Aller au contenu

Chercheur Doctorant H/F

  • Hybride
    • Arras, Hauts-de-France, France
  • 28 000 € - 28 000 € par an
  • Recherche

Description de l'offre d'emploi

Chercheur Doctorant Stratégie intelligente de désassemblage des batteries de véhicules électriques en fin de vie basée sur l’évaluation de leur état H/F CESI Campus Arras

Résumé

Les batteries de véhicules électriques conservent une valeur récupérable au-delà de leur première vie.

Mots-clés : Désassemblage intelligent / Gestion de fin de vie / Batteries de véhicules électriques / État de santé / IA explicable

L’utilisation des véhicules électriques au cours de leur cycle de vie influence fortement l’état de leurs batteries et les stratégies de traitement en fin de vie. Aujourd’hui, le démontage reste largement manuel en raison de la diversité des opérations, des architectures et des niveaux de dégradation, ce qui augmente les coûts et les risques. Bien que plusieurs projets européens et nationaux aient fait progresser la robotisation du démantèlement, les modules et cellules sont encore fréquemment orientés vers le broyage sans prise en compte de leur potentiel résiduel. Cette thèse vise à concevoir une stratégie intelligente de désassemblage associant des connaissances a priori issues des profils d’utilisation et du passeport batterie à l’estimation de l’état de santé des composants. Elle mobilisera des modèles d’intelligence artificielle explicable pour le diagnostic et des méthodes de recherche opérationnelle pour sélectionner la profondeur de désassemblage ainsi que les voies de valorisation adaptées : réutilisation, reconditionnement, seconde vie ou recyclage. Les décisions tiendront compte des compromis économiques, environnementaux et techniques. La validation reposera sur des cas d’étude industriels, des données expérimentales et les moyens complémentaires de CESI LINEACT et de l’Université d’Agder. L’objectif est d’améliorer la récupération de valeur, la traçabilité des décisions et la durabilité des filières de traitement des batteries.

Contexte scientifique

L’adoption rapide des véhicules électriques accroît le volume de batteries lithium-ion arrivant en fin de vie. La variabilité des géométries, des chimies et de l’historique de dégradation rend le démantèlement coûteux et très consommateur de main-d’œuvre, avec des enjeux de sécurité. Les stratégies de recyclage actuelles privilégient souvent le broyage et la récupération des matières premières critiques, au détriment de la valeur résiduelle présente à l’échelle des modules ou des cellules.

Un démantèlement intelligent suppose donc d’établir des liens entre les informations relatives au cycle de vie (notamment les passeports batterie), les mesures de diagnostic et les décisions industrielles. Une analyse conjointe de la faisabilité technique, de l’économie et des impacts environnementaux peut permettre de choisir plus sélectivement les filières de réutilisation, de reconditionnement, de seconde vie ou de recyclage.

Sujet

La thèse développera un cadre intelligent et automatisé d’aide à la décision, destiné à déterminer la profondeur de démantèlement (pack, module ou cellule) et la filière de fin de vie privilégiée pour chaque batterie de véhicule électrique. Elle intégrera trois volets de recherche complémentaires :

  1. Intégration de connaissances multi-sources : combiner les profils d’usage des véhicules et les informations du passeport batterie avec des estimations de l’état de santé (SoH) des modules et des composants, afin d’évaluer la performance et la valeur résiduelles.

  2. Recherche opérationnelle et ordonnancement dynamique : formuler et résoudre des problèmes de décision multicritères et d’optimisation portant sur les choix de démantèlement, les opérations de traitement et l’acheminement vers le recyclage, le reconditionnement, la refabrication ou la seconde vie.

  3. IA explicable pour le diagnostic : développer des modèles interprétables, fondés sur les données, des indicateurs de santé et des explications de décision, afin de favoriser la traçabilité et l’acceptation industrielle.

Les méthodes seront évaluées à partir d’études de cas de démantèlement industriel de batteries et de données de projets, en examinant la valeur de récupération, les coûts de traitement, la faisabilité et la durabilité de l’exploitation.

Travaux antérieurs dans le laboratoire

L’Université d’Agder (UiA) et CESI LINEACT apportent des expertises complémentaires en démantèlement robotisé de batteries, simulation, IA, recherche opérationnelle et aide à la décision industrielle. L’UiA a développé des plateformes expérimentales et produit des données de traitement de batteries dans le cadre de projets nationaux et européens tels que RHINOCEROS, RESTORE et LIBRES.

CESI LINEACT apporte des méthodes d’optimisation et de décision fondées sur les données, ainsi que des compétences en planification de la fabrication de batteries, gestion de l’énergie et modèles de batteries. Des activités conjointes, des échanges d’étudiants et des publications relient déjà les deux équipes, ce qui favorise une validation et un encadrement partagés.

Programme de travail

La formation doctorale en cotutelle respectera les exigences des deux établissements, notamment 30 ECTS de cours doctoraux et 100 heures de formation doctorale.

Année 1 : statistiques appliquées (ENE701, 5 ECTS), théorie des sciences et éthique (EX-603, 5 ECTS), rédaction scientifique (TFL601, 5 ECTS, recommandé) ; revue de littérature, méthodologie de recherche et formalisation du problème.

