Thèse soutenue

Prédiction/classification de la qualité d'un système de production sous incertitudes par la méthode des machines à vecteurs supports (SVM)

FR  |  
EN
Auteur / Autrice : Wahb Zouhri
Direction : Jean-Yves DantanLazhar Homri
Type : Thèse de doctorat
Discipline(s) : Génie industriel (AM)
Date : Soutenance le 10/12/2020
Etablissement(s) : Paris, HESAM
Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)
Partenaire(s) de recherche : Laboratoire : LCFC - Laboratoire de Conception, Fabrication et Commande. Metz
établissement de préparation de la thèse : École nationale supérieure d'arts et métiers (1780-....)
Entreprise : ThyssenKrupp
Jury : Président / Présidente : Jean-Marc Linares
Examinateurs / Examinatrices : Jean-Yves Dantan, Lazhar Homri, George Liberopoulos, Rikard Soderberg, Nabil Anwer, Xavier Gendre, Hind El Haouzi
Rapporteurs / Rapporteuses : George Liberopoulos, Rikard Soderberg, Nabil Anwer

Résumé

FR  |  
EN

Avec l'émergence des techniques d’IoT, les industries manufacturières adoptent de nouvelles technologies d'analyse de données afin d’améliorer la qualité de leurs systèmes de production. Les méthodes de classification offrent diverses solutions aux problèmes de management de la qualité, comme la détection des défauts et la prédiction de la conformité. Cependant, les données de production sont entachées d’incertitudes qui affectent les performances de ces méthodes. Ces travaux visent à étudier l'impact des incertitudes de mesure sur les performances des machines à vecteurs supports (SVM). Deux groupes d'approches sont proposés, le premier visant à quantifier l'impact des incertitudes de mesure sur la précision de prédiction des SVM via des techniques de propagation d’incertitudes et d’analyse de données, et le second visant à améliorer la robustesse de la SVM via des approches d’optimisation robuste intrusives et non intrusives. Les différentes approches permettent de mieux appréhender la robustesse de la SVM et la manière de l'améliorer. Ces approches proposées ont été évaluées à l'aide d'études de cas avec des partenaires industriels.