Ingénieur Chargé d’Affaires – Automatisation des contrôles qualité par vision au bâtiment de montage

Confidential C Mémoire de stage de fin d’étude « Ingénieur Chargé d’Affaires – Automatisation des contrôles qualité par vision au bâtiment de montage » SIMON CAICOYA Mercedes Maître de stage : Nicolas VASSEUR Tuteur de stage : Claude Gazo 01/09/2021 1 Confidential C NOTICE BIBLIOGRAPHIQUE ANNEE : 2021 N° du SFE : PA-21010 CAMPUS DE RATTACHEMENT SFE : Campus de Paris AUTEURS : SIMON CAICOYA, Mercedes TITRE : Ingénieur Chargé d’Affaires – Automatisation des contrôles qualité par vision au bâtiment de montage ENCADREMENT DU SFE : GAZO, Claude ; Tuteur de Stage ; VASSEUR, Nicolas, Maître de stage. PARTENAIRE DU SFE : Renault Douai NOMBRE DE PAGES : 38 NOMBRE DE REFERENCES BIBLIOGRAPHIQUES : 7 RESUME : Dans ce rapport figure un résumé de mes mois de stage dans l'entreprise, et la façon dont mon travail a été mené. La première partie correspond à la description du groupe, de ses grands projets avec l’Alliance et du fonctionnement du service de montage. De plus, vous trouverez quelques informations techniques relatives à mes travaux. La deuxième partie détaille mes missions, les problèmes rencontrés et la façon dont ils ont été abordés. Cette partie va permettre de bien comprendre les moyens utilisés et les personnes rencontrées qui ont permis de mener à bien mes missions. MOTS-CLES : usine, automobile, contrôle, qualité, vision, intelligence artificielle. 2 Confidential C Remerciements Il m’est offert ici, par ces quelques lignes, la possibilité de remercier les personnes qui ont contribué à faire de ce stage une « très bonne période ». Je tiens à remercier dans un premier temps, toutes les personnes qui m’ont permis d’avoir cette expérience de double diplôme qui m’ouvrira à de belles opportunités. J’ai eu la chance de réaliser ce stage au sein d’une entreprise comme Renault. Je tiens également à remercier l’équipe pédagogique de l’École Supérieure d’Ingénieurs de l’Université de Valladolid et l’École Nationale Supérieur des Arts et Métiers, pour m’avoir transmis toutes les connaissances et capacités m’ayant permis ce bon déroulement. Je tiens à remercier mon maître de stage Monsieur Nicolas VASSEUR pour avoir fait tout son possible au bon déroulement de mon stage mais aussi d’avoir accordé intérêt et confiance en mes projets. Je lui suis également reconnaissant pour le partage de son réseau professionnel au cours d’évènements et visites réalisés. Ces rencontres ont affiné ma vision de la profession, je tiens à conserver ce réseau pour bénéficier d’opportunités futures. Je tiens à remercier toute l’équipe du Process Montage qui m’a accompagné tout au long de cette période surtout pour l’esprit détendu, humain et le goût du travail sérieux et bien fait, auxquels ils contribuent grandement au sein du service. Je remercie également mon tuteur ENSAM, Monsieur Claude GAZO de me suivre durant ces six mois. Je souhaite à tout l’équipe une belle réussite pour tous les projets en cours. Je garderai un super souvenir de la sympathie, du dynamisme et du professionnalisme de chacun. 3 Confidential C Table de matières Remerciements ................................................................................................................................. 2 Table des figures et tableaux ............................................................................................................. 4 Principales abréviations ..................................................................................................................... 5 1. Introduction .............................................................................................................................. 6 2. Lieux de travail........................................................................................................................... 7 2.1. Présentation de l’entreprise ............................................................................................... 7 2.2. Sa vision ............................................................................................................................. 7 2.3. L’usine Georges Besse ........................................................................................................ 8 2.4. DTPNE - Direction Technique Pôle Nord ............................................................................. 9 2.5. CAP vers le haut de gamme ................................................................................................ 9 2.6. La plateforme électrique commune de l’Alliance .............................................................. 10 2.7. Projet ASL......................................................................................................................... 10 2.8. La ligne de production ...................................................................................................... 11 2.9. Le département de montage ............................................................................................ 12 3. Le contexte des missions réalisées ........................................................................................... 15 3.1. La qualité ......................................................................................................................... 15 3.2. Le contrôle qualité ........................................................................................................... 15 3.3. L’intelligence artificielle .................................................................................................... 16 3.4. La vision par ordinateur .................................................................................................... 16 3.5. GRET ................................................................................................................................ 17 4. Mes missions ........................................................................................................................... 17 4.1. POK.AI.OK ........................................................................................................................ 