Stage automatisation de la détection de défauts sur éprouvettes h/f

SAFRAN Ceramics est une filiale du groupe SAFRAN dont la mission est de développer les matériaux et les produits en composites à matrice céramiques (CMC) pour les applications du groupe. L'introduction des composites à matrice céramique (CMC) dans les moteurs d'avion est devenue une réalité et reste un enjeu majeur pour la prochaine génération de moteurs. En effet, ces matériaux ont une très bonne tenue thermomécanique aux hautes températures et une faible densité. Ils sont donc les candidats idéaux pour remplacer les métaux dans les parties chaudes des moteurs d'avions. Dans ce contexte, le groupe SAFRAN développe des technologies en CMC, reposant sur plusieurs familles de matériaux. Les différentes pièces élaborées en CMC doivent résister aux sollicitations thermomécaniques du moteur, ce qui nécessite une maîtrise du procédé d'élaboration et une connaissance fine du comportement du matériau. Pour répondre à ces exigences, des plaques en CMC sont fabriquées en vue d'en extraire des éprouvettes de caractérisation. Lors de la fabrication des plaques et la caractérisation des éprouvettes, d'importantes quantités de données sont générées. Celles-ci proviennent de différents canaux et sont centralisées dans un operational data store (ODS). Une DataTech composée d'un DataWarehouse et d'un DataMart permet ensuite successivement de filtrer et réorganiser ces données en fonction de l'utilisation souhaitée. Notamment, au cours de leur fabrication, les plaques sont contrôlées pour permettre de détecter spatialement les éventuels défauts ou singularités (on utilise le terme générique de santé matière). Le stage s'inscrit dans ce contexte et les missions s'articuleront autour de trois axes principaux : 1/ Automatiser la récupération des données associées à la santé matière et au plan de prélèvement des éprouvettes. Cette centralisation au sein d'un même référentiel spatial permettra de relier les informations issues des plaques et des éprouvettes. 2/ Structurer les données récupérées et les intégrer dans le flux existant (DataTech). 3/ Générer les données de sortie et la visualisation associée.