Votre environnement de travail :

La thèse se déroulera au sein de la direction Systèmes & Mise au Point du Groupe Motopropulseur électrique (ePWT) et du service Cadrage Systèmes. Ce service est en charge du développement des architectures systèmes et de la rédaction des exigences fonctionnelles et dysfonctionnelles.

Dans le contexte actuel, la connaissance de l’état de santé des composants devient un enjeu important pour le véhicule électrique afin d’assurer le bon fonctionnement des composants en toute sécurité et aux bonnes performances dans les différents cas d’usage et tout au long de la vie du véhicule.

Vous serez basé(e) sur le site du Centre Technique de Lardy (91) .

Vos missions :

Cette thèse porte sur l’identification et la surveillance des paramètres caractéristiques de l’état de santé des machines électriques de traction des véhicules automobiles à partir du traitement de données numériques et des contextes de fonctionnement provenant des différentes unités de commande électronique du véhicule. Les données sont collectées pendant les phases de développement en laboratoire et tout au long de la vie d’utilisation des véhicules grâce aux moyens de connectivité embarqués.

La connaissance de la physique qui régit le fonctionnement de ces machines et l’exploitation probabiliste des données de mesure dans le véhicule permettra l’apprentissage des indicateurs de l’état de santé des machines.

Une fusion des données apprises dans le véhicule et celles issues du traitement des données collectées sur le cloud sur les véhicules de même famille permettra de prendre une décision optimale d’une maintenance préventive du véhicule qui sera proposée au client.

Les travaux de cette thèse ont pour objectif de développer des méthodes d’identification et d’apprentissage statistique de grandeurs caractéristiques du vieillissement de machines électriques d’un véhicule automobile par l’exploitation combinée de données collectées sur le Cloud et transmises par une flotte de véhicules de la même famille via les moyens de connectivité embarqués dans chaque véhicule et de données temps réel acquises dans le véhicule en cours de son utilisation.

Une estimation probabiliste sera faite de l’état de santé et de la durée de vie restante des machines électriques sur le véhicule en fonction des indicateurs de vieillissement, permettant ainsi de mettre en place une maintenance prédictive individualisée du véhicule.

Dans ce cadre, vous serez amené à :

• Etudier des méthodes de traitement de données massives (Big data) pour classifier et identifier des paramètres caractéristiques de vieillissement de systèmes du Powertrain en prenant l’exemple des machines électriques.
• Construire des modèles offline de l’état de santé des systèmes étudiés
• Construire une approche d’apprentissage statistique à partir de données temps réel online
• La fusion de données des caractéristiques identifiées en offline et online qui permettent de prédire le comportement des systèmes et leurs durées de vie restante
• Effectuer du recalage des prédictions par les observations temps réel
• Construire une logique de maintenance prédictive optimale pour le client

Vos principaux livrables sont :

• Une étude bibliographique sur l’état de l’Art et les approches et techniques à envisager dans la thèse dans le domaine de traitement des données, de la modélisation et la prédiction des systèmes en vue de la maintenance prédictive.
• La conception des algorithmes de traitement de données, des modèles de prédiction de la durée de vie restante.
• Leur application sur les machines électriques des véhicules.

Votre profil :

Vous possédez un Master en sciences numériques et IA ou Diplôme d’ingénieur avec option IA.

Vous avez des connaissances en mathématiques, physique, électronique et mécanique, maîtrisez les concepts, méthodes et algorithmes de Machine Learning ; traitement des signaux ; modélisation probabiliste, ainsi que les outils logiciels associés à ces techniques.

Vous avez une bonne capacité d'analyse, êtes autonome, et aimez travailler en équipe. Vous êtes bon communicant et possédez de bonnes capacités rédactionnelles, en français et en anglais. Vous avez un attrait certain pour la recherche appliquée.

Vous vous reconnaissez dans cette annonce ? Alors ce poste est fait pour vous !

Rejoignez-nous ! #CarMakerCareMakers

Découvrez notre processus de recrutement : https://www.renaultgroup.com/talents/