Recevez chaque jour toute l'actualité du numérique

x

Votez pour les 6e Trophées de la simulation et de l’IA 2020

A l'occasion de la 6e édition des Trophées de la simulation et des technologies numériques, découvrez les projets nommés dans chaque catégorie, et votez pour ceux que vous jugez les plus innovants. Pour cela, il suffit de consulter les descriptifs et de voter. Le grand prix du public sera révélé lors le 13 octobre prochain à l'Ecole Polytechnique, en partenariat avec Teratec.
Twitter Facebook Linkedin Flipboard Email
×

Votez pour les 6e Trophées de la simulation et de l’IA 2020
Votez pour les 6e Trophées de la simulation et de l’IA 2020 © Nodexl

Pour la 6e année consécutive, L'Usine Digitale et Teratec organisent les Trophées de la simulation numérique et des technologies numériques. Objectif : récompenser les projets de la simulation numérique, réalité virtuelle, HPC (High performance computing) et Big Data. Et ce, dans cinq catégories : Start-up, PME, Innovation, Co-design et Covid-19.

Pour voter, rendez-vous sur cette page ! Les votes sont ouverts jusqu'au 4 octobre à minuit.

Catégorie Start-up
Trophée attribué à une entreprise, créée il y a moins de 5 ans, qui s’est particulièrement illustrée par un projet innovant dans le calcul intensif, la simulation numérique, le Big Data ou l’intelligence artificielle.

Projets nommés : 
 

  • Cortexia

La solution permet de piloter la propreté urbaine par l’IA. Des véhicules de la ville sont équipés de caméras et d’intelligence artificielle embarquée qui reconnaissent et comptent les déchets (mégots, papiers, crottes, etc). Le traitement est fait instantanément, sans que les images ne soient transmises, respectant la vie privée. Un index traduit le niveau de propreté mesuré. La voirie peut visualiser l’état de la ville par 3 couleurs sur la carte : vert, conforme au niveau voulu, bleu, trop propre, nettoyer ces rues n’est pas nécessaire et rouge, zone où il faut intervenir. La carte signale aussi des déchets critiques comme des masques covid ou des briques de verre, afin d’intervenir rapidement.

Le pilotage de la propreté par des données objectives permet ainsi d’optimiser l’utilisation des ressources et de préserver l’environnement (émissions de CO2 des balayeuses, consommation d’eau des laveuses, moins de déchets dans l’environnement). Les villes qui utilisent cette approche ont démontré des gains d’efficacité supérieurs à 10%.

Cette solution est actuellement en fonction dans des villes suisses et en Île-de-France. Elle est en cours de validation dans les villes européennes.

 

  • NUMALIS

Numalis est une société d’édition de logiciels spécialisée dans la conception d’outils permettant d’assurer la fiabilité de systèmes d’IA. L’outil Spoat-AI fournit les premières garanties formelles sur des IA. En effet, la vision de Numalis est de dépasser les validations par essais qui ne sont pas suffisantes pour permettre une adoption généralisée de l'intelligence artificielle dans l’industrie. Grâce à ses techniques d’analyses formelles, Numalis prévoit l'ensemble des comportements possibles et les risques associés à l’usage d’une IA. Numalis accompagne toutes les entreprises ayant des projets aussi divers que du traitement d’images embarqué ou de la maintenance prédictive.

Le développement technologique de Numalis se combine avec son activité d’éditeur des standards ISO sur l’intelligence artificielle. Sous la direction du PDG de Numalis, un premier document sera publié en 2020 (ISO 24029-1), qui va permettre aux industries de connaître l’ensemble des techniques de validation d’IA. Un projet de standard international sur l’usage des méthodes formelles est également porté par Numalis (ISO 24029-2). Ces standards vont améliorer les bonnes pratiques de l’ensemble de l'industrie concernant l’usage des IA. Ces documents permettent à tous de se référer à un référentiel commun dont les produits de Numalis permettent de s’assurer.

 

  • Sarus Technologies

Sarus développe une technologie permettant de faire toute analyse de données sans accéder aux données. Le data scientist peut donc travailler sur des données personnelles sensibles (données médicales, financières, citoyennes) et développer des modèles de machine learning sans qu’aucune information personnelle ne lui soit accessible.

