Upload
lucie-marquet
View
106
Download
3
Embed Size (px)
Citation preview
T e c h n o l o g i e s p o u r l a R & D
C o n t a c t s :s e r g i o . d o s - s a n t o s @ a x t r i d . f r 0 1 6 1 3 7 4 5 4 3 0 6 1 7 6 3 8 2 0 2j e a n . e h r m a n n @ a x t r i d . f r 0 1 6 1 3 7 4 5 4 6 0 6 7 0 7 1 8 4 3 0
Identité
14/11/2011 Présentation Générale 2
Dénomination sociale AXTRID (Assistance X Technologies à la Recherche à l’Innovation et au Développement)
Siège social 12, avenue des Prés, 78180 Montigny Le Bretonneux
Capital 150 000 €, Capital exclusivement Français, société indépendante de tout groupe
C.A. 2011 1,6 M€
Activité Ingénierie multi-technologies, R&D, Code APE 7112 B
Effectif 17 personnes dont 13 ingénieurs et docteurs
Secteurs industriels Activité transversale à tous les secteurs industriels
NDA Notre périmètre d’action (souvent protégé par des clauses de confidentialité)
Conception
Certification homologation
PrototypageMAP
validationIndustrialisation Production
Brevets
Recherche Idées
innovations
Preuve de concept
moyens d’essais,prototypes,simulateurs TR HIL …assistance,
relations organismes.dispositifs expérimentauxmaquettage logiciel…
Marketing
Commercial
R D&
Recyclage
Exploitation
SAVMaintenance
assistance à rédaction.
traitement de données,traitement d’images,statistiques, analyses,outils logiciels,études…
statistiques,analyses,optimisation…
algorithmes,fonctions,sous-ensembles,modélisation,simulation TS…
assistance,relations industriels,relations designers …
Du concept à l’industrialisation
314/11/2011 Présentation Générale
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.
Analyse et Contrôle des
SystèmesInformatique Temps Réel
Electronique et Intégration de
Systèmes
Modélisation et Traitement de Données
MTD EIS
ACSITR
MTD EIS
ACSITR
Une structure efficace
414/11/2011 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, …)
514/11/2011 Présentation Générale
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
EIS
614/11/2011 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
714/11/2011 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…)
814/11/2011 Présentation Générale
Qualité d’écouteMobilisation de compétencesTravail collaboratifAnalyse fine du besoinSouplesse d’adaptation aux contraintes des projetsUn interlocuteur uniqueClient propriétaire des développements
Accords préalables
•Confidentialité•Propriété industrielle•Secret de la défense nationale•Agrément CIR
Expression de besoin
•Compréhension du besoin•Compréhension du métier •Compréhension du contexte•Analyse fine par nos experts
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
MTD
EIS
ACSITR
partenaires
Projetclient
Compréhension du besoin
914/11/2011 Présentation Générale
Organisation et méthode
14/11/2011 Présentation Générale 10
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.
Agréments & adhésions
Agrément Crédit-Impôt-Recherche : 2006-2009 renouvelé pour 2009-2012
Certification ISO 9001 en cours (2012)
Adhésion aux pôles de compétitivité :o System@tico Movéoo Optics Valley
1114/11/2011 Présentation Générale
Exemples de réalisations
Classification innovante en génomique
14/11/2011 Présentation Générale 13
Classer les patientes atteintes de cancer du sein selon leur risque de récidive
AUC (Aire sous la courbe) Précision en classification
Base de données (A.C. Haury) Axt2 (A.C. Haury) Axt2
GSE1456 0.71 0.98 0.66 0.94
GSE2034 0.63 0.94 0.59 0.88
GSE2990 0.64 0.83 0.55 0.72
GSE4922 0.60 0.81 0.61 0.79
- (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
Base de données
Nombre d'échantillons
Nombre de positifs Dimension
GSE1456 159 40 12065
GSE2034 286 107 12065
GSE2990 125 49 12065
GSE4922 249 89 12065
Axt2Méthode probabiliste de classification
très performante, sans sur-apprentissage
• Identification des variables les plus déterminantes
• Classification de nouveaux patients avec incertitudes associées
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)
Protéomique : diagnostic précoce du cancer de la prostate
14/11/2011 Présentation Générale 14
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
Imagerie hyperspectrale en dermatologie
14/11/2011 Présentation Générale 15
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
Imagerie hyperspectrale en dermatologie
14/11/2011 Présentation Générale 16
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)
La résolution du problème inverse (1)
14/11/2011 Présentation Générale 17
Paramétrer un système inconnu de telle sorte que le résultat obtenu soit celui voulu au départ
– 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
X_k : paramètres ou variablesCritère est le résultat souhaité
Critère ?Modèle ?
X_1
X_k
…
Problème direct
Modèle ?Critère
X_1 ?
X_k ?
…
Problème inverse
La résolution du problème inverse (2)
14/11/2011 Présentation Générale 18
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
Plages de valeurs d’une variable pour obtenir une performance donnée
Combinaisons de paramètres garantissant un résultat souhaité
Modèle
p1
p2
p3
p4p5
La résolution du problème inverse nécessite un historique pour l’apprentissage
Quelles valeurs doivent prendre p1, p2, p3, p4 et p5 pour obtenir un spectre donnée ?
Apprentissage intelligent par plan d’expérience
14/11/2011 Présentation Générale 19
Optimiser l’apprentissage destiné à estimer les paramètres d’un modèle relatif à un spectre de peau observé
• Plan d’expérience initial suivi de simulations ciblées• Les nouvelles simulations sont en fonction :
• Du spectre à atteindre• Des résultats de simulations disponibles
La résolution de ce problème nécessite la génération d’un apprentissage ciblé
Modèle
p1
p2
p3
p4p5
p1
p2
p3
p4p5
?
