Semaine d'Étude Maths-Entreprises
Paris — du 11 au 15 Septembre 2017
Sujets
Cette SEME a lieu au laboratoire MAP5 de l'Université Paris Descartes, située au 45 rue des Saints-Pères, 75006 Paris.
EDF : Echantillonnage numérique d'une fonction modélisant les états de mer dans la procédure de conception d'une éolienne offshore
Pour un exploitant d'éolienne off-shore, il est important d'évaluer la stabilité du dispositif flottant dans des conditions réalistes de vent et de mer. A cette fin, on utilise souvent un modèle simplifié de structure flottante, soumis à une série temporelle d'efforts représentative de conditions réelles en le lieu d'exploitation. Un point délicat est la construction de cette série temporelle, compromis entre des observations locales souvent peu nombreuses, et des règles plus générales (prédites théoriquement ou observées sur une plus large échelle). Le sujet d'étude est justement de proposer une méthode de construction pour une série temporelle représentative des efforts sur une structure off-shore en un site particulier. Il ne requiert aucune connaissance avancée en physique: le modèle de flotteur est très simple. L'étude bénéficiera avantageusement d'idées innovantes en analyse de données et en représentation de fonctions.SAFRAN AIRCRAFT ENGINES : Identification de fluctuations vibratoires
Le problème consiste en l'identification de fluctuations vibratoires exceptionnelles sur les aubes du rouet d'un compresseur de réacteur d'avion. Un rouet est composé de 13 aubes pour lesquelles on dispose de données géométriques (plus d'une centaine de variables). L'objectif de cette étude est d'identifier des indicateurs géométriques permettant d'expliquer ces vibrations non désirées. Pour cela, on disposera également de données issues de tests vibratoires. En revanche, la mise en correspondance des deux jeux de données est rendue difficile par le fait que les aubages ne sont pas identifiés individuellement et qu'il peut donc y avoir un déplacement (shift) circulaire entre les deux séries de lignes des deux tableaux. Finalement, une information supplémentaire est fournie par les concepteurs du rouet. Pour les physiciens, le problème est essentiellement dû à une variation d'épaisseur et il faudrait donc prendre en compte cette information a priori dans l'analyse.Oscaro.com : Identification du modèle de véhicule à partir du numéro de série
Depuis 1981, chaque automobile produite dans le monde est identifiée de manière unique par une suite de 17 caractères et chiffres, gravée directement dans le chassis, qu'on appelle Vehicle Identification Number ou VIN. Ce VIN répond entre autre à une norme ISO, et se décompose en 3 parties: - Les 3 premiers caratères correspondent au World manufacturer identifier, et permettent d'identifier le pays où le véhicule a été produit et son constructeur, à partir d'une liste de codes fixe. - Les 6 caractères suivants sont le Vehicle descriptor section, et correspondent souvent à des caractéristiques générales du véhicule telles que le nombre de portes ou le type de chassis. La forme et le nombre d'information encodée dans ces 6 caractères dépendent du constructeur et de l'année de construction. - Les 8 caractères restants identifient chaque véhicule individuellement. Certains constructeurs utilisent certaines positions pour encoder des informations spécifiques, tandis que pour d'autres il s'agit simplement d'un id incrémental. A partir d'une base de plusieurs millions de correspondances entre des VIN et des véhicules (avec une liste de caractéristiques qui leur correspondent), les objectifs sont doubles: d'une part, pouvoir prédire à partir d'un VIN inconnu les caractéristiques du véhicule qui lui correspondent. Pour des raisons de sécurité, il est nécessaire en contrainte de toujours privilégier l'ambiguité des résultats à un faux négatif. D'autre part, l'objectif est de pouvoir retrouver de manière transparente des règles de génération de VIN par constructeur et à quels groupes de véhicules elles correspondent.ImaginColor : Détection de visages pour la colorisation automatique de films
Ce sujet porte sur la détection de visages pour la colorisation de séquences d'images en niveau de gris. Ces séquences proviennent généralement d'archives, elles sont restaurées et colorisées pour être diffusées. Le problème de la colorisation est évidemment mal posé : on souhaite pour chaque pixel de chaque image, restaurer une couleur (donc un triplet de valeurs (R,G,B)) à partir d'une information scalaire (le niveau de gris). Les méthodes de colorisation se fondent donc souvent sur l'intervention d'un coloriste, qui peut par exemple donner quelques points de couleur sur les images, que l'on diffuse ensuite à toute la séquence. Les scènes contenant des visages sont parmi les scènes les plus difficiles à coloriser, et demandent une attention particulière, notamment parce-que nous sommes très sensibles aux défauts de traitement sur les visages. Les scènes de foule sont en ce sens particulièrement longues et fastidieuses à traiter pour les coloristes. Le sujet d'étude consiste donc à proposer une méthode rapide de détection de visage spécifique aux séquences d'archive (éventuellement abîmées), afin d'accélérer et d'améliorer leur colorisation.
Cornis : Analyse d'images de pales d'éoliennes
Cornis effectue des inspections visuelles de pale d'éolienne, en numérisant l'intégralité des pales. Un trépied muni d'une tête motorisée et d'un appareil photo est posé au sol près de l'éolienne, et un logiciel dirige la tête afin de réaliser une cinquantaine de clichés ultra-résolus de chaque pale. Ces photos seront ensuite assemblées en un immense panorama. Le logiciel gère la trajectoire de la tête motorisée afin de suivre la géométrie de la pale, et règle régulièrement la luminosité et la mise au point. Cependant il arrive que la mise au point soit mal faite, ou soit effectuée sur les nuages derrière la pale : celle-ci est alors floue. L'objectif est de repérer automatiquement ces photos floues, directement sur le terrain, afin de pouvoir reprendre des clichés de bonne qualité. Un second objectif est de déterminer une mesure a posteriori de la qualité d'images d'une série de clichés.
Contact : seme.map5@mi.parisdescartes.fr
