Chef cuisinier en EHPAD H / F

Créer une alerte emploi pour cette recherche

Employé de Cafétéria • Valenciennes

Dernière mise à jour : il y a 1 jour

Description de poste

Topic description

Contexte :

La prévision de l’état de santé des matériaux composites est un des enjeux industriels majeurs pour les prochaines décennies. Les stratifiés à renforts de fibres de carbone sont omniprésents dans les industries liées à la mobilité, en raison de leurs performances en termes de rapport entre la tenue aux efforts mécaniques et la masse. Cependant, la ruine de ces matériaux intervient de manière brutale, en opposition à celle des matériaux métalliques, plus progressive et donc dont les signes précurseurs sont facilement détectables. Le contrôle non-destructif des structures composites, est ainsi devenu un domaine très actif en recherche et développement. Une façon particulièrement intéressante de suivre l’évolution de la santé de la matière est de capter les ondes acoustiques générées par la rupture des constituants microscopiques du composite. Le nombre, l’intensité et la forme des signaux associés sont révélateurs de l’évolution de l’endommagement dans le matériau.

D’un autre côté, les technologies de jumelage numérique et d’intelligence artificielle ont connues une révolution durant les dernières années. Ces approches promettent de compenser le manque de compréhension et / ou de maitrise des phénomènes physiques mis-en-jeu dans les systèmes mécaniques par l’assimilation de données riches, pendant le service du composant industriel. Typiquement, les données provenant de capteurs sont utilisées de manière continue pour enrichir les capacités prédictives d’un modèle physique en ajustant les paramètres du modèle et / ou en corrigeant les parties incertaines du modèle en utilisant des réseaux de neurones. Ceci est aujourd’hui réalisable en temps réel grâce à l’existence d’environnements méthodologiques performants faisant intervenir la réduction de modèle et de logiciels facilitant l’accès aux technologies d’intelligence artificielle (bibliothèques de calculs sur graphes différentiables, e.g. PyTorch et TensorFlow).

Objectifs scientifiques :

Dans cette thèse, nous chercherons à mettre au point une démarche de jumelage numérique (Digital Twin) permettant de repousser les limites de l’état de l’art sur l’évaluation de la durée de vie résiduelle de l’état de santé des composites stratifiés, et en particulier les structures de type réservoirs, en utilisant les données d’émissions acoustiques. L’approche retenue est celle d’un dialogue essai-calcul en temps réel (i.e. un jumelage numérique) à l’aide des méthodes d’assimilation de données et du machine learning. La thèse aura un volet expérimental et un volet numérique, les expérimentations étant faites pour nourrir les modèles et prouver les capacités de la stratégie de jumelage numérique.

Les objectifs sont les suivants :

• Mettre en place une démarche de modélisation couplant modèle physique et intelligence artificielle pour simuler l’évolution des mécanismes d’endommagement dans les structures composites stratifiées ainsi que les émissions acoustiques associées.
• Mettre en place une campagne expérimentale permettant d’identifier les paramètres du modèle hybride proposé précédemment.
• Développer une stratégie de dialogue continu essai-calcul (jumelage numérique) permettant de suivre l’endommagement d’un composant particulier.
• Vérifier et valider l’approche sur des structures stratifiées de laboratoire (éprouvettes plates et / ou cylindriques trouées par exemple).
• Participation aux activités d’enseignement dans la limite de 64 heures par année scolaire.

Date de début : 10-01

Catégorie de financement : Public funding alone (i.e. government, region, European, international organization research grant)

Détails supplémentaires sur le financement :