Job Description

Safran est un groupe industriel et technologique français, présent au niveau international dans le domaine de l'aéronautique, de l'espace et de la défense.

La détection et la modélisation des arcs de défaut représentent un enjeu majeur pour la sécurité et la performance des installations électriques industrielles et aéronautiques. Les modèles circuits classiques (Mayer, Cassie, etc.), principalement fondés sur des équations empiriques, montrent leurs limites face à la diversité et à la complexité des conditions rencontrées sur le terrain. De plus, ces modèles ont généralement été développés pour simuler des arcs électriques générés au sein de contacteurs, et non ceux associés à des défauts. Or, les arcs de défaut se distinguent par leur caractère aléatoire accru et leur dynamique plus libre, car ils peuvent ne pas être contraints par la géométrie ou par un confinement imposé, contrairement aux arcs dans les contacteurs.

Dans ce contexte, la régression symbolique, une technique d'intelligence artificielle permettant d'extraire automatiquement des relations mathématiques explicites à partir de données expérimentales, constitue une approche innovante et prometteuse permettant d'affiner la compréhension et la modélisation des arcs de défaut.

Objectif du stage :
L'objectif de ce stage est d'évaluer l'apport de la régression symbolique à la modélisation électrique d'un arc de défaut, en analysant des données expérimentales et en comparant la performance des modèles obtenus avec les modèles traditionnels.

Descriptif des travaux à réaliser :
Au sein du pôle de recherche "Systèmes Electriques & Electroniques", la mission consistera à :
• Réaliser une veille sur les méthodes de modélisation des arcs électriques et les techniques de machine learning supervisé, avec un focus sur la régression symbolique.
• Traiter et analyser une base de données expérimentales issue de mesures d'arcs électriques en conditions réelles de défaut.
• Développer, entraîner et optimiser des modèles de régression symbolique sous Python (bibliothèques de ML) et Matlab.
• Comparer la performance (précision, robustesse, explicabilité) des modèles ML générés avec les modèles physiques classiques.
• Rédiger une synthèse sur les apports et limitations du machine learning pour ce type d'application, et proposer des recommandations pour des applications industrielles futures.

Job Requirements

• Formation Bac+5 (Ingénieur, Master) avec une spécialisation en data science, machine learning ou modélisation physique.
• Solides compétences en Python (Scikit-learn, TensorFlow ou autres outils ML) et Matlab/Simulink.
• Bonnes connaissances en analyse de données et électricité appliquée.
• Esprit d'innovation, autonomie, rigueur et capacité à vulgariser des résultats scientifiques complexes.

But what else? (advantages, specific features, etc.)

L'offre de stage est à pouvoir sur le site de BLAGNAC (Occitanie).

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.