Soumaya Yacout
B.ing.(Le Caire), M.Sc.(Le Caire), D.Sc.(Georges Washington)
Professeure titulaire
Département de mathématiques et de génie industriel
Département de mathématiques et de génie industriel
Tél. : (514) 340-4711 poste 4517
Téléc. : (514) 340-4086
Local : A-520.13
Directrice du laboratoire 'Systèmes cyber-physiques intelligents,(Cyber ϕ) ', et directrice scientifique du réseau CEOSnet
Domaines d'expertise
Génie industriel Gestion de la production Recherche opérationnelle et science de la gestion Industrie 4.0 Optimisation Intelligence artificielle Études de modélisation et de simulation
Génie industriel Gestion de la production Recherche opérationnelle et science de la gestion Industrie 4.0 Optimisation Intelligence artificielle Études de modélisation et de simulation
Pôle d'excellence principal
Industrie du futur et société numérique
Industrie du futur et société numérique
Pôle(s) d'excellence secondaire(s)
Transport et infrastructures durables Modélisation et intelligence artificielle
Transport et infrastructures durables Modélisation et intelligence artificielle
Intérêts de recherche et affiliations
Intérêts de recherche
- Transformation Industrie 4.0 et maintenance prescriptive.
- Chaîne de valeur numérique.
- L'aprentissage automatique et l'intelligence artificielle appliqués aux systèmes industriels.
- Diagnostique et pronostique de performance des systèmes industriels et maintenance conditionnelle.
- Optimisation de la décision en utilisant l'apprentissage par renforcement.
- Optimisation de la fiabilité des procédés en se basant sur l'exploitation des données historiques et l'apprentissage automatique.
- Ingénierie de la qualité et de la maintenance.
- La modélisation stochastique des procédés industriels.
Affiliation(s)
- Laboratoire de systèmes cyber-physiques intelligents, Directrice scientifique
- Institut de valorisation des données (IVADO), Membre
- Laboratoire Poly-Industries 4.0, Membre
Type(s) d'expertises (sujets CRSNG)
- 1600 GÉNIE INDUSTRIEL
- 1606 Gestion de la production
- 2800 INTELLIGENCE ARTIFICIELLE (Vision artificielle, utiliser 2603)
Publications
Publications récentes
Article de revue
Article de revue
Article de revue
Communication de conférence
Mikhail, M., Ouali, M.-S., & Yacout, S. (2024). A data-driven methodology with a nonparametric reliability method for optimal condition-based maintenance strategies. Reliability Engineering and System Safety, 241, 109668 (11 pages).
Bassetto, S., Yacout, S., Bassetto, S., & Shaban, Y. (2023). Experimental vibration data collected for a belt drive system under different operating conditions. Data in Brief, 48, 6 pages.
Aboelhassan, A., Sakr, A. H., & Yacout, S. (2023). General purpose digital twin framework using digital shadow and distributed system concepts. Computers & Industrial Engineering, 183, 109534 (13 pages).
Agredano, F., Taha, H. A., & Yacout, S. (juin 2023). Maintenance 4.0 opportunistic strategy for electric buses [Communication écrite]. CIGI Qualita MOSIM 2023, Trois-Rivière, Qc, Canada (5 pages). 
Enseignement
IND3501 Ingénierie de la qualité
IND3304 Simulation des systèmes de productions
IND6217 Maintenance des biens physiques
IND6202A Simulation des systèmes à événements discrets
IND8217 Analytique de défauts et maintenance
IND8571 ingénierie de la qualité
Encadrement à Polytechnique
TERMINÉ
-
Thèse de doctorat (13)
- AboElHassan, A. M. A. (2023). Enabling General-Purpose Digital Twins Using Artificial Intelligence and Distributed Systems [Thèse de doctorat, Polytechnique Montréal].
- Elfar, O. (2022). Scaling Logical Analysis of Data for Large Volume and Streaming Data in Industry 4.0 Applications [Thèse de doctorat, Polytechnique Montréal].
- Hussein, H. A. T. (2022). Autonomous Machine Maintenance and Control in Digital Twin Environment [Thèse de doctorat, Polytechnique Montréal].
- Mikhail, M. (2022). Reinforcement Learning with Data-Driven Prediction Methods for Optimal Condition-Based Maintenance Strategies [Thèse de doctorat, Polytechnique Montréal].
- Mohammed, R. M. K. (2022). Online Anomaly Detection of Industrial Processes and Machinery Based on Logical Analysis of Data and Statistical Control Charts [Thèse de doctorat, Polytechnique Montréal].
- Aly, M. (2020). Designing and Deploying Internet of Things Applications in the Industry: An Empirical Investigation [Thèse de doctorat, Polytechnique Montréal].
