Recherche

Thèse préparée par Abdallah Amine Melakhsou

Titre : Gestion opti­male des para­mètres d’un pro­cé­dé de sou­dage et pré­vi­sion des défaillances de fabri­ca­tion par appren­tis­sage auto­ma­tique et méta modélisation 

Début de thèse : 2020
Fin de thèse :
2023

Résumé : Assurer la qua­li­té du sou­dage tout au long du pro­ces­sus est un véri­table défi en rai­son du grand nombre de para­mètres à prendre en compte (para­mètres de la machine, type de maté­riau, non‐​linéarité du maté­riau, carac­té­ris­tiques géo­mé­triques, etc.), mais éga­le­ment dû à la dépen­dance entre les étapes du pro­ces­sus. Le type de pro­cé­dé de sou­dage qui dif­fère d’une étape à l’autre rend éga­le­ment le pro­ces­sus plus compliqué.

Il s’agit alors d’optimiser les para­mètres de fonc­tion­ne­ment d’un sys­tème. Surveiller et pré­voir la dérive du sys­tème est du domaine du contrôle et de la super­vi­sion. Anticiper la dérive du sys­tème tout en pré­voyant le risque asso­cié à la non‐​conformité est du domaine du contrôle sta­tis­tique avan­cé, qui s’intègre aux tech­niques d’apprentissage sta­tis­tique et auto­ma­tique pour chaque étape du pro­ces­sus. Les outils mathé­ma­tiques sont ceux de la Science de don­nées et de la Statistique asso­ciées au vaste domaine de l’IA.

Mots clés : Méthodes des plans d’expérience (MPE) et plan de cri­blage (scree­ning desi­gn) – esti­ma­tion sta­tis­tique – sur­faces de réponse et méta modé­li­sa­tion – pro­ces­sus aléa­toire et variable qua­li­ta­tive caté­go­rielle et /​ou ordi­nale, pré­vi­sion auto­ma­tique – Monitoring – sta­tis­ti­cal pro­cess control – IA

Date de sou­te­nance pré­vue : Juillet 2023

Encadrement :

Partenaires ou/​et Financeurs : elm.leblanc