Offre en lien avec l’Action/le Réseau : – — –/– — –
Laboratoire/Entreprise : L@bISEN Yncréa Ouest, Equipe Vision-AD
Durée : 3 ans
Contact : maher.jridi@isen-ouest.yncrea.fr
Date limite de publication : 2020-08-20
Contexte :
Dans l’usine du future, la chaîne logistique doit s’adapter pour garantir les échanges d’informations nécessaires afin d’optimiser le processus de production. Le système d’information logistique acquiert un grand nombre de données sur l’état du matériel, les stocks et les ressources humaines disponibles. Les objets connectés sont installés le long de la chaîne de production pour enregistrer les indicateurs clés permettant de superviser le matériel utilisé.
Sujet :
** Projet **
Cette thèse se déroulera en collaboration avec une entreprise qui souhaite évoluer vers une plus grande digitalisation de ses ateliers de production et un contrôle de la production en fonction des données générées.
Des plateformes de recherche indépendantes des fournisseurs de machines ont été créées, comme par exemple celle créée par SmartFactoryKL appelée « Industrie 4.0 production plant ». Ce peut être un exemple d’un cadre de recherche intéressant le cas échéant.
** Problématiques **
L’analyse de l’information (disponibilité des produits et ressources, état du matériel, etc…) en temps réel et la prévision de l’évolution de la fabrication permettent d’ajuster le fonctionnement de l’appareil de production pour plus d’efficacité. Pour cela, des algorithmes basés sur l’intelligence artificielle ont pour objectif de prendre les décisions appropriées permettant de mieux gérer le fonctionnement des machines afin d’optimiser la production.
L’optimisation du routage entre les ateliers d’une usine, l’optimisation du nombre des interventions sur le matériel, le contrôle de la consommation d’énergie la détection d’anomalie ou la prédiction des activités de maintenance sont des applications candidates pour être traitées dans ce sujet. Le contexte de cette thèse concerne l’enregistrement de données en temps réel. Des capteurs enregistrent au fil de l’eau les paramètres spécifiques au matériel de l’usine, afin que les recommandations du système soient ajustées en fonction de l’historique des données et la prise en compte des informations immédiates.
** Approches méthodologique et technique envisagées **
Une fois la plate-forme d’acquisition des données en place, le travail de recherche sera dédié à l’élaboration de nouvelles approches combinant les méthodes d’apprentissage et les méthodes de recherche opérationnelle.
Les différentes étapes envisagées pour cette thèse sont :
– L’analyse des besoins de l’ (ou des) entreprise(s) étudié(es)
– La définition de la plateforme technique permettant de collecter les data
– La mise en place des équipements (capteurs de données) au sein de l’entreprise
– La collecte, le traitement et le stockage des données
– L’élaboration des modèles innovants d’apprentissage et/ou d’optimisation adaptés au problème à résoudre
– L’étude des modèles et plus particulièrement de leurs propriétés mathématiques
– Définition de méthodes de résolution innovantes basées sur les techniques avancées de mathématiques appliquées
o méthodes d’énumérations optimisées définies en fonction des propriétés mathématiques du problème
o méthodes innovantes d’apprentissage profond
– Développement d’un logiciel prototype afin d’évaluer les performances des nouvelles approches proposées
Profil du candidat :
– Avoir une aptitude au développement d’infrastructures pour collecter des données (data lake management en Python, Spark, Hadoop, Scala…) .
– Avoir un vif intérêt pour la recherche scientifique et plus spécialement les outils de modélisation mathématiques, d’analyse de données et d’apprentissage.
Formation et compétences requises :
La ou le candidat(e) doit avoir un diplôme de Master et/ou Ingénieur dans des domaines liés au génie industriel et/ou informatique.
Adresse d’emploi :
35 Avenue du Champ de Manœuvre, 44470 Carquefou
ou
20 Rue Cuirassé Bretagne, 29200 Brest
Document attaché : 202006110936_These usine du future.pdf