DESCRIPTION

Contexte et problème à résoudre
Dans un contexte de pénurie de main d’œuvre généralisée dans l’industrie manufacturière, les entreprises cherchent de plus en plus à intégrer l’intelligence artificielle de façon collaborative avec leurs employés actuels dans le but d’augmenter leur capacité concurrentielle. Par exemple, la vision par ordinateur peut être employée pour assister les opérateurs en détectant des erreurs de manipulation, comme le mauvais choix d’un outil de coupe dans une machine-outil à commande numérique (CNC). En effet, si ces machines ont généralement des magasins permettant un changement automatique d’outils, elles ne sont pas en mesure de confirmer si elles ont été chargées avec les bons outils, ce qui peut entraîner des bris de pièces à l’usinage et l’arrêt complet d’une chaîne de fabrication.

C’est le problème auquel l’entreprise SECM-GT aimerait répondre dans le cadre de ce projet. En implantant un système d’identification automatisé des outils à une de ses cellules d’usinage, l’entreprise souhaite détecter le plus tôt possible ce genre d’erreurs de manipulation et ainsi éviter des retards de production. De plus, l’identification des outils devra être le moins intrusif possible, par exemple en reconnaissant les outils par la vision. En effet, il est difficile, voire impossible, d’instrumenter ces outils sans altérer leur performance, et le système ne devrait pas gêner les opérateurs dans leurs tâches de manipulation.

Tâches et thèmes de recherche
Vous devrez tout d’abord évaluer différents types de capteurs sans contact (vision, LIDAR, etc.) selon leur capacité à répondre au problème et leur applicabilité au domaine manufacturier. Ensuite, vous devrez concevoir un algorithme permettant de détecter et identifier différentes classes d’outils et répondre en temps réel si l’outil correspond bien à celui associé au procédé de fabrication en cours. Pour cela, vous devrez explorer l’état de l’art des algorithmes de classification en vision par ordinateur, en apprentissage machine et réseaux de neurones profonds. Comme le projet se déroule en collaboration avec l’entreprise SECM-GT, vous travaillerez avec des outils et des données de fabrication provenant de procédés d’usinage réels.
 

Démarrage : flexible, Durée : 2 ans, Lieu de travail : 3IT (IntRoLab) et au moins 20 % du temps chez SECM-GT (répartition flexible)
Pour de plus amples informations, veuillez contacter : François Ferland, Département de génie électrique et informatique, [email protected]