Machine learning appliqué au modèle de réduction du volume des données d'usages clients automobiles

Le thème de la thèse s’inscrit dans une perspective de conception performante et robuste de pièce d’automobile. Produire des véhicules moins polluants et consommant moins d’énergie est un enjeu majeur de l’industrie automobile d’aujourd’hui, qui passe notamment par la réduction de masse du véhicule. Cela implique le dimensionnement au plus juste des systèmes tout en respectant les objectifs de fiabilité et de sécurité. La simulation numérique des usages clients est un enjeu important, car cela permet de diminuer le nombre de prototypes physiques et d’essais ainsi que le nombre de boucles de conception et de développement.L’équipe simulation usages clients utilise un volume important de données temporelles enregistrées sur véhicules existants et les retraite avec des données non temporelles, afin de les projeter sur de nouveaux projets en développement. L’objectif principal du travail de recherche est la mise au point de méthodes d’apprentissage statistique adaptées aux objectifs finaux, afin de modéliser des usages clients avec un volume de données contenu tout en conservant une représentativité statistique. Ces données d’usages clients pourront ensuite être plus facilement utilisées pour des simulations de technologies en développement. Deux verrous techniques principaux sont ciblés dans cette thèse :L’optimisation des choix d’échantillons, pour lequel différents algorithmes de complexité raisonnable ont été proposés et analysés théoriquement.La caractérisation et l'adaptation des algorithmes aux séries temporelles. Ceci passe par la modélisation des séries temporelles ou l'utilisation de distances appropriées à ce type de données. The theme of the thesis is part of a perspective of efficient and robust design of automotive parts. Producing vehicles that are less polluting and consume less energy is a major challenge for the automotive industry today, which includes reducing the mass of the vehicle. This implies the most accurate dimensioning of systems while respecting reliability and safety objectives. The digital simulation of customer usage is an important issue, as it reduces the number of physical prototypes and tests as well as the number of design and development loops.The customer usage simulation team uses a large volume of temporal data recorded on existing vehicles and reprocesses them with non-temporal data, in order to project them on new projects in development. The main objective of the research work is the development of statistical learn