Développement de méthodes multivariées pour l’analyse de données comportant des variations spatiotemporelles

L’analyse mathématique multivariée, qui consiste en l’analyse d’une grande quantité de données, permet aujourd’hui de mieux comprendre et interpréter des processus complexes. Un type d’analyse multivariée couramment utilisé dans l’industrie est l’analyse par régression linéaire (PLS) qui permet de prédire les résultats d’un procédé à partir des différents paramètres utilisés. Bien que cet outil mathématique soit fort développé, il n’y a pas encore de modèle efficace pour prédire les résultats d’un procédé ayant des paramètres qui varient à la fois dans le temps et l’espaces. Dans le cadre de ce travail, le modèle s’intéressera à la compréhension du processus de contamination bactérienne dans une usine de production de produits pharmaceutiques. L’objectif de ce projet est donc de développer un outil mathématique permettant de faciliter la compréhension d’un procédé industriel afin d’identifier les paramètres critiques qui influencent la contamination bactérienne. Ce travail sera exécuté en collaboration avec une entreprise pharmaceutique.

Intern: 
Alexandre Vielfaure
Superviseur universitaire: 
Ryan Gosselin
Province: 
Quebec
Partenaire: 
Partner University: 
Discipline: 
Programme: