Projets novateurs réalisés

Explorez des milliers de projets réussis issus de la collaboration entre organisations et talents postsecondaires.

13270 Projets achevés

1072
AB
2795
C.-B.
430
MB
106
NF
348
SK
4184
ON
2671
QC
43
PE
209
NB
474
NS

Projets par catégorie

10%
Informatique
9%
Génie
1%
Génie - biomédical
4%
Génie - chimique / biologique

Étude de l’efficacité de GelDerm* dans la détection d’infection de plaie dans un modèle de rat

Les brûlures et les blessures causées par des brûlures sont de gros problèmes de santé et, rien qu’au Canada, ont coûté près de 290 millions de dollars. De plus, ces plaies persistent généralement et s’infectent, ce qui compromet considérablement la santé des patients, entraînant une hospitalisation beaucoup plus longue, un retard de guérison, des coûts plus élevés et un risque de décès accru. Par conséquent, la prévention et la gestion des infections des plaies ont la priorité dans le traitement des patients brûlés. Afin de diagnostiquer tôt les infections microbiennes dans les plaies et d’accélérer la cicatrisation de ces blessures, 4M Biotech, sous la direction du Dr Akbari, a développé un pansement intelligent sous forme de patch en gel appelé GelDerm* et a confirmé son efficacité à l’aide de modèles in vitro et ex vivo. L’objectif de l’étude proposée est de tester l’efficacité de GelDerm* dans un modèle animal afin d’évaluer l’efficacité de GelDerm* pour détecter l’infection des plaies en détectant les variations du pH de la plaie. Nous prévoyons que l’application de GelDerm améliorera la détection précoce de l’infection de la plaie et offrirait ainsi la possibilité d’interventions opportunes pour traiter l’infection de la plaie.

Voir la description complète du projet
Superviseur du corps professoral :

Aziz Ghahary

Étudiant :

Navid Karimi

Partenaire :

4M Biotech

Discipline :

Médecine

Secteur :

Sciences de la vie

Université :

Université de la Colombie-Britannique

Programme :

Accélération

Simulation de croissance des fissures de fatigue basée sur XFEM et développement de modèles de substitution pour la prédiction probabiliste de la durée de vie de fatigue résiduelle des pipelines

Les pipelines ont grandement contribué à l’industrie énergétique canadienne et à l’économie en général. Plus précisément, près de 60% de l’énergie consommée au Canada provient du pétrole et du gaz livrés par pipeline. Cependant, dans l’acier pour pipelines, de nombreuses défaillances ont été causées par des fissures lors de l’exploitation du pipeline. Le projet de recherche proposé vise à développer un outil fiable et efficace pour prédire la croissance des fissures liées à la fatigue sous charge de fatigue cyclique. Plus précisément, ce projet explorera l’utilisation de la méthode des éléments finis étendus nouvellement développée (XFEM) pour la modélisation de la croissance des fissures par fatigue, en conjonction avec des lois bien établies sur la croissance des fissures par fatigue. Les modèles XFEM seront validés et utilisés par la suite pour développer des modèles efficaces axés sur les données. Les modèles substituts seront éventuellement utilisés avec les données provenant de pipelines réels, incluant les données SCADA (contrôle superviseur et acquisition de données) et les données ILI (inspection en ligne) pour prédire la durée de vie de fatigue restante des pipelines.

Voir la description complète du projet
Superviseur du corps professoral :

Yong Li; Samer Adeeb

Étudiant :

Durlabh Bartaula

Partenaire :

C-FER Technologies

Discipline :

Génie - civil

Secteur :

Pétrole et gaz

Université :

Université de l’Alberta (en anglais)

Programme :

Accélération

Contrôle de flux en boucle fermée pour la bioimpression 3D microfluidique

Aspect Biosystems développe une nouvelle technologie de bioimpression 3D microfluidique qui a le potentiel de changer fondamentalement la façon dont de nombreuses maladies sont traitées grâce à la création de tissu humain fonctionnel. Cette technologie gère des opérations de manutention des fluides très complexes et nécessite des systèmes de contrôle sophistiqués pour fournir des résultats fiables et reproductibles. Ce projet vise à développer un tel système de contrôle spécifiquement pour le contrôle du flux de fluides via la tête d’impression microfluidique. Un système de contrôle de flux réussi et sophistiqué comprend une technologie essentielle pour réaliser des applications cliniques et constitue une étape importante pour exploiter pleinement le potentiel de cette technologie.

