Technologies pour la R&D

Présentation au sujet: "Technologies pour la R&D"— Transcription de la présentation:

1 Technologies pour la R&D
Contacts :

2 Présentation Générale
Identité Dénomination sociale AXTRID (Assistance X Technologies à la Recherche à l’Innovation et au Développement) Siège social 12, avenue des Prés, Montigny Le Bretonneux Capital €, Capital exclusivement Français, société indépendante de tout groupe C.A. ,6 M€ Activité Ingénierie multi-technologies, R&D, Code APE B Effectif 17 personnes dont 13 ingénieurs et docteurs Secteurs industriels Activité transversale à tous les secteurs industriels 14/11/2011 Présentation Générale

3 Du concept à l’industrialisation
traitement de données, traitement d’images, statistiques, analyses, outils logiciels, études… algorithmes, fonctions, sous-ensembles, modélisation, simulation TS… statistiques, analyses, optimisation… assistance, relations industriels, relations designers … assistance à rédaction. Recyclage Exploitation SAV Maintenance Brevets Recherche Idées innovations Preuve de concept NDA Notre périmètre d’action (souvent protégé par des clauses de confidentialité) Marketing Commercial Conception Certification homologation Prototypage MAP validation Industrialisation Production dispositifs expérimentaux maquettage logiciel… moyens d’essais, prototypes, simulateurs TR HIL … assistance, relations organismes. R D & 14/11/2011 Présentation Générale

4 Une structure efficace
Une équipe de haut niveau, formée d’ingénieurs et de docteurs de formation et d’expériences variées, organisée en 4 pôles de compétences, dotée de circuits décisionnels courts et réactifs, complétée par un réseau de partenaires. Modélisation et Traitement de Données Electronique et Intégration de Systèmes MTD MTD EIS ACS ITR EIS Partenaires ITR ACS Informatique Temps Réel Analyse et Contrôle des Systèmes 14/11/2011 Présentation Générale

5 Présentation Générale
MTD Mathématiques appliquées, probabilités et statistiques Classification /régression, analyse bayesienne Fusion de données, analyse de séries temporelles Modélisation de processus physiques, en particulier en biologie Analyse et traitement d’images Imagerie hyperspectrale, visible, UV, IR,X (statique ou vidéo) Mise en place de chaînes d’acquisition et de traitement d’images Développement et embarquement d’algorithmes de traitement Développement et intégration de logiciels spécifiques Noyau de calcul scientifique (algorithmique, optimisation,…) IHM et communications avec l’informatique existante Intégration dans les process informatiques du client (BDD, …) 14/11/2011 Présentation Générale

6 Présentation Générale
EIS Conception et réalisation électronique Etudes, prototypage, réalisation de fonctions à intégrer Production petites séries Développement logiciel couches basses Firmware Communications spécifiques Drivers (capteurs, actionneurs) Intégration de systèmes multi-technologies Dispositifs expérimentaux, bancs d’essais Prototypes Tests d’intégrations 14/11/2011 Présentation Générale

7 Présentation Générale
ACS Modélisation et simulation de systèmes multi-physiques Détermination du périmètre physique Modélisation fonctionnelle et dynamique Simulation Etablissement des lois de contrôles Prototypage rapide des lois de contrôle (Temps Réel) Etude, conception et réalisation de contrôleur Nos moyens Matlab / Simulink / Stateflow Opal RT / xPC Target / DSPACE 14/11/2011 Présentation Générale

8 Présentation Générale
ITR Systèmes Temps Réel Analyse de problèmes requérant une solution TR Architecture et implémentation d’applications TR Génie logiciel Génération de code automatique Calcul parallèle et hybride (CPU-GPU) Bases de données relationnelles Interfaces Homme-Machine Développement d’applications ergonomiques et esthétiques Utilisation de  technologies performantes et modernes (.NET, Java, directX, WPF…) 14/11/2011 Présentation Générale