17 4.2. Tunnel Contrôle Vision ..................................................................................................... 32 5. Conclusion ............................................................................................................................... 35 Bibliographie ................................................................................................................................... 36 Annexe I : Planning du stage ............................................................................................................ 37 4 Confidential C Table des figures et tableaux Figure 1 : Extension de l'usine Georges Besse .................................................................................... 8 Figure 2 : Modèles fabriqués à Douai : Scénic, Grand Scénic, Espace V, Talisman et Talisman State .... 9 Figure 3 : Schéma du processus de fabrication à l'usine de Douai .................................................... 11 Figure 4 : Schéma de la distribution d'ateliers au montage ............................................................... 12 Figure 5 : Schéma hiérarchisé de l'organisation du département de montage .................................. 13 Figure 6 : Schéma de la distribution d'ateliers au département de montage ..................................... 14 Figure 7 : Applications complémentaires de la vision traditionnelle et la vision IA ............................ 18 Figure 8 : L’ensemble du produit POKAI.OK ........................................................................................ 19 Figure 9 : Exemple de trigger ........................................................................................................... 20 Figure 10 : Création du point de control........................................................................................... 21 Figure 11 : Classes du test étiquettes carburant ................................................................................. 21 Figure 12 : Schéma fonctionnement de l’alerte ................................................................................ 22 Figure 13 : Evaluation de performance du système .......................................................................... 23 Figure 14 : Graphique contrôle câblage ............................................................................................ 24 Figure 15 : Point de contrôle chariots CT1 ........................................................................................ 25 Figure 16 : Bilan de gain POKAI.OK chariot kitting sur CT1 ................................................................ 26 Figure 17 : NOK qui provoque une chute ......................................................................................... 26 Figure 18 : NOK qui seulement abime la pièce ................................................................................. 27 Figure 19 : A gauche, vue latérale du point de contrôle tablette ; à droite, vue du chariot avec le tableau de bord ............................................................................................................................... 28 Figure 20 : OK pour CMF1 et pour BCB en ordre .............................................................................. 29 Figure 21 : NOK pour CMF1 et pour BCB en ordre ............................................................................ 30 Figure 22 : Arche sur UFS ................................................................................................................. 31 Figure 23 : Interface du dataset OK pour chaque zone de contrôle de la tablette d’une des caméras contrôle platine BCB ........................................................................................................................ 32 Figure 24 : Schéma fonctionnement du tunnel de contrôle par vision .............................................. 32 Figure 25 : Prototypage du tunnel .................................................................................................... 33 Figure 26 : Ecran résultats contrôle à l’usine de Flins ....................................................................... 34 Tableau 1 : Exemple test couleur véhicule .......................................................................................... 22 Tableau 2 : Matrice de confusion ..................................................................................................... 23 Tableau 3 : Avantages et inconvenants de l’automatisation ............................................................. 32 5 Confidential C Principales abréviations ASL Alliance Standard Line ATFE Accord Technique de Fin d'Études ATFMR Accord Technique Fin de Mise en Route ATMP Accord Technique pour Mise en Production ATPL Accord Technique Pour Livraison COP Constat d’Obtention des Performances AVP Avant-projet CA Chef d’atelier CAMI Chargé d'Affaire Moyens Industriels CUET Chef d’unité élémentaire de travail DTPNE Direction Technique du Pôle Nord-Est EURO NCAP European New Car Assessment Program FOP Feuille d’Opération Process FOS Feuille d'Opération Standard GATM Assistance Technique de Maintenance GMP Groupe Moto Propulseur OPS Opérateurs sénior UET Unités Elémentaires de Travail AQM Assurance Qualité des Moyens IA Intelligence Artificielle AGV Véhicule à Guidage Automatique KPI Key Performance Indicator PSF Pilotage et Suivi de Flux GRET Système d’Information de Gestion des Retouches OSS LUP AOP CDC One Single Standard Liste Unique des Problèmes Alerte Opérateur Cahier Des Charges 6 Confidential C 1. Introduction Ce rapport présente la façon dont le travail effectué a été mené durant mes six premiers mois au sein de l’entreprise Renault de Douai, ainsi que ce que j’ai découvert durant celui-ci. Dans un premier temps, il vous sera présenté l’entreprise, l’Usine George Besse, et le département dont je fais partie. Ensuite, les projets et les missions développés ces six mois seront développés. Passionnée depuis ma plus tendre enfance par l’automobile et ayant la volonté de devenir ingénieur en mécanique dans l’automobile, je suis très reconnaissant de l’opportunité qu’il m’a été donné