- Elsheikh, A. (2018). Analytics of Sequential Time Data from Physical Assets [Thèse de doctorat, École Polytechnique de Montréal].
- Hassan, M. O. (2017). A Multi-Sector Planning Support Model for en Route Air Traffic Control [Thèse de doctorat, École Polytechnique de Montréal].
- Ragab, A. R. A. (2014). Fault Prognostics Using Logical Analysis of Data and Non-Parametric Reliability Estimation Methods [Thèse de doctorat, École Polytechnique de Montréal].
- Shaban, Y. (2014). Diagnosis of Machining Conditions Based on Logical Analysis of Data [Thèse de doctorat, École Polytechnique de Montréal].
- Mortada, M.-A. (2010). Applicability and Interpretability of Logical Analysis of Data in Condition Based Maintenance [Thèse de doctorat, École Polytechnique de Montréal].
- Ghasemi, A. (2009). Studies in condition based maintenance using proportional hazards models with imperfect observations [Thèse de doctorat, École Polytechnique de Montréal].
- Baril, C. (2008). Optimisation simultanée des caractéristiques de la qualité d'un produit en environnement distribué [Thèse de doctorat, École Polytechnique de Montréal].
-
Mémoire de maîtrise (13)
- Masmoudi, O. (2021). Modélisation et analyse de la non-qualité de planches en bois par apprentissage automatique [Mémoire de maîtrise, Polytechnique Montréal].
- Buades Marcos, D. (2019). A Deep Learning Approach for Condition-Based Fault Prediction in Industrial Equipment [Mémoire de maîtrise, Polytechnique Montréal].
- Tagarian, S. (2016). Developed Algorithms for Maximum Pattern Generation in Logical Analysis of Data [Mémoire de maîtrise, École Polytechnique de Montréal].
- Wu, Y. (2016). Multi-Criteria Inventory Classification and Root Cause Analysis Based on Logical Analysis of Data [Mémoire de maîtrise, École Polytechnique de Montréal].
- Seif, R. (2014). Statistical Analysis of Machining Processes of Composite Materials [Mémoire de maîtrise, École Polytechnique de Montréal].
- Bennane, A. (2010). Traitement des valeurs manquantes pour l'application de l'analyse logique des données à la maintenance conditionnelle [Mémoire de maîtrise, École Polytechnique de Montréal].
- Tail, M. (2009). La détermination du temps de remplacement d'un outil de coupe sujet à des vitesses variables en utilisant le modèle des risques proportionnels [Mémoire de maîtrise, École Polytechnique de Montréal].
- Portillo, M. B. (2008). Développement d'une méthodologie statistique pour la détection de l'usure d'un outil avec des cartes de contrôle [Mémoire de maîtrise, École Polytechnique de Montréal].
- Salamanca, D. (2008). L'analyse logique de données appliquée à la maintenance conditionnelle [Mémoire de maîtrise, École Polytechnique de Montréal].
- Orth, P. (2007). Simulation et analyse paramétrique de méthodes de prise de décision dans le cadre de la maintenance conditionnelle [Mémoire de maîtrise, École Polytechnique de Montréal].
- Ghasemi, A. (2005). Condition based maintenance using the proportional hazard model with imperfect information [Mémoire de maîtrise, École Polytechnique de Montréal].
- Piedras, H. E. (2003). Optimisation multicritère des deux premières phases du déploiement de la fonction qualité (DFQ/QFD) [Mémoire de maîtrise, École Polytechnique de Montréal].
- Lamghabbar, A. (2002). Optimisation simultanée de la conception et de la fabrication d'un nouveau produit [Mémoire de maîtrise, École Polytechnique de Montréal].
- Masmoudi, O. (2021). Modélisation et analyse de la non-qualité de planches en bois par apprentissage automatique [Mémoire de maîtrise, Polytechnique Montréal].
Nouvelle(s) concernant Soumaya Yacout
NOUVELLES
|
9 mars 2021
Infrastructures de recherche: participation de Polytechnique Montréal à des projets multi-établissements soutenus par la FCI et Québec |
Lire
Revue de presse concernant Soumaya Yacout

12 mai 2022,
PLAN - La revue de l'OIQ ,
Jumeau numérique - Une usine plus performante
Soumaya Yacout, professeure titulaire au Département de mathématiques et de génie industriel, partage son expertise sur le jumeau numérique et discute à propos du banc d'essai installé à Polytechnique pour tester cette technologie (p. 30-32).

3 novembre 2016,
Canada NewsWire,
17e Forum international Science et société de l'Acfas
Mention de Soumaya Yacout, professeure titulaire au département de mathématiques et de génie industriel de Polytechnique Montréal.