Projets novateurs réalisés

Adaptive Biofilm-Based apparel (ABBA)

Les consommateurs s’intéressent de plus en plus à des vêtements « intelligents » dotés de propriétés avancées pouvant améliorer leur confort et leur performance. La prochaine génération de textiles « intelligents » peut être fabriquée en intégrant des cellules vivantes dans les textiles qui composent nos vêtements. Pour les utilisateurs de vêtements de fitness, les cellules vivantes peuvent donner aux t-shirts ou pantalons de yoga la capacité de réagir aux variations de température, à la sueur ou à l’étirement excessif du tissu. En travaillant ensemble, les ingénieurs de Lululemon et McGill visent à être des pionniers dans ce domaine et à démontrer que les « textiles vivants » peuvent croître et s’adapter à l’utilisateur et à l’environnement. En incorporant des bactéries inoffensives dans les textiles, les chercheurs créeront des prototypes de textiles « intelligents » capables de libérer de nouvelles odeurs lorsqu’ils sont trempés de sueur, de « s’auto-guérir » après une déchirure ou de devenir plus respirants dans des environnements chauds et humides. Ce projet positionnera le Canada comme un chef de file dans le domaine émergent des « vêtements portables intelligents ».

Digital Humanities, research-creation, and emerging hybrid media publication platforms: reimagining Public Journal

Les revues académiques présentent rarement des projets de recherche : elles sont donc souvent limitées par des conventions héritées de l’édition imprimée. Les efforts récents pour créer des revues numériques et/ou en ligne pourraient potentiellement ouvrir de nouvelles occasions d’édition pour les chercheurs et les artistes. Ce projet examinera comment les revues internationales en ligne en histoire de l’art, études visuelles, ainsi que les études cinématographiques et médiatiques traitent des médias hybrides entre médias et recherche-création. Public, une revue canadienne reconnue pour présenter à la fois des chercheurs et des artistes, cherche actuellement à accroître sa présence numérique et à lancer un nouveau site web qui lui permettra d’intégrer mieux les projets de recherche-création et la recherche sur les médias hybrides. Ce projet permettra au public d’examiner les meilleures pratiques et de concevoir une stratégie efficace de publication numérique.

Development of an Information Sharing Platform for a Virtual Manitoba Oil Museum

Ce projet de recherche organisera et développera des expositions muséales pour un musée virtuel du pétrole du Manitoba, en utilisant les matériaux recueillis au fil des ans par le musée ainsi que la diffusion d’une thèse de doctorat sur le lieu du pétrole au Manitoba. Il y a très peu d’informations au Manitoba sur l’extraction pétrolière qui a lieu depuis les années 1950, donc ce musée virtuel offrirait un lieu pour partager des histoires à un public plus large. Ce projet prévoit de partager une diversité de perspectives et d’expériences liées à la vie avec l’extraction pétrolière, afin d’offrir une vision plus nuancée des luttes, des avantages et des coûts des habitants du sud-ouest du Manitoba, particulièrement à mesure que le dialogue autour des changements climatiques et de la transition énergétique (y compris le désinvestissement dans l’extraction pétrolière et gazière) devient plus important. L’avantage pour l’organisation partenaire, le Musée du pétrole du Manitoba, sera d’avoir un coordonnateur à temps plein pour organiser et mettre en place un lieu de partage de ces histoires et artefacts.

Simulation-based decision support system for data analytics deployment

Les données sont reconnues comme l’un des atouts les plus précieux des entreprises modernes. La capacité à collecter, stocker, analyser et interpréter de grandes quantités de données peut déterminer en grande partie la capacité d’une entreprise à atteindre ses objectifs et à s’adapter à des environnements largement volatils. C’est particulièrement vrai pour les institutions financières où les données sont directement liées à la rentabilité. En présence d’un grand nombre de solutions pertinentes pour soutenir l’analyse automatique des données, la mise en œuvre des tâches analytiques et leur déploiement sur l’infrastructure de calcul, comme dans le cloud, impliquent des décisions complexes qui peuvent souvent mener à des résultats sous-optimaux. Outre la précision de l’analytique, ce manque d’optimalité peut entraîner un mauvais usage ou un gaspillage de ressources de calcul et une perte de productivité pour les data scientists. Dans ce projet, notre objectif est de modéliser cette variété d’options alternatives en capturant leur performance, comme la latence et le débit, ainsi que leurs aspects d’affaires, y compris le retour sur investissement et la productivité. Sur la base de ce modèle, nous construirons un moteur de simulation capable de rejouer des scénarios hypothétiques et de guider les data scientists vers des solutions plus optimales.

