THESE SOUS CONVENTION CIFRE
DEL FIJA GROUP, la Croix Rouge, 35530 BRÉCÉ
Eric Champion – Directeur de l’Innovation Industrielle et Produits
Arts et Métiers ParisTech – École Nationale Supérieure d’Arts et Métiers
Laboratoire LAMPA, équipe Présence & innovation
Directeur : Pr Simon RICHIR
Mots clés = scan 3D, processus industriels, conception, réalité augmentée, machine learning
CONTEXTE
L’une des principales activités de DEL est la fabrication de liners : le liner est le revêtement intérieur de la piscine qui assure à la fois son étanchéité et son esthétisme. Il est réalisé par l’assemblage de plusieurs bandes de PVC qui sont découpées et soudées entre elles. Pour épouser au mieux le bassin, le liner doit être réalisé sur mesure. La confection du liner est faite en usine. Les grandes étapes de production d’un liner sont la réalisation des plans de découpe, la découpe et l’assemblage des pièces découpées par soudure haute fréquence.
La problématique réside aujourd’hui dans la prise de cote, qui est la pierre angulaire du processus actuel, car de manière triviale, si cette étape est mal faite, le liner ne s’ajustera pas à la forme du bassin ou bien ne sera pas réalisable en raison d’incohérences dimensionnelles. Aujourd’hui, la prise de cotes est réalisée manuellement avec un mètre ruban, cette opération pouvant prendre de 10 minutes à une heure à deux personnes, selon la forme du bassin. Pour aider à la prise de cote, les fabricants de liners proposent des formulaires de renseignements, mais l’opération reste fastidieuse et ne couvre que les configurations les plus courantes. Dans de nombreux cas, le client doit faire son propre formulaire ou effectuer une triangulation pour des formes courbes complexes.
C’est dans ce contexte que l’entreprise souhaite étudier de nouvelles possibilités afin d’améliorer son processus de conception, sur un axe à la fois méthodologique et organisationnel et a souhaité évaluer les apports potentiels des technologies émergentes telles que la réalité augmentée et le scan 3D qui semblent fournir des éléments de réponse pertinents.
OBJECTIFS
Si le scan 3D permet d’obtenir une représentation 3D fidèle en nuage de points du bassin, l’exploitation de ce scan est très complexe et remet en cause les processus actuels. Il ouvre des perspectives très intéressantes en termes de gain en qualité, de diminution importante des temps requis au bureau d’étude pour valider les dimensions et générer le patron qui alimentera l’ordre de fabrication. L’usage des nouvelles technologies numériques remet en question les métiers, les organisations et les processus.
La question de recherche est donc la suivante : comment définir un modèle technologique et organisationnel permettant l’acquisition par scan 3D d’une forme concave de grande dimension pour générer de manière automatique le patron et l’ordre de fabrication associé ?
De nombreux travaux scientifiques portent sur les différentes méthodes d’acquisition 3D d’objets [1] ou de lieux, sur la prise de cote dynamique ou sur l’exploitation dynamique des nuages de points. Les différentes approches de scans dynamiques utilisant le SLAM [2] avec exploitation des nuages points éparses comme ARCore [3] ou ARKit [4], ou combinant SLAM et Cameras de profondeur comme TANGO [5] permettent d’exploiter le potentiel de la réalité augmentée pour scanner l’existant [6]. La photogrammétrie, devenue très accessible [7] a un important potentiel dans les processus de reconstruction 3D mais manque de précision sur la mise à l’échelle des surfaces reconstruites et sur les points caractéristiques visibles sur les maçonneries lisses par exemple. Des moyens de scans de type Lidar[8] génèrent des nuages de points denses qu’il faut ensuite exploiter. Différentes approches de segmentation sont explorées par DEL pour transformer ces nuages en zones séparées qui permettront ensuite d’être utilisées pour le patronage. On peut noter les approches de segmentations géométriques comme « RANSAC » ou « Region Growing »[9] ou des approches basées Deep Learning [10]–[12] permettant l’annotation et la segmentation couplées à des approches semi-automatiques de génération du dessin 3D qui ont fait leur preuve dans le secteur de la construction [13]. La segmentation sémantique est un point clé de notre problématique dans la mesure où des contraintes liées aux matériaux sur chaque partie du patron devront être introduites pour des opérations de fabrication et la trop grande précision de ce patron devra également être gérée pour éviter la « sur-qualité » ainsi que des développés non fabricables sur les lignes de production.
