Système de monitoring dédié à la surveillance en temps réel des équipements cryogéniques et des systèmes associés. Il centralise les données de capteurs dans une base MongoDB, les réplique vers un cluster OpenSearch pour les requêtes utilisateurs, et fournit des outils d'analyse prédictive. Utilisé pour détecter des comportements anormaux via des réseaux de neurones entraînés sur des données historiques, permettant une maintenance proactive et une optimisation des performances.

Ce projet développe des modèles d'apprentissage profond pour estimer la durée de vie résiduelle (RUL) d'équipements industriels, notamment des turbines d'avion, à partir de données de capteurs. Il compare plusieurs architectures de réseaux de neurones pour prédire le nombre de cycles opérationnels restants avant une défaillance, facilitant ainsi la maintenance prédictive et l'optimisation des coûts.

Outil dédié à la simulation d'événements discrets pour évaluer les performances et la fiabilité des réseaux LoRa. Il permet aux ingénieurs et chercheurs de modéliser des scénarios de communication IoT, d'analyser les latences et les taux de réussite des transmissions, et d'optimiser les déploiements de capteurs sans fil dans des environnements variés.

Ce projet permet de modéliser et simuler des réseaux de diffraction optique, utilisés dans des applications comme les capteurs, les lasers ou les systèmes optiques avancés. Il offre des outils pour concevoir des structures 2D et 3D complexes, facilitant l'analyse et l'optimisation de leurs propriétés optiques. Les cas d'usage incluent la recherche académique, l'ingénierie optique et le développement de prototypes.

Ce projet est un prototype dédié à l'analyse des données du réseau de télescopes CTA (Cherenkov Telescope Array). Il permet de calibrer les capteurs, nettoyer les données Hillas, reconstruire les événements astrophysiques et optimiser des modèles de simulation pour améliorer la précision des observations. Les outils développés facilitent le traitement des données brutes et la génération de résultats exploitables pour la recherche en astrophysique.

Ce projet permet de collecter, analyser et visualiser les données transmises par des capteurs utilisant la technologie LoRaWAN. Il facilite le suivi des performances des réseaux de capteurs, l'identification des anomalies et l'optimisation des paramètres de communication pour améliorer la fiabilité et l'efficacité des transmissions. Les données peuvent provenir de divers environnements comme l'agriculture, la logistique ou les villes intelligentes.

Ce projet automatise et optimise l'intégration des données issues de réseaux de capteurs géophysiques. Il permet de configurer, surveiller et exécuter des flux de données entre des stations de mesure et des bases de données centralisées. L'objectif est d'assurer une collecte fiable, sécurisée et en temps réel des données pour des analyses scientifiques ou opérationnelles.

Ce projet permet d'améliorer la précision des trajets GPS en associant des données de positionnement brut à un réseau routier détaillé. Il transforme des coordonnées brutes en itinéraires cohérents et exploitables, facilitant ainsi l'analyse de mobilité, l'optimisation logistique ou la planification urbaine. Les données traitées proviennent de sources variées comme les GPS, les traces mobiles ou les capteurs de véhicules.

Ce projet permet de surveiller en temps réel le niveau d'eau dans des pots en terre cuite utilisés pour l'irrigation des plantes. Grâce à un capteur connecté, il mesure le volume d'eau restant et alerte lorsque le seuil de remplissage est atteint. Les données sont transmises via un réseau LoRa pour une gestion à distance efficace et une optimisation des ressources hydriques.