La fabrication de ballons d’eau chaude nécessite de multiples processus de soudage. La qualité des
soudures est cruciale pour la durabilité du produit. Elle est souvent évaluée par inspection visuelle,
chronophage et sujette à l’erreur. Une solution à ce problème est l’utilisation de l’apprentissage
automatique qui est une technologie se développant de plus en plus dans l’industrie manufacturière.
L’objectif de cette recherche est le développement de systèmes de détection et de diagnostic des
défauts de soudage par apprentissage en exploitant les signaux capturés lors du soudage automatique
et des images de la soudure. La détection des défauts est difficile dans le contexte des ballons d’eau
chaude pour de nombreuses raisons: la complexité de la dynamique du soudage, la variété des
procédés de soudage et le large éventail de défauts. Les approches proposées ici répondent à ces
défis, afin de développer des systèmes utilisables en temps réel. Après avoir étudié la faisabilité de la
détection, nous proposons une approche basée sur le One-Class SVM et les noyaux de substitution
de la distance. Cette approche ne nécessite que des données brutes de soudures normales et détecte
les anomalies en fonction de leur distance à la normalité, ce qui facilite la généralisation. De plus,
nous avons proposé une approche de diagnostic basée sur la classification. Une autre contribution
est proposée qui étende la transformée de noyaux aléatoires au problème de détection d’anomalies
et l’explicabilité. De plus, nous proposons un système détectant les défauts à partir d’images de
soudure composé d’un système d’acquisition et d’un réseau neuronal capable de localiser et de
classer les défauts.

Jury :  
Jairo  Cugliari                 Maître de conférence HDR     Université de Lyon 2                           Rapporteur
Emmanuel Ramasso      Maître de conférence HDR     ENSMM                                              Rapporteur
Gilles ROUSSEL                     Professeur                     Université du Littoral-Côte d’Opale     Examinateur
Marianne Clausel                    Professeure                   Université de Lorraine                         Examinatrice
Anis Hoayek                            Maître de conférence    Ecole des mines de Saint-Etienne      Examinateur
Mireille Batton-Hubert             Professeure                   Ecole des mines de Saint-Etienne       Directrice de thèse
Erwan Stephens                      Pilote projets IA               elm.leblanc. Bosch                 Invité.