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 :
- Mireille Batton-Hubert : Professeur Mines Saint-Étienne, LIMOS
Partenaires ou/et Financeurs : elm.leblanc
Objectifs de développement durable concernés :

Publications
- La fabrication de ballons d’eau chaude nécessite de multiples processus de soudage. La qualité des soudures est cruciale pour la durabilité du produit. Elle est souvent évaluée par inspection visuelle, chronophage et sujette à l’erreur. Une solution à ce problème est l’utilisation de l’apprentissage automatique qui est une technologie se développant de plus en plus […]
- To identify anomalous subsequences in time series, it is a common practice to convert them into a set of features prior to the use of an anomaly detector. Feature extraction can be accomplished by manually designing the features or by automatically learning them using a neural network. However, for the former, significant domain expertise is […]
- Welding defect detection in the manufacturing of hot water tanks is still often performed by human visual inspection or with the help of classical non-destructive tests such as liquid penetrant. These quality inspection methods can be time-consuming and have an important error rate. As a potential alternative, machine learning algorithms can be employed to automate […]
- In the industry of hot water tanks, welding quality plays an important role in the durability of the final product. Welds are often inspected visually by the operator, which tends to be time-consuming and prone to a high error rate. Machine learning and Deep learning offer solutions for the automation of this task. In this […]
- In the industry of hot water tanks, welding is present in almost all the manufacturing steps. The final product quality is highly dependent on the welding quality. Evaluating this latter from the welding signals has gained considerable interest in the last years due to the development of data acquisition systems and artificial intelligence methods. Welding […]
- Welding fault detection in the industry of hot water tanks remains typically conducted visually or with the assistance of None Destructive Examination, such as X-ray, ultrasound, and penetrant testing. However, this leads to high consumption of time and resources. We propose in this paper a two-level method for automatic welding defect detection and localization. The […]
- In the manufacturing of hot water tanks, welding quality evaluation and fault detection is a critical operation that is still frequently conducted visually or with the help of none destructive tests, which can generate a high consumption of time and resources. To overcome this problem, many methods have been proposed for defect detection based on […]
Actualité
- Le 07 septembre 2023, Amine Melakhsou, doctorant au laboratoire LIMOS, a brillamment soutenu sa thèse de doctorat intitulée : « Apprentissage statistique et automatique pour la détection des défauts de soudures : application à la fabrication de ballons d’eau chaude … Lire la Suite →
- Ce jeudi 8 juin, l’Institut Fayol avait le plaisir de participer à un séminaire scientifique entre les Ecoles de l’Institut Mines-Télécom et le Groupe Michelin. Cette rencontre qui s’est déroulée au siège de Michelin à Clermont-Ferrand était bien évidemment axée … Lire la Suite →
- L’Institut Fayol de Mines Saint-Etienne bien représenté dans les réseaux de l’IFIP (International Federation for Information Processing) Cette année encore, Khaled Medini, chercheur à l’Institut Henri Fayol, IMT, membre du laboratoire LIMOS a poursuivi son implication, commencée il y a … Lire la Suite →