Ingénieure Mécanique — R&D

Intégration de l'équipe R&D chez ArcelorMittal pour fiabiliser et automatiser les procédures d'essais mécaniques critiques.

• Développement d'une méthode automatisée de détection de rupture par traitement d'images et Deep Learning (CNN) pour l'essai de pliage VDA 238-100, remplaçant le contrôle visuel manuel.
• Constitution d'une base de données d'images d'essais et entraînement de modèles de classification pour la détection précoce de rupture.
• Présentation des résultats aux équipes R&D, contribuant à l'amélioration de la fiabilité des essais et au recalage des modèles de simulation.

Réalisation d'une étude complète de modernisation d'un système de transmission pour optimiser la fiabilité et la maintenabilité d'une chaîne de production.

• Diagnostic détaillé d'un système de transmission poulie-courroie, analyse des défaillances et relevé des données de fonctionnement sur site.
• Dimensionnement d'une solution alternative chaîne-pignon avec choix des matériaux et préconisations d'entretien et de lubrification.
• Modélisation de la nouvelle solution en 3D sous SolidWorks et production de la mise en plan.
• Étude comparative des deux solutions couvrant les coûts, la durée de vie et les exigences de maintenance.

Contribution au développement de modèles prédictifs du contrôle postural et du risque de chute à partir de données expérimentales.

• Modélisation dynamique masse-ressort-amortisseur du contrôle postural en Python.
• Traitement et analyse d'une base de données de 163 sujets couvrant 1 930 mesures.
• Développement de modèles de classification (KNN, Random Forest) pour la prédiction du risque de chute.

Contribution à l'optimisation des processus de montage et démontage d'une carte électronique par modélisation et simulation 3D.

• Modélisation et simulation des opérations de montage/démontage d'une carte électronique.
• Optimisation de la documentation technique associée aux opérations.