La transition numérique dans les PME a fait également l’objet de beaucoup d’études (e.g., [14], [15]), certaines montrant la timidité des entreprises [16] dans cette transition, d’autres montrant la nécessité de s’appuyer sur des architectures agiles [15]. Cette transformation impacte les organisations des PMEs et la perception de leurs performances [14][17], [18][19], remettant potentiellement en question la structuration interne d’une entreprise Les personnes sont évidemment centrales dans cette mutation, car elles doivent acquérir de nouvelles compétences numériques [20]. Pour autant, la majeure partie des travaux actuels sont davantage axés sur l’innovation et sur les moyens d’acquérir de nouveaux marchés.
Peu sont consacrés à la transformation d’une partie du savoir-métier et son impact fin sur l’organisation de l’entreprise.
Cette thèse vise donc à apporter de nouvelles connaissances à l’entreprise sur un axe technologiques pour lui permettre d’acquérir une avance concurrentielle, tout en considérant et en anticipant les conséquences organisationnelles.
ORGANISATION DES TRAVAUX DE RECHERCHE
Le plan de travail se découpe en 6 phases, avec des pré-requis théoriques et techniques destinés à mettre en oeuvre des briques technologiques qui seront éprouvées au moyen d’études expérimentales, ces dernières permettant de publier scientifiquement l’avancée des travaux. La dernière expérimentation permettra de comparer le processus actuel au sein de l’entreprise et le processus proposé, afin d’en mesurer les gains et les perspectives d’évolution. Elle sera précédée d’une analyse de l’impact sur l’organisation, et devra s’appuyer ici sur les recherches d’une partie de l’équipe centrées sur l’impact de l’innovation sur le fonctionnement de l’entreprise.
Présentation synthétique :
1. Définir un modèle de chaîne numérique continue et automatisée de l’acquisition d’un bassin en 3D vers l’ordre de fabrication du liner associé ;
2. Proposer et évaluer expérimentalement une méthode de traitement d’un nuage de points permettant d’obtenir une enveloppe de ce nuage de points ;
3. Proposer et évaluer expérimentalement une méthode de calcul du patron en tenant compte des contraintes métier de l’entreprise ;
4. Développer un prototype et proposer un processus complet d’après le modèle théorique et les apports des étapes des précédentes ;
5. Proposer un processus organisationnel intégrant les composantes technologiques ;
6. Valider expérimentalement in situ le processus proposé.
Connaissances requises
Le candidat doit être à l’aise avec le plus grand nombre possible d’éléments suivants :
• Compréhension des processus industriels
• Informatique, programmation
• Modélisations numérique, nuages de points
• Mathématiques appliquées
• Des connaissances en Intelligence Artificielle serait un plus
Informations générales
• Lieu de la Thèse : Laval – Brécé
• Date de démarrage souhaitée : octobre 2019
• Durée du contrat : 3 ans
• Date limite de candidature : 30 Septembre 2019
Comment postuler ?
Le candidat doit envoyer, à Simon Richir (simon.richir@ensam.eu) et Eric Champion (eric.champion@del.fija-group.com) les éléments suivants :
• CV
• Lettre de motivation
• Lettre de recommandation (non obligatoire mais apprécié)
• Liste de publications (le cas échéant)
BIBLIOGRAPHIE
[1] S. Giancola, M. Valenti, and R. Sala, “A Survey on 3D Cameras: Metrological Comparison of Time-of-Flight, Structured-Light and Active Stereoscopy Technologies,” in SpringerBriefs in Computer Science, 2018.
