Atelier : Méthodes innovantes pour le traitement massif des résultats de simulation

CONTEXTE / OBJECTIF

L’atelier concerne le traitement des données acquises par la simulation au sens large.

 

La simulation est au cœur de la conception et de la validation des produits complexes. Les données produites par la simulation se massifient, qu’elles résultent de démarches systématiques comme, par exemple, les simulations pilotées par les plans d’expériences, ou qu’elles soient naturellement produites par les projets, et qu’il s’agisse alors d’extraire une information pertinente d’une simulation complexe comme, par exemple, lorsqu'on simule le fonctionnement de systèmes d’aide à la conduite ou de conduite autonome.

 

Au-delà du problème que pose le stockage de ces données, se posent les problèmes d’analyse et de réduction de données, et ou de réduction de modèles, qui sont un préalable à l’exploitation des informations dans des perspectives multiples comme :

 

• la fusion de données,
• l'aide au diagnostic,
• l'aide à la décision,
• les analyses de sensibilité et de robustesse,
• la corrélation des résultats d'essais et de simulation.

 

 

L’atelier permettra d’échanger sur les méthodes innovantes pour le traitement massif des résultats de simulation :

 

• l’analyse et la réduction des données,
• la réduction de modèles,
• …

 

Il permettra aussi de répondre à des questions comme :

 

• Les méthodes d’apprentissage sont-elles transposables à la simulation numérique ?
• Les nouveaux moyens de réalité virtuelle s’appliquent-ils à l’observation des données ? 

 

 

Comité d’organisation de l'atelier

 

Vincent BRAIBANT  |  Siemens

Laurent DI VALENTIN   |  PSA

Eric LANDEL  |  Renault

Pascal MENEGAZZI |  Valeo

 

Animation de l'atelier

 

Benoît GUILLAUME  |  Groupe PSA

Eric LANDEL  |  Renault

Pascal MENEGAZZI |  Valeo

 

 

A qui s'adresse cet atelier ?

Cet atelier s’adresse aux spécialistes de la simulation.

 

DEROULEMENT

L'atelier se déroulera de 13 h 30 à 17h30.

 

Quatre exposés introductifs permettront d’illustrer la problématique et de lancer les débats.

 

La réduction de modèles : une solution efficace pour la modélisation paramétrique, optimisation et analyse de la robustesse Kambiz KAYVANTASH, Dr.-Ing, EMBA – Directeur Technique et Scientifique – CADLM
Intelligence artificielle : Au delà du Buzz!,  BigData vs. HPC (High-Performance Computing): Revolution or Convergence? Olivier FLEBUS -  Responsable Big Data - CONTINENTAL AUTOMOTIVE FRANCE Reynald RIVIERE - Responsable Machine Learning et Intelligence Artificielle - CONTINENTAL AUTOMOTIVE FRANCE
Big Data, Machine Learning and Analysis for large CAE Model and associated methodology Cristian TANASESCU - Director of Big Data, Control & System Department - ESI GROUP
Deep Learning and Deep Analysis: the interplay between neural networks and complex system simulations Peter MAS - M.Sc.Eng. - Director MBSE - Simcenter Engineering & Consulting - SIEMENS INDUSTRY SOFTWARE SAS

 

 Ces exposés seront suivis par une table ronde pour échanger sur les sujets cités précédemment.