Soutenance de thèse de Ilhem BEN HNAIEN (DOME2S) - Samedi 10 octobre 2026 à 11h - amphit ENISO - Sousse Tunisie

Intitulée : " Contribution à la surveillance et au diagnostic des systèmes robotiques industriels par l’intégration de l’Intelligence Artificielle et des Jumeaux Numériques "

Membres du jury :
 
  • M. Hassen MEKKI, Professeur à l’Université de Sousse, ENISO — Président
  • M. Chakib BEN NJIMA, Professeur à l’Université de Sousse, ISTLS — Rapporteur
  • M. Atef KHEDHER, Professeur à l’Université de Sousse, ISSAT — Rapporteur
  • Mme Zineb SIMEU-ABAZI, Professeur à l’Université Grenoble Alpes, G-SCOP — Examinatrice
  • M. Hedi DHOUIBI, Président de l’Université de Kairouan — Directeur de thèse
  • M. Eric GASCARD, Professeur à l’Université Grenoble Alpes, G-SCOP — Co-encadrant

Résumé :

Dans le contexte de l’Industrie 4.0, la complexité croissante des systèmes robotiques industriels pose des défis majeurs en matière de surveillance, de fiabilité et de maintenance intelligente. Les approches classiques de diagnostic, basées sur des modèles analytiques ou sur l’expertise humaine, montrent des limites face aux dynamiques non linéaires et aux incertitudes des systèmes robotiques. Les méthodes data-driven, bien que performantes, restent fortement dépendantes de la disponibilité de données de défauts représentatives.
Cette thèse propose une méthodologie intégrée de surveillance et de diagnostic des défauts (FDD) des robots industriels, fondée sur l’association entre intelligence artificielle et jumeau numérique. Un jumeau numérique hybride, combinant modèles physiques et données multi-capteurs, est développé et utilisé comme référence nominale et outil de génération de scénarios de défauts. La méthodologie est validée sur un robot industriel Stäubli TX60 sous MATLAB/Simulink, en s’appuyant sur des méthodes d’intelligence artificielle supervisées et non supervisées. Les résultats démontrent la pertinence de l’approche proposée pour un diagnostic robuste, généralisable et compatible avec les contraintes industrielles.

Mots-clés : Jumeau numérique ; Intelligence artificielle ; Diagnostic des défauts ; FDD ; Robots industriels ; Industrie 4.0