Modélisation et analyse de la non-qualité de planches en bois par apprentissage automatique

L'industrie du sciage occupe une place économique significative au Québec. Pour répondre aux exigences relatives à la productivité et à la qualité dans le processus de sciage, les industries forestières doivent faire face à l'évolution rapide des technologies de l'information et de la communication. Ce projet se focalise sur les problèmes relatifs à la qualité du produit final, dans ce cas, les planches de bois. L'objectif global de cette mémoire consiste à modéliser la non-qualité des planches lors du processus du sciage pour identifier les causes racines de la mauvaise qualité du produit. Cet objectif est subdivisé en deux sous-objectifs principaux, notamment la détection de la non-qualité dans le produit fini lors de la coupe des billes de bois et l'identification des conditions sous lesquelles les critères de non-qualité apparaissent dans les planches afin de réduire éventuellement la quantité de planches de mauvaise qualité. Deux méthodes d'analyse sont développées et appliquées. La première méthode suivie pour atteindre le premier objectif consiste à générer des règles de classification qui représentent chaque type de non-qualité du produit fini. Pour ce faire, la technique de l'analyse logique des données est utilisée en se basant sur le logiciel cbmLAD. Pour le second objectif, des modèles analytiques basés sur la régression à multi-sorties sont formulés pour expliquer les différents types de non-qualité trouvée dans les planches produites lors du processus de sciage. Une analyse d'importance est également effectuée sur les variables entrantes afin de détecter celles qui contribuent significativement au modèle construit. Enfin, une comparaison des résultats des modèles de classification et de régression est établie. Un cas d'étude est utilisé tout au long du mémoire pour implémenter et évaluer les modèles de classification et de régression proposés.