Modèle de prédiction de propriétés de coupe à partir de données industrielles et pilotes en HCK

Réf. R151-2019-01

Stage - Data / Mathématiques Appliquées

Localisation : Rhône

Début : entre janvier et juillet 2019
Durée : de 5 à 6 mois
Indem. : Oui

IFP Energies nouvelles - Lyon

IFP Energies nouvelles est un organisme public de recherche, d’innovation industrielle et de formation intervenant dans les domaines de l’énergie, du transport et de l’environnement. Sa mission est d'apporter aux acteurs publics et à l'industrie des technologies performantes, économiques, propres et durables pour relever les trois grands défis sociétaux du 21e siècle : changement climatique et impacts environnementaux, diversification énergétique et gestion des ressources en eau. Son expertise est internationalement reconnue.

IFP Energies nouvelles poursuit 5 priorités stratégiques, indissociables et complémentaires dans l'accomplissement de sa mission d’intérêt général :

  • Produire à partir de sources renouvelables des carburants, des intermédiaires chimiques et de l'énergie
  • Produire de l’énergie en réduisant l’impact sur l’environnement
  • Développer des transports économes et à faible impact environnemental
  • Produire à partir de ressources fossiles des carburants et intermédiaires chimiques à faible impact environnemental
  • Proposer des technologies respectueuses de l'environnement et repousser les limites actuelles des réserves d'hydrocarbures

Son école d'ingénieurs, partie intégrante d'IFP Energies nouvelles, prépare les générations futures à relever ces défis.

Modèle de prédiction de propriétés de coupe à partir de données industrielles et pilotes en HCK

L’IFPEN développe et commercialise des catalyseurs, objets permettant de réaliser les réactions chimiques souhaitées dans un temps raisonnable. La commercialisation d’un nouveau catalyseur requiert d’être capable de garantir ses performances dans des conditions non testées.

La garantie repose sur des modèles dont nous devons maitriser la qualité. Les modèles étaient historiquement des modèles physiques ou corrélatifs simples et nous nous intéressons à utiliser des approches statistiques plus complexes.

Le stage vise à construire des modèles de prédiction de quelques propriétés difficiles à obtenir à partir de nombreuses propriétés d’entrées connues (ce qui rentre dans le réacteur, les réglages du réacteur et une caractérisation partielle de ce qui en sort).

L’enjeu du stage est de tester de nombreux algorithmes de la science des données et d’identifier les algorithmes ou les familles d’algorithmes qui décrivent correctement les données.

Les algorithmes retenus seront alors entrainés pour décrire les données catalyseur par catalyseur et identifier les évolutions en fonction des catalyseurs. Les modèles seront bien sûr comparés avec les modèles actuels du procédé.

Ce stage s’appuiera sur des travaux internes dont un post doc en cours.

Un stage réussi pourrait déboucher sur une proposition de poste de thèse dans la continuité de ces travaux et portant sur le transfert de modèle.

Profil recherché :

M2 en mathématiques appliquées, data science, curiosité, autonomie, intérêt pour une découverte du génie des procédés

Contact

IFP Energies nouvelles - Lyon
Matthieu ROLLAND
Rd-point de l'échangeur de Solaize
69360 Solaize
Logo IFP Energies nouvelles - Lyon

Nouvelle recherche