• 10 valeurs/paramètre 100 000 simulations possibles • Comment diminuer le nombre de simulations ?
Seules 1800 simulations ciblées ont été nécessaires (1,8 % du nombre initial)Erreur maximale d’estimation de 0,5 % par paramètre
Spectre observé
Modèle
Health Monitoring (Maintenance prédictive)
14/11/2011 Présentation Générale 20
Détecter un changement et savoir le localiser
Surveillance en continu de certains signaux
« vitaux »
Approches pour la maintenance prédictive
Model-based Signal-basedRedondance
Détection d’un changementNécessite de dupliquer tous
les équipements à surveillerComparer les
observations au modèle
Détecter une tendance par signalDétecter une tendance globale
Outils de traitement de données développés en interne
Health Monitoring (Maintenance prédictive)
14/11/2011 Présentation Générale 21
Détecter un changement et savoir le localiser
Estimation d’un modèle « nominal »
Historique avec des données fiables
Quand le modèle n’est pas connu
Nouvelles mesures
Détection d’un changement
?Méthodes
probabilistes
Méthodes d’estimation et
de classification
Quand un signal est surveillé en continu
Exemple : surveillance en continu du centre de Masse d’une personne âgée pour prévenir le risque de chute
Segmentation d’images par contours actifs robustes
Détection/segmentation de mélanomesDERMATOLOGIE
Classification/Détection/Segmentation (1)
14/11/2011 Présentation Générale 22
Optimiser, fiabiliser, automatiser le processus de traitement et d’analyse
PROTEOMIQUE
Classification/Détection/Segmentation (2)
14/11/2011 Présentation Générale 23
Problématique :– Grande mobilité de l’animal – Variabilité de forme importante entre deux instants successifs
Optimiser, fiabiliser, automatiser le processus de traitement et d’analyse
COMPORTEMENT ANIMAL
Contraintes :- Présence de plusieurs pratiquants- Différents sports et figures possibles- Robustesse (embruns, corde, bouée,
éclairage…)- Modularité, évolutivité- Réactivité suffisante
Système de détection de position et d’attitude
14/11/2011 Présentation Générale 24
Concevoir, prototyper et fabriquer un système de détection de position et d’attitude pour optimisation et sécurisation d’un simulateur de sport de glisse
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
Traitement d’images VidéoClassification temps réel
Détecter la présence d’un pratiquant et déterminer sa positionEvaluer ses déplacements, détecter ses sauts et ses chutes
Sécurisation de fraiseuse par caméra vidéo
14/11/2011 Présentation Générale 25
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
Cléréarm
Caméra
Gyrophare
Contraintes– Homologabilité vis-à-vis de la sécurité des
personnes.– Pas d’interférence fonctionnelle avec la fraiseuse,
pas de perturbation de performances
– Robustesse mécanique compatible avec l’environnement atelier (salissures, nettoyages, chocs)
– Robustesse algorithmique (jets continus de copeaux, éclairage non maîtrisé, mobilité caméra)
Imageur/analyseur destiné à la dermatologie
Affiner et valider les concepts, spécifier, mettre au point et prototyper un appareil de caractérisation de la peau.
14/11/2011 26Présentation Générale
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
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
Stylo pour Tableau Blanc Interactif
14/11/2011 Présentation Générale 27
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.
Concevoir et prototyper un stylo interfacé avec le tableau par liaison radio.
Appareillage de soin de la mycose des ongles
14/11/2011 Présentation Générale 28
– 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
Prototyper et préparer l’industrialisation d’une perceuse électromécanique associée au produit de traitement.
Bancs de validation et d’endurance pour ECU automobile
• Problématique :– Test de validation fonctionnelle sur
séquences réalistes simulées– Introduction de pannes– Tests d’endurance, pilotage d’étuve
• Contraintes :– Développement firmware, IHM LABVIEW
Concevoir et fabriquer un banc pour l’ECU de toit escamotable 308 CC
2914/11/2011 Présentation Générale
Simulateur HIL de validation de prothèse cardiaque totale
14/11/2011 Présentation Générale 30
Concevoir et réaliser un simulateur propre à valider fonctionnellement le logiciel de la prothèse
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.
Simulateur
Logiciel à valider implanté sur une carte prototype d’ECU prothèse
(fourni par le client)
Station de pilotage
Matlab/Simulink(MathWorks)
xPCTarget & RTW(MathWorks)
Modèle : partie matérielle prothèse + circuit sanguin
Simulateurs HIL / SIL dans le cadre du programme M51
Concevoir, fabriquer, faire évoluer et maintenir les simulateurs
3114/11/2011 Présentation Générale
• 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 OrmièresEADS ASTRIUM
Système de pilotage de banc d’essai moteur de Formule 1
• 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
Moteur F1
Moteur / Frein Electrique
Système de pilotage Commandes + E/S Pour régulation
BANC D’ESSAI
Supervision
Outil de configuration
Commandes + informations sur le
déroulement de l’essai
Base de données
Gestion des configurations et des binaires de modèles
Outil de génération de
code.
Modèles Simulink
Livraison des binaires de modèles
Déploiement de configuration +
binaires de modèles
Accès à la configuration
3214/11/2011 Présentation Générale
Améliorer la productivité des bancs par un perfectionnement permanent des fonctionnalités et de l’ergonomie
M e r c i d e v o t r e a t t e n t i o n
C o n t a c t s :s e r g i o . d o s - s a n t o s @ a x t r i d . f r 0 1 6 1 3 7 4 5 4 3 0 6 1 7 6 3 8 2 0 2j e a n . e h r m a n n @ a x t r i d . f r 0 1 6 1 3 7 4 5 4 6 0 6 7 0 7 1 8 4 3 0