Les ingénieurs systèmes font face à des défis croissants liés à l'augmentation de la complexité des systèmes. La maîtrise de ces défis nécessite l'amélioration de la communication entre les parties prenantes et l'optimisation des coûts et performances.

Dans cette master class nous explorerons l'intégration de la simulation dans l'ingénierie des systèmes et la manière dont celle-ci transforme les méthodes de conception et de validation. Nous aborderons les avantages que la simulation offre pour anticiper la performance des systèmes complexes et réduire les risques avant la production. Nous discuterons de la mise en œuvre concrète d'une approche MBSE (Model-Based Systems Engineering) pilotée par la simulation dans l'environnement MathWorks, pour améliorer le processus de prise de décision.

Nous mettrons également en lumière l’apport de la simulation pour la capture des exigences et le déroulement des activités d'Analyse et d'Optimisation Multidisciplinaire (MDAO) afin de faire des choix architecturaux optimaux et de garantir une continuité numérique entre les modèles d'architecture, de conception et de simulation.

Cette présentation vous guide à travers les meilleures pratiques et techniques avancées pour accélérer significativement vos simulations et calculs. Vous découvrirez comment exploiter au mieux les capacités matérielles, optimiser vos codes MATLAB®, tirer parti des techniques de parallélisation, et utiliser efficacement les fonctionnalités intégrées pour accélérer les modèles Simulink®.

Que ce soit sur des processeurs multicœurs (CPU), des cartes graphiques (GPU) ou encore des grappes de calcul (Cluster), vous apprendrez à maximiser les performances de votre infrastructure. Grâce à des exemples concrets et des cas d'utilisation pratiques, vous repartirez avec des bonnes pratiques immédiatement applicables pour réduire le temps d'exécution et améliorer vos résultats de façon tangible.

Dans un monde de plus en plus interconnecté et complexe, la validation des systèmes embarqués exige des solutions de test de plus en plus performantes, flexibles et évolutives. Cette présentation explore l'intégration des bancs Hardware-in-the-Loop (HIL), des tests multi-plateformes et du Power HIL pour offrir une approche de validation complète et fiable pour les systèmes embarqués de Symbio. Nous aborderons comment ces technologies peuvent être utilisées pour tester des systèmes complexes dans des environnements variés, tout en assurant une couverture de test optimale à travers différents projets et plateformes.

La bibliothèque Simcryogenics développée par le CEA, fondée sur les outils MATLAB®, Simulink® et Simscape™, permet la simulation de systèmes cryogéniques. Son fonctionnement sera présenté, ainsi que les diverses applications qu’elle rend possibles, notamment l’étude du comportement, l’optimisation, le contrôle basé sur modèle, la formation, et la prédiction en temps réel. Plusieurs exemples illustratifs seront exposés et détaillés. Une incise sera consacrée à la simulation des systèmes à hydrogène, appelés à se développer dans un avenir proche.

La conception de systèmes complexes comporte de nombreux défis majeurs. En effet, l'espace de conception peut être trop vaste pour une exploration complète, présenter des interactions croisées entre différents paramètres, ou nécessiter de multiplier les simulations de modèles complexes de type CFD ou FEA, pour être appréhendé dans son ensemble.

L'utilisation de techniques d’intelligence artificielle (IA) pour reconstruire des modèles réduits offre une approche innovante pour surmonter ces défis.
Cette présentation détaille le flux de travail permettant de créer un modèle d’IA de substitution à partir de données d'entraînement dérivées d'un modèle physique Simscape™. Ce modèle d’IA facilite l'exploration de l'espace de conception et l'identification des paramètres optimaux.

Les points clés de cette présentation incluent : 

• Analyse de sensibilité
• Génération de données d'entraînement et plans d’expérience
• Réduction de modèles via Machine Learning et Deep Learning
• Formulation d’un problème d’optimisation

Le développement d'une application aboutie avec interface utilisateur induit des exigences additionnelles et des pratiques de programmation spécifiques.

Cette présentation vise à vous partager les bonnes pratiques pour le développement d'applications maintenables, extensibles et performantes.

Dans cette optique, nous nous intéresserons à la programmation orienté-objet (OOP), la programmation évènementielle et les outils principaux mis à disposition dans MATLAB® pour le développement d'une interface utilisateur esthétique et dynamique.

