Le département Génie Mathématique et Industriel (GMI) développe des projets de recherche en optimisation, modélisation et analyse des systèmes complexes, en partenariat avec des acteurs académiques et industriels. Ces travaux visent à améliorer les performances industrielles, logistiques et énergétiques en intégrant des approches innovantes en intelligence artificielle, simulation et prise de décision. Cette page présente les projets et collaborations du département.

Projets actuels

IA pour Détection des Anomalies de Précision

Partenariats d’innovation AURA financé par la Région

Dans ce projet, nous envisageons de développer une preuve de concept reposant sur des algorithmes d’intelligence artificielle dédiés à l’analyse d’images, dans le but de détecter des anomalies visuelles dimensionnelles de l’ordre de quelques microns, grâce à une IA opérant à l’échelle du pixel. Le projet comprendra une phase de conception, de construction et de réalisation d’un banc d’essai permettant de valider les performances du système dans des conditions représentatives de son futur environnement industriel.

Le système reposera sur l’utilisation d’une caméra haute résolution couplée à un objectif de précision, d’un PC industriel performant pour le traitement des données, et d’un convoyeur permettant la prise d’images en conditions réelles de production. Une phase de développement scientifique des algorithmes sera menée afin d’optimiser la précision et la robustesse du modèle. Les algorithmes développés seront ensuite embarqués dans l’ensemble machine (convoyeur + caméra + PC) pour tester leurs performances en temps réel, avec un flux de pièces continues, dans une logique d’apprentissage et d’adaptation constante. Afin d’assurer le transfert et la valorisation des résultats, le projet s’appuiera sur les plateformes industrielles de l’École des Mines de Saint-Étienne. La plateforme IT’M Factory sera mobilisée pour le développement des algorithmes, la mise en place du banc d’essai et l’optimisation du système.

L’intelligence artificielle envisagée sera de type non supervisé, capable d’auto-apprentissage, avec une configuration adaptable à différents types de pièces. L’objectif est d’atteindre une précision de détection au niveau du pixel, tout en garantissant une robustesse face à la variabilité naturelle des pièces usinées, et en facilitant l’intégration industrielle du système.

Dates

  • Octobre 2025 – octobre 2026

Partenaires

  • Liaison R&D

Contact

Mots clef ou thématiques

Détection d’anomalies, IA non supervisée, Précision micrométrique, Vision industrielle.

Objectif de Développement Durable

Remanufacturing and Circular Economy Logistics

Le projet ReCircle (Remanufacturing and Circular Economy Logistics) vise à proposer des outils d’optimisation dans le contexte d’une chaine logistique pour le remanufacturing, en adressant plusieurs niveaux.

  • L’optimisation dynamique du système de réhabilitation des produits, qui arrivent dans des lots de volumes et de compositions incertaines, et pour lesquels les gammes opératoires sont découvertes au fur et à mesure du retraitement des pièces, ce qui restreint la visibilité sur les opérations à venir et donc augmente la charge cognitive (stress) sur les opérateurs.
  • L’optimisation dynamique des tournées de collecte et de livraison des pièces à retraiter, ainsi que le lien avec le stock de chaque site de retraitement. En effet, lorsqu’une pièce ne peut être réparée, ses composants peuvent être stockés, soit pour un usage futur, soit pour être envoyés vers un autre site ayant la compétence pour traiter la pièce. Cela amène une charge élevée en terme de gestion de niveaux de stock sur des familles produits différentes. Il est donc important que les pièces soient enlevées le plus tôt possible pour ne pas surcharger la zone de stockage d’un site, sans toutefois multiplier des tournées ce qui pourrait avoir un impact environnemental négatif.
  • L’optimisation du problème intégré, sous sa forme proactive, prenant en compte simultanément l’ordonnancement du système remanufacturier – en tenant compte d’un niveau de connaissance sur les opérations à réaliser, et les tournées des véhicules visant à alimenter les stocks de produits à réhabiliter;
  • L’optimisation dynamique du problème intégré, permettant de définir les bases d’un outil d’optimisation pouvant être intégré dans un jumeau numérique.
  • L’intégration des modules d’optimisation conçus au sein d’un jumeau numérique, afin de réaliser une preuve de concept de l’applicabilité des méthodes et modèles développés dans le cadre d’une chaine logistique orientée remanufacturing.
Un projet labélisé Minalogic

Dates

  • 16/03/2026 – 15/03/2030

Partenaires

  • Mines Saint-Étienne (laboratoire LIMOS),
  • Université Clermont Auvergne (laboratoire LIMOS),
  • IMT Nord Europe (laboratoire CERI-SN)

Contact

  • Participants
    Xavier Delorme
    Frédéric Grimaud
    Arthur Kramer
    Paolo Gianessi

Mots clef ou thématiques

Détection d’anomalies, IA non supervisée, Précision micrométrique, Vision industrielle.

