, d’espace et d’utilisation des ressources. La méthodologie vise également à prendre en compte l’évolutivité du système dès le début de la conception en explorant les stratégies de partitionnement et d’affectation.This thesis addresses challenges in designing future automotive Electrical/Electronic architectures, particularly focusing on estimating computational resources during early design. The study reviews the historical evolution of E/E architectures, highlighting the increasing complexity and the limitations of traditional decentralized systems as vehicles evolve. The problem statement emphasizes the need for accurate computational resource estimation early in the design process, particularly within the context of request for quotations in the automotive industry. Current methodologies are evaluated and found lacking inaddressing the demands of future centralized automotive systems. Consequently, a research question is formulated to guide the development of a new methodology for improving resource estimation accuracy and efficiency. The proposed methodology functions as a high-level decision guide and incorporates the Logical Execution Time (LET) paradigm to ensure deterministic communication on multi-core platforms. This approach addresses the unique constraints of automotive systems, including real-time, execution, spatial and resource utilization constraints. The methodology also aims to account for system scalability duringearly design by exploring partitioning and assignment strategies
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Deterministic and non-deterministic simulation coupling for predictive maintenance
No full textLe travail de recherche est axé sur développement d’approches complémentaires, automatiques et génériques pour la maintenance prédictive. Etant donné que les systèmes industriels modernes sont de plus en plus complexes, il en résulte un besoin de faire évoluer les approches traditionnelles pour relever ces nouveaux défis. Une approche hybride en série pour le diagnostic a été développée pour identifier et isoler les modes de défaillance sur les moteurs de manière autonome. Cette approche est basée sur un réseau de neurones non supervisé (Self-Organizing Map) et l’utilisation de fonctions de densité de probabilité. Pour l'aspect pronostique, une approche hybride parallèle a été développée. Elle utilise deux techniques reposant sur un réseau de neurones non supervisé (Self-Organizing Map) et un algorithme d'analyse en composantes principales non-linéaire (KPCA) où chaque modèle estime l'indice de santé. Une approche basée sur la similarité est ensuite utilisée sur chaque technique pour l'estimation de la durée de vie restante. Les deux estimations sont finalement fusionnées par une règle d'expert. Comme étude de cas, un turboréacteur simulé a été utilisé, qui est une référence largement utilisée et fourni par la NASA. Les résultats sont produits sans pratiquement aucune interaction humaine au cours du processus.The research work focuses on the development of complementary, automatic and generic approaches for predictive maintenance. As modern industrial systems become increasingly complex, there is a need to evolve traditional approaches to meet these new challenges. A serial hybrid approach for diagnostics was developed to identify and isolate failure modes on engines autonomously. This approach is based on an unsupervised neural network (Self-Organizing Map) and probability density functions. For the prognostic aspect, a parallel hybrid approach was developed. It uses two technics relying on a Self-Organizing Map (SOM) network and a Kernel Principal Component Analysis (KPCA) algorithm where each model estimates the health index. Each technic is then followed by similarity-based approach for remaining useful life estimation, and both estimations are finally fused by an expert rule. As case-study, a simulated turbofan jet engine was used, which is a widely used benchmark from NASA Ames Prognostics Data Repository. Results are produced with nearly no human interaction during the process
Knowledge reuse to enhance predictive maintenance systems architecture
No full textLa maintenance prédictive vise à déterminer le bon moment pour déclencher des actions de maintenance en fonction de l’état de santé d’un système. La maintenance prédictive est effectuée par des systèmes spécialisés dont la conception est encore basée sur des essais et des erreurs. Deux des principaux défis dans le développement des systèmes de maintenance prédictive sont l’absence d’une approche systématique pour aborder leur état conceptuel, et la sélection des composants appropriés pour traiter les tâches de diagnostic et de pronostic. Cette recherche vise à proposer des solutions possibles pour relever ces défis. Une approche d’ingénierie des systèmes est proposée pour aborder l’étape du concept, et un système d’aide à la décision (DSS) est proposé pour aider l’architecte à sélectionner les composants appropriés en fonction des mises en oeuvre de maintenance prédictives réussies précédentes. Pour le développement du DSS deux technologies sont intégrées : Case-Based Reasoning et ontologies. La validation du DSS comprend la mise en oeuvre de l’un des composants suggérés par le DSS pour accomplir une tâche de diagnostic dans une étude de cas de données de moteur à réaction simulée.Predictive maintenance aims at determining the right moment to trigger maintenance actions based on the health state of a system. Predictive