Laboratoire des Sciences de l'Ingénieur pour l'Environnement (LaSIE) - UMR CNRS 7356

AMPONSAH Rose Ama

Ameur El Amine Hamami — 2025-10-17T09:42:10Z

Thème de recherche : Interaction between microstructural changes and transfer phenomena in cementitious materials

Directeur de Thèse : Ameur HAMAMI (LaSIE / La Rochelle Université)
Co-Directeur de Thèse : Alexandre GODIN (LaSIE / La Rochelle Université)

rose.amponsah@univ-lr.fr

MATHAVAN Thirusankaranand

Camille Moinard — 2025-03-13T15:17:00Z

Thème de recherche :
Approche intégrée pour la résilience des bâtiments côtiers face aux inondations

Directeur de Thèse : Emilio BASTIDAS ARTEAGA (LaSIE / La Rochelle Université)

thirusankaranand.mathavan@univ-lr.fr

MAMANE LABO Chamsadine

Camille Moinard — 2025-03-13T15:15:02Z

Thème de recherche :
Étude numérique et expérimentale du transfert réactif de chlorures dans le béton armé soumis à un chargement mécanique

Directeur de Thèse : Rachid CHERIF (LaSIE / La Rochelle Université)

chamsadine.mamane_labo@univ-lr.fr

GUITI Farouk

Camille Moinard — 2025-03-13T15:12:49Z

Thème de recherche :
Modélisation avancée des transferts bidimensionnels de chaleur et d'humidité pour l'évaluation de l'efficacité énergétique des bâtiments

Directeur de Thèse : Rafik BELARBI (LaSIE / La Rochelle Université)
Co-directeur de Thèse : [M.A LOUAR]
Encadrant : [S. GASPARIN]

farouk.guiti@univ-lr.fr

EL YAKOUBI Khadija

Camille Moinard — 2025-03-13T15:09:32Z

Thème de recherche :
Développement d'un protocole de suivi des cinétiques de séchage pour les recommandations de matériaux mis en œuvre par voie humide – application au béton de chanvre

Directeur de Thèse : Rafik BELARBI (LaSIE / La Rochelle Université)
Co-directeur de Thèse : [Imane OUBRAHIM] (CSTB)

AL AYI Mariam

Camille Moinard — 2025-03-13T15:05:23Z

Thème de recherche :
Stockage de CO2 par carbonatation accélérée de granulats recyclés pour la valorisation de matériaux carbo-négatifs dans le secteur de construction

Directeur de Thèse : Pierre-Yves MAHIEUX (LaSIE / La Rochelle Université)

mariam.al_ayi@univ-lr.fr

VALLEDOR MERA Delia

Camille Moinard — 2024-12-12T08:02:23Z

Thème de recherche :
Analyse multicritère améliorée du confort urbain couplant modélisation microclimat et science du bâtiment via la prise en compte des comportements optiques physico-réalistes des surfaces

Directeur de Thèse : Emmanuel BOZONNET (LaSIE / La Rochelle Université)
Co-directeur de Thèse : Georgios KYRIAKODIS (CSTB)

delia.valledor_mera@univ-lr.fr

TADE Donaldine

Camille Moinard — 2024-12-12T07:59:24Z

Thème de recherche :
Étude expérimentale de la fragilisation par l'hydrogène de superalliage base nickel sous chargement thermomécanique complexe

Directeur de Thèse : Jamaa BOUHATTATE (LaSIE / La Rochelle Université)
Co-directeur de Thèse : Xavier FEAUGAS (LaSIE / La Rochelle Université)

donaldine.tade@univ-lr.fr

REMICHI Roufeida

Camille Moinard — 2024-12-12T07:57:07Z

Thème de recherche :
Etude des interactions hydrogène, défauts métallurgiques et leurs conséquences sur les processus de diffusion et de piégages de l'hydrogène dans les aciers carbone

Directeur de Thèse : Abdelali OUDRISS (LaSIE / La Rochelle Université)
Co-directeur de Thèse : Guillaume GEANDIER (Université de Lorraine)

roufeida.remichi@univ-lr.fr

PEILLON Mathilde

Camille Moinard — 2024-12-12T07:50:01Z

Thème de recherche :
Solutions de maintenance avancées pour les trains à grande vitesse

Thèse CIFRE avec Alstom, d'octobre 2024 à octobre 2027

Les travaux de la thèse visent l'exploitation des données fonctionnelles pour prédire les défaillances et répondre aux objectifs de l'équipe de Services chez Alstom.

Le premier axe de recherche portera sur l'analyse des solutions permettant l'identification, la caractérisation et la localisation des modes de défaillance, en utilisant les techniques d'apprentissage automatique pour des solutions de classification. De plus, l'objectif sera de développer de nouvelles méthodes de type IA, visant à fournir aux experts de maintenance des explications sur les décisions ou les prédictions d'anomalies déduites, tout en qualifiant les données de façon interactive et ainsi, apporter une plus-value sur la connaissance associée pour enrichir l'identification des anomalies et générer de nouvelles hypothèses. Il s'agit de méthodes hybrides entre approche inductive à partir des données et approche déductive à partir d'une expertise métier, reposant à la fois sur un mécanisme d'explicabilité et d'interactivité. Il s'agit d'une nouvelle méthode de maintenance prédictive pour une nouvelle génération d'équipements dans le train, combinant l'utilisation de l'AMDEC et l'analyse de séries temporelles des données big data du train.

Le deuxième axe s'orientera vers l'analyse l'état de l'art des solutions existantes dans le domaine du big data, en lien avec les activités de maintenance prédictive dans le ferroviaire, dans l'objectif de développer des solutions les plus adaptées possibles aux contraintes des trains à grande vitesse (TGV), tenant compte de l'énorme quantité de données disponibles. Les principales activités de cet axe seront dédiées à la mise en place de solutions adaptables et optimisées pour assurer un accès aux données et permettre aux solutions développées dans l'axe 1 de fonctionner sans baisse de performance, même avec une grande quantité de données. En somme, le travail de recherche tend à fournir des solutions innovantes qui amélioreront les opérations et renforceront les pratiques de maintenance en développant une solution sur mesure pour les données des sous-systèmes de TGV étudiés dans le cadre de la thèse, en tenant compte des contraintes imposées par les outils utilisés, et l'analyse des signaux enregistrés sur le train, concernant uniquement les sous-systèmes étudiés dans la thèse.

Directeur de Thèse : Anas SAKOUT (LaSIE / La Rochelle Université)
Co-directeur de Thèse : Ronan CHAMPAGNAT (La Rochelle Université)

mathilde.peillon@univ-lr.fr