Post-doctorant ou Post-doctorante en Science de données pour le diagnostic de systèmes industriels H/F

Contexte scientifique et industriel

Le diagnostic des systèmes est essentiel à la gestion efficace des opérations industrielles, contribuant à maintenir la rentabilité, la fiabilité et la sécurité des processus de production. En effet, ces systèmes sont au cœur des processus de production et de fabrication, où la moindre défaillance peut entraîner des effets et perturber l'ensemble de la chaîne d'approvisionnement (pannes - retards - dégradation de la qualité, etc.). Pour réaliser le diagnostic, il est nécessaire d'avoir accès à différents types de données. Ces données dites multimodales, sont de natures hétérogènes souvent associées à divers types de grandeurs ou formats (signaux, images, bases de données, etc.) provenant de sources de données variées (capteurs de température, capteurs de vibration, etc.). Cependant, à ce jour, l'exploitation complète soit intégrée de ces différentes modalités de données reste un défi. Pourtant, cette intégration permettrait une détection plus rapide et précise des anomalies et une prise de décision plus informative.
L'objectif de ce projet est de développer une méthodologie exploitant l'hétérogénéité et la multimodalité des données pour diagnostiquer les systèmes industriels. Cette approche exploiterait le potentiel de l’analyse temps-fréquence, la détection d'anomalies, le transport optimal et l’apprentissage statistique.