Search

En portant attention aux procédés de fabrication de l’actualité politique dans les premiers journaux en langue française, cette étude montre comment les contraintes et les modalités de l’approvisionnement en nouvelles influent sur la nature même de l’information politique et sur sa mise en écriture au 17e siècle. Grâce à l’étude des dispositifs médiatiques, discursifs et énonciatifs employés par les journalistes, il apparaît que la première presse politique, en affirmant se construire sur l’incertitude inhérente au système médiatique du temps, donne naissance à une modalité de dire-vrai, à un mode de véridiction (Michel Foucault), susceptible de satisfaire un public qui, en retour, lui accorde le succès. By focusing on the processes of political news manufacturing in the first French-language newspapers, this study demonstrates how the constraints and modes of news circulation influence the nature of political information and its writing in the 17th century. Thanks to the study of the media, discursive and enunciative processes employed by journalists, it appears that the first political press, by asserting to build itself on the uncertainty inherent to the media system of the time, gives birth to a “dire-vrai”, to a “mode de véridiction” (Michel Foucault), likely to satisfy a public which, in return, grants it success.

Contexte : Plus de 80% des patients recevant du nivolumab en 2ème ligne de traitement dans les carcinomes épidermoïdes de la tête et du cou (CETEC) récidivants et/ou métastatiques n’obtiendront aucun bénéfice au traitement, sans qu’il soit possible de les identifier.Objectif principal : Déterminer la corrélation entre les variations des paramètres sanguins tels que le rapport neutrophiles sur lymphocytes (NLR), plaquettes sur lymphocytes (PLR), lymphocytes sur globules blancs totaux (LWR) et la réponse au nivolumab dans les CETEC.Matériels et Méthodes : Nous avons analysé rétrospectivement les données biologiques de 44 patients atteints de CETEC ayant reçu du nivolumab et au moins une ligne antérieure de traitement systémique au Centre Jean Perrin, France de mars 2018 à décembre 2020.Résultats : Le taux de réponses objectives était de 15.9%. Un NLR bas à 2 cycles de nivolumab était associé à une meilleure réponse [OR=0.897, p=0.013]. La médiane de survie globale (SG) était de 17 mois (CI95% 14-28). Une augmentation du LWR du 6ème au 8ème cycle de nivolumab était associée à une meilleure survie globale [HR = 0.091, p = 0.005]. La médiane de survie sans progression (SSP) était de 3 mois.L’augmentation du PLR entre la valeur initiale et le 6ème cycle de nivolumab était associée à une diminution de la SSP [HR = 1.752, p = 0.039]. Les patients ayant un NLR ≤ 5 et PLR ≤ 150 avaient une médiane de délai avant arrêt du traitement (TTF) augmentée de 1 à 3 mois (p = 0.012) et de 3 à 5 mois (p = 0.027) par rapport aux patients ayant un NLR > 5 et PLR > 150 respectivement. L’augmentation du LWR du 6èmeau 8ème cycle était significativement associée à une augmentation du TTF [HR = 0.050, p = 0.001].Conclusion: Une augmentation du taux de variation du LWR et une faible valeur de NLR en cours de traitement par nivolumab sont associées à une augmentation de la SG et du TTF. Une augmentation du PLR et du NLR sont des facteurs de mauvais pronostics. L’augmentation du nombre de lymphocytes sous immunothérapie semble être un bon marqueur d’efficacité du traitement dans les CETEC.