Sarus accélère les projets d’innovation recourant à la donnée, rend toute donnée, même les plus sensibles, utilisables pour l’innovation, et ouvre de nouvelles voies de collaboration avec des partenaires ou de monétisation de la donnée. La jeune pousse implémente les développements modernes en matière de protection de la donnée personnelle (confidentialité différentielle), ce qui permet à ses clients d’être à l’état de l’art en matière de protection de la donnée et de respect des réglementations locales. Elle a été fondée en 2019 à Paris par trois entrepreneurs ayant déjà construit et développé avec succès des sociétés dans le domaine du machine learning.

Catégorie PME 
Trophée attribué à une PME-PMI utilisatrice qui aura su mettre en œuvre les technologies de calcul numérique (simulation, analyse de données, big data) de manière efficace et changer sa manière de développer ses nouveaux produits ou services, de les produire, de les maintenir ou d’anticiper leur cycle de vie complet

Projets nommés :  
 

  • AGENIUM SCALE

Tous les processeurs modernes disposent d’unités de calcul SIMD (Single Instruction Multiple Data). Ces unités de calcul permettent d’effectuer du calcul vectoriel, c’est-à-dire, d’appliquer simultanément une même opération à plusieurs éléments. Il est alors possible de décupler les capacités de calcul d’un algorithme sans changer de processeur. On peut ainsi observer des gains de performances de l’ordre de x2, x4, x8 voire plus sur certains algorithmes de traitement de signal ou d’intelligence artificielle.

Pour arriver à ces gains de performances sur un processeur donné, il est souvent nécessaire de réécrire son code de calcul en utilisant explicitement ces opérations de calcul vectorielles SIMD disponibles. Cependant, ces instructions sont spécifiques à chaque famille et sous-famille de processeurs. Il est alors nécessaire d’écrire un code spécifique à chaque architecture pour optimiser un code de calcul.

Pour pallier ce problème, Agenium Scale a développé la bibliothèque open source de calcul vectoriel NSIMD. Elle propose une abstraction au-dessus des opérateurs SIMD des processeurs, permettant de s’affranchir de ces contraintes d’architecture et d’écrire un seul code unique, portable sur toutes les architectures supportées. En plus de réduire les coûts de développement, NSIMD permet d’obtenir des performances équivalentes à celles obtenues en utilisant les jeux d’instructions spécifiques à chaque processeur.

 

  • Savoie Transmissions

MATAKI® Dongle est un capteur connecté utilisant le réseau LORA) pour mesurer 1 à 24 fois par jour les vibration 3 axes (mg ou mms) selon Norme ISO 10816, l'alerte Choc 3 axes (mg), la température (°C), le taux d'humidité (%) et la pression ATM (Pa), et les champs magnétiques 3 axes (Gauss). La solution permet via des alertes email paramétrables de réduire les plans de maintenance préventif par des actions sur événement et d'améliorer la compréhension des dégradations prématurées en étant au plus près des dérives voire des événements anormaux (exemple : choc, champs magnétiques).

La connectivité "Web" permet également d'enrichir la Maintenance Assistée par Ordinateur (historique, demande d'intervention,....), d'utiliser les données pour faire des analyses de corrélation par intelligence artificielle et d'utiliser l'Intelligence Artificielle pour visualiser la prédiction à 7 jours.

 

  • TWEAG

De nombreux outils existent pour modéliser des systèmes en biologie et produire des workflows de tâches de simulations et d’analyse de donnée, mais aucun de ces outils ne fournit une distinction claire entre les métiers de modélisateur et d’ingénieur data/logiciel, ni ne facilite la tâche du modélisateur lors de l’expérimentation et l’exploration de l’espace de paramètres d’un modèle.

Les outils existants mêlent souvent la définition des tâches et leur configuration, qui doivent donc être édités à la fois par les développeurs et les modélisateurs. Notre solution permet de séparer clairement ces deux aspects, avec d’un côté la définition des tâches par les développeurs et de l’autre leur configuration (entrées, sorties, paramètres, etc..) dans une interface séparée. Cela permet à l’utilisateur final (modélisateur ou data scientist) de s’abstraire au maximum de tout l’aspect infrastructure et des détails d’implémentation de la simulation en elle même pour se concentrer sur la modélisation et l’expérimentation. Dans le même temps, cette séparation apporte un avantage considérable à l’exécution puisqu’elle permet de réutiliser des résultats d’évaluations précédentes ? ce qui n’est pas possible dans le cas général car le système ne connaît pas précisément les entrées et les sorties de chaque étape du workflow ? et ainsi d’éviter des calculs longs et coûteux.

 

Innovation
Trophée attribué à un produit, une technologie ou un service développé par une entreprise technologique, qui apporte une innovation significative dans le domaine de la simulation numérique ou de l’analyse de données.

