La conception des disques de frein en avance de phase nécessite l'établissement de critères robustes et fiables dans le domaine thermo mécanique. Ces critères sont généralement fonction de paramètres géométriques du disque et de prestations véhicules à atteindre. Aujourd'hui, une partie des critères établis empiriquement ne sont pas robustes et souvent redondants. Une première exploration de la construction de critères fiables dans le domaine de la thermo mécanique par utilisation de techniques de Machine Learning a été effectuée. Cela a permis de mettre en évidence les limites d'une approche par utilisation exclusivement de Graph Neural Network (GNN) pour l'apprentissage d'un modèle de prédictions des prestations thermomécaniques. Une extension de la base de données (types de freins, géométrie) est nécessaire ainsi qu'une approche hybride, GNN et prédiction des KPI, permettrait de rendre robuste cette approche. Le stage a pour objectif de résoudre cette problématique.
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.