Post-doc Sciences de données pour le contrôle de qualité dans la fabrication des dispositifs médicaux
Référence : 2024-1536304
- Fonction publique : Fonction publique de l'État
-
Employeur :
Ecole nationale supérieure des mines de Saint-Etienne
Mines Saint-Etienne - Localisation : 158 Cours Fauriel 42023 Saint-Étienne
Partager la page
Veuillez pour partager sur Facebook, Twitter et LinkedIn.
- Nature de l’emploi Emploi ouvert aux titulaires et aux contractuels
- Expérience souhaitée Non renseigné
-
Rémunération (fourchette indicative pour les contractuels) Non renseigné
- Catégorie Catégorie A (cadre)
- Management Non
- Télétravail possible Oui
Vos missions en quelques mots
Dans le cadre de ce projet, le candidat ou la candidate devra réaliser les missions suivantes en collaboration avec le partenaire industriel au sein de l’entreprise, dont :
- L’appropriation des différents types de contrôle de qualité réalisés dans le cadre du processus de fabrication en lien avec les experts du domaine (cartographie des contrôles qualité)
- L’analyse les ensembles des données disponibles afin d’identifier les données exploitables pour l’analyse de la qualité et du contrôle qualité
- La priorisation et sélection des contrôles qualité de ces processus de production qui seront cibles des phases suivantes du travail en fonction de la durée et de la faisabilité de l’étude.
- La sélection des méthodes d’apprentissage automatique les mieux adaptées aux données retenues pour la détection de la non - qualité ou de défauts de fabrication à partir d’un état de l’art adapté
- Le développement, les tests et la validation des différentes méthodes de contrôle de qualité
- Le transfert des connaissances et des résultats de l’étude auprès du partenaire industriel
- La valorisation de ce travail par des publications dans les conférences du domaine
Mots clés : Contrôle qualité, Apprentissage statistique, Apprentissage automatique, Détection des anomalies, Analyse des causes fondamentales, Création et distribution des dispositifs médicaux, Cartographie de la chaine de la valeur (VSM value stream mapping)
Profil recherché
Le candidat devra être titulaire d’un doctorat en mathématiques appliquées, ou en sciences de données en lien avec l’apprentissage statistique. Une expérience sur les techniques de détection d’anomalies et les techniques d'analyse des causes sera tout particulièrement appréciée
Les compétences attendues concernent :
- L’analyse et le traitement des données.
- Les Sciences des données, l’apprentissage automatique (machine learning), l’apprentissage profond (deep learning) et l’identification de modèles.
- Les Méthodes et algorithmes de détection d’anomalies et des techniques d’identification de cause
Il est également attendu que le candidat démontre :
- une expérience professionnelle significative dans le domaine du contrôle de qualité et de l'optimisation des chaînes de production industrielle.
- la capacité à traiter différents types de données : quantitatives, qualitatives et/ou textuelles.
- la maîtrise des langages de programmation Python et R.
- des compétences en implémentation et industrialisation des différents algorithmes développés.
Niveau d'études minimum requis
- Niveau Niveau 8 Doctorat/diplômes équivalents
- Spécialisation Physique-chimie
Localisation
Éléments de candidature
Documents à transmettre
Qui sommes-nous ?
Mines Saint-Etienne est une Ecole de l’Institut Mines-Télécom (IMT), 1er groupe public d’écoles d’ingénieurs et de management de France. L’IMT est un EPSCP (grand établissement) sous la tutelle du Ministère de l’Économie, des Finances et de la Souveraineté Industrielle et Numérique.
L’École Nationale Supérieure des Mines de Saint-Étienne (Mines Saint-Etienne) est chargée de missions de formation, de recherche et d’innovation, de transfert vers l’industrie et de culture scientifique, technique et industrielle.
Mines Saint-Etienne représente : 2 400 élèves-ingénieurs et chercheurs en formation, 480 personnels (150 Chercheurs et Enseignants-chercheurs), un budget consolidé de 46 M€, 3 campus dédiés à i/ l’industrie à Saint-Etienne et Lyon (région AURA) ii/ la microélectronique et les objets connectés à Gardanne (Métropole Aix-Marseille Provence, région SUD) et iii/ l’ingénierie pour la santé à Saint-Etienne ; 6 unités de recherche ; 5 centres de formation et de recherche ; un centre de culture scientifique technique et industrielle leader en France « La Rotonde » (> 50 000 visiteurs / an). Le Times Higher Education nous classe 300-400e au niveau mondial en “Engineering & Technology” (1er établissement d’enseignement supérieur et de recherche dans ses deux régions d’appartenance) et 1er établissement Français pour les Objectifs de Développement Durable (ODD) 11 – Villes et communautés durables et 13 – Lutte contre les changements climatiques.
Descriptif du service
Contexte scientifique et industriel
L’offre de poste se place dans le cadre d’une collaboration entre la société Thuasne à Saint-Étienne et Mines Saint-Etienne avec l’institut Henri Fayol (équipe GMI).
Fondé en 1847, Thuasne imagine, développe et fabrique des dispositifs médicaux permettant à chacun de devenir acteur de sa propre santé. Depuis 6 générations, le Groupe propose des solutions de santé concrètes, adaptées et innovantes dans les domaines de l’orthopédie, de la compression médicale, du maintien à domicile et du sport.
Les évolutions technologiques liées à l’Industrie 4.0 peuvent être utilisées pour résoudre les problématiques de la maîtrise de la qualité (contrôle Qualité 4.0). Lors de la digitalisation et la numérisation des chaînes de production, de nombreuses données sont accessibles et utilisables pour le contrôle qualité. Toutefois ces données ne sont pas suffisamment exploitées pour assurer une amélioration du contrôle et de la production.
L’objectif de ce projet est d’optimiser les contrôles qualité dans la fabrication de dispositifs médicaux en exploitant les différentes données disponibles dans la chaîne de production. Afin de réaliser cet objectif, il s’agit d’explorer différentes solutions d’apprentissage statistique appliquées à la détection d’anomalies, adaptées aux types de données issues du processus de fabrication.
À propos de l'offre
-
Vacant à partir du 01/07/2024
-
Chercheuse / Chercheur