Stage - IA Générative & Conception Mécanique H/F

SAFRAN; Réau; Sur place; EUR 13 000 - 20 000; Plein temps

Résumé du poste

Safran DataLab recherche un stagiaire pour explorer et expérimenter des approches de génération automatisée de géométries de pièces mécaniques, combinant algorithmes, connaissances métier et IA générative.

Vous évaluerez des méthodes, identifierez des cas d'usage pertinents et prototyperez des pipelines intégrés avec des outils de simulation numérique (FEA/CFD).

Qualifications

• Stage en ingénierie/IA appliquée à la conception mécanique.
• Compétences en analyse bibliographique et évaluation de solutions.
• Intérêt pour les méthodes algorithmiques et les contraintes industrielles Safran.

Responsabilités

• Veille bibliographique et technologique sur les méthodes de génération de géométries.
• Comparer des solutions et formaliser une grille d'évaluation adaptée.
• Prototyper des pipelines de génération et tester avec des outils de simulation.

Connaissances

Génération géométries

Conception mécanique

Évaluation & benchmark

IA générative

Simulation numérique

Outils

Python

OpenFOAM

Description du poste

Safran, acteur majeur dans l'aéronautique, la défense et le spatial, s'appuie sur la Data Science et l'IA pour accompagner l'innovation et la transformation de ses activités. Au sein du DataLab, nous développons des solutions innovantes de Data Science et d'IA appliquées aux problématiques industrielles. Le stage proposé s'inscrit dans une démarche d'exploration d'approches innovantes permettant d'automatiser certaines étapes de la conception de pièces mécaniques. Il vise notamment à étudier comment les connaissances d'ingénierie, les contraintes physiques, les méthodes algorithmiques et les techniques d'IA générative peuvent être combinées pour générer automatiquement des géométries complexes et faciliter leur évaluation par simulation numérique.

Objectif du stage

Ce stage vise à évaluer et expérimenter différentes approches de génération automatisée de géométries de pièces mécaniques, en combinant méthodes algorithmiques, connaissances métier, simulation numérique et techniques d'IA générative. L'ambition est d'identifier les approches les plus pertinentes pour les cas d'usage Safran et d'évaluer leur intégration possible dans les processus de conception existants.

Missions principales

1. Veille bibliographique et technologique

   • Étudier l'état de l'art des méthodes de génération automatisée de géométries, qu'elles reposent sur des approches algorithmiques, des méthodes d'optimisation ou des techniques d'IA générative.
   • Recenser les outils open source, travaux de recherche et solutions industrielles disponibles dans les domaines de la génération géométrique, du generative design et de l'IA appliquée à la conception.
   • Identifier les approches les plus pertinentes au regard des contraintes industrielles et des cas d'usage Safran.

2. Comparaison et évaluation des approches

   • Analyser et comparer les différentes solutions identifiées selon des critères de performance, de flexibilité, d'intégration, de maîtrise des géométries générées et de robustesse industrielle.
   • Formaliser une grille d'évaluation adaptée aux cas d'usage aéronautiques : prise en compte des contraintes métier, compatibilité avec les outils de simulation, etc.

3. Expérimentation sur des cas d'usage réels Safran

   • Prototyper des pipelines de génération de géométries sur des cas d'usage concrets identifiés avec les équipes métier.
   • Évaluer la capacité des différentes approches à intégrer ou satisfaire des contraintes mécaniques.
   • Coupler les géométries générées avec des outils de simulation numérique (FEA, CFD) afin d'évaluer leurs performances et leur pertinence.

4. Valorisation des résultats

   • Documenter les expérimentations, les performances obtenues, les limites identifiées et les conditions d'intégration dans un environnement industriel.
   • Restituer les conclusions aux équipes concernées sous forme de rapport et de présentation.