LABORATOIRE GENIE INDUSTRIEL

Le suivi du rythme cardiaque fetal (RCF) est une technique de suivi de la santé du fétus pendant l’accouchement. Un graphe du rythme cardiaque du bébé et de la mère est imprimé en continu. En le lisant, sage-femmes et obstétriciens analysent la façon dont le bébé supporte l’accouchement. Le RCF est mis en cause dans de nombreux incidents en France et dans le monde chaque année. Le problème a été souligné par la Haute Autorité de Santé récemment. Jusqu’à présent, la recherche a principalement évalué la compétence individuelle de lecture des graphes RCF. Les interactions collectives, la conception et la disponibilité des équipements, la charge de travail, ou la conscience partagée de la situation n’ont pas été investigués. Nous proposons une approche fondée sur l’ergonomie/facteur humain, avec comme prémisse que le monitoring du RCF doit être considéré comme un système sociotechnique complexe. Nous proposons une approche multiméthode pour comprendre les risques présents dans ce processus. A partir d’observations de terrain et d’une analyse combinant plusieurs modèles, nous analyserons le travail quotidien d’analyse du RCF. Grâce à un sondage national, nous analyserons les variations de pratique entre les maternités. A partir d’analyse de la pensée à voix haute, nous analyserons la façon dont obstétriciens et sage-femmes lisent les graphes et les facteurs influençant ce processus. En combinant ces méthodes, nous obtiendrons un diagnostic complet de la façon dont le RCF est suivi en France. Nous explorerons comment les méthodes se complètent entre elles pour construire un modèle de la façon dont les facteurs à différents niveaux (individu, équipe, organisation, environnement élargi) interagissent pour influencer la pratique du suivi du RCF sur le terrain. Ce travail contribuera à la sécurité des soins en maternité, et à la méthodologie de recherche et d’application de l’ergonomie/facteur humain dans les services de santé.

Il est dans l'intérêt de tous que les services de santé soient résilients, i.e. capables de résister aux perturbations, d'y réagir et de rebondir. Le concept de résilience a été exploré dans diverses disciplines : écologie, psychologie ; santé globale et politiques de santé ; ingénierie de la fiabilité et des risques ; science de la sécurité. Dans ce projet, nous nous intéressons à l'intersection entre « résilience des infrastructures » et « résilience des systèmes de santé ». Nous considérons les services de santé comme une infrastructure fondamentale des sociétés modernes, fournissant des soins préventifs, d'urgence et électifs en temps normal comme de crise. Différentes perturbations peuvent affecter ces systèmes. Des pandémies e.g. Covid-19 provoquent des pics soudains de demande. Les catastrophes naturelles réduisent les capacités si les services de santé sont touchés et peuvent générer une demande spécifique. Des dommages aux bâtiments ou des cyberattaques réduisent la capacité des hôpitaux. Les mouvements migratoires peuvent générer une demande accrue. Les événements climatiques, comme les vagues de chaleur, génèrent des pics de demande qui s'intensifieront et se multiplieront. La recherche en politiques de santé sur la résilience des services de santé reste essentiellement descriptive et qualitative, axée sur la réponse aux crises ou sur les caractéristiques générales susceptibles d’atténuer l'impact des perturbations (par exemple, les mécanismes de financement). En ingénierie de la fiabilité, les études se concentrent souvent sur des événements spécifiques qui affectent les hôpitaux, tels que les tremblements de terre ou les pandémies, ou sur des combinaisons spécifiques. Certaines catégories d'événements ont été laissées de côté ou traitées isolément, comme les cyberattaques. Des solutions multidisciplinaires sont nécessaires pour améliorer la préparation et la résilience des systèmes de santé. Nous avons besoin d'approches plus généralisables, adaptables à différents types de catastrophes, connectant divers acteurs (réseaux), tenant compte de la nature spatio-temporelle des différents aléas et qui permettraient, à terme, une évaluation complète des systèmes de santé face à de multiples perturbations potentielles. Nos travaux croisent la perspective de la « résilience des systèmes de santé » et celle de la « résilience des infrastructures » en ingénierie de la fiabilité, avec des contributions de l'épidémiologie, de la recherche sur les services de santé, de la recherche opérationnelle, du design et du génie industriel. Notre projet se concentrera sur les cancers solides chez l'adulte. Les résultats des soins contre le cancer sont un indicateur clé de la qualité globale des systèmes de santé dans les pays de l'UE et de l'OCDE confrontés à des défis emblématiques en termes d'interruptions de soins. Le cancer est une maladie répandue et sa prise en charge implique divers prestataires et de techniques : soins primaires, imagerie, biologie, chirurgie, chimiothérapie et radiothérapie. Une meilleure compréhension de la résilience des soins en oncologie sera utile pour d’autres maladies. Nous allons : 1) Proposer des méthodes pour évaluer la vulnérabilité et la résilience des soins contre le cancer à l'échelle régionale/nationale ; 2) Analyser la manière dont les services de santé ont réagi aux perturbations passées, notamment des événements autres que les pandémies et les catastrophes naturelles, e.g. cyberattaques, incendies et pénuries de médicaments. 3) Proposer des modèles pour simuler, comparer et optimiser les réponses aux perturbations à partir d'un ensemble diversifié de paramètres et de perspectives 4) Impliquer les acteurs concernés à l’aide de méthodes collaboratives (e.g., jeux sérieux). 5) Évaluer la place des technologies numériques dans ce contexte, à la fois comme facteur d'atténuation et comme facteur de risque. Dans tous ces axes, nous combinerons des méthodes qualitatives et quantitatives.