maintenance is carried out by specialized systems whose design is still based on trial and error. Two of the main challenges in the development of predictive maintenance systems is the lack of a systematic approach to address their concept state, and the selection of suitable components to address the diagnostics and prognostics tasks. This research aims at proposing possible solutions to address these challenges. A systems engineering approach is proposed to address the concept stage, and a Decision Support System (DSS) is proposed to help the architect select suitable components based on previous successful predictive maintenance implementations. For the development of the DSS two technologies are integrated: Case-Based Reasoning and ontologies. The validation of the DSS includes the implementation of one of the suggested components by the DSS to fulfil a diagnostics tasks in a simulated jet-engine data case study
Systemic and concrete methods and tools to address environmental complexity and rebound effects within a design or decision process
No full textLe défi du changement climatique et des conséquences de l'activité humaine sur l'environnement est sans aucun doute l'une des questions les plus préoccupantes et les plus urgentes de notre époque. Cependant, les tentatives de résolution de ce problème ont jusqu'à présent été insuffisantes. Pendant des années, les efforts se sont concentrés sur la réduction de l'impact matériel direct des systèmes, en particulier la consommation d'énergie, grâce à l'optimisation des systèmes (Park, 2004 ; Blair, 2020) et au design persuasif dans le domaine de l'interaction homme-machine soutenable (SHCI). Un nombre croissant de chercheurs reconnaissent la complexité de la durabilité, la nécessité d’une forme de sobriété, et en particulier le rôle des effets rebond dans l'affaiblissement de ces efforts. Par exemple, dès 2014, la communauté SHCI a identifié la nécessité d'une approche plus systémique, et certains chercheurs préconisent désormais une approche systémique pour adresser les effets rebond (Bremer, 2023 ; Widdicks, 2023). Pour permettre aux designers et aux décideurs d'identifier, d'anticiper, de comprendre, de prévenir et d'atténuer les effets rebond et autres effets indirects, nous nous appuyons sur des méthodes et des outils systémiques issus de la pensée systémique, de la dynamique des systèmes et du design systémique. En particulier, nous proposons un outil sous forme de cartes pour aider les designers et les décideurs à identifier les futurs effets rebond potentiels qui pourraient résulter d'une décision de design ou d’autres types d’interventions. De plus, nous avons développé une méthodologie de modélisation systémique collective pour permettre à des parties prenantes de représenter et comprendre des effets rebond existants par le biais de la modélisation, et d'élaborer et comparer des stratégies de design par le biais de la simulation. Nous avons développé un prototype d'outil de simulation spécifique, ce qui nous a permis de mieux comprendre les exigences de la modélisation conséquentielle des effets indirects d'un produit ou d'un service au sein d'un système socio-technique. La méthodologie et les outils proposés ont été mis en pratique sur plusieurs cas d'études afin d'évaluer leur utilité et leur utilisabilité, de tirer des conclusions sur la mitigation des effets rebond par le design et d'identifier des pistes pour de futures recherches.The challenge of climate change and the impact of human activity on the environment is undoubtedly one of the most pressing and urgent issues of our time. However, attempts to solve this problem have so far been inadequate. For years, efforts have focused on reducing the direct material impact of systems, particularly energy consumption, through system optimization (Park, 2004; Blair, 2020) and persuasive design in Sustainable Human-Computer Interaction (SHCI). An increasing number of researchers are acknowledging the complexity of sustainability, the need for a form of sobriety, and in particular the role of rebound effects in undermining these efforts. For instance, since 2014, the SHCI community has identified the necessity for a more systemic approach, and some researchers are now advocating for a systemic approach to addressing rebound effects (Bremer, 2023; Widdicks, 2023). To equip designers and decision-makers to identify, anticipate, understand, prevent, and mitigate rebound effects, we draw on systemic methods and tools from systems thinking, system dynamics, and systemic design. In particular, we propose a card-based tool to help designers and decision-makers identify potential future rebound effects that could result from a design intervention or decision. Furthermore, we have developed a collective systemic modeling methodology to enable stakeholders to represent and understand existing rebound effects through modeling and to build and compare design strategies through simulation. We developed a prototype simulation tool specifically for this purpose, which enabled us to better understand the requirements of consequential modeling of the indirect effects of a product or service within a socio-technical system. The proposed methodology and tools were implemented in a series of case studies to assess their usefulness and usability, reveal insights into the mitigation of rebound effects through design, and identify avenues for future research
Early stages of complex systems design : obsolescence considerations from an MBSE perspective
