Se préparer aux mutations de l’industrie du futur signifie pour les entreprises industrielles anticiper les changements et s’adapter aux nouveaux outils et démarches, tout en respectant les contraintes environnementales.
Pour accompagner ce monde en transition, les projets en école d’ingénieurs proposent une plateforme d’apprentissage pratique et innovant au service des entreprises partenaires, qu’elle soient startups ou grands groupes.
Automatisation, recyclage, IOT, BIM … Zoom sur 3 projets d’innovation industrielle conçus par des étudiants de la promo 2022.
Transformation du mégot de cigarette en ressource
Smoky, start-up lancée par deux anciens étudiants de l’ESILV, œuvre autour de la récupération, de la dépollution et du traitement de mégots de cigarettes utilisés.
Ses deux fondateurs, Alexandre PERRET et Stefan PETROVIC nous ont chargé d’étudier et de concevoir certaines applications utilisant leurs mégots de cigarettes dépollués comme matière première.
Notre équipe s’est tout d’abord mise au travail en réalisant un état de l’art de la concurrence ainsi qu’une étude comparative des différents produits existant sur le marché.
A l’issue de celle-ci, nous nous sommes concentrés sur le développement d’uniquement deux des applications que nous avions pu trouver et dont le spectre des secteurs industriels concernés s’étendait de la fabrication additive à l’industrie textile en passant par les anodes de batteries.
Notre but initial était de fournir à nos partenaires deux prototypes finaux de matériaux issus des mégots ainsi que leurs processus de production respectifs. Le premier étant une fibre textile proche du coton et le deuxième une plaque de plastique normalisée.
Nous avons fait le choix de nous concentrer uniquement sur le développement des plaques qui nous semblait être l’application la plus versatile des deux retenues.
Nos premières expérimentations nous ont permis de réaliser trois plaques de densité et d’épaisseur différentes.
À la suite de celles-ci, nous nous sommes accordés avec notre partenaire pour adapter le livrable et leur fournir une étude comparative des propriétés mécaniques, du coût global de production ainsi que de l’empreinte carbone générée entre une plaque d’acétate de cellulose d’origine recyclée et une autre en premier cycle de vie.
Après avoir choisi un protocole d’expérimentation suivant la norme ISO 3167, nous avons conçu et fait produire un moule de thermoformage destiné à la production d’éprouvettes plates pour nos tests mécaniques. Malgré nos succès précédents dans la production de plaques, nous ne sommes pas parvenus à obtenir des éprouvettes de qualité suffisante pour que celles-ci nous donnent des résultats exploitables.
Nos partenaires se servent aujourd’hui de nos avancées comme support pour appuyer leur future levée de fonds.
Avancement d’un chantier automatisé à partir d’un BIM 5D et des IoT
Le projet du groupe CAD.42 a pour objectif de mesurer l’avancement d’un chantier en temps réel grâce aux IoT et à une maquette BIM 5D.
En proposant une solution Cloud, l’idée du groupe est de pouvoir mettre à jour le planning d’un projet de construction automatiquement permettant ainsi d’anticiper les retards et les problèmes rencontrés sur chantier.
Dans ce cadre, notre équipe a travaillé sur la reconnaissance de deux scènes contextuelles, le chargement de benne à béton et le déchargement de camion, à partir de données récupérées sur le terrain (photos, géolocalisation du tracker, poids relevé, date, etc…).
Elle s’appuie sur les prédictions d’objets de chantier fournies par Microsoft Custom Vision. Plusieurs approches multicritères ont été réalisées via Python et leur performance a été comparée grâce à des matrices de confusion et à des métriques.
D’autre part, un script Python a été écrit afin de simuler l’arrivée de données terrains sur la plateforme Cloud.
Une corrélation a ensuite été établie avec la maquette BIM et le planning du projet afin d’identifier la tâche correspondante et ses éléments de construction relatifs. Cette liaison a été réalisée sur Node-RED en collaboration avec le développeur de la plateforme.
Enfin, l’implémentation de la reconnaissance contextuelle a été proposée et réalisée par la rédaction d’un code JavaScript, directement intégré dans les workflows de la plateforme Cloud.
Cartographie automatique d’un réseau d’environnement industriel
Lors d’un audit de sécurité, cartographier les objets connectés à internet (TCP/IP) et aux réseaux loT (zigbee, LoRa, Bluetooth …) est essentiel pour identifier des vulnérabilités potentielles.
En partenariat avec Red Alert Labs, une entreprise spécialisée dans l’audit en cybersécurité, plus particulièrement dans les objets connectés, nous avons mis au point un outil qui permet de cartographier un réseau, en récupérant le maximum d’informations comme par exemple l’adresse IP, l’adresse MAC, les ports ouverts ou encore l’OS.
Pour cela, nous recourrons au sniffing afin de détecter les appareils communiquant entre eux sur le réseau. Dans un second temps, nous effectuons des requêtes ARP afin de repérer les appareils qui ne communiquaient pas. Cependant, le pare-feu peut causer des problèmes lors de cette étape, ce qui explique pourquoi nous l’avons séparé du sniffing.
Enfin, nous nous intéressons au protocole de communication IoT Zigbee, afin de repérer de potentielles gateways sur le réseau, et les objets connectés à celle-ci.
Tout ceci nous permet de mettre au point une cartographie la plus complète possible du réseau afin de faciliter au mieux le travail de l’auditeur.
Grâce à cela, il peut à partir des résultats donnés dans un format .json et de la carte générée en .png repérer toute anomalie ou faiblesse dans le réseau.
