Grand établissement public d'enseignement supérieur, pôle de recherche reconnu, élément fondateur de l'écosystème grenoblois : Grenoble INP, l'institut d'ingénierie et de management de l’Université Grenoble Alpes (UGA), occupe une place de premier plan dans la communauté scientifique et industrielle.
Grenoble INP - UGA est membre de réseaux internationaux de formation et recherche en ingénierie et management.
Il est reconnu dans les classements nationaux et internationaux.
Le laboratoire G-SCOP (Sciences pour la Conception, l'Optimisation et la Production de Grenoble) est une Unité Mixte de Recherche (UMR 5272) et a 2 tutelles l'Université Grenoble Alpes et CNRS. Il est hébergé sur le site Viallet de Grenoble INP - UGA.
Laboratoire pluridisciplinaire, il regroupe des communautés STIC (Sciences et Technologies de l'Information et de la Communication) et SPI (Sciences pour l'Ingénieur) autour de problématiques de recherche relatives à la conception, l’optimisation et la gestion des produits et des systèmes de production.
Site internet : https://g-scop.grenoble-inp.fr/
Are you interested in this job offer? Please click on the link below to discover the position description in English!
https://euraxess.ec.europa.eu/jobs/450554
Ce programme de doctorat s'inscrit dans le cadre du projet de recherche national français « PEPR SPLEEN DCarbo », qui vise à développer une nouvelle approche et des outils innovants afin de soutenir la décarbonisation des industries. Il se concentre sur les systèmes de fabrication discrète. La réduction des émissions de carbone des lignes de production modernes par le biais de la gestion des opérations nécessite la coordination de multiples tâches, incluant la détection, le diagnostic, la prévision, la recommandation de solutions et la surveillance efficace.
Les approches existantes s'appuient principalement sur l'optimisation et les méthodes basées sur les données, sous-exploitant ainsi l'atout important que constituent les connaissances du domaine et l'expérience des experts. Les approches fondées sur les connaissances, qui exploitent principalement les connaissances du domaine et l'expérience des experts, sont souvent plus durables car elles nécessitent généralement moins de ressources informatiques et fournissent des systèmes d'aide à la décision fiables, sûrs, transparents, explicables et dignes de confiance. Elles donnent généralement de bons résultats en matière de diagnostic et de recommandation de solutions.
Cependant, elles peinent souvent à accomplir des tâches de prédiction et de détection, en particulier avec des données complexes, et souffrent d’un goulot d’étranglement au niveau de l’acquisition des connaissances ainsi que d’un manque de collaboration étroite entre les chercheurs et les experts industriels. La combinaison effective de modèles frugaux et explicables, fondés sur les données, avec des modèles fondés sur les connaissances constitue une piste prometteuse pour la mise en place d’un système d’aide à la décision multitâche basé sur l’intelligence artificielle centrée sur l’humain pour la réduction des émissions de carbone dans les processus industriels complexes. Cette thèse vise à explorer cette piste à travers deux cas industriels : le premier portera sur les spécificités des opérations d’usinage, tandis que le second prendra en compte à la fois les opérations d’usinage et d’assemblage.
Niveau minimum requis Bac +5: Master 2/ Diplôme d'ingénieur ou équivalent.
Principaux domaines de compétences requis:
principes et outils du génie industriel
processus de fabrication
communication écrite et orale
capacité d'analyse et bon esprit de synthèse
statistiques
analyse de données
apprentissage automatique
modélisation conceptuelle
ingénierie des connaissances
programmation
Par ailleurs, une première expérience dans le domaine de l'intelligence artificielle centrée sur l'humain ou de l'intelligence artificielle explicable serait appréciée.