Description de l'offre
Le ou la post-doctorant(e) aura pour mission de développer une approche complète pour évaluer le potentiel de réutilisation de composants électroniques, en vue de les réintroduire dans des cycles de seconde vie.
Cela comprendra :
- L’identification d’indicateurs de santé pertinents pour suivre l’évolution des performances de composants (ex.
: MOSFET, IGBT, condensateurs, etc.) ;
- La mise en place de bancs de test et de capteurs adaptés à la mesure de paramètres électriques, thermiques ou mécaniques, dans le but de détecter les signes de vieillissement ;
- L’analyse des modes de dégradation à travers des essais expérimentaux et des modèles de défaillance ;
- Le développement d’algorithmes de prédiction de la durée de vie résiduelle (Remaining Useful Life – RUL), adaptés à différents scénarios d’usage ;
- La contribution aux publications scientifiques, à la valorisation des résultats, et à la collaboration avec les partenaires du projet.
Moyens / Méthodes / Logiciels
Matlab, Dspace, Python
Profil du candidat
Le ou la candidat(e) devra être titulaire d’un doctorat en intelligence artificielle, data science avec de bonnes compétences en génie électrique/électronique.
Compétences attendues :
- Maîtrise des méthodes d’apprentissage automatique (régression, classification, réseaux de neurones, clustering, etc.) ;
- Bonnes connaissances en traitement du signal, analyse de données, ou détection d’anomalies ;
- Expérience souhaitée dans un environnement avec données issues de capteurs ou d’essais expérimentaux ;
- Connaissance des langages de programmation et des bibliothèques associées (Python, PyTorch, etc.) ;
- Intérêt pour les applications concrètes et multidisciplinaires (électronique, fiabilité, durabilité).
Des notions en conception de bancs de test ou en instrumentation seraient un plus.