de découvrir ce métier chez Renault Douai, dans le cadre de mon stage en tant que stagiaire ingénieur ENSAM. L’industrie automobile est en pleine transformation vers l’usine du futur. Ce qu’on appelle l’industrie 4.0 aujourd’hui devient une réalité de plus en plus tangible grâce à l’intelligence artificielle, le big data, l’internet des objets ou encore l’automatisation des postes. Cela permettra aux entreprises de gagner en efficacité de production tout en assurant une qualité indéniable dans le produit final manufacturé. Dans ce contexte de révolution industrielle, l’automatisation des postes de contrôle qualité reste nécessaire pour assurer une performance optimale et un produit fini qui respecte les réglementations techniques et satisfasse le client par rapport à la concurrence. La production automobile est un des domaines les plus délicats en termes de fabrication. Un arrêt d’une heure peut provoquer environ 10 000 € de pertes ; en revanche, une réduction de 10 min en optimisant la production permet de gagner 0.2088 € par véhicule (soit 24 980 € d’économies sur une production annuelle de 119 639 véhicules). Dans l’industrie automobile, les solutions pour améliorer la performance en assurant la qualité et sécurité de l’usine sont très nombreuses. Parmi elles on y trouve entre autres un système de vision ou des systèmes de contrôle qualité. On tend à privilégier des solutions simples, peu chères surtout en ces temps de crise pour le secteur, permettant de gagner en performance et en ergonomie sans jamais oublier la sécurité. Ces dispositifs doivent pouvoir être reproduits dans les différents postes ou dans les autres usines. De plus ils doivent être en phase avec l’environnement de l’usine et les différents opérateurs. 7 Confidential C 2. Lieux de travail 2.1. Présentation de l’entreprise Renault, en plus de 120 ans d’histoire en fabricant des voitures, s’est forgé son identité sur l’innovation utile et accessible au plus grand nombre. La politique de Renault est la création de véhicules au design simple et pratique, qui doivent susciter l’émotion chez le client et rendre la vie plus facile au quotidien. Le groupe Renault a vendu en 2019 plus de 3,8 millions de véhicules dans 134 pays et a eu un chiffre d’affaires de 55 537 millions d’euros, malgré la crise qui traverse le secteur de l’automobile1. Il réunit plus de 181 000 collaborateurs et fabrique des véhicules et organes mécaniques. Depuis sa création, Renault est le constructeur dont le flux d’innovation est le plus constant de toute l’histoire automobile. En ce moment, après avoir présenté les résultats financiers de 2019, le Groupe vise pour 2020 un chiffre d’affaires du même ordre qu’en 2019 et une marge opérationnelle de 3-4% sans tenir en compte les impacts liés à la crise sanitaire du Coronavirus. Renault a réussi à conserver sa notoriété au fil des ans. C’est une marque française qui a une histoire forte en France par sa contribution aux deux guerres mondiales. Il est impressionnant qu’une marque telle que Renault créé en 1898 soit encore présente et au goût du jour 122 ans plus tard. Renault fait également partie depuis 1999 de l’Alliance Renault-Nissan-Mitsubishi, où les différentes marques liées par des participations croisés pour élaborer une stratégie commune et développer des synergies. 2.2. Sa vision Renault a imaginé l’usine connectée, plus agile, et plus rapide dans les ateliers pour faciliter la prise de décision au plus près de la production, au bénéfice de la performance et de la satisfaction des clients. Selon Renault, l’usine de demain est pilotée en temps réel et en un lieu unique, via un ensemble de mesures en continu et de bases de données qui permettent à chaque atelier, chaque usine, d'optimiser les solutions adaptées à leurs environnements et de se comparer entre eux pour rechercher la meilleure performance2. Pour ces raisons, le Groupe a un projet appelé ASL – Alliance Standard Line qui est régi par le concept de la production basée par standards communs à tout le Groupe. La Supply Chain assure le lien entre le monde industriel et le commerce, à partir de la commande client, en programmant et s’assurant des capacités disponibles dans les usines Renault et chez les fournisseurs jusqu’à la livraison des véhicules dans le réseau commercial. Cette coordination nécessite 1 Information récupérée sur https://intranet.renault.com/ 2 Information récupérée sur https://grouperenault.sharepoint.com/ 8 Confidential C une agilité permanente facilitée par les outils et processus digitaux en temps réel. Ceci afin de toujours mieux anticiper et réagir aux évolutions des clients et assurer la performance du système industriel. Contrôler la conformité des produits, vérifier l’état des moyens de production ou assurer la traçabilité tout au long du processus de fabrication, sont autant d’actions clé qui permettent de maîtriser la qualité produite. Le management de la qualité repose désormais sur la fiabilité des données mesurées et la capacité de Renault à savoir les exploiter et les croiser pour une traçabilité totale, au service de la prédiction de la maintenance et de la satisfaction des clients. De la conception des flux à la validation des moyens d'assemblage en passant par l'optimisation des lignes d'emboutissage et des cabines de peinture, l’Ingénierie de Production est capable de simuler intégralement les process de fabrication de l'usine de demain. L’usine virtuelle permet de définir et valider les meilleures solutions techniques très en amont et faciliter ainsi l'entrée en production des nouveaux véhicules. 