Prise de décision basée sur l'IA dans un environnement de personnalisation de masse Industrie 4.0 : Application à la qualité totale de la fabrication 4.0

L'essor des technologies comme l’Internet des objets industriels (IIoT) et les systèmes cyber-physiques de production (CPPS) a transformé l’industrie manufacturière avec l’Industrie 4.0 (I4.0). Ce paradigme améliore la compétitivité grâce à des capacités de production avancées et permet de passer de la production de masse à la personnalisation de masse (MC), répondant à des demandes individualisées sans augmentation des coûts.Dans ce contexte, la Qualité 4.0 (Q4.0), sous-composante de l’I4.0, attire un intérêt croissant. L’American Society for Quality (ASQ) estime que le coût de la mauvaise qualité (COPQ) peut atteindre 20 à 40 % des revenus d’une entreprise manufacturière. Bien que la transformation numérique soit reconnue comme essentielle, son impact total reste à concrétiser. Sa mise en œuvre rencontre de nombreux défis, notamment dans les environnements à faible volume et forte variabilité, nécessitant une flexibilité accrue des processus et outils de contrôle qualité.Les recherches existantes révèlent plusieurs lacunes pour une mise en œuvre efficace de la Q4.0 :• L’adaptation de la gestion de la qualité aux produits et processus dans un environnement manufacturier complexe.• L’intégration des nouvelles technologies (IA, IoT, capteurs) et leur compatibilité avec les systèmes industriels actuels.• Les défis liés à la collaboration homme-machine dans la prise de décision en temps réel.• L’absence de métriques adaptées et de méthodologies robustes pour l’évaluation des systèmes Q4.0.• Le manque d’études sur les mécanismes d’auto-adaptation et de résilience des systèmes qualité intelligents.La problématique centrale peut être formulée ainsi :Comment développer un système d’aide à la décision de bout en bout, auto-apprenant et auto-adaptatif, basé sur l’IoT et l’IA, pour assurer une qualité totale de la fabrication dans un environnement complexe et variable ?Notre travail vise à concevoir et développer un système d’aide à la décision pour la qualité totale de la fabrication en répondant aux défis identifiés, avec les objectifs suivants :1. Élaborer une classification des non-conformités adaptée au suivi en temps réel, couvrant à la fois la qualité des produits et des processus dans un contexte de personnalisation de masse (MC).2. Définir et valider un réseau de capteurs (SN) optimisé pour la surveillance de la qualité, en tenant compte des choix technologiques et des scénarios de validation.3. Développer un module IA pertinent pour la prise de décision, garantissant une qualité des données dès la conception et défini par des méthodologies d’évaluation robustes adaptées aux environnements industriels.4. Intégrer l’IoT, l’IA et l’intervention humaine dans un processus de prise de décision en temps réel, incluant : o Des métriques adaptées pour évaluer le système d’aide à la décision (DSS).o Des mécanismes d’auto-apprentissage et d’amélioration continue du système.o Une interaction fluide entre l’automatisation et les opérateurs pour une adoption efficace en milieu industriel.Ces objectifs structurent le développement d’une solution intégrée combinant analyse IA, surveillance par capteurs et expertise humaine pour optimiser la gestion de la qualité. La solution est conçue pour s’intégrer efficacement aux systèmes de production, en prenant en compte les interactions avec les opérateurs.Enfin, la solution finale est déployée sous forme d’une application web sur le terrain, couvrant l’ensemble du cycle de vie du système d’aide à la décision, avec des scénarios d’évaluation en conditions réelles.