POSTE : Post-Doc - Méthodologie de Prédiction de Fiabilité Precooler par Couplage Thermo-Mécano Probabiliste H/F DESCRIPTION : Dans un avion, le système intégré de gestion de l'air repose sur plusieurs sous-systèmes, dont le plus sollicité d'un point de vue thermique et mécanique est le système de prélèvement d'air sur les étages de compression des moteurs. Ce système est essentiel pour alimenter les fonctions de conditionnement d'air et de pressurisation de la cabine. Il se compose notamment de vannes de régulation de pression et d'un échangeur de chaleur, appelé Precooler. En fonctionnement, ce dernier est soumis à un chargement thermomécanique complexe, résultant de conditions de service sévères. Une défaillance du Precooler peut entraîner des événements critiques au sens de la sûreté de fonctionnement, en particulier si elle n'est pas détectée, monitorée ou isolée à temps. C'est pourquoi ces composants doivent présenter un haut niveau de fiabilité, afin de garantir la continuité des fonctions critiques dans l'avion et d'assurer un fonctionnement sûr et optimal en toutes conditions. Cependant, l'évaluation expérimentale de la fiabilité se heurte à plusieurs limitations : les essais sont longs, coûteux, et souvent réalisés sur des échantillons de taille réduite, ce qui limite leur représentativité statistique. Ces contraintes rendent l'approche purement expérimentale insuffisante pour répondre aux besoins en matière de prédiction de fiabilité. Dans ce contexte, le recours à des modèles numériques prédictifs devient essentiel. Des modèles de comportement thermomécanique des échangeurs de chaleur ont été développés, reposant sur la superposition de modèles multiphysiques combinant des approches CFD, nodales thermiques et éléments finis. Parallèlement, des travaux sont en cours pour enrichir ces modèles en intégrant l'influence des procédés de fabrication, notamment celle du soudage, afin de mieux représenter les effets induits sur le comportement en service. La prédiction de la durée de vie et de la fiabilité des échangeurs de chaleur via des modèles numériques soulève ainsi des défis spécifiques : * Couplage multiphysique complexe entre les phénomènes thermiques, mécaniques et de fatigue ; * Variabilité importante des propriétés matériaux ; * Incertitudes sur les sollicitations dues aux conditions opératoires variables en service ; * Interactions non linéaires entre les différents modes de dégradation. Dans ce contexte, les approches déterministes classiques montrent leurs limites, car elles ne permettent pas de capturer de manière satisfaisante l'impact de ces incertitudes sur les prédictions de fiabilité. Cela rend nécessaire le développement d'une méthodologie probabiliste robuste, capable de mieux représenter la variabilité des comportements et de fournir des marges de conception plus réalistes. Les principales missions seront : * Développement d'une méthodologie intégrée de quantification et de propagation des incertitudes pour la prédiction de la durée de vie et de fiabilité de l'échangeur de chaleur. Cette approche s'appuiera sur des modèles numériques fidèles et des techniques probabilistes avancées. * Application à un cas concret : construire un modèle prédictif sur un cas réel de Precooler, tout en assurant un haut niveau de réutilisabilité de la méthodologie pour des développements futurs. * Recalage expérimental : confrontation du modèle numérique aux données d'essais disponibles, avec ajustement des paramètres pour améliorer la représentativité et la robustesse des prédictions. * Optimisation des plans d'essais : développement de stratégies statistiques permettant de réduire les campagnes expérimentales tout en garantissant une estimation fiable de la durée de vie, en complément des modèles numériques. * Exploration d'un modèle de vieillisse PROFIL : Titulaire d'un Doctorat en mécanique, Thermique, Fiabilité ou Mathématiques appliquées, avec une spécialisation en, modélisation multiphysique, simulation numérique et statistiques. Vous avez des compétences en : * Mécanique numérique : Méthodes éléments finis (Altair - Hyper works), calculs thermomécaniques. * Programmation avancée : Python (NumPy, SciPy, matplotlib). * Probabilités et statistiques : Processus stochastiques, inférence bayésienne, méthodes de Monte Carlo. Les compétences suivantes seraient considérées comme un atout : * Méthodes fiabilistes : Contrainte résistante, approximation FORM-SORM. * Expérience avec des méthodes Uncertainty Quantification (UQ) telles que PCE, Krigeage, * Expérience avec des outils UQ : OpenTURNS, UQLab. * Expérience en essais expérimentaux et analyse de données. * Calcul haute performance : Parallélisa