Chercheur Doctorant H/F Multi-Objective Optimization of Maintenance Strategies in the Aeronautical Industry within a Big Data Environment Driven by Heterogeneous and Uncertain Data

Abstract Join a PhD project at the forefront of Aviation 4.0 and contribute to the development of advanced Artificial Intelligence solutions aimed at making aeronautical systems more reliable, smarter, and energy-efficient through the intelligent use of large-scale industrial data. Keywords : Aviation 4.0, Predictive Maintenance, Industrial Big Data, Multi-Objective Optimization This PhD project focuses on developing Artificial Intelligence and Big Data methods to improve the reliability, performance, and energy efficiency of aeronautical systems. By leveraging large volumes of heterogeneous and uncertain industrial data (from sensors, maintenance logs, and real operations), the goal is to anticipate failures, optimize maintenance, and extend equipment lifespan. The approach combines machine learning and multi-objective optimization to support smarter decision-making, balancing operational performance, costs, and environmental impact. Ultimately, the project contributes to the transition toward a more sustainable and data-driven aviation industry within the Aviation 4.0 framework. Rejoignez une thèse au coeur des défis de l’Aviation 4.0 et contribuez au développement de solutions d’intelligence artificielle capables de rendre les systèmes aéronautiques plus fiables, plus intelligents et plus sobres énergétiquement grâce à l’exploitation des données massives industrielles. Mots clés : Aviation 4.0, Maintenance prédictive, Big-data industriel, Optimisation multi-objectifs Ce projet de thèse vise à développer des méthodes en intelligence artificielle et en Big Data pour améliorer la fiabilité, la performance et l’efficacité énergétique des systèmes aéronautiques. En s’appuyant sur de grandes quantités de données industrielles hétérogènes et incertaines (issues de capteurs, de journaux de maintenance et des opérations réelles), l’objectif est d’anticiper les défaillances, d’optimiser la maintenance et de prolonger la durée de vie des équipements. L’approche repose sur la combinaison de l’apprentissage automatique et de l’optimisation multi-objectifs afin de favoriser une prise de décision plus intelligente, en conciliant performance opérationnelle, coûts et impact environnemental. À terme, ce projet contribue à la transition vers une industrie aéronautique plus durable et pilotée par les données, dans le cadre de l’Aviation 4.0.