Assistance au calage de modÃ¨les numÃ©riques en hydraulique ... - TEL

More documents

Recommendations

Info

4.5 MODÉLISATION DES CONNAISSANCES SUR L’UTILISATION DU CODE MAGEappartenant à la chaîne de traitement du code MAGE : Mage_Extraire.exe permetd’obtenir un fichier texte du type FichierRes correspondant à une prédiction donnée,et ResView permet ensuite de visualiser graphiquement le contenu de plusieurs FichierRessimultanément. Nous avons donc encapsulé ces exécutables et créé une procédurede conversion d’une donnée de référence en FichierRes. La figure 4.20 présentenotre modélisation de la sous-tâche de comparaison entre référence et prédiction.:DonnéeDeRéférence:PrédictionÉvénementielleComparaisonEntreRéférenceEtPrédictionPréTraitementPourResViewMage_Extraire:ProgrammeExécutable:FichierBinExécutionDeMage_Extraire:FichierRes[donnée de référence]ResView:ProgrammeExécutable:FichierRes[prédiction]ExécutionDeResView:FichierRes[donnée de référence]:FichierRes[prédiction]PostTraitementPourResView:DonnéeDeRéférence[confrontée]FIG. 4.20 – Modélisation simplifiée de la sous-tache de comparaison entre référence et prédiction,spécialisée pour le code MAGE. On peut noter ici encore la présence nécessaire d’opérateursd’interpopérabilité (PréTraitementPourResView et PostTraitementPourResview),pour le passage entre connaissances du domaine et connaissances liées au code de calculMAGE.4.5.6 Comparaison à d’autres travaux sur la formalisation de connaissancessur des codesDans les sections précédentes, nous avons présenté une modélisation de connaissancessur l’utilisation d’un code de calcul. À ce titre, nous nous sommes intéressésquasiment uniquement au fonctionnement externe de ce code et de ces différents exé-116
CHAPITRE 4 MODÉLISATION DES CONNAISSANCEScutables. Nous n’avons donc pas considéré les connaissances contenues dans ce code decalcul. Cette section vise à présenter des recherches complémentaires à celles présentéesici, et qui concernent de manière plus générale la représentation de connaissances liéesà un code de calcul. Ces recherches sont ainsi orientées sur la capitalisation de connaissancessur un code de calcul au sein d’une entreprise. Elles utilisent ainsi des méthodesissues du domaine de la gestion des connaissances 28 (voir par exemple Ermine, 2003).MASKLa gestion des connaissances au sein d’une entreprise a fait l’objet de nombreusesrecherches depuis le début des années 1990, pour permettre à l’entreprise d’expliciteret de mémoriser ses savoir-faire. Dans cette optique, plusieurs générations de méthodesont été développées en France : la méthode MKSM 29 (Ermine et al., 1996) a ainsi évoluépour laisser la place à la méthode MASK 30 (Barthelmé et al., 1998).MASK est une ✭ méthode d’analyse préalable à la mise en place d’un système opérationnelde gestion des connaissances ✮ Ermine (2003, p. 122). Cette méthode est baséesur l’explicitation de connaissances – recueillies principalement à partir d’entretiens –sous forme de modèles de connaissances. Chacun de ces modèles permet d’expliciter untype précis de connaissances sous forme d’un ou plusieurs diagrammes.La compilation de ces modèles constitue un livre de connaissances matérialisant lesconnaissances jusqu’alors tacites sur le système considéré. Ce système peut être