Introducción: La pandemia causada por la enfermedad por coronavirus 2019 (COVID-19) ha revelado la necesidad de optimizar los recursos en salud. Las herramientas que permiten diferenciar entre poblaciones con diferentes niveles de riesgo como las escalas o modelos de predicción, adquieren gran valor en este nuevo escenario. A la fecha se encuentran disponibles más de 50 escalas de pronóstico en COVID-19 pero la gran mayoría no han tenido procesos de validación externa y aún tienen un bajo potencial de generalización. Objetivo: Evaluar el desempeño de al menos tres escalas de predicción de mortalidad, en términos de su capacidad de discriminación, calibración y potencial generalización a la práctica clínica, al aplicarlas en una cohorte nacional de pacientes con infección por SARS-COV2 (RESCATE COVID-19). Metodología: A partir de una revisión sistemática viva de la literatura que contiene todas las escalas publicadas hasta mayo de 2020 y siguiendo un proceso estructurado, se eligieron las tres con mayor potencial de aplicación local. En cada una se realizó un proceso de caracterización de sus predictores (distribución, análisis bivariado y multivariado con regresión logística múltiple), evaluación de su capacidad de discriminación (área bajo las curvas ROC) y calibración (de manera gráfica y estadística: prueba de bondad de ajuste de Hosmer-Lemeshow, calibración en promedio “CITL”, pendiente de calibración). Además, se analizó el desempeño de los modelos utilizando sus puntajes o niveles de riesgo como variables independientes. Resultados: Tras el proceso de selección resultaron dos estudios orientales (Zhang-China, Xie-China) y uno latinoamericano (Bello-México) como candidatos para su validación local. Los predictores propuestos por los modelos son en su mayoría variables sociodemográficas, antecedentes de comorbilidades, laboratorios generales y algunas derivadas de la atención clínica. Los modelos fueron evaluados en 1342 pacientes con diagnóstico confirmado de COVID-19 que hacen parte de la cohorte RESCATE COVID-19 (mortalidad 12.7%). Esta incluye pacientes atendidos en seis hospitales ubicados 3 diferentes ciudades de Colombia. De los 7 predictores por la escala de Zhang-China solo 2 resultaron con OR significativo tras ser ajustados en un modelo de regresión logística multivariada (edad: OR 1.03; IC95% 1.01-1.06 y proteína C reactiva: OR: 1.07; IC95% 1.03 – 1.10). Su capacidad de discriminación resultó apenas aceptable (AUC: 0.78) y no demostró estar calibrada estadísticamente (HL p=0.002) ni en su evaluación gráfica. Al utilizar sus puntajes (calculados con una herramienta disponible en línea) y niveles de riesgo (según los puntos de corte propuestos) como variables predictoras, la escala tiene menor capacidad de discriminación (AUC: 0.73 y 0.67), persiste sin calibración estadística (HL p0.05). Tras la evaluación de los puntos de corte para su aplicación clínica se eligió el umbral de 4 puntos en la escala para dividir entre alto y bajo riesgo (VPN: 98%, Sensibilidad del 90%). Conclusiones: La escala de Bello-México resultó tener muy buen desempeño al aplicarse a los pacientes con diagnóstico de COVID-19 de la cohorte RESCATE-COVID19. Su sistema de puntuación sencillo, con buena capacidad de discriminación entre pacientes de alto y bajo riesgo, ofrece predicciones calibradas de las probabilidades de mortalidad intrahospitalaria. Teniendo en cuenta la naturaleza de sus predictores se considera útil en escenarios de atención temprana de pacientes con diagnóstico o sospecha de la enfermedad. Con un punto de corte de 4 puntos la escala resulta útil como estrategia de tamización del pronóstico ya que puntajes menores tienen muy baja tasa de falsos negativos. Su uso puede informar mejor (aunque no reemplazar) la decisión clínica y optimizar la utilización de recursos. Es necesario evaluar su desempeño en otras poblaciones antes de generalizar su uso. La escala de Zhang-China no logró un buen desempeño al aplicarse a la cohorte. El modelo de Xie-China, aunque prometedor por su desempeño, presenta una herramienta para cálculo de puntajes compleja, vulnerable de error de medición y demandante de recursos, que no la hace apta para su aplicación clínica local. 1. PLANTEAMIENTO DEL PROBLEMA Y JUSTIFICACIÓN ............................ 18 2. MARCO TEÓRICO Y ESTADO DEL ARTE ................................................... 22 2.1. Breve recuento histórico ............................................................................... 22 2.2. Situación actual de la epidemia por COVID-19 en Colombia ...................... 23 2.3. Diagnóstico, manifestaciones clínicas y curso de la COVID-19 ................. 24 2.4. Dificultades para el diagnóstico temprano de pacientes con COVID-19 en Colombia: ................................................................................................................... 27 2.5. Escalas de predicción de mortalidad o complicaciones por la COVID-19. 27 3. OBJETIVOS ................................................................................................... 29 3.1. Objetivo General ............................................................................................. 29 3.2. Objetivos específicos..................................................................................... 29 4. DESARROLLO METODOLÓGICO POR OBJETIVOS .................................. 30 4.1. Diseño general: .............................................................................................. 30 4.2. Para el desarrollo del primer objetivo: Proceso de selección estructurada de las escalas de predicción disponibles ................................................................ 30 4.3. Para el desarrollo del segundo objetivo: Caracterización de las escalas potencialmente aplicables ........................................................................................ 33 4.4. Para el desarrollo del tercer objetivo: Validación externa de las escalas. . 39 4.4.1. Metodología de la Cohorte RESCATE COVID-19: ................................................. 39 4.4.2. Calidad de los datos:............................................................................................... 40 4.4.3. Variables y unidades de medida: ............................................................................ 41 4.4.4. Manejo de los datos faltantes en la cohorte de validación: .................................... 44 4.4.5. Metodología para la evaluación del desempeño de las escalas en términos de su capacidad de discriminación y calibración en la cohorte local: ................................................ 46 4.4.6. Metodología para la evaluación del desempeño de las escalas en términos de su capacidad de discriminación y calibración en los pacientes sospechosos de la cohorte local: 49 5. CONSIDERACIONES ÉTICAS ...................................................................... 50 6. RESULTADOS ............................................................................................... 52 6.1. Proceso de evaluación del desempeño de la escala Zhang-China al aplicarlo a la cohorte RESCATE COVID-19: ............................................................. 52 6.1.1. Pasos 1-3 del proceso de evaluación del desempeño del modelo: Análisis univariado – bivariado y modelo de regresión logística múltiple: ............................................. 52 6.1.2. Paso 4 de la evaluación del desempeño del modelo: Capacidad de discriminación. 55 6.1.3. Paso 5 de la evaluación del desempeño del modelo: Calibración. ........................ 56 6.1.4. Evaluación del desempeño de la escala Zhang-China según probabilidades calculadas en plataforma digital: .............................................................................................. 57 6.1.5. Evaluación del desempeño de la escala Zhang-China según los niveles de riesgo obtenidos a partir de los puntajes: ........................................................................................... 59 6.1.6. Conclusiones del análisis del desempeño de la escala Zhang-China al aplicarla a la cohorte RESCATE COVID-19: ................................................................................................. 62 6.2. Proceso de evaluación del desempeño de la escala Xie-China al aplicarlo a la cohorte RESCATE COVID-19: ............................................................................... 62 6.2.1. Pasos 1-3 del proceso de evaluación del desempeño del modelo: Análisis univariado – bivariado y modelo de regresión logística múltiple: ............................................. 