Voir la description complète du projet
Superviseur du corps professoral :

Jason Hein

Étudiant :

Sebastian Steiner

Partenaire :

Aspect Biosystems Ltd

Discipline :

Chimie

Secteur :

Dispositifs médicaux

Université :

Université de la Colombie-Britannique

Programme :

Accélération

Développement et intégration d’algorithmes de détection de caractéristiques pour les procédés de dépôt direct à base de métaux

Les procédés de dépôt direct d’énergie à base de métal, tels que le soudage robotisé et la fabrication additive alimentée par poudre au laser, nécessitent idéalement une détection par rétroaction de la qualité du dépôt à l’aide de détecteurs de vision. Les algorithmes de traitement d’image sont difficiles à développer en raison de l’évolution des conditions de fonctionnement des processus. Malgré les défis, la mise en œuvre d’algorithmes de traitement d’image en cours de processus est bénéfique pour la traçabilité et l’assurance qualité, pour l’étalonnage des modèles de procédé et pour développer des algorithmes de contrôle en boucle fermée capables de maintenir la qualité des dépôts dans des marges de qualité acceptables. L’objectif de cette recherche est de développer et d’intégrer des algorithmes de détection de caractéristiques adaptés aux conditions de fonctionnement changeantes généralement présentes dans les processus de dépôt direct d’énergie à base de métaux. De tels algorithmes sont directement applicables aux détecteurs à haute vision dynamique à faible coût et d’intérêt industriel. Les résultats s’appliqueront directement à la détection future basée sur la vision en cours de processus de caractéristiques telles que, mais sans s’y limiter, les signatures de procédé (taille et forme du bassin de fonte, caractéristiques du panache de plasma, carte d’intensité, éjections de particules) et/ou les qualités de dépôt (géométrie, continuité).

Voir la description complète du projet
Superviseur du corps professoral :

Mihaela Luminita Vlasea

Étudiant :

Gijs van Houtum

Partenaire :

Xiris Automation Inc.

Discipline :

Génie - mécanique

Secteur :

Fabrication

Université :

Université de Waterloo

Programme :

Accélération

Biogéocemenation d’un bassin de résidus de mines de charbon

Une installation mineure désaffectée au Canada cherche une nouvelle façon innovante de gérer les déchets miniers et de récupérer le site minier. La solution potentielle à ce problème est l’utilisation de micro-organismes capables de produire de la calcite, ou du ciment, dans le cadre de leur processus biologique naturel. Ces micro-organismes seront combinés avec les résidus miniers dans les cellules d’essai du laboratoire pour produire un ciment, qui sera ensuite testé pour des jalons comme la résistance et la teneur en humidité. BGC Engineering Inc. participe à ce projet et offrira l’accès à ses installations d’essais géotechniques et aidera à établir des protocoles pertinents pour la collecte d’échantillons et les essais pour les expériences pilotes, qui pourront ensuite être utilisées à plus grande échelle dans les mines à travers le Canada.

Voir la description complète du projet
Superviseur du corps professoral :

Pascale Champagne

Étudiant :

Nicole Woodcock

Partenaire :

BGC Ingénierie

Discipline :

Génie - civil

Secteur :

Exploitation minière et carrière

Université :

Université Queen’s

Programme :

Accélération

Essais à grande échelle d’un système de refroidissement liquide pour onduleurs de véhicules électriques

Il est crucial que les composants électroniques de puissance embarqués des onduleurs de véhicules électriques fonctionnent dans des plages de température optimales. Ne pas y parvenir entraîne une surchauffe, un surdimensionnement et une dégradation des composants électroniques. De plus, une efficacité réduite et la performance de la transmission du moteur auront des impacts économiques significatifs sur les constructeurs automobiles mondiaux. Cette recherche contribuera également au développement d’un nouveau système de gestion thermique intégrant la technologie basée sur le jet d’impact avec le refroidissement liquide, pour améliorer les capacités de transfert de chaleur; un prototype actuel avait été testé. Cette enquête se poursuivra avec un modèle grandeur nature et une installation d’essais améliorée. Une nouvelle méthode d’alimentation électrique, en émulant des interrupteurs électriques, sera mise en place avec l’application de chauffages à cartouche et de blocs de chauffage. L’objectif est de fabriquer le modèle grandeur nature et la plateforme de test, de réaliser un test complet à l’échelle réelle et d’évaluer la performance de la technologie de refroidissement liquide à jet d’impact dans diverses conditions de conduite. Des résultats favorables pourraient mener à la commercialisation, permettant aux véhicules électriques de fonctionner avec une meilleure efficacité.

