Charbel EL HACHEM : "Automatisation du contrôle qualité et réduction des non conformités en utilisant des techniques de machine learning chez Faurecia Clean Mobility"

Résumé : Les applications de contrôle qualité dans l'industrie automobile sont nombreuses. Les constructeurs automobiles travaillent sur l'automatisation de ces applications et mettent un accent particulier sur la sécurité de leurs processus. Dans cette thèse, la première contribution propose un contrôle automatisé de présence de composants. La méthode proposée permet de déterminer si le composant est présent, absent ou a été remplacé par un autre composant. L'algorithme peut atteindre une précision de 100% avec des tests en conditions réelles.
La deuxième contribution porte sur la classification des cordons de soudure non atteints par les tests d'étanchéité. Cette classification est relative aux aspects externes des soudures. Les images collectées à partir des usines ne sont pas équitablement réparties sur les classes du modèle d'intelligence artificielle. Des techniques d'augmentation de données ont été appliquées pour atteindre un ensemble de données mieux réparti. Dans cette contribution, un algorithme standard d'apprentissage profond appliqué sur des données brutes a été comparé à
des approches d'augmentation de données. L'objectif, défini par l'usine, de 97% de détection des pièces de référence défectueuses a été atteint sur deux soudures. Le défi reste présent sur les deux autres soudures. Dans la troisième contribution, une approche hybride de CNN-Machine Learning Classifier est proposée pour améliorer la précision atteinte dans la seconde contribution. Ce travail présente une nouvelle optimisation pilotée par un modèle atteignant une précision supérieure à 98% lorsqu'elle est appliquée sur un jeu de données de cordons de soudure. Dans la quatrième contribution, les criques de monolithes en céramique sont étudiées. Leur contrôle qualité doit se faire lors de la fabrication de pots d'échappement. Une comparaison entre différents filtres de traitement d'images permettant la détection de l'orientation de la céramique est présentée. Les tests ont été réalisés en appliquant une rotation de la céramique par pas de 5 degrés. Les résultats montrent qu'avec la méthode "canny + hough lines", une précision de 99% est atteinte. Enfin, une Interface Homme Machine (IHM) a été développée et son objectif est de fournir un système Plug & Play aux usines. Cette contribution abordera les étapes à suivre pour déployer une solution numérique : son intégration dans le temps de cycle de l'usine suivant le Système de Gestion du Programme d'Innovation et son architecture.

Composition du jury :

1. Raphaël COUTURIER, Professeur Université, Bourgogne Franche-Comté, Directeur de thèse
   M. Gilles PERROT, Maître de conférences, Université Bourgogne Franche-Comté, Co-directeur de thèse
   M. Sylvain CONTASSOT-VIVIER, Professeur, Université de Lorraine, Examinateur
   M. Stéphane CHRETIEN, Professeur, Université de Lyon 2, Rapporteur
   M. Flavien VERNIER, Maître de conférences, Université Savoie Mont Blanc, Rapporteur

Localisation : Faurecia Clean Mobility Centre R&D CC de Part des Prés 25550 BAVANS