Menu
fr / eng

Recrutement

Surveillant·e d'examens

Profil de poste

Votre mission est en lien avec l’importance et les enjeux associés au bon déroulement des examens. Vous devez :

  • accueillir les candidats,
  • contrôler leurs identités,
  • distribuer le matériel de test,
  • surveiller un amphi de 70 étudiants ou une salle de 30 étudiants,
  • assurer la plus grande confidentialité quant aux informations relatives aux sujets dont vous pourrez avoir connaissance avant les examens,
  • ramasser le matériel de test,
  • remplir les différents documents liés à l’administratif.

 

Envoi des dossiers de candidature (lettre de motivation et CV) par mail uniquement à grh@supmeca.fr

Post-doc (12 mois) Industrie 4.0 – projet EUGENE

Vers l’industrie 4.0 : reconfiguration temps réel d’une ligne de production interfacée à son jumeau numérique

 

Domaines adressés : modélisation multidisciplinaire et 3D, jumeau numérique, interfaçage temps réel, systèmes industriels, systèmes de production, CPS, CPPS

Compétences recherchées : Dymola, Arduino, 3DExperience, Python,

Lieu : Supméca (Saint-Ouen)

Cadre : Projet EUGENE (systèmE prodUction intelliGEnt coNnecté rEconfigurable), labellisé par le pôle Cosmetic Valley, 2017-2020

Contrat : 12 mois.

 

Contacts :

Régis PLATEAUX (regis.plateaux@supmeca.fr)

Thierno DIALLO (thierno.diallo@supmeca.fr)

Olivia PENAS (olivia.penas@supmeca.fr)

 

Date début : Janvier 2019

 

Contexte

L’industrie manufacturière a bénéficié d’une forte amélioration de sa compétitivité sur les vingt dernières années grâce à l’automatisation. Aujourd’hui, les progrès scientifiques et technologiques apportent de nombreuses possibilités d’information, de pilotage et de contrôle des machines des lignes industrielles grâce à la présence de nombreux capteurs et moyens de mesure et/ou de contrôle intégrés aux machines. Pourtant, ces possibilités sont mal exploitées à ce jour car les outils de suivi et de pilotage de la production n’ont pas évolué au même rythme que les machines elles-mêmes : la majorité des usines gèrent encore les opérations de production, de contrôle qualité et de maintenance des lignes de manière mixte (automatique/manuelle) voire totalement manuelle, dans une logique d’amélioration continue exploitant plutôt a posteriori les incidents de production. Ces opérations nécessitent des actions paralysant la production et induisant des coûts et des pertes de compétitivité importants : arrêts machines, temps longs de mobilisation des opérateurs, et trop souvent, remise des équipements de production dans des configurations ad hoc sans une profonde compréhension des raisons des incidents. Pourtant, les données relatives aux incidents de production pourraient être automatiquement exploitées pour fournir notamment une « aide à la décision » à tous les acteurs de l’environnement de production concernés (production, qualité et maintenance).

Dans l’environnement de la production, la simulation est principalement utilisée pour la conception et l’ingénierie des équipements de production et des lignes de production entières [1–3] . Pourtant dans un contexte de Smart Factory [5], la modélisation multi-niveau / multi-vue et la simulation à base de modèles sont reconnues comme des approches pertinentes pour représenter les différents comportements du système réel, tout en permettant l’analyse et le traitement des informations disponibles. Basés à la fois sur des modèles physiques pertinents et validés et des données historisées sélectionnées (traitées, enrichies et agrégées), le comportement nominal, les performances des lignes actuelles, ainsi que leurs comportements cible et futur peuvent être finement identifiés. Or, aujourd’hui, aucun outil à notre connaissance n’associe les données de simulation du système aux données captées sur des lignes de production en phase opérationnelle, pour permettre de détecter et d’éliminer en temps réel les problèmes préjudiciables à la performance industrielle. C’est tout l’enjeu du projet EUGENE, qui vise à développer un système de supervision adaptative appelée « plateforme EUGENIE » afin d’exploiter et de reconfigurer les lignes de production manufacturière. Son objectif est d’améliorer la compétitivité et d’augmenter la productivité des usines en maximisant la disponibilité des lignes.

Cela est possible :

  • En rendant plus proactive la maintenance des lignes (davantage de maintenance préventive et moins de maintenance corrective),
  • En comprenant et limitant l’impact des écarts, mesurés sur les machines en temps réel sur le processus nominal des lignes,
  • En assurant une exploitation maximale des capacités des lignes de production, aussi bien en fonctionnement nominal qu’en modes dégradés, même pour des lignes partiellement automatisées. La conséquence directe de ces actions sera une amélioration de la qualité des produits et une conformité totale des produits à moindre coût au regard de leur cahier des

La plateforme EUGENIE (systèmE de prodUction & intelliGENce opératIonnellE) à concevoir sera intelligente, automatisée, adaptable et intégrable dans les systèmes de fabrication de divers secteurs industriels. Elle permettra d’identifier, de planifier et d’implémenter en temps réel la configuration ad hoc des machines des lignes de production tout en proposant une optimisation des plans de maintenance. Répondant aux problématiques de l’Industrie 4.0, où « le numérique traverse et bouleverse l’industrie à l’image d’un système cyber-physique qui relie composants, machines, hommes, niveaux de l’entreprise » [4], elle rendra les usines d’aujourd’hui flexibles et reconfigurables pour les engager plus rapidement dans l’ère des usines du futur.