Les principales causes de la surcharge des salles d’opération d’urgence (SOU) sont la demande croissante de chirurgies urgentes et la pénurie de personnel médical. Les effets de la surcharge peuvent malheureusement se répercuter sur l’ensemble de l’hôpital, entraînant une mortalité hospitalière plus forte, des séjours plus longs et des coûts plus élevés. Le projet DOSE est motivé par ce contexte, où il devient crucial de repenser l'ingénierie des opérations et l'optimisation des SOU. DOSE vise à développer une approche multidisciplinaire basée sur les données pour optimiser les parcours de soins des patients des SOU. Spécifiquement, nous visons à 1) développer une approche basée sur les données pour une modélisation précise et complète des parcours de soins ; 2) élucider les indicateurs de performance (KPI) de la qualité des soins à l'aide de techniques d’IA et d'expertise médicale, développer un modèle de qualité de vie au travail du personnel avec les sciences humaines et sociales (SHS), et développer une approche médico-économique pour les analyses coût-efficacité ; 3) déterminer les stratégies optimales pour l’ordonnancement dynamique des activités du parcours tenant compte de ces KPI, et intégrer les résultats dans un jumeau numérique pour l’aide à la décision en temps réel. DOSE améliorera la production de soins aux SOU en exploitant les outils de l'industrie 4.0 tels que le big data, l'optimisation basée sur les données et le jumeau numérique. Il sera réalisé en collaboration avec l'hôpital La Pitié Salpêtrière, et avec des données extraites de l'Entrepôt de Données de Santé. La dimension et la nature stochastique et dynamique des problèmes posés, ainsi que l’ambition de centrer les bénéfices et impactes sur les patients et le personnel médical sont les défis de ce projet. DOSE vise des contributions pluridisciplinaires à la littérature sur la science des données, l'optimisation stochastique, la simulation, la médecine, l'économie de la santé et les SHS.