Projets nommés :
 

Données historiques, jumeaux numériques organisés en silos... Les solutions existantes reposent sur des éléments incomplets pour proposer une réponse aux challenges des industriels. Cosmo Tech Supply Chain, est une solution SaaS de jumeaux numériques d’entreprise conçue pour simuler et optimiser l'efficacité opérationnelles des industriels et développée en partenariat avec Renault.

Cette innovation réside dans la puissance de la plateforme technologique Cosmo Tech qui permet de créer des modèles génériques de chaque processus industriels et de les adapter à chaque cas d’usage. Au-delà de l'exploitation des données existantes, ces jumeaux numériques d'entreprise ont une faible sensibilité aux données historiques et permettent de modéliser les ressources physiques, humaines et financières, ainsi que toutes les interconnexions dans le processus d’une entreprise.

Dans cette logique, l'application a été développée pour simuler le fonctionnement futur d'une supply chain. Ainsi, Renault a pu simuler l'évolution de sa supply chain en testant un nombre illimité de scénarios (prédiction) et grâce à des algorithmes d'optimisation basés sur la simulation (prescription) a trouvé des plans d'action exécutables optimales et robustes, décrivant chaque étape à suivre, le tout à n'importe quelle échelle de temps.

 

Eramet est un groupe leader mondial dans la production de métaux et d’alliages, en particulier de manganèse, indispensable dans la fabrication de l’acier pour la construction et les transports, sur des marchés en forte croissance. Le Groupe a également pour stratégie de se positionner comme fournisseur de métaux pour la transition écologique et énergétique, dont le manganèse est au cœur par sa présence dans les batteries pour véhicules électriques.

Les fours métallurgiques d'Eramet sont des équipements complexes produisant des alliages de manganèse à partir de grandes quantités d'énergie et de matières premières telles que coke ou minerai. Eramet a développé un produit pour aider les métallurgistes à optimiser en temps réel le fonctionnement de ces fours. En plus de la visualisation de données, du diagnostic de causes racines et de la prédiction d'événements, ce produit propose aux utilisateurs des actions de pilotage (réduction de la puissance électrique, changement du minerai) élaborées par des algorithmes d'intelligence artificielle. Les métallurgistes peuvent commenter ces recommandations, ce qui permet à l'IA d'apprendre et de s'améliorer au fil du temps.

Ce projet, à l’état de l’art de l’IA dans l'industrie, est devenu la vitrine des initiatives data d'Eramet et du changement de culture vers une gestion par la donnée. Il contribue ainsi à la performance économique et environnementale d'Eramet et à la compétitivité de la filière minière et métallurgique française.

 

  • Numalis

Numalis est une société d’édition de logiciels spécialisée dans la conception d’outils permettant d’assurer la fiabilité de systèmes d’IA. L’outil Spoat-AI fournit les premières garanties formelles sur des IA. En effet, la vision de Numalis est de dépasser les validations par essais qui ne sont pas suffisantes pour permettre une adoption généralisée de l’IA dans l’industrie. Grâce à ses techniques d’analyses formelles, Numalis prévoit l'ensemble des comportements possibles et les risques associés à l’usage d’une IA.

Numalis accompagne toutes les entreprises ayant des projets aussi divers que du traitement d’images embarqué ou de la maintenance prédictive. Le développement technologique de Numalis se combine avec son activité d’éditeur des standards ISO sur l’intelligence artificielle. Sous la direction du PDG de Numalis, un premier document sera publié en 2020 (ISO 24029-1), qui va permettre aux industries de connaître l’ensemble des techniques de validation d’IA. Un projet de standard international sur l’usage des méthodes formelles est également porté par Numalis (ISO 24029-2). Ces standards vont améliorer les bonnes pratiques de l’ensemble de l'industrie concernant l’usage des IA. Ces documents permettent à tous de se référer à un référentiel commun dont les produits de Numalis permettent de s’assurer.

 

  • TWEAG

De nombreux outils existent pour modéliser des systèmes en biologie et produire des workflows de tâches de simulations et d’analyse de donnée, mais aucun de ces outils ne fournit une distinction claire entre les métiers de modélisateur et d’ingénieur data/logiciel, ni ne facilite la tâche du modélisateur lors de l’expérimentation et l’exploration de l’espace de paramètres d’un modèle.

