Stage Machine learning pour optimiser les systèmes de maintenance dans l'offshore


Stage en Data / Mathématiques Appliquées

  • Début

    Entre mars et avril 2022
    5 mois
  • Localisation

    Ile de France
  • Indemnité

    Oui
[Réf. : R172 - E. Roguet (28/10/21)]

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. De la recherche à l’industrie, l’innovation technologique est au cœur de son action, articulée autour de quatre priorités stratégiques : Mobilité Durable, Energies Nouvelles, Climat / Environnement / Economie circulaire et Hydrocarbures Responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur :

  • l’apport de solutions aux défis sociétaux de l’énergie et du climat, en favorisant la transition vers une mobilité durable et l’émergence d’un mix énergétique plus diversifié ;
  • la création de richesse et d’emplois, en soutenant l’activité économique française et européenne et la compétitivité des filières industrielles associées.

Partie intégrante d’IFPEN, l’école d’ingénieurs IFP School prépare les générations futures à relever ces défis.

Machine learning pour optimiser les systèmes de maintenance dans l'offshore

La maitrise de l’évolution de l’endommagement en fatigue est un enjeu majeur de la conception et de la maintenance des structures offshore. Ces équipements sont soumis à des chargements variés et aléatoires, et les géométries même de ces structures peuvent varier lors de la construction ou lors des procédures d’inspection et de maintenance.

Dans ce contexte, IFPEN souhaite développer des méthodes de machine learning pour pouvoir prendre en compte toutes les variabilités du système et être en mesure de fournir des réponses rapides et un suivi fiable de l’équipement.

L’objectif principal du stage est de mettre en place la méthodologie permettant de suivre chaque élément de la structure et de pouvoir quantifier leur endommagement. La procédure nominale de calcul en fatigue pour un chargement donnée, pour une géométrie donnée est connue, il s’agit donc ici de :

  • Proposer une méthodologie de prise en compte du grand nombre de paramètres d’entrée (approche probabilistique, étude de sensibilité des paramètres, modèle de multi-fidélité ...) ;
  • Une fois la méthodologie retenue, constituer une base de données pertinente ;
  • Définir une surface de réponse applicable au problème.

Le travail sera encadré à la fois par les équipes de Mécanique des Solides et de Mathématiques Appliquées.

Profil recherché :

Elève-ingénieur en Intelligence Artificielle, Machine Learning, mathématiques appliquées ou en traitement du signal

  • Une bonne maîtrise des outils de programmation Python et de versioning (Git)
  • Une bonne maîtrise des outils de Machine Learning et Deep Learning (Scikit-Learn)
  • Organisation et rigueur de travail.

Durée : 5 mois
Lieu : IFPEN à Rueil-Malmaison

handi accueillante
Postuler

Contact

IFP Energies nouvelles - Direction Physico-chimie et Mécanique appliquées - Eléonore ROGUET
4 Avenue du Bois Préau, 92500 Rueil-Malmaison, France - 92500 Rueil-Malmaison
Tél. : NC
Email
Mot de passe
Mot de passe oublié ?


Utilisez votre compte facebook
Nouveau sur handiQuesta ?