9 Compréhension du besoin
Accords préalables Confidentialité Propriété industrielle Secret de la défense nationale Agrément CIR Qualité d’écoute Mobilisation de compétences Travail collaboratif Analyse fine du besoin Souplesse d’adaptation aux contraintes des projets Un interlocuteur unique Client propriétaire des développements Expression de besoin Compréhension du besoin Compréhension du métier Compréhension du contexte Analyse fine par nos experts Chef de projet A X T R I D MTD EIS ACS ITR partenaires Projet client Cahier des charges fonctionnel Établi par le client ou par AXTRID Exhaustif, sans ambigüités Exigences fonctionnelles Spécification technique du besoin Solutions techniques proposées Solutions techniques imposées Base de la proposition Proposition technique et financière Réponse technique détaillée Organisation, planification Prix et échéancier de facturation. Souplesse et ajustement par itérations 14/11/2011 Présentation Générale

10 Organisation et méthode
Fondé sur un CDC et une proposition justifiée, admise et comprise de tous les acteurs, un travail collaboratif pluridisciplinaire à toutes les étapes garantit l’optimalité fonctionnelle, économique, ergonomique et esthétique de nos réalisations. 14/11/2011 Présentation Générale

11 Présentation Générale
Agréments & adhésions Agrément Crédit-Impôt-Recherche : renouvelé pour Certification ISO 9001 en cours (2012) Adhésion aux pôles de compétitivité : Movéo Optics Valley 14/11/2011 Présentation Générale

12 Exemples de réalisations

13 Classification innovante en génomique
Classer les patientes atteintes de cancer du sein selon leur risque de récidive Applicable à tous les problème de grande dimension Nombre d’échantillons (= nombre de patientes) égal à 1 ou 2% de la dimension (= nombre de variables quantitatives caractérisant une patiente) Base de données Nombre d'échantillons Nombre de positifs Dimension GSE1456 159 40 12065 GSE2034 286 107 GSE2990 125 49 GSE4922 249 89 AUC (Aire sous la courbe) Précision en classification Base de données (A.C. Haury) Axt2 GSE1456 0.71 0.98 0.66 0.94 GSE2034 0.63 0.59 0.88 GSE2990 0.64 0.83 0.55 0.72 GSE4922 0.60 0.81 0.61 0.79 Axt2 Méthode probabiliste de classification très performante, sans sur-apprentissage Identification des variables les plus déterminantes Classification de nouveaux patients avec incertitudes associées - (AC.Haury) représente l’état de l’art, i.e. la méthode donnant la meilleure précision en classification selon (AC. Haury, 2011) - Axt2 est une méthode propriétaire, développée par Axtrid sur fonds propres 14/11/2011 Présentation Générale

14 Protéomique : diagnostic précoce du cancer de la prostate
Classer les patients en sains, à risque haut, intermédiaire ou faible Algorithmes applicables à tous les problème de spectroscopie Post-traitement des données spectrales (alignement, normalisation, débruitage, détection de pics, …) Classification en grande dimension après sélection de variables 14/11/2011 Présentation Générale

15 Imagerie hyperspectrale en dermatologie
Spécifier et mettre en œuvre une chaine d’acquisition et de traitement de données hyperspectrales Problématiques: Taille des cubes de données (>= 1,5 Go par cube) Complexité du traitement, espace à très grande dimension Choix des longueurs d’ondes spécifiques à une application 14/11/2011 Présentation Générale

16 Imagerie hyperspectrale en dermatologie
Quantification et caractérisation d’une réaction allergique de type érythème Problématiques : Quantifier l’érythème et son évolution Méthode efficace sur tous types de peaux (même les plus foncées) 14/11/2011 Présentation Générale

17 La résolution du problème inverse (1)
Paramétrer un système inconnu de telle sorte que le résultat obtenu soit celui voulu au départ X_k : paramètres ou variables Critère est le résultat souhaité Critère ? Modèle ? X_1 X_k … Problème direct Modèle ? Critère X_1 ? X_k ? … Problème inverse Résolution mathématique et probabiliste du problème Expression mathématique des zones de paramètres Ne nécessite pas une connaissance du système (« boîte noire »), mais seulement un apprentissage sur ses entrées/sorties 14/11/2011 Présentation Générale