2.3. L’usine Georges Besse Lors de ces mois en entreprise, l’usine Renault Douai Georges Besse a été découverte. Dès l’arrivée sur le parking, une infrastructure colossale datant de 1970 et qui s’étend sur 350 hectares, montrée sur la Figure 1, surprend. Figure 1 : Extension de l'usine Georges Besse Les Hauts-de-France sont la première région productrice d’automobiles de France et l’usine Renault de Douai bénéficie de la proximité géographique des principaux marchés européens et de la présence de nombreux et importants équipementiers. Avec environ 3500 employés, son effectif et ses capacités de production en font l’un des plus importants sites de Renault3. L’usine Georges Besse, impressionnante par sa taille et par son activité, est décomposée en six départements : emboutissage, tôlerie, peinture logistique, montage et qualité. A la suite d’une visite dans le département montage, on constate que les mécanismes, l’organisation, la logistique, 3 Information récupérée sur https://group.renault.com/ 15 Confidential C 3. Le contexte des missions réalisées 3.1. La qualité Depuis quelques années, la qualité est devenue une fonction essentielle au sein de nombreuses entreprises. Face à une concurrence de plus en plus importante dans le secteur automobile, la qualité permet dès lors à chacune de se différencier, et de garantir au client une fiabilité et une crédibilité mesurée de ses produits ou services. Les entreprises ont pris conscience que les clients devenaient de plus en plus exigeants et changeaient de comportement : désormais un client insatisfait devient infidèle à une marque. Il existe donc des consommateurs zappeurs. La qualité a été jugée comme un levier de développement. Pour ces raisons et dans le cadre de la montée en gamme suivie par l’usine depuis 2014, Renault s’est positionné dans une démarche d’amélioration continue et des contrôles qualité tout au long du processus de fabrication. 3.2. Le contrôle qualité Le but du contrôle qualité est d’assurer un produit fini satisfaisant les réglementations techniques et les standards de qualité établis en interne. Un bon plan de surveillance doit mettre en place des actions permettant d’empêcher les « non-conformités », et prévoir une réactivité immédiate dans le cas où elles se produisent, afin de pallier les défauts avant de livrer le véhicule aux clients. Il doit toujours y avoir une remontée GRET (Système d’Information de Gestion des Retouches) des défauts afin d’avoir une bonne traçabilité, ce qui permet de réaliser des analyses statistiques de notre production et arriver à une amélioration continue. Ces contrôles arrivent à vérifier la conformité du produit sans changer la ligne de production et sans altérer la cadence. Dans notre cas, les contrôles que installés sont des contrôles par vision, c’est-à-dire que grâce à différents types de dispositifs d’acquisition comme des caméras ou des profilomètres, nous sommes capables de contrôler la production. Ces nouveaux systèmes de vision industrielle sont le résultat de la grande innovation des dernières années, et ils sont basés sur l’intelligence artificielle. 16 Confidential C 3.3. L’intelligence artificielle Le développement de l’intelligence artificielle est l’un des enjeux les plus importants de notre époque, qui fait suite à l'augmentation des volumes de données, à la complexification des algorithmes et aux progrès en matière de puissance de traitement et de stockage. Elle correspond à un ensemble de techniques capables de simuler l’intelligence humaine et elle permet à des machines d'apprendre par l'expérience, de s'adapter à de nouvelles données et à de nouvelles situations, et de réaliser des tâches complexes6. Son fonctionnement se base sur le traitement itératif des grandes quantités de donnés grâce à des algorithmes intelligents qui permettent au logiciel d’apprendre de façon automatique. L’IA a tant d’intérêt en raison de l’automatisation des processus répétitifs d’apprentissage et de découverte par biais des données, et en raison du fait qu’elle est aussi capable de s’adapter grâce à des algorithmes d’apprentissage progressif. Aujourd’hui, les fonctionnalités de l’IA sont présentes dans tous les secteurs et elle va transformer le monde industriel en tendant vers l’industrie 4.0 ; avec une nouvelle façon d’organiser les moyens de production, en ayant tout connecté par l’internet des objets et les nouvelles technologies. Elle devient la convergence entre le monde virtuel et les usines. Dans notre cas, nous allons nous centrer sur une branche de l’IA, la vision par ordinateur, qui tente d’imiter la vision des humains. 3.4. La vision par ordinateur Les systèmes de contrôle qualité de nos jours reposent sur la vision par ordinateur. Ils permettent de réaliser une analyse et un traitement des images et vidéos prises par un système d’acquisition, comme les caméras. Pourtant, il existe un traitement des données visuelles qui permet d’atteindre un niveau supérieur en automatisation pour interpréter un élément visuel. Plus concrètement, la vision par ordinateur permet de relever des informations à des endroits, à des fréquences ou sur des durées telles que l’œil humain ne pourrait tout simplement pas effectuer ces relevés sans commettre des erreurs. Cette technologie innovante avec ses algorithmes va nous permettre de traiter les images des différents points de contrôle pour pouvoir contrôler la conformité ou non-conformité des produits étudiés et remplacer le contrôle par l’œil humain, qui est fatigant et peu précis. 6 Information récupérée sur https://www.inria.fr/fr 17 Confidential C 3.5. GRET GRET est le Système d’Information de Gestion des Retouches, système qui permet de recueillir l’ensemble des défauts trouvés de tous les contrôles qualité réalisés dans l’usine, afin d’avoir une traçabilité de ces défauts, de pouvoir réaliser sa réparation et de garantir un qualité finale optimale. Il permet essentiellement : - D'enregistrer les défauts constatés en ligne ou en plateau - D'orienter les véhicules (ou les organes mécaniques) vers les zones de retouches appropriées - De saisir les retouches effectuées en ligne ou en plateau - De calculer les indicateurs de résultats - D'alimenter l'animation des actions de réduction des retouches La remontée des défauts sur GRET peut être faite soit manuellement par le « Checkman », soit automatiquement en programmant l’exportation systématique de défauts. Quelques avantages de son utilisation sont l’assurance de qualité finale, l’origine du défaut connue à 100% et la réactivité, entre autres. 