Post-doc en Data Science et apprentissage statistique pour le contrôle qualité dans la fabrication de dispositifs médicaux – CDD de 12 mois

Mines Saint-Etienne (MSE), l’une des écoles supérieures de l’Institut Mines Télécom , premier regroupement d’écoles supérieures d’ingénieurs et de gestion en France sous la tutelle du ministère de l’Économie, de l’Industrie et du Numérique, se voit confier des missions de l’éducation, la recherche et l’innovation, le transfert vers l’industrie et la culture scientifique, technologique et industrielle.

MSE c’est 2 400 étudiants de cycles supérieurs et postuniversitaires, 400 personnels (150 professeurs), un budget consolidé de 46 M€, 3 Campus dédiés i/ Industrie à Saint-Etienne et Lyon (Région Auvergne Rhône-Alpes) ii/ Microélectronique et objets connectés en Gardanne (métropole Aix Marseille Provence, région SUD) et iii/ Ingénierie de la Santé à Saint-Etienne ; six unités de recherche ; cinq centres d’enseignement et de recherche et un pôle scientifique : « La Rotonde » leader en France (> 50 000 visiteurs). Depuis 2019, MSE est classé environ 400ème mondial en ingénierie et technologie par le Time Higher Education (n°1 des établissements d’enseignement supérieur dans ses deux régions), et n°1 en France pour les Objectifs de Développement Durable (ODD) 11 – Villes durables et communautés et 13-Action pour le climat. Son environnement de travail se caractérise par des ratios professeurs/étudiants, personnel/professeurs et doctorat/professeurs élevés, ainsi que par des installations expérimentales et informatiques de pointe. Membre de l’association TIME des universités technologiques, MSE compte +150 partenariats internationaux actifs. Faisant partie de l’Institut Mines-Télécom, MSE est membre de l’Université Européenne EULIST.

Sa stratégie pour les 5 prochaines années est orientée vers l’accompagnement des entreprises et de la société dans les grandes transitions écologiques, numériques et générationnelles à venir, ainsi que vers la promotion de la souveraineté nationale et européenne dans le domaine de la microélectronique, à travers l’éducation, la recherche, le transfert de technologie et la sensibilisation scientifique.

Le Laboratoire d’Informatique, Modélisation et Optimisation des Systèmes (LIMOS ^[1] ), est une Unité Mixte de Recherche (UMR 6158) en informatique, et plus généralement en Sciences et Technologies de l’Information et de la Communication (STIC). Il est lié à l’Institut des Sciences de l’Information et de leurs Interactions (INS2I) du CNRS et de manière secondaire à l’Institut des Sciences de l’Ingénierie et des Systèmes (INSIS). Le LIMOS appartient à l’Université Clermont Auvergne (UCA) et aux Mines Saint-Etienne (MSE). Elle est également membre de Clermont Auvergne INP. Le positionnement scientifique du LIMOS est axé sur l’informatique, la modélisation et l’optimisation des systèmes organisationnels et vivants.

L’Institut Henri Fayol, centre de formation et de recherche de Mines Saint-Etienne, s’intéresse aux transformations actuelles des transitions numérique, écologique et industrielle qui sont au cœur de l’efficacité, de la résilience et de la durabilité des industries et des territoires. Elle développe une stratégie pluridisciplinaire alliant de fortes compétences en ingénierie mathématique et industrielle, informatique et systèmes intelligents, ingénierie environnementale et organisationnelle, management responsable et innovation, en lien avec les unités de recherche EVS UMR 5600, LIMOS UMR 6158 et COACTIS.

Le poste postdoctoral s’inscrit dans le cadre d’une collaboration entre Thuasne à Saint-Étienne et Mines Saint-Etienne avec l’Institut Henri Fayol.

Fondée en 1847, Thuasne conçoit, développe et fabrique des dispositifs médicaux permettant à chacun de prendre sa santé en main. Depuis 6 générations, le Groupe propose des solutions de santé pratiques, adaptées et innovantes dans les domaines de l’orthopédie, de la compression médicale, des soins à domicile et du sport.

Les évolutions technologiques liées à l’Industrie 4.0 peuvent être utilisées pour résoudre des problématiques de contrôle qualité (Quality Control 4.0). La digitalisation et la digitalisation des chaînes de production ont rendu de nombreuses données, accessibles et utilisables pour le contrôle qualité. Cependant, ces données ne sont pas suffisamment exploitées pour assurer un contrôle et une production améliorés.

L’objectif de ce projet est d’optimiser le contrôle qualité dans la fabrication de dispositifs médicaux en exploitant les différentes données disponibles dans la chaîne de production. Afin d’atteindre cet objectif, nous explorerons différentes solutions d’apprentissage statistique appliquées à la détection d’anomalies et adaptées aux types de données issues du processus de fabrication. L’objectif est d’optimiser le contrôle qualité en détectant les anomalies potentielles parmi les données et informations disponibles, et en analysant les causes profondes des défauts de production.

Missions

Dans ce projet, le candidat devra réaliser les tâches suivantes en collaboration avec le partenaire industriel au sein de l’entreprise, notamment : 

• Compréhension des différents types de contrôle qualité effectués dans le cadre du processus de fabrication, en collaboration avec des experts du domaine (cartographie du contrôle qualité).
• Analyse des ensembles de données disponibles pour identifier les données qui pourraient être utilisées pour analyser et contrôler la qualité. 
• Priorisation et sélection des contrôles qualité de ces processus de production qui feront l’objet des phases ultérieures de travail, en fonction de la durée et de la faisabilité de l’étude.
• Sélection des méthodes d’apprentissage automatique de pointe les plus adaptées aux données sélectionnées pour la détection de défauts de non-qualité ou de fabrication.
• Développement, tests et validation des différentes méthodes de contrôle qualité.
• Transfert de connaissances et de résultats au partenaire industriel
• Diffusion de ces travaux dans des conférences et articles de revues du domaine.

Mots clés : Contrôle qualité, Apprentissage statistique, Apprentissage automatique, Détection d’anomalies, Analyse des causes profondes, Dispositif médical, Cartographie de la chaîne de valeur