Les outils existants mêlent souvent la définition des tâches et leur configuration, qui doivent donc être édités à la fois par les développeurs et les modélisateurs. Notre solution permet de séparer clairement ces deux aspects, avec d’un côté la définition des tâches par les développeurs et de l’autre leur configuration (entrées, sorties, paramètres, etc..) dans une interface séparée. Cela permet à l’utilisateur final (modélisateur ou data scientist) de s’abstraire au maximum de tout l’aspect infrastructure et des détails d’implémentation de la simulation en elle même pour se concentrer sur la modélisation et l’expérimentation. Dans le même temps, cette séparation apporte un avantage considérable à l’exécution puisqu’elle permet de réutiliser des résultats d’évaluations précédentes ? ce qui n’est pas possible dans le cas général car le système ne connaît pas précisément les entrées et les sorties de chaque étape du workflow ? et ainsi d’éviter des calculs longs et coûteux.

 

Catégorie Co-design

L'optimisation des systèmes de propulsion aéronautique à l'aide des outils de mécanique des fluides numérique est essentielle pour augmenter leur efficacité et réduire les émissions de polluants ainsi que de bruit. Dans l’industrie, ces simulations sont réalisées sur des parties isolées du moteur (soufflante, compresseur, chambre de combustion etc..), appelées composants, en négligeant leurs interactions. Cette hypothèse simplificatrice peut générer des erreurs d’estimation de performance, de durée de vie ou d’opérabilité des moteurs complets et peuvent impacter en coût et délai les programmes de développement.. De plus, les codes de calcul permettant la simulation de ces configurations industrielles sont en général basée sur une modélisation de la turbulence plutôt que sa résolution afin de limiter le coût des calculs. Cela se fait au prix d’une prédiction moins fine de la physique, et donc d’une moins bonne prévision des performances et du comportement global de la machine. Seules des simulations multicomposants, instationnaires et haute-fidélité, voire moteur complet ont le potentiel de permettre d’appréhender au plus tôt dans la conception ces effets d’intégration et d’installation. Malheureusement de telles simulations ont été impossibles jusqu’ici, car les logiciels nécessaires comme les ressources informatiques étaient insuffisants. Ces verrous viennent d’être levés par le CERFACS dans le cadre du projet DGAC ATOM en cours, financé par la DGAC et Safran. La méthodologie a été éprouvée pour la première fois sur le moteur DGEN380 d’AKIRA Technologies, en permettant un calcul haute-fidélité instationnaire soufflante / compresseur / chambre de combustion.

L’objectif principal de ce projet est l’étude de l’interaction entre les différents composants du moteur, de l’entrée (soufflante) à la chambre de combustion. Plusieurs résultats préliminaires ont déjà été constatés et mettent en évidence l’interaction forte qu’a le compresseur haute pression avec son environnement, ayant à la fois un impact vers l’amont avec la soufflante, générant du bruit, et vers la chambre de combustion en aval. Ces résultats préliminaires pourraient avoir des conséquences dans la conception des turbomachines modernes puisque le bruit et les instabilités de combustion sont deux thématiques majeures.

Au-delà, cette simulation haute-fidélité instationnaire du moteur complet a pour ambition de servir d’expérience numérique pour 1/ valider et améliorer les codes de simulation plus basse fidélité et 2/ étudier des phénomènes physiques complexes, parfois intuités par les expérimentateurs et concepteurs mais qui n’ont pas encore pu être montrés à cause de la difficulté, voir même l’impossibilité, d’instrumenter un moteur d’avion réel.

 

  • Cosmo Tech & Renault

Données historiques, jumeaux numériques organisés en silos... Les solutions existantes reposent sur des éléments incomplets pour proposer une réponse aux challenges des industriels. Cosmo Tech Supply Chain, est une solution SaaS de jumeaux numériques d’entreprise conçue pour simuler et optimiser l'efficacité opérationnelles des industriels et développée en partenariat avec Renault.

Cette innovation réside dans la puissance de la plateforme technologique Cosmo Tech qui permet de créer des modèles génériques de chaque processus industriels et de les adapter à chaque cas d’usage. Au-delà de l'exploitation des données existantes, ces jumeaux numériques d'entreprise ont une faible sensibilité aux données historiques et permettent de modéliser les ressources physiques, humaines et financières, ainsi que toutes les interconnexions dans le processus d’une entreprise.

Dans cette logique, l'application a été développée pour simuler le fonctionnement futur d'une supply chain. Ainsi, Renault a pu simuler l'évolution de sa supply chain en testant un nombre illimité de scénarios (prédiction) et grâce à des algorithmes d'optimisation basés sur la simulation (prescription) a trouvé des plans d'action exécutables optimales et robustes, décrivant chaque étape à suivre, le tout à n'importe quelle échelle de temps.

