STAGE : Détection d'anomalies et optimisation des plans d'essais F/H

Safran; Blagnac; Sur place; EUR 18 000 - 23 000; Temps partiel

Résumé du poste

Safran Tech recherche un stagiaire ingénieur Bac+5 pour développer et tester des méthodes de fusion de données multi-capteurs et de détection d’anomalies dans le cadre d’essais de propulsion hybride-électrique. Vous analyserez des jeux de données électriques, thermiques et vibratoires.

Vous développerez et comparerez des algorithmes de détection et de recommandation (réseaux de neurones, forêts, clustering) et proposerez une méthodologie pour prioriser les essais lors des campagnes futures, le

Qualifications

• Formation ingénieur Bac+5 avec spécialisation data science, traitement du signal, automatique, machine learning ou systèmes embarqués.
• Maîtrise de Python et des bibliothèques data science (Pandas, Scikit-learn). Connaissances de MATLAB/SIMULINK appréciées.
• Très bon niveau d'anglais technique, oral et écrit.

Responsabilités

• Mener une veille sur les méthodes de fusion de capteurs, de détection d'anomalies et d'aide à la planification expérimentale autour de l’IA et du machine learning (supervisé et non-supervisé).
• Traiter, explorer et analyser des bases de données expérimentales collects lors d'essais sur moteurs hybrides-électriques.
• Développer, entraîner et comparer différents algorithmes de détection d’anomalies et de recommandation (réseaux de neurones, forêts aléatoires, clustering…).
• Utiliser les résultats pour proposer une méthodologie permettant d’identifier les points de fonctionnement prioritaires lors des campagnes expérimentales.
• Présenter vos travaux régulièrement à une équipe pluridisciplinaire — en français comme en anglais.
• Rédiger un rapport de synthèse mettant en avant les bénéfices et axes d'amélioration de l'approche pour la planification des essais.

Connaissances

Python

Data science

Machine learning

Anglais technique

Formation

Diplôme ingénieur Bac+5 en data science

Outils

MATLAB/SIMULINK

Description du poste

Contexte

Dans le cadre de l'innovation autour de la propulsion hybride-électrique, Safran Tech intensifie ses activités de recherche sur les équipements électriques aéronautiques. L'exploitation et l'analyse avancée de données issues de capteurs multiples lors des essais constitue un enjeu clé pour améliorer la détection d'anomalies et optimiser les plans d'essais.

Objectif du stage

L'objectif de ce stage est de développer, tester et comparer des méthodes de fusion de données multi-capteurs et de détection d'anomalies. À partir de ces analyses, le/la stagiaire devra être capable de recommander, avant de nouvelles campagnes de tests, les essais à prioriser ou les conditions de mesure essentielles pour maximiser l'information collectée et améliorer la qualité du plan d'expérience.

Descriptif des travaux à réaliser

• Mener une veille sur les méthodes de fusion de capteurs, de détection d'anomalies et d'aide à la planification expérimentale autour de l'IA et du machine learning (supervisé et non-supervisé).


• Traiter, explorer et analyser des bases de données expérimentales collectées lors d'essais sur moteurs hybrides-électriques comportant des mesures électriques, thermiques, vibratoires, etc.


• Développer, entraîner et comparer différents algorithmes de détection d'anomalies et de recommandation (réseaux de neurones, forêts aléatoires, clustering…).


• Utiliser les résultats pour proposer une méthodologie permettant d'identifier les points de fonctionnement, les paramètres ou essais prioritaires à réaliser lors de prochaines campagnes expérimentales.


• Présenter vos travaux régulièrement à une équipe pluridisciplinaire — en français comme en anglais.


• Rédiger un rapport de synthèse mettant en avant les bénéfices et axes d'amélioration de l'approche pour la planification des essais en environnement multi-capteurs.

• Formation ingénieur Bac+5 avec une spécialisation en data science, traitement du signal, automatique, machine learning ou systèmes embarqués.


• Maîtrise de Python et des bibliothèques de data science/machine learning. Connaissances de Matlab/SIMULINK appréciées.


• Très bon niveau d'anglais technique oral et écrit.


• Autonomie, esprit d'innovation, rigueur scientifique et capacité à vulgariser des résultats complexes.


• Intérêt pour l'aéronautique, la data, l'expérimentation.