Projets de recherche dans le domaine de l'industrie 4.0

Internet des objets (IdO) pour la prédiction des défauts de pièces manufacturées à grande échelle

Ce projet vise à développer un prototype logiciel pour soutenir les gestionnaires de la qualité de l'industrie 4.0, en utilisant les données des machines à mesurer tridimensionnelles (dimensions mesurées/palpées) collectées sur les pièces fabriquées et en utilisant un algorithme d'intelligence artificielle pour classifier les motifs des cartes de contrôles de chaque pièce contenant les intervalles des exigences de qualité des clients.

Ce que nous faisons

Nous étudions les données des outils pour mesurer et contrôler la qualité des produits manufacturés. Les fabricants et les gestionnaires de production ont besoin d'une liaison entre leurs machines à mesurer tridimensionnelles (CMM) et un système de maîtrise statistique des procédés (SPC, ou statistical process control) pour contrôler et prédire la qualité de la production. La CMM est un équipement de mesure de coordonnées qui aide les entreprises à augmenter l'assurance de la qualité et leur capacité d'inspection. Il s'agit d'une technologie de mesure 3D portable utilisée pour permettre une flexibilité et une efficacité considérablement supérieures dans l'exécution des contrôles de qualité directement sur le plancher de production.

Les objectifs sont les suivants :

• Éliminer toutes les restrictions liées à l'infrastructure informatique et aux coûts de mise en œuvre grâce à l'utilisation d'une plateforme de collecte IdO infonuagique sécurisée;
• Offrir une vue d'ensemble de la performance de l'usine à l'aide de rapports pièce par pièce, ainsi que des ratios globaux de toutes les pièces manufacturées;
• Utiliser l'historique des mesures, dans la base de données qui accumule toutes les données des CMM, et les graphiques de tendance des cartes de contrôles générés par le système afin de prédire la tendance de certaines variables et caractéristiques et anticiper les non-conformités et les hors contrôle;
• Permettre de configurer les paramètres spéciaux des clients et les contrôler pendant la production;
• Identifier et même prédire les fonctionnalités non conformes et hors contrôle en temps réel.

Consulter des rapports : travaux préliminaires d'étudiants, module de suivi des non-conformités et essais effectués sur Azure.

Un projet de PFE est en cours pour expérimenter la plateforme ThingWorks.

Défis

• Obtenir les données historiques fiables ainsi que des devis détaillés de la qualité attendue des clients.
• Prédire avec peu de données provenant de la CMM qui sont saisies après la fabrication des pièces.
• Identifier l'algorithme d'apprentissage machine adapté à ce cas particulier.

Ce projet est effectué sur Microsoft Azure.