AVIS DE SOUTENANCE de Monsieur Traian LAVRIC

L’Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris
et le Laboratoire de recherche SAMOVAR РServices répartis, Architectures, MOdélisation, Validation, Administration des Réseaux

présentent

l’AVIS DE SOUTENANCE de Monsieur Traian LAVRIC

Autoris√© √† pr√©senter ses travaux en vue de l‚Äôobtention du Doctorat de l’Institut Polytechnique de Paris, pr√©par√© √† T√©l√©com SudParis en :

Signal, Images, Automatique et robotique

¬ę M√©thodologies et outils pour le partage de connaissances dans les industries d’assemblage manuel en utilisant la r√©alit√© augment√©e ¬Ľ

le vendredi 2 décembre 2022 à 9h30

Salle H218, Télécom SudParis 9 Rue Charles Fourier Р91000 Evry-Courcouronnes

Ou en visio via le lien suivant: : 

https://webconf.imt.fr/frontend/tit-1wi-wex-o6m

Membres du jury :

M. Titus ZAHARIA, Professeur, T√©l√©com SudParis, FRANCE – Directeur de th√®se
M. Marius PREDA, Ma√ģtre de conf√©rences, Telecom Sudparis, FRANCE – Co-encadrant de th√®se
M. Jean-Yves DIDIER, Ma√ģtre de conf√©rences, Universit√© d’Evry-val d’Essonne – Universit√© Paris-Saclay, FRANCE – Rapporteur
M. Thierry DUVAL , Professeur, IMT Atlantique, FRANCE – Rapporteur
M. Fabien DUMON, Lead of Airbus Holographic Academy – Defence & Space, Airbus Defence & Space, FRANCE – Examinateur
Mme Laurence NIGAY, Professeure des universit√©s, Universit√© Grenoble Alpes, FRANCE – Examinatrice


Résumé :

R√©sum√© : Pour rester comp√©titifs dans la r√©volution industrielle en cours, c’est-√†-dire l’industrie 4.0, les secteurs manufacturiers doivent assurer une grande flexibilit√© au niveau de la production, un besoin mieux satisfait par des travailleurs qualifi√©s. Alors que la formation traditionnelle devient de plus en plus inefficace, trouver une meilleure fa√ßon de former les travailleurs novices devient une exigence critique. La litt√©rature sugg√®re que la r√©alit√© augment√©e (RA), une technologie √©mergente propos√©e par l’industrie 4.0, peut potentiellement r√©pondre √† cette question. Les avantages des outils de partage des connaissances bas√©s sur la RA ont √©t√© d√©montr√©s dans divers domaines, y compris l’industrie, de la fabrication √† la validation et √† la maintenance. Cependant, malgr√© les progr√®s de la RA ces derni√®res ann√©es, aucune perc√©e industrielle significative n’est √† noter. Nous avons constat√© que la plupart des syst√®mes RA sont √©labor√©s et √©valu√©s dans des environnements contr√īl√©s, sans l’implication des √©ventuels utilisateurs finaux. Guid√©s par les recommandations de la litt√©rature, nous avons men√© une √©tude de cas au long cours dans une usine d’assemblage manuel, afin d’identifier les besoins et les attentes auxquels un syst√®me de formation en RA devrait r√©pondre, pour adresser de mani√®re optimale le secteur industriel consid√©r√©. De plus, nous avons men√© une analyse approfondie de la repr√©sentation et de la transmission de l’information dans la RA, en ce qui concerne les implications cognitives et les efforts de cr√©ation de contenu. Nous avons √©galement explor√© les paradigmes d’interaction homme-machine pour identifier les principes et les lignes directrices de conception pour l’√©laboration d’un outil de RA d√©di√© au contexte atelier. Nous avons constat√© que la repr√©sentation visuelle de l’expertise d’assemblage en RA peut s’appuyer sur des √©l√©ments visuels peu co√Ľteux (c’est-√†-dire texte, photo, vid√©o et donn√©es auxiliaires pr√©d√©finies), tandis qu’une conception centr√©e sur l’humain devrait √™tre adopt√©e lors de l’√©laboration du syst√®me, en privil√©giant l’utilisabilit√© et l’utilit√© plut√īt que la performance. Nous avons d√©fini une repr√©sentation visuelle formalis√©e des op√©rations d’assemblage en RA, qui prend en compte les probl√©matiques de cr√©ation et soutient les performances de formation. Nous avons propos√© une approche de cr√©ation immersive qui permet de capturer son expertise d’assemblage in-situ, lors de l’assemblage. La cr√©ation des instructions en RA est un processus en une √©tape, ne s’appuie pas sur des donn√©es existantes ou des services externes et ne n√©cessite pas d’expertise AR ou technique, de pr√©- ou post-traitement des donn√©es. Pendant la formation, les informations d’assemblage sont transmises en suivant le principe 2W1H, con√ßu pour guider les novices de mani√®re naturelle et non intrusive, en minimisant les entr√©es de l’utilisateur et l’encombrement de l’interface utilisateur, et en visant √† maximiser la compr√©hension et l’apprentissage. Nous avons √©valu√© notre proposition en menant plusieurs √©tudes. La premi√®re, men√©e sur un poste de travail d’assemblage r√©el, a confirm√© l’hypoth√®se selon laquelle des √©l√©ments visuels √† faible co√Ľt enregistr√©s dans l’espace peuvent transmettre efficacement l’expertise d’assemblage manuel aux travailleurs novices dans une configuration industrielle. Les r√©sultats de la deuxi√®me √©tude ont soutenu l’hypoth√®se selon laquelle la valeur de la cr√©ation d’instructions AR bas√©es sur la CAO dans un contexte industriel similaire est discutable. Une derni√®re √©tude a prouv√© que le syst√®me RA propos√©, comprenant √† la fois la proc√©dure de cr√©ation et de formation, peut √™tre utilis√© efficacement par des novices en quelques minutes. Dans l’ensemble, les r√©sultats rapport√©s ont d√©montr√© la usabilit√© et l’efficacit√© de l’approche de formation en RA propos√©e, indiquant qu’une mise en Ňďuvre de syst√®me similaire pourrait √™tre adopt√©e avec succ√®s dans les secteurs manufacturiers. Les travaux futurs devraient valider les r√©sultats exp√©rimentaux rapport√©s dans des √©valuations industrielles √† grande √©chelle et proposer des modules ¬ę¬†intelligents¬†¬Ľ (par exemple, validation d’assemblage) pour mieux aider les novices pendant leur formation et optimiser √©galement la proc√©dure de cr√©ation.


