CarlSoftware
CARL Software
Carl software
Recrutement
Rejoignez-nous !

Thèse CIFRE Intelligence Artificielle et Machine Learning pour la maintenance prévisionnelle

Référence du poste : TCIFRE

Famille de métier : Informatique / R&D

Description du poste :

Sujet : Modélisation « automatique » du comportement d’un système ou d’un équipement.

Cela inclut principalement les problématiques suivantes :

  • la détection d’anomalies et de valeurs aberrantes dans les séries temporelles afin de certifier les données de capteur
  • l’étude d’un classifieur de classifieurs pour mettre en compétition et évaluer les meilleurs algorithmes de classification permettant de détecter des modes de fonctionnement et de défaillances
  • l’extraction automatiques de variables caractéristiques d’un mode de défaillance dans un ensemble de données multidimensionnelles

Lieu : Entre 40 et 60% à Limonest (69), au siège social de CARL Software, le reste au LAAS (Toulouse)

Profil recherché :

Nous recherchons idéalement un candidat ayant une expérience de recherche (stage de Master) en DataScience / machine learning, ainsi que des bases scientifiques solides en Informatique (analyse de données, optimisation, algorithmique, programmation).

Des connaissances en Génie Industriel (gestion de la production et de la maintenance, Lean) seraient un plus.

Le candidat doit en outre être à l’aise en anglais, autant à l’oral qu’à l’écrit.

Dynamisme, curiosité intellectuelle, et goût pour l’innovation seront des atouts indispensables pour le succès de ce projet de recherche appliquée.

Contexte industriel : coopération avec 1 ou 2 industriels qui expérimenteront le système

Méthodes et développements théoriques :

  • l’équipe DISCO (Diagnostic, Supervision et Conduite), développe des méthodes de diagnostic basées sur des méthodes de classification issues principalement de l’Intelligence Artificielle. Ces méthodes issues du « Machine Learning » permettent de faire de l’apprentissage, supervisé ou non supervisé à partir de données et de la sélection de capteurs ou d’informations. Les trois piliers de la thèse nécessitent des développements méthodologiques génériques : traitement du signal, filtrage dans la première partie, définition d’indices qualifiant un classifieur dans la seconde partie, comparaison de classifieurs, technique d’extraction automatique de variables.

Contexte technique :

  • les modèles et algorithmes devront être implémentés au sein de la plateforme IIoT de CARL Software : base de données de séries temporelles, moteur de règles et algorithmes en python, go et java/javascript

Encadrement industriel:

  • Responsable industriel : Youssef MILOUDI (ymi@carl.eu)
  • Travail de R&D au sein du projet « Plateforme numérique des équipements et jumeaux numériques »
  • Mise à disposition des moyens matériels et logiciels nécessaires à la mise en œuvre

 Encadrement académique:

  • Directrice de thèse : Marie-Véronique LE LANN

Travail au sein de l’équipe DISCO du LAAS-CNRS, Toulouse

Type de contrat : CIFRE

Date de publication : 14/05/2018

Candidater à cette offre