Doctorant CIFRE - Thèse en Maintenance Prédictive des Moyens de Production Automobiles (H/F)

Posted:
6/10/2024, 5:00:00 PM

Location(s):
Ile-de-France, France ⋅ Guyancourt, Ile-de-France, France

Experience Level(s):
Junior ⋅ Mid Level ⋅ Senior

Field(s):
Software Engineering

Company

RENAULT s.a.s.

Job Description

Votre environnement

Le candidat au doctorat intégrera la Direction Metaverse Qualité & Industrie basée au Technocentre de Guyancourt, dans le département Automatisme et Maintenance (OTM) qui est un acteur majeur de la transformation 4.0 de l’industrie et de la montée en performance des sites industriels.

Il sera chargé d'élaborer une méthodologie de calcul de score de santé machine basée sur des algorithmes d'Intelligence Artificielle (IA), exploitant des données collectées auprès de diverses sources telles que des données physiques (vibratoires, courants, ultrasons, etc.), des données de processus (issues des automates), des données des systèmes d'information, des rapports d'expertise, etc. Ces données sont aujourd'hui remontées à la « Control Room » centrale qui centralise la supervision d’équipements industriels (presses d’emboutissage, centres d’usinage, …) et alerte les sites des risques de pannes.

Le but de la thèse est de développer un système de Maintenance prédictive basé sur l'intelligence artificielle capable d’anticiper des phénomènes physiques en transformant des données multidimensionnelles et complexes en un score de santé simple et intuitif, exprimant l'état de santé actuel et prévisionnel des moyens de production.

Cette démarche vise à soutenir la capitalisation de la surveillance, du pronostic et de l’aide à la décision, notamment à un niveau de parc de machines (par exemple, presses d’emboutissage, robots industriels). Les contributions attendues enrichiront la "Control Room " centrale de nouvelles fonctionnalités, améliorant l'efficacité de la gestion des activités de maintenance pour garantir le maintien en condition opérationnelle des machines de production.

Dans un premier temps, le système sera appliqué à un sous-ensemble de presses d'emboutissage, puis à l'ensemble des presses d'emboutissage instrumentées. Le domaine d'application et la méthodologie développée auront vocation à s'étendre à d'autres moyens de production comprenant différentes typologies de données, tels que les robots industriels, les machines de manutention, etc.

Le candidat doit avoir ou acquérir une compréhension approfondie de la physique régissant le fonctionnement des machines et leurs processus, ainsi que l'exploitation probabiliste des données de mesure dans le but de concevoir des indicateurs pertinents de l'état de santé actuel et à venir des machines.

Vos missions

Étudier des méthodes de traitement de données massives (Big Data) pour classifier et identifier des paramètres caractéristiques de l'état de santé des presses d'emboutissage (dans un premier temps).

Construire des modèles hors ligne de l'état de santé des presses d'emboutissage.

Développer une approche d'apprentissage statistique à partir de données en temps réel en ligne.

Fusionner les données des caractéristiques identifiées hors ligne et en ligne pour permettre la prévision du comportement des systèmes et de leur durée de vie restante.

Effectuer le recalage des prévisions par rapport aux observations en temps réel.

Concevoir une logique de maintenance prédictive optimale pour les usines.

Votre profil

Vous êtes étudiant en Master 2, Écoles d'ingénieurs / Universités avec spécialité Data Science/ Mathématiques appliquées, statistiques.

Vous maîtrisez les concepts, méthodes et algorithmes de Machine Learning et Deep Learning.

Vous maîtrisez des langages de programmation Python/Matlab et SQL ainsi que de l'environnement Google Cloud.

Vous avez de solides connaissances en mathématiques, physique et mécanique.

Vous possédez de bonnes capacités analytiques, êtes autonome et avez l’expérience du travail en équipe.

Vous avez de bonnes compétences en communication et en rédaction.

Vous avez un très bon niveau d'anglais écrit et oral, facteur clé de réussite dans le poste.

Vous affichez un intérêt marqué pour la recherche appliquée.

Vous vous reconnaissez dans cette annonce ? Alors ce poste est fait pour vous !

Rejoignez-nous ! #CarMakerCareMakers

Job Family

Transverse

Contract Duration

36 months

Renault Group is committed to creating an inclusive working environment and the conditions for each of us to bring their passion, perform to the full and grow, whilst being themselves.  
We find strength in our diversity and we are engaged to ensure equal employment opportunities regardless of race, colour, ancestry, religion, gender, national origin, sexual orientation, age, citizenship, marital status, disability, gender identity, etc. If you have a disability or special need requiring layout of the workstation or work schedule, please let us know by completing this form.

In order to follow in real time the evolution of your applications and to stay in touch with us, we invite you to create a candidate account. This will take you no more than a minute and will also make it easier for you to apply in the future.

By submitting your CV or application, you authorise Renault Group to use and store information about you for the purposes of following up your application or future employment. This information will only be used by Renault Group companies as described in the Group privacy policy.