Maha BEN AYED : "La science des données en vue de l’amélioration des performances industrielles dans les PME"

Soutenance à huis clos

Résumé : La science des données offre de nombreux avantages dans divers secteurs, notamment dans le domaine industriel, où elle est essentielle pour l'intégration des entreprises dans l'Industrie 4.0. Les petites et moyennes entreprises (PME) cherchent à rivaliser avec les grandes entreprises en utilisant les nouvelles technologies liées à la science des données, facilitant ainsi leur progression vers la digitalisation et la fabrication intelligente. Cette thèse développe une solution basée sur la science des données pour aider les PME à réaliser des analyses prédictives des systèmes industriels et à optimiser leurs performances. En effet, la production industrielle rencontre souvent des anomalies causant des interruptions et affectant la qualité des produits, ce qui engendre des pertes significatives de temps en maintenance et réduit la productivité. Le cadre méthodologique proposé comprend deux couches principales : une couche de données et une couche métier. La couche de données utilise des méthodes innovantes pour collecter, centraliser, traiter et améliorer la qualité des données, préparant ainsi l'analyse prédictive dans la couche métier dédiée au développement de modèles d'intelligence artificielle pour prédire les anomalies industrielles, telles que les arrêts de machines et les écarts de qualité détectés par des mesures 3D des pièces. Le projet inclut également une interface homme-machine pour gérer les données, signaler les arrêts et afficher les prédictions des machines et des dimensions des pièces. Ce travail est démontré par une étude de cas réelle de collaboration scientifique et industrielle entre l'Institut Femto-ST et la PME française Scoder, dont les solutions déployées ont considérablement amélioré les performances globales de l'entreprise.

Composition du jury :

M. Noureddine ZERHOUNI, Professeur des universités Université Bourgogne Franche-Comté Directeur de thèse

M. Mounir SAYADI Professeur des universités, Ecole Nationale Supérieure d'ingénieurs de Tunis (ENSIT) Rapporteur

M. Moncef SOUALHI Maître de conférences Université Bourgogne Franche-Comté Co-directeur de thèse

M. Raouf KETATA Professeur des universités, Institut National des Sciences Appliquées et de Technologie de Tunis (INSAT), Co-directeur de thèse

M. Abdelkhalak ELHAMI Full professor Institut National des Sciences Appliquées et de Technologie de Rouen, Examinateur

M. Stéphane CHRETIEN Full professor Université de Lyon 2, Rapporteur

Mme Maria DI MASCOLO, Directrice de recherche Laboratoire G-SCOP, Examinatrice

Localisation : Amphithéâtre Emilie du Châtelet, 26, rue de l'Epitaphe, SUPMICROTECH - ENSMM