Recently ABB AB/Metallurgy has developed a novel temperature measuring system in the mold copper plate for continuous casting, named OptiMold Monitor, with the purpose of dynamically monitoring mold conditions and to control the FC Mold.The OptiMold Monitor temperature signals can be further analyzed for the information of the shape of the meniscus of the molten steel together with fluid flow symmetry and speed. Also, it can be analyzed for extracting information about how the steel has started to solidify in the mold and to detect solidification deficiencies such as cracks or risks of shell break-outs. Algorithms and Matlab codes developed by ABB for the thermal data analysis has perceived good insight into the results. The OptiMold Monitor system is currently being tested in Tata Steel IJmuiden steelworks.Algorithms for local cold and hot spot detection have been suggested for robust performance and to address the issue of false alarms. And the nail bed tests for meniscus profile and speed have been analyzed. / ABB AB / Metallurgi har utvecklat ett nytt temperaturmätningssystem i gjutkopparplattan för kontinuerlig gjutning, benämnd OptiMold Monitor, med syfte att dynamiskt övervaka aktuell gjutningsstatus och för att styra FC Mold.Temperatursignalerna från OptiMold Monitor- kan analyseras vidare för ge informationen om formen av det smälta stålet tillsammans med fluidflödessymmetri och hastighet. Det kan också analyseras för att extrahera information om hur stålet har börjat stelna i formen och för att upptäcka stelningsdefekter som sprickor eller risker för utbrytning av skal. Algoritmer och Matlab-koder som utvecklats av ABB för termisk dataanalys har givit god inblick i resultaten. OptiMold Monitor-systemet testas för närvarande i stålverket Tata Steel IJmuiden. Algoritmer för lokal kylning och detektering av ”hot spots” har föreslagits för att ge robusta prestanda och att för att hantera risken för falska larm. Även resultat från nagelbäddstesterna för gjutprofil och hastighet har analyserats.

La prise de conscience des problèmes d'environnement et des effets directs et indirects des activités humaines a conduit à renforcer la surveillance haute fréquence des écosystèmes marins par l'installation de stations de mesures multicapteurs autonomes. Les capteurs, installés dans des milieux hostiles, sont sujets à des périodes de calibration, d'entretien voire des pannes et sont donc susceptibles de générer des données bruitées, manquantes voire aberrantes qu'il est nécessaire de filtrer et compléter avant toute exploitation ultérieure. Dans ce contexte, l'objectif du travail est de concevoir un système numérique automatisé robuste capable de traiter de tel volume de données afin d’améliorer les connaissances sur la qualité des systèmes aquatiques, et plus particulièrement en considérant le déterminisme et la dynamique des efflorescences du phytoplancton. L'étape cruciale est le développement méthodologique de modèles de prédiction des efflorescences du phytoplancton permettant aux utilisateurs de disposer de protocoles adéquats. Nous proposons pour cela l'emploi du modèle de Markov caché hybridé pour la détection et la prédiction des états de l'environnement (caractérisation des phases clefs de la dynamique et des caractéristiques hydrologiques associées). L'originalité du travail est l'hybridation du modèle de Markov par un algorithme de classification spectrale permettant un apprentissage non supervisé conjoint de la structure, sa caractérisation et la dynamique associée. Cette approche a été appliquée sur trois bases de données réelles : la première issue de la station marine instrumentée MAREL Carnot (Ifremer) (2005-2009), la seconde d’un système de type Ferry Box mis en œuvre en Manche orientale en 2012 et la troisième d’une station de mesures fixe, installée le long de la rivière Deûle en 2009 (Agence de l’Eau Artois Picardie - AEAP). Le travail s’inscrit dans le cadre d’une collaboration étroite entre l'IFREMER, le LISIC/ULCO et l'AEAP afin de développer des systèmes optimisés pour l’étude de l’effet des activités anthropiques sur le fonctionnement des écosystèmes aquatiques et plus particulièrement dans le contexte des efflorescences de l’algue nuisible, Phaeocystis globosa. / Because of the growing interest for environmental issues and to identify direct and indirect effects of anthropogenic activities on ecosystems, environmental monitoring programs have recourse more and more frequently to high resolution, autonomous and multi-sensor instrumented stations. These systems are implemented in harsh environment and there is a need to stop measurements for calibration, service purposes or just because of sensors failure. Consequently, data could be noisy, missing or out of range and required some pre-processing or filtering steps to complete and validate raw data before any further investigations. In this context, the objective of this work is to design an automatic numeric system able to manage such amount of data in order to further knowledge on water quality and more precisely with consideration about phytoplankton determinism and dynamics. Main phase is the methodological development of phytoplankton bloom forecasting models giving the opportunity to end-user to handle well-adapted protocols. We propose to use hybrid Hidden Markov Model to detect and forecast environment states (identification of the main phytoplankton bloom steps and associated hydrological conditions). The added-value of our approach is to hybrid our model with a spectral clustering algorithm. Thus all HMM parameters (states, characterisation and dynamics of these states) are built by unsupervised learning. This approach was applied on three data bases: first one from the marine instrumented station MAREL Carnot (Ifremer) (2005-2009), second one from a Ferry Box system implemented in the eastern English Channel en 2012 and third one from a freshwater fixed station in the river Deûle in 2009 (Artois Picardie Water Agency). These works fall within the scope of a collaboration between IFREMER, LISIC/ULCO and Artois Picardie Water Agency in order to develop optimised systems to study effects of anthropogenic activities on aquatic systems functioning in a regional context of massive blooms of the harmful algae, Phaeocystis globosa.