Titulaire de chaire de professeur junior jumeaux numériques pour la conduite de procédés alimentaires et de bioprocédés

AgroParisTech est un établissement public à caractère scientifique, culturel et professionnel de type grand établissement. Placé sous la tutelle des ministres chargés de l’agriculture et de l’enseignement supérieur, ses domaines de compétence recouvrent l’alimentation des hommes et les préoccupations nutritionnelles, la santé, la prévention des risques sanitaires, la protection de l’environnement, la gestion durable des ressources naturelles et, d’une manière plus générale, la valorisation des territoires.

L’établissement est organisé en cinq départements de formation et de recherche :

• Sciences et ingénierie agronomiques, forestières, de l’eau et de l’environnement (SIAFEE) ;
• Sciences de la vie et santé (SVS) ;
• Sciences et procédés des aliments et bio-produits (SPAB) ;
• Sciences économiques, sociales et de gestion (SESG) ;
• Modélisation mathématique, informatique et physique (MMIP).

AgroParisTech assure des formations de niveau « M » (ingénieur et master), de niveau doctoral et des formations post-master. Il contribue aussi à la formation des fonctionnaires du corps des ingénieurs des ponts, des eaux et des forêts et remplit des missions de formation continue auprès d’une grande diversité de publics, d’entreprises privées et de la fonction publique. AgroParisTech est membre fondateur de l’Université Paris-Saclay.

Les départements de formation et de recherche de rattachement :

MMIP / SPAB

UMR de rattachement :

Sayfood

Le développement rapide des capacités de calcul et l’émergence récente de nouvelles technologies numériques amènent à repenser la façon dont sont conçus et pilotés les procédés alimentaires et les bioprocédés. Le concept de jumeau numérique s’inscrit dans cette dynamique : il s’agit de développer une méthodologie et des outils permettant d’intégrer dans une approche holistique l’instrumentation à haut débit, la modélisation, la simulation en temps réel, la commande et l’aide à la décision. La notion de jumeau numérique d’un objet physique est déjà solidement ancrée dans certains domaines industriels, tels que l’aéronautique ou l’automobile, où elle a démontré son utilité, mais les réalisations appliquées au domaine des procédés alimentaires et des bioprocédés restent encore rares à ce jour.

Les départements SPAB et MMIP sont co-porteurs de ce projet : SPAB notamment pour les aspects liés à l’instrumentation, à la conduite et à l’optimisation des procédés alimentaires ; MMIP notamment pour les aspects liés à la modélisation, à la simulation, à l’intelligence artificielle et au traitement des données. Ce poste serait fléché vers l’équipe ModIC (Modélisation et Ingénierie par le Calcul) de l’UMR Sayfood, avec de fortes interactions envisagées avec l’UMR MIA Paris-Saclay. Le professeur junior aura comme rôle principal de proposer des stratégies novatrices visant à développer des jumeaux numériques dans le cadre spécifique des procédés alimentaires et des bioprocédés, tout en synchronisant et en fédérant les compétences déjà présentes à AgroParisTech. Les missions de formation se concentreront d’une part sur la rénovation d’enseignements existants sur la modélisation ou l’intelligence artificielle et d’autre part sur la construction de nouvelles formations liées aux spécificités des jumeaux numériques.

Missions d’enseignement :

Les interventions du/de la professeur junior se positionneront à l’interface entre les enseignements proposés par les départements MMIP et SPAB : il s’agira de montrer que la simulation numérique, à la fois dans ses acceptions classiques et dans ses alternatives modernes, permet (1) de répondre à des questions que les expériences seules ne peuvent pas traiter ; (2) de comprendre des phénomènes complexes, de les décrire mais aussi de prévoir leur comportement et de les maîtriser ; et enfin (3) de concevoir des outils d’aide à la décision et d’optimisation des procédés, avec comme finalités l’amélioration de la qualité des produits, la sécurité des opérateurs et la sobriété.

De nombreuses possibilités s’offrent au/à la professeur junior en matière d’enseignement. Il est souhaitable, initialement, que ses interventions soient concentrées dans des domaines sur lesquels son expertise est la plus grande, avant d’évoluer transversalement et de proposer des interventions sur des sujets plus éloignés de ses compétences initiales. Ainsi, les propositions suivantes ne sont pas classées temporellement ; le profil du candidat retenu permettra in fine de les organiser.

• Coordonner une nouvelle UC à choix en 2ème année de cycle ingénieur sur une des thématiques spécifiques des jumeaux numériques, par exemple sur les questions liées aux choix de modélisation.
• Intervenir dans l’UE « Ingénierie par la simulation numérique » où pourront être présentés les jumeaux numériques et quelques thèmes choisis, par exemple ce qui concerne les méta-modèles obtenus à l’aide de réseaux de neurones.
• Proposer une formation sur l’industrie 4.01 ou encore sur les problématiques d’optimisation des procédés à l’aide de jumeaux numériques. Ces enseignements pourront être proposés dans le cadre d’une nouvelle offre de Master mais aussi aux étudiants de la dominante Génie des Procédés et Production (GPP) d’APT, du Master Génie des Procédés et Bioprocédés (GPB) et du Master international European Master on Food Studies (EMFS).
• Participer aux enseignements de la dominante InfOrmation à la Décision par l’Analyse et l’Apprentissage (IODAA) en proposant des cours sur les réseaux de capteurs avec un focus particulier sur le traitement en temps réel des données ou sur l’utilisation de réseaux de neurones pour les méta-modèles.
• Répondre aux besoins en matière de développement de nouveaux enseignements dans les formations ingénieur et master en ce qui concerne la fusion de données hétérogènes, l’optimisation et l’aide à la conduite.

