Conférence
Notice
Lieu de réalisation
EN LIGNE/VIRTUEL
Langue :
Français
Conditions d'utilisation
Droit commun de la propriété intellectuelle
Citer cette ressource :
printempsdonnee. (2022, 3 mai). Prototype de pipeline PO²-réseaux bayésiens pour l’aide à la formulation d’emballages biocomposites , in Edition 2022. [Vidéo]. Canal-U. https://www.canal-u.tv/136902. (Consultée le 10 décembre 2024)

Prototype de pipeline PO²-réseaux bayésiens pour l’aide à la formulation d’emballages biocomposites

Réalisation : 3 mai 2022 - Mise en ligne : 3 mai 2022
  • document 1 document 2 document 3
  • niveau 1 niveau 2 niveau 3
Descriptif

La quantité massive de plastiques utilisés chaque année entraîne une accumulation de déchets dans notre environnement. Face à l’épuisement des ressources fossiles et à l’augmentation des résidus organiques (e.g. agricoles, urbains, forestiers), le développement de nouvelles technologies pour la formulation de matériaux composites bio-sourcés et biodégradables permet d’apporter une solution de valorisation tout en produisant des substituts au plastique. La conception « sur mesure » de matériaux biocomposites accroît le besoin de compréhension et de modélisation des relations entre la structure des matériaux et leur performance finale (e.g. perméabilité à la vapeur d’eau, caractéristiques thermiques et mécaniques).

Dans ce webinaire, nous présenterons POND (Process and observation ONtology Discovery), un workflow numérique que nous avons conçu et réalisé pour les procédés de transformation dédié au raisonnement en présence d’incertitude à partir de données expérimentales et de connaissances expertes. Ce workflow permet de faire des prédictions à partir d’un apprentissage sur une base de données. POND repose sur deux modèles issues de l’intelligence artificielle: (1) PO² (Process and Observation Ontology) une ontologie dédiée à la représentation des procédés de transformation; et (2) les modèles relationnels probabilistes (PRMs). Leur combinaison dans POND permet un fonctionnement rétro-actif, où chaque modèle appris est soumis à l’expert qui peut affiner les connaissances intégrées ou en intégrer de nouvelles. Appliqué à un jeu de données constitué à partir de quatre projets différents, POND permet de formuler des biomasses optimales à partir des caractéristiques souhaitées pour le produit final. Ces résultats ont permis de découvrir une biomasse potentiellement intéressante et non testée dans les quatre projets (enveloppe de riz).

Pour en savoir plus sur les webinaires proposés par DataSusFood

Thème

Dans la même collection

Sur le même thème