4. Mes missions L'objectif principal de M. Nicolas VASSEUR (maître de stage et CUET Moyens Montage) pour les stagiaires pendant les années précédentes a été de livrer un sujet de stage qui permette de parcourir tous les recoins de l'usine. En même temps, il veut confier de nombreuses tâches permettant au stagiaire d'avoir une vision globale de l'entreprise. L’automobile est un des secteurs les plus concernés par l’automatisation de ses sites de production. Face à une demande toujours plus forte et des technologies de plus en plus avancées, le recours aux contrôles qualité automatisés est devenu indispensable pour gagner en fiabilité et traçabilité. Même si les chaînes de montage se sont progressivement automatisées, l’homme est toujours responsable d’une majorité du travail, donc, les défauts vont toujours apparaître. Pour les diminuer au maximum et qu’ils n’arrivent pas aux clients, les contrôles de qualité sont un élément clé dans la production. Pour ces raisons il va m’être donné de travailler sur ces deux grands sujets liés à l’automatisation des contrôles qualité : 4.1. POK.AI.OK Ce projet de contrôle qualité appelé POK.AI.OK est développé avec une start-up française, BUAWEI. C’est un projet de codéveloppement entre BUAWEI et Renault afin d’élaborer un système mobile de contrôle qualité. L’équipe métier du Technocentre de Guyancourt est le responsable de ce projet. Ce projet a été commencé il y a trois ans, donc le choix de cette solution avait déjà été pris avant mon arrivé. Ils ont choisi ce fournisseur car cette société était la plus flexible et la plus à même de s’adapter aux besoins de Renault, en réalisant un codéveloppement stratégique afin de travailler ensemble et arriver à une solution optimale adaptée aux usines du Groupe. 18 Confidential C Une autre raison de ce choix était le type de business model des fournisseurs. BUAWEI proposait un modèle où il n’y a pas besoin de payer une licence régulièrement, et par conséquent un prix acceptable. Le système a été développé avec l’objectif de remplacer les systèmes de contrôle traditionnels. Puisque le déploiement massif des systèmes traditionnels est ralenti par : - Les compétences pour le cadrage, paramétrage, l’exploitation et la maintenance trop pointues. - Le manque de flexibilité (implantation et paramétrage). - L´environnement industriel : Montage contraignant : variation lumière, vibrations, poussières, salissures, défilé… L'analyse d'images basée sur l’intelligence artificielle et la vision industrielle traditionnelle sont des technologies complémentaires comme développé sur la Figure 18. Figure 7 : Applications complémentaires de la vision traditionnelle et la vision IA Parallèlement à la mise à disposition et l’optimisation des briques technologiques de contrôle par vision traditionnelle, la stratégie Métier du département est de développer un ensemble des solutions de contrôle par vision IA : - Avec une Interface Homme Machine très intuitive pour le paramétrage et l’exploitation du système. - Flexible et utilisable sur plusieurs applications industrielles successivement. - Capable d’évoluer : acceptation de nouveaux modèles. L’objectif de cet outil est de trouver les défauts avant la livraison des voitures aux clients et de répondre aux réglementations de plus en plus exigeantes sur le niveau de qualité dans les usines. C’est un système qui travaille en permanence, qui est mobile pour pouvoir l’installer chaque semaine au niveau de l’apparition des défauts les plus récurrents, et avec un apprentissage rapide et intuitif pour l’utilisateur. La Figure 8 montre l’ensemble du produit. 19 Confidential C Figure 8 : L’ensemble du produit POKAI.OK L’équipe POKAIOK a les objectifs suivants : - Concevoir et construire un système flexible et intuitif pour l’utilisateur. - Trouver un système capable de piéger les défauts et prévenir en cas de non-conformité. Notre méthode de travail est basée sur la méthode agile, c’est-à-dire dans un cycle d’amélioration continue itératif du système : 1. Réalisation des tests dans le milieu industriel 2. Présentation des résultats 3. Remontée des points 4. Corrections (En priorisant les défauts plus importants) -> Mise à jour du système En appliquant cette stratégie, un développement rapide du système est possible en profitant de la bonne implication de tous les acteurs du projet. Afin de réaliser un suivi des avancements, des points ont été réalisés toutes les deux semaines avec tous les acteurs pour que tout le monde soit au courant des avancements et des améliorations du système, et pour tracer le planning/objectifs des semaines suivantes. Cependant, des difficultés techniques ont été trouvées au cours de la réalisation des tests, comme les problèmes bloquants qui font perdre beaucoup de temps. Par exemple, lors des premiers tests et après la première prise d’images d’un point de contrôle, il faut classifier ces images dans les différentes classes. Lors de cette classification, une image a été mal classée. En voulant finir l’apprentissage et retourner au dataset pour déplacer cette image à l’autre classe, nous nous sommes rendu compte que le système, au lieu de déplacer l’image sélectionnée, il déplaçait la première image de cette classe. Donc, ce point de contrôle, il ne pouvait pas être approprié et par conséquent, il fallait recréer le même point de contrôle. Pour la réalisation des tests, la démarche à suivre a été la suivante : - Choix d’un point à contrôler - Trouver un emplacement qui soit effectif et pas gênant pour les opérateurs - Installation de la valise - Création du point de contrôle - Choix du type de contrôle (OK/NOK ou A/B/C…) - Réglages de netteté et de luminosité de la caméra - Création du trigger (déclencheur de la prise d’images) 20 Confidential C - Apprentissage du système  Prise des images et classification selon la classe - Début des tests - Reclassification des images si trompé - Obtention des résultats - Conclusions Par rapport à la création d’un point de contrôle, il y a trois termes à expliquer pour pouvoir bien connaître le fonctionnement du système. - Zone du trigger : c’est la zone sélectionnée dans notre image où le système va détecter l’objet déclencheur. Elle doit être constante en forme et emplacement car sinon la photo ne va pas être déclenchée. - Zone d’intérêt : c’est la zone sélectionnée dans notre