Votez pour les 5e Trophées de la simulation numérique Votez pour les 5e Trophées de la simulation numérique

Votez pour les 5e Trophées de la simulation numérique Votez pour les 5e Trophées de la simulation numérique © Nodexl

Pour la 5e 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 4 catégories Start-up, PME, Innovation et Co-design.
Pour voter, rendez-vous en bas de cette page

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 :
 

  • Ambicity : projet TEAMSHOUT
    TeamShout s’articule autour d’une application mobile ludique pour smartphone, qui permet au supporter, regardant un match, où qu’il soit dans le monde, de mesurer son soutien au club et de le transformer en une valeur pour lui et son club, baptisé le Shout. Ce jeu d’ambiance sonore, permet à chacun de s’amuser entre amis, de se défier entre supporters et d’apporter sa « voix » au club pour le Championnat des Supporters. TeamShout se compose de deux outils visibles : l’application mobile d’engagement pour le supporter : TeamShout Supporter, l’outil de marketing digital pour les partenaires TeamShout Club.
     
  • Hub vacataire
    Hub vacataire développe une plateforme Web permettant de mettre les enseignants vacataires en relation avec les écoles, les universités et les centres de formation. Les enseignants vacataires s’inscrivent et les responsables d’enseignements des écoles et universités peuvent procéder aux recrutements d’intervenants extérieurs à l’aide du moteur de recherche de la plateforme. Les écoles peuvent également poster des annonces diffusables sur les réseaux sociaux en un seul clic.
     
  • Numix : projet Crue Simulator VR
    Dispositif de formation en réalité virtuelle. Cette expérience propose de former le personnel EDF au passage d’une crue sur une barrage hydroélectrique. Via une interface pensée pour le formateur celui ci peut interagir pour impacter en temps réel l’expérience de I’apprenant. En sollicitant la vue, l’ouïe, I’orientation dans I’espace, le mouvement et la liberté d’action, tout en isolant I’utilisateur de I’extérieur, la solution vise à favorise une immersion complète dans un environnement réaliste. Chaque session de formation est unique par un scénario adaptable en fonction des compétences de I’apprenant.

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 :

  • Serious Factory / GNFA : projet Serious game « Gestes métiers »
    Serious Game de simulation en réalité virtuelle d’une durée de 30 à 45 minutes. Le jeu propos eune suite d’activités techniques mobilisant des gestes métiers en situation d’immersion dans un environnement virtuel (en 3D et en temps réel. Objectif  faire découvrir des gestes propres aux métiers de la mécanique et de la réparation afin de proposer un parcours de découverte des différents métiers de la branche automobile
  • MOKILI : projet EMERGENCIE
    Système de modélisation et d’aide à la décision destiné au suivi en temps réel ou en anticipation de rejets atmosphériques toxiques et/ou explosifs, d’origine accidentelle ou malveillante, dans toute ville, y compris de très grande dimension, en France ou à l’étranger. L’ensemble des bâtiments de la ville sont représentés en 3D et le relief du site est pris en compte. Les simulations 3D sont à la résolution métrique et peuvent inclure les parties internes de bâtiments d’importance (gares, stations de métro, aéroports, administrations…)L e projet met en œuvre des modèles physiques  qui prennent en compte le bâti en 3D à haute résolution avec un parallélisme utilisable sur machine multi cœurs mais aussi sur clusters géants.
     
  • Savoie Transmissions : projet MATAKI Dongle
    Capteur lnternet des Objets (Réseau LORA) permettant de mesurer 1 à 24 fois par jour la Vibration 3 axes (mg ou mms) selon Norme ISO 10816 & Alerte Choc 3 axes (mg) ; la Température (‘C); l’humidité (%); la pression ATM (Pa); et les Champs Magnétiques 3 axes (Gauss). Des Alertes email paramétrables, permettent de réduire les plans de maintenance préventif par des actions sur événement, et d’améliorer la compréhension des dégradations prématurées en étant au plus prèsdes dérives voire des événements anormaux (exemple : choc, champs magnétiques). La connectivité permet quant à elle d’enrichir la Maintenance Assistée par Ordinateur (historique, demande dthtervention,….) et d’utiliser les données pour faire des analyses de corrélation par intelligence artificielle.