Dans ce contexte, il s’agira dans le cadre de ce post-doc de développer le démonstrateur du projet, en s’appuyant sur les travaux réalisés par les différents partenaires, et en développant le couplage/interface entre un jumeau numérique (enrichi avec les comportements des systèmes et sous-systèmes, contrôle- commande…) d’une partie d’une ligne de conditionnement de parfum et le système physique correspondant (comprenant capteurs, actionneurs), via une interface de communication.

Le post-doc se déroulera au laboratoire QUARTZ (EA7393) sur le site de Supmeca à Saint-Ouen au sein de l’équipe Ingénierie des Systèmes Mécatroniques et Multiphysiques (IS2M), et ponctuellement chez les partenaires du projet EUGENE (PUIG, PKB et DPS).

L’équipe IS2M adresse les problématiques liées à la conception des systèmes complexes, tels que les systèmes mécatroniques et les Cyber-Physical Systems, potentiellement critiques d’un point  de vue sûreté  de fonctionnement, en développant des méthodologies de conception collaborative basées sur le MBSE (Model-Based System Engineering), le MBSA (Model-Based Safety Assesment) ou encore les méthodes Agiles et le Set-Based Concurrent Engineering. Ces méthodologies s’appuient sur des langages de modélisation (Modelica, SysML, Altarica, MGS, CRML, etc.), des outils adaptés (Dymola, Magic Draw, PTC Integrity Modeler, CATIA, KARREN, Isight, ModelCenter, etc.), des concepts mathématiques (structures connectives, catégories, topologie, métriques, TTRS, etc.) et informatiques (intelligence artificielle, multi-agents, etc.) ainsi que l’optimisation (MDO) et la robustesse (tolérancement généralisé). L’équipe collabore à l’étranger avec l’Université d’Electro-Communication (UEC) de Tokyo (laboratoire MING), Université Federico Secundo de Naples (laboratoire Cogito) et LCM et les universités de Linz et Wels en Autriche. Elle collabore également avec de nombreux industriels (Airbus, Safran, EDF, Renault, PSA, Valeo, DPS, EIRIS, PUIG, PKB, etc.) principalement dans des projets collaboratifs, tels que MIMe et EUGENE, labellisés par les pôles de compétitivité (ASTech, Mov’eo, System@tic, Cosmetic Valley) et au sein de l’IRT SystemX.

 

Objectifs :

Dans le cadre du projet collaboratif EUGENE, il s’agira de réaliser un modèle de supervision et de pilotage d’une ligne de conditionnement de parfums.

Les connexions entre le modèle numérique et son jumeau physique permettront d’anticiper les problèmes   sur la ligne ou de les corriger par la mise en place de procédures de contrôle et de reconfiguration automatique.

À l’issue des 12 mois, les livrables attendus sont :

  • le prototypage du jumeau numérique d’une partie de la ligne d’assemblage, avec une modélisation plus détaillée de la remplisseuse
  • Définition et mise en place des échanges de données entre les jumeaux virtuel et physique (capteurs/actionneurs physique et modèle)
  • Création d’un démonstrateur basé sur une partie physique de la machine PKB en intégrant :
    • Environnements logiciels basés sur le langage (Dymola, 3DExpérience…)
    • Protocoles/plateformes envisagés : OPC, Powerlink, Ethernet, FMU/FMI, Python…

Par ailleurs, deux stagiaires (CCSC, TU DELFT) devraient contribuer à ce travail de recherche au cours du premier semestre 2019 et leur encadrement fait partie des missions de ce poste.

 

Profil recherché :

La personne recrutée devra avoir une bonne formation en Informatique industrielle, Conception, modélisation, simulation et pilotage des systèmes de production. Elle devra savoir faire preuve d’un esprit d’équipe permettant de s’intégrer dans un environnement de recherche à la fois industriel et académique. Les candidatures éligibles proviendront de chercheurs motivés avec un doctorat en sciences de l’ingénieur ou génie industriel.

Pour candidater, envoyer un curriculum vitae détaillé, une lettre de motivation, une copie du Diplôme de doctorat, rapports des rapporteurs et de soutenance, éventuellement une lettre de recommandation, aux adresses suivantes : thierno.diallo@supmeca.fr, olivia.penas@supmeca.fr, regis.plateaux@supmeca.fr

 

Références :

  1. Dutra M, Ghodous P, Kuhn O, Tri NM (2010) A generic and synchronous ontology-based architecture for collaborative design. Concurrent Engineering 18:65–74
  2. Fowler JW, Rose O (2004) Grand challenges in modeling and simulation of complex manufacturing systems. Simulation 80:469–476
  3. Gola A, Świć A (2016) Simulation Based Analysis of Reconfigurable Manufacturing System In: Applied Mechanics and Materials. Trans Tech Publ, pp 50–59
  4. Kohler D, Weisz J-D (2016) Industrie 0 – Les défis de la transformation numérique du modèle industriel allemand. La Documentation française, Paris
  5. Lucke D, Constantinescu C, Westkämper E (2008) Smart Factory – A Step towards the Next Generation of Manufacturing. In: Mitsuishi M, Ueda K, Kimura F (eds) Manufacturing Systems and Technologies for the New Frontier. Springer London, pp 115–118