Objectif de Développement Durable

Le Consortium CIROQUO (Consortium Industrie Recherche pour l’Optimisation et la QUantification d’incertitude pour les données Onéreuses) a été créé dans le but de réunir des partenaires issus de la recherche académique et technologique pour résoudre des problématiques liées à l’exploitation des simulateurs numériques. Parmi ces problématiques figurent la transposition de codes (comment passer de simulations à petite échelle à une grande échelle lorsque seules les simulations à petite échelle sont réalisables), la prise en compte des incertitudes affectant les résultats des simulations, ainsi que la validation et la calibration des codes de calcul à partir de données expérimentales collectées.

Ce projet est né d’un constat simple : les industries utilisant des codes de calcul à grande échelle sont souvent confrontées à des difficultés similaires, malgré la diversité de leurs domaines d’application. Bien que les serveurs de calcul actuels soient de plus en plus performants, la complexité croissante des simulations fait que les temps de calcul sont souvent de l’ordre de plusieurs heures, voire d’une journée. En pratique, cela limite le nombre de simulations réalisables.

Dates

  • 01/12/2020 – 30/11/2028

Partenaires

  • Centrale Lyon,
  • IRSN
  • BRGM
  • Stellantis

Contacts

  • Participants
    • Didier Rullière
    • Tanguy Appriou
    • Charlie Sire 

Mots clef ou thématiques : 

Industrie, mathématiques appliquées, optimisation, incertitude, données onéreuses

Objectif de Développement Durable

Publications

Actualité

Développement d’une solution de Fleet Management System, R&D Booster AURA

Projet de recherche et d’innovation, relatif au développement d’un outil de pilotage et d’optimisation de l’usage de l’ensemble des moyens de transports internes robotisés (notamment flotte hétérogène d’AGVs et AMRs) d’un site.

Le projet étudie la gestion et l’optimisation des véhicules automatiquement guidés (AGV – Automatic Guided Vehicle) ou des robots mobiles autonomes (AMR – Autonomous Mobile Robot) dans les systèmes flexibles de production (FMS – Flexible manufacturing system). Les systèmes flexibles de production (FMS) munis d’AGVs et/ou AMRs font l’objet d’une recherche intensive depuis de nombreuses années de la communauté scientifique internationale.

Dates

  • 01/10/2023 – 30/06/2026

Partenaires

  • ISITEC International
  • MECACONCEPT

Contacts

  • Participants
    • Damien Lamy
    • Arthur Kramer  

Mots clef ou thématiques

  • Industrie, logistique, optimisation

Objectif de Développement Durable

L’objectif visé par le projet est d’accélérer la digitalisation des ateliers de productions et notamment les ateliers des petites structures grâces à plusieurs innovations technologiques majeures (innovations logiciels, électroniques et Telecom). Pour ce projet, des acteurs complémentaires – de l’IIoT au logiciel – se sont regroupés pour développer une solution avec un objectif commun de faire ”simple” et adapté aux PMI. Il s’agit de mettre au point une solution innovante (matériel, logiciel, service) simple à l’usage qui permettra d’accélérer de manière significative la transformation digitale des ateliers industriels de taille moyenne (ateliers de production manufacturière et de conditionnement) en : (1) Diminuant les coûts de mise en œuvre et d’infrastructure (autonomie et simplicité d’accès à la technologie), (2) Diminuant les coûts d’exploitation (Solution As A Service et non investissement), (3) Diminuant les consommations électriques (infrastructure partagée). Solution globale As A Service (logiciel MES 100% cloud et matériel IIoT hybride 5G en rupture technologique avec l’existant), EASY SMART FACTORY permettra de digitaliser un atelier rapidement et en toute autonomie. En fonction de ses besoins, l’industriel configurera les différentes briques de sa solution sur un e-shop puis recevra le matériel. Avec le logiciel interfacé à l’ERP, il disposera de toutes les données temps réel de son atelier qu’il partagera avec ses équipes pour améliorer sa compétitivité.

Dates

  • 03/11/2020 – 26/03/2026

Partenaires

  • Astrée Software
  • Editag
  • Eurécom

Contacts

  • Participants
    • Damien Lamy
    • Ehsan Yadegari 

Mots clef ou thématiques : 

Industrie, digitalisation, optimisation

Objectif de Développement Durable :

L’objectif général de la Chaire est de développer, en liaison étroite entre les Parties, une recherche de niveau international dédiée à la thématique des Jumeaux Numérique pour les Systèmes industriels de Production.

Dans ce cadre, les principaux axes de recherche de la Chaire sont :

  • Développement de méthodes de couplages de modèles de simulation et d’Intelligence Artificielle pour les Jumeaux Numériques.
  • Développement d’une approche pour l’ingénierie de jumeaux numériques : interopérabilité, usage et maintenance.
  • Développement de méthodes de modélisation holistique et d’implémentation rapide de Jumeaux Numériques pour les systèmes de production inter et intra entreprises.