image où l’objet à contrôler doit être présent au moment du déclenchement. Figure 9 : exemple de trigger - Seuil de confiance ou score de similarité : à chaque fois qu’une photo est analysée, le système donne la réponse en l’associant à une classe avec un pourcentage de similarité par rapport aux photos qui sont déjà classées dans cette classe. Donc, plus le système est entrainé avec différentes photos, plus le score de similarité va se rapprocher à 100%. La figure 10 montre les étapes les plus importantes pour créer un point de contrôle. Zone du trigger Zone d’intérêt 21 Confidential C Figure 10 : Création d’un point de control Il existe deux types de contrôles en ce moment, le contrôle de conformité OK/NOK et le contrôle de diversité par classes. Par exemple, un test réalisé est le tri des véhicules selon le type de carburant en lisant l’étiquette carburant. Dans ce test illustré sur la Figure 11, puisqu’il y avait deux possibles emplacements pour l’étiquette, trois classes ont été créées afin d’avoir : « essence », « diesel » et « autre emplacement » pour pouvoir regrouper dans la troisième classe toutes les étiquettes correspondant à un autre emplacement. Sinon, le tri serait impossible puisqu’on devrait avoir plusieurs zones d’intérêt. Essence Diesel Autre Figure 11 : Classes du test étiquettes carburant 22 Confidential C L’une des plus grandes difficultés techniques qui existe en ce moment, c’est le problème au niveau du trigger dans le cas où un opérateur est devant la caméra et qu’il ne déclenche pas. Ce phénomène laisse non seulement passer un véhicule sans le contrôler, mais il génère aussi un décalage sur la prise des donnés. Voici un exemple sur le Tableau XX pour pouvoir mieux comprendre cette problématique. Supposons qu’un contrôle sur la couleur des véhicules est réalisé, la valise 1 réalise un contrôle réel des couleurs. Pour la valise 2, lors du passage du véhicule numéro 2, le trigger est caché par un opérateur et ainsi il n’a pas déclenché. Donc, au niveau des résultats enregistrés, la valise 2 va enregistrer les résultats avec un décalage d’un véhicule (Résultat du véhicule 3 enregistré pour le véhicule 2). Test contrôle couleur véhicules Valise 1 Valise 2 Véhicule 1 : rouge Rouge Rouge Véhicule 2 : vert Vert Jaune Véhicule 3 : jaune Jaune Gris Véhicule 4 : gris Gris Tableau 1 : Exemple test couleur véhicule Le dispositif mis en place pour alerter d’un défaut fontionne pour l’alerte des opérateurs (AOP), il est est développé sur la Figure 12. Figure 12 : Schéma fonctionnement de l’alerte Donc, quand le système détecte un défaut ou calcule un indice de confiance inférieur au seuil, il y aura : - Alerte par verrine - Alerte opérateur par téléphone - Alerte sur l’écran en affichant l’image prise et le numéro de référence du véhicule Il faut signaler que le seuil de confiance peut être modifié pour trouver un seuil optimal, qui donne la marge de sécurité permettant au système de ne pas laisser passer de défauts et pour que l’alerte ne soit pas activée trop souvent. Pour regrouper les résultats, une matrice de confusion illustré sur le Tableau 2 a été utilisée afin de résumer les résultats : Non déclenchement 23 Confidential C Matrice de confusion Réel OK NOK Système OK A B NOK C D Tableau 2 : Matrice de confusion À partir de cette matrice, une évaluation de la performance du système est possible d’une façon fiable et identique pour tous les tests. Dans la matrice de confusion, il existe quatre différentes possibilités : - A : vrais positifs, c’est un OK que le système a aussi marqué comme OK - B : Faux positifs, c’est un NOK mais le système l’a marqué comme OK - C : Faux négatifs, c’est un OK mais le système l’a marqué comme NOK - D : vrais négatifs, c’est un NOK que le système a aussi marqué comme NOK La cellule la plus gênante est la « B », c’est-à-dire les faux positifs. Il faut essayer de toujours la conserver à zéro, car ils représentent de vrais défauts qui ne sont pas détectés par le système, et qui peuvent par conséquent arriver au client. Un paramètre qui est aussi intéressant, c’est le nombre d’images nécessaires dans le dataset (mémoire du système) pour avoir une bonne fiabilité. Afin d’évaluer ce paramètre et l’efficacité du système, des graphiques ont été tracés pour connaître la relation entre la performance du système et le nombre des images dans le dataset. Donc, pour l’évaluation du système, les paramètres indiqués sur la Figure 13 ont été calculés. Figure 13 : Evaluation de performance du système Comme représenté sur la Figure 14, ces paramètres ont été tracés par rapport au nombre d’images dans le dataset. 24 Confidential C Figure 14 : Graphique contrôle câblage Comme illustré, les différents paramètres augmentent leurs valeurs avec l’enrichissement des différents classes (OK et NOK dans ce cas) et donc du dataset, et il peut être assuré qu’avec un dataset d’environ 300 images, le système est fiable. Il faut porter attention sur la courbe bleue qui correspond au paramètre « Rappel », c’est-à-dire la relation entre les vrais positifs et les faux positifs qui augmente lors de l’entrainement du système, donc les défauts ne passeront pas sans être détectés. Il est aussi intéressant de remarquer la chute de performance vers les 600 images, elle est due à un changement de l’emplacement de la caméra. Donc, quand on revient vers un point de contrôle déjà créé il faut essayer de replacer la caméra précisément au même endroit que la dernière fois, et si cette action n’est pas réalisée parfaitement, il y aura une petite chute de la performance jusqu’à ce que le système apprenne ce nouvel emplacement. Le projet POKAI.OK une fois terminé sera composé d’un système de quatre caméras liées à une seule valise, dont chaque valise peut avoir quatre zones de contrôle. Pour ce faire, ce projet s’est déroulé en plusieurs étapes dites ‘steps’ : - Step 1 : une caméra liée à une valise avec une seule zone de contrôle. - Step 2: quatre cameras liées à une valise avec une zone de contrôle chacune. - Step 3 : une caméra liée à une valise avec quatre zones de contrôle possibles. - Step 4 : quatre cameras liées à une valise et quatre zones de