62 6.2.2. Paso 4 de la evaluación del desempeño del modelo: Capacidad de discriminación. 66 6.2.3. Paso 5 de la evaluación del desempeño del modelo: Calibración. ........................ 67 6.2.4. Evaluación del desempeño de la escala Xie-China según puntajes calculados: ... 68 6.2.5. Conclusiones del análisis del desempeño de la escala Xie-China al aplicarla a la cohorte RESCATE COVID-19: ................................................................................................. 68 6.3. Proceso de evaluación del desempeño de la escala Bello-México al aplicarlo a la cohorte RESCATE COVID-19 .............................................................. 69 6.3.1. Pasos 1-3 del proceso de evaluación del desempeño del modelo: Análisis univariado – bivariado y modelo de regresión logística múltiple: ............................................. 69 6.3.2. Paso 4 de la evaluación del desempeño del modelo: Capacidad de discriminación. 73 6.3.3. Paso 5 de la evaluación del desempeño del modelo: Calibración. ........................ 74 6.3.4. Evaluación del desempeño de la escala Bello-México según los puntajes calculados a cada paciente de la cohorte RESCATE COVID-19: ........................................... 75 6.3.5. Evaluación del desempeño de la escala Bello-México según los niveles de riesgo obtenidos a partir de los puntajes: ........................................................................................... 77 Tabla 8. Comparativo de áreas bajo la curva ROC con sus respectivos intervalos de confianza del 95% correspondientes a cada uno de los modelos, sus escalas y los niveles de riesgo. . 80 6.3.6. Conclusiones del análisis del desempeño de la escala Bello-México al aplicarla a la cohorte RESCATE COVID-19: ................................................................................................. 81 6.4. Proceso de evaluación de los modelos en la población de pacientes con RT-PCR para SARS-COV2 negativa de la cohorte rescate COVID-19. ................... 84 6.4.1. Evaluación del desempeño de la escala Zhang-China en pacientes con RT- PCR negativa para SARS-COV2 de la cohorte RESCATE COVID-19 ............................................ 84 6.4.2. Evaluación del desempeño de la escala Xie-China en pacientes con RT- PCR negativa para SARS-COV2 de la cohorte RESCATE COVID-19. ........................................... 86 6.4.3. Evaluación del desempeño de la escala Bello-México en pacientes con PCR negativa. 87 7. DISCUSIÓN .................................................................................................... 90 8. Conclusiones ................................................................................................ 93 9. CLASIFICACIÓN DE LOS RESULTADOS DEL ESTUDIO SEGÚN COLCIENCIAS: ..................................................................................................... 94 REFERENCIAS BIBLIOGRÁFICAS ..................................................................... 95 ANEXOS .............................................................................................................. 102 Maestría Introduction: The pandemic caused by COVID-19 has exposed the need to optimize healthcare resources. Tools that facilitate the distinction between populations with varying risk levels, such as risk assessment scales or predictive models are therefore of vital importance. To date, there are more than 50 prognostic scales available for COVID-19 but the vast majority of them lack proper external validation and overall potential to be generalizable. Objective: Evaluate the performance of at least three mortality prediction scales, their discriminatory ability, calibration and clinical generalizability by applying them to a Colombian national cohort of patients infected with SARS-CoV-2 (Project RESCATE COVID-19) Methods: After a systematic and comprehensive literature review of all mortality risk scales published before May 2020, followed by a structured selection process, the top three scales with the highest potential for applicability at the local level were chosen. For each one, all predictors were characterized by analyzing their distribution and performing bivariate and multivariate analysis, with multiple logistic regressions. The discriminating capacity of all models was evaluated by estimating area under ROC curves and their calibration was assessed both graphically and statistically using the Hosmer-Lemeshow test for goodness-of-fit, the calibration slope and the calibration in the large (CITL). Moreover, analyses of model performance were conducted for all three models using their risk levels as independent variables. Results: The selection process resulted in two Asian (Zhang-China, Xie-China) and one Latinoamerican (Bello-México) studies as the top candidates for evaluation at the local level. The vast majority of predictors proposed by these models were sociodemographic variables, history of comorbidities, general laboratory results and some variables derived from clinical care. All three models were evaluated in 1342 patients with confirmed diagnostic of COVID-19 from the patient cohort of the Colombian project RESCATE COVID-19, which has an overall mortality rate of 12.7%. This cohort includes patients distributed across six hospitals located in 3 different cities in Colombia. From the 7 predictors in the Zhang-China scale, only 2 resulted with a significant OR value after being adjusted by a multivariate logistic regression model (age with OR = 1.03; CI 95% 1.01-1.06 and C Reactive Protein with OR = 1.07; IC 95% 1.03 – 1.10). The discriminatory capacity of this scale proved to be only acceptable (AUC = 0.78), it showed insufficient calibration, both statistically (HL p=0.002) and graphically. When using scores calculated by an online tool and risk levels based on the proposed thresholds as predictive variables, the discriminatory capacity of this scale increases (AUC = 0.73 and 0.67), but it maintains poor statistical calibration (HL p < 0.05), and the graphical assessment of calibration worsens. On the other hand, all predictors proposed by the Xie-China scale proved to have a significant association with intrahospital mortality. Their discriminatory capacity proved to be high (AUC = 0.81) and its predictions match the empirical data from our cohort (HL p = 0.22). However, it was not possible to perform an analysis of this scale based on the scoring system proposed by the authors. The scoring system showed to be highly complex, extremely sensitive to small measuring errors, highly time-consuming and with very low likelihood of proving useful in a daily clinical setting. Finally, 4 out of 9 predictors in the Bello-México scale showed significant adjusted association metrics. Their discriminatory capacity was high (AUC = 0.80) and they showed proper statistical (HL p = 0.32) and graphical calibration assessments. The scoring system and the risk levels showed even better performance than the model (AUC = 0.87) and resulted in good calibration (HL p>0.05). After the evaluation of the thresholds for its clinical applicability, a threshold of 4 points in the scale was chosen to properly discriminate low and high-risk patients (VPN: 98%, 90% sensitivity) Conclusions: From the top three mortality risk scales, the Bello-México showed the highest potential, with high performance when applied to patients diagnosed with COVID-19 in the RESCATE COVID-19 cohort and a simple scoring system with good discriminatory capacity for high and low-risk patients, offering calibrated predictions of the intrahospital mortality probability. Considering the nature of its predictors, this scale is deemed useful for early assessment in patients with a diagnosis for COVID-19 or suspicion of the disease. When using a threshold of 4 points, this scale is considered to be useful for prognostics given that lower scores tend to be associated with very low rate of false negatives. Applying this scale could better inform, but not replace, the clinical decision-making process to optimize resources. The scale Zhang-China, on the other hand, did not show good performance when applied to the patient cohort of the project RESCATE COVID-19. Finally, the Xie-China model, however promising in its performance, showed a very complex scoring system that is not only demanding in resources but would also make this risk scale highly vulnerable to human error, making it overall less likely to be applicable at local hospitals.