No full text---
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Prediction of the remaining useful life of aircraft components with deep learning methods
No full textLa durée de vie restante (ou Remaining Useful Life - RUL en anglais) d'une structure ou d'un système est le temps opérationnel restant avant qu'il ne soit plus capable d'accomplir avec succès les fonctionnalités requises et devrait ainsi être remplacé. Prédire la durée de vie restante d'un composant sur la base des données disponibles (notamment des données de capteurs) est l'objectif principal des tâches de pronostic (ou pronostic de défaillance). Comme de plus en plus de données deviennent disponibles dans de nombreux domaines de l'ingénierie, y compris dans le domaine de l'aérospatial, il y a un récent essor en intérêt pour l'utilisation des techniques d'apprentissage profond (ou Deep Learning - DL en anglais) pour le pronostic dans ces domaines. En effet, ces approches ont été souvent couronnées de succès dans d'autres domaines lorsque entrainées sur des grandes bases de données. Cependant, l'un des principaux défis de ces techniques réside dans la difficulté d'obtenir de grandes quantités de données étiquetées pour leur entrainement. Les travaux de recherche de cette thèse visent à proposer des solutions potentielles pour répondre à ce défi. Dans le cadre de ces travaux, les problèmes de pronostic d'endommagement par fatigue sont considérés. En effet, pour de nombreuses structures mécaniques et notamment les structures aéronautiques, l'endommagement par fatigue est un mode de défaillance majeur (par exemple pour les panneaux de fuselage soumis à des charges variables pendant le vol). Dans la première partie de la thèse, un cadre algorithmique et un code associé sont proposés, permettant de générer de grandes bases de données synthétiques pour un problème réaliste de pronostic d'endommagement par fatigue. L'objectif de ce travail est de faciliter l'évaluation comparative des derniers algorithmes de DL dans ce domaine de recherche, en particulier dans le secteur aérospatial. Un premier pas dans cette direction a ensuite été fait en comparant différentes approches de DL dans plusieurs configurations sur ce problème de pronostic de l'endommagement par fatigue. Par ailleurs, alors que les données étiquetées sont rares, la disponibilité des données non étiquetées augmente en raison des progrès des technologies de capteurs. L'exploitation des données non étiquetées pendant la phase d'entrainement est donc devenue un objectif majeur de l'apprentissage automatique. Par conséquent, une technique d'apprentissage automatique émergente est étudiée dans cette thèse : l'apprentissage auto-supervisé (ou Self-Supervised Learning - SSL en anglais). Cette approche a déjà fait ses preuves dans des domaines tels que le traitement de texte ou traitement d'images. Dans ces recherches, cette approche a été développée et implémentées dans le cadre du problème de pronostic de l'endommagement par fatigue mentionné précédemment, sur lequel elle a montré des résultats prometteurs, notamment lorsqu'une grande quantité de données non étiquetées et seulement peu de données étiquetées sont disponibles.The remaining useful life (RUL) of a structure or system is the operating time remaining before it can no longer successfully perform its required functions and must be replaced. Predicting the RUL of a component based on available data (notably sensors data) is the main objective of prognostics tasks (or failure prognostics). As more data becomes available in many engineering domains, including in aerospace, there is a recent surge of interest in using Deep Learning (DL) for prognostics in these fields. Indeed, these approaches have been quite successful in other domains when trained on large datasets. However, one of the major challenges for DL techniques resides in the difficulty of obtaining large amounts of labelled data for their training (i.e. data scarcity). This research aims at proposing possible solutions to address this challenge. In this thesis, fatigue damage prognostics problems are considered. Indeed, for many mechanical structures and notably aeronautic structures, fatigue damage is one of the major modes of failure (e.g. fuselage panels subjected to variable loadings during flight). In the first part of the thesis, a framework and code for synthetically generating large data sets for a realistic fatigue damage prognostics problem are proposed. The objective of this development is to facilitate the comparative evaluation of the latest DL algorithms in the research field, in particular in the aerospace domain. A first step in this direction was then taken by comparing different DL techniques in a variety of settings on this fatigue damage prognostics problem. Furthermore, while labelled data is lacking, the availability of unlabelled data is increasing due to the advancements in sensing technologies. Exploiting unlabelled data during training has therefore become a major goal in ML. Hence, an emerging machine learning technique is investigated in this work: Self-Supervised Learning (SSL). This approach has already proven its worth in fields such as Natural Language Processing or Image Processing. In this research, this approach was developed and implemented on the previously mentioned fatigue damage prognostics problem, on which it showed promising results, notably when large amounts of unlabelled data and only limited labelled data are available
- …