Année 2 : conception, modélisation et simulation de systèmes mécatroniques (MAS601, 5 ECTS) ; diagnostic fondé sur les données, IA explicable, optimisation du routage, mobilité internationale et évaluation à mi-parcours.

Année 3 : formation doctorale restante ; validation du modèle intégré, diffusion scientifique, rédaction de la thèse et préparation de la soutenance.

Production scientifique et technique attendue

Année 1 : état de l’art, formulation du problème et un article de conférence sur l’évaluation du SoH et la prise de décision en fin de vie.

Année 2 : modèles de diagnostic explicables, prototype de routage, un article de revue et un article de conférence.

Année 3 : cadre intégré d’optimisation et de validation, deux articles de revue et un article de conférence.

Production globale attendue : environ trois articles de revue et trois articles de conférence, ainsi que des méthodes d’aide à la décision réutilisables pour les filières industrielles de valorisation.

Contexte

Présentation du laboratoire

CESI LINEACT (UR 7527), Laboratoire d’Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et services liés à l’industrie et au bâtiment. La proximité historique du CESI avec les entreprises est un élément déterminant de nos activités de recherche. Elle nous a conduits à concentrer nos efforts sur une recherche appliquée, proche des entreprises et menée en partenariat avec elles. Une approche centrée sur l’humain, couplée à l’usage des technologies, ainsi que le réseautage territorial et les liens avec la formation, ont permis de construire une recherche transversale ; elle place l’humain, ses besoins et ses usages, au centre de ses problématiques et aborde l’angle technologique à travers ces apports.

Sa recherche est organisée selon deux équipes scientifiques interdisciplinaires et plusieurs domaines d’application.

  • Équipe 1 « Apprendre et Innover » : elle relève principalement des sciences cognitives, des sciences sociales et des sciences de gestion, ainsi que des techniques de formation et d’innovation. Ses principaux objectifs scientifiques sont la compréhension des effets de l’environnement, et plus particulièrement des situations instrumentées par des objets techniques (plateformes, ateliers de prototypage, systèmes immersifs…), sur les processus d’apprentissage, de créativité et d’innovation.

  • Équipe 2 « Ingénierie et Outils Numériques » : elle relève principalement des sciences du numérique et de l’ingénierie. Ses principaux objectifs scientifiques portent sur la modélisation, la simulation, l’optimisation et l’analyse de données des systèmes cyber-physiques. Les travaux portent également sur les outils d’aide à la décision et sur l’étude des interactions humain-système, notamment au travers de jumeaux numériques couplés à des environnements virtuels ou augmentés.

Ces deux équipes développent et croisent leurs recherches dans des domaines d’application tels que :

  • l’Industrie 5.0,

  • la Construction 4.0 et la Ville Durable,

  • les Services Numériques.

Ces domaines s’appuient sur des plateformes de recherche, principalement celle de Rouen dédiée à l’Usine 5.0 et celles de Nanterre dédiées à l’Usine 5.0 et à la Construction 4.0.

L’Université d’Agder (UiA), Faculté d’ingénierie et de sciences, héberge des recherches en ingénierie, technologies numériques, robotique, mécatronique et systèmes industriels durables. Son Département des sciences de l’ingénieur développe des recherches en automatisation industrielle, systèmes cyber-physiques, jumeaux numériques et recyclage des batteries, soutenues par des laboratoires expérimentaux et des collaborations nationales et européennes.

Liens avec les axes de recherche de l’équipe concernée

La thèse contribue à l’axe « Ingénierie et Outils Numériques » de CESI LINEACT par la modélisation, la simulation, l’optimisation et l’aide à la décision fondée sur les données pour les systèmes cyber-physiques. À l’UiA, elle soutient les recherches en robotique, automatisation industrielle, fabrication durable et économie circulaire.

La combinaison de l’estimation du SoH, de l’IA explicable et de la recherche opérationnelle fera progresser un acheminement interprétable et économe en ressources des batteries en fin de vie, en s’appuyant sur l’expertise pluridisciplinaire de l’équipe d’encadrement conjointe.

Pré-requis du poste

Compétences :

Compétences scientifiques et techniques : recherche opérationnelle ; simulation et optimisation ; systèmes de batteries de véhicules électriques et gestion du cycle de vie ; IA explicable (XAI) et modélisation fondée sur les données.

Compétences relationnelles : communication interdisciplinaire ; recherche collaborative ; travail en équipe ; autonomie et capacité à atteindre des objectifs.

Pour vous convaincre un peu plus :

  • CDD 36 mois

  • 6 semaines de congés payés (au prorata du temps travaillé)

  • 14 RTT (au prorata du temps travaillé)

  • Tickets restaurant

  • Mutuelle entreprise

  • Prime participation/intéressement

  • Charte du télétravail

  • Ordinateur portable

Si ce profil vous correspond et que vous partagez les valeurs du CESI.

N’hésitez plus et rejoignez-nous : postulez !

ou

Apply with Linkedin indisponible