unestructure industrielle, comme on peut le voir au travers des différentes applicationsdes méthodes MKSM et MASK dans de grandes entreprises françaises, mais aussi un✭ simple ✮ objet comme un code de calcul.Application à des codes de calculDans un travail de thèse, Picard (2002) a utilisé la méthode MKSM pour la capitalisationde connaissances sur des codes de calcul, au sein d’EDF et du Commissariat àl’Énergie Atomique (CEA-DAM). Il a ainsi élaboré une méthode opérationnelle pourréaliser cette capitalisation en adaptant la méthode MKSM aux connaissances sur leslogiciels de calcul scientifique (Picard et al., 1999a,b).Étude d’un code de calcul au macroscopeLa méthode MKSM se base sur les différentes visions d’un système apportées parun macroscope (voir Ermine, 1996). Le système est ainsi étudié selon les trois 31 pointsde vue du triangle sémiotique utilisé par Le Moigne (1990) : information, contexte etsignification. L’adaptation de ce macroscope à l’étude des codes de calcul par Picardet al. (1999a) est présentée sur la figure 4.21.Méthode de construction d’un livre de connaissance sur un codeÀ l’aide des différents points de vue de ce macroscope, Picard (2002) a pu proposerde nouveaux modèles de connaissances de la méthode MKSM spécifiques à l’étude de28. Le terme anglais est Knowledge Management.29. Pour Methodology for Knowledge System Management.30. Pour Méthode d’Analyse et de Structuration des Connaissances.31. Nous ne rentrerons pas ici dans le détail des points de vue ontologique, phénoménologique et génétiquedécomposant chacun des points de vue principaux. Le lecteur intéressé est invité à se rapporter à l’ouvraged’Ermine (1996).117
Page 1:
N o d’ordre : 2209THÈSEprésent
Page 10 and 11:
TABLE DES MATIÈRES5.4 Développeme
Page 12 and 13:
TABLE DES MATIÈRESE Résistance à
Page 15 and 16:
Résumé étenduLes modèles numér
Page 17 and 18:
Extended abstractNumerical models a
Page 19 and 20:
IntroductionA SIMULATION NUMÉRIQUE
Page 21 and 22:
INTRODUCTIONHydraulique et modélis
Page 23:
INTRODUCTIONTroisième partie : App
Page 27 and 28:
Chapitre 1Définitions✭ Numerical
Page 29 and 30:
CHAPITRE 1 DÉFINITIONSdifférents
Page 31 and 32:
CHAPITRE 1 DÉFINITIONSde celui dé
Page 33 and 34:
CHAPITRE 1 DÉFINITIONSOn peut note
Page 35 and 36:
CHAPITRE 1 DÉFINITIONSÉvaluation
Page 37 and 38:
CHAPITRE 1 DÉFINITIONSau mieux le
Page 39 and 40:
CHAPITRE 1 DÉFINITIONS- un répert
Page 41 and 42:
CHAPITRE 1 DÉFINITIONSplus haut ai
Page 43 and 44:
CHAPITRE 1 DÉFINITIONS:SystèmeÉt
Page 45 and 46:
CHAPITRE 1 DÉFINITIONSYen (1995) r
Page 47 and 48:
CHAPITRE 1 DÉFINITIONSThe question
Page 49 and 50:
CHAPITRE 1 DÉFINITIONSWe believe t
Page 51 and 52:
Chapitre 2Éléments d’un modèle
Page 53 and 54:
CHAPITRE 2 ÉLÉMENTS D’UN MODÈL
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73:
Page 76 and 77:
3.1 ESTIMATION D’UNE VALEUR A PRI
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91: 3.1 ESTIMATION D’UNE VALEUR A PRI
Page 92 and 93: 3.2 MÉTHODES D’AJUSTEMENT DES PA
Page 102 and 103: 3.4 CONCLUSIONS3.3.2 Dérivation au
Page 105 and 106: Chapitre 4Modélisation des connais
Page 107 and 108: CHAPITRE 4 MODÉLISATION DES CONNAI
Page 139: CHAPITRE 4 MODÉLISATION DES CONNAI
Page 143: CHAPITRE 4 MODÉLISATION DES CONNAI
Page 146 and 147: 5.1 INTÉGRATION SYMBOLIQUE/NUMÉRI
