Contexte et problématique : Dans le cadre du design des aubages pour les moteurs, Safran Aircraft Engines conduit des études aéro-mécaniques avancées sur les hélices OGV. Pour chaque nouvelle géométrie d'aube dessinée, il est impératif de réaliser des calculs mécaniques de mise à froid (MAF) et mise en fonctionnement (MEF) des aubes, afin de valider la conception et s'assurer de la sécurité des machines. Ces calculs sont complexes, de haute fidélité et de grande précision, et nécessitent plusieurs heures sur cluster de calcul (4 à 10 heures par simulation), rendant difficile l'exploration rapide de l'espace de design. Cette contrainte de temps de calcul limite fortement le nombre de géométries pouvant être évaluées lors des phases amont de conception, alors même que ces phases sont déterminantes pour la performance et la fiabilité finales du moteur. Afin d'accélérer les cycles de conception, la création d'une base de données robuste et représentative, couvrant les variations géométriques pertinentes, est envisagée. Cette base permettra d'étudier en profondeur l'impact des nouveaux designs, et servira de fondation à la construction d'un métamodèle pouvant remplacer les calculs MAF-MEF haute fidélité lors des phases exploratoires. Le métamodèle pourra être ensuite validé avec des calculs précis. Cette démarche s'inscrit pleinement dans la dynamique de digitalisation des méthodes de conception menée par Safran Aircraft Engines, avec pour objectif de réduire significativement les délais et les coûts d'étude tout en conservant un haut niveau de fiabilité des résultats. Objectifs du stage : • Définir précisément l'espace de conception à explorer, en lien avec le bureau d'étude, afin de capturer l'impact physique des variations attendues • Automatiser la chaîne de calcul (préparation de géométries, lancement des calculs, collecte et organisation des résultats) • Générer une base de données automatisée, robuste, et représentative des variations géométriques d'intérêt pour l'analyse aéro-mécanique de la MAF et MEF • Étudier, comparer et mettre en œuvre des méthodes de génération de plans d'expérience (DoE) adaptées à ce contexte (latin hypercube, factoriel, Sobol, etc.) afin de garantir la couverture des variations géométriques • Préparer la base de données pour l'entraînement ultérieur d'un métamodèle (non inclus dans le stage, mais perspective) • Rédiger une analyse critique sur la robustesse des méthodologies, la qualité de la base générée, et des recommandations pour la poursuite du projet