Abstract : ¬ę¬†Methodologies and tools for expert knowledge sharing in manual assembly industries by using augmented reality  ¬ę¬†

Abstract: To remain competitive in the ongoing industrial revolution (i.e., Industry 4.0), manufacturing sectors must ensure high flexibility at the production level, a need best addressed by skilled human workforce. As traditional training becomes increasingly inefficient, finding a better way of training novice workers becomes a critical requirement. Literature suggests that augmented reality (AR), an emerging technology proposed by Industry 4.0, can potentially address this concern. The benefits of AR-based knowledge sharing tools have been demonstrated in a variety of domains, including industry, from manufacturing to validation and maintenance. However, despite the progress of AR in recent years, no significant industrial breakthrough can be noted. We found that most AR systems are elaborated and evaluated under controlled settings, without the implication of the eventual end users. Guided by literature recommendations, we conducted a long-term case study in a manual assembly factory, to identify needs and expectations that an AR training system should meet, to optimally address the considered industrial sector. Further, we conducted an in-depth analysis on information representation and conveyance in AR, with respect to cognitive implications and content authoring efforts. We explored as well human-computer interaction paradigms to identify principles and design guidelines for elaborating an AR tool dedicated to the shop floor context. We found that the visual representation of the assembly expertise in AR can rely on spatially registered low-cost visual assets (i.e., text, photo, video, and predefined auxiliary data), while a human-centered design should be adopted during the elaboration of the AR system, prioritizing usability and usefulness rather than performance. We defined a formalized visual representation (i.e., 2W1H principle) of assembly operations in AR, that considers authoring concerns and supports training performance. We proposed an HMD-only immersive authoring that allows one to capture his assembly expertise in-situ, during the assembly itself. The authoring is a one-step process, does not rely on existing data or external services and does not require AR or technical expertise, pre- or post-processing of data. During training, the assembly information is conveyed via AR by following the 2W1H principle, designed to guide novice workers in a natural, non-intrusive manner, minimizing user input and UI clutter, and aiming to optimize comprehension and learning. We evaluated our proposal by conducting several experiments. The first, conducted on a real-world assembly workstation, confirmed the hypothesis that spatially registered low-cost visual assets can effectively convey manual assembly expertise to novice workers via AR in an industrial setup. The findings of the second experiment supported the assumption that the worthiness of authoring CAD-based AR instructions in similar industrial context is questionable. A final experiment proved that the proposed AR system, including both authoring and training procedures, can be used effectively by novices in a matter of minutes. The overall reported feedback demonstrated the usability and efficiency of the proposed AR training approach, indicating that a similar system implementation could be successfully adopted in shop floor environments. Future work should validate the reported experimental findings in large-scale industrial evaluations and propose reliable ‚Äúintelligent‚ÄĚ modules (e.g., assembly validation and feedback) to better assist novice workers during training and optimize the authoring procedure as well.