Thèse ou mémoire avec insertion d’articles / De nos jours, les industries se concentrent davantage sur le développement de matériaux respectueux de l'environnement pour améliorer la sécurité, réduire le poids, augmenter l'efficacité énergétique et réduire la contamination. La fibre de carbone renforce les plastiques (CFRP) en raison de ses caractéristiques uniques telles qu'un rapport résistance / poids élevé, une bonne résistance à la corrosion et une résistance élevée à la fatigue elle fait partie des matériaux préférables dans l'industrie. En tant qu'outil de contrôle de la qualité et de gestion de l'assurance de la qualité, les Contrôle non destructif (CND) jouent un rôle vital dans des secteurs tels que l'aérospatiale, les pipelines et les ponts, car ils peuvent aider à prévenir les défaillances susceptibles de nuire à la sécurité, à la fiabilité et à l'environnement. La thermographie pulsée active (PT) est une technique de test non destructif pour l'inspection des matériaux et des structures dans la science et l'industrie. Plusieurs algorithmes de traitement ont été développés pour améliorer et valoriser les données thermographiques captées afin de détecter les anomalies et de les caractériser précisément. L'analyse robuste en composantes principales (RPCA) via la décomposition en matrices de faible rang et clairsemées présente un cadre puissant pour de nombreuses applications telles que le traitement d'images, le traitement vidéo et la vision par ordinateur 3D. Le Robust-PCA proposé est une approche de réduction de dimensionnalité et surpasse la méthode PCA. De plus, la matrice de bas rang extraite de Robust-PCA utilisant un multiplicateur de Lagrange augmenté inexact (IALM) réduit le bruit des données brutes. Différentes approches de traitement sont proposées pour détecter et caractériser les irrégularités des structures produites lors de la fabrication et en service. Robust-PCA via IALM peut être utilisé comme pré-traitement et post-traitement sur des approches de pointe (c'est-à-dire PCT, PPT et PLST) pour réduire le bruit sur les données thermographiques. Le contraste au bruit (CNR) et le coefficient de similarité s'améliorent nettement lorsque le RPCA est utilisé comme prétraitement. Cependant, le post-traitement sur la sortie PLST montre une amélioration des résultats finaux. En outre, des modèles d'apprentissage automatique tels que les auto-encodeurs (AE) pour la surveillance de données non linéaires complexes ont été étudiés. L'application d'un auto-encodeur sous-complet avec un accent sur la détection de défauts montre des résultats comparables aux approches traditionnelles, c'est-à-dire PCA. Afin d'augmenter la fiabilité et l'applicabilité de l'Thermographie Infrarouge pour une inspection structurelle efficace, la classification des défauts existants et l'estimation de la profondeur, le bag-of-feature (BoF) a été utilisé. Les résultats ont représenté que la méthode proposée peut avoir une estimation raisonnable des défauts et une classification parmi trois types de trous à fond plat, d'insert en Téflon et d'extraction. / Nowadays, industries are more focused on developing environmentally friendly materials to improve safety, reduce weight, increase fuel efficiency, and lower contamination. Carbon fiber reinforces plastics (CFRP) due to its unique features such as high strength-to-weight ratio, good corrosion resistance, and high fatigue resistance is among the preferable material in the industry. As a quality control and quality assurance management tool, NDT plays a vital role in industries such as aerospace, pipelines, and bridges, as it can help prevent failures that could harm safety, reliability, and the environment. Active pulsed thermography (PT) is a non-destructive testing technique for material and structure inspection in science and industry. Several processing algorithms have been developed to improve and enhance the captured thermographic data to detect anomalies and characterize them precisely. Robust principal component analysis (RPCA) via decomposition into low-rank and sparse matrices present a powerful framework for many applications such as image processing, video processing, and 3-D computer vision. The proposed Robust-PCA is a dimensionality reduction approach and outperforms the PCA method. Moreover, the extracted low-rank matrix from Robust-PCA using inexact augmented Lagrange multiplier (IALM) reduces the noise of raw data. Different processing approaches are proposed to detect and characterize the irregularities in structures produced during manufacturing and in-service. Robust-PCA via IALM can be used as pre-processing and post-processing on state-of-the-art approaches (i.e., PCT, PPT, and PLST) to reduce the noise on thermographic data. The contrast-to-noise ratio (CNR) and similarity coefficient clearly improve when RPCA is employed as pre-processing. However, post-processing on PLST output shows improvement in final results. Furthermore, machine learning models like autoencoders (AEs) for monitoring complex nonlinear data have been investigated. The application of an undercomplete-autoencoder with a focus on fault detection shows comparable results with traditional approaches, i.e., PCA. In order to increase the reliability and applicability of IRT for effective structural inspection, classification of existing defects, and depth estimation, bag-of-feature (BoF) has been utilized. Results have represented that the proposed method can have a reasonable estimation of defects and classification among three types of flat-bottom-hole, Teflon-insert, and pull-out.

