- - - - - - - - - - - -
Ce stage s’inscrit dans le cadre de l’identification de systèmes, un domaine clé pour le contrôle des procédés industriels. Lorsque les modèles physiques ne sont pas disponibles ou difficilement exploitables, le deep learning offre une alternative prometteuse pour identifier des systèmes complexes à partir de données.
L'objectif principal est d’explorer les connexions entre le deep learning et l’identification de systèmes en étudiant les approches existantes et en évaluant leur applicabilité aux problématiques industrielles de Michelin. Le travail inclura :
Un état de l’art des stratégies basées sur le deep learning pour l’identification de systèmes.
Des expérimentations sur des cas industriels concrets afin d’évaluer la pertinence de ces méthodes.
L’adaptation et l’optimisation des modèles selon les besoins spécifiques du processus industriel.
Ce projet implique l’utilisation de modèles d’apprentissage automatique avancés, notamment les réseaux de neurones récurrents (RNN, LSTM) et les architectures neuronales adaptées aux séries temporelles et aux systèmes dynamiques. L’approche retenue devra permettre de capter la dynamique du procédé et d’améliorer la précision des modèles de contrôle dans un environnement industriel.
Pour rester leader dans un marché du pneumatique de plus en plus compétitif, le groupe Michelin s’engage quotidiennement à mettre au point de manière rapide des produits assurant le meilleur compromis de performances (comportement, durée de vie, usure, résistance au roulement,…). L’un des leviers pour réussir ce challenge est de piloter de manière optimale les procédés industriels impliqués dans la fabrication des pneumatiques.
L’élaboration de lois de contrôle pertinentes nécessite le plus souvent d’utiliser des modèles de simulation. Lorsque ceux-ci peuvent être basés sur des équations de la physique, il existe des méthodes bien établies pour mener à bien l’identification des paramètres des structures telles que les modèles du type autorégressifs ou d’espace d’états. Cependant, dans un contexte industriel, il est parfois difficile de disposer d’un modèle physiquement inspiré. L’exploitation de stratégies reposant sur les connections possibles entre deep learning et identification de systèmes constitue une piste prometteuse.
Le premier objectif du stage sera de mener un état de l’art des approches exploitant des stratégies deep learning dans le cadre de l’identification de systèmes. Par la suite, le travail consistera à tester les différentes stratégies étudiées sur des cas industriels et à mener les adaptations appropriées si nécessaire.
Les différents travaux feront l’objet de :
Développement de code et de rédaction de documentations d’utilisation et de conception
Rapports mettant en avant les avantages/inconvénients des diverses approches
Présentations aux différents contributeurs de l’équipe projet, à l’équipe de datascientists dont le/la candidat.e fera partie ainsi qu’à potentiellement des équipes R&D.
Le/La stagiaire travaillera avec des data-scientist(e)s au sein de l’équipe Explore du service Industrie 4.0. Il/Elle sera amené(e) également à interagir avec les personnes spécialistes du procédé industriel pour s’appuyer sur leur expertise métier afin de valider les approches explorées.
Le/La stagiaire aura la possibilité de mener des expériences sur des données réelles et d’évaluer les opportunités d’application de ses développements sur des cas industriels. Il/elle appréhendera les enjeux du digital chez Michelin et approfondira dans un contexte industriel les connaissances acquises durant son cursus.
Idéalement étudiant.e en Ecole d’Ingénieur ou en Master 2 spécialisé IA et/ou Automatique, avec un goût prononcé pour la recherche et l'innovation.
Le/la candidat.e sera également à l’aise en programmation (Python) et dans l’exploitation de librairies de machine learning/deep learning et d’identification de systèmes.
Niveau d’études : Bac + 5
Date : A partir de Février 2025
Durée : 6 mois
Lieux : Clermont-Ferrand
- - - - - - - - - - - -
Michelin entreprise engagée dans la mobilité durable et reconnue pour ses actions en faveur de l’expérience employé !
Pour en savoir plus sur le Groupe :https://recrutement.michelin.fr
- - - - - - - - - - - -