18 La résolution du problème inverse (2)
Combinaisons de paramètres garantissant un résultat souhaité Plages de valeurs d’une variable pour obtenir une performance donnée p1 Modèle p2 p3 p4 p5 Quelles valeurs doivent prendre p1, p2, p3, p4 et p5 pour obtenir un spectre donnée ? Quelle zone de l’espace doit occuper une variable pour obtenir une classe donnée ? Plan d’expérience initial suivi de simulations ciblées Optimisation très complexe (361 dimensions) Erreur maximale d’estimation de 0,5 % par paramètre 100 échantillons en apprentissage Problème de dimension 40 La zone trouvée correspond bien à la zone réelle La résolution du problème inverse nécessite un historique pour l’apprentissage 14/11/2011 Présentation Générale

19 Apprentissage intelligent par plan d’expérience
Optimiser l’apprentissage destiné à estimer les paramètres d’un modèle relatif à un spectre de peau observé Spectre observé Modèle La résolution de ce problème nécessite la génération d’un apprentissage ciblé ? p1 p2 p3 p4 p5 10 valeurs/paramètre  simulations possibles Comment diminuer le nombre de simulations ? p1 Modèle p2 Plan d’expérience initial suivi de simulations ciblées Les nouvelles simulations sont en fonction : Du spectre à atteindre Des résultats de simulations disponibles p3 p4 p5 Seules 1800 simulations ciblées ont été nécessaires (1,8 % du nombre initial) Erreur maximale d’estimation de 0,5 % par paramètre 14/11/2011 Présentation Générale

20 Health Monitoring (Maintenance prédictive)
Détecter un changement et savoir le localiser Approches pour la maintenance prédictive Redondance Model-based Signal-based Surveillance en continu de certains signaux « vitaux » Détection d’un changement Nécessite de dupliquer tous les équipements à surveiller Comparer les observations au modèle Outils de traitement de données développés en interne Détecter une tendance par signal Détecter une tendance globale 14/11/2011 Présentation Générale

21 Health Monitoring (Maintenance prédictive)
Détecter un changement et savoir le localiser Méthodes d’estimation et de classification Quand le modèle n’est pas connu Quand un signal est surveillé en continu ? Historique avec des données fiables Estimation d’un modèle « nominal » Nouvelles mesures Méthodes probabilistes Détection d’un changement Exemple : surveillance en continu du centre de Masse d’une personne âgée pour prévenir le risque de chute 14/11/2011 Présentation Générale

22 Classification/Détection/Segmentation (1)
Optimiser, fiabiliser, automatiser le processus de traitement et d’analyse PROTEOMIQUE Segmentation d’images par contours actifs robustes Détection/segmentation de mélanomes DERMATOLOGIE 14/11/2011 Présentation Générale

23 Classification/Détection/Segmentation (2)
Optimiser, fiabiliser, automatiser le processus de traitement et d’analyse COMPORTEMENT ANIMAL Problématique : Grande mobilité de l’animal Variabilité de forme importante entre deux instants successifs 14/11/2011 Présentation Générale

24 Système de détection de position et d’attitude
Concevoir, prototyper et fabriquer un système de détection de position et d’attitude pour optimisation et sécurisation d’un simulateur de sport de glisse Détecter la présence d’un pratiquant et déterminer sa position Evaluer ses déplacements, détecter ses sauts et ses chutes Contraintes : Présence de plusieurs pratiquants Différents sports et figures possibles Robustesse (embruns, corde, bouée, éclairage…) Modularité, évolutivité Réactivité suffisante Traitement d’images Vidéo Classification temps réel Prestations : Etudes de faisabilité, performance, dimensionnement Spécifications techniques du besoin Mise en œuvre de moyens expérimentaux Choix de la technologie et des méthodes de traitement Mise en place et gestion des expérimentations Mise en place des systèmes de détection Test et Validation IHM 14/11/2011 Présentation Générale

25 Sécurisation de fraiseuse par caméra vidéo
Optimiser l’exploitation de fraiseuses d’un bureau de style automobile en sécurisant les interventions de stylistes lors de l’usinage Mât Bras z Sphère d'alerte Sphère d'arrêt Sphère outil Plan équatorial Caméra Terminal de diagnostic 230 V Sirène Centrale de commande Boucle sèche Clé réarm Caméra Gyrophare Contraintes Robustesse mécanique compatible avec l’environnement atelier (salissures, nettoyages, chocs) Homologabilité vis-à-vis de la sécurité des personnes. Pas d’interférence fonctionnelle avec la fraiseuse, pas de perturbation de performances Robustesse algorithmique (jets continus de copeaux, éclairage non maîtrisé, mobilité caméra) 14/11/2011 Présentation Générale