Le projet proposé vise à créer une suite de modèles ouverts et libres qui contribueront à rendre cohérents la stratégie de l’Union Européenne (UE) et les développements internationaux en matière d’hydrogène (H2). En combinant des approches d’économie quantitative, de modélisation technico-économique et des méthodes d’intelligence artificielle de pointe, nous établirons un ensemble cohérent d’outils dynamiques méticuleusement calibrés et destinés à guider les choix en matière de réglementation du marché de l’H2. Ces modèles permettront aux partenaires industriels et aux décideurs politiques de mieux appréhender les complexités du marché émergent de l’H2 et d’identifier les structures d’approvisionnement les plus adaptées pour l’UE. Le projet vise à atteindre trois objectifs. Premièrement, il contribuera à harmoniser les points de vue sur la dynamique à long terme du commerce international naissant de l’H2, y compris le rôle de la réglementation carbone et ses effets sur la demande d’H2. Cela requiert une analyse des interactions futures entre, d’un côté les pays importateurs d’H2 en Europe (Allemagne, France…) et ailleurs (Japon, Chine et Etats-Unis), et de l’autre les exportateurs potentiels d’H2, tels que les États-Unis, le Chili, le Brésil, le Canada, les pays du Golfe, l’Australie, et les pays africains (Maroc, Mauritanie…). Une vision cohérente de ce futur commerce est primordiale pour appréhender les enjeux relatifs à la sécurité des approvisionnements et identifier les outils et mesures qui atténueront les risques physiques et de marché dans la future économie de l’hydrogène européenne. Deuxièmement, nous proposons une approche multidimensionnelle qui combine l’analyse à long terme de la coordination intra-UE sur la diversification des importations avec la modélisation stochastique de la dynamique du marché à court terme. Les analyses contribueront à une planification cohérente du développement des infrastructures (terminaux portuaires, gazoducs de transport intra-UE…) indispensables pour permettre et accompagner l’essor de la consommation d’hydrogène. Elles fourniront également les informations clés qui guideront les choix des agents économiques européens impliqués dans le marché de l’H2, notamment ceux relatifs aux négociations contractuelles, aux stratégies de tarification et au partage des coûts d’infrastructure. Troisièmement, en favorisant un partage d’expérience et une mutualisant des expertises accumulées par l’équipe franco-allemande sur les marchés du gaz naturel et de l’électricité, MINDSET Clean H2 deviendra une plate-forme pour l’utilisation efficace de nouveaux outils, tels que les algorithmes d’IA, et pour naviguer dans les complexités du secteur de l’énergie. L'augmentation de la demande en capacités d'apprentissage automatique souligne la nécessité d’une plateforme capable de fournir des données et des projections précises pour soutenir les décisions commerciales. En collaboration avec des partenaires industriels, le projet développera une série d’outils qui répondent à des défis pertinents du monde réel et vont au-delà des approches traditionnelles de la recherche universitaire. Cette collaboration associe les connaissances technico-économiques de CentraleSupélec (CS), les capacités de modélisation de DIW Berlin et l’expertise stratégique de TU Munich (TUM) pour innover sur le développement du marché de l’H2. Les différentes approches enrichissent le partenariat et permettent le développement de solutions innovantes bénéficiant tant aux modèles développés en Allemagne qu’aux techniques agiles et ciblées de résolution de problèmes de la partie française. Le cadre commun choisi facilitera une intégration transparente et une communication constante, permettant à toutes les équipes de participer à parts égales au projet. Cette coopération profitera également à la formation de jeunes chercheurs, qui pourront enrichir leurs réseaux et bénéficier de cursus thématiques organisés avec les partenaires.