Catégorie 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 :
 

  • ESI Group : projet Hybrid Twin
    Actuellement les modèles de simulation numériques utilisés pour prédire le comportement des produits industriels pendant leur utilisation ne s’enrichissent pas des éléments identifiés en temps réel et ne s’adaptent pas aux aléas. Les données utilisées sont uniquement celles d’événements passés ayant déjà eu lieu. Rien ne prend donc en compte I’imprévu et le vieillissement du produit dû à son utilisation et à son environnement. L’Hybrid Twin vise à résoudre ce problème. Grâce à I l’utilisation d’algorithmes de réduction de modèle basés sur la PGD (Proper Generalized Decomposition) et en combinant des prototypes virtuels intégrant tout le savoir-faire historique d’ESl en physique des matériaux avec un jumeau digital (basé sur les données), le Groupe a créeéun concept permettant une simulation prédictive, une maintenance prédictive utilisable et paramétrable en temps réel.
     
  • SOLYSTIC : projet SOSi
    SOSi est une plateforme qui permet de simuler l’ensemble d’une supply chain, de créer le « jumeau numérique » d’un process industriel pour le tester et mettre en œuvre une stratégie d’optimisation. L’utiliser, c’est identifier comment améliorer la chaîne d’approvisionnement, tester les scénarios possibles pour passer à l’industrie 4.0. Au-delà des équipements et systèmes intégrés dans un centre logist¡que, SOSi s’intéresse à l’ensemble de la supply chain industrielle incluant fournisseurs, usines, sous-tra¡tants, moyens de transport. En agissant sur le modèle au moyen de scénarios, il devient ainsi aisé de réduire les temps de cycle de production, les stocks et de mettre en oeuvre des stratégies d’optimisation. SOSi permet aussi de partager la vision d’un système complexe entre le client et SOLYSTIC afin de définir son fonctionnement et de s’assurer de son dimensionnement, d’utiliser ce modèle en approche top-down pour tester les composants du système puis de les intégrer entre eux dans une démarche systématique de tests virtuels/tests en vraie grandeur. Le client a ainsi ne visibilité permanente sur le modèle, visibilité qu’il utilise pour comparer le fonctionnement prévu par le modèle avec le fonctionnement réel des équipements et des systèmes.
     
  • Worldline : projet FRAMS (Fraud Risk Management Suite)
    Création d’un laboratoiire informatique dédié à l arecherche en IA compose d’un cluster de machines HPC pour améliorer les perforamnces d’un système deproduction dédié à traiter la fraude à la carte bancaire. Il a atteint cet objectif en accélérant la création de nouveaux modèles d’IA performants en détection  et de faire passer les créations en IA d l’entreprise à l’échelle de l’industrialisation.

Catégorie CO-DESIGN
Trophée attribué à un binôme ou un groupement associant une grande entreprise et une PME, une ETI, un laboratoire ou une Startup… ayant collaboré sur un projet lié au calcul numérique et/ou au Big Data, que ce soit au stade de la recherche, du développement ou de la mise en œuvre.

Projets nommés :

  • DCBRAIN / Daher Aerospace : Projet DBRAIN
    Daher assure en tant que Lead Logistics Provider la logistique du projet ITER : projet de recherche sur la fusion nucléaire, situé dans le sud de la France à Cadarache. ll s’agit notamment, post-acheminenent, de gérer plusieurs entrepôts, eux-mêmes découpés en différentes zones selon des paramètres et typologies d’entreposage. Daher doit, dans le cadre de sa mission, procurer une visibilité complète sur les futures capacités de stockage en prenant en compte les entrées et les sorties sur un intervalle de 24 mois, à l’aide d’un logiciel de simulation. Les outils actuels sont limités et manquent de souplesse. La solution DCBrain fonctionne comme un jumeau numérique de ces zones, qui va simuler mais aussi, grâce à un réseau neuronal baptisé MARVIN, optimiser les résultats. Sur la base de règles du jeu préétablies et en prenant en compte les 24 mois à venir, MARVIN teste un volume gigantesque de possibilités et est ainsi capable, via une technique d’apprentissage profond par renforcement (Deep Reinforcement Learning), d’apprendre et de définir les combinaisons optimales. À la clé, davantage de précision et de qualité au bénéfice du métier et du client. Le système peut s’entraîner en 30 minutes seulement et offre un dynamisme précieux dans la gestion des zones de stockage et I’ajout de nouvelles. La solution est désormais industrialisée et pleinement opérationnelle pour les équipes Daher d’lTER.
     