contrôle possibles pour chaque caméra. L’usine de Renault de Douai vise à commercialiser bientôt une voiture électrique. Pour ce faire, plusieurs contrôles doivent être faits lors la fabrication. En ce qui concerne le service de montage, des nombreux contrôles doivent être faits avant le vissage du bas de caisse avec la carrosserie de la voiture. C’est pour ceci que POKAI.OK joue un rôle important. Notre rôle dans le projet comme Chargés d’Affaires a été la prise en main du système pour pouvoir réaliser des tests sur le terrain industriel, et ainsi faire les remontées et conclusions pour l’équipe POKAIOK afin de promouvoir les différents axes d’amélioration du système. Pour ce faire, différentes Contrôle câblage SE4 (UGB) 105 100 95 90 85 Rappel Précision F Score 80 200 400 600 800 Nombre d'images dans le dataset Changement d’emplacement Performance (%) 31 Confidential C Nous avons installé deux caméras à gauche et deux à droite en les paramétrant pour filmer l’avant droit et gauche ainsi que l’arrière droit et gauche. L’objectif était de reprendre les vidéos, les assembler pour en faire une seule rassemblant une prise d’image en continu par la caméra. Une fois que nous avons ces quatre vidéos (une par caméra), nous allons créer les points de contrôle avec un logiciel spécial chez le fournisseur. Parallèlement, nous avons placé une platine BCB dans une salle et nous avons fait construire une arche identique à celle de UFS pour faire des essais en statique. Nous avons utilisé une caméra pour essayer de l’installer avec la même prise d’image que celles de UFS pour créer des défauts et avoir un dataset des NOK sans subir les aléas de la ligne de production. Il a fallu de nombreux essais pour y arriver. Cependant, nous n’avons pas réussi à créer ces points de contrôle car le type de photo prise par la caméra des essais était différente à celle des quatre caméras. L’alternative à ce problème a été de remplacer la valise multicaméra par quatre + deux (six au total) valises différentes avec la mise à jour du step 3 (une caméra multizone) et de créer des points de contrôle. Cette solution n’a pas été adoptée auparavant car il y avait la contrainte de réaliser des défauts directement sur la ligne. La figure 23 représente l’interface du point de contrôle d’une des tablettes. Les images correspondent au dataset OK de chaque zone de contrôle créé. Figure 23 : Interface du dataset OK pour chaque zone de contrôle de la tablette d’une des caméras contrôle platine BCB On a créé 4x6 zones de contrôle. Sur cette partie, plusieurs difficultés techniques ont été soulevées puisqu’il y avait de lourdes contraintes dues au fait qu’il faut plus d’un NOK pour que le système apprenne (dont plusieurs sont assez compliqués de les créer sur ligne) ; ainsi que le fait d’avoir six valises fonctionnant en continu provoquent des interférences pour la connexion valise-tablette (établie grâce au réseau wifi de chaque valise). 32 Confidential C 4.2. Tunnel Contrôle Vision Ma mission consiste en le pilotage du projet de conception, sur la fabrication et l’installation d’un contrôle conformité par vision en bout de tronçon « SC5 ». Ce tronçon correspond à l’endroit où on assemble la platine sous-caisse des voitures. Le contrôle agit pour vérifier qu’un ensemble de composants du groupe moto propulseur (GMP), vis, connecteurs, passages de tuyaux sont installés de manière conforme sur les platines. Le contrôle est réalisé en dynamique et le fonctionnement du système est détaillé dans la Figure 24. Il y aura un arrêt de chaîne en fonction de la criticité du défaut. Figure 24 : Schéma fonctionnement du tunnel contrôle par vision En ce moment, il existe un opérateur qui réalise ce travail de contrôle appelé « Checkman », et son poste pourrait évoluer vers « Retoucheur », personne responsable des possibles retouches de la platine sur le tronçon. Avec ce nouveau système de contrôle de qualité déjà installé dans une autre usine du Groupe, des contrôles de connexion, présence/absence, conformité et traçabilité vont pouvoir être réalisés de manière automatique. L’automatisation des postes devient de plus en plus fréquente dans les usines. Le remplacement d’un opérateur par une machine, et dans notre cas par un système de contrôle automatisé, a plusieurs avantages illustrés sur le Tableau 2 qui justifient cette culture vers l’automatisation. Avantages Inconvenants Réduction des coûts Investissement Augmentation de la productivité Suppression d’emplois Disponibilité Maintenance Fiabilité Consommation énergétique élevée Performance Tableau 2 : Avantages et inconvenants de l'automatisation Toutes les entreprises sont confrontées à une pression mondiale qui les pousse à renforcer leur rentabilité, et cette automatisation permet d’améliorer le chiffre d’affaires d’une société en augmentant considérablement le rythme de production. Les opérations automatisées permettent aussi de résoudre divers problèmes, comme les problèmes de cadence sur un poste. De plus, toute indisponibilité d’un opérateur a des répercussions négatives sur l’activité. La productivité est un 33 Confidential C avantage évident de l’automatisation, mais le gain de fiabilité est encore plus important. Lorsque le facteur humain est retiré, la plupart des erreurs sont éliminées. Par exemple, l’automatisation des opérations permet de ne pas en oublier et de les exécuter dans le bon ordre, mais aussi que les toutes tâches requises et tout traitement spécial soient bien réalisés et que les données entrées soient correctes. Tout cela permet donc d’améliorer la performance de l’entreprise surtout sur des postes qui réalisent des opérations pénibles. Le passage à des opérations automatisées offre un bon retour sur investissement. Au niveau des inconvénients, réaliser une automatisation de la chaine de production exige un gros investissement et une maintenance régulière. Cette ère de la robotisation annonce une grande vague de chômage technologique. La révolution technologique est un phénomène qui entraîne la perte de nombreux emplois. De plus, la multiplication des machines implique une augmentation de la consommation d’énergie. L’augmentation de