Le Groupe Safran est un leader mondial dans la conception et la production d'équipements aéronautiques. Ce leadership repose en partie sur l'utilisation des matériaux composites de haute performance fabriqués par des procédés de pointe. C'est le cas des composites stratifiés fabriqués par des procédés tels que l'AFP (Automated Fibre Placement). Dans un contexte de passage à l'industrie 4.0, Safran Composites souhaite développer une méthodologie de calcul pour la conception de ces matériaux stratifiés en se basant sur des modèles d'apprentissage (Machine Learning, IA, etc.).

Missions détaillées: Dans le cadre de sa mission, le stagiaire sera intégré à l'équipe numérique du pôle "Conception et Développement" (C&D) de la plateforme Composites de Safran Tech. Ses missions principales seront de:

• Évaluer de manière critique les méthodes d'apprentissage disponibles pour l'estimation des propriétés des matériaux et l'identification entre la structure et les propriétés du système, afin d'en apprécier le potentiel par rapport aux problématiques SAFRAN.
• Prendre en main les outils développés par le pôle C&D pour estimer les propriétés des laminés stratifiés, en regard de la définition de l'empilement.
• Implémenter et interfacer ces outils entre eux.
• Définir un plan d'expérience et proposer une analyse statistique qui en dérive.
• Implémenter un modèle de régression des propriétés (mécaniques et de rupture) à partir d'une base de données synthétique du modèle simplifié.
• Mettre en place la stratégie de transfert learning (adaptation du modèle à une base de données plus réduite issue d'un modèle haute fidélité).

Formation et compétences:

• Formation : Cycle d'ingénieur
• Spécialités : Mécanique des milieux continus, Simulation numérique, Mathématiques appliquées
• La connaissance des composites stratifiés est la bienvenue
• Maîtrise de la programmation en Python
• Esprit de synthèse pour la présentation des résultats et la rédaction de rapports
• Connaissance du Machine Learning, du Deep Learning et des bibliothèques PyTorch et scikit-learn est la bienvenue