Voir la description complète du projet
Superviseur du corps professoral :

Ram Balachandar

Étudiant :

Corey Klinkhamer

Partenaire :

Magna

Discipline :

Génie - mécanique

Secteur :

Automobile et transport

Université :

Université de Windsor

Programme :

Accélération

Étude de la relation entre la formulation des additifs pour l’eau pour la lutte contre les incendies et le sort environnemental ainsi que la toxicité

Les additifs pour l’eau de lutte contre l’incendie sont un mélange de produits chimiques mélangés à de l’eau pour mieux éteindre les feux (c’est-à-dire résidentiels, industriels, forestiers). L’utilisation de ces additifs devrait augmenter dans la lutte contre les feux de forêt en raison de l’augmentation prévue de la fréquence et de l’intensité des feux de forêt due aux changements climatiques. Les ingrédients des additifs pour l’eau de lutte contre l’incendie utilisés dans le passé se sont révélés persistants et nuisibles à l’environnement. L’entreprise canadienne FireRein travaille à concevoir de nouveaux additifs pour l’eau pour la lutte contre l’incendie qui sont efficaces pour la suppression des incendies mais présentent aussi un risque relativement faible pour l’environnement. Ce projet étudiera la toxicité des ingrédients individuels utilisés par FireRein ainsi que les nouvelles formulations d’additifs pour l’eau conçus par FireRein sur les organismes aquatiques et terrestres. L’objectif de ce projet est de fournir des données permettant à FireRein d’optimiser la formulation de ses nouveaux additifs pour l’eau afin qu’ils soient aussi efficaces pour la suppression des incendies que les additifs actuellement sur le marché, tout en présentant un risque relativement faible pour l’environnement.

Voir la description complète du projet
Superviseur du corps professoral :

Ryan Prosser

Étudiant :

Jenna Anderson

Partenaire :

FireRein

Discipline :

Sciences de l’environnement

Secteur :

Fabrication

Université :

Université de Guelph

Programme :

Accélération

Détection approfondie de la fraude

La fraude financière est un problème sérieux qui se produit à l’échelle mondiale et cause des dommages considérables à un coût élevé. L’analyse statistique et les outils d’apprentissage automatique peuvent aider les institutions financières à détecter différents types de fraude. Dans certains cas, cependant, un mauvais étiquetage et le coût de la classification peuvent en fait augmenter le volume des « faux positifs » pour les méthodes supervisées. Comme le nombre de transactions normales dans les domaines financiers dépasse largement le nombre de transactions anormales, il est difficile de classer les étiquettes d’anomalie. Dans ce projet de recherche, une combinaison de méthodes d’apprentissage profond semi-supervisées et non supervisées sera appliquée pour détecter les valeurs aberrantes sous différents angles.

Voir la description complète du projet
Superviseur du corps professoral :

Hamid Usefi

Étudiant :

Majid Afshar

Partenaire :

Verafin Inc.

Discipline :

Informatique

Secteur :

Finance, assurance et affaires

Université :

Université Memorial de Terre-Neuve

Programme :

Accélération

Drainage géosynthétique pour une meilleure stabilité des matériaux à grains fins dans les pentes et les remblais

Des produits de drainage géosynthétiques innovants ont été développés, qui ont le potentiel d’améliorer considérablement la stabilité des remblais construits ou des pentes reconstruites, surtout lorsqu’ils sont faits de sol (ou de matériaux semblables au sol comme les résidus) plus fins et moins perméables (et donc plus faibles) que les remblais granulaires à grains grossiers à drainage libre. Les applications incluent la reconstruction et la stabilisation de pentes naturelles, de remblais ou de barrages construits à partir (ou du moins en partie de) résidus de mine ou d’autres matériaux à grain plus fin. Le projet consistera à tester le matériau DrainTube® afin de déterminer sa capacité à transporter de l’eau dans des conditions saturées et non saturées. Un modèle numérique informatique sera développé en utilisant les propriétés du DrainTube®, et un petit modèle physique sera construit pour vérifier le modèle numérique. Des paramètres tels que l’espacement des tubes, la pente du sol, la perméabilité du sol, l’infiltration et les précipitations prévues seront analysés. La simulation numérique sera ensuite optimisée en fonction de ces paramètres, et des lignes directrices de conception seront recommandées. Les partenaires du projet bénéficieront de résultats qui permettront d’utiliser le produit DrainTube® avec confiance dans la conception technique.