The green transition of energy systems requires the implementation of a number of novel emerging energy conversion technologies based on turbomachinery with two-phase flow. However, the current level of knowledge and understanding of two-phase flow in turbomachinery is at a very low level, urgently calling for the need of education of scientists that can support the development of such technologies. The aim of Training42Phase is to educate the future leading scientists within turbomachinery with two-phase flow, thereby providing the scientific and technological basis required for the development of the next generation of turbomachinery. The project consortium includes all the key partners needed to address these challenging tasks and provide our group of 10 doctoral candidates with the best foundation for solving these challenges – leading European universities, and industrial partners from large international companies and SMEs, representing technology suppliers and providers of digitalized solutions. Training42phase will provide a first of its kind excellent training for 10 doctoral candidates within the following fields: 1) Innovative technological solutions that enable the design of cost-effective and reliable turbomachinery with two-phase flow. 2) Cutting-edge multi-disciplinary training in all fields related to the modelling, design, optimization and performance prediction of turbomachinery with two-phase flow, including aero-thermal modelling and design, stress and fatigue analysis, structural dynamics, hybrid/data-driven failure mechanism models, advanced optimization methods and data-driven analytic techniques based on machine learning. 3) Application of turbomachinery with two-phase flow to emerging novel technologies. 4) Top-level training in transferable skills, such as research and data management, scientific integrity and ethics, intellectual property rights and entrepreneurship, business planning, career planning and grant proposal writing.

L'industrie spatiale est un secteur clé pour le fonctionnement de systèmes industriels, car elle fournit des services de communication, de navigation et d'observation de la Terre. Aujourd'hui, l'industrie spatiale subit une transformation fondamentale, l'accès à l'espace devenant plus facile et moins cher et le coût de développement et de déploiement des systèmes spatiaux diminuant de manière significative. De nouveaux acteurs industriels développent rapidement les futurs systèmes de production spatiale : construction de méga-constellations (des dizaines de milliers) de satellites pour fournir des services globaux tels que l'Internet des objets (IoT), et développement d'installations de fabrication en orbite pour produire de nouveaux produits mécaniques et pharmaceutiques. Ensemble, ces satellites et ces installations de fabrication en orbite constituent la future infrastructure de production spatiale. Aujourd'hui, cette infrastructure spatiale fonctionne dans l'un des environnements les plus difficiles, est soumise à une myriade d'incertitudes et est largement inaccessible pour l'inspection, la maintenance, le ravitaillement, la mise à niveau ou l'élimination en fin de vie. L'industrie spatiale actuelle fonctionne selon un paradigme " à usage unique ", où le seul moyen de récupérer un système spatial défaillant ou de mettre à jour sa capacité existante est de remplacer le système défectueux par un nouveau, par exemple en construisant et en lançant un nouveau satellite de remplacement. Il en résulte une flexibilité extrêmement faible, des coûts élevés et un environnement spatial non durable où les satellites mis au rebut deviennent des débris spatiaux. Pour répondre à ce problème, un paradigme alternatif a récemment émergé, basé sur l'entretien en orbite (OOS), qui consiste à déployer dans l'espace des véhicules d'entretien en orbite (OSV) robotisés qui peuvent fournir des services de maintenance, d'inspection, de réparation, de ravitaillement, de récupération et de mise à niveau à ces satellites, réduisant ainsi de manière significative leur coût d'exploitation, améliorant leur flexibilité face à de nouvelles demandes et leur résilience face aux pannes. L'objectif du projet ReSuSpace est de développer des outils quantitatifs d'aide à la décision basés sur la modélisation mathématique avancée, la recherche opérationnelle, l'ingénierie des systèmes, l'évaluation de la résilience et de la durabilité, et l'intelligence artificielle pour la planification et la gestion optimales du cycle de vie de l'industrie spatiale du futur. En particulier, l'objectif est de développer des méthodes de modélisation et de résolution pour la planification optimale de systèmes robotiques d'entretien en orbite (OOS) afin de : (1) prolonger le cycle de vie des systèmes de production spatiale ( i.e. satellites) en fournissant des services d'extension de la durée de vie tels que la maintenance prédictive, le ravitaillement en carburant, la mise à niveau et l'inspection qui augmentent leur résilience face aux défaillances ; et (2) assurer la durabilité de l'industrie en aidant à l'élimination active des débris, à l'évitement des collisions avec les satellites pour empêcher la création de nouveaux débris, et à la désorbitation en fin de vie des satellites inactifs.

