Détection Robuste Des Dérives de Fonctionnement - Solaize, France - IFP Energies Nouvelles (IFPEN)

Description

**Détection robuste des dérives de fonctionnement d'unités pilotes par IA**:

- Réf **ABG-122507**
- Sujet de Thèse- 09/04/2024- Contrat doctoral- IFP Energies Nouvelles (IFPEN)- Lieu de travail- Solaize - Auvergne-Rhône-Alpes - France- Intitulé du sujet- Détection robuste des dérives de fonctionnement d'unités pilotes par IA- Champs scientifiques- Science de la donnée (stockage, sécurité, mesure, analyse)
- Mots clés- IA, Deep Learning, Génie Chimique, Automatique, Détection d'anomalies, Process Systems Engineering, Data Science**Description du sujet**:
IFPEN a l'ambition de devenir un acteur incontournable de la triple transition énergétique, écologique et numérique en proposant des solutions technologiques différenciantes en réponse aux défis sociétaux et industriels de l'énergie et du climat. La mise en place de nouvelles démarches méthodologiques couplant « data science et expérimentation » font partie des solutions en étude permettant une meilleure maitrise des outils expérimentaux. Les algorithmes d'apprentissage basés sur les séries temporelles, qui constituent la majeure partie des données générées, sont notamment en plein essor dans la littérature, qu'elles soient supervisées ou non supervisées (ARIMA, LSTM ).
La problématique de pronostic et management de la santé (communément appelé PHM : Prognostics and Health Management) est d'un intérêt certain. Il s'agit d'une discipline qui s'intéresse aux mécanismes de dégradation des systèmes en vue de l'estimation de leur état de santé, de l'anticipation de leur défaillance et de l'optimisation de leur maintenance. Par exemple, sur une unité pilote il est très difficile d'obtenir des données lors de problèmes de fonctionnement, problèmes dont l'occurrence est croissante avec la grande variabilité des produits à traiter et des conditions opératoires à explorer. Cette thèse vise à surmonter ces défis en explorant des méthodologies basées sur les données. Le choix de cette approche se justifie par la vaste diversité des données disponibles à l'IFPEN. De nouveaux essais expérimentaux pourront également être menés en complément.

**Prise de fonction**:

- 04/11/2024**Nature du financement**:

- Contrat doctoral**Précisions sur le financement**:

- Financement IFP Energies Nouvelles**Présentation établissement et labo d'accueil**:

- IFP Energies Nouvelles (IFPEN)IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l'énergie, du transport et de l'environnement. Depuis les concepts scientifiques en recherche fondamentale jusqu'aux solutions technologiques en recherche appliquée, l'innovation technologique est au cœur de son action.

La thèse sera menée en collaboration avec le laboratoire CRAN à Nancy, acteurs significatifs de la recherche en automatisme, maintenance prédictive et PHM notamment.

**Site web**:
**Intitulé du doctorat**:

- Doctorat d'Informatique**Pays d'obtention du doctorat**:

- France**Etablissement délivrant le doctorat**:

- Université de Lorraine**Ecole doctorale**:

- Informatique - Automatique - Électronique - Électrotechnique - Mathématiques de Lorraine (IAEM-LorraDiplôme d'ingénieur ou de Master en mathématiques appliquées, informatique, science des données ou génie des procédés / automatique avec une forte appétence pour la science des données.