FONCER – SDG Innovation Network

Aperçu du programme

Maîtrise, doctorat, et stage de premier cycle

L’originalité de la formation proposée s’appuie sur l’environnement exceptionnel offert aux étudiantes et étudiants. Les universités disposeront dans leurs locaux d’usines-laboratoires réellement en opération. Financées par la Fondation Canadienne de l’Innovation (FCI), ces usines permettent la fabrication réelle de biens manufacturés à l’aide de technologies à l’avant-garde par rapport à l’industrie. Elles seront opérées par des équipes étudiantes. Ce programme de formation est piloté par le Lab-Usine de l’Université Laval, qui joue un rôle central dans la mise en œuvre et la coordination des activités.

Dans ces usines-laboratoires, les équipes de recherche développeront et expérimenteront des systèmes de conception, de configuration, de fabrication et de pilotage de la production. Chaque projet de recherche étudiant sera associé à une entreprise partenaire et visera à répondre à une problématique industrielle de transformation numérique complexe, préalablement identifiée avec l’entreprise. La solution sera d’abord développée et testée au sein de l’usine d’entraînement, puis déployée avec la personne étudiante chez le partenaire. Les compétences et le leadership développés par ces étudiantes et étudiants en feront les agents de changement que demande l’industrie manufacturière afin de piloter sa transition vers le numérique. De plus, des étudiants en sciences de la gestion interviendront de manière transversale au sein de ces usines et chez les industriels afin d’établir les meilleures pratiques et les vecteurs de succès de la transformation numérique.

Objectifs scientifiques et techniques

La formation vise à répondre aux défis technologiques du secteur manufacturier, notamment la transition vers des systèmes manufacturiers dits de quatrième génération. Ces systèmes permettent la conception et la fabrication de produits sur mesure pour le client à des coûts proches de la fabrication en grande série. Pensons notamment à de l’ingénierie automatisée à base d’intelligence artificielle et de modèles mathématiques, à des systèmes de production cyber-physiques auto-reconfigurables avec lancement automatique de la production (planification automatisée des opérations en temps réel, suivi, pilotage assisté, réalité augmentée, etc.). Chaque projet de recherche étudiant est associé à une entreprise partenaire et vise à répondre à une problématique industrielle de transformation numérique complexe préalablement identifiée avec l’entreprise. La solution est d’abord développée / testée au sein de l’usine d’entraînement puis déployée avec la personne étudiante chez le partenaire.

Objectifs de collaboration et de développement professionnel

La formation met l’accent sur le développement de compétences interdisciplinaires et le renforcement des liens entre le milieu académique et industriel. Chaque étudiante et étudiant est jumelé à une entreprise partenaire pour toute la durée de son programme, favorisant une immersion complète dans des problématiques industrielles réelles. Cette approche permet non seulement de développer des solutions concrètes mais aussi de former des professionnels capables de piloter des projets de transformation numérique. Les séjours industriels, combinés à l’expérience acquise dans les usines universitaires, favorisent l’acquisition de compétences en leadership, en gestion de projet et en travail collaboratif, préparant ainsi une nouvelle génération d’ingénieurs, scientifiques et gestionnaires aptes à répondre aux besoins du secteur manufacturier.

Liste des projets en cours et terminées

Étudiantes/Étudiants	Responsable	Description
Abdelrahman Elsayed	Soumaya Yacout	Amélioration de la maintenance des autobus électriques grâce à la Maintenance 4.0, la 5G et la synchronisation temporelle.
Ahmed Daoud	Soumaya Yacout	Surveillance de l’état et détection globale des anomalies pour les vols Bombardier.
Charles Beaulieu	Jean-François Lalonde	Automatisation du procédé de peinture électrostatique en contexte industriel dynamique à haute diversité et faible volume ; Une méthode robuste combinant suivi d’objet en 6DDL et alignement tridimensionnel pour le recouvrement de modèles 3D et la reconstruction 3D.
Chloé Samuel	Jean-François Audy	Amélioration de la gestion opérationnelle des outils partagés dans un atelier avec un jumeau numérique.
Haitam Chaouki	Lucas Hof	Modélisation par intelligence artificielle du revêtement en poudre électrostatique.
Hedir Oukassi	Soumaya Yacout	Jumeau numérique pour la maintenance prédictive des véhicules électriques.
Jean-Thomas Sexton	Jonathan Gaudreault	Assister les soudeurs / assembleurs grâce à l’optimisation temps-réel et la réalité augmentée non-invasive.
Lamyaa El Mahi	Soumaya Yacout	Surveillance de l’état et détection locale des anomalies pour les vols Bombardier.
Madina Ouali	Soumaya Yacout	Surveillance, analyse et atténuation des anomalies et défaillances des véhicules électriques (VE) : expériences sur banc d’essai, collecte de données et analyse de la chaîne de traction électrique.
Mehdi Lamouchi Chebbi	Tasseda Boukkeroub	Élaboration d’un jumeau numérique d’un équipement critique à des fins d’apprentissage et de prédiction de son état futur pour faire de la maintenance proactive (Cas du LIFE).
Omar Alkassas	Soumaya Yacout	Système de gestion de batterie auto-réparateur avec diagnostics en ligne et apprentissage automatique pour véhicules électriques.
Rafael Brunet	Lucas Hof	Développement d’un modèle d’intelligence artificielle pour l’application de revêtement en poudre sur une ligne de production de grande diversité et de faible volume.
Soheila Kabir	Rolf Wuthrich	Amélioration du micro-usinage du verre par gravure chimique assistée par étincelle, utilisant des capteurs logiciels basés sur des technologies d’intelligence artificielle.
Zhaohan Zheng	Rolf Wuthrich	Extension du micro-usinage du verre par gravure chimique assistée par étincelle vers les 6DOF.
Éloïse Prévost	Jonathan Gaudreault	Plateforme logicielle intégrée permettant de partager le même modèle numérique à chaque étape de fabrication.
Nan Jia Liang	Lucas Hof	Dévelopement d’un système intelligent de tri fin en fin de chaîne, combinant intelligence artificielle, vision et robotique, afin d’améliorer la qualité du recyclage, réduire les matériaux non recyclés et accroître l’efficacité opérationnelle des centres de tri face aux défis réglementaires et industriels actuels
Bechir Ben Daya	Jean-François Audy	Développer et valider un cadre de jumeaux numériques décisionnels pour l’intralogistique portuaire, afin d’anticiper et de mitiger les goulots d’étranglement, d’améliorer l’efficience opérationnelle et de réduire l’empreinte carbone grâce à l’exploitation de données en temps réel et de technologies 4.0.
Hadi Wehbi	Rolf Wuthrich	Intégrer et démontrer une plateforme logicielle industrielle connectée, évolutive et distribuée, permettant la collecte, la gestion et l’exploitation en temps réel des données de production afin d’accélérer la transformation vers l’usine manufacturière connectée au Québec.