Stage Analyse de sensibilité en présence de variables "gâchettes" H/F
Detail de l'annonce :
TYPE DE CONTRAT :
Stage
NIVEAU DE FORMATION :
BAC +4 / BAC +5
SPÉCIALITÉ(S) :
Recherche & Développement
PAYS / RÉGION :
France / Ile-de-France
DÉPARTEMENT :
Paris (75)
VILLE :
Chatou
EDF est labellisé Happy Trainees
DESCRIPTION DE L'OFFRE
CONTEXTE GÉNÉRAL
Au sein d'EDF R&D, le département PRISME (Performance, Risque
Industriel et Surveillance pour la Maintenance et l’Exploitation) a
pour mission de proposer des solutions innovantes pour une
exploitation plus performante des différents moyens de production du
groupe EDF. Au sein de PRISME, le groupe « Gestion d’Actifs,
Incertitudes et Apprentissage statistique » contribue entre autres
aux développements et à la diffusion de méthodes de traitement des
incertitudes ("uncertainty quantification") dans les outils de calcul
scientifique, _i.e._ les méthodes probabilistes et statistiques pour
la modélisation des incertitudes, leur quantification et leur
propagation dans les codes de simulation numérique.
PROBLÉMATIQUE INDUSTRIELLE
Les codes de calcul utilisés pour la modélisation, la prévision et
la simulation de systèmes complexes, dépendent typiquement de
plusieurs variables en entrée, que l’on peut considérer de nature
aléatoire (_e.g._, variables météorologiques).
Dans ce contexte, l’analyse de sensibilité vise à étudier comment
les incertitudes en entrée d'un code de calcul influencent la
variabilité d'une quantité d’intérêt en sortie, avec pour
objectifs principaux :
* d'identifie les variables significativement influentes sur la
sortie du code de calcul (tri qualitatif) ;
* de classer les variables en fonction de leur influence (classement
quantitatif).
Cela permet notamment de simplifier les codes considérés en ne
prenant en compte que les variables les plus influentes, tout en
raffinant les modèles probabilistes associés aux variables
identifiées comme potentiellement critiques.
OBJECTIFS DU STAGE & PLANNING PRÉVISIONNEL
Parmi les différents types de variables que les codes de calcul
peuvent prendre en entrée, on se concentrera lors de ce stage sur les
variables dites "gâchettes", qui sont typiquement des variables
discrètes présentant des dépendances hiérarchiques avec d’autres
paramètres en entrée.
En pratique, en fonction de la valeur (possiblement non numérique)
prise par ces variables gâchettes, les paramètres influents sur la
sortie du code de calcul seront différents.
L’objectif de ce stage est d’identifier et de proposer des
solutions permettant d’effectuer une analyse de sensibilité sur des
codes de calcul en présence de variables gâchettes (ainsi que de
paramètres continus plus communément traités). Ce stage
s’articulera sur plusieurs phases, définies ci-dessous :
* Définition et formalisation analytique du problème d’analyse de
sensibilité en présence de variables gâchette.
* Étude bibliographique permettant d’identifier les pistes et les
méthodes d’analyse de sensibilité prometteuses dans ce contexte.
* Implémentation numérique des solutions identifiées et/ou
proposées (langages envisagés : Python ou R).
* Analyse des performances des solutions implémentées sur des cas
jouets.
* Application des méthodologies développées sur des jeux de
données industriels et analyse des résultats.
PROFIL SOUHAITÉ
PROFILS
Étudiant.e de M2 (mathématiques appliquées /
probabilités-statistiques / modélisation & simulation numérique) ou
d’écoles d’ingénieur.e.s (généralistes avec majeure en
mathématiques appliquées / probabilités-statistiques).
COMPÉTENCES REQUISES
* Solides compétences en statistiques, analyse numérique et
probabilités.
* Maîtrise des langages Python ou R. A minima, maîtrise d’un
langage de calcul scientifique proche (e.g., Matlab) et forte
motivation pour monter en compétence sur un de ces deux langages.
* Aisance dans la communication, orale et écrite, en Français et en
Anglais.
APTITUDES PERSONNELLES SOUHAITÉES
* Goût pour la recherche (méthodologies, concepts mathématiques,
recherche bibliographique et applications industrielles).
* Ouverture d'esprit, curiosité et autonomie.