la production entraîne la mise en place de systèmes en rapport avec les enjeux environnementaux. La croissance de l’électricité présente un impact direct sur le coût de production. L’objectif est de réaliser le plus grand nombre des contrôles possibles même s’il y a des contrôles « tirer-pousser » que l’on ne peut pas réaliser, sur des connexions de tuyaux par exemple. Une cartographie des opérations que le Checkman suit a été réalisée avec l’aide l'ensemble des Chefs d'Atelier et Chefs d’Unités de la ligne. De cette façon et en discutant avec eux et avec les Responsables de qualité, les défauts les plus graves et ceux qui arrivent le plus souvent ont été ciblés pour les aborder en priorité par le tunnel. Être en contact avec le Tooling de Cléon a été un élément clé car ils sont responsables de l’installation du tunnel et ils ont déjà réalisé un dispositif similaire dans une autre usine du Groupe. Dans le même temps, le CDC et un planning ont été rédigés pour pouvoir s’organiser de manière efficiente. Plusieurs réunions hebdomadaires ont eu lieu avec le Tooling afin d’arriver à la conception idéale dont le prototypage est illustré sur la Figure 25. Figure 25 : Prototypage du tunnel Ma tâche principale allait être le réglage des 80 caméras installées sur le tunnel afin de contrôler tous les points de la cartographie. 34 Confidential C C’était un très bon défi car comme la chaîne de production est en mono-flux avec différents modèles, il fallait faire un bon travail afin de que le système soit fiable en tenant en compte toutes les diversités des voitures. L’implantation de ce tunnel de contrôle qualité par vision va permettre d’automatiser le poste « Checkman » afin de libérer du temps à l’opérateur et va ajouter la valeur d’avoir une rigoureuse traçabilité et une remontée GRET automatisée des défauts. Ce système doit impérativement être flexible et évolutif avec la possibilité d’ajouter et de supprimer des points de contrôle pour s’adapter aux futures productions. Il y aura un écran sur le tronçon SC5 qui indique les contrôles réalisés à chaque platine et les nonconformités afin que le « Retoucheur » puisse réaliser les retouches entre le tunnel et la fin du tronçon. Figure 26 : Écran résultats contrôle à l’usine de Flins La Figure 26 s’agit de l’affichage d’un écran avec les résultats des contrôles réalisés sur une platine à l’usine de Flins. Ici, tous les contrôles sont conformes sauf la « Vis réservoir 2 », laquelle devra être soit mise soit bien positionnée par le « Retoucheur ». 35 Confidential C 5. Conclusion Ce stage a été très enrichissant. En effet, il a été effectué pendant une période idéale grâce au grand projet de l’ASL. Cependant, l’arrêt causé par l’apparition du COVID-19 a été problématique et inconfortant car le rythme de travail dans l’usine n’a pas été l’habituel. Ce stage de fin d’études m’a permis de me mettre en situation d’ingénieur pour être un professionnel aguerri à la fabrication-production automobile. A ce jour, je suis capable de répondre aux préoccupations majeures des usines automobiles : performance, qualité, sécurité et ergonomie. Durant cette période, des compétences de contrôle qualité, des caméras de vision et de l’intelligence artificielle ont été acquis. La mise en œuvre des acquis de ma formation comme ingénieur généraliste, spécialisé en mécanique a été très agréable. Également, des missions d’ingénieur m’ont été confiés comme chargé d’affaires. Une de mes compétences qui m’a aidé au bon déroulement de mon stage est mon adaptabilité, qui m’a amené à travailler sur deux projets différents ainsi qu’à m’accommoder aux différentes situations vécues. En tant qu’ingénieur, mes qualités de travail en équipe ont été démontrées, pour la réalisation des tests et des discussions sur les problématiques et leurs possibles solutions, en même temps que ma capacité d’autonomie pour répondre aux missions qui m’ont été accordées. Mon travail a été toujours communiqué à mon chef lors de mes nombreuses visites dans son bureau. Travailler dans un département flexible et réactif, qui m’a par ailleurs transmis son dynamisme pour répondre à plusieurs sujets en même temps, a pour moi été un privilège. Il m’a aussi inculqué le sens de l’initiative, de la responsabilité et l’importance de mes taches. Tout au long de mes missions j’avais à cœur d’être le plus efficace possible afin d’obtenir des résultats performants. Pour la suite, une personne va reprendre la tâche et va poursuivre sur le projet POKAIOK avec la réalisation des tests et des retours pour l’équipe BUAWEI afin d’obtenir en septembre une version plus performante et fiable du système pour la reconnaissance des défauts de qualité. De même, il fa finir la création des contrôles pour POKAI.OK et pour le tunnel de vision . 36 Confidential C Bibliographie - Informations UGB : https://group.renault.com/groupe/implantations/nos-implantationsindustrielles/usine-douai/ - Information financière : https://intranet.renault.com/decliccom/post/171673/2020/02/resultats-financiers-2019-le-groupe-renault-atteint-sesobjectifs-revises/ - Information général Renault : https://grouperenault.sharepoint.com/sites/Declic/ - Définitions aspects techniques Renault : https://grouperenault.sharepoint.com/sites/Engipedia/fr - Information intelligence artificielle : https://www.inria.fr/fr - Information profilomètres : https://www.keyence.com/products/measure/ - Information profilomètres : https://www.cognex.com/products/machine-vision/3d-laserprofilers 39 Confidential C Confidential C Confidential C Confidential C Confidential C Confidential C Confidential C Confidential C Annexe I : Planning du stage Tâches POKAI.OK Formation Point de contrôle CT1 Point de contrôle CT2 Tests step 4 Installation des caméras UFS Test point de contrôle pneus Essais hors ligne BCB Benchmaking et essaies chez le fournisseur Essais hors ligne BCB Création et lancement des points de contrôle BCB Tunnel de vison Formation Plannification et CDC Création des contrôles Intervention tooling S17 S18 S12 S13 S14 S15 S16 S07 S08 S09 S10 S11 S31 S20 S21 S24 S25 Juillet Août S22 S23 Février Mars Avril Mai Juin S19 S26 S27 S28 S32 S29 S30