Job Description
Les aubes de la turbine haute pression sont placées juste après la chambre de combustion des moteurs d'avion où elles subissent des contraintes thermomécaniques élevées : la température est notamment plus haute que le point de fusion du matériau. Pour résister à cet environnement sévère, les aubes de turbine sont monocristallines et comportent des circuits de refroidissement internes.
La plateforme Safran Tech « Aubes de Turbine avancée » travaille sur le développement de la nouvelle génération d'aube de Turbine. Cette génération devra supporter des températures supérieures de plus de 150°C aux générations actuelles. Cela permettra un gain de carburant et une limitation des rejets de CO2.
L'avènement de ces aubes nouvelles générations entraine une redéfinition du processus de fabrication, avec notamment l'adaptation des moyens de contrôles à des géométries de plus en plus complexes.
Pour automatiser ces contrôles, une voie nouvelle est d'intégrer des méthodes de Deep Learning de type discriminatif.
Les méthodes discriminatives se concentrent sur la modélisation de la limite de décision entre les échantillons anormaux et nominaux. Ces méthodes reposent sur l'extraction d'images d'entrée et leur comparaison avec des images de référence dérivées d'échantillons sans défaut. La distance résultante est utilisée comme score d'anomalie pour identifier les écarts et classifier la pièce comme anormale ou non.
Si les méthodes discriminatives peuvent être efficaces, leur coût de calcul constitue un inconvénient majeur, car la formation de tels modèles peut prendre beaucoup de temps. Cependant, des avancées récentes, telles que la méthode "PatchCore" ont considérablement amélioré l'efficacité en réduisant le temps d'entrainement tout en maintenant une grande précision dans la détection des anomalies.
L'objectif de ce stage sera donc de tester et de valider ces méthodes à la fois sur des données 2D issues de mesures radiologiques et sur des données 3D. Les objets mesurés seront également divers, de noyaux céramiques faibles densités jusqu'à des aubes de turbines en superalliages.
Les phases de ce stage seront :
-Coder ou améliorer le code existant
-L'appliquer sur des radiographies, évaluer les performances
-Etendre le code a des données 3D
-L'appliquer sur des tomographies, évaluer les performances
-Faire une interface pour permettre l'utilisation du code par des opérateurs
Job Requirements
Nous recherchons un-e éleve ingénieur-e et/ou un-e universitaire d'un niveau Master pour un stage de 6 mois.
Il/elle devra à la fois avoir des compétences en programmation (Python par exemple), en traitement du signal et la faculté à comprendre des méthodes de machine learning innovantes.
De plus il/elle devra avoir de grandes qualités d'adaptabilité, de créativité et une forte motivation pour l'activité de recherche. Il aura à échanger avec des experts de plusieurs domaines.
Un candidat issu d'un cursus en informatique, en science du signal ou dans le domaine mathématique pourrait avoir les atouts nécessaires.
Il/elle devra avoir un bon niveau de culture générale et scientifique pour englober les différents champs de la recherche.
Specificity of the job
L'offre de stage est à pourvoir sur le site de Colombes (92).
L'offre de stage est à pourvoir à partir de juillet 2025.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.