The following work seeks to evaluate traditional methodologies of time series forecasting compared to the newest artificial intelligence algorithms. Economic and financial time series are used in order to evaluate the efectiveness of these procedures so that this has an economic and practical significance. El siguiente trabajo busca evaluar las metodologías tradicionales de predicción de series de tiempo en comparación con los algoritmos de inteligencia artificial más nuevos. Se utilizan series de tiempo económicas y financieras. con el fin de evaluar la efectividad de estos procedimientos para que esto tenga un significado económico y práctico. El següent treball busca avaluar les metodologies tradicionals de predicció de sèries de temps en comparació amb els algorismes d'intel·ligència artificial més nous. S'utilitzen sèries de temps econòmiques i financeres. amb la finalitat d'avaluar l'efectivitat d'aquests procediments perquè això tingui un significat econòmic i pràctic.

Predictive maintenance strategies can help reduce the ever-growing maintenance costs, but their implementation represents a major challenge. Indeed, it requires to evaluate the health state of the component of the system and to prognosticate the occurrence of a future failure. This second step consists in estimating the remaining useful life (RUL) of the components, in Other words, the time they will continue functioning properly. This RUL estimation holds a high stake because the precision and accuracy of the results will influence the relevance and effectiveness of the maintenance operations. Many methods have been developed to prognosticate the remaining useful life of a component. Each one has its own particularities, advantages and drawbacks. The present work proposes a general methodology for component RUL estimation. The objective i to develop a method that can be applied to many different cases and situations and does not require big modifications. Moreover, several types of uncertainties are being dealt With in order to improve the accuracy of the prognostic. The proposed methodology can help in the maintenance decision making process. Indeed, it is possible to select the optimal moment for a required intervention thanks to the estimated RUL. Furthermore, dealing With the uncertainties provides additional confidence into the prognostic results.; La mise en place d’une politique de maintenance prévisionnelle est un défi majeur dans l’industrie qui tente de réduire le plus possible les frais relatifs à la maintenance. En effet, les systèmes sont de plus en plus complexes et demandent un suivi de plus en plus poussé afin de rester opérationnels et sécurisés. Une maintenance prévisionnelle nécessite d’une part d’évaluer l’état de dégradation des composants du système, et d’autre part de pronostiquer l’apparition future d’une panne. Plus précisément, il s’agit d’estimer le temps restant avant l’arrivée d’une défaillance, aussi appelé Remaining Useful Life ou RUL en anglais. L’estimation d’une RUL constitue un réel enjeu car la pertinence et l’efficacité des actions de maintenance dépendent de la justesse et de la précision des résultats obtenus. Il existe de nombreuses méthodes permettant de réaliser un pronostic de durée de vie résiduelle, chacune avec ses spécificités, ses avantages et ses inconvénients. Les travaux présentés dans ce manuscrit s’intéressent à une méthodologie générale pour estimer la RUL d’un composant. L’objectif est de proposer une méthode applicable à un grand nombre de cas et de situations différentes sans nécessiter de modification majeure. De plus, nous cherchons aussi à traiter plusieurs types d’incertitudes afin d’améliorer la justesse des résultats de pronostic. Au final, la méthodologie développée constitue une aide à la décision pour la planification des opérations de maintenance. La RUL estimée permet de décider de l’instant optimal des interventions nécessaires, et le traitement des incertitudes apporte un niveau de confiance supplémentaire dans les valeurs obtenues.

