Duc-Tri VO
Ingénieur en Informatique Industrielle, Automatisation, et Digitalisation
Téléchargements: Curriculum Vitae
-
Expérience
-
Chercheur en Automatisation Avancée (Thèse CIFRE)
2021 - 2024
Université Grenoble Alpes, en collaboration avec CEA Marcoule (France)
-
Rapports de soutenance: Acéder.
-
Analysé, conçu, implémenté et validé expérimentalement des stratégies de contrôle avancées pour le traitement des combustibles nucléaires usés.
-
Planifié une campagne expérimentale de 100 heures, en horaires 3*8, avec une équipe de 6 personnes.
-
Développé une application (utilisant
Python,Qt, etSQLite3) pour implémenter des algorithmes de contrôle, permettre la visualisation en temps réel et le post-traitement des données de simulation et expérimentales. -
Coordonné les activités de recherche entre les laboratoires universitaires et industriels.
-
Ingénieur Introduction de Nouveaux Produits
2020 - 2021
Techtronics Industries Manufacturing (TTI Group, Vietnam)
-
Coordonné avec d’autres équipes pour le développement et la résolution de problèmes des produits, depuis le démarrage du projet jusqu’à la production de masse.
-
Préparé les documents techniques requis pour le développement des produits.
-
-
-
Education
-
Doctorat en Automatisation Avancée
2021 - 2024
Université Grenoble Alpes, en collaboration avec CEA Marcoule
-
Diplôme d’Ingénieur en Mécatronique (Automatique)
2015 - 2020
Programme de Formation d’Ingénieurs d’Excellence du Vietnam – Institute Polytechnique d’HCM-Ville et Grenoble INP (UGA)
-
Ce programme de 268 crédits est accrédité par la Commission des Titres d’Ingénieur (CTI, France) et est désigné comme un programme de Master en ingénierie européen (EUR-ACE Master) accrédité par le Réseau Européen d’Accréditation en Éducation d’Ingénierie (ENAEE).
-
Moyenne Générale : 8,53/10 (Major de ma promotion).
-
Stage : Labo. de Contrôle et d’Automatisation (2017-2020).
-
Projet de fin d’études : Conception d’un système automatisé de vissage d’écrous de vélo.
-
-
-
Skills
-
Domaines d’Expertise
-
Analyses de données et Modélisation
-
Statistiques et Machine learning
-
Automatique et Traitement du Signal
-
Simulation et Optimisation
-
Systèmes Embarqués et en Temps Réel
-
-
Programmation
-
Frameworks
-
Industrial communication
-
PLC (Simens S7-1200)
-
STM32, Raspberry Pi
-
OPC-UA
-
Modbus
-
TCP/IP
-
-
Office
-
Latex
-
Microsoft Office Suite
-
-
-
Languages
-
Anglais: Avancé
-
Francais: Courant
-
Vietnamienne: Langue maternelle
-
-
Projects
-

-
Plateforme modulaire et évolutive pour le développement, la simulation et le déploiement de méthodes de contrôle avancées, avec un focus sur le contrôle prédictif.
-
Supporte l’acquisition, le traitement, la visualisation des données et la génération de rapports pour optimiser le développement et la supervision des systèmes de contrôle.
-
Intègre des techniques de machine learning pour améliorer les stratégies de contrôle avec des capacités adaptatives, tolérantes aux pannes et diagnostiques.
-
-
-
Publications
-
Book Chapter
-
[1] D.-T. Vo, I. Prodan, L. Lefèvre, V. Vanel, S. Costenoble, and B. Dinh, PSO-based Adaptive NMPC for Uranium Extraction-Scrubbing Operation in Spent Nuclear Fuel Treatment Process, in Proceedings of the 20th International Conference on Informatics in Control, Automation and Robotics, 2024.
-
-
Conference
-
[2] D.-T. Vo, I. Prodan, L. Lefèvre, V. Vanel, S. Costenoble, and B. Dinh, Nonlinear Model Predictive Control for Uranium Extraction-Scrubbing Operation in Spent Nuclear Fuel Treatment Process, in Proceedings of the 20th International Conference on Informatics in Control, Automation and Robotics, 2023. doi: 10.5220/0012180700003543. (Best Student Paper Award).
-
[3] D.-T. Vo, I. Prodan, L. Lefèvre, V. Vanel, S. Costenoble, and B. Dinh, ANN-based Adaptive NMPC for Uranium Extraction-Scrubbing Operation in Spent Nuclear Fuel Treatment Process, in Proceedings of the 8th IEEE Conference on Control Technology and Applications (CCTA), 2024.
-
-
-
Awards
-
Prix du Meilleur Article Étudiant
2023
A la 20ème Conférence Internationale sur l’Informatique en Contrôle, Automatisation et Robotique, Rome, Italie.
-
Top 30 – Prix National pour les Étudiants d’Excellence
2021
-
Bourse Odon Valet
2020
-
Bourse de la Corporation NIDEC-TOSOK
2019
-
Prix Nationale de Modélisation et Simulation
2018 et 2019
-
Mission Sunflower – Ingénierie et Technologie
2018
-
-
Certifications
-
-
Acquis des connaissances générales sur la plateforme de développement IGNITION 8.1.
-
Formation donnée par Inductive University
-
-
-
Méthodes, outils, stratégies, principes et lignes directrices en ingénierie logicielle.
-
Modèles de développement logiciel tels que Waterfall, Itératif, Incrémental, Spiral, V-Model, Agile, etc.
-
Meilleures pratiques de l’industrie en ingénierie logicielle.
-
-
-
Acquis une expérience pratique des outils et flux de travail avancés en analyse de données, y compris Python, R et Tableau.
-
Maîtrisé l’analyse exploratoire, les statistiques, la régression, la modélisation des données et les bases du machine learning.
-
-
-
Acquis une expérience pratique des outils essentiels d’analyse de données : tableurs, SQL, R et Python.
-
Réalisé la création et la présentation des résultats analytiques via tableaux de bord, présentations et plateformes de visualisation.
-
Développé la capacité à communiquer efficacement les recommandations basées sur les données aux parties prenantes.
-
-
-
Maîtrisé la planification, la documentation et la gestion de projets.
-
Acquis des connaissances de base des pratiques Agile et Scrum.
-
Développé des compétences en résolution de problèmes, communication et gestion des parties prenantes.
-
Réalisé une application pratique des stratégies de gestion de projets.
-
-
-
Conçu et entraîné des réseaux neuronaux profonds, avec optimisation des paramètres clés pour diverses applications.
-
Appliqué les meilleures pratiques d’entraînement, d’analyse de variance et d’optimisation avec TensorFlow.
-
Conçu, entraîné et déployé des CNN et RNN pour diverses tâches.
-
-
-
Application de techniques de deep learning pour les prévisions de séries temporelles.
-
Développé des compétences en création, entraînement et évaluation de modèles en tant que TensorFlow Developer.
-
-
-
Acquis les meilleures pratiques pour écrire du code propre, maintenable et bien documenté : tests, linting, formatage et vérification des types.
-
Développé une expertise dans la publication de packages Python prêts pour la production avec gestion des versions, pipelines CI/CD, GitHub Actions et PyPI.
-
-
-
Mis en œuvre de stratégies de résolution de problèmes pour des défis réels.
-
Utilisation de Git et GitHub pour le contrôle de version.
-
-