Dates

  • 01/06/2023 – 31/05/2026

Partenaires

Contacts

  • Participants
    • Damien Lamy
    • Xavier Delorme

Mots clef ou thématiques : 

Industrie, digitalisation, optimisation

Objectif de Développement Durable :

Actualité

Conception et pilotage de systèmes de production reconfigurables et durables

Les systèmes de production reconfigurables (RMS) ne sont pas de simples systèmes avec une flexibilité customisée, ils peuvent être une base de développement des systèmes de production durable. L’objectif de ce projet est de mettre en place une méthodologie efficace pour l’intégration des critères de développement durable dans la conception et reconfiguration des RMS. L’approche se base sur le principe de modularité des RMS. Il s’agira de choisir des modules d’équipements à utiliser et d’affecter les opérations de production à ces modules en tenant compte de la demande, des types de produits à fabriquer et des contraintes. Les 3 étapes à considérer sont : la conception, la reconfiguration et le pilotage en temps réel. Nous allons intégrer des critères de développement durables dans les modèles pour les 3 étapes.

Dates

  • 01/01/2022 – 31/12/2025

Partenaires

  • IMT Atlantique
  • Université Aix-Marseille
  • Mines Saint-Etienne
  • ENSAM Metz
  • Automatique & Industrie
  • Kedge Business School

Contacts

  • Participant
    • Damien Lamy

Mots clef ou thématiques

Industrie, reconfiguration, pilotage, optimisation, développement durable

Objectifs de Développement Durable

Publications

Actualité

Interpolation de données multimodales pour des diagnostics intelligents et une inférence – Intelligence appliquée pour la prise de décision dans un système dynamique

Ce projet s’attaque à plusieurs défis scientifiques majeurs.

  • Hétérogénéité des données multimodales : L’intégration cohérente de données issues de différentes modalités, chacune ayant des structures et formats distincts, constitue un défi majeur. Cela nécessite des solutions innovantes pour garantir la compatibilité et la convergence des informations provenant de diverses sources.
  • Apprentissage avec des données limitées : L’obtention de données annotées, coûteuses mais essentielles pour entraîner les modèles multimodaux, est une difficulté critique. Ce contexte met en avant le besoin de développer des approches efficaces dans des environnements où les ressources sont limitées.
  • Robustesse et fiabilité des modèles : La fiabilité des modèles est souvent compromise par les variations et perturbations inhérentes aux environnements industriels. Cela exige des stratégies novatrices pour garantir des performances stables et cohérentes, même en présence de conditions changeantes.

Ce projet propose de relever ces défis pour améliorer la prise de décision dans des systèmes dynamiques complexes.

Dates

  • 01/02/2024 – 30/09/2025

Contacts

Mots clef ou thématiques

Hétérogénéité des données, modèles multimodaux , diagnostics intelligents, prise de décision

Objectif de Développement Durable

Optimiser les contrôles qualité dans la fabrication de textile à usage médical en exploitant les différentes données disponibles dans la chaîne de production.
Il s’agira tout particulièrement de détecter parmi cet ensemble de données et informations disponibles les éléments permettant de suivre les défauts potentiels se basant sur les causes fondamentales des défauts de production.
L’optimisation de ces contrôles qualité retenus se fera à partir des données disponibles et s’appuiera sur le développement et la mise en œuvre de techniques d’apprentissage statistique et automatique avec le support de l’intelligence artificielle.

Dates

  • 01/09/2024 – 31/08/2025

Contacts

  • Participants
    • Anis Hoayek

Mots clef ou thématiques

Traitement de données, optimisation, contrôle qualité

Objectif de Développement Durable

L’objectif est, à travers le rapprocher de deux PME innovantes de la région AURA ( WIPSIM et InfoDream) et le LIMOS, de travailler à l’interopérabilité et la continuité numérique de leurs solutions SmartWip et Qual@xy et de booster la différenciation concurrentielle de l’ensemble par l’ajout de méthodes de Machine Learning, en vue de commercialiser un nouveau produit permettant une aide à la décision opérationnelle sur les flux de production d’un atelier manufacturier.

Dates

  • 01/10/2022 – 30/06/2025

Partenaires

  • WIPSIM
  • INFODREAM

Contacts

  • Participants
    • Mireille Batton-Hubert

Mots clef ou thématiques

  • Traitement de donnéesinteropérabilité, Machine Learning

Objectif de Développement Durable

L’objectif de cette chaire industrielle CORENSTOCK est de fournir des solutions d’optimisation de l’impact énergétique d’un équipement sur sa chaine de valeurs globale, dans un contexte de transition énergétique, économique et numérique, en considérant chacune de ses phases de vie : conception, industrialisation, utilisation et fin de vie de l’équipement.

Dates

  • 01/01/2021 – 09/10/2025

Partenaire

  • IMT Nord Europe

Contacts

  • Participants
    • Mireille Batton-Hubert
    • Xavier Boucher
    • Damien Lamy

Mots clef ou thématiques : 

Optimisation, ordonnancement multi-lignes, efficacité énergétique

Objectif de Développement Durable

Publications

Actualité