Volumes horaires
- CM 4.0
- Projet 14.0
- TD 0
- Stage 0
- TP 2.0
- DS 0
Crédits ECTS
Crédits ECTS 2.0
Objectif(s)
- sensibiliser au problème de la surveillance et du diagnostic de systèmes
- compléter les outils et méthodes nécessaires à ce type de problèmes
- acquérir de l'autonomie au travers d'expériences pratiques
Contenu(s)
- introduction à la surveillance et au diagnostic des systèmes (cours)
- détection séquentielle de ruptures dans les signaux (cours/BE)
- énoncé du problème
- algorithmes de type CuSum
- algorithmes de type GLR
- projets de surveillance et diagnostic de systèmes (projet)
Prérequis
- bases de science des données (corrélation, analyse spectrale, filtrage, ...)
- bases de la théorie de l'estimation (estimateur du maximum de vraisemblance)
- bases de la théorie de la détection (tests d'hypothèses binaires)
Contrôle des connaissances
Session normale / First session
Evaluation rattrapable (ER) / ER assessment : 1 project / 1 project
Si situation 100% distancielle / If distant learning mandatory:
Evaluation rattrapable (ER) / ER assessment : 1 projet / 1 project
Moyenne de l'UE / Course Unit assessment = ER 100%
--------------------------------------------------------------------------------
Session 1 :
si cours en présence : rapport de projet (100%)
si cours à distance : rapport de projet (100%)
Session 2 :
si présentiel possible : rapport de projet (100%)
si distanciel imposé : rapport de projet (100%)
Informations complémentaires
Cursus ingénieur->Masters->Semestre 9
Cursus ingénieur->Double-Diplômes Ingénieur/Master->Semestre 9
Bibliographie
Detection of Abrupt Changes - Theory and Application. Michèle Basseville, Igor Nikiforov. Prentice Hall - http://people.irisa.fr/Michele.Basseville/kniga/, 1993.
Statistical inference for engineers and data scientists. Pierre Moulin, Venugopal V. Veeravalli. Cambridge University Press, 2019.
The CuSum algorithm - A small review. Pierre Granjon. Technical report - https://hal.archives-ouvertes.fr/hal-00914697, 2013