Grant: Applied Research and Development Grants - Level 1
Cégep John Abbott College
$25,000.00
Intelligence artificielle pour l'industrie manufacturière : apprentissage non-supervisé pour le groupement_x000d_ homogène d'objets similaires
EF 2020-21
Résumé
Le projet porte sur l'inte´gration d'outils d'apprentissage machine sur les lignes d'assemblage des usines de Plancher Lauzon, grand joueur dans l'industrie du bois franc. Les usines de la compagnie servent essentiellement a` tronc¸onner des billots de bois, les scier et les traiter pour en faire des paquets de planchers de bois-franc de premie`re qualite´. L'enjeu pre´sentement rencontre´ par Plancher Lauzon est le manque d'uniformite´ au niveau des lots de planchers. Par exemple, la disposition des noeuds, ou encore les nuances de couleurs diffe`rent d'un arbre a` l'autre. Alors, il s'agit d'assembler les paquets finaux de manie`re intelligente en tenant compte de ces crite`res esthe´tiques et de la nature unique de chaque planche. La compagnie re´colte de´ja` des donne´es sur ses lignes de montages, et a notamment en sa possession des millions d'images des planches de bois qui passent a` travers leurs lignes d'assemblage. Il nous faudra donc s'assurer d'harmoniser ces donne´es et de les standardiser de fac¸on a` pouvoir les traiter de fac¸on efficace, ce qui constituera l'e´tape d'audit de maturite´ des donne´es. Nous testerons par la suite certaines techniques de regroupement (clustering) afin d'e´valuer si nous pouvons obtenir des re´sultats optimaux qui seraient utilisables en production.
Programme
Applied Research and Development Grants - Level 1
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data
Tel que publié
Application id
555980-2020
Name nom
Haughey, Roger
Department département
Head Office
Organization id
2329
Institution établissement
Cégep John Abbott College
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2020
Competition year année de concours
2020
Award amount
25000
Program id
CARD1
Program name en
Applied Research and Development Grants - Level 1
Program name fr
Subventions de recherche et développement appliquée - niveau 1
Group en
Research partnerships programs
Group fr
Programmes de partenariat
Committee code
1561
Committee name en
Applied Research and Development Grants
Committee name fr
Subventions de recherche et développement appliquée
Area of application code
500
Area of application group en
Manufacturing processes and products
Area of application group fr
Procédés et produits industriels
Area of application en
Manufacturing processes and products
Area of application fr
Procédés et produits industriels
Research subject code
2603
Research subject group en
Robotics
Research subject group fr
Robotique
Research subject en
Computer vision
Research subject fr
Vision artificielle
Installment
inst:1 - 1
Partie
1
Nb partie
1
Application title
Intelligence artificielle pour l'industrie manufacturière : apprentissage non-supervisé pour le groupement_x000d_
homogène d'objets similaires
Keyword
NSERC
Application summary
Le projet porte sur l'inte´gration d'outils d'apprentissage machine sur les lignes d'assemblage des usines de Plancher Lauzon, grand joueur dans l'industrie du bois franc. Les usines de la compagnie servent essentiellement a` tronc¸onner des billots de bois, les scier et les traiter pour en faire des paquets de planchers de bois-franc de premie`re qualite´. L'enjeu pre´sentement rencontre´ par Plancher Lauzon est le manque d'uniformite´ au niveau des lots de planchers. Par exemple, la disposition des noeuds, ou encore les nuances de couleurs diffe`rent d'un arbre a` l'autre. Alors, il s'agit d'assembler les paquets finaux de manie`re intelligente en tenant compte de ces crite`res esthe´tiques et de la nature unique de chaque planche. La compagnie re´colte de´ja` des donne´es sur ses lignes de montages, et a notamment en sa possession des millions d'images des planches de bois qui passent a` travers leurs lignes d'assemblage. Il nous faudra donc s'assurer d'harmoniser ces donne´es et de les standardiser de fac¸on a` pouvoir les traiter de fac¸on efficace, ce qui constituera l'e´tape d'audit de maturite´ des donne´es. Nous testerons par la suite certaines techniques de regroupement (clustering) afin d'e´valuer si nous pouvons obtenir des re´sultats optimaux qui seraient utilisables en production.