Ce stage se déroule au sein de l’unité autonome de production spatiale. Dans un contexte industriel exigeant, l’unité souhaite renforcer ses capacités de pilotage technique et d’analyse des anomalies à partir de données hétérogènes issues de la production. Vous travaillerez en lien direct avec l’autorité technique, responsable de la maîtrise technique d’une ligne de produit. Cette proximité permettra une compréhension fine des enjeux industriels et des besoins métiers.  

Objectifs du stage  

L’objectif du stage est de faire évoluer un outil prototype existant vers un outil standard, robuste et exploitable en production, destiné à :

• Améliorer le pilotage technique de la ligne de produit
• Orienter plus efficacement les investigations techniques dans le cadre de la résolution d’anomalies
• Mettre en évidence des tendances par famille, conformément aux pratiques classiques du domaine spatial

• Prendre en main un outil préexistant (prototype) et analyser son fonctionnement
• Centraliser des données issues de différentes sources :
• données de production,
• références composants,
• données capteurs
• Structurer l’information afin de rendre les données exploitables et cohérentes
• Développer et améliorer des fonctionnalités de :
• visualisation de données,
• analyses statistiques,
• suivi de tendances par famille
• Faire évoluer l’outil vers un standard de production :
• code maintenable,
• versionnement sous GIT,
• documentation claire permettant des mises à jour et évolutions futures
• Travailler en équipe pour valider la pertinence des analyses.

• Étudiant·e en stage de fin d’études ou en césure
• Formation en informatique, data science, data engineering ou équivalent
• Compétences en développement et analyse de données déjà mises en pratique dans des projets étudiants
• Intérêt pour les environnements industriels et les problématiques techniques complexes
• Autonomie, rigueur et capacité à dialoguer avec des profils techniques

• Indispensables :

• Python
• HTML

• Appréciées :

• Pandas
• SQL
• Statistiques descriptives
• Structuration et analyse de données industrielles
• Utilisation de GIT