IoT & Systèmes Embarqués
Profil recherché
Élève Ingénieur / Master en Systèmes Embarqués, IoT, Génie Mécatronique ou Automatique
Encadrement
Dr.-Ing. ET-TOUSY Jamal
Session
2025 – 2026 (PFE 4 à 6 mois)
Contexte & Problématique
L'arrêt inopiné d'un équipement critique dans une usine entraîne des coûts d'exploitation et des pertes de production colossaux. Ce projet consiste à concevoir un Jumeau Numérique (Digital Twin) temps réel combiné à des algorithmes de Machine Learning embarqués (Edge AI / TinyML) sur microcontrôleurs pour analyser en direct les vibrations, le courant et la température de machines industrielles, afin de prédire les pannes mécaniques avant leur survenue.
Objectifs principaux du projet
- Instrumenter un banc de test industriel avec des capteurs physiques de haute précision (accéléromètres MEMS, sondes thermiques, pinces ampèremétriques).
- Développer et optimiser des modèles TinyML légers (autoencodeurs, FFT + SVM/CNN) capables de s'exécuter sur cibles microcontrôleurs à très basse consommation.
- Mettre en place un jumeau virtuel 3D synchronisé en temps réel via MQTT / OPC-UA reflétant l'état de santé cinématique de l'équipement.
- Fournir un tableau de bord de maintenance prédictive calculant la durée de vie utile restante (RUL - Remaining Useful Life).
Stack technologique & Outils
Digital Twin
Edge AI / TinyML
Edge Impulse
STM32 / ESP32
MQTT
OPC-UA
InfluxDB
Grafana
Three.js
Python
Livrables attendus
- Firmware Edge AI embarqué pour la détection temps réel d'anomalies vibratoires.
- Modèle virtuel 3D interactif synchronisé bidirectionnellement avec le composant physique.
- Plateforme logicielle de supervision de maintenance avec calcul prédictif de RUL.
- Rapport de PFE scientifique avec analyse des performances énergétiques et algorithmiques.
Ce sujet vous intéresse ?
Envoyez votre CV accompagné d'une lettre de motivation mentionnant vos compétences techniques, vos projets académiques ou personnels pertinents ainsi que vos disponibilités.
Postuler à ce sujet