Projet de fin d'études - Cycle ingénieur
Ingénieure au sein de l'équipe data d'une entreprise de câblage électrique automobile afin de concevoir une solution intelligente d'aide à la maintenance et d'analyse des données industrielles basée sur l'intelligence artificielle.
- Conception et développement d'un système complet d'analyse des données industrielles et d'aide à la maintenance intégrant machine learning et visualisation interactive.
- Exploitation et nettoyage des données machines provenant de fichiers CAO V12 et CSV issus des zones de coupe et de sertissage C&C.
- Réalisation du feature engineering et analyse statistique approfondie des états machines.
- Implémentation et comparaison de plusieurs modèles de machine learning (Isolation Forest, K-Means, Random Forest, XGBoost, HistGradientBoosting) avec rééquilibrage des données par SMOTE.
- Sélection du modèle XGBoost + SMOTE pour la classification des états machines, atteignant une accuracy de 90,04 %.
- Développement d'un tableau de bord interactif en Streamlit et Plotly pour le suivi des KPI, des anomalies, des clusters et des machines à risque.
- Proposition d'actions d'amélioration basées sur les méthodes SMED et OEE afin de réduire les temps de changement de série et d'améliorer la disponibilité des équipements.
Environnement technique