Il/elle pourra aussi progressivement s’investir dans les enseignements de tronc commun en Analyse des Systèmes Dynamiques (ASD, 1ère année cycle ingénieur), de Statistiques (1ère ou 2ème année cycle ingénieur), ou d’Informatique (1ère ou 2ème année cycle ingénieur), ou encore dans les cours de Génie Industriel des Aliments et des bioproduits (GIA, 2ème année, D2) ou d’automatique (avec les Master GPB et EMFS ou encore avec les étudiants de la dominante GPP).

Au terme des 5 ans de sa chaire, on attend du/de la professeur qu’il/elle soit partie prenante sur une variété d’enseignements, dont les thèmes balayeront les différents aspects des jumeaux numériques. Il/elle pourra ainsi favoriser les synergies entre les enseignements, pour montrer aux étudiants que les frontières entre les disciplines sont poreuses et que de nombreux problèmes peuvent et doivent être traités en mobilisant des compétences diverses et issues de champs différents. Ce point semble fondamental dans la formation APT, centrée sur l’idée d’ingénieur généraliste, capable de s’adapter à des problèmes variés.

On attend de plus du/de la professeur qu’il/elle soit moteur pour la conception de nouveaux enseignements, voire de nouvelles formations. On peut envisager la création d’un master autour de 1 L’industrie 4.0 est caractérisée par une convergence des mondes physiques et numériques à travers l’usage des systèmes cyber-physiques et de l’internet des objets. l’industrie 4.0 qui laissera une part importante aux jumeaux numériques. Idéalement, une telle formation serait dispensée en anglais, à la fois pour attirer des étudiants internationaux et pour renforcer l’offre de formation APT en anglais.

Mission de recherche :

Les activités du professeur junior seront orientées vers le développement de modèles, de capteurs et d’outils d’aide à la décision dans la perspective unifiée de création de jumeaux numériques. Dans ce cadre, il/elle pourra s’intéresser aux points suivants. L’ordre dans lequel ils seront traités dépendra des compétences apportées par le/la candidat(e).

• Participer à la conception, à l’instrumentation et à la commande de procédés, en tenant compte des contraintes fortes des jumeaux numériques. Par exemple, les besoins liés à la simulation et à l’aide à la décision impliquent l’intégration d’un réseau de capteurs et d’actionneurs dans un procédé, ce qui pose différents défis. D’une part, des problèmes émergent en termes d’acquisition, de stockage et de traitement des données. Ces difficultés amènent à envisager le développement d’une plateforme numérique capable de gérer le flux important de données et de l’exploiter efficacement. D’autre part, l’existence de ce réseau a aussi des conséquences en amont sur la conception du procédé, et en aval sur sa commande. En particulier, les spécificités des procédés alimentaires, notamment en matière de contact alimentaire, restreignent fortement les possibilités de positionnement des capteurs ainsi que le type de capteurs utilisables. Tout le processus de conception d’un procédé doit donc être repensé et adapté dès le départ pour s’accorder aux besoins du jumeau numérique. Enfin, les stratégies habituelles d’asservissement doivent être rendues compatibles avec la grande quantité de données disponibles et le type de modèles utilisés. Ceci implique de développer de nouvelles lois de commande mais aussi probablement de repenser les conditions de stabilité et de robustesse utilisées traditionnellement pour garantir les performances des systèmes. Ces activités pourront se faire en lien avec le département SPAB et avec l’équipe Halle de l’UMR Sayfood.
• Développer de nouveaux modèles de procédés alimentaires et de bioprocédés, qui s’attacheront à être à la fois descriptifs des dynamiques complexes, multi-échelles et couplées des phénomènes modélisés, mais qui seront aussi exploitables par la suite dans un jumeau numérique. En effet, il existe deux grandes familles de modèles largement utilisés aujourd’hui. D’une part, certaines méthodes de modélisation font usage d’équations aux dérivées partielles issues de la physique et de la chimie. Les modèles ainsi obtenus ont des capacités prédictives bien connues, mais nécessitent des ressources importantes en termes de simulation. Ceci se traduit par des temps de calcul relativement longs qui rendent ces modèles inutilisables en temps réel. D’autre part, des modèles simplifiés et bien plus légers existent, par exemple des modèles compartimentaux, mais leurs capacités prédictives sont souvent beaucoup plus limitées et cela limite leur usage à des contextes très spécifiques. Ainsi, obtenir un modèle bien adapté à la finalité du jumeau numérique implique des choix spécifiques en termes de modélisation, pour réussir un compromis entre la généricité des capacités prédictives d’une part et la facilité à être simulé en temps réel d’autre part. Ces activités pourront se faire en lien avec le département SPAB et avec l’équipe ModIC de l’UMR Sayfood.
• Etudier mathématiquement les modèles et concevoir des méta-modèles. Cette activité, complémentaire du point précédent, vise à utiliser des méthodes mathématiques et informatiques pour alléger les modèles tout en conservant leurs capacités prédictives. On pourra ici envisager l’usage de techniques de réduction de modèles (réduction de dimension, analyse entrée-sortie, perturbations singulières…) ou bien de développement de méta-modèles, notamment basés sur les réseaux de neurones. Cette stratégie, que l’on peut rassembler avec l’arsenal fourni par le champ de l’intelligence artificielle, se propose de fournir des solutions novatrices pour réussir le compromis évoqué précédemment entre capacités prédictives et rapidité de simulation. Elle a déjà été utilisé dans d’autres domaines d’applications avec succès et peut donc constituer une piste intéressante pour les procédés alimentaires et les bioprocédés. Ces activités pourront se faire en lien avec le département MMIP, avec l’équipe ModIC de l’UMR Sayfood et avec l’équipe Ekinocs de l’UMR MIA.
• Concevoir un outil d’aide à la décision, incluant les aspects gestion et traitement des données, simulation, visualisation 3D et optimisation multicritère. Il s’agirait ici de trouver les outils adaptés lorsqu’ils existent ou plus vraisemblablement de développer de nouveaux outils numériques regroupant ces différentes facettes du jumeau numérique. Le traitement des données s’attachera aux caractéristiques spécifiques de celles-ci, par exemple leur obtention en temps réel, leur caractère fortement hétérogène (à la fois en termes de grandeur physique, de fréquence de mesure ou d’incertitude associée) ou encore le besoin de les inclure dans des modèles dynamiques pour générer en retour des données de simulation qui seront ensuite elles-mêmes utilisées pour la visualisation et la commande. Ces considérations nécessiteront l’usage de techniques à l’interface entre les statistiques et l’informatique. La visualisation s’attachera à proposer aux utilisateurs un cadre ergonomique permettant de suivre efficacement le déroulement du procédé, d’appliquer les ajustements nécessaires au moment opportun et d’éclairer les choix dans la conduite du procédé en vue de son optimisation. Ces activités pourront se faire en lien avec le département MMIP, avec l’équipe ModIC de l’UMR Sayfood et avec les équipes Solstis et Ekinocs de l’UMR MIA