Predictive maintenance strategies can help reduce the ever-growing maintenance costs, but their implementation represents a major challenge. Indeed, it requires to evaluate the health state of the component of the system and to prognosticate the occurrence of a future failure. This second step consists in estimating the remaining useful life (RUL) of the components, in Other words, the time they will continue functioning properly. This RUL estimation holds a high stake because the precision and accuracy of the results will influence the relevance and effectiveness of the maintenance operations. Many methods have been developed to prognosticate the remaining useful life of a component. Each one has its own particularities, advantages and drawbacks. The present work proposes a general methodology for component RUL estimation. The objective i to develop a method that can be applied to many different cases and situations and does not require big modifications. Moreover, several types of uncertainties are being dealt With in order to improve the accuracy of the prognostic. The proposed methodology can help in the maintenance decision making process. Indeed, it is possible to select the optimal moment for a required intervention thanks to the estimated RUL. Furthermore, dealing With the uncertainties provides additional confidence into the prognostic results., La mise en place d’une politique de maintenance prévisionnelle est un défi majeur dans l’industrie qui tente de réduire le plus possible les frais relatifs à la maintenance. En effet, les systèmes sont de plus en plus complexes et demandent un suivi de plus en plus poussé afin de rester opérationnels et sécurisés. Une maintenance prévisionnelle nécessite d’une part d’évaluer l’état de dégradation des composants du système, et d’autre part de pronostiquer l’apparition future d’une panne. Plus précisément, il s’agit d’estimer le temps restant avant l’arrivée d’une défaillance, aussi appelé Remaining Useful Life ou RUL en anglais. L’estimation d’une RUL constitue un réel enjeu car la pertinence et l’efficacité des actions de maintenance dépendent de la justesse et de la précision des résultats obtenus. Il existe de nombreuses méthodes permettant de réaliser un pronostic de durée de vie résiduelle, chacune avec ses spécificités, ses avantages et ses inconvénients. Les travaux présentés dans ce manuscrit s’intéressent à une méthodologie générale pour estimer la RUL d’un composant. L’objectif est de proposer une méthode applicable à un grand nombre de cas et de situations différentes sans nécessiter de modification majeure. De plus, nous cherchons aussi à traiter plusieurs types d’incertitudes afin d’améliorer la justesse des résultats de pronostic. Au final, la méthodologie développée constitue une aide à la décision pour la planification des opérations de maintenance. La RUL estimée permet de décider de l’instant optimal des interventions nécessaires, et le traitement des incertitudes apporte un niveau de confiance supplémentaire dans les valeurs obtenues.

