Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Institut Elie Cartan Lorraine
Durée : 3 ans
Contact : radu-stefan.stoica@univ-lorraine.fr
Date limite de publication : 2017-12-30

Contexte :
De nombreuses étapes de fabrication dans le groupe Saint Gobain impliquent de transformer de manière très précise des produits semi-finis, par exemple en chauffant ou en appliquant des forces sur des plaques de verres.
La plupart du temps, aucun modèle satisfaisant de la transformation n’est disponible. Les différents réglages (puissance de chauffe, position des outils, ..) sont effectués par des régulateurs très simples mais pas forcément très pertinents (typiquement : des régulateurs PID prenant une seule variable en entrée) ou par des intervenants humains sur la base de leur seule expertise. Durant ou après ces transformations, de grandes quantités de données (parfois plusieurs milliers de variables pour chaque pièce) sont collectées. Ces données peuvent aussi
bien être des mesures physiques en temps réel (comme des évolutions de température) que des contrôles qualités a posteriori (comme des mesures très précises de l’état de surface). Des séries temporelles sur plusieurs années sont disponibles sur certaines chaînes de production.
Le but de la thèse est de proposer une méthode automatique de génération de lois de commande efficaces (dans l’idéal : optimales) pour chacune de ces étapes de fabrication. Le terme “lois de commande” est à comprendre dans un sens très large qui inclut le calcul de la valeur d’un contrôle à un instant donné, mais aussi la détection de défaut ou d’usure des outils et la programmation d’opérations de maintenance préventive. Le mot automatique sous-entend qu’on espère limiter le recours à l’expertise humaine uniquement aux étapes initiales de compréhension du problème métier.

Sujet :
Difficultés et verrous scientifiques
Les difficultés sont multiples et pour un certain nombre originales.
– Difficultés de modélisation
La première difficulté est que l’on ne connaît pas de modèle pour la transformation étudiée. Cette non-connaissance est à comprendre dans un sens très fort :
– les variables physiquement pertinentes ne sont pas connues. Elles sont sans doute mesurées ou reconstructibles à partir des nombreuses mesures, mais vraisemblablement noyées dans une masse de données
redondantes d’intérêt moindre.
– les échelles temporelles ne sont pas connues, et la fréquence d’acquisition des séries temporelles n’a que peu de chance de correspondre aux constantes de temps du système (constantes de temps qui pourraient
d’ailleurs fortement varier d’une variable à une autre).
– des phénomènes physiques complexes (chocs, micro-fissuration, changement de phases, …) peuvent se produire pendant la transformation. La modélisation de ces phénomènes fait intervenir des dynamiques peu régulières (a minima : non linéarité, vraisemblablement : défaut de continuité, apparition d’hysteresis). L’identification d’un modèle linéaire par des techniques standard risque d’être insuffisante.
– les défaillances (y compris temporaires) de capteurs sont inévitables au vu de la durée des périodes étudiées et de l’environnement parfois hostile auquel ils sont confrontés. Évaluer la qualité des données,
et les sélectionner en conséquence, sera un préalable indispensable à la modélisation.

Problème de commande
La difficulté de la recherche de lois de commande augmente avec la complexité du modèle. On aura donc sans doute intérêt à privilégier les modèles pas forcément les plus réalistes, mais sur lesquels on pourra obtenir les meilleurs résultats. Si il devient nécessaire d’introduire des dynamiques très irrégulières, il faudra s’assurer
que l’on garde une certaine maîtrise de ces irrégularités (par exemple en les localisant).
Verrous scientifiques
Une littérature abondante est disponible pour résoudre l’essentiel des difficultés évoquées précédemment pour peu que les autres aient été résolues. Par exemple, un modèle de dynamique étant connue, on sait en général extraire les variables les plus pertinentes pour proposer une dynamique très proche mais beaucoup plus simple (réduction de modèle). De la même façon, la forme d’un modèle étant connue (liste des variables et formes analytique de la dynamique), des techniques très efficaces sont disponibles pour l’identification de dynamique à partir de données fiables ; la génération de stratégies de commande efficaces ou la détection de capteurs défaillants est envisageable de manière automatique dès que la dynamique est connue.
La grande difficulté viendra de la nécessité de résoudre simultanément tous ces problèmes.
Méthodes envisagées et programme de travail
Une méthode en plusieurs phases est envisagée, incluant une première phase d’élaboration du modèle (basée sur des outils statistiques), suivi d’une phase d’analyse de la contrôlabilité des modèles obtenus (basée sur des méthodes de contrôle géométrique). Il conviendra d’examiner la pertinence d’une méthode itérative où on alternerait les phases 1 et 2.
Complémentarité de méthodes
Il sera crucial que chacune des étapes soit exécutée en gardant en vue le but global du projet. Par exemple, il serait contre-productif de proposer des modèles à la dynamique tellement complexe ou irrégulière qu’elle en devient difficilement simulable numériquement, ou de proposer au final des lois de commande insuffisamment robustes aux erreurs de modèle, ou faisant intervenir des commandes physiquement irréalistes. Pour ces différents critères (forme possible des pathologies du modèle, lois de commande physiquement admissibles) il semble difficile de se passer de l’avis d’un expert humain.

Profil du candidat :
Le/la candidat(e) retenu(e) aurait idéalement une double compétence (probabilités/statistique et automatique). En pratique, seules des connaissances de base sur l’analyse en composantes principales et les méthodes de classiffication (hiérarchique, partition K-means , etc.) seront nécessaires dès le début, toutes les autres compétences (en probabilités, statistiques et automatique) pourront être acquises en cours de thèse.

Formation et compétences requises :
Le/la candidat(e) retenu(e) sera amené(e) à communiquer en anglais (communications scientifiques écrites et orales). Une compréhension basique du français est souhaitable. Des formations complémentaires en français et en anglais sont possibles pendant la thèse.
Seul un master 2 est formellement requis. Aucune condition d’âge, de genre ou de nationalité.

Adresse d’emploi :
Institut Élie Cartan de Lorraine

Université de Lorraine, Site de Nancy

B.P. 70239, F-54506 Vandoeuvre-lès-Nancy Cedex

Document attaché : CIFRE_Saint_Gobain_IECL.pdf