Consortium de recherche en ingénierie des systèmes industriels 4.0 01 octobre 2021 Maîtrise
Ce poste a expiré.
Étudiant.e à la maîtrise – Détection de défectuosités basée sur l’analytique et l’intelligence artificielle en contexte industriel 4.0
Recrutement d’un.e étudiant.e à la maîtrise pour un projet de recherche portant sur la détection de défectuosités basée sur l’analytique et l’intelligence artificielle en contexte industriel 4.0.
Présentation du projet de recherche
Alstom a développé, en collaboration avec différents partenaires, une cellule de soudage robotisée. Le processus de soudage est naturellement sujet à la création de défauts mineurs sur les pièces, p. ex., une légèrement expansion de la pièce. Dans certains cas, les déformations cumulées de plusieurs pièces provoquent une défectuosité d’une plus grande pièce lors de l’assemblage ce qui par conséquent occasionne des délais et des coûts.
Or, il est difficile d’anticiper les défectuosités occasionnées par le processus de soudage pour minimiser les délais et les coûts. L’objectif de ce projet est d’utiliser des méthodes issues de l’analytique prédictive et de l’apprentissage automatique (intelligence artificielle) pour anticiper les défectuosités plus tôt dans la chaîne de production en fonction des séquences de mesures observées sur la machine et des données issues de son opération.
Les capteurs installés sur l’équipement permettent de recueillir des données sur la tâche accomplie et sur leur statut, p. ex., mesures de pièces ou images de pièces soudées. De même, des données sur le processus et sur l’utilisation des équipements sont disponibles, p. ex., les carnets de commandes. L’étudiant devra (1) inventorier les données accessibles pour l’étude, mais aussi celles non présentement recueillies, mais nécessaires, (2) traiter ces données dans le but de les rendre utilisables pour l’analyse, puis (3) exploiter celles-ci pour la création de modèles prédictifs visant à anticiper les défectuosités et quantifier les gains potentiels liés à l’utilisation de tels modèles.
Finalement, les données recueillies pourraient permettre une maintenance conditionnelle des équipements, p. ex., prévoir les changements des torches de soudage en fonction des tâches effectuées. Ce dernier point sera exploré en fonction du temps et des données disponibles.
Ce projet sera supervisé par Michael Morin et cosupervisé par Jonathan Gaudreault.
Restons en contact!
Vous souhaitez être informé des nouvelles et activités de l'IID? Abonnez-vous dès maintenant à notre infolettre mensuelle.