One-Shot Learning Based 3D Object Picking

L’automatisation des processus devient de plus en plus populaire dans les industries de la logistique et de la manutention des matériaux. À mesure que le nombre d’objets transférés augmente, le besoin d’une grande efficacité, d’une réduction des coûts et, bien sûr, d’une fiabilité est toujours croissante. Avec ce projet, nous utilisons les technologies d’apprentissage automatique les plus récentes pour améliorer le taux d’automatisation à un nouveau niveau. Ce projet se concentre sur la façon d’apprendre le picking de nouveaux objets avec des échantillons d’entraînement limités. De cette façon, notre système de sélection s’adapte facilement à de nouveaux scénarios. Par contre, puisque l’apprentissage profond est plus robuste face aux changements de forme ou de couleur de l’objet, nous pouvons appliquer ce système aux industries de l’entrepôt, de la logistique et de l’agriculture.

Spraying of CO2-emulsions for the production of small droplets

Trapping of single mutated Amyloid-? peptides by heat

Acting big on the small scale: Designing a miniaturized soft robot

Implantation d’un système de gestion des stocks avec système de réapprovisionnement continue

L’entreprise Marc Villeneuve inc. est une PME qui oeuvre dans I’entreposage et la distribution de produits surgeles sur la marche québécoise. Afin de gerer I’inventaire de quelques 350 produits, elle doit effectuer des commandes à ses fournisseurs de maniere quotidienne. Présentement, le gestionnaire s’appuie sur l’inventaire du système informatique et sa connaissance du marché pour commander la quantité nécessaire de chaque produit afin de minimiser les pénuries. Le projet consiste en l’implantation d’un système de gestion des stocks qui appuiera le gestionnaire en fournissant un point de réapprovisionnement minimum et une quantité maximale à atteindre spécififique à chaque produit. La porte du projet sera de 25-50 produits qui seront choisis par l’entreprise. L’étudiant devra d’abord étalir des previsions de ventes pour chaque produit concerne par le projet. Il devra ensuite déterminer le type de système de gestion des stocks appropriés pour l’entreprise et établir les paramètres requis pour son utilisation.

Speciation in Microorganisms: Pheromones and the Dating Game

Model Evolution and Data Transformation for Space Systems

Olympus : Aide à la décision pour imagerie PAUT

La méthode d’inspection ultrasonore PAUT (acronyme pour « Phased Array Ultrasonic Testing ») est une technique d’imagerie permettant la détection et la caractérisation de défauts de fabrication dans les assemblages et composants les plus critiques de l’industrie. Cette méthode, offerte avec certains produits Olympus tels que l’Omniscan ou le Focus PX (des produits conçus et fabriqués au site de Québec), est aujourd’hui principalement dépendante de l’expertise et la compétence d’analystes spécialisés dans le domaine du CND (Contrôle Non-Destructif). Le projet présenté ici permettra au stagiaire de participer à la réalisation d’une preuve de concept pour explorer le potentiel de l’IA (Intelligence Artificielle) avec pour objectif de réduire au maximum le temps d’analyse (sans compromettre la fiabilité) dans le cadre d’une application ciblée par Olympus.
Une problématique particulière au domaine CND pour le développement d’outils IA est la faible occurrence de défauts réels disponibles pour l’entrainement. Dans cette optique, Olympus souhaite se doter des meilleures pratiques pour exploiter l’augmentation de données réelles par la simulation; un générateur d’images synthétiques de défauts a été conçu à cette fin. Pour l’application ciblée, des données d’inspection sans défauts sont par ailleurs disponibles en quantité importante.