Génération de datasets publics de procédés de pertinence industrielle

Le stage se déroulera à Nancy dans les locaux du LRGP (Laboratoire Réaction et Génie des Procédés), unité mixte de l'Université de Lorraine et du CNRS, situé sur le campus de l'ENSIC à Nancy (54). La personne recrutée intégrera l'axe PRIMO (équipe PRISME) avec un encadrement par les personnels du LRGP et d’IFPEN. Le travail sera réalisé en forte collaboration avec les partenaires du GT DIP de la SFGP.

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Les méthodes de Machine Learning appliquées en Génie des Procédés ont démontré leur pertinence sur de nombreuses applications : modèles de substitution d’unités, de procédés ou de critères de performance, modèles de classification ou de clustering, etc. Néanmoins, ces mises en oeuvre portent généralement sur des données confidentielles : il existe très peu de jeux de données publics représentatifs de la complexité réelle des procédés industriels. Il est donc impossible pour la communauté de comparer les performances de nouvelles méthodes de modélisation avec les méthodes publiées dans la littérature, faute d’accès aux données originales. Pour combler ce manque et permettre des benchmarks méthodologiques transparents et objectifs, le groupe de travail DIP (Digitalisation et Ingénierie des Procédés) de la SFGP (Société Française de Génie des Procédés) a lancé une action visant à développer, tester et rendre publics des datasets possédant des caractéristiques pertinentes représentatives de la réalité industrielle. Ce travail sera réalisé en interaction avec le GT DIP.
Ce travail s’intéressera plus précisément à des données synthétiques, issues de fichiers de simulations de procédés, déjà rendus publics par leur auteurs. Les étapes consisteront à :

• Recenser les simulations de procédés disponibles publiquement, en considérant les principaux simulateurs de procédés tels que ASPEN, PROSIM, gPROMS, COCO, DWSIM, ProII, etc.
• Filtrer les simulations recensées selon des critères discutés avec les partenaires industriels du GT DIP, tels que la présence de réacteurs, de séparateurs, de mélanges contenant plus de 3 espèces, de boucles de recyclage et des critères de faisabilité tels que le temps de simulation, etc.
• Exploiter les simulations retenues pour générer des datasets (plans de simulations) et les tester. Pour plusieurs critères de construction des plans de simulations (balayage en grille, aléatoire, distributions spécifiques, densités de points, etc.):
  • Choisir un objectif d’exploitation des données (modèle de substitution d’unité, de procédés, ou de critère, ou modèle de classification ou de clustering),
  • Construire le dataset par le plan de simulations considéré,
  • Construire les modèles de machine learning (réseau de neurones, SVR, Gradient Boosting, forêt aléatoire, etc.),
  • Comparer les performances des modèles (taux d’erreurs, temps de calcul, etc.),
  • Comparer les choix de construction des dataset.
  • Si le temps le permet, utilisation de modèles hybrides
• Comparer les différents cas étudiés et préparer les datasets pour mise à disposition publique.

Le travail de machine learning sera réalisé en Python avec la possibilité d’utiliser des trames de scripts déjà disponibles.
La connaissance d’au moins un logiciel de simulation (ASPEN, PROSIM…) est indispensable. Une première expérience en application de méthodes de machine learning pour des problèmes de régression est nécessaire.

Diplôme d’ingénieur ou master en génie des procédés, avec coloration/option data sciences.
Compétences attendues :

• programmation scientifique en Python ;
• utilisation d'au moins un type de simulateur de procédé (PROSIM, ASPEN, COCO, etc.) ;
• traitement et analyse de données ;
• bases en méthodes de régression par apprentissage automatique ;
• rigueur dans documentation du code ;
• capacité à travailler dans une équipe interdisciplinaire.