THESE - Reconstruction numérique d'une cuve pour l'amélioration de l'instrumentation de suivi H/F

CEA; Grenoble; Sur place; EUR 24 000 - 36 000; Plein temps

Résumé du poste

Le CEA propose une thèse de 36 mois sur la modélisation numérique de cuves industrielles, essentielle pour optimiser l'instrumentation. Le candidat idéal aura une formation en simulation numérique et une expertise en machine learning, contribuant à des solutions innovantes dans un environnement industriel dynamique.

Qualifications

• Formation en simulation numérique multi-physique et en analyse de systèmes complexes.
• Expérience en modélisation par éléments finis.
• Expertise en machine learning un plus.

Responsabilités

• Modéliser les écoulements internes dans les cuves industrielles.
• Développer des solutions de reconstruction en temps réel.
• Collaboration avec une équipe spécialisée sur l'instrumentation.

Connaissances

Simulation numérique multi-physique

Analyse de systèmes complexes

Machine Learning

Traitement et analyse de données multi-paramètres

Python (TensorFlow, PyTorch)

MATLAB

Formation

Formation en simulation numérique

Description du poste

THESE - Reconstruction numérique d'une cuve pour l'amélioration de l'instrumentation de suivi H/F

Description du poste

Composants et équipements électroniques

Intitulé de l'offre

THESE - Reconstruction numérique d'une cuve pour l'amélioration de l'instrumentation de suivi H/F

Statut du poste

Durée du contrat (en mois)

36 mois

Description de l'offre

Sujet de thèse :

Les cuves industrielles sont au cœur de nombreux procédés dans les industries biomédicales, agroalimentaires, industrielles et énergétiques, où elles assurent des fonctions cruciales telles que le mélange, le stockage et la transformation de fluides. Pour garantir une efficacité maximale des opérations et un contrôle rigoureux des processus, il est indispensable de modéliser précisément les écoulements internes dans ces cuves. Cela permet d’optimiser et robustifier l’instrumentation, en passant par des reconstructions de champs de variables physiques (concentration, vitesse, cisaillement…) en temps réel.

La modélisation précise des écoulements internes est essentielle pour comprendre et anticiper les dynamiques complexes de fluides à l'intérieur des cuves. Les méthodes de simulation numérique, notamment par éléments finis, offrent des outils puissants pour reproduire ces phénomènes, mais elles doivent être complétées par une instrumentation adéquate et des méthodes de reconstruction en temps réel.

En particulier, il peut être crucial d’avoir accès en temps réel à des champs 3D (vitesse, viscosité, turbulence, concentration…), les réseaux de capteurs locaux étant parfois insuffisants pour avoir une bonne vision de ce qui se passe au sein du système. Ce sujet de thèse se propose d’investiguer une méthodologie adaptée à la reconstruction en temps réel de champs au sein d’une cuve industrielle instrumentée.

Pour cela, il est envisagé de se baser sur une modélisation éléments finis de la physique d’intérêt au sein de la cuve (fluidique, thermique…), et de méthodes de réduction de modèles basés sur le Machine Learning informé par la physique (approche capteurs virtuels). Le cœur de cette thèse sera également la mise au point de l’instrumentation d’une cuve et de la chaine d’acquisition associée, d’une part pour la validation des modèles, et d’autre part pour la génération d’une base de données pour l’application de la méthodologie.

Profil du candidat

Compétences recherchées pour cette thèse:

La /le candidat(e) idéal dispose d'une formation en simulation numérique multi-physique et en analyse de systèmes complexes, avec une expérience dans la modélisation par éléments finis.

Une expertise en machine learning, notamment dans le traitement et l’analyse de données multi-paramètres à l'aide de logiciels comme Python (TensorFlow, PyTorch) et MATLAB, est un plus.

Le doctorant sera intégré au sein d’une équipe spécialisée dans l'intégration de capteurs et l'instrumentation avancée. Il bénéficiera du soutien d'experts en modélisation et en traitement des données pour développer des solutions de reconstruction en temps réel. Cette thèse offre l’opportunité unique de travailler à l’interface entre la modélisation avancée, l'instrumentation et les nouvelles méthodes de simulation en temps réel dans un contexte industriel.

Localisation du poste

Localisation du poste

France, Auvergne-Rhône-Alpes, Isère (38)

Ville

Critères candidat

Formation recommandée

Demandeur

Disponibilité du poste

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité

Référence

2025-35857

Description de la Direction

e CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale.

Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisé et plus sûr.

Description de l'unité

Cadre de la thèse:

Le Laboratoire Autonomie et Intégration de Capteurs (LAIC) du CEA LETI a pour principales missions le développement de systèmes de capteurs, notamment de capteurs virtuels pour le monitoring en temps réel. Les travaux de l'équipe s'inscrivent à l'interface entre la simulation numérique (modélisation multiphysique), le traitement des données (intelligence artificielle, machine learning) et les systèmes instrumentés (optimisation de l'instrumentation). En nous rejoignant, vous contribuerez au développement de solutions de monitoring intelligent utilisées dans l'industrie de demain.