Détection d'anomalies multimodales dans une raboteuse industrielle

Description

Nous sommes à la recherche d'une personne curieuse, autonome et motivée pour réaliser une maîtrise en informatique dans le cadre d'un projet de recherche appliquée en collaboration avec Bois Daaquam, un acteur majeur de l'industrie du bois d'œuvre. Ce projet est une chance unique de travailler dans un contexte multidisciplinaire avec des professeurs d'informatique, d'administration et de foresterie. L'objectif de la maîtrise est de développer des modèles de détection d'anomalies basés sur l'apprentissage profond à partir de données réelles de différents capteurs (microphone, accéléromètre, émission acoustique). Cela permettra de transformer ces machines en systèmes intelligents capables de détecter automatiquement les signes de dysfonctionnement ou d'usure. Vous contribuerez à explorer et structurer un jeu de données multi-capteurs collecté en usine, concevoir des modèles de détection d'anomalies, adapter les modèles aux différents contextes industriels (bruit ambiant, type de machine, etc.) et déployer des prototypes pour appuyer les opérateurs dans leur prise de décision.

Le projet se déroulera principalement à l'Université Laval, au sein du Lab-Usine, avec des interactions régulières avec l'équipe de Bois Daaquam et des visites en usine pour valider les modèles dans des conditions réelles.

Exigences et conditions

- Une formation en programmation (Python) et en apprentissage profond est requise.
- La connaissance de PyTorch est un atout important.

Atouts:
- Expérience en traitement du signal ou en analyse de séries temporelles.
- Intérêt pour les environnements industriels et les systèmes embarqués.
- Capacité à travailler avec des données imparfaites et bruitées.