Le projet RTI 4.0, est porté par le laboratoire ImViA (Université de Bourgogne), en partenariat avec le laboratoire IRDL (Université Bretagne Sud, ENSTA Bretagne), le laboratoire LAMIH (Université Polytechnique Hauts-de-France), Altimet et Stellantis.
Aller vers des processus intelligents de fabrication et de finition des surfaces (Smart Manufacturing) est un enjeu essentiel pour l’Industrie du futur. Il s’agit notamment à travers des processus et technologies numérisées de permettre une adaptabilité importante et d’optimiser les performances des processus et des produits. Le projet RTI 4.0 vise ainsi à développer des technologies et méthodologies pour numériser et analyser l’apparence des états de surface manufacturés.
Ce projet a été co-labellisé par les pôles de compétitivité Images & Réseaux et PMT, dans le cadre de l’ANR Appel à Projets Générique 2023.
En quoi consiste le projet ?
Le projet RTI 4.0 vise à développer des technologies et méthodologies pour numériser et analyser l’apparence des états de surface manufacturés dans un contexte d’industrie intelligente (Smart Manufacturing).
Il s’articule autour de deux axes principaux :
- Numérisation de l’apparence : Développement de modalités d’acquisition adaptatives multi-échelles et multispectrales basées sur la technologie RTI.
- Caractérisation et modélisation : Extraction de descripteurs quantitatifs liés aux propriétés fonctionnelles des surfaces pour améliorer/ faciliter le pilotage des processus industriels de fabrication/finition de surface.
Ces travaux s’appuient sur les avancées du projet précédent ANR NAPS et impliquent un prototype basé sur l’imagerie Reflectance Transformation Imaging (RTI), intégré à des approches de traitement de données avancées, telles que l’apprentissage supervisé et l’analyse multi-échelle.
Quels sont les verrous que vous allez lever ou avez levés pendant le projet ?
Les principaux verrous incluent :
- Acquisition multi-échelle et adaptative : Réduction des biais liés aux choix d’acquisition (temps d’exposition, position d’éclairage, etc.) et développement de séquences optimisées (e.g., HDR-RTI, NBLP).
- Analyse fonctionnelle des données : Développement de descripteurs corrélés aux propriétés visuelles et fonctionnelles des surfaces, intégrant des méthodologies de segmentation et de caractérisation 3D/4D, méthodes d’IA (deep learning) pour traiter les données RTI.
- Couplage des modalités d’acquisition : Intégration et fusion de données issues de techniques diverses pour une caractérisation robuste et applicable en industrie.
- Transfert vers l’industrie : Adaptation des systèmes pour répondre aux contraintes industrielles (temps de cycle, volume de données, etc.)
Quel est le rôle de chaque partenaire ?
- IRDL (Université Bretagne Sud) : Coordination scientifique, méthodes d’analyse des états de surface, instrumentation du prototype, méthodes d’imageries non conventionnelles.
- ImViA (Université de Bourgogne) : développement des méthodes d’apprentissage supervisé.
- IRDL (ENSTA Bretagne, Université Bretagne Sud) : Développement de prototypes industriels (bord de ligne) et apport de la technologie RTI pour l’analyse des faciès de rupture (fractographie statistique).
- LAMIH (Université Polytechnique Hauts-de-France) : Analyse des propriétés fonctionnelles des états de surface.
- Altimet et Stellantis : Contributions industrielles, notamment pour le déploiement des technologies en environnements réels et sur les cas d’études industriel
Aujourd’hui, où en est le projet ? Quelles sont les prochaines étapes ?
Le projet est structuré en plusieurs WorkPackages (WP) couvrant la coordination, le développement d’outils, la construction de prototypes et l’analyse des propriétés fonctionnelles.
Les actions en cours incluent :
- Développement du prototype RTI “New Gen” et outils méthodologiques pour l’analyse fonctionnelle.
- Mise en œuvre d’algorithmes d’apprentissage supervisé pour l’analyse des données RTI.
Les prochaines étapes incluent le test industriel des technologies, la finalisation des prototypes, et l’organisation de journées techniques pour la diffusion des résultats
Votre projet a été labellisé par Images & Réseaux, quelles sont les valeurs ajoutées d’un Pôle tel qu’I&R ?
Le label du Pôle I&R apporte pour notre projet :
- Visibilité et crédibilité : Renforcement de la visibilité du projet au sein des réseaux scientifiques et industriels. Notamment, le soutien du pole lors de la soumission du projet à l’ANR a a mon sens été un élément d’appréciation positif, et les remarques faites lors de l’audition par le Pole ont permis d’améliorer la qualité du projet soumis.
- Soutien aux collaborations : Potentiellement le label I&R peut permettre de faciliter des partenariats académiques et industriels en lien avec ce projet, ou en suite de ce projet.
- Accès aux ressources : En fin de projet, cela permettra de bénéficier des outils et initiatives spécifiques au pôle pour le transfert technologique et la valorisation industrielle.