During the past few years many projects and initiatives were undertaken deploying and testing Automated Vehicles (AVs) for public transportation and logistics. However in spite of their ambition, all of these projects stayed on the level of elaborated experimentation and never reached the level of a large-scale commercial deployment of transport services. The reasons for this are many, the most important being the lack of economically viable and commercially realistic models, the lack of scalability of the business and operating models, and the lack of user oriented services required for large end-user adoption of the solutions. The ULTIMO project will create the very first economically feasible and sustainable integration of AVs for MaaS public transportation and LaaS urban goods transportation. ULTIMO aims to deploy in three sites in Europe 15 or more multi-vendor SAE L4 AVs per site. A user centric holistic approach, applied throughout the project, will ensure that all elements in a cross-sector business environment are incorporated to deliver large-scale on-demand, door-to-door, well-accepted, shared, seamless-integrated and economically viable CCAM services. We target the operation without safety driver on-board, in a fully automated and mission management mode with the support of innovative user centric passenger services. ULTIMO’s innovative transportation models are designed for a long-term sustainable impact on automated transportation in Europe, around the globe and on society. The composition of the consortium ensures the interoperability between multiple stakeholders by making adoption of new technology at minimum costs and maximum safety. The integration of the ongoing experiments of previous AV-demonstrator projects ensures highest possible technical and societal impacts from the very beginning of the project, as well as during the project lifetime and even long after its completion.

Assurer une fiabilité élevée avec de faibles coûts d'exploitation est une exigence opérationnelle importante pour les futurs systèmes de fabrication (par exemple, une usine intelligente, des lignes de production intelligentes). Les approches de fiabilité traditionnelles, cependant, ne peuvent pas être appliquées directement, car elles nécessitent une grande quantité de données de défaillance historiques, qui ne sont souvent pas disponibles pour les futurs systèmes de fabrication. Pour combler cette lacune, ce projet vise à développer de nouvelles approches pour améliorer la fiabilité et réduire les coûts opérationnels des futurs systèmes de fabrication grâce à une évaluation de la fiabilité en ligne et à une planification de maintenance prédictive basée sur des jumeaux numériques. Tout d'abord, un modèle basé sur le jumeau numérique (appelé jumeau de défaillance numérique) sera développé pour simuler le comportement de défaillance des futurs systèmes de fabrication. En combinant des jumeaux numériques avec des modèles de défaillance, le jumeau de défaillance numérique pourrait permettre d'évaluer la fiabilité sans avoir besoin de données de défaillance historiques. Ensuite, un cadre bayésien sera développé pour la mise à jour en ligne de la fiabilité sur la base des données de surveillance de l'état des capteurs. Grâce au mécanisme de mise à jour en ligne, la méthode développée fournira des évaluations de fiabilité plus précises. Troisièmement, nous proposerons une approche basée sur l'apprentissage par transfert pour la prévision de la remaining useful life et la planification de la maintenance prédictive basée. L'approche développée pourrait réduire considérablement la quantité de données d'entraînement requises, car un modèle pourrait être pré-entraîné sur la base des données d'entraînement simulées du jumeau de défaillance numérique, puis affiné en fonction des données de surveillance de l'état collectées en ligne via l'apprentissage par transfert. En collaborat

