Concevoir une alerte qualité anti-défauts pour une ligne de soudure automobile
Aperçu
En quoi consiste ce défi.
Concevez une alerte qualité anti-défauts pour une ligne de soudure automobile et obtenez un certificat vérifiable.
Le scénario
L'équipementier livre des pièces de carrosserie soudées à plusieurs constructeurs européens depuis un site unique près de Valenciennes, où le contrôle qualité reste largement manuel malgré la présence de capteurs sur les postes de soudure.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Concevoir une méthode de détection d'anomalies et de regroupement des lots de production permettant de repérer les pièces à risque de défaut avant leur expédition, à partir des données de capteurs disponibles.
Earning criteria — what you'll demonstrate
- Appliquer des techniques de détection d'anomalies à des données de capteurs industriels
- Concevoir un pipeline de caractéristiques (feature engineering) pertinent pour des séries temporelles de production
- Justifier des choix de validation de modèle en tenant compte de classes déséquilibrées
- Communiquer des recommandations techniques de fouille de données à des parties prenantes non spécialistes
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
- Anomaly Detection
Apply anomaly detection to solve real industry problems and demonstrate production-level capability.
- Feature Engineering
Apply feature engineering to solve real industry problems and demonstrate production-level capability.
- Cross Validation
Apply cross validation to solve real industry problems and demonstrate production-level capability.
- Model Validation
Apply model validation to solve real industry problems and demonstrate production-level capability.
- Classification Regression
Apply classification regression to solve real industry problems and demonstrate production-level capability.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Les parcours de carrière que ce défi construit
Métiers de référenceData Engineer
Ce défi entraîne à construire un pipeline de données industrielles, des capteurs bruts jusqu'à un signal exploitable, une compétence centrale pour un Data Engineer qui conçoit des flux de données fiables en environnement de production.
Ce défi renforce
- feature-engineering
- anomaly-detection
- model-validation
Machine Learning Engineer
La conception d'un modèle de détection d'anomalies adapté à des données déséquilibrées prépare directement aux décisions qu'un Machine Learning Engineer doit prendre pour des systèmes de scoring en production.
Ce défi renforce
- anomaly-detection
- cross-validation
- classification-regression
Analyste de Production
Traduire des signaux capteurs en règles d'alerte exploitables par des équipes qualité est une compétence directement utile à un Analyste de Production qui doit optimiser les lignes de fabrication.
Ce défi renforce
- feature-engineering
- model-validation
- classification-regression