Dans le cadre de l’optimisation et la gestion des actifs (Asset management), l’identification et la réduction des risques des composants et des équipements représentent un enjeu industriel important tant sur l’aspect économique que sur l’aspect sécuritaire. En effet, plusieurs équipements et systèmes sont sujets à l’usure, la dégradation ou la perte intempestive du fonctionnement et montrent qu’il est indispensable de continuellement les surveiller pour pouvoir détecter les défauts et suivre leur évolution en agissant de façon efficace afin d’éviter des événements indésirables, voire catastrophiques selon les cas d’usage.
Afin d’avoir une vue d’ensemble dont l’objectif explicite est l’amélioration de la fiabilité, la disponibilité et la sécurité, la gestion des actifs utilise plusieurs politiques intelligentes notamment la maintenance prédictive qui repose sur l’état courant du composant ou l’équipement et comprend les concepts de surveillance de l’état, de prévision et le pronostic guidé par les données. Plus précisément, le but est d’estimer l’état courant d’un système physique et faire un pronostic du temps restant avant défaillance (appelée RUL : Remaining Useful Life) pour permettre une prise de décision efficace.
L’objectif de ce sujet de thèse est la proposition d’une démarche personnalisée et adéquate en fonction des besoins des cas d’usage des composants /équipements pour être en mesure d’adresser la problématique de l’estimation du RUL et de proposer une offre de maintenance personnalisée capable de s’adapter aux contraintes d’usage.
La démarche consiste à combiner des approches basées sur la donnée (Machine Learning et Intelligence Artificielle, …) et des approches basées sur des modèles (Fiabilité/Durabilité, Statistiques, …) en répondant aux verrous technologiques de l’état de l’art de dimensionnement des systèmes.
Applications
Dans le cadre des travaux de recherche appliqués sur différents systèmes, aura potentiellement comme cas d’étude :
– Transport ferroviaire et/ou automobile.
Nom de l’entreprise : SERES technologies.
Ville et code postal : A définir (Clermont, Lyon, Ile de France).
Nom du laboratoire académique partenaire : Laboratoire SIGMA Clermont.
Qualifications du candidat : Obtention d’un diplôme d’ingénieur (BAC + 5) ou équivalent en dimensionnement fiabiliste avec une forte connaissance en programmation scientifique (Python, Matlab…). Une expérience industrielle en maintenance et/ ou fiabilité est conseillée. Idéalement, le candidat doit avoir un intérêt pour la science des données et les modèles statistiques. De plus, une bonne capacité à communiquer à l’écrit et à l’oral en français et en anglais est indispensable.
Candidature : Soumission d’un CV accompagné d’une lettre de motivation, et une liste de personnes pour fournir une recommandation.
Date de recrutement : idéalement le 01/06/2021