Offre de thèse CIFRE: Usine du Futur et Big Data

Proposition de thèse CIFRE: Diagnostic et aide à la décision de systèmes de production dans le cadre de l’Industrie 4.0

Entreprise : GE, 24 avenue du Maréchal Juin, 90000 Belfort Cedex

Laboratoire : équipe de recherche OPERA (OPtimisation Et RéseAux), Université de Technologie de Belfort-Montbéliard, Université de Bourgogne Franche-Comté, rue Thierry Mieg, 90010 Belfort Cedex

Mots-clefs: Industrie 4.0, Big Data, Analyse des données évolutives, Indicateurs qualimétriques, Approche Facteurs/Critères/Métriques, Interface logicielle interactive et explicative, Systèmes de production de turbines, Maintenance prédictive.

Société et secteur d’activité

GE est le groupe industriel numérique mondial, qui transforme l’industrie grâce à des machines contrôlées par logiciel et des solutions connectées, adaptées et prédictives. GE s’organise autour d’un échange mondial de connaissance, le « GE Store » (offre de produits GE), au sein duquel chaque activité partage et a accès aux mêmes technologies, marchés, structures et intelligences. Chaque invention nourrit les innovations et les applications dans tous nos secteurs industriels. Fort de ses collaborateurs, ses services, sa technologie et sa taille, GE produit de meilleurs résultats pour ses clients en parlant le langage de l’industrie.

Contexte

Dans le cadre de la démarche « Brillant Manufacturing » ou « Industrie 4.0 », GE cherche à continuer à satisfaire ses clients, en transformant ses moyens de production, par la collecte automatique de données, leurs analyses et traitements, leurs transformations en indicateurs de pilotage et prise de décisions, et sur les capacités nouvelles telles que l’analyse prédictive, les réseaux de neurones, l’intelligence artificielle, …

GE est aujourd’hui confrontée à une grande concurrence en termes de qualité et de performance de ses chaînes de production. Une maintenance maîtrisée et prédictive constitue son fil directeur vers l’objectif de fournir une production de qualité en conservant la viabilité du fonctionnement et la sûreté de fonctionnement. L’optimisation du coût et de la fréquence des interventions de maintenance conduit à mettre en œuvre de nouvelles méthodologies de surveillance intelligentes avec l’objectif de bâtir un système décisionnel à forte composante automatique.

La masse de données importante disponible au sein de l’entreprise est au cœur des enjeux de l'innovation numérique en termes de maintenance prédictive. Par exemple, un tableau de bord basé sur une exploitation statistique des événements de panne, permet une meilleure compréhension des modes d’utilisation des ressources.

Description du sujet

Dans le cadre de l’usine du futur ou industrie 4.0, la scénarisation des chaines de production engendre une perpétuelle dynamique. Le concept de qualité, pris au sens large, est devenu un concept agile. Il suppose une constante adaptation aux changements et aux priorités d’un décideur. À partir de données volumineuses disponibles et souvent inexploitées, Il s’agit de collecter, de filtrer, et d’analyser des données volumineuses disponibles et souvent inexploitées, qui serviront à bâtir un modèle d’indicateurs flexible. Les indicateurs de performance qui restent à définir seront au cœur de la mesure « qualimétrique » pour permettre un diagnostic anticipé et intelligent de l’évolution de l’état d’un système industriel.

Un des objectifs de la thèse est de proposer un modèle visant à établir une taxinomie hiérarchique basée sur la notion de « Facteurs/Critères/Métriques ». Ce type de décomposition est connue de la littérature, comme par exemple dans le domaine du génie logiciel, le modèle de qualité ISO 9126. Le modèle de qualité est défini par un ensemble de vues de l'utilisateur concernant le produit. Chaque vue est décomposée en plusieurs facteurs, et chaque facteur est décomposé en plusieurs critères :

• Les facteurs sont des attributs externes émanant du point de vue de l’utilisateur ;
• Les critères sont des attributs d’un point de vue processus ;
• Chaque critère est défini par un ensemble de métriques.

Ici, l’ambition vise une dimension flexible tenant compte de la notion de scénario. En plus de la définition de tous les indicateurs, il s’agira de déterminer un modèle de processus d'évaluation de la qualité dans un contexte donné à la demande de l’utilisateur. Les analyses croisées sont constamment révisées dans le temps permettant une mise en évidence des corrélations (positives ou négatives) : « Facteurs/Facteurs », « Facteurs/Critères », « Critères/Critères ».

Des expérimentations sur des données réelles permettront d'évaluer l'efficacité de l'approche proposée. Un cas d’étude privilégié pourrait être le domaine de la maintenance et du pilotage des ressources, celles-ci devant être équipées à termes de capteurs autorisant une collecte et une mise à disposition en temps réel de nombreuses données. Un des objectifs appliqués de la démarche serait alors de permettre un diagnostic anticipé et intelligent en matière de maintenance. Toutefois d’autres cas d’études pourront être envisagés, en exploitant la démarche générique développée dans la thèse. La démarche et le modèle développés devront être implémentés sous forme d’un outil logiciel d’aide à la décision. Cet outil devra être évolutif, capable de générer de nouvelles connaissances, et devra être exploitable à terme pour d’autres applications.

Diplômes/expérience :

Cette offre s’adresse aux personnes ayant un diplôme de master ou d’ingénieur en informatique.

Compétences recherchées :

• Informatique : intelligence artificielle, systèmes d’informations, …
• Analyse des données multidimensionnelles

Des compétences complémentaires seraient appréciées en :

• Génie industriel
• Diagnostic et reconnaissance des formes.

Candidature et contact

Les candidats intéressés sont invités à se faire connaître dès à présent à l’adresse ci-après :

marie-ange.manier@utbm.fr

Le dossier de candidature à envoyer à cette adresse devra comporter :

• un CV
• une lettre de motivation,
• un document justifiant du niveau d’anglais

-   une lettre de l'encadrant de stage de master ou de projet de fin d'étude donnant un avis sur le déroulement du stage (peut être fourni dans une second temps)

-   des lettres de recommandation éventuelles

-   pour les candidats ayant suivi un cursus licence-master :

- résultats de licence et master 1 avec classement et taille de la promotion

- résultats obtenus en master 2 avec classement et taille de la promotion ou si le diplôme est en cours les résultats de la partie théorique avec classement

-   pour les candidats ayant suivi un cursus hors master, donner les notes et classements des différentes années de formations et de l'année en cours.