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