Dans le cadre du développement de nouveaux algorithmes de maintenance prédictive pour les variateurs de vitesse, Schneider Electric a mis en place une approche Model-Based Design complète : de la conception des modèles à la production du code embarqué et de ses interfaces, sans oublier la vérification et la validation des modèles et du code. Ces développements sont intégrés dans des pipelines CI/CD qui permettent de garantir à tout moment l’intégrité et la disponibilité des algorithmes. L’approche mise en place repose sur une architecture modulaire dans laquelle chaque composant est indépendant et met en œuvre les fonctionnalités MATLAB® et Simulink® adaptées au travail collaboratif et à l’ingénierie système. Le système devient alors un assemblage de composant prêts à l’emploi.

L’OAPS est un système temps-réel d’aide au pilotage de réacteur à eau sous pression, conçu par Framatome pour améliorer la flexibilité des centrales nucléaires. Cette solution innovante permet aux opérateurs de suivre des stratégies de pilotage optimales en leur fournissant, de façon continue, des recommandations sur les prochaines actions à entreprendre. Comparable à un GPS pour centrale nucléaire, l’OAPS calcule l’évolution future des paramètres du cœur du réacteur et ajuste ses recommandations pour s’adapter aux conditions réelles d’exploitation. Il donne ainsi aux opérateurs une meilleure évaluation du degré de manœuvrabilité de la centrale et leur permet d’anticiper les actions à effectuer pour en optimiser le fonctionnement.

Le traitement du signal temps-réel embarqué sur des plateformes FPGA et/ou SoC représente un défi sérieux, principalement en raison des contraintes matérielles : ressources finies, performances, consommation.

Cette master class propose une approche globale, allant de l’exploration algorithmique sous MATLAB® jusqu’à la génération de code HDL optimisé pour FPGA. Nous aborderons les différentes étapes à l'aide d'un exemple pratique et reviendrons sur les notions de "batch processing" vs. "streaming", conversion en virgule fixe, optimisation, partitionnement Hardware/Software ainsi que les méthodes de validation du code HDL. Avec l'essor de l'utilisation de l'IA embarquée, nous conclurons par une illustration du déploiement d'un réseau de neurones profond sur ce type de plateforme.

Cette session est destinée aux ingénieurs et techniciens souhaitant découvrir une approche qui leur permettra d'implémenter efficacement algorithmes de traitement du signal et modèles d'IA sur FPGA et/ou SoC.

Les automates programmables - ou PLC - sont largement utilisés dans les chaînes de production, le contrôle de procédés industriels ou encore le pilotage d'infrastructures électriques. Robustes, fiables, modulaires, capables de gérer un grand nombre d'entrées/sorties, ils garantissent la sécurité et la continuité de service d'installations critiques et performantes. Dans certains cas, ils constituent également une alternative aux microcontrôleurs pour le déploiement d'algorithmes temps-réel.

Cette session illustrera les bénéfices de la méthodologie Model-Based Design pour le développement d'algorithmes de supervision ou de contrôle à destination de cibles PLC. En assurant une continuité numérique et une traçabilité entre les différentes étapes du développement, l'approche permet de gagner en agilité sans transiger sur la qualité.

• Conception algorithmique à base de modèles
• Test et vérification en simulation
• Génération automatique de code (IEC 61131-3 ou C/C++)
  
• Validation du code par diverses méthodes (test bench, cosimulation, hardware-in-the-loop)

The automotive industry is undergoing a period of incredible transformation. The deployment of new technologies into vehicles includes increased software, electric vehicles, and new sensors. But perhaps the most important change in vehicles is the deployment of artificial intelligence. Vehicle AI can enable car companies to unlock new capabilities and improvements that span across the vehicle. Today, when artificial intelligence is mentioned, most of the conversation centers around improving advanced driver assistance systems to create autonomous vehicles or self-driving cars. While this remains important, this is only one of the many opportunities for the automotive industry.

Discover the opportunities and challenges of deploying artificial intelligence in vehicles and the wide range of benefits of AI in the automotive industry. Automotive companies are embracing these innovations, and they will continue to be more widespread in the years ahead.