 | | |
| MECA0010-1 | Stochastic modelling
|
|
| Durée : | 30h Th, 30h Pr |
|
| Nombre de crédits : |
| Master en ingénieur civil en aérospatiale, à finalité approfondie, 2e année | | 5 |
|
| Master en ingénieur civil biomédical, à finalité approfondie, 2e année | | 5 |
|
| Master en ingénieur civil mécanicien, à finalité approfondie, 1re année | | 5 |
|
| Master en ingénieur civil physicien, à finalité approfondie, 2e année | | 5 |
|
| Master en ingénieur civil mécanicien, à finalité spécialisée en technologies durables en automobiles, 1re année | | 5 |
|
| Master en ingénieur civil mécanicien, à finalité spécialisée en gestion, 1re année | | 5 |
|
|
|
| Nom du professeur : | Maarten Arnst |
|
Langue(s) du cours :
|
| Langue anglaise |
|
Organisation et évaluation :
|
| Enseignement au deuxième quadrimestre |
|
Contenus du cours :
|
| En raison de diverses limitations expérimentales et de diverses limites à la modélisation, beaucoup de propriétés et d'actions de systèmes physiques peuvent être soumises à des incertitudes ; par conséquent, le comportement de ces systèmes peut parfois ne pas être prévisible ou contrôlable de façon précise. De telles incertitudes peuvent se manifester de plusieurs façons dans des applications en science et ingénierie, par exemple, comme des horizons de prévisibilité en météorologie, comme des tolérances dans des processus de fabrication, ou encore comme du bruit de fond dans des réseaux de communication. Basée sur la théorie des probabilités, la modélisation stochastique apporte un cadre rigoureux pour quantifier et gérer des incertitudes dans des problèmes de modélisation, dans des problèmes de conception, et dans d'autres problèmes de l'ingénierie.
Ce cours offre une introduction à la modélisation stochastique et la quantification des incertitudes. D'abord, le cours introduit des aspects conceptuels, mathématiques, et numériques de la modélisation stochastique du comportement mécanique et physique de systèmes complexes en présence d'incertitudes. Puis, à travers un projet, le cours cherche à montrer comment la modélisation stochastique permet de répondre à des défis posés par des incertitudes dans des applications en science et ingénierie. |
|
Acquis d'apprentissage (objectifs d'apprentissage) du cours :
|
| A la fin du cours, les étudiants seront capables de s'interroger sur des incertitudes qui peuvent influencer le comportement de systèmes mécaniques et physiques, et de mettre en œuvre des techniques pour leur quantification et gestion. |
|
Prérequis et corequis / Modules de cours optionnels recommandés :
|
| Pour suivre ce cours, les étudiants doivent avoir une bonne maîtrise de la théorie des probabilités (MATH0062 « Éléments du calcul des probabilités »), des statistiques (MATH0487 « Éléments de statistique), et des processus stochastiques (MATH0488 « Elements de processus stochastiques »). Les notions de base nécessaires seront rappelées brièvement en cours. |
|
Activités d'apprentissage prévues et méthodes d'enseignement :
|
| Le cours repose sur des exposés théoriques ex-cathedra. En plus, les étudiants travaillent en petits groupes sur un projet. |
|
Mode d'enseignement (présentiel ; enseignement à distance) :
|
| Cours en présentiel. |
|
Lectures recommandées ou obligatoires et notes de cours :
|
| Un ensemble de transparents, préparés par l'enseignant, ainsi que des papiers scientifiques issus de la littérature, sont mis à disposition des étudiants. |
|
Modalités d'évaluation et critères :
|
| L'évaluation consiste en une présentation en classe (pondération 50%) et un rapport (pondération 50%) portant sur le projet. L'évaluation prend en compte leur contenu, clarté, et netteté. |
|
Stage(s) :
|
| |
|
Remarques organisationnelles :
|
| Le cours est donné au second quadrimestre. |
|
Contacts :
|
| Maarten Arnst
Bureau: B52 - 0/419
Email: Maarten.Arnst@ulg.ac.be |
|
