Les simulations numériques sont de plus en plus utilisées pour la modélisation de systmes physiques, chimiques ou biologiques, mais également des systmes économiques ou financiers. Elles permettent de limiter le risque et d'éviter le coét d'expériences réelles (essais de crash de voitures). Elles peuvent intervenir ˆ differentes étapes d'un projet industriel ou économique : lors de conception d'un avant-projet, lors de l'optimisation du projet final, et lors de la validation du projet abouti.
Il se pose alors la question de la confiance que l'on peut avoir en les prédictions et les décisions issues de telles simulations. En effet de nombreuses sources d'incertitudes existent : incertitudes sur certains paramtres physiques, sur les conditions environnementales, sur les erreurs de fabrication, sur les phénomnes pris en compte ou négligés et leur modélisation.
L'objectif de ce cours est de présenter des méthodes mathématiques permettant de modéliser, de caractériser et d'analyser les incertitudes dans des simulations numériques.
Digital simulations are increasily used for modeling physic, chemical or biologic, but also economic or financial systems. They help limit risk and avoid the real experience side (car crash tests). They can in different steps of an industrial or economic project: during design of the pre-project, during optimization of the final project, and during validation of the achieved project.
This raises the question of how much confidence we can have in the predictions and decisions from such simulations. various uncertainty sources exist: incertainties on some physic parameters, on environmental conditions, on manufacturing errors, on relevent or neglected phenomenon and their modeling.
The aim of this course is to present mathematic methods allowing the modeling, indentification and analysis of uncertainties in digital simulations.
- Teaching coordinator: Garnier Josselin
- Teaching coordinator: Le Maitre Olivier
- Teaching coordinator: Lelievre Tony
- Teaching coordinator: Rey Clément