Emplois actuels liés à CDD CIFRE - Toulouse - Vitesco Technologies

Au sein de notre département « Operations»,  nous recherchons un·e   doctorant·e   à partir de Novembre 2024,

Vous intégrerez l’équipe « Intelligence Artificielle Central Manufacturing » , 

L’équipe IA Central Manufacturing développe des solutions d’intelligence artificielle innovantes pour accompagner les usines du groupe vers un objectif zéro défaut et améliorer leur efficacité opérationnelle. Elle travaille notamment sur des problématiques de maintenance prédictive, de contrôle de qualité de production et d’extraction de connaissance utilisant l’apprentissage machine. Ces projets s’effectuent en collaboration avec divers partenaires académiques (ANITI cluster, LAAS-CNRS…) favorisant l’émergence de nouvelles technologies pour l’industrie.

Description du poste

Cette thèse est proposée dans le cadre d'une convention CIFRE en lien avec l'IA cluster ANITI. Elle se déroulera à Toulouse avec un partage de temps équilibré entre l'entreprise et les laboratoires de recherche. L’équipe IA Central Manufacturing a pour projet de planifier de manière automatique, robuste et acceptable la production de pièces des ateliers de fabrication. Au vu des quantités de production et des évènements aléatoires pouvant interférer avec les plannings établis initialement, ce domaine complexe est un enjeu et un levier important dans l'optimisation des ressources de production. Les système ERP (Enterprise Resource Planning) traditionnels ne parviennent pas à fournir des scénarios de planification et d’ordonnancement de manière dynamique. À Vitesco Technologies, nous cherchons les méthodes les plus avancées et adaptées pour optimiser nos lignes de production, , améliorer la performance de production, réduire les coûts de stockage et minimiser le temps d’attente.

Au cours des dernières années, de nombreuses approches basées sur les données ( Deep Reinforcement Learning) et basées sur les modèles ( IA Planning, Constraint Programming) ont été étudiées séparément pour résoudre ces problèmes. Bien que les premières nécessitent souvent une énorme quantité de données qui sont rarement disponibles dans de nombreux problèmes industriels, les secondes ne conviennent pas toujours pour modéliser avec précision des problèmes complexes. En outre, ces deux méthodes ne parviennent pas à résoudre efficacement des problèmes de grande envergure dans un délai raisonnable et avec des ressources informatiques limitées. Cette difficulté est particulièrement marquée en présence d’incertitude, qui contribue de manière significative à l’explosion combinatoire de l’espace des solutions. Vous rejoindrez l’équipe IA Central Manufacturing en tant que doctorant·e en intelligence artificielle (niveau F11) afin d’explorer et trouver des solutions à la problématique. L’objectif de la thèse est de concevoir et développer une approche hybride combinant des méthodes basées sur les données et des méthodes basées sur les modèles pour planifier la production dans les usines du groupe. La solution idéale devrait répondre aux trois critères: scalabilité, robustesse et applicabilité au cas d'usage industriel. 

Suite à une étude préliminaire, un modèle de simulation a été élaboré en se basant sur les données réelles de production d’une usine, et des méthodes de planification de l'état de l’art ont été mises à l’épreuve. Le travail de thèse vise à poursuivre sur la base des résultats obtenus, en complexifiant le problème et en explorant de nouvelles approches, en particulier dans la catégorie des méthodes hybrides. Ce travail implique des collaborations avec des chercheurs académiques de divers instituts dans le cadre de l’ANITI.

ANITI (Artificial and Natural Intelligence Toulouse Institute) est l’institut interdisciplinaire d’intelligence artificielle de Toulouse. Il fait partie des 9 « IA-clusters », pôles d’excellence en recherche et formation en intelligence artificielle, soutenus à hauteur de 360 millions d'euros de France 2030. Cette thèse fera partie de la chaire HEROIC (Hybridizing lEarning, seaRch and combinatorial Optimization for Industrial deCision-making). La chaire rassemble des chercheurs issus de divers organismes publics (LAAS, IRIT, IRT, ONERA, Ottawa University) et des partenaires industriels (Airbus, Liebherr, Vitesco Technologies) autour du sujet de l’apprentissage hybride et de la recherche opérationnelle pour optimiser les prises de décision dans l’industrie. 

Vos principales missions seront :

> Réaliser un état de l’art sur les différentes méthodes de planification de la production (data-driven, model-based, hybrid).

> Développer un framework d'évaluation se basant sur le modèle de simulation et permettant de comparer les nouvelles méthodes proposées aux méthodes déjà existantes permettant de planifier une production.

> Concevoir et développer de nouvelles approches de planification pour le cas d'étude dans le but d'intégrer des contraintes de plus en plus réalistes.

> Documenter les développements liés au projet.

Profil souhaité :

> Bac +5 en Mathématiques Appliquées/Recherche Opérationnelle

> Bonne connaissance en Python

> Connaissance des méthodes de machine learning (Deep Reinforcement Learning est un plus)