Contexte et objectif de l’étude

Notre client nous a sollicité pour le développement d’un outil d’aide à la prédiction des caractéristiques de soudure, dans le cadre de l’optimisation de ses processus industriels. L’objectif principal était de créer une interface ergonomique et performante permettant d’exploiter efficacement les données existantes pour améliorer la qualité et la fiabilité des soudures.

L’outil devait intégrer différentes méthodes de régression avancées afin d’offrir des prédictions précises tout en tenant compte des incertitudes associées.

L’application devait permettre la personnalisation des paramètres, la visualisation des performances des modèles et la mise à jour des algorithmes via l’ajout de nouvelles données. Grâce à cette solution, notre client bénéficie d’une meilleure maîtrise des paramètres influençant la qualité des soudures, réduisant ainsi les risques d’erreurs et optimisant le contrôle qualité.

Méthodologie et principales réalisations

    • Conception et développement d’une Interface Homme-Machine (IHM) avec trois onglets principaux :
      • Accueil : configuration des paramètres et accès aux entraînements récents.
      • Prédiction : saisie des données d’entrée, génération des prédictions et analyse des résultats.
      • Entraînement : mise à jour des modèles via l’importation de nouvelles données.
    • Intégration de méthodes de régression avancées :
      • Régression linéaire
      • Régression Lasso
      • Régression Ridge
      • Forêt aléatoire
      • Machine à vecteurs de support (SVM)
      • Régression polynomiale
    • Implémentation d’une validation croisée Leave-One-Out pour optimiser la robustesse des modèles.

    • Affichage des résultats avec indication des intervalles de confiance à 95 %.
    • Définition de seuils critiques pour l’analyse des prédictions
    • Comparaison des modèles avant et après entraînement pour assurer une amélioration continue.