Collecte de données et prototypage de modèles d’intelligence artificielle pour la détection d’anomalies acoustiques

Le projet vise à optimiser les performances des raboteuses industrielles utilisées dans la production de bois d’œuvre. Cette initiative répond à des défis croissants, tels que la pénurie de main-d’œuvre qualifiée et les dysfonctionnements fréquents des équipements. Il se concentre sur la collecte de données acoustiques provenant de microphones et de capteurs comme des accéléromètres et des capteurs d’émissions acoustiques. Ces informations permettront de développer des modèles d’apprentissage automatique capables de détecter automatiquement les anomalies, facilitant ainsi l’identification des problèmes mécaniques avant qu’ils n’affectent la qualité ou le rendement. En aidant les opérateurs moins expérimentés à comprendre leur machinerie, ce projet vise à réduire les pannes imprévues. Réalisé en collaboration avec Bois Daaquam Inc., le projet comprend deux étapes principales : la collecte de données multisource sur site, suivie du prototypage de modèles intelligents basés sur ces données. Ces travaux apporteront des bénéfices non seulement à l’entreprise partenaire, mais également à l’industrie canadienne en générant des outils applicables à d’autres scieries.

Faculty Supervisor:

Anthony Deschênes;Rémi Georges

Student:

Partner:

Bois Daaquam inc.

Discipline:

Computer science

Sector:

Manufacturing

University:

Université Laval

Program: