Stage Mines Saint Etienne - Master Recherche M2 - Modélisation Probabiliste pour l'Analyse d'Évènements Liés au Processus Industriel de Machines de Tricotage et de Défauts de Production de Tricota H/F - Direction générale de l'Institut Mines-Télécom

Rejoindre Mines Saint-Étienne, c'est s'engager dans une institution où la science et l'innovation bâtissent un avenir plus durable. Une école d'excellence où chacun a l'opportunité de révéler son plein potentiel et de contribuer à relever les défis de demain.

Classée parmi les meilleures écoles d'ingénieurs en France (Top 11) et reconnue dans le monde entier, Mines Saint-Étienne (MSE), membre de l'Institut Mines-Télécom, forme les talents de demain tout en contribuant activement à relever les grands défis industriels, numériques et environnementaux grâce à une recherche d'excellence où la science et l'innovation construisent un avenir plus durable.

L'Institut Mines-Télécom fédère les grandes écoles françaises autour des défis industriels majeurs, numériques, énergétiques et écologiques. Avec ses 8 Grandes Écoles publiques et 2 écoles filiales, il est le premier institut public dédié aux ingénieurs et managers. Ensemble, nous imaginons et construisons un avenir durable, en formant les acteurs qui façonneront les transitions de demain.

Le stage sera mené à l'École des Mines de Saint-Étienne, offrant un environnement de recherche avancé et des infrastructures adaptées aux travaux relatifs aux environnements cyber-physiques et en systèmes multi-agents.Description et objectifs du stage

Dans le domaine de la fabrication de dispositifs médicaux, la maîtrise de la qualité des produits constitue un enjeu majeur, les fabricants devant démontrer la conformité et la sécurité tout au long du cycle de vie des produits, conformément au Règlement (UE) 2017/745 (MDR) [1]. Les dispositifs médicaux couvrent une large diversité de produits et de technologies ; dans le cadre de ce stage, l'étude se focalise sur un cas d'usage issu de la filière textile médicale : les bas de compression, dont les exigences fonctionnelles imposent une maîtrise fine des procédés de fabrication et du contrôle qualité. En France, ces exigences sont complétées par des référentiels reconnus de la filière textile, tels que ceux portés par l'ASQUAL, mettant l'accent sur la conformité, la traçabilité et la maîtrise des défauts [2].

La production s'appuie sur des machines circulaires de tricotage instrumentées, générant des données événementielles riches (arrêts, alarmes, variations de cadence, incidents techniques). Toutefois, les défauts sont généralement identifiés a posteriori lors des contrôles qualité, ce qui complique l'analyse du lien entre événements de production et non-conformités, en raison notamment des décalages temporels et de l'agrégation par lot. Cette problématique est cohérente avec les difficultés plus générales liées à l'exploitation de journaux d'événements industriels pour l'analyse de procédés [3]. Dans ce contexte, l'analyse d'anomalies à partir de séries chronologiques industrielles constitue une approche pertinente pour identifier des régimes de fonctionnement atypiques susceptibles d'impacter la qualité. Les revues récentes soulignent à la fois l'intérêt industriel de ces méthodes et les défis associés à la rareté des anomalies, au bruit et à l'interprétabilité des modèles [3].

Par ailleurs, les modèles probabilistes, et en particulier les approches Bayésiennes, offrent un cadre mathématique interprétable pour modéliser les états de fonctionnement des machines et leurs transitions [4]. Enfin, les méthodes de causalité appliquées aux séries à évènements discrets permettent d'aller au-delà des corrélations, en fournissant des relations explicatives de causalité entre les événements observées sur les machines et les défauts recensés [6].

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.

Ce que nous recherchons

- 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.

Candidatez dès maintenant !

Date limite de candidature : 16 janvier 2026

Pour candidater : Pour postuler, les candidats doivent envoyer leur CV et une lettre de motivation à Liseth PASAGUAYO (****@****.** ).

ou vous pouvez déposer vos dossiers sur la plateforme RECRUITEE :

https://institutminestelecom.recruitee.com/o/stage-mines-saint-etienne-master-recherche-m2-modelisation-probabiliste-pour-lanalyse-devenements-lies-au-processus-industriel-de-machines-de-tricotage-et-de-defauts-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

Dans le cadre de sa politique Égalité, Diversité et Inclusion, l'École des Mines de Saint Etienne est un employeur soucieux de l'équité de traitement entre les candidatures.

Pourquoi nous rejoindre ?

Informations complémentaires

L'Institut Mines-Telecom se caractérise par : https://www.youtube.com/watch?v=m39m6hdNC48

- Un environnement scientifique d'excellence,

- Un groupe présentant des entités sur l'ensemble du territoire français.

Mines Saint-Etienne se distingue par :

- Un environnement de travail privilégié avec un taux d'encadrement des étudiants et un taux d'environnement (fonctions support et soutien) élevé,

- Des moyens expérimentaux et numériques de premier plan,

- Une activité de recherche contractuelle importante (11 M€ / an de contrats en Recherche et Innovation), majoritairement avec des partenaires industriels,

- 25% d'étudiants internationaux, Membre du réseau T.I.M.E. et de l'Université Européenne EULIST,

- Un centre de Culture Scientifique Technique et Industrielle - La Rotonde - unique en France, qui démultiplie son impact sur la société (> 50 000 visiteurs par an),

- Cadre agréable/ accessibilité en transport ou proche des axes routiers...

Liens utiles :

https://www.mines-stetienne.fr/

La protection de vos données :

https://www.mines-stetienne.fr/wp-content/uploads/2018/12/Informations-des-candidats-sur-les-traitements-de-donn%C3%A9es-personnelles.pdf

etienne.fr/wp-content/uploads/2018/12/Informations-des-candidats-sur-les-traitements-de-donn%C3%A9es-personnelles.pdf

Références :

[1] Parlement and C. d. l. européenne, "Règlement (UE) 2017/745 relatif aux dispositifs médicaux," avril 2017. [Online]. Available: https://eur-lex.europa.eu/eli/reg/2017/745/oj.

[2] A. -. A. p. l. p. d. l. Q. d. l. f. textile-habillement, "Référentiels qualité et démarches de certification textile," 2024. [Online]. Available: https://www.asqual.com.

[3] M. Prodel, V. Augusto, B. Jouaneton, L. Lamarsalle and X. Xie, "Optimal Process Mining for Large and Complex Event Logs," IEEE Transactions on Automation Science and Engineering, vol. 15, no. 2, p. 1545-1562, 2018.

[4] Z. Z. Darban, G. I. Webb, S. Pan, C. C. Aggarwal and M. Salehi, "Deep Learning for Time Series Anomaly Detection: A Survey," Computing Surveys, vol. 57, no. 1, pp. 15-42, 2024.

[5] M. Nalubowa, S. Namango, J. Ochola and P. K. Mubiru, "Application of Markov chains in manufacturing systems: A review," International Journal of Industrial Engineering and Operational Research, vol. 3, no. 1, pp. 1-13, 2021.

[6] C. K. Assaad, É. Devijver and E. Gaussier, "Survey and Evaluation of Causal Discovery