CONTEXTE DU STAGE

Au sein de l’Institut de Recherche Technologique SystemX, situé au cœur du campus scientifique d’excellence mondiale de Paris-Saclay, vous prendrez une part active au développement d’un centre de recherche technologique de niveau international dans le domaine de l’ingénierie numérique des systèmes. Adossé aux meilleurs organismes de recherche français du domaine et constitué par des équipes mixtes d’industriels et d’académiques, ce centre a pour mission de générer de nouvelles connaissances et solutions technologiques en s’appuyant sur les percées de l’ingénierie numérique et de diffuser ses compétences dans tous les secteurs économiques.
Vous serez associé à l’équipe « Calcul Scientifique et Optimisation » et travaillerez au sein du projet de recherche Jumeaux Numériques pour la Maintenance Prédictive, en partenariat avec les partenaires industriels Safran, Airbus Protect, GRT Gaz, RTE et CosmoTech.

PRESENTATION DETAILLEE DU SUJET
Objectifs du stage
Le projet Jumeaux Numériques pour la Maintenance Prédictive (JNI3) a pour ambition d’adresser des défis scientifiques sur la maintenance prédictive de systèmes industriels bénéficiant d’un jumeau numérique. Ce projet s’appuiera sur les représentations numériques des systèmes physiques calibrées à l’aide de données collectées, lesquelles seront exploitées dans des algorithmes d’optimisation autorisant une maintenance prédictive plus performante. On identifiera donc un ensemble de paramètres et d’indicateurs de santé d’un système physique via son jumeau numérique. La décision sous-jacente servira comme action retour (feedback) sur le système physique.
Plus précisément, le projet JNI3 se focalise sur 3 verrous scientifiques, que l’on résume succinctement ci-après : 

  • La collecte et la visualisation de données du système physique doit nous aider à identifier les indicateurs de santé capables de prédire (avec des modèles de Machine Learning) le comportement futur du système étudié.
  • De plus, la collecte des données, ou même l’usage de certains modèles physiques pour estimer la RUL (Remaining Useful Life) d’un système est sujet à des incertitudes qu’il conviendra de modéliser et de formaliser.

Des optimisations basées données ML/DL (Machine Learning / Deep Learning) du type « Predict-then-Optimize »  [5] sont attendues pour améliorer les performances et les décisions prises sur les politiques de maintenance. Cette approche intrique les 2 phases (prédiction et optimisation) en reliant la fonction de « loss » du prédicteur au critère de la fonction d’optimisation. Elles devront être comparées aux approches classiques d’optimisation qui découplent les 2 phases.

Le stage se concentrera sur le 3eme verrou et aura à réaliser les missions suivantes :

  • Constituer un état de l’art décrivant l’apport et l’usage du jumeau numérique pour la maintenance prédictive des systèmes physiques (voire références [1, 2, 3])
  • Proposer un état de l’art des méthodes « predict then optimize »
  • Implémenter quelques méthodes de ce type pour la maintenance prédictive d’un système donné (voire référence [4])
  • Rédiger et soumettre un papier de conférence ou journal de l’ensemble des résultats à obtenir
  • Rédaction du manuscrit du stage

Ce sujet de stage sera potentiellement suivi d’une thèse de doctorat qui s’appuiera sur les résultats à obtenir durant ce stage.

REFERENCES BIBLIOGRAPHIQUES
[1] Francis Bordeleau, Benoit Combemale, Romina Eramo, Mark van den Brand, Manuel Wimmer. Towards Model-Driven Digital Twin Engineering: Current Opportunities and Future Challenges. ICSMM, Bergen, Norway, 2020

[2] Dan Luo, Simon Thevenin, Alexandre Dolgui. A Digital Twin-Driven Methodology for Material Resource Planning Under Uncertainties. IFIP Advances in Information and Communication Technology, Nantes, France, 2021.

[3] Itxaro Errandonea, Sergio Beltrán, Saioa Arrizabalaga. Digital Twin for maintenance: A literature review. Computers in Industry, Volume 123, 2020

[4] https://grafana.com/docs/grafana/latest/dashboards/

[5] Toon Vanderschueren, Tim Verdonck, Bart Baesens, Wouter Verbeke. Predict-then-optimize or predict-and-optimize? An empirical evaluation of cost-sensitive learning strategies, Information Sciences, Volume 594, 2022.

PROFIL ET COMPETENCES
Nous rechercherons un candidat de formation : université ou école d’ingénieur BAC+5, dans le domaine de l’informatique, mathématiques appliquées et/ou du génie industriel. 

Compétences souhaitées : 

  • Algorithmie, optimisation
  • Modèle de fiabilité
  • Algorithmes et frameworks d’apprentissage automatique
  • Développement en Python/Java
  • Connaissance souhaitée des Jumeaux Numériques

Aptitudes personnelles :

  • Autonomie,
  • Capacité d’analyse et de synthèse,
  • Curiosité,
  • Rigueur scientifique

Merci d’indiquer la référence du stage dans l’objet de votre mail de candidature, d’y joindre CV, lettre de motivation et relevé de notes.

Informations clés

Durée du stage : 6 mois
Date de démarrage envisagée : à partir de février 2023
Localisation du poste : Gif sur Yvette (91) – Site du Moulon
Référence de l’offre à mentionner dans l’objet dans votre e-mail de candidature : DSR-2023-07-JNI03


Postuler à cette offre d’emploi


Mots-clés :


Partager cette offre d’emploi :

Inscrivez-vous à la newsletter de l'IRT SystemX

et recevez chaque mois les dernières actualités de l'institut :