Poste : stage
Date : 1 avril 2026
Contact Mail : liseth.pasaguayo@emse.fr , tel : 0444444444
Stage Master M2 "Modélisation probabiliste pour l’analyse ..." - Saint Etienne
"Modélisation probabiliste pour l’analyse d’évènements liés au processus industriel de machines de tricotage et de défauts de production de tricotage"
Début du stage envisagée : 1er avril 2026
Stage de 5 mois avec gratification de stage (4.50€ / h).
Frais de transports en commun pris en charge à hauteur de 75% (sous conditions),
Foyer du personnel (activités sportives, culturelles, avantages CE sur des loisirs et temps de convivialité),
1 jour de congé par mois (à poser sous réserve de l'accord du tuteur)
Localisation du poste : Saint-Étienne
Responsable : Liseth PASAGUAYO, Anis HOAYEK et Mireille BATTON-HUBERT, EMSE/LIMOS
Le travail s’articulera autour de trois axes principaux :
1. Modélisation probabiliste des événements machines :
Il s’agira de modéliser les événements survenant pendant la production sous forme de processus stochastiques, en tenant compte de leur fréquence, de leur durée et de leur séquentialité. Des chaînes de Markov seront notamment utilisées pour représenter les transitions entre différents états de fonctionnement des machines et caractériser leur dynamique normale.
2. Détection d’anomalies dans les séquences d’événements :
À partir des modèles probabilistes construits, des méthodes de détection d’anomalies seront développées afin d’identifier des comportements atypiques des machines (séquences rares, transitions inhabituelles, durées excessives). La détection d’anomalies sera envisagée comme un outil permettant de mettre en évidence des régimes de fonctionnement susceptibles d’augmenter le risque de défauts, plutôt que comme une simple identification d’observations aberrantes.
3. Analyse causale et impact sur les défauts de production :
Enfin, le lien entre les anomalies détectées, les événements machines et les défauts observés lors du contrôle qualité sera étudié à l’aide de graphes causaux et de modèles statistiques adaptés. Cette analyse permettra d’estimer l’impact de certains événements ou régimes anormaux sur la probabilité d’apparition de défauts, et d’identifier des facteurs de risque interprétables pour l’amélioration des processus industriels, ainsi que les causes fondamentales des anomalies.
Le stage s’appuiera sur l’exploitation des bases de données industrielles disponibles, comprenant les événements machines et les défauts observés lors du contrôle qualité, afin de caractériser les régimes de fonctionnement des machines et leur variabilité. Une analyse exploratoire des données, couplée à une revue bibliographique ciblée sur les chaînes de Markov, la détection d’anomalies sur séries temporelles à à évènements discrets et les approches causales en contexte industriel, permettra de définir un cadre méthodologique adapté. Des modèles probabilistes seront ensuite mobilisés pour mettre en évidence des comportements atypiques des machines et étudier leur association avec les défauts de production, dans une approche probabiliste et interprétable. Ces travaux viseront à dégager des éléments d’analyse exploitables pour l’amélioration des procédés de fabrication.
Mots clés : Chaînes de Markov, détection d’anomalies, modélisation probabiliste, graphes causaux, séries temporelles, qualité industrielle, dispositifs médicaux.
Pré-requis :
• En deuxième année de Master et/ou en troisième année d’école d’ingénieurs,
• Formation en mathématiques appliquées et/ou fondamentales (statistiques et probabilités),
• Solides compétences en programmation R et/ou Python,
• Des compétences supplémentaires en apprentissage automatique (Machine Learning) seraient fortement appréciées.