AI-based decision-making in mass-customization industry 4.0 environment: Application to Total Manufacturing Quality 4.0

Le développement des technologies de l'information et de la communication (TIC) a permis à l'industrie manufacturière de subir un changement capital au cours des dix dernières années avec la quatrième révolution industrielle, ou Industrie 4.0 (I4.0). Ce paradigme de fabrication intelligente a élargi les possibilités pour les usines en termes de compétitivité et productivité, notamment concernant les productions sur mesure, un des principaux objectifs de l'I4.0. La Qualité 4.0 (Q4.0), une de ses sous-composantes, attire une attention significative de par son impact sur la production (coût, réputation ...).

Bien que les efforts de recherches aient solidifié ses principaux concepts et définitions, la préoccupation majeure est que la Q4.0 ne soit pas réduite à une simple numérisation des processus qualité existants des anciens paradigmes (TQM). La littérature montre des limites concernant la mise en œuvre effective des approches Q4.0 dans un contexte industriel réel, avec un manque d'adaptation des blocs technologiques (IA, IoT ...) à la collaboration humaine. De plus, peu de travaux sont consacrés à l'intégration de cette approche dans la prise de décision sur le terrain.

Cette thèse est menée en collaboration avec Tardy SAS, une PME spécialisée dans la modélisation et la réalisation de pièces mécaniques sur mesures, avec comme objectifs: 1) l'élaboration d'une classification des non-conformités adaptée à la surveillance en temps réel de l'environnement de production, 2) caractériser un réseau de capteur adapté à travers des choix de conception appropriés et des scénarios de validation, 3) concevoir un module IA pertinent pour l'aide à la décision, avec des scénarios d'évaluation et de validation, 4) proposer une conception et intégration de bout en bout de l'IoT, de l'IA, et de l'humain dans un processus de prise de décision en temps réel avec des métriques adaptées pour la caractérisation du système d'aide à la décision, des mécanismes d'autoapprentissage et d'amélioration continue du système.

Pour ce faire, un framework appelé "Qualité de Fabrication Totale" est introduit, et une application orchestrant les différentes briques technologiques est développée pour aboutir à un système d'aide à la décision de bout en bout pour la qualité de fabrication.