Stage Détection d'Anomalies et Optimisation des Plans d'Essais H/F

Safran - CDD/Stage/Alternance; Pinot; Sur place; EUR 10 000 - 15 000; Temps partiel

Résumé du poste

Safran Tech propose un stage axé sur la fusion de données multi-capteurs et la détection d’anomalies dans le cadre de la propulsion hybride‑électrique. Le stagiaire travaillera au sein du pôle Systèmes Électriques & Électroniques et explorera des approches IA/ML supervisées et non supervisées pour améliorer les plans d’essai.

Vous analyserez des données électriques, thermiques et vibratoires recueillies lors d’essais, développerez et comparerez des algorithmes de détection et de recommandation,

Qualifications

• Étudiant(e) en Master IA/Informatique, recherchant une immersion professionnelle.
• Connaissances en fusion de capteurs et en détection d’anomalies souhaitables.
• Compétences en analyse de données et en langages de programmation.

Responsabilités

• Réaliser une veille sur les méthodes de fusion de capteurs, détection d’anomalies et planification expérimentale autour de l’IA.
• Traiter et analyser des bases de données issues d’essais sur moteurs hybrides-électriques.
• Développer, entraîner et comparer des algorithmes de détection d’anomalies (réseaux de neurones, forêts, clustering).
• Proposer une méthodologie pour prioriser les essais et paramètres à tester lors des campagnes futures.
• Présenter les résultats à l’équipe et rédiger un rapport synthèse.

Connaissances

Fusion de capteurs

Détection d'anomalies

Analyse de données

Anglais technique

Formation

Master en IA/Informatique

Outils

Python

TensorFlow/PyTorch

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

Intégré(e) au sein du pôle "Systèmes Électriques & Electroniques", vos principales missions seront :

• 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.