Maîtrises
Détection d'anomalies multimodales dans une raboteuse industrielle - Multimodal anomaly detection in an industrial planer
Nous sommes à la recherche d’une personne curieuse, autonome et motivée pour réaliser une maîtrise en informatique dans le cadre d’un projet de recherche appliquée en collaboration avec Bois Daaquam, un acteur majeur de l’industrie du bois d’œuvre. Ce projet est une chance unique de travailler dans un contexte multidisciplinaire avec des professeurs d’informatique, d’administration et de foresterie. L’objectif de la maîtrise est de développer des modèles de détection d’anomalies basés sur l’apprentissage profond à partir de données réelles de différents capteurs (microphone, accéléromètre, émission acoustique). Cela permettra de transformer ces machines en systèmes intelligents capables de détecter automatiquement les signes de dysfonctionnement ou d’usure. Vous contribuerez à explorer et structurer un jeu de données multi-capteurs collecté en usine, concevoir des modèles de détection d’anomalies, adapter les modèles aux différents contextes industriels (bruit ambiant, type de machine, etc.) et déployer des prototypes pour appuyer les opérateurs dans leur prise de décision. Le projet se déroulera principalement à l’Université Laval, au sein du Lab-Usine, avec des interactions régulières avec l’équipe de Bois Daaquam et des visites en usine pour valider les modèles dans des conditions réelles. Une formation en programmation (Python) et en apprentissage profond est requise. La connaissance de PyTorch est un atout important. Atouts : Expérience en traitement du signal ou en analyse de séries temporelles, intérêt pour les environnements industriels et les systèmes embarqués et capacité à travailler avec des données imparfaites et bruitées.
Pour postuler: envoyer votre CV et votre relevé de notes à anthony.deschenes@ift.ulaval.ca, remi.georges@sbf.ulaval.ca, michael.morin@fsa.ulaval.ca et cem.subakan@ift.ulaval.ca
We are seeking a curious, self-driven, and motivated individual to pursue a master’s degree in computer science as part of an applied research project in collaboration with Bois Daaquam, a major player in the lumber industry. This unique opportunity offers a multidisciplinary environment involving professors in computer science, business administration, and forestry. The goal is to develop deep learning models for anomaly detection using real-world data from various sensors (microphones, accelerometers, acoustic emission), transforming industrial machines into intelligent systems capable of identifying signs of malfunction or wear. The candidate will explore and structure a multi-sensor dataset collected in an industrial setting, design and adapt models to different operational contexts (ambient noise, machine types), and deploy prototypes to support operator decision-making. The project will be based primarily at Université Laval within the Lab-Usine, with regular collaboration with Bois Daaquam and on-site validation in real conditions. Strong programming skills in Python and experience in deep learning are required, with PyTorch knowledge considered a significant asset. Additional strengths include experience in signal processing or time series analysis, interest in industrial environments and embedded systems, and the ability to work with imperfect, noisy data.
To apply: send your CV and academic transcript to anthony.deschenes@ift.ulaval.ca, remi.georges@sbf.ulaval.ca, michael.morin@fsa.ulaval.ca and cem.subakan@ift.ulaval.ca
Stages de premier cycle
Je ne suis pas à la recherche de stagiaires pour le moment, mais il vous est toujours possible de faire une candidature spontannée en m'envoyant votre CV et votre relevé de notes à anthony.deschenes@ift.ulaval.ca