STAGE - Optimisation Data Driven de l'AMDEC Process F/H LIEBHERR AEROSPACE TOULOUSE

Dans le cadre de notre campagne de stagiaire, Liebherr-Aerospace Toulouse recherche un/une stagiaire pour un stage de fin d'étude pour une durée de 6 mois.

Description du poste :

Ce stage de Data Scientist porte sur le projet AMDEC générique, rattaché au service méthodes usinage du site de Campsas (en collaboration avec l'équipe DataLab, Direction des Systèmes d'Information). L'objectif est d'exploiter les données du système d'information pour alimenter une AMDEC process (Analyse des Modes de Défaillance, de leurs Effets et de leur Criticité), visant un gain de productivité et une réduction des coûts de non-qualité. Le stage se déroule entre Campsas (contact direct avec les utilisateurs usinage) et Toulouse (collaboration avec les data scientists), avec navettes d'entreprise disponible.

L'AMDEC est une méthode proactive d'analyse des risques qui identifie les modes de défaillance potentiels d'un processus (ici, usinage aéronautique), évalue leurs effets et leur criticité via un indice (ex. : gravité × occurrence × détection), puis priorise des actions préventives. Elle favorise la fiabilité des pièces usinées critiques, réduisant rebuts et retouches.

L'analyse de données rend l'AMDEC 'data driven' en exploitant les historiques de production (données machines, capteurs, défauts, temps d'usinage, données de non-conformités) pour quantifier objectivement l'occurrence et les causes de défaillances, au-delà des estimations subjectives. Par exemple, via machine learning (clustering, prédiction), on détecte des patterns récurrents dans les données du système, automatise le calcul de criticité, et génère des AMDEC dynamiques mises à jour en temps réel. Cela optimise les actions (ex. : ajustements paramétriques usinage), améliore la productivité et minimise coûts non-qualité (rebuts, garanties).

Mission :

• Collecte et préparation : Extraire/nettoyer données usinage de Campsas (via SQL, Python, parsing fichiers) pour alimenter l'AMDEC process.
• Modélisation data driven : Développer scripts (ex. : Python avec pandas/scikit-learn) pour analyser risques, prédire défaillances et prioriser actions APQP.
• Collaboration et déploiement : Valider avec utilisateurs Campsas, itérer avec DataLab Toulouse, produire dashboard/visualisations pour monitoring.
• Résultats attendus : AMDEC automatisée et déployable en généralisation sur d'autre process, rapport final avec recommandations.

Profil :

Domaine de formation et niveau : Data Science, stage de fin d'étude (niveau Bac+5)

Requis : Data Science, Python, scikit-learn, SQL, GitHub, PowerBI

Rigueur, esprit d'équipe, bon relationnel, force de proposition sont les qualités attendues pour mener à bien les missions qui vous seront confiées.

Avons-nous suscité votre intérêt ? Si c'est le cas, nous serions ravis de recevoir votre candidature en ligne. Si vous avez des questions, veuillez contacter Lea LAGREZE.

One Passion. Many Opportunities.
*Une passion commune. Tant d'opportunités.