Le projet INDIC vise doc à développer une méthodologie utilisant la méthode de corrélation d'images numériques stéréo (S-DIC) pour mesurer les déformations générées par les processus de surface. Cette méthode est sans contact, peut être utilisée en laboratoire ou dans l'industrie, et peut être techniquement intégrée dans le suivi des processus de fabrication.

L'objectif du stage sera la création d'un jumeau numérique du processus de grenaillage avec suivi de la corrélation des images numériques.

Les traitements de surface tels que le grenaillage de précontrainte, le martelage ou le galetage sont largement utilisés dans l'industrie (aéronautique, automobile, nucléaire). En introduisant des contraintes résiduelles ou en éliminant des défauts de fabrication antérieurs, l'objectif principal de ces traitements est d'améliorer la résistance à la fatigue des pièces traitées. Il est crucial de contrôler les paramètres du procédé pour assurer un traitement homogène sur toute la surface de la pièce.

Le projet INDIC vise donc à développer une méthodologie utilisant la méthode de corrélation d'images numériques stéréo (S-DIC) pour mesurer les déformations générées par les processus de surface. Cette méthode est sans contact, peut être utilisée en laboratoire ou dans l'industrie, et peut être techniquement intégrée dans le suivi des processus de fabrication

L'objectif du doctorat sera la création d'un jumeau numérique et la validation expérimentale de la méthodologie. Il sera divisé en deux tâches principales : - La tâche 1 sera consacrée à l'identification des modèles de chatoiement et des conditions d'acquisition requises pour la corrélation d'images numériques pendant le processus de grenaillage de précontrainte. Cette tâche impliquera la création d'un jumeau numérique du processus. Pour atteindre cet objectif, des simulations du processus de grenaillage de précontrainte, de la capture et du traitement des images seront mises en œuvre. - La tâche 2 a pour objectif de mettre en œuvre la caractérisation des hétérogénéités induites par le grenaillage de précontrainte de manière expérimentale avec le S-DIC. Les données d'entrée pour les expériences seront fournies directement par le jumeau numérique mis en place dans la tâche 1 du projet. - Les tâches 1 et 2 seront réalisées en parallèle. L'objectif est d'augmenter progressivement la complexité des mesures et de valider ainsi la méthodologie étape par étape.

Le projet JENII – Jumeaux d’enseignement numériques immersifs et interactifs (JENII – ANR-21-DMES-0006) financé par l'ANR (Agence nationale de la recherche) dans le cadre de l'appel à projet DemoES du PIA4 a débuté le 2 Novembre 2021 pour une durée de 4 ans. Ce projet, coordonné par Arts et Métiers Sciences et Technologies, réunit le CESI, le CNAM et le CEA.

JENII est un projet de formation à distance pour l’industrie du futur fondé sur des environnements immersifs et collaboratifs bâtis autour de jumeaux numériques de systèmes industriels réels. L’accès à ces jumeaux numériques sera possible à travers l’utilisation d’un campus virtuel.

Nous recherchons pour un stage de 6 mois, un.e ingénieur.e en informatique industrielle pour mettre en place l’interface de communication entre les équipements de l’atelier, dans le cadre d’un projet national de virtualisation de la pédagogie par la mise en place de jumeaux numériques (JENII – Jumeaux d’enseignement numériques immersifs et interactifs – ANR-21-DMES-0006).

Le poste se trouve au sein de l’équipe I2MP du laboratoire MSMP, sur le campus d’Aix-en-Provence, avec des interventions possibles sur le site d’Angers.

Le projet JENII – Jumeaux d’enseignement numériques immersifs et interactifs (JENII – ANR-21-DMES-0006) financé par l'ANR (Agence nationale de la recherche) dans le cadre de l'appel à projet DemoES du PIA4 a débuté le 2 Novembre 2021 pour une durée de 4 ans. Ce projet, coordonné par Arts et Métiers Sciences et Technologies, réunit le CESI, le CNAM et le CEA.

JENII est un projet de formation à distance pour l’industrie du futur fondé sur des environnements immersifs et collaboratifs bâtis autour de jumeaux numériques de systèmes industriels réels. L’accès à ces jumeaux numériques sera possible à travers l’utilisation d’un campus virtuel.

Nous recherchons pour un stage de 6 mois un.e ingénieur.e en Data Driven et Machine Learning pour concevoir et mettre en place un metamodèle afin de finaliser la représentation virtuelle du système physique (plateforme de fonderie basse pression), dans le cadre d’un projet national de virtualisation de la pédagogie par la mise en place de jumeaux numériques (JENII – Jumeaux d’enseignement numériques immersifs et interactifs – ANR-21-DMES-0006).

Le poste se trouve au sein de l’équipe I2MP du laboratoire MSMP, sur le campus d’Aix-en-Provence.