Approche basée sur les données pour l'optimisation et l'amélioration de la qualité dans l'industrie textile

Data-driven Approach for Optimizing and Improving Quality the Textile Industry

• Auteur / Autrice : Chakib Mecheri
• Direction : Farouk Yalaoui, Nhan Quy Nguyen
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et Sûreté des Systèmes
• Date : Soutenance le 27/09/2024
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Troyes, Aube)
• Partenaire(s) de recherche : Entreprise : Petit Bateau Valton (Troyes)
• Partenaire(s) de recherche : : ANRT (Association nationale de la recherche et de la technologie) - Cifre (Convention industrielle de formation par la recherche)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Informatique et Société Numérique / LIST3N
• Jury : Président / Présidente : Marie-Ange Manier
• Jury : Examinateurs / Examinatrices : Farouk Yalaoui, Nhan Quy Nguyen, Marie-Ange Manier, Amir Nakib, Nathalie Sauer, Amin Chaabane, Yassine Ouazene
• Jury : Rapporteurs / Rapporteuses : Amir Nakib, Nathalie Sauer

Mots clés

Mots clés contrôlés

Analyse des données

Systèmes d'aide à la décision

Industries textiles

Contrôle de la qualité

Mots clés libres

Qualité -- Contrôle

Industries textiles

Systèmes d'aide à la décision

Analyse des données

Quality Control

Textile industry

Decision support systems

Data Analytics

Résumé

Ce travail de thèse aborde l'optimisation et l'amélioration de la qualité dans l'industrie textile dans un contexte d’une chaine de la valeur complète. En effet, le processus de production en question englobe toutes les étapes de production allant du tricotage du fil, à l’entreposage du produit fini. Chaque étape de production est caractérisée par des contraintes spécifiques liées à la matière et aux procédés de fabrication. Le travail de recherche s'appuie sur l'analyse et la valorisation des données à travers différentes étapes de création des défauts, afin (1) d’anticiper l’apparition des défauts, (2) d’améliorer leur détection pendant la production et (3) de consolider la qualité post-production.Les principales contributions, reposant sur la valorisation des données de production, incluent la conception d'une méthode pour l'identification des facteurs critiques pour identifier les causes racines de non-qualité, la seconde contribution consiste en l'optimisation de la qualité des processus de production en se basant sur des techniques analytiques telles que la simulation et l'optimisation pour l’affectation des ressources. En outre, cette thèse propose une nouvelle méthode de contrôle à la réception avec un indice de risque-produit basé sur une approche d'apprentissage, fondée sur la valorisation des données.Les perspectives de cette thèse sont multiples : la généralisation des méthodes à d'autres industries, le développement de systèmes de qualité en temps réel plus robustes, et le développement d'un modèle économique pour évaluer la qualité sur toute la chaîne de valeur.

This thesis addresses the optimization and quality improvement in the textile industry within the context of a complete value chain. The production process in question encompasses all stages of production, from yarn knitting, dyeing, and sewing to storage of the finished product. Each stage of production is characterized by specific characteristics and constraints related to the material and manufacturing processes. The research work relies on the analysis and utilization of data throughout the various stages of defect creation to (1) anticipate the occurrence of defects, (2) improve their detection during production, and (3) consolidate post-production quality.The main contributions, based on the valorisation of production data, include the design of a framework for identifying critical factors to pinpoint the root causes of non-quality. The second contribution involves optimizing the quality of production processes (knitting and dyeing) using analytical techniques such as simulation and optimization for resource allocation. Additionally, this thesis proposes a novel incoming control method with a product-risk index based on a learning approach, also rooted in data valorisation.The perspectives of this thesis are manifold: generalizing of methods to other industries, developing more robust real-time quality systems, and creating an economic model to evaluate quality across the entire value chain.