  • INGELIANCE Technologies / Laboratoire Jean Kuntzmann : Projet Coll’Hybrid
    Le projet COLL’HYBRID s’appuie sur la complémentarité entre l’expertise scientifique apportée par le laboratoire Jean KUNTZMANN et l’expertise applicative proposée par la société INGELIANCE Technologies. COLL’HYBRID traite du développement et de l’industrialisation d’une bibliothèque de simulation open-source HySoP pour la résolution de problématiques spécifiques complexes en mécanique des fluides, notamment les problématiques de transports et dépôts de particules. Deux axes ont été travaillés durant le projet utilisant des technologies spécifiques : (i) un axe dédié à la performance ; la bibliothèque développée se déploie sur des plateformes hybrides accélérateurs/processeur (GPU/CPU) en optimisant le placement mémoire. (ii) un autre axe centré sur l’interface code / calculateur par l’utilisation de graphes comme outil d’aide à la résolution. Par ailleurs, le projet COLL’HYBRID s’est structuré autour d’une démarche originale de doctorat-conseil permettant l’industrialisation du code de calcul développé et la montée en compétence progressive des utilisateurs industriels sur des problématiques scientifiques de haute technicité. Ce projet prépare ainsi la simulation numérique de demain par une utilisation adéquate des architectures hybrides GPU/CPU, tout en intégrant des moyens innovants de collaboration entre un industriel et un laboratoire de recherche.
     
  • Liebber-Aerospace/Jolibrain : projet CaffeIN
    Liebherr dispose de modèles physique précis y compris dans le domaine temporel de ses produits (vannes, échangeur de chaleur, turbomachine …). Ces modèles physiques sont utilisés dans l’environnement de simulation Dymola. Le temps de calcul interdit l’emploi de ces modèles pour certains usages notamment l’optimisation de lois de contrôle ou l’exécution temps réel. Un projet a été lancée collaboration avec Jolibrain pour créer des modèles réduits de ces modèles physiques. La réalisation de ces modèles est basée sur des techniques deep learning type réseaux LSTM. Ces modèles sont déployés sous forme de FMU (Functional Mock-up Unit) au standart FMI (Functional Mock-up Interface). Toute la chaine de production, de l’apprentissage à la génération du FMU, a été industrialisée. Le pilier de cette chaîne est le framework Open Source DeepDetect développé par Jolibrain, permettant l’apprentissage, sa validation et sa mise en production simplifiée et sécurisée en termes de contrôle statistique des sorties. L’utilisation de FMU permet d’utiliser ces modèles en interne mais aussi de les livrer à des partenaires ou clients qui peuvent les exploiter avec un grand nombre d’outils de conception ou calcul : ANSYS, 3D Experience, Dymola, Matlab … Enfin, les perspectives sont nombreuses. L’utilisation du deep learning permet d’envisager d’étendre le domaine d’application des modèles physiques : multi-échelle, apprentissage avec des données de test ou simulation temps réel. Associé au déploiement sous forme de FMU, ce travail permettra de réaliser une co-simulation efficace. Il s’agit d’une étape majeure vers l’avion numérique.

A vos votes

Votez pour vos projets préférés dans chaque catégorie
Si le formulaire ci-dessous n’apparaît pas, cliquez ci

Créez votre propre sondage de satisfaction des utilisateurs