Le Groupe Safran est un leader mondial dans la conception et la production d'équipements aéronautiques. Ce leadership repose en partie sur l'utilisation des matériaux composites hautes performances fabriqués par des procédés de pointes. C'est le cas des composites stratifiés fabriqué par des procédés comme l'AFP (Automated Fibre Placement). Dans un contexte de passage à l'industrie 4.0, Safran Composites souhaite travailler sur le développement de méthodologie de calcul pour la conception de ces matériaux stratifiés en se basant sur des modèles d'apprentissage (Machine Learning, IA, …)

Missions détaillées :

Dans le cadre de sa mission, le stagiaire sera intégré à l'équipe numérique du pôle « Conception et Développement » (C&D) de la plateforme Composites de Safran Tech.

Ses missions principales seront de :
- De plus en plus de méthodes d'apprentissage, pour l'estimation des propriétés matériaux et l'identification entre la structure et les propriétés du système peuvent être trouvé dans la littérature. Ces méthodes sont utilisées pour l'estimation de contrainte à rupture ou de design. La première mission du stagiaire sera d'évaluer de façon critique les méthodes et leur potentiel à la vue des problématiques SAFRAN
* Prendre en main les outils Groupe développés au pôle C&D pour estimer les propriétés des laminés stratifiés, vis-à-vis de la définition de l'empilement
- Implémenter et interfacer les outils entre eux
* Définir un plan d'expérience et proposer une analyse statistique qui en dérive.
* Implémenter un modèle de régression des propriétés (mécanique et à rupture) à partir d'une base de données synthétique du modèle simplifié
* Mettre en place la stratégie de Transfert Learning (adaptation du modèle à une base de données plus réduite issue d'un modèle Haute-Fidélité)

Formation : Cycle Ingénieur
Spécialités : Mécanique des milieux continus, Simulation numérique, Mathématiques Appliquées
Connaissance des composites stratifié est la bienvenue
Connaissance de la programmation en Python
Esprit de synthèse pour la présentation des résultats et la rédaction de rapports.
Connaissance du Machine Learning, du Deep Learning et des bibliothèques Pytorch, Sklearn est la bienvenue