À l'heure où le concept de l'industrie 4.0 s'impose dans le monde manufacturier comme un nouveau modèle de production interconnectée, les entreprises tentent de s'adapter en adoptant différentes technologies liées à l'internet des objets, la collecte et l'analyse de données, l'automatisation des processus, la robotisation et l'intelligence artificielle. Devant l'incertitude causée par l'indétermination du concept de l'industrie 4.0 tant sur la production que sur les effets sur le travail, cette étude propose un regard sur les processus d'enquête et de résolution de ces incertitudes en utilisant le concept d'expérimentation institutionnelle. À partir d'une étude de cas dans une entreprise manufacturière du secteur de l'aérospatiale au Danemark, cette étude vise à mieux comprendre comment les acteurs locaux patronaux et syndicaux expérimentent avec leurs institutions pour répondre à cette incertitude. Les données recueillies sur une période de trois années (entretiens, observations et documents) ont fait l'objet d'une analyse qualitative processuelle (Abdallah, Lusiani, & Langley, 2019) dont les résultats mettent en lumière les sous-processus itératifs de l'expérimentation permettant de comprendre cette dernière comme un processus d'enquête créatif, dynamique, par des acteurs situés et dotés de certaines compétences (Dewey, 1967). De plus, en remettant les acteurs locaux au sein d'un tissu institutionnel formel et informel, l'analyse permet de dégager les différentes ressources de pouvoir utilisées par les acteurs locaux et de révéler le caractère multiniveau de l'expérimentation institutionnelle. Sur le plan théorique, l'utilisation de l'approche pragmatiste américaine de John Dewey offre une compréhension fine du phénomène de l'expérimentation par l'illustration des « habitudes » expérimentales des acteurs danois ce qui contribue à alléger son aspect mécanique (C. F. Sabel & Zeitlin, 2012b) en montrant plutôt l'aspect créatif des acteurs au niveau micro dans la création de ressources collectives (biens collectifs) à des niveaux sectoriels et régionaux (Herrigel, 2012b; Ostrom, 1990). Concernant la question des changements institutionnels, les résultats de cette étude s'ajoutent à celles promouvant la thèse des changements graduels et processuels (Ilsøe, 2018) et participent à une littérature existante qui appuie l'hypothèse de la capacité d'adaptation des institutions danoises au regard des nouvelles conditions du numérique (Dølvik & Steen, 2018; Rolandsson, Alasoini, Berglund et coll., 2020). Cette étude ajoute également un récit empirique et théorique éclairant les conditions institutionnelles facilitant l'expérimentation en marge des institutions nationales, dans une forme additionnelle de régulation du travail. Enfin, plutôt qu'un récit d'un chamboulement des relations d'emploi à l'ère de l'industrie 4.0, cette étude de cas illustre comment certaines conditions institutionnelles pouvant être associées à une économie négociée ou plus récemment à des institutions « expérimentalistes » (P. H. Kristensen & Morgan, 2012a) permettent aux acteurs locaux de la relation d'emploi d'introduire le numérique dans l'organisation du travail tout en maintenant une certaine continuation de la reproduction du modèle danois. / In recent years, Industry 4.0 has emerged as a new model of interconnected production in the manufacturing world. However, while companies seek to adapt to the new realities using different novel technologies, including the Internet of Things, data collection and analysis, process automation, robotization, and Artificial Intelligence, the concept of Industry 4.0 remains indeterminate and uncertain in both production and work. Using the concept of institutional experimentation, this study analyzes how local actors (union and management) investigate and resolve indeterminacy of Industry 4.0. Based on a case study in a manufacturing company in the aerospace sector in Denmark, this study aims to better understand 1) how local union and management actors' experiment with their institutions to respond to this uncertainty and 2) the enabling institutional conditions supporting actors in their experiment. The data collected over a period of three years (interviews, observations and documents) were analysed through a qualitative processual analysis (Abdallah, Lusiani, & Langley, 2019). Results highlight the iterative sub-processes of the experimentation which help built its definition as a creative and dynamic inquiry process by actors institutionnally situated and endowed with certain skills (Dewey, 1967). In addition, by placing local actors within a formal and informal institutional setting, the analysis shows the different power resources used by local actors and reveals the multilevel nature of institutional experimentation. On a theoretical level, the use of the American pragmatist approach of John Dewey (1967) offers a detailed understanding of the phenomenon of experimentation by illustrating the experimental "habits" of Danish local actors, which helps to lighten its mechanical aspect (CF Sabel & Zeitlin, 2012b) by showing a rather creative and processual inquiry at the micro level while creating collective resources (collective goods) at sectoral and regional levels (Herrigel, 2012b; Ostrom, 1990). With regard to institutional change, this study enriches previous accounts of gradual and processual changes (Ilsøe, 2018) and demonstrates the ability of Danish industrial relations institutions to adapt to new digital work transformation (Dølvik & Steen, 2018; Rolandsson et al., 2020). On empirical grounds, this study illuminates the institutional conditions that enable and facilitate these kind of experimentations operating at the margins of national institutions. Finally, shifting from the conventional narrative about the disruption of employment relations in the era of Industry 4.0, this case study illustrates how certain institutional conditions associated with a negotiated economy-or, more recently, "experimentalists institutions" (Kristensen & Morgan, 2012a)-allow local employment relation actors to introduce digital technologies into the organization of work while maintaining a certain reproduction of the Danish model.