Alfa Laval Golbey est une société reconnue pour son savoir-faire dans le dimensionnement et la fabrication d’échangeurs de chaleur compacts destinés à la distillation des gaz, de l’air, au traitement des hydrocarbures et à la production d’hydrogène. Ce savoir-faire s’exprime plus particulièrement dans la façon de concevoir et de réaliser ces équipements, qui peuvent atteindre plusieurs m3.L’échangeur, constitué de plusieurs milliers de pièces, est assemblé par brasage en une seule opération de façon à obtenir un ensemble cohérent, appelé matrice, sur lequel seront ultérieurement soudées des têtes d’alimentation.
Ce sujet s’inscrit dans le cadre d’une collaboration entre Alfa Laval et le laboratoire CRAN (Nancy). Elle a comme objectif de concevoir des outils de traitement de données permettant d’augmenter les performances qualité de l’entreprise.
Les candidats intéressés par ce sujet doivent envoyer leur CV et lettre de motivation à :
- Thierry Mazet : thierry.mazet@alfalaval.com
- Gaëtan Bergin : gaetan.bergin@alfalaval.com
- Alexis Chiocca : alexis.chiocca@alfalaval.com
- Julien Flamant : julien.flamant@univ-lorraine.fr
- Sebastian Miron : sebastian.miron@univ-lorraine.fr
- David Brie: david.brie@univ-lorraine.fr
Le projet vise à développer un système intelligent d’assistance au soudage, fondé sur l’analyse de signaux multicapteurs et sur des méthodes d’apprentissage automatique, afin de détecter automatiquement les défauts de soudage et d’améliorer la qualité du procédé en temps réel. Cet outil a également pour vocation de servir de support à l’apprentissage et au perfectionnement des bonnes pratiques de soudage, tant pour les apprentis que pour la formation continue de soudeurs expérimentés. L’objectif est de concevoir un système capable de collecter et d’analyser des données hétérogènes en temps réel, puis de restituer au soudeur, pendant l’exécution du cordon, des informations pertinentes sur la qualité de son geste et du procédé. Le projet repose ainsi sur l’intégration de capteurs physiques, de dispositifs d’acquisition d’images, de systèmes de retour d’information visuels, sonores ou haptiques, ainsi que d’algorithmes avancés de traitement du signal et d’analyse de données, afin de surveiller et d’optimiser le procédé de soudage.
Le soudage à l’arc génère des données temporelles complexes, bruitées et fortement non stationnaires, issues de multiples capteurs (tension, courant, imagerie, etc.). Le stage sera principalement consacré à la partie logicielle du projet, et plus précisément à la conception et à l’implémentation d’algorithmes de traitement et d’analyse des signaux et données acquis lors du soudage. Une attention particulière sera portée aux approches data-driven, incluant l’extraction de caractéristiques pertinentes, l’apprentissage supervisé et non supervisé, ainsi que les méthodes de détection d’anomalies, dans le but d’identifier automatiquement les signatures caractéristiques des défauts de soudage. Ce travail fait suite à une première collaboration avec le CRAN, qui a pu montrer les liens qui existent entre les porosités et la tension de soudage.
Il se déroulera au sein de l’entreprise Alfa Laval qui possède l’expertise industrielle pour le déploiement du système d’acquisition ainsi qu’au CRAN qui assurera le suivi scientifique sur les aspects traitement de données.
Le travail du stage se déroulera en plusieurs étapes :
- État de l’art :
- Revue de la physique du soudage à l’arc d’un point de vue théorique et pratique.
- Analyse des connaissances existantes concernant les données de soudage et leur exploitation dans les systèmes intelligents.
- Recensement des méthodes et modèles disponibles pour l’analyse de séries temporelles multivariées et évaluation de leur pertinence dans le contexte des procédés de soudage.
- Conception d’une chaîne d’analyse de données et d’apprentissage :
- Familiarisation avec les éléments déjà existants du dispositif de captation des données de soudage.
- Développement avec le CRAN d’algorithmes d’analyse de séries temporelles multivariées pour caractériser la qualité du soudage à partir des signaux collectés.
- Codage des algorithmes avec Matlab et/ou langage Python.
- Validation sur des données réelles :
- Application de la méthodologie développée à des données issues des acquisitions effectuées au sien d’Alfa Laval.
- Évaluation des performances du système et perspectives d’amélioration.
Profil recherché :
- Étudiant(e) en Master 2 ou école d’ingénieur, avec une spécialisation en traitement du signal, data science, machine learning ou mathématiques appliquées
- Bon niveau en programmation (Python, Matlab).
- Intérêt pour l’application des technologies numériques aux procédés industriels.
Conditions du stage :
- Durée : 6 mois (de février à septembre 2026).
- Rémunération : environ 600 €/mois + primes.
- Lieu : CRAN (Nancy) avec déplacements réguliers sur le site Alfa Laval Golbey à côté d’Epinal
Le stage permettra à l’étudiant(e) de travailler sur des données industrielles réelles, au cœur d’un projet de transition numérique / industrie 4.0, en collaboration étroite avec un industriel et un laboratoire de recherche.