PLASMATIC (Advanced Predictive Maintenance for the Valencian plastic industrial sector) is a project funded by the Valencian Institute for Business Competitiveness (IVACE) and the European Union through the European Regional Development Fund (FEDER). The general objective of this project is to help the Valencian plastic sector companies to incorporate solutions from the so-called Factory 4.0, via knowledge and technologies in the fields of Big Data, Machine Learning and Business Intelligence. The main result will be an advanced predictive maintenance system to deal with: (i) anomalies detection; (ii) wear prediction; and (iii) maintenance planning optimization. This deliverable is part package "Dissemination", which aims to disseminate the scientific and technical results of the project, once the dissemination strategy has been defined at the beginning of the project, the results of the different dissemination activities carried out continuously have been evaluated. out and adapting the plan according to the results of it., PLASMATIC. Project funded by the Valencian Institute of Business Competitiveness (IVACE) and European Union through the European Regional Development Fund (ERDF), within the public grant program adressed to Technological Institutes of the Valencian Community for the development of non-economic R&D projects carried out in cooperation with companies during 2017 with 87.210,96€. File number: IMDEEA/2017/114

PLASMATIC (Advanced Predictive Maintenance for the Valencian plastic industrial sector) is a project funded by the Valencian Institute for Business Competitiveness (IVACE) and the European Union through the European Regional Development Fund (FEDER). The general objective of this project is to help the Valencian plastic sector companies to incorporate solutions from the so-called Factory 4.0, via knowledge and technologies in the fields of Big Data, Machine Learning and Business Intelligence. The main result will be an advanced predictive maintenance system to deal with: (i) anomalies detection; (ii) wear prediction; and (iii) maintenance planning optimization. This document collects the transference actions carried out during the first year of Plasmatic project., PLASMATIC. Project funded by the Valencian Institute of Business Competitiveness (IVACE) and European Union through the European Regional Development Fund (ERDF), within the public grant program adressed to Technological Institutes of the Valencian Community for the development of non-economic R&D projects carried out in cooperation with companies during 2017 with 87.210,96€. File number: IMDEEA/2017/114

PLASMATIC (Advanced Predictive Maintenance for the Valencian plastic industrial sector) is a project funded by the Valencian Institute for Business Competitiveness (IVACE) and the European Union through the European Regional Development Fund (FEDER). The general objective of this project is to help the Valencian plastic sector companies to incorporate solutions from the so-called Factory 4.0, via knowledge and technologies in the fields of Big Data, Machine Learning and Business Intelligence. The main result will be an advanced predictive maintenance system to deal with: (i) anomalies detection; (ii) wear prediction; and (iii) maintenance planning optimization. This report shows the results derived from the Exploratory Data Analysis of several benchmarks available in the literature, as well as data from tests carried out by AIMPLAS in one of their injection machines. A methodology for the implementation of an Advanced Predictive Maintenance System (SMPa) is proposed, using the statistical technique Principal Component Analysis. Based on operational and sensor data, PCA computes two statistics that can monitor equipment degradation, detecting anomalies through control charts with enough time for decision making. In addition, contribution plots are able to show what is the cause of such anomaly, which is especially useful in complex systems, because it eases inspection tasks., PLASMATIC. Project funded by the Valencian Institute of Business Competitiveness (IVACE) and European Union through the European Regional Development Fund (ERDF), within the public grant program adressed to Technological Institutes of the Valencian Community for the development of non-economic R&D projects carried out in cooperation with companies during 2017 with 87.210,96€. File number: IMDEEA/2017/114

International audience; Esta comunicación aborda un aspecto del conflicto entre astrología y censura inquisitorial que se dio en España en torno a los siglos XVI y XVII. Un acalorado debate surgió a raíz de la publicación del Índice de libros prohibidos de 1583, en el que el Santo Oficio definió su posición: prohibía la astrología judiciaria, que chocaba con la Providencia divina y el libre albedrío, permitiendo en cambio las prácticas que daban a conocer las inclinaciones, así como lo perteneciente a la Agricultura, Navegación y Medicina. Ahora bien, en la práctica los límites entre lo permitido y lo vedado nunca fueron tan evidentes. Son esos límites los que nos proponemos trazar en esta comunicación, gracias a un estudio textual y archivístico. En esta comunicación nos centramos en el caso de los pronósticos en lengua vernácula prohibidos o expurgados por la Inquisición española en el siglo XVII. Esta literatura en lengua vulgar, de amplia difusión, estaba entonces en el punto de mira de la institución inquisitorial. En este estudio, que atiende tanto a los blancos de la censura como a los criterios de los censores, se intenta caracterizar la actitud concreta de la Inquisición frente a una literatura astrológica de amplio consumo.