Voir la description complète du projet
Superviseur du corps professoral :

Ian Fleming

Étudiant :

Michael Gregory Andree

Partenaire :

Groupe CTT

Discipline :

Sciences de l’environnement

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de la Saskatchewan

Programme :

Accélération

Calcul haute performance (HPC) de l’inversion complète de la forme d’onde et de la migration temporelle inverse (FWI/RTM)

Nous développerons des trousses à outils logicielles avancées pour l’inversion et l’imagerie sismique. Ces méthodes sont appelées Inversion complète de forme d’onde et Migration Inverse du Temps (FWIIRTM). Le FWIIRTM sera utilisé pour obtenir 30 images précises et des propriétés élastiques des structures complexes du sous-sol.

Voir la description complète du projet
Superviseur du corps professoral :

Wenyuan Liao

Étudiant :

Hassan Khaniani

Partenaire :

Imagerie absolue

Discipline :

Géographie / Géologie / Sciences de la Terre

Secteur :

Technologies de l’information et des communications

Université :

Université de Calgary

Programme :

Accélération

Application de différents algorithmes d’apprentissage automatique et d’exploration de données dans la détection de la fraude financière

La détection de la fraude financière est une priorité pour les institutions financières. Il existe une variété de techniques et de modèles qui peuvent être utilisés pour résoudre le problème de la fraude financière. Cependant, à mesure que les fraudeurs deviennent plus inventifs et adaptables, ils ont réussi à pénétrer les méthodes de protection conventionnelles. C’est l’une des principales raisons de la croissance de l’activité de fraude financière, peu importe les efforts des institutions financières, du gouvernement et des forces de l’ordre. Ce projet étudie l’utilisation de l’intelligence artificielle et des algorithmes d’apprentissage automatique pour détecter la fraude financière.

Voir la description complète du projet
Superviseur du corps professoral :

Sohrab Zendehboudi

Étudiant :

Mohammad Mahdi Ghiasi

Partenaire :

Verafin Inc.

Discipline :

Génie - informatique / électricité

Secteur :

Finance, assurance et affaires

Université :

Université Memorial de Terre-Neuve

Programme :

Accélération

Un système dynamique de notation prédictive des prospects pour les ventes internes

Le pointage des prospects est essentiel pour la gestion des prospects. Le résultat de la notation des prospects est une liste composée de prospects avec des scores attribués indiquant la probabilité que chaque prospect puisse être converti à l’étape suivante du processus de vente. L’Agneau ou Spam et la méthode basée sur des règles sont les deux méthodes de pointage principal qui ont été discutées dans la littérature. À mesure que divers algorithmes d’apprentissage automatique et d’intelligence artificielle ont commencé à réapparaître, les modèles prédictifs de pointage des prospects semblent être la prochaine solution prometteuse pour l’activité de pointage des prospects. Ce projet de recherche vise à développer un système dynamique de notation prédictive des prospects qui s’appuie sur l’analytique prédictive pour automatiser le processus d’évaluation des prospects basé sur les données historiques des clients afin d’obtenir un résultat plus précis et fiable. Le résultat de ce projet de recherche démontrera la valeur de l’application de l’analytique prédictive basée sur les données dans les ventes internes, en offrant aux praticiens d’affaires un modèle qui peut aider à optimiser l’allocation des ressources et, ultimement, améliorer le succès de l’entreprise.

Voir la description complète du projet
Superviseur du corps professoral :

Morad Benyoucef; Pavel Andreev

Étudiant :

Migao Wu

Partenaire :

VanillaSoft

Discipline :

Génie - informatique / électricité

Secteur :

Exploitation minière et carrière

Université :

Université d’Ottawa

Programme :

Accélération

Précédent
1...929930931932933934935...1,106
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire