Encadrement France : Marc Zolghadri, Zohra Cherfi-Boulanger (Prof. UTC)
Encadrement Tunisie : Mohamed Haddar (Pr), Maher Barkallah (MCF)
Sujet
De façon générale, les systèmes de production doivent être pilotés pour atteindre des objectifs de performance. Ces performances peuvent être composées des traditionnelles trio de coût-qualité-délai ; mais elles peuvent être plus complexes faisant appel à des dimensions écologique ou humaine.
L’avènement de l’industrie 4.0 met l’accent sur l’utilisation du/des jumeau(x) numérique(s) au sein de l’entreprise et pour tous les processus ; elle s’appuie très fortement sur l’utilisation des robots. L’une des particularités de ces modifications profondes des systèmes de production est liée à la disponibilité de données en très grande quantité. Une autre particularité est liée au fait que ces modifications nécessiteront d’importants investissements avant d’être en mesure de générer des bénéfices réels. Le pilotage de l’industrie à l’ère du digital requiert donc la prise en compte de ces deux spécificités.
L’objectif de cette thèse est de reprendre les concepts liés à la mesure et évaluation de performance, et de les inclure dans une boucle de pilotage pérenne (en y intégrant la disponibilité massive de données) pour l’industrie « hyper-digitalisée ». Il s’agira d’identifier des techniques adéquates permettant :
- de procéder à des mesures de performances sur le processus réel, et/ou
- d’estimer les performances (par anticipation) sur le jumeau numérique.
Ces mesures/estimations doivent ensuite être utilisées pour la synthèse des meilleures stratégies de pilotage en temps réel, à court et à moyen termes.
Imen Trabelsi
Titre : Proposition de techniques et de méthodologie issues de l’intelligence artificielle pour l’amélioration de la détection et de la prévision d’obsolescence
Directeur de thèse : Marc Zolghadri
Co-encadrants de la thèse : Besma Zeddini (MCF, EISTI, Quartz), Yan Liu (Changchun University, Chine)
Sujet
L’obsolescence, en tant que phénomène touchant à la fois les clients et les fournisseurs mais aussi les consommateurs finaux existe depuis toujours mais elle est restée non ou peu perceptible jusqu’à il y a une 10aine d’années par le grand public. Tous les secteurs industriels n’ont pas la même connaissance sur les impacts d’obsolescence dans la gestion des flux mais aussi par exemple la trésorerie. L’obsolescence a été très largement étudiée par les industriels des secteurs aéronautique, spatial. Tandis que, la « récente » pénétration de nouvelles technologies (logiciels et produits) dans des secteurs tels que l’automobile ou la domotique crée de réels défis commerciaux, techniques et scientifiques. A l’instar de ces nouveaux secteurs impactés par l’obsolescence, les mutations de l’automobile dans sa variété électrique, autonome, hybride et même dans ses versions classiques conduisent ce secteur, comme tant d’autres, à l’obligation cruciale de résolution de problèmes qu’elle génère.
L’obsolescence peut alors être étudiée selon deux points de vus complémentaires à savoir la gestion de l’obsolescence et la conception de produits résilients à l’obsolescence. Cette thèse se focalise sur le premier aspect et plus précisément sur la prévision d’obsolescence. Le peu de travaux qui décrit des techniques de prévisions est focalisé sur le nombre de produits vendus, modélisé comme un processus aléatoire. Une période d’obsolescence est alors définie en considérant l’écart-type et la moyenne des ventes. Cette technique présente de nombreuses lacunes puisqu’elle s’appuie uniquement sur la vente ; les caractéristiques fonctionnelles ou les avancées technologiques indépendamment du produit considérées ne sont pas considérées.
Il est donc nécessaire de procédure à une analyse approfondie du produit selon une approche système dans le cadre d’une méthodologie à définir dans la thèse. Par la suite, la thèse devra mettre au point/adapter/proposer de techniques modernes de l’Intelligence Artificielle pour prédire aussi précisément que possible l’occurrence d’une obsolescence.
Le domaine d’application privilégié de la thèse sera le domaine d’automobile, mais selon les possibilités pratiques de l’étude, d’autres domaines peuvent également être envisagés (smartphones).
Parmi les outils pressentis, le data-mining est le plus adéquat. Il s’agit d’un ensemble de techniques qui permet de collecter et capitaliser une importante quantité de données brutes, pour en extraire de façon automatique ou semi-automatique, supervisée et non supervisée, des connaissances ou des informations pertinentes et inexploitées auparavant en vue de servir de système de prévisions liées à l’obsolescence possible impactant le produit.