The development of new energy converters, more efficient and environment friendly, such as fuelcells, tends to accelerate. Nevertheless, their large scale diffusion supposes some guaranties in termsof safety and availability. A possible solution to do so is to develop Prognostics and HealthManagement (PHM) on these systems, in order to monitor and anticipate the failures, and torecommend the necessary actions to extend their lifetime. In this spirit, this thesis deals with theproposal of a prognostics approach based on particle filtering dedicated to PEMFCs.The reasoning focuses first on setting a formalization of the working framework and theexpectations. This is pursued by the development of a physic-based modelling enabling a state ofhealth estimation and its evolution in time. The state estimation is made thanks to particle filtering.Different variants of filters are considered on the basis of the literature and new proposals adaptedto PHM are proposed and compared to existing ones. State of health estimates given by the filter areused to predict the future state of the system and its remaining useful life. All the proposals arevalidated on four datasets from PEMFC following different mission profiles. The results show goodperformances for predictions and remaining useful life estimates before failure.; Le développement de nouveaux convertisseurs d’énergie, plus efficients et plus respectueux de l’environnement, tels que les piles à combustibles, tend à s’accélérer. Leur diffusion à grande échelle suppose cependant des garanties en termes de sécurité et de disponibilité. Une solution possible pour ce faire est de développer des solutions de Prognostics and Health Management (PHM) de ces systèmes, afin de mieux les surveiller, anticiper les défaillances et recommander les actions nécessaires à l’allongement de leur durée de vie. Dans cet esprit, cette thèse porte sur la proposition d’une approche de pronostic dédiée aux piles à combustibles de types PEMFC à l’aide de filtrage particulaire.Le raisonnement s’attache tout d’abord à mettre en place une formalisation du cadre de travail ainsi que des exigences de mise en. Ceci se poursuit par le développement d’un modèle basé sur la physique permettant une estimation d’état de santé et de son évolution temporelle. L’estimation d’état est réalisée grâce à du filtrage particulaire. Différentes variantes de filtres sont considérées sur la base d’une de la littérature et de nouvelles propositions adaptées au PHM sont formulées et comparées à celles existantes. Les estimations d’état de santé fournies par le processus de filtrages ont utilisées pour réaliser des prédictions de l’état de santé futur du système, puis de sa durée devie résiduelle. L’ensemble des propositions est validé sur 4 jeux de données obtenus sur des PEMFC suivant des profils de mission variés. Les résultats montrent de bonnes performances de prédictions et d’estimations de durée de vie résiduelle avant défaillance.

Ce mémoire d’Habilitation à Diriger des Recherche (HDR) présente, dans la première partie, une synthèse de mes travaux d’enseignement et de recherche réalisés au sein de l’École Nationale Supérieure de Mécanique et des Microtechniques (ENSMM) et de l’Institut FEMTO-ST. Ces travaux s’inscrivent dans la thématique du PHM (Prognostics and Health Management) et concernent le développement d’une approche intégrée de pronostic de défaillances guidée par des données. L’approche proposée repose sur l’acquisition de données représentatives des dégradations de systèmes physiques, l’extraction de caractéristiques pertinentes et la construction d’indicateurs de santé, la modélisation des dégradations, l’évaluation de l’état de santé et la prédiction de durées de fonctionnement avant défaillances (RUL : Remaining Useful Life). Elle fait appel à deux familles d’outils : d’un côté des outils probabilistes/stochastiques, tels que les réseaux Bayésiens dynamiques, et de l’autre côté les modèles de régression non linéaires, notamment les machines à vecteurs de support pour la régression. La seconde partie du mémoire présente le projet de recherche autour du PHM de systèmes complexes et de MEMS (Micro-Electro-Mechanical Systems), avec une orientation vers l’approche de pronostic hybride en combinant l’approche guidée par des données et l’approche basée sur des modèles physiques.; This Habilitation manuscript presents, in the first part, a synthesis of my teaching and research works achieved at the National Institute of Mechanics and Microtechnologies (ENSMM) and at FEMTO-ST Institute. These works are within the topic of Prognostics and Health Management (PHM) and concern the development of an integrated data-driven failure prognostic approach. The proposed approach relies on acquisition of data which are representative of systems degradations, extraction of relevant features and construction of health indicators, degradation modeling, health assessment and Remaining Useful Life (RUL) prediction. This approach uses two groups of tools: probabilistic/stochastic tools, such as dynamic Bayesian networks, from one hand, and nonlinear regression models such as support vector machine for regression and Gaussian process regression, from the other hand. The second part of the manuscript presents the research project related to PHM of complex systems and MEMS (Micro-Electro-Mechanical Systems), with an orientation towards a hybrid prognostic approach by considering both model-based and data-driven approaches.

Ce mémoire d’Habilitation à Diriger des Recherche (HDR) présente, dans la première partie, une synthèse de mes travaux d’enseignement et de recherche réalisés au sein de l’École Nationale Supérieure de Mécanique et des Microtechniques (ENSMM) et de l’Institut FEMTO-ST. Ces travaux s’inscrivent dans la thématique du PHM (Prognostics and Health Management) et concernent le développement d’une approche intégrée de pronostic de défaillances guidée par des données. L’approche proposée repose sur l’acquisition de données représentatives des dégradations de systèmes physiques, l’extraction de caractéristiques pertinentes et la construction d’indicateurs de santé, la modélisation des dégradations, l’évaluation de l’état de santé et la prédiction de durées de fonctionnement avant défaillances (RUL : Remaining Useful Life). Elle fait appel à deux familles d’outils : d’un côté des outils probabilistes/stochastiques, tels que les réseaux Bayésiens dynamiques, et de l’autre côté les modèles de régression non linéaires, notamment les machines à vecteurs de support pour la régression. La seconde partie du mémoire présente le projet de recherche autour du PHM de systèmes complexes et de MEMS (Micro-Electro-Mechanical Systems), avec une orientation vers l’approche de pronostic hybride en combinant l’approche guidée par des données et l’approche basée sur des modèles physiques.; This Habilitation manuscript presents, in the first part, a synthesis of my teaching and research works achieved at the National Institute of Mechanics and Microtechnologies (ENSMM) and at FEMTO-ST Institute. These works are within the topic of Prognostics and Health Management (PHM) and concern the development of an integrated data-driven failure prognostic approach. The proposed approach relies on acquisition of data which are representative of systems degradations, extraction of relevant features and construction of health indicators, degradation modeling, health assessment and Remaining Useful Life (RUL) prediction. This approach uses two groups of tools: probabilistic/stochastic tools, such as dynamic Bayesian networks, from one hand, and nonlinear regression models such as support vector machine for regression and Gaussian process regression, from the other hand. The second part of the manuscript presents the research project related to PHM of complex systems and MEMS (Micro-Electro-Mechanical Systems), with an orientation towards a hybrid prognostic approach by considering both model-based and data-driven approaches.

