Offers

OFFRE DE THÈSE INDUSTRIELLE :

L’industrie 4.0 au service du contrôle et de l’amélioration de la qualité dans l’industrie du textile

Ce sujet de thèse est proposé dans le cadre d’un partenariat entre la Chaire Connected Innovation de l’Université de Technologie de Troyes et Petit Bateau, Troyes. Ce dernier a pour objectif de développer des méthodes scientifiques basées sur l’analyse des données des défauts qualités pour le renforcement du système de contrôle de la qualité au sein de l’unité de production de tricotage de Petit Bateau.

Contexte

La performance d'un système de production est plurielle et multidimensionnelle. Elle doit être évaluée globalement et sur l'ensemble du cycle vie du système et des produits réalisés. Elle intègre non seulement les notions de coût, délais, qualité, mais aussi de flexibilité, (capacité de changement rapide de la planification en cours et/ou modification de l'outil de production), de robustesse (comportement stable vis-à-vis de variations de la demande et d'occurrence des aléas) et d’autres critères tels que la disponibilité des moyens de production (maintenance) et les contraintes énergétiques.

L’objectif est de produire en utilisant au mieux les ressources de l’atelier, de l’usine ou de la chaîne logistique de façon à être réactif face aux évolutions de la demande du ou des marchés. Dans cet optique, les processus de production doivent être aussi flexibles que possible pour pouvoir se réorganiser en termes d’affectation des opérateurs, de réorganisation de l'atelier, de réallocation des capacités, de mutualisation des moyens. Ces objectifs imposent des avancées technologiques au niveau des machines (postes modifiables, modulaires, équipements mobiles), des systèmes de pilotage et d'information (reconfigurables), des compétences disponibles (opérateurs pluri-compétents) et des produits eux même (modulaires, composants réutilisables).

L'enjeu est de permettre une adaptation quasi-temps réel à la demande (agilité), en raccourcissant le délai de mise sur le marché comme la montée en cadence et le temps de cycle. Il s'agit donc de rechercher un avantage concurrentiel orienté sur l'innovation (technologique et organisationnelle) et l'adaptation temps réel aux marchés tout en assurant la meilleure qualité possible.

L’objectif est de développer une démarche scientifique et des outils pour le contrôle et l’amélioration de la qualité des ateliers de production de Petit Bateau en choisissant comme premier cadre d’application l’unité de production de tricotage. Il s’agit, dans un premier temps, d’identifier les sources et des différents défauts et de leur différentes corrélations en se basant sur des approches d’analyse de données en intégrant les différentes étapes du processus de fabrication. Cette première étape permettra de concevoir et mettre ouvre les différentes solutions pour le contrôle et l’amélioration de la qualité en se basant sur les meilleures pratiques de la littérature.

de permettre au système de production de s’adapter aux aléas relatifs à la planification de la production tels que les demandes urgentes (ou les pics de demande) mais également d’intégrer les temps d’indisponibilité liés à la maintenance. Dans ce contexte, il est nécessaire d'ajuster de manière optimale le planning afin d'absorber ces événements aléatoires avec un coût raisonnable et un impact limité en qualité de service.

Ces objectifs devront être atteints dans un horizon de trois ans (thèse de doctorat). Les étapes principales de ce travail de recherche sont les suivantes :

Phase 1 : Réaliser une analyse de l’existant et une étude bibliographique complète sur le sujet (méthodes scientifiques pour le contrôle et l’amélioration de la qualité). Cette phase sera couplée avec une étude de terrain, collecte de données, caractérisation des problèmes et des contraintes particulières de Petit Bateau.

Phase 2 : Exploiter les conclusions de l’analyse de l’existant et proposer des modèles solutions basées sur les meilleures pratiques de la littérature scientifique et industrielle. Adaptation de techniques existantes et/ou développement de nouveaux modèles afin d’intégrer au mieux les différentes caractéristiques du processus de production. Evaluer les performances des modèles choisis.

Phase 3 : Mettre en place et valider les méthodes et outils développés pour l’entreprise (étude de cas grandeur nature). Cette phase permet de tester et d évaluer les solutions proposées sur le terrain.

Phase 4 : Réalisation de projets spécifiques en lien avec le sujet de l’étude et après validation des responsables du projet de thèse. Ces projets auront une durée de quelques jours à quelques semaines et seront mis en place dans l’entreprise. Cette démarche, primordiale, permettra de favoriser la connaissance et l’intégration dans l’entreprise mais permettra également la mise en place de solutions pendant toute la durée du projet doctoral.

Phase 5 : Accompagnement pour le déploiement des différente solution et outils développés durant la thèse.

Mots clés : Industrie textile, Industrie 4.0, Contrôle statistique de la qualité, Analyse de données, Capabilités machine et capabilité processus, Cartes de contrôle.

Profil du candidat :

Le ou la candidat(e) devra être d’un niveau master 2 recherche (ou 5ème année en école d’ingénieurs) et posséder de solides connaissances en analyse statistique et en programmation mathématique et informatique et si possible posséder une culture sur les algorithmes d’optimisation (recherche opérationnelle).

Il devra être motivé pour la recherche et le travail en équipe avec des bonnes capacités relationnelles et rédactionnelles.

Les dossiers de candidature sont à envoyer à : nhan_quy.nguyen@utt.fr, yassine.ouazene@utt.fr et farouk.yalaoui@utt.fr.

Début de la thèse : septembre/octobre 2021

Lieu du stage : Petit Bateau (15 Rue du Lieutenant Pierre Murard, 10000 Troyes) et le Laboratoire Informatique et Société Numérique List3n à l’Université de Technologie de Troyes (anciennement le laboratoire d’optimisation des systèmes industriels LOSI).

References :

M. Greenacre, “Computation of correspondence analysis,” in Correspondance analysis in practice, 2007.

R. L. Strawderman, A. C. Cameron, and P. K. Trivedi, “Regression Analysis of Count Data,” J. Am. Stat. Assoc., 1999.

D. C. Montgomery, Introduction to Statistical Quality Control, Sixth Edition. 2009.

Hajej, Z.; Nyoungue, A.C.; Abubakar, A.S.; Mohamed Ali, K. An Integrated Model of Production, Maintenance, and Quality Control with Statistical Process Control Chart of a Supply Chain. Appl. Sci. 2021, 11, 4192. https://doi.org/10.3390/app11094192

Bahria, N.; Chelbi, A.; Bouchriha, H.; Dridi, I.H. Integrated production, statistical process control, and maintenance policy for unreliable manufacturing systems. Int. J. Prod. Res. 2019, 57, 2548–2570.

Ben-Daya, M. The Economic Production lot-Sizing Problem with Imperfect Production Processes and Imperfect Maintenance. Int. J. Prod. Econ. 2002, 76, 257–264.