26 Imageur/analyseur destiné à la dermatologie
Affiner et valider les concepts, spécifier, mettre au point et prototyper un appareil de caractérisation de la peau. Algorithmique: Paramétrage de la prise d’image Indexation automatique Détection/Segmentation Classification probabiliste par SVM (Support Vector Machines) Gradation des critères pour chaque image comparée à la gradation d’un expert Matériel et IHM : Eclairage par matrice de LEDs Contrôle du spectre et la puissance par zones Caméra CMOS U.C. embarquée : IHM de paramétrage et de génération de scénarios Image de contrôle Contrôle de la prise d’image et exécution des scénarios Communication avec B.D. de stockage 14/11/2011 Présentation Générale

27 Stylo pour Tableau Blanc Interactif
Concevoir et prototyper un stylo interfacé avec le tableau par liaison radio. Conception mécanique et électronique Electronique avec fortes contraintes d’optimisation de la consommation. Tête optique: génération d’un spot IR de localisation et détection de proximité du tableau. Dongle zigbee, drivers associés, optimisation du protocole de communication. Intégration informatique dans le système (PC). Réalisation d’une pré-série de validation et de démonstration. 14/11/2011 Présentation Générale

28 Appareillage de soin de la mycose des ongles
Prototyper et préparer l’industrialisation d’une perceuse électromécanique associée au produit de traitement. Conception mécanique, électronique, logicielle Mise au point et prototypage sur la base du brevet client Assistance au marquage CE Fabrication de 20 exemplaires de pré-série pour tests cliniques 14/11/2011 Présentation Générale

29 Bancs de validation et d’endurance pour ECU automobile
Concevoir et fabriquer un banc pour l’ECU de toit escamotable 308 CC Problématique : Test de validation fonctionnelle sur séquences réalistes simulées Introduction de pannes Tests d’endurance, pilotage d’étuve Contraintes : Développement firmware, IHM LABVIEW 14/11/2011 Présentation Générale

30 Simulateur HIL de validation de prothèse cardiaque totale
Concevoir et réaliser un simulateur propre à valider fonctionnellement le logiciel de la prothèse Matlab/Simulink (MathWorks) xPCTarget & RTW Logiciel à valider implanté sur une carte prototype d’ECU prothèse (fourni par le client) Modèle : partie matérielle prothèse + circuit sanguin Simulateur Station de pilotage Prestations : Conception et réalisation clef en main et évolutions, Intégration des modèles du circuit sanguin et du groupe moto-pompes, Génération automatique des scénarios de tests. 14/11/2011 Présentation Générale

31 Simulateurs HIL / SIL dans le cadre du programme M51
Concevoir, fabriquer, faire évoluer et maintenir les simulateurs Nos prestations : Modélisation fonctionnelle sous Simulink Simulateur clef en main Maintenance en condition opérationnelle. Témoignage : « Depuis 2003, ASTRIUM fait appel aux compétences de la société AXTRID dans le cadre du programme de défense M51. AXTRID est intervenu initialement comme expert MATLAB/SIMULINK pour la modélisation et la simulation temps réel du missile. Aujourd’hui, nous confions à AXTRID la responsabilité de la conception, de la réalisation et de la maintenance des simulateurs HIL constituant le coeur de la plateforme de validation et de qualification du système d’arme M51 implantée sur le site des Mureaux. Ayant pu apprécier sur le long terme la qualité du travail, la disponibilité et la réactivité des équipes d’AXTRID, nous leurs accordons aujourd’hui notre entière confiance. » Christophe Ormières EADS ASTRIUM 14/11/2011 Présentation Générale

32 Système de pilotage de banc d’essai moteur de Formule 1
Améliorer la productivité des bancs par un perfectionnement permanent des fonctionnalités et de l’ergonomie Problématique : Reproduire fidèlement l’environnement de la piste. Disposer d’une application de pilotage souple et évolutive. Contrôler, transmettre et visualiser les données de l’essai Notre apport : Force de proposition dans l’architecture du système de pilotage et réalisation. Implémenter des outils dédiés: Génération de code automatique Supervision / IHM Configuration automatisée Bases de Données 14/11/2011 Présentation Générale

33 Merci de votre attention
Contacts :