International audience; "Les historiens contemporains ont employé le terme de tragédie pour désigner la période de l’histoire de l’Italie comprise entre 1494 et 1527. Cette dernière date renvoie au sac de Rome qui a entraîné la soumission de l’Italie à l’Espagne pendant longtemps. Malgré le tragique des événements, les historiens contemporains de ces faits parviennent à élaborer une vision laïque de l’histoire et de la politique en refusant tout providentialisme. Si encore Luigi Guicciardini voit dans le sac de Rome l’expression de la juste colère de Dieu, Francesco Guicciardini, dans la Storia d’Italia et Machiavel dans le Prince, n’hésitent pas à attribuer ce tragique revers qu’est le sac de Rome aux erreurs commis par les chefs de la Santa Lega. Francesco Guicciardini pointe notamment les mauvaises decisions prises par le pape Clément VII, l’incompétence militaire de Francesco Maria della Rovere, capitaine des troupes vénitiennes, ainsi que la faible résistance des habitants de Rome face à la determination des Impériaux. Pour résister à la fortune, par des temps aussi durs, l’homme sage ne peut que se détourner des présages et des signes en s’appuyant sur la raison et la droiture personnelles, seuls moyens d’échapper à l’effarement et au renoncement face à ces miserande tragedie que furent les guerres d’Italie."; "Gli storici contemporanei hanno fatto ricorso al termine tragedia per designare il periodo della storia d’Italia compreso fra il 1494 e il 1527. Quest’ultima data si riferisce infatti al sacco di Roma che ha provocato la soggezione dell’Italia alla Spagna per un lungo momento. Malgrado la tragicità degli avvenimenti, gli storici contemporanei a questi eventi elaborano una visione laica della storia e della politica rifiutando ogni forma di provvidenzialismo. Se Luigi Guicciardini vede encore nel sacco di Roma l’espressione della giusta collera di Dio, Francesco Guicciardini, nella Storia d’Italia e Machiavelli nel Principe, non esitano ad attribuire l’evento tragico che è il sacco di Roma agli errori commessi dai capi della Santa Lega. Francesco Guicciardini, in particolare, stigmatizza le cattive decisioni prese da Clemente VII, l’incompetenza militare di Francesco Maria della Rovere, capitano dell’esercito veneziano, ed infine la debole resistenza dei cittadini romani di fronte alla determinazione degli Imperiali. Per resistere alla fortuna in tempi così duri, l’uomo saggio deve distogliere la sua attenzione da segni e presagi fondandosi sulla ragione e l’onestà personale, soli mezzi per sfuggire allo sgomento ed alla rinuncia di fronte a quelle miserande tragedie che furono le guerre d’Italia."

Unexpected failures of complex equipment such as trains or aircraft introduce superfluous costs, disrupt operation, have an effect on consumer's satisfaction, and potentially decrease safety in practice. One of the objectives of Prognostics and Health Management (PHM) systems is to help reduce the number of unexpected failures by continuously monitoring the components of interest and predicting their failures sufficiently in advance to allow for proper planning. In other words, PHM systems may help turn unexpected failures into expected ones. Recent research has demonstrated the usefulness of data mining to help build prognostic models for PHM but also has identified the need for new model evaluation methods that take into account the specificities of prognostic applications. This paper investigates this problem. First, it reviews classical and recent methods to evaluate data mining models and it explains their deficiencies with respect to prognostic applications. The paper then proposes a novel approach that overcomes these deficiencies. This approach integrates the various costs and benefits involved in prognostics to quantify the cost saving expected from a given prognostic model. From the end user's perspective, the formula is practical as it is easy to understand and requires realistic inputs. The paper illustrates the usefulness of the methods through a real-world case study involving data-mining prognostic models and realistic costs/benefits information. The results show the feasibility of the approach and its applicability to various prognostic applications., 2007 International Conference onMachine Learning and Applications (ICMLA '07), December 13-15, 2007, Cincinnati, Ohio, USA