Job Description
Safran est un groupe international de haute technologie et leader dans les domaines de l'Aéronautique, de l'Espace, de la Défense et de la Sécurité. Au sein du centre de R&T du groupe (Safran Tech), l'Unité de Recherche Maths & Algorithms for Temporal Data (MATD) mène de nombreuses activités de recherche avec des partenaires académiques dans des domaines tels que les modèles génératifs, l'évaluation de l'incertitude, et l'analyse de survie.
L'analyse de survie est une branche des statistiques qui s'intéresse au temps écoulé avant la survenue d'un événement d'intérêt, comme la mort, la rechute d'une maladie, la défaillance d'un équipement ou l'abandon d'un client. Contrairement aux méthodes classiques, elle prend en compte la censure, c'est-à-dire les observations incomplètes lorsque l'événement ne s'est pas produit avant la fin de l'étude.
Dans le cadre des activités Safran, ces méthodes sont particulièrement utilisées pour prédire le temps restant avant la nécessité d'effectuer une maintenance. En effet, améliorer l'estimation des probabilités de passer en maintenance pour les équipements permet de mieux gérer les plannings de maintenance, que ce soit à la maille de l'année, mais aussi plus particulièrement vis-à-vis du « workscoping », c'est-à-dire quelles parties de l'équipement sont à changer. En effet, une mauvaise estimation de ces probabilités crée un surcoût, dû entre autres aux problématiques logistiques ou au temps supplémentaire passé à réparer. A l'inverse, une bonne estimation de ces probabilités permet d'augmenter la disponibilité opérationnelle des équipements. De plus, dans l'axe de conseil aux clients, l'estimation des probabilités de passer en maintenance selon les données opérationnelles des équipements permet de déterminer quels sont les facteurs liés à une dégradation plus rapide ou plus lente de son équipement. Ainsi, il sera possible de conseiller le client afin d'user au minimum les équipements qui lui sont fournis.
En plus des données de maintenance indiquant le nombre de cycles (vols) effectués avant chaque évènement de maintenance (avec la cause associée), on dispose également de données temporelles (ou longitudinales) décrivant des paramètres extérieurs aux moteurs (variables dites exogènes, reflétant l'usage ou les conditions extérieures) ainsi que des mesures de l'état de santé du moteur (variables dites endogènes) à chaque vol. Pour l'instant, ces données longitudinales ne sont pas exploitées dans leur temporalité par les modèles utilisés pour prédire le nombre de cycles avant maintenance. Néanmoins, de nouvelles méthodes ont récemment été proposées dans la littérature afin de permettre la prise en compte de données longitudinales en analyse de survie [1-3].
L'objectif de ce stage est donc d'implémenter les différentes méthodes récemment proposées dans la littérature avec les données Safran afin de réaliser un benchmark de ces méthodes et de comparer leurs performances aux méthodes actuelles.
Job Requirements
-Niveau d'étude : Bac+4 minimum, Formation en data science / data engineering.
-Solides compétences en programmation Python.
-Bonne maîtrise des concepts fondamentaux du machine learning/deep learning, être à l'aise avec le debugging et l'optimisation des modèles (tuning des hyperparamètres, gestion des problèmes de convergence, ajustement des architectures neuronales, etc.)
-Expérience en data engineering (prétraitement des données, gestion des pipelines, etc.).
-Familiarité avec un ou plusieurs frameworks d'apprentissage profond (Pytorch, Tensorflow, etc) serait un plus.
Company Information
Safran is an international high-technology group, operating in the aviation (propulsion, equipment and interiors), defense and space markets. Its core purpose is to contribute to a safer, more sustainable world, where air transport is more environmentally friendly, comfortable and accessible. Safran has a global presence, with 100,000 employees and sales of 27.3 billion euros in 2024, and holds, alone or in partnership, world or regional leadership positions in its core markets.
Safran is in the 2nd place in the aerospace and defense industry in TIME magazine's "World's best companies 2024" ranking.
Because we are convinced that each talent counts, we value and encourage applications from people with disabilities for our job opportunities.
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.