Sujet de Thèse
Titre :
Détection robuste des dérives de fonctionnement d'unités pilotes par IA
Dates :
2024/10/01 - 2027/09/30
Encadrant(s) : 
Description :
IFPEN a l'ambition de devenir un acteur incontournable de la triple transition énergétique, écologique et numérique en proposant des solutions
technologiques différenciantes en réponse aux défis sociétaux et industriels de l'énergie et du climat. La mise en place de nouvelles démarches
méthodologiques couplant « data science et expérimentation » font partie des solutions en étude permettant une meilleure maitrise des outils
expérimentaux. Les algorithmes d'apprentissage basés sur les séries temporelles, qui constituent la majeure partie des données générées, sont
notamment en plein essor dans la littérature, qu'elles soient supervisées ou non supervisées (ARIMA, LSTM...).
La problématique de pronostic et management de la santé (communément appelé PHM : Prognostics and Health Management) est d'un intérêt certain.
Il s'agit d'une discipline qui s'intéresse aux mécanismes de dégradation des systèmes en vue de l'estimation de leur état de santé, de l'anticipation de
leur défaillance et de l'optimisation de leur maintenance. Par exemple, sur une unité pilote il est très difficile d'obtenir des données lors de problèmes
de fonctionnement, problèmes dont l'occurrence est croissante avec la grande variabilité des produits à traiter et des conditions opératoires à explorer.
Cette thèse vise à surmonter ces défis en explorant des méthodologies basées sur les données. Le choix de cette approche se justifie par la vaste diversité
des données disponibles à l'IFPEN. De nouveaux essais expérimentaux pourront également être menés en complément.


IFP Energies nouvelles
IFP Energies nouvelles est un organisme public de recherche, d'innovation et de formation dont la mission est de développer des technologies
performantes, économiques, propres et durables dans les domaines de l'énergie, du transport et de l'environnement. Pour plus d'information, voir notre
site web (https://www.ifpenergiesnouvelles.fr/ifpen/presentation).
IFPEN met à disposition de ses doctorants un environnement de recherche stimulant, avec des équipements de laboratoire et des moyens de calcul très
performants. Outre une politique salariale et de couverture sociale compétitive, IFPEN propose à tous les doctorants de participer à des séminaires et
des formations qui leur sont dédiés.
Mots clés :
Data science, machine learning, prognostics and health management PHM, deep learning, Process System
Conditions :
Encadrant IFPEN Dr. Victor COSTA, victor.costa@ifpen.fr, ORCID : 0000-0002-9723-8538

Localisation du doctorant IFPEN, Solaize, France
Durée et date de début 3 ans, début au cours du quatrième trimestre 2024 (4 novembre)
Employeur IFPEN
Département(s) : 
Modélisation Pilotage des Systèmes Industriels
Financement :
Thèse Financée par l'IFPEN