« Zurück

Grunenwald David

Responsable de filière

Hauptkompetenzen

Responsable de filière

Büro: E59

Haute Ecole Arc - Ingénierie
Espace de l'Europe 11, 2000 Neuchâtel, CH

MSc HES-SO en Engineering - HES-SO Master

Visualisation des données

BSc HES-SO en Informatique - Haute Ecole Arc - Ingénierie

Développement WEB

BSc HES-SO en Informatique - Haute Ecole Arc - Ingénierie

Interfaces graphiques

Abgeschlossen

Crowd-Sourcing au service de l'amélioration de l'Ergonomie des Interfaces web en se basant sur des solutions « cloud » combinant des méthodes empiriques et analytiques

AGP

Rolle: Mitarbeiter

Requérant(e)s: Technologie d'interaction, Ouerhani Nabil, Technologie d'interaction

Financement: HES-SO Rectorat

Description du projet : L'Ergonomie des Interfaces utilisateurs représente un attribut de qualité déterminant pour le succès de solutions interactives auprès du public cible. Ceci est particulièrement vrai pour les interfaces de sites web. Malgré le nombre important de publications sur le sujet, les tests d'ergonomie des interfaces utilisateurs, en Suisse, connaissent un niveau d'industrialisation basique. L'approche empirique avec des analyses « manuelles » reste la plus utilisée, avec deux limites majeures : des coûts élevés et une mise en 'uvre laborieuse (laboratoire, mobilisation des testeurs, etc). L'objectif principal de ce projet est de poser les pierres angulaires d'une solution automatisée d'évaluation des interfaces web pour rendre leur analyse ergonomique quantitative, reproductible et moins coûteuse, balisant ainsi le chemin pour une industrialisation des tests d'ergonomie. Pour ce faire, le projet avait pour vocation d'évaluer la qualité des capteurs bon marché (notamment pour le suivi du regard, c'est le modèle eyetribe qui a été retenu) pour analyser le comportement d'un utilisateur et de s'appuyer sur les pratiques des ergonomes professionnels pour automatiser une partie de leurs tâches. L'objectif initial était d'automatiser l'analyse complète pour produire un rapport sur l'utilisabilité de l'interface utilisateur, mais la collaboration avec les ergonomes professionnels nous a montré que cet objectif n'était pas pertinent : une grande part de leur travail repose de des observations et des discussions qui nécessitent un expert humain. Il existe cependant le besoin d'un outil pour faciliter le dépouillement des informations collectées, leurs représentations et l'exploration de ces résultats. C'est donc dans cette direction que le projet a été orienté.

Forschungsteam innerhalb von HES-SO: Baudin Carole , Geslin Philippe , Bussy Gaëtan , Ferrez Pierre , Visinand Steve , Ouerhani Nabil , Maître Gilbert , Grunenwald David , Maillard Laura , Mihet Andreea , Roduit Pierre

Partenaires académiques: VS - Institut Systèmes industriels; Conception de produits centrée utilisateurs; Technologie d'interaction; Ouerhani Nabil, Technologie d'interaction

Durée du projet: 01.10.2014 - 28.02.2017

Montant global du projet: 250'000 CHF

Statut: Abgeschlossen

2019

Smart adaptive run parameterization (SArP) :

Wissenschaftlicher Artikel ArODES

enhancement of user manual selection of running parameters in fluid dynamic simulations using bio-inspired and machine-learning techniques

Hatem Ghorbel, Nicolas Zannini, Salma Cherif, Florian Sauser, David Grunenwald, William Droz, Mahamadou Baradji, Djamel Lakehal

Soft Computing, 2019, first online

Link zur Publikation

Zusammenfassung:

Computational fluid dynamic (CFD) simulations present numerous challenges in the domain of artificial intelligence. Computational time, resources and cost that can reach disproportional size before leading a simulation to its fully converged solution are one of the central issues in this domain. In this paper, we propose a novel algorithm that finds optimal parameter settings for the numerical solvers of CFD software. Indeed, this research proposes an alternative approach; rather than going deeper in reducing the mathematical complexity, it suggests taking advantage of the history of previous runs in order to estimate the best parameters for numerical equation resolution. In fact, our approach is bio-inspired and based on a genetic algorithm (GA) and evolutionary strategies enhanced with surrogate functions based on machine-learning meta-models. Our research method was tested on 11 different use cases using various configurations of the GA and algorithms of machine learning such as regression trees extra trees regressors and random forest regressors. Our approach has achieved better runtime performance and higher convergence quality (an improvement varying between 8 and 40%) in all of the test cases when compared to a basic approach which requires manually selecting the parameters. Moreover, our approach outperforms in some cases manual selection of parameters by reaching convergent solutions that couldn’t otherwise be achieved manually.

Errungenschaften

PEOPLE@HES-SO
Verzeichnis der Mitarbeitenden und Kompetenzen

Grunenwald David

Responsable de filière

Hauptkompetenzen

Data visualization

Human Machine Interface

Développement web

Responsable de filière

PEOPLE@HES-SO Verzeichnis der Mitarbeitenden und Kompetenzen

Grunenwald David

Responsable de filière

Hauptkompetenzen

Data visualization

Human Machine Interface

Développement web

Responsable de filière

PEOPLE@HES-SO
Verzeichnis der Mitarbeitenden und Kompetenzen