CONTEXTE

La maintenance prédictive vise à détecter des anomalies d’un ou plusieurs composants d’un système afin d’anticiper d’éventuelles pannes et d’organiser des opérations de maintenance. Pour faire face à cet objectif, plusieurs approches existent dans l’état de l’art : les approches guidées par les données, les approches guidées par la connaissance a priori (par exemple des règles expertes), et les approches guidées par les modèles (modélisation/simulation physique du système).

Les approches guidées par les données, et donc basées sur l’apprentissage automatique et plus spécifiquement l’apprentissage profond, sont considérées comme les plus performantes dans l’état de l’art, et ce dans plusieurs domaines tels que la reconnaissance d’images/vidéo ou le traitement automatique des langues. Dans le contexte de la maintenance prédictive, plusieurs questions scientifiques restent ouvertes :

·        Le manque de données réelles, de par leur nature industrielle ;

·        La qualité des données disponibles, spécifiquement la rareté des évènements de panne qui rendent la tâche d’apprentissage complexe ;

·        La nature évolutive des pannes.

OBJECTIF DU PROJET

Dans ce contexte, l’objectif du projet PETRI (Predictive Estimation on Train and Rail Interaction) est d’explorer les approches basées sur les modèles qui permettraient de simuler des systèmes physiques (plus précisément le cycle de vie d’un composant), et de les combiner avec les approches basées sur les données. L’approche basée sur les modèles permettra de concevoir un système physique simulé permettant de synthétiser des données réalistes qui alimenteront un modèle d’apprentissage automatique. L’objectif en terme d’apprentissage automatique est de se focaliser sur la prédiction de la durée de vie résiduelle (RUL), deux aspects importants permettant d’évaluer la performance d’un système de maintenance prédictive. Un autre axe de travail sera d’explorer l’« explicabilité » des modèles « boite noire » d’apprentissage profond en travaillant sur des méthodes d’I.A explicable (XAI) afin de générer des conseils de maintenances compréhensibles pour l’utilisateur/agent (notamment sur la raison de la panne, la manière de l’éviter, etc.).  Le domaine d’application principal est l’analyse de l’usure des roues de trains.

MISSION DU STAGE

L’objectif de ce travail de stage est de développer un prototype/démonstrateur intégrant ces différentes techniques d’I.A afin de démontrer d’une façon visuelle et interactive (en incorporant les actions/décisions de l’utilisateur) la pertinence de l’approche de maintenance. Il y aura donc un travail sur l’interface homme machine, la visualisation des données, la simulation du système physique, ainsi qu’un travail sur l’intégration de nos moteurs d’I.A à notre application.

Technos : React, python, Three.Js

Notre ADN

SII Atlantique, c’est :

Le Groupe SII est au cœur de l’innovation au service de grands comptes dans des secteurs d’ingénierie variés.En 2024, nous avons été labellisés Great Place To Work pour la 7e année consécutive et reconnus comme entreprise de « + de 2500 salariés » où il fait bon vivre. Nous sommes très fiers d’obtenir cette reconnaissance de nos salariés !Ce succès est le reflet de notre culture basée sur notre volonté de proposer à tous nos salariés un cadre de travail épanouissant pour le développement de leurs compétences et carrières.Rejoins un environnement dans lequel la passion pour la technologie, la créativité, la proximité et l’esprit d’équipe sont mis à l’honneur.Notre nouvel accord télétravail permet de l’appliquer jusqu’à 50% de notre temps de travail en fonction de la mission.Le Groupe SII est une société handi-accueillante, signataire de la Charte de la diversité en entreprise.

Ces valeurs te parlent ? Alors Let's Tech Together !

Pauline ou Tassadit, ainsi que ton tuteur Omar, seront ravis de te rencontrer et de t’en dire plus.

Tu peux également nous suivre sur les réseaux sociaux : LinkedIn, @Groupe SII ou Instagram.  

Compétences requises : Python.

Qualités désirées : Autonomie, Force de proposition, Curiosité, Esprit innovant, Rigueur.

Avantages : Tickets restaurant, Participation aux frais de transport, Télétravail.