Apprenti-e : Modélisation data du drapage de structures tissées 3D F/H
Safran
- Essonne
- Alternance
- Temps-partiel
Afin de conforter l'avance technologique du groupe SAFRAN sur les matériaux composites et leur dimensionnement, il est nécessaire d'améliorer les techniques de modélisation de la mise en forme des structures composites en prenant en compte les contraintes liées au procédé. Cela passe par une compréhension des phénomènes physiques présents à l'échelle des textiles et une modélisation robuste du procédé de mise en forme d'une préforme via des modèles physiques et provenant de data expérimentales. Ainsi, l'objectif de cette mission est d'alimenter la modélisation de ce procédé afin d'y intégrer les outils d'optimisation de fabrication de pièces composites. La finalité industrielle du travail est de pouvoir se doter d'outils permettant de réduire les boucles d'itérations sur la conception de nos matériaux/structures.Le(a) apprenti(e) aura pour missions principales de :
- Dresser un état de l'art exhaustif sur les approches numériques pour la modélisation des structures souples à l'échelle macroscopique, pouvant construire une approche automatisée/apprentissage de veille
- Participer à l'élaboration de méthodologies de modélisation du procédé de formage basé sur des approches hybrides IA
- Implémenter la méthodologie dans un code de calcul interne
- Evaluer la pertinence des développements dans le cadre d'une boucle d'optimisation avec des contraintes spécifiques liées au métier
- Assurer une communication interne (réunion d'avancement, rapport)
- Connaissance d'un ou plusieurs langages de programmation
- Première connaissance de la mécanique des matériaux, lois de comportements
- Première expérience sur des calculs mécaniques par éléments finis
- Capacité de synthèse et d'exploitation/interprétation des simulations numériques
- Autonomie et rigueur dans l'exécution de ses activités
- Capacité de communication, notamment avec différents intervenants et différents métiers (physico-chimie, matériaux, procédés…)
- Première expérience dans la science de la donnée
- Connaissance et maitrise des principaux modèles de machine learning
- Connaissance des matériaux composites à matrice organique