Le projet GreeenLocal3D se concentre sur des modèles et expérimentations pour faciliter le recyclage en circuit court des déchets plastiques post-consommation à récupérer et à améliorer par des processus de fabrication additive (FA). Dans le cadre d'un nouveau paradigme "recyclage distribué", ce processus doit être accompli par des technologies abordables et flexibles qui couvrent une zone géographique limitée pour constituer l'unité de base d'un "réseau intelligent de recyclage". Plus spécifiquement, l'objectif est d'étudier la possibilité par la FA de revaloriser des types de plastiques jusqu’alors non triés et/ou non recyclés. Afin de pouvoir générer une économie circulaire autour de ces plastiques, nous analyserons toute la boucle de valeur allant du circuit de collecte et de distribution, jusqu’à leur valorisation sous forme de matériaux imprimables par fabrication additive via la maitrise combinée de leurs procédés de transformation et de de leur formulation. Pour illustrer le potentiel de la méthodologie mise en œuvre nous évaluerons pour différents couples produits/matériaux la faisabilité de l’approche proposée et ce à différentes positions de la boucle de valeur. A l’échelle macro, nous qualifierons les gisements de déchets plastiques disponibles au niveau des centres de tri et à l'échelle d'un territoire. Nous analyserons la composition des plastiques non triés et dimensionnerons les volumes de thermoplastiques disponibles et utilisables en impression 3D (plus particulièrement pour le PLA). Nous proposerons alors, dans une approche multi-outils, une analyse des flux de matières ainsi qu’un diagnostic global permettant de cartographier et caractériser la filière en devenir. A l’échelle micro, nous étudierons le potentiel d’utilisation des matières premières dans les procédés de FA. Des études scientifiques seront réalisées sur des mélanges de polymères modèles avec l’objectif de transférer les résultats à des plastiques à recycler.

Ce projet fait progresser l'ensemble des connaissances sur la résilience des réseaux d'infrastructures critiques en proposant des analyses prescriptives robustes et évolutives pour guider les actions et les décisions pour une amélioration efficace de la résilience. Dans ce but, nous développons une nouvelle approche interdisciplinaire qui intègre l'ingénierie des risques et de la résilience, l'optimisation mathématique et l'apprentissage par renforcement (profond) pour améliorer 1) la capacité à faire une planification solide des actions stratégiques d'atténuation et de préparation ex-ante dans une profonde incertitude des perturbations futures causées par des extrêmes naturels, et 2) la capacité de planifier une réponse et une récupération ex post efficaces, en mettant l'accent sur l'efficacité de calcul de la méthode lorsqu'elle est appliquée à des systèmes du monde réel à grande échelle. La démarche de recherche est composée de trois volets scientifiques et d'un volet technique. Le premier composant développe une nouvelle technique d'optimisation, l'optimisation distributionnellement robuste, pour l'atténuation stratégique ex-ante et la planification de la préparation aux risques naturels, qui intègre toutes les informations disponibles mais ambiguës sur les perturbations incertaines via des ensembles d'ambiguïté. Il peut trouver des stratégies de résilience ex ante robustes qui fonctionnent relativement bien dans un large éventail de perturbations potentielles. Le deuxième volet propose un cadre d'aide à la décision efficace sur le plan informatique pour une réponse d'urgence et une planification de rétablissement optimales après une perturbation. Il exploite l'apprentissage par renforcement profond et tire parti de son avantage pour surmonter la malédiction de la dimensionnalité à laquelle sont confrontées les méthodes traditionnelles. L'application des deux premiers volets intégrés aux réseaux électriques et aux systèmes ferroviaires constitue le troisième volet, offrant deux perspectives d'application pour démontrer l'efficacité des techniques développées. Enfin, la composante technique développe une plate-forme de visualisation basée sur le SIG pour renforcer la confiance des décideurs humains dans les approches algorithmiques proposées et promouvoir leurs applications dans la conception et l'exploitation de systèmes réels.

L’objectif est de concevoir un nouvel emballage biodégradable pour préserver les fruits et les légumes le long de la chaîne post-récolte jusqu’à la consommation. Plusieurs questions liées à cet emballage biosourcé seront étudiées: maîtrise des transferts thermiques/hydriques et de l’écoulement d’air au sein de la palette en interaction avec les échanges au sein de l’atmosphère modifiée des emballages, acceptation par le consommateur, coût logistique induit et impact environnemental. Pour optimiser la chaîne post-récolte en termes de qualité, de coût et d’impact environnemental, une approche multidisciplinaire sera développée incluant pratiques des professionnels, technologie de l’emballage unité de vente, qualité du produit et durée de conservation, équipement frigorifique, organisation logistique et analyse du cycle de vie. L'approche développée sera validée pour les salades (circuit local) et les fraises (circuit long) et pourra être généralisée à la filière fruits et légumes.