Approche de diagnostic des défauts d'un produit par intégration des données de traçabilité unitaire produit/process et des connaissances expertes

Directeur(s) : 
Co-responsable(s) : 
Date de début : 
janvier 2013
Date de soutenance : 
Jeudi 10 décembre 2015
Institution locale : 

Afin de répondre à des contraintes réglementaires, certains secteurs tels que l’agroalimentaire ou le pharmaceutique ont développé très tôt des outils de traçabilité permettant le cas échéant de réaliser un rappel de produits susceptibles de présenter un risque pour la santé du consommateur. Naturellement, cette traçabilité adaptée à leur production par lot vise en premier lieu à assurer la traçabilité matière permettant pour un produit fini de connaitre l’origine de l’ensemble de ses constituants. En cas de défaut critique constaté sur un produit, la première action consiste à rappeler l’ensemble du lot et dans un second temps seulement à rechercher les causes via un diagnostic réalisé par des experts. Mais la traçabilité par lot étant sans effet face au risque de la contrefaçon, la traçabilité est devenue aujourd’hui unitaire dans le domaine pharmaceutique. Chaque produit possède alors un identifiant unique. À cause de la nature du processus de production (process batch), la traçabilité unitaire n’a pas remis en cause la stratégie de rappel par lot dans le domaine pharmaceutique. En revanche pour tous les autres modes de production (flow shop, job shop) et quand le défaut provient de la fabrication et non de la conception du produit, la traçabilité unitaire est une formidable opportunité pour minimiser le nombre de produits à rappeler et limiter ainsi les coûts directs et indirects (notamment sur l’image de marque pour les produits de luxe) du rappel. Le diagnostic devient alors une étape cruciale dans le processus de rappel pour déterminer les causes du défaut et identifier ensuite les produits susceptibles de présenter le même défaut.

Dans ce contexte, ces travaux de thèse visent d’abord à proposer un processus de rappel efficient qui intègre d’une part les possibilités offertes par la traçabilité unitaire et d’autre part utilise une fonction de diagnostic devenue indispensable avant le rappel effectif des produits. Dans le cas des systèmes industriels complexes pour lesquels l’expertise humaine est insuffisante et dont nous n’avons pas de modèle physique, la traçabilité unitaire offre une possibilité pour mieux comprendre et analyser le procédé de fabrication par une reconstitution de la vie du produit. Le couplage des données de traçabilité unitaire avec les données de production représente une source potentielle de connaissance à mettre en œuvre et exploiter. Ces travaux de thèse proposent un modèle de données pour le couplage des données basées d’une part sur un standard dédié à la production et d’autre part sur un standard pour la traçabilité unitaire. Après l’identification et l’intégration des données nécessaires, les travaux de thèse s’attachent ensuite à développer une fonction de diagnostic à base de données par des techniques d’apprentissage en intégrant les connaissances sur le système afin de réduire la complexité de l’algorithme d’apprentissage. Suite à l’identification de l’équipement à l’origine d’un défaut nécessitant un rappel, l’état de santé de cet équipement au voisinage de l’instant de fabrication du produit contrôlé défectueux est évalué afin d’identifier les autres produits susceptibles de présenter le même défaut. L’approche globale proposée est appliquée à deux études de cas. La première étude a concerné l’industrie verrière. Le second cas d’application a porté sur le process benchmark Tennessee Eastman. Ces travaux de recherche ont été menés dans le cadre du projet FUI Traçaverre.

Mots-clés: Traçabilité, Diagnostic, Rappel de produit, Réseaux Bayésiens.