220 000€ comprenant le financement d’une thèse, l’achat d’un pilote instrumenté et et permettant de couvrir des frais de fonctionnement.

5 ans

Peuvent se porter candidats des docteurs plutôt expérimentés (post-docs, chercheurs, maitres de conférences,…). Plusieurs profils sont éligibles : ingénieurs en agro-alimentaire avec une thèse en modélisation, docteurs en mathématiques appliquées ayant travaillé sur les méta-modèles et l’IA, spécialistes des capteurs avec une appétence pour les mathématiques appliquées, par exemple.

• Une pièce d'identité avec photographie ;
• Une pièce attestant de la possession du doctorat, mentionné à l'article L. 612-7 du code de l'éducation, ou d'un diplôme équivalent au doctorat. Les diplômes équivalent feront obligatoirement l’objet d’une reconnaissance par le conseil scientifique d’AgroParisTech.
• Un CV de 5 à 10 pages détaillant les expériences d’enseignement, de recherche et d’encadrement doctoral (de masters et/ou de doctorants)
• Une lettre de motivation d’environ 5 pages incluant un projet de recherche et de formation

Les documents administratifs ainsi que le rapport de soutenance rédigés en tout ou partie en langue étrangère sont accompagnés d'une traduction en langue française dont le candidat atteste la conformité sur l'honneur. A défaut, le dossier est déclaré irrecevable. La traduction de la présentation analytique ainsi que des travaux, ouvrages, articles et réalisations est facultative.

Le dossier de candidature peut être transmis par voie postale (cachet de la poste faisant foi au 30 août 2024 au plus tard)

AgroParisTech
Direction des ressources humaines
Pôle de gestion des enseignants-chercheurs
22 place de l’agronomie
CS20040
91123 Palaiseau Cedex

ou par voie électronique à l’adresse @email .

La sélection s’effectuera en deux temps :

• une présélection sur la base des dossiers reçus

une audition en deux temps :

• le matin ; présentation du parcours et du projet de recherche et de formation par chaque candidat, suivie d’un échange avec le jury
• l’après-midi une leçon de 45 minutes effectuée par chaque candidat devant le jury, sur un même sujet communiqué une semaine à l’avance.

L’audition se tiendra en présentiel sur le site d’AgroParisTech de Palaiseau.

• Date de prise de poste : 1er novembre 2024
• Ouverture des candidatures : 15 juillet 2024
• Date limite des candidatures : 30 août 2024
• Sélection des candidats pour l’audition : semaine du 2 septembre 2024
• Communication du sujet de la leçon : 26 septembre 2024
• Audition et leçon : 3 octobre 2024