Stage M 2 : Développement de modèles prédictifs pour la fabrication additive métallique via le [...]

Stage M 2 : Développement de modèles prédictifs pour la fabrication additive métallique via le machine learning H/F

Intégrer Linéact au sein de CESI pour un stage de recherche serait une formidable opportunité de contribuer à des projets innovants, tout en approfondissant mes compétences dans un environnement à la pointe de la transformation numérique et de l’industrie 4.

En un coup d’œil:

• Type de contrat: Stage
• Durée: à temps plein
• Date de publication: Publié le 20 décembre 2024

Le machine learning suscite un intérêt croissant pour l’amélioration de la qualité de la fabrication additive métallique. En exploitant des bases de données et des connaissances sur les relations entre les paramètres de fabrication et les propriétés des pièces produites, les algorithmes de machine learning permettent de développer des modèles prédictifs capables d’évaluer et d’optimiser la qualité des pièces.

Parmi les techniques de fabrication additive, la fusion sélective par laser sur lit de poudre (SLM : Selective Laser Melting) connaît une forte expansion dans divers secteurs industriels. Utilisée notamment sur la plateforme de CESI dédiée à l’industrie du futur, cette méthode permet de réaliser des pièces aux géométries complexes. Cependant, cette méthode présente quelques limites, notamment un manque de reproductibilité et l’apparition de défauts dans les pièces fabriquées, ce qui peut engendrer des défaillances fonctionnelles. Parmi ces défauts, on retrouve la formation de porosités, une rugosité de surface élevée et des contraintes résiduelles. Ces anomalies sont souvent liées aux cinétiques de fusion-solidification lors de l’impression et résultent généralement de paramètres de fabrication inappropriés ou mal maîtrisés.

L’intégration du machine learning pour traiter et résoudre certaines anomalies de production dans le procédé SLM est encore récente, mais quelques travaux de recherche prometteurs ont été réalisés. Notre équipe a notamment récemment réussi à prédire avec une grande précision le taux de porosité dans l’acier inoxydable 316L.

Objectifs du stage et missions

Dans ce contexte, l’objectif de ce stage est de traiter des données expérimentales afin de développer des modèles prédictifs capables d’évaluer la qualité des pièces imprimées en acier inoxydable ou en alliage Ti-6Al-4V. Pour cela, le/la stagiaire sera intégré(e) à l’équipe de recherche du CESI Strasbourg et aura pour missions :

• Réaliser une étude bibliographique sur le sujet.
• Collecter et trier les données expérimentales portant sur les relations entre la formation des défauts et les paramètres du procédé SLM.
• Prétraiter et analyser les jeux de données disponibles.
• Utiliser des algorithmes de machine learning pour classifier les données et développer des modèles prédictifs de la formation des défauts.
• Analyser, comparer et évaluer les performances des différents modèles afin de déterminer l’approche la plus optimale.
• Rédiger un rapport final de stage ainsi qu’un article scientifique en vue d’une publication.

Outils numériques à utiliser :

• Développement des modèles prédictifs concernant la qualité de l’impression 3D par fusion sur lit de poudre en utilisant Python.
• Valorisation de ce travail à travers d’une publication scientifique.

Contexte

Présentation du laboratoire

CESI LINEACT (UR 7527), Laboratoire d’Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l’industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément déterminant pour nos activités de recherche, et a conduit à concentrer les efforts sur une recherche appliquée proche de l’entreprise et en partenariat avec elles.

Le profil souhaité

Vos compétences :

Compétences scientifiques et techniques :

• Maitrise des techniques de Machine Learning
• Maitrise de la programmation sous Python
• Bon niveau d’anglais exigé
• Connaissances en science des matériaux seront appréciées

Compétences relationnelles :

• Etre autonome, avoir un esprit d’initiative et de curiosité.
• Savoir travailler en équipe et avoir un bon relationnel.
• Etre rigoureux.
• Communiquer efficacement avec son encadrant.

Gratification à 15% du plafond horaire de la Sécurité Sociale.

Date de début : Février 2025.

Votre candidature devra comporter :

• Un Curriculum-Vitae détaillé : En cas de rupture dans le cursus universitaire, merci de donner une explication.
• Une lettre de motivation : explicitant vos motivations à poursuivre une thèse de doctorat.
• Les résultats : du MASTER 1 et les bulletins de notes correspondant.
• Toute autre pièce que vous jugerez utile.

Références.