Recherche sur les outils basés sur des algorithmes d'IA pour la conception CAD et disharmonique des produits de châssis. Interface graphique avec l'utilisateur pour modifier les paramètres d'entrée et vérifier en temps réel la réponse mécanique du composant. Recherche sur les algorithmes d'IA pour le développement d'un système intelligent et adaptatif en temps réel d'Analyse des Modes et Effets de Défaillance de Conception.

• Acquisition automatique des entrées et des paramètres

• Modèles IA prédictifs

• Génération automatique de la mise en page du processus

• Génération automatique de sortie
• Envoi automatique de RFQ aux fournisseurs

• Création d'un flux de données unique avec des données hétérogènes, en réalisant la synchronisation et l'imputation
• Réalisation des fonctions de filtrage et de transformation en temps de processus.
• Apprentissage automatique en temps continu de processus et application automatique de celui-ci au processus.
• Modèle AMFE en temps continu rétroalimenté avec les données de processus.

Recherche et développement de technologies d'énergie renouvelable pour améliorer l'efficacité et la durabilité. Mise en œuvre d'algorithmes de contrôle avancé pour optimiser l'intégration dans le réseau électrique. Développement de systèmes de stockage et de surveillance pour garantir la stabilité et le fonctionnement efficace des installations renouvelables.

Développer un environnement modulaire et évolutif, de manière à ce qu'à partir du module principal de planification, de nouvelles solutions puissent être ajoutées pour améliorer la prise de décision.

Recherche et Développement de l'Orchestrateur pour AGVs : un système intégral qui gère la planification, l'intégration des données, les cyclogrammes, les modèles de production, la collaboration avec les utilisateurs, l'exécution de la planification et la coordination du contrôle de qualité. Exploration de techniques centralisées et décentralisées pour améliorer la flexibilité, la réaction et la sécurité du système.

Génération de données et développement de modèles prédictifs via l'IA pour différents types de joints soudés (adhésifs, points et apport), en mettant en avant la qualité géométrique grâce à des techniques d'apprentissage par évidence. De plus, une nouvelle méthodologie de simulation FEM sera utilisée pour prévoir les distorsions, optimiser les conditions et analyser les variations géométriques et les tensions dans les joints RSW.