Problématique
Développement d’un réseau de neurones en charge de la détection d’anomalies à partir des données d’une machine laser d’impression 3D.
Contexte
Dans le cadre de la fabrication additive pour l’industrie 4.0, le dépôt de matière sous forme de poudre ou de fil par laser à énergie directe (DED) se distingue des autres procédés de fabrication additive par sa polyvalence, notamment sur les surfaces de forme libre. Le plus grand effort est déployé pour le développement du processus et surtout l’optimisation des paramètres car ces derniers sont très coûteux. Tout retard et écart dans le contrôle entraine des instabilités et par la suite des possibilités de défauts qui se forment sur des couches différentes. Une petite déviation ou défaut sur la couche n peut entrainer un défaut sur la couche n+1, n+10 ou même n+100 en particulier sur des grands composants fabriqués de plus qu’1 m.
L’objectif du stage est la conception d’un modèle d’IA avec des données d’images qui apprend durant la fabrication. Ce modèle pourra être déployé par la suite pour alerter et aider les opérateurs, durant le process de fabrication, à prendre des actions correctives rapidement et d’éviter les défauts. Ce stage va permettre de poser les bases technologiques d’une thèse qui devrait démarrer en septembre 2022.
La mission aura lieu sur 6 mois, entre février et août 2022, et se déroulera au sein d’IREPA LASER sous la direction d’IREPA LASER. Il sera encadré par Jonathan FRECHARD d’IREPA LASER et Grégoire CHABROL de l’équipe enseignant chercheur de l’ECAM Strasbourg-Europe.
Votre mission
L’objectif du stage est de mettre au point une application permettant de déterminer la qualité d’une fabrication additive avec l’imprimante laser à partir de capteurs vidéo et d’autres capteurs de mesure ; c’est-à-dire être capable de déterminer automatiquement si l’impression est bonne ou si elle contient des défauts.
Pour ce faire vous disposerez des données suivantes :
- Vidéo captée par une caméra latérale qui filme le procédé d’impression 3D,
- Vidéo captée par une caméra coaxiale au faisceau LASER,
- Des données des capteurs (axes machine, moteurs, amenée de matière, puissance LASER, …) de la machine.
Parmi les approches possibles, deux pistes sont envisagées :
- La mise en place d’un réseau de neurones multi-classification qui serait chargé de détecter directement les défauts d’impression sur les images,
- Coupler deux algorithmes d’aide à la décision pour générer des explications plus fiables pour le processus.
Les principales étapes du projet, en plus de l’étude bibliographique, sont :
- Comprendre le fonctionnement de la fabrication additive avec la machine laser,
- Contribuer à un processus de sauvegarde et de capitalisation des données générées par la machine pour capitaliser sur la compréhension du processus,
- Écrire un plan d’expérience afin d’obtenir les données nécessaires à la mise en place du réseau de neurones,
- Analyse et pre-processing des données (nettoyage des données, labellisation, …),
- Construire un réseau de neurones permettant d’apprendre à partir du flux d’image le process puis de classifier des nouvelles images en deux catégories (fabrication nominale, perturbation),
- Intégration de l’application d’analyse de qualité à une Application Web permettant à l’opérateur un suivi de l’impression,
- Optimisation de l’application pour permettre une analyse en temps réel,
- Analyse et post-traitement des données classées venant de situation de fonctionnement non optimal pour labelliser ces images avec les différents défauts possibles par les experts de la fabrication additive,
- Construire un nouveau réseau de neurones permettant de classer le flux des données images en plus de deux catégories correspondant aux différents types de défauts identifiés précédemment par les experts.
Les livrables comprennent :
- Un état de l’art,
- L’application d’analyse de qualité de l’impression,
- Une démonstration impliquant la mise en production de l’application sur la machine pour test en conditions réelles,
- Un document de conception (en anglais),
- Rapport de Master/Fin d’étude.
Ils pourront être adaptés selon l’évolution du projet.
Votre profil
L’offre s’adresse à un étudiant en M2, ou dernière année d’école d’ingénieur avec de fortes compétences en informatiques, et notamment en Python.
Des connaissances sur les réseaux de neurones, le traitement et l’analyse d’images sont un plus.
Lieu de travail et salaire
IREPA LASER
Salaire : 570€/mois approximativement pour une durée de 6 mois
Superviseurs
Encadrement technique : Jonathan FRECHARD, IREPA LASER
Co-encadrement scientifique : Grégoire CHABROL, ECAM Strasbourg-Europe
Contact
Vous pouvez contacter directement et pour plus de renseignements ou pour candidater en envoyant votre CV, une lettre de motivation et vos relevés de notes de Licence et Master.
