Développement d’un jumeau numérique intégré pour la surveillance et l’optimisation en fabrication additive
Bibliographic record
Abstract
À l'issue de cette thèse, je souhaite d'abord remercier du fond du cœur ma famille, véritable pilier de mon cheminement.À mes parents, pour leur amour inconditionnel, leur patience et leur confiance, qui m'ont portée dans les moments d'effort comme dans les instants de doute.À mes deux sœurs, pour leur soutien constant, leurs encouragements et leur présence rassurante.Votre écoute et votre énergie m'ont aidée à persévérer.À ma nièce Israa, dont la joie et la spontanéité illuminent chacun de nos instants partagés, et à la petite princesse à venir, dont la simple attente représente déjà une source de bonheur et d'inspiration.J'exprime ma profonde gratitude à mon directeur, le Professeur Mohamed Habibi, pour sa vision, sa rigueur scientifique et sa bienveillance, ainsi qu'à mon codirecteur, le Professeur Sousso Kelouwani, pour son accompagnement et ses conseils précis.Je remercie également les membres du jury pour le temps consacré, leurs remarques éclairantes et leurs sugges-tions constructives.Ma reconnaissance va à mes collègues et amis de laboratoire pour les échanges scientifiques stimulants, l'entraide au quotidien et la camaraderie qui ont rendu ce parcours plus humain.À mes amis, proches ou lointains, merci pour votre écoute, vos messages et vos encouragements, surtout dans les périodes intenses.À vous toutes et tous, merci pour votre confiance et votre présence.Cette réussite est aussi la vôtre.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".