Soutenance d’HDR de Mathieu RITOU (équipe RoMaS)

Mathieu Ritou, maître de conférences de l’Université de Nantes et enseignant-chercheur au sein de l’équipe RoMaS du LS2N, soutiendra son habilitation à diriger des recherches intitulée « Contribution au Smart Manufacturing : application en usinage »

mardi 28 septembre 2021 à 14h, depuis l’amphi A-1/10 de l’IUT la Fleuriaye, à Carquefou.

La soutenance sera retransmise à l’adresse suivante : https://univ-nantes-fr.zoom.us/j/98472137577

Composition du jury :
– Benoit Iung, Rapporteur, Professeur des Universités, Université de Lorraine – CRAN
– Henri Paris, Rapporteur, Professeur des Universités, Université Grenoble Alpes – GSCOP
– Christophe Tournier, Rapporteur, Professeur des Universités, ENS Paris Saclay – LURPA
– Alain Bernard, Examinateur, Professeur des Universités, Centrale Nantes – LS2N
– Hélène Chanal, Examinatrice, Maître de conférences HDR, SIGMA Clermont – Institut Pascal
– René Mayer, Examinateur, Professeur, École Polytechnique de Montréal – LRFV, Canada
– Benoit Furet, Dir. de recherche, Professeur des Universités, Universités de Nantes – LS2N
– Virginie Charbonnier, Invitée, Responsable projets R&T usinage, Airbus Operations

Résumé :
Dans les usines modernes, d’importants volumes de données sont générés durant la production, mais ils restent souvent inexploités. La fabrication intelligente, ou Smart Manufacturing, vise ainsi à exploiter ces données captées pendant le processus de fabrication. Il s’agit là d’un levier majeur de l’Usine du Futur, pour améliorer la performance des entreprises.
Nous avons été parmi les précurseurs du développement du monitoring en usinage et de la collecte de données en temps réel lors de productions dans l’industrie. Les données étant complexes, il a été nécessaire de développer des méthodes de fouilles de données adaptées aux spécificités des procédés de fabrication. Par rapport aux approches classiques d’extraction de connaissances à partir des données, une originalité développée a été d’intégrer également des connaissances métier dans ce processus d’analyse des données afin de l’améliorer. La combinaison d’Intelligence Artificielle et de connaissances en fabrication est une solution innovante et prometteuse. L’approche proposée associe ainsi l’intégration de connaissances en fabrication (par des critères de monitoring basés sur des modèles mécaniques et des règles métier) et des apprentissages non-supervisés (par modèles de mélange gaussien).
Il en résulte un système d’aide à la décision, permettant de fouiller automatiquement les données complexes et massives qui sont collectées lors d’usinages industriels, et de transmettre des KPI répondant spécifiquement aux besoins des différents services de l’entreprise (méthodes, qualité, maintenance…).
Par ailleurs, en usinage à grande vitesse, de nombreux défauts sur les pièces résultent de problèmes vibratoires. Aussi, une approche complémentaire par simulations numériques a été développée pour une meilleure maîtrise du comportement vibratoire en usinage. Afin d’expliquer l’évolution complexe des modes à hautes vitesses de rotation, un modèle vibratoire de broche a été proposé suivant une approche phénoménologique fine. Il repose notamment sur des modèles analytiques de montages de roulements préchargés, ainsi que sur le développement d’un excitateur électromagnétique de broche qui a permis d’observer l’évolution du comportement vibratoire en fonction des conditions opératoires, telles que la vitesse de rotation ou l’usure de la broche.
Ces travaux interdisciplinaires sur le Smart Manufacturing contribuent ainsi au développement des technologies de l’Usine du Futur. L’exploitation des données collectées en cours de fabrication et les apprentissages automatiques sont des éléments clé de jumeaux numériques. Ils permettront une meilleure maîtrise de la qualité et une amélioration du processus de fabrication, grâce à des machines intelligentes et connectées.