Connexion Espace candidat(e)

J'ai déjà un espace candidat(e)

 
En poursuivant votre navigation, vous acceptez l’utilisation de cookies à des fins d’authentification et d’ajout de favoris. En savoir plus
Moteur de recherche d'offres d'emploi GROUPE PSA

Vous êtes ici :  Accueil  ›  Liste des offres  ›  Détail de l'offre

Apprentissage statistique pour l'élaboration de modèles de dégradation H/F


Détail de l'offre

Informations générales

Entité de rattachement

Rejoindre le Groupe PSA, c'est intégrer une entreprise automobile française d'envergure mondiale, forte d'un héritage industriel de plus de 200 ans, qui contribue à écrire l'histoire du monde automobile. Mû par la recherche permanente de l'innovation et de l'excellence, le Groupe offre un cadre de travail à la fois stimulant et enrichissant. Pionnier et leader des technologies propres et de la mobilité durable, le Groupe PSA entend rester à la pointe des grandes tendances qui font bouger le monde. Grâce à un formidable esprit d'équipe et à une stratégie clairement définie, le Groupe fait preuve d'exigence, d'audace et d'agilité, prenant acte des changements clés pour l'automobile de demain.
Pour réussir ces transformations, l'entreprise a besoin de tous les talents, n'hésitez plus, rejoignez-nous !
  

Référence

2019-3979  

Description du poste

Filière/Métier

Recherche & Développement - Autre

Intitulé du poste

Apprentissage statistique pour l'élaboration de modèles de dégradation H/F

Contrat

Doctorat CIFRE

Description de la mission

La mission première de ces travaux de thèse CIFRE est la réduction des couts de surveillance et de maintenance des moyens d'essais "Powertrain" (chaine de traction).
Cette mission s'appuie sur deux objectifs essentiels:
- Développement de méthodologies numériques, guidées par les données, pour i) l'estimation de l'état de santé des composants et sous-systèmes considérés; ii) la modélisation des dynamiques de dégradations de ces mêmes composants et sous-systèmes.
- Développement de méthodologies numériques pour l'évaluation et l'optimisation de politiques de surveillance (inspection des équipements) et de maintenance, dans un cadre stochastique.

Il s'agit là de fournir un cadre permettant d'exploiter au mieux les modèles d'état de santé et de dégradation. Les livrables associés à ces deux objectifs sont des méthodes numériques documentées (i.e., spécifications techniques) et les prototypes numériques correspondants (maquettes et codes de démonstrations).
Ces livrables et doivent permettre d'assister au mieux la mise en œuvre concrète d'une stratégie de "maintenance" prédictive au banc d'essais "Powertrain".

En parallèle de cette mission et de ces objectifs, il y a une volonté forte d'assurer la transférabilité de ces travaux de recherche à d'autres cas d‘applications.
Dans ce contexte, ces travaux de thèses feront l'objet de compte-rendus réguliers auprès de métiers en charge de l'innovation des technologies de stockage d'énergie. L'objectif de ces suivis est d'assurer que les choix méthodologiques qui seront réalisés resteront compatibles d'un transfert des méthodes et "outils" au cas du management de batteries de véhicules électriques et hybrides.

Profil

- Autonomie, bonnes capacités d'écoute et de communication: le spectre des données visées dans le cadre de ces travaux est, par définition, vaste et complexe et nécessitera de nombreux échanges avec les métiers et spécialistes des différents domaines concernés.
- Ouverture d'esprit et aisance avec un large panel d'outils informatiques sera également appréciée (excel, access, sql, matlab, python, scala, pyspark ...).

Compétences Techniques :
- Formation d'ingénieur ou de master 2 recherche,
- Compétences en mathématiques appliquées et en informatique (connaissances en intelligence artificielle, apprentissage statistique, probabilités),
- Bonnes bases en fiabilité et sureté de fonctionnement.

Durée du contrat

36 mois

Localisation du poste

Pays

Europe, France

Ville

Carrières Sous Poissy

Critères candidat

Niveau de diplôme préparé

Bac+8

Langues

Anglais (C1 - Courant (3,5 - 4,4 Bright))