La fabrication du béton est un processus complexe dépendant de nombreux paramètres (matières premières, adjuvants, paramètres de fabrication, …), et dont la modélisation physico-chimique ne peut être envisagée.

Afin de prévoir la qualité et les caractéristiques finales d’un béton fabriqué, nous proposons de réaliser une modélisation macroscopique du procédé de fabrication. Cette modélisation consistera à identifier par apprentissage (à partir de données réelles) des modèles « boîtes noires » des caractéristiques finales du béton (Maniabilité, Temps de prise, Résistance, …) en fonction des paramètres de fabrications et des matières premières.

Les techniques d’apprentissage envisagées sont issues de la recherche en Fouille de données (Data Mining) : réseaux de neurones artificiels, classification et clustering par logique floue, règles d’association, etc …

Ce projet constitue une étude de faisabilité pour le centre de recherche international de Lafarge. Les données et les résultats du projet seront confidentiels.


Bibliographie :

•    Data Mining: Practical Machine Learning Tools and Techniques (Second Edition) Ian H. Witten, Eibe Frank, Morgan Kaufmann, June 2005
•    « ANFIS:Adaptive-Network-Based Fuzzy Inference system », Jyh-Shing Roger Jang
IEEE Trans. On Systems, Man, and Cybernetics, Vol. 23, N°3, May/June 1993
•    « Fuzzy Model Identification Based on Cluster Estimation », Stephen L. Chiu, Journal of Intelligent and Fuzzy Systems, Vol 2, p. 267-278, 1994
•    J.C. Bezdek – Pattern Recognition with fuzzy Objective Function Algorithm. New York, Plenum Press, 1981