Page 148 and 149: 5.1 INTÉGRATION SYMBOLIQUE/NUMÉRI
Page 150 and 151: 5.2 NOTIONS DE PILOTAGE DE PROGRAMM
Page 152 and 153: 5.2 NOTIONS DE PILOTAGE DE PROGRAMM
Page 154 and 155: 5.3 CARMA-1, UN PROTOTYPE EN PILOTA
Page 166 and 167: 5.4 DÉVELOPPEMENT D’OUTILS D’I
Page 173: Troisième partieApplications du pr
Page 176 and 177: 6.1 PRÉSENTATION DU CAS D’ÉTUDE
Page 182 and 183: 6.2 CONSTRUCTION DE LA BASE DE FAIT
Page 184 and 185: 6.3 DÉROULEMENT DE LA SESSION DE C
Page 186 and 187: 6.3 DÉROULEMENT DE LA SESSION DE C
Page 188 and 189: 6.4 RETOURS D’EXPÉRIENCEQ (m 3 /
Page 190 and 191:
6.5 PROPOSITION POUR UNE AUTOMATISA
Page 192 and 193:
6.5 PROPOSITION POUR UNE AUTOMATISA
Page 195 and 196:
Chapitre 7Calage d’un modèle de
Page 197 and 198:
CHAPITRE 7 CALAGE D’UN MODÈLE DE
Page 199 and 200:
Page 201 and 202:
Page 203 and 204:
Page 205 and 206:
Page 207 and 208:
Page 209 and 210:
Page 211 and 212:
Page 213 and 214:
Conclusion généraleOUS avons abor
Page 215 and 216:
CONCLUSION GÉNÉRALEdisposition. C
Page 217 and 218:
CONCLUSION GÉNÉRALELa figure 7.10
Page 219 and 220:
CONCLUSION GÉNÉRALE- les données
Page 221 and 222:
Table des figures1 Positionnement d
Page 223:
TABLE DES FIGURES5.20 Structure de
Page 226 and 227:
LISTE DES TABLEAUX6.1 Descriptif de
Page 228 and 229:
BIBLIOGRAPHIEAQUALIS (1998), Étude
Page 230 and 231:
BIBLIOGRAPHIEBERMUDEZ, L. et PIASEC
Page 232 and 233:
BIBLIOGRAPHIECEMAGREF (1983), Progr
Page 234 and 235:
BIBLIOGRAPHIEDAS, A. (2004b), Param
Page 236 and 237:
BIBLIOGRAPHIEFASKEN, G. B. (1963),
Page 238 and 239:
BIBLIOGRAPHIEHAGER, W. H. (2001), G
Page 240 and 241:
BIBLIOGRAPHIEKLEMEš, V. (1997), Gu
Page 242 and 243:
BIBLIOGRAPHIEMOISAN, S. (2003), Pro
Page 244 and 245:
BIBLIOGRAPHIEPARKIN, G., O’DONNEL
Page 246 and 247:
BIBLIOGRAPHIEREFSGAARD, J. C. et ST
Page 248 and 249:
BIBLIOGRAPHIEand Integrated Ressour
Page 250 and 251:
BIBLIOGRAPHIETURING, A. (1950), Com
Page 252 and 253:
BIBLIOGRAPHIEYEH, K.-C. et TUNG, Y.
Page 255 and 256:
Annexe AAbréviations et notationsA
Page 257 and 258:
Annexe BFormalisme graphique UMLCet
Page 259:
ANNEXE B FORMALISME GRAPHIQUE UMLdi
Page 262 and 263:
C.2 MESURE DES VARIABLES HYDRAULIQU
Page 265 and 266:
Annexe DTables de valeursCette anne
Page 267 and 268:
ANNEXE D TABLES DE VALEURSQuantité
Page 269 and 270:
ANNEXE D TABLES DE VALEURSQuantité
Page 271 and 272:
ANNEXE D TABLES DE VALEURSDescripti
Page 273 and 274:
ANNEXE D TABLES DE VALEURSDescripti
Page 275:
ANNEXE D TABLES DE VALEURSCultureMa
Page 278 and 279:
E.1 LES PREMIÈRES FORMULES EMPIRIQ
Page 280 and 281:
E.2 DE COEFFICIENTS ✭ UNIVERSELS
Page 282 and 283:
E.2 DE COEFFICIENTS ✭ UNIVERSELS
Page 284 and 285:
E.3 VERS UNE FORMULE STANDARD D’I
Page 286 and 287:
E.4 APPLICABILITÉ HORS DU RÉGIME
Page 288 and 289:
E.5 LIEN AVEC LA MÉCANIQUE DES FLU
Page 291 and 292:
Annexe FDescription des fichiers ut
Page 293 and 294:
Annexe GDescription des programmes
Page 295:
ANNEXE G DESCRIPTION DES PROGRAMMES
Page 298 and 299:
H.1 CALAGE DU MODÈLE DE LA LÈZEQu
Page 300 and 301:
H.2 CALAGE DU MODÈLE DE L’HOGNEA
Page 302 and 303:
Page 304 and 305:
Page 306:
Page 310:
RésuméLe calage d’un modèle nu
show all

Assistance au calage de modÃ¨les numÃ©riques en hydraulique ... - TEL

Create successful ePaper yourself

Delete template?

Save as template?