Mohammad Ali NEMER : "Détection des défaillances pilotée par l'IA et intégration sémantique dans la fabrication intelligente"

Résumé : Cette thèse développe des solutions d'IA efficaces pour la détection de défauts dans l'IoT industriel dans la fabrication automatisée en abordant trois obstacles critiques : les modèles d'apprentissage profond nécessitant des ressources excessives pour les dispositifs périphériques, les flux de données hétérogènes empêchant l'analyse unifiée, et les goulots d'étranglement de création manuelle d'ontologies qui ralentissent la mise en œuvre de l'Industrie 4.0. La recherche introduit trois innovations méthodologiques : un algorithme d'échantillonnage prioritaire basé sur les caractéristiques léger pour une réduction efficace des données, une architecture ResNet modifiée adaptée à la classification précoce de séries temporelles dans des environnements aux ressources limitées, et un middleware d'interopérabilité sémantique utilisant la reconnaissance d'entités nommées pour traduire dynamiquement les données entre plusieurs formats. La validation empirique sur des ensembles de données industrielles réelles, y compris la base de données de défauts de machines MaFaulDa, démontre une réduction de 80% des besoins en stockage et transmission de données, des temps d'entraînement de modèles 25-30% plus rapides, et une précision de classification maintenue, permettant un déploiement réussi sur des dispositifs périphériques et IoT à capacité computationnelle limitée. En intégrant les capacités de détection de défauts avec le middleware d'interopérabilité sémantique, la recherche réduit à la fois les surcharges de données et d'intégration tout en améliorant la résilience et l'adaptabilité des systèmes Industrie 4.0, permettant une analyse unifiée à travers des flux de données industrielles hétérogènes et facilitant la détection de défauts inter-systèmes précédemment entravée par les processus d'intégration manuels.

Composition du jury : 

Abdallah MAKHOUL Professeur Université Marie et Louis Pasteur Directeur de thèse
Abdelhafid ABOUAISSA Professeur Université de Haute-Alsace Rapporteur
Hamamache KHEDDOUCI Professeur Université Lyon 1 Rapporteur
Joe TEKLI Associate Professor Lebanese American University Examinateur
Joseph AZAR Professeur Université Marie et Louis Pasteur Co-encadrant de thèse
Salima BENBERNOU Professeure Université Paris Cité Examinateur

Localisation : Université Marie et Louis Pasteur UFR STGI 4, Place Lucien Tharradin 25200 MONTBELIARD - salle Amphithéâtre B