[2] H. and I. S. Taketomi Takafumiand Uchiyama, “Visual SLAM algorithms: a survey from 2010 to 2016,” IPSJ Trans. Comput. Vis. Appl., vol. 9, no. 1, p. 16, Jun. 2017.
[3] “ARCore – Google Developer.” [Online]. Available: https://developers.google.com/ar/.
[4] “ARKit Augmented Reality – Apple Developer.” [Online]. Available: https://developer.apple.com/augmented-reality/.
[5] “TANGO (Platform) Wikipedia web page.” [Online]. Available: https://en.wikipedia.org/wiki/Tango_(platform).
[6] BIMEO, “AR2Build l’application qui lie le scan 3D et la maquette IFC,” 2018. [Online]. Available: https://blog.bimeo.fr/ar2build-application-scan-3d-et-maquette-ifc-bimeo/.
[7] “Capturing Reality Photogrammetry Software.” [Online]. Available: https://www.capturingreality.com/.
[8] “FARO Laser scanner web page.” [Online]. Available: https://www.faro.com/fr-fr/produits/constructionbim-cim/faro-laser-scanner-focus/.
[9] T. Rabbani, F. A. Van Den Heuvel, and G. Vosselman, “SEGMENTATION OF POINT CLOUDS USING SMOOTHNESS CONSTRAINT.”
[10] F. Poux and R. Billen, “Voxel-based 3D Point Cloud Semantic Segmentation: Unsupervised Geometric and Relationship Featuring vs Deep Learning Methods,” ISPRS Int. J. Geo-Information, vol. 8, no. 5, p. 213, May 2019.
[11] C. R. Qi, L. Yi, H. Su, and L. J. Guibas, “PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space,” arXiv Prepr. arXiv1706.02413, 2017.
[12] L. Yi et al., “A Scalable Active Framework for Region Annotation in 3D Shape Collections,” SIGGRAPH Asia, 2016.
[13] L. Landrieu and M. Simonovsky, “Segmentation Sémantique à Grande Echelle par Graphe de Superpoints Segmentation Sémantiquè a Grandé Echelle par Graphes de Superpoints,” 2018.
[14] C. Y.-Y. Kerri, “Effect of digital transformation on organisational performance of SMEs,” Internet Res., vol. 26, no. 1, pp. 186–212, Jan. 2016.
[15] J. Reis, M. Amorim, N. Melão, and P. Matos, “Digital transformation: a literature review and guidelines for future research,” in World Conference on Information Systems and Technologies, 2018, pp. 411–421.
[16] A. Moeuf, R. Pellerin, S. Lamouri, S. Tamayo-Giraldo, and R. Barbaray, “The industrial management of SMEs in the era of Industry 4.0,” Int. J. Prod. Res., vol. 56, no. 3, pp. 1118–1136, 2018.
[17] D. Goerzig and T. Bauernhansl, “Enterprise Architectures for the Digital Transformation in Small and Medium-sized Enterprises,” Procedia CIRP, vol. 67, pp. 540–545, 2018.
[18] W. Becker, O. Schmid, and T. Botzkowski, “Role of CDOs in the Digital Transformation of SMEs and LSEs – An Empirical Analysis,” Proc. 51st Hawaii Int. Conf. Syst. Sci., vol. 9, pp. 4534–4543, 2018.
[19] K. Schwertner, “Digital transformation of business,” Trakia J. Sci., vol. 15, no. Suppl.1, pp. 388–393, 2018.
[20] A. Bernier, S. Bourdeau, L. Dubuc, and D. Vieru, “Compétences numériques: des compétences nécessaires pour soutenir le passage au numérique des PME,” 2016.
Laisser un commentaire