 

  • SITOWIE

Le théâtre-Sénart est un élément majeur du paysage culturel de l'agglomération de grand Paris Sud. Livré à l’automne 2015, le coût de construction du Théâtre de Sénart s'élève à 42,3M€. Depuis la livraison toutefois, la façade du théâtre se dégrade. Les panneaux tombent de manière aléatoire. Cela engendre plusieurs problèmes : des risques pour la sécurité des utilisateurs, des coûts de maintenance récurrents et non budgétés ainsi qu’une incapacité à anticiper pour le gestionnaire.

L'objectif de la mission est de comprendre et d'anticiper la chute des panneaux, de les réduire par la mise en place d'un plan de maintenance optimisé et respectueux des contraintes budgétaires. Grand Paris Sud a aussi choisi de se moderniser en passant au BIM Gestion-Maintenance et ainsi gagner en productivité.


Catégorie Covid-19
Attribué à un produit, une technologie ou un service développé par une entreprise technologique, qui apporte une solution dans la gestion ou la sortie de la crise sanitaire du COVID-19 dans le domaine de l’intelligence artificielle, de la simulation numérique ou de l’analyse de données.

Projets nommés :
 

  • DASSAULT SYSTEMES

En plein milieu du pic épidémique de COVID19 en France, les équipes de simulation de DASSAULT SYSTEMES ont travaillé avec certains hôpitaux pour leur permettre d'identifier les risques de propagation de particules contaminées émises par des patients COVID19. Avec l'hôpital Saint-François à Marange-Silvange, où la grand-mère, d'un des ingénieurs à l'origine de ces études, a été soignée, les simulations ont permis de mettre en lumière le fait que l'air circulait de la zone COVID vers une zone EHPAD.

Dès lors, grâce à la simulation, l'entreprise a proposé au directeur de l'hôpital d'ouvrir des fenêtres dans des endroits stratégiques pour casser ce mouvement d'air naturel et mieux protéger la zone EHPAD. Le directeur a aussi utilisé les résultats de simulation pour sensibiliser son personnel aux risques aérosol notamment dans les couloirs et réaménager les espaces communs pour limiter les risques.

Avec l'Institut Montsouris, un étage complet, accueillant des patients COVID, a été simulé en été et en hiver. Alors qu'en hiver, la propagation semblait limitée, la prise en compte de l'impact de la canicule changeait complètement les conclusions. Le mouvement naturel de transport d'air chaud vers les zones froides de l'hôpital augmente donc  considérablement les risques de propagation d'un virus notamment dans des salles de réunion de médecin et les salles d'attente qui étaient auparavant saines.

 

  • ESI GROUP

Face aux questions de leurs propres équipes sur la sécurité des locaux à cause du Covid que ce soit pour le maintien de la distanciation sociale, la circulation dans les couloirs et espaces partagés, le travail en open space, le fait que la climatisation soit sûre ou non... ESI Group a décidé d'utiliser ses propres bureaux et conditions de travail pour étudier la circulation du virus et étudier les différents choix possibles pour pouvoir prendre les meilleurs décisions pour assurer des lieux de travail sûrs pour ses équipes.

Ce projet est le résultat de ce questionnement. On y apprend l'efficacité de la ventilation naturelle (des particules disparaissant d'un bureau individuel en moins de 20 secondes) mais aussi il est intéressant de noter que la climatisation a également donné des résultats encourageants, en particulier lorsque le conduit de retour se trouve directement au-dessus de la personne concernée.

Les résultats permettent de mesurer l'importance de l'identification des zones mortes (endroit avec des poches d'air empêchant une circulation de l'air) pour prévoir les circulations et règles adéquates. L'expertise des équipes a également servi à appliquer ces simulations aux lignes d'assemblages, une préoccupation clé pour les clients. Ce travail est aujourd'hui mis à disposition de ceux-ci qui y trouvent un intérêt particulier alors que la réouverture des bureaux mais aussi des usines s'accélèrent.

 

  • Octo Telematics

OCTO PurePlace est une solution conçue pour améliorer la sécurité et réduire les délais d'exécution à un coût abordable. PurePlace, composé d'un dispositif qui fournit un PCO et d'un dispositif OBD connecté via Bluetooth, permet également de bénéficier de toutes les fonctionnalités de la télématique d'assurance et de la télématique de flotte standard d'OCTO, ce qui en fait l'outil parfait pour les locations de flottes, la mobilité et les transports publics.

Pour voter, rendez-vous sur cette page !

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media