Doctorant - lean & industry 5.0

Vos missions en quelques mots Pour s’imposer comme un leader de l’industrie du futur, la France doit être en mesure d’apporter à ses entreprises les solutions leur permettant de se transformer. Cela s’appuie sur de nouvelles solutions technologiques et de nouveaux services qui viendront se greffer sur les infrastructures industrielles préexistantes. RéCLasSIF (Réseau des Campus Labellisés Solutions Industrie du Futur) répond à cet enjeu fort par la formation, la recherche et l‘innovation. Arts et Métiers et les écoles de l’Institut Mines Télécom disposent déjà d’un réseau de plateformes technologiques de niveau industriel qui maillent déjà le territoire français grâce à plusieurs campus. Chaque campus offre des solutions et des programmes de formation adaptés aux besoins des entreprises et démontrés sur ces plateformes. RéCLasSIF propose : - Une coordination et une mise en réseau des campus grâce à une plateforme de services partagés, pour développer et intégrer les solutions clés pour la filière Solutions pour l’Industrie du futur afin d’accélérer la diffusion de l’offre française ; - La construction d’un label de qualité "Solution Industrie du Futur" pour les campus visant le développement, l’intégration et la formation aux solutions pour une industrie verte et responsable. Il servira de repère aux acteurs industriels. Ce travail de recherche sera hébergé sur le campus Arts et Métiers d’Aix en Provence au sein du Laboratoire LISPEN. Les activités de thèse proposées s’inscrivent dans la thématique « transformation industrielle » portée par le laboratoire LISPEN. Cette thèse s’inscrit dans une collaboration entre l’ENSAM Aix-en-Provence (Laboratoire LIPSEN), l’IMT Mines Alès (laboratoires EuroMov DHM et SyCoIA) et Mines Saint-Étienne (équipe SFL, LIMOS), établissements reconnus pour leurs expertises en génie industriel, optimisation combinatoire et en intelligence artificielle. Elle s’appuie sur deux plateformes technologiques complémentaires : DynEO, l’usine-école/factory lab implanté sur le campus ENSAM d’Aix-en-Provence, est un démonstrateur de l’industrie du futur. Dotée d’une ligne manuelle reconfigurable (assemblage de raquettes sur 6 postes), de capteurs IoT, de systèmes de réalité augmentée et virtuelle, elle permet la mise en œuvre de scénarios expérimentaux réalistes dans un environnement contrôlé. - AIHM (Alès Imaging and Human Metrology), la plateforme d’IMT Mines Alès, propose des technologies avancées de capture du mouvement en environnement industriel (capteurs inertiels portables). Ces outils permettent de quantifier objectivement la pénibilité des tâches (gestes répétitifs, postures contraignantes, efforts) et d’évaluer l’ergonomie des postes de travail. Profil recherché Le sujet proposé s’adresse à des candidats(e)s titulaires d’un niveau master à orientation recherche avec une spécialisation en génie industriel, recherche opérationnelle, intelligence artificielle ou informatique décisionnelle. Une expérience et/ou des compétences dans les domaines suivants seront particulièrement appréciées : - Optimisation combinatoire, outils de simulation, mise en œuvre d’un modèle d’intelligence Artificielle ; - Lean management, analyse des situations de travail, amélioration continue, équilibrage ; - Autonome en programmation et maîtrise du langage Python et éventuellement des langages C/C++ (précision : il ne s’agit pas pour autant une thèse portant spécifiquement sur le développement de nouveaux modèles d’IA) Les qualités suivantes sont attendues : curiosité scientifique, autonomie, esprit d’initiative et goût pour le travail collaboratif (académique et industriel). Sujet de thèse/ de recherche : Lean and Operator 5.0: Dynamic Line Balancing Integrating Ergonomics, Variability, Productivity, and Resilience L’industrie contemporaine évolue vers un nouveau paradigme : l’Industrie 5.0, centrée sur la durabilité, la résilience, et le facteur humain. Cette transition dépasse les logiques d’automatisation massive de l’Industrie 4.0, en replaçant l’opérateur au cœur du système productif. Dans ce contexte, l’équilibrage dynamique des lignes de production – c’est-à-dire la capacité à adapter en temps réel la répartition des tâches entre postes, humains et ressources techniques – devient un levier stratégique pour conjuguer performance opérationnelle et qualité de vie au travail. La thèse vise à développer une approche systémique de l’équilibrage dynamique, où les choix d’organisation de la production (séquencement, affectation, découpage des tâches) intègrent à la fois : - des critères humains : pénibilité, fatigue, confort, acceptabilité technologique, - des paramètres environnementaux : consommation énergétique, émissions, déchets, - des contraintes de performance : productivité, qualité, flexibilité. Les outils développés – incluant des algorithmes d’optimisation combinatoire, des techniques d’intelligence artificielle et des modèles de jumeaux numériques – permettront de tester, simuler et optimiser différents scénarios d’organisation à partir de données réelles issues de DynEO et AIHM, et de proposer des recommandations robustes pour une production plus humaine, durable et agile. Axes de recherche : • Capture de mouvement et mesure de la pénibilité et de la productivité basées sur l’IA ; • Modélisation et optimisation des situations de travail basée sur la simulation et l’optimisation combinatoire ; • Étude de la robustesse des solutions à différents cas d’usage de DynEO ; • Validation expérimentale sur les données réelles issues de DynEO et AIHM. Niveau d'études minimum requis Niveau Niveau 8 Doctorat/diplômes équivalents Localisation Localisation : 2 cours des Arts et Métiers - 13617 Aix-en-Provence Flèche gauche : déplacer la carte vers la gauche Flèche droite : déplacer la carte vers la droite Flèche bas : déplacer la carte vers le bas Flèche haut : déplacer la carte vers le haut Éléments de candidature Documents à transmettre Pour postuler à cette offre, l'envoi du CV et d'une lettre de motivation est obligatoire Personnes à contacter Esma.Yahia@ensam.eu Lionel.Roucoules@ensam.eu