Elicitation et structuration des connaissances dans le contexte de la Fabrication Additive

Elicitation and structuration of knowledge related to Additive Manufacturing

• Auteur / Autrice : Christelle Grandvallet
• Direction : Frédéric Vignat
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel : conception et production
• Date : Soutenance le 08/10/2018
• Etablissement(s) : Université Grenoble Alpes (ComUE)
• Ecole(s) doctorale(s) : École doctorale Ingénierie - matériaux mécanique énergétique environnement procédés production (Grenoble ; 2008-....)
• Partenaire(s) de recherche : Laboratoire : Sciences pour la conception, l'optimisation et la production (Grenoble)
• Jury : Président / Présidente : Nadège Troussier
• Jury : Examinateurs / Examinatrices : Franck Pourroy, Guy Prudhomme
• Jury : Rapporteurs / Rapporteuses : Lionel Roucoules, Nicolas Perry

Mots clés

Mots clés contrôlés

Prototypage rapide

Mots clés libres

Gestion des connaissances

Fabrication additive

Structuration des connaissances

Elicitation des connaissances

Knowledge Management

Additive manufacturing

Knowledge structuration

Knowledge elicitation

Résumé

Ce travail contribue à proposer des méthodes et outils de gestion des connaissances (Knowledge Management) propres au domaine de la Fabrication Additive (FA). Le modèle KAM(Knowledge Aided Manufacturing) permet de représenter visuellement les états et actions en lien avec les activités spécifiques à la Fabrication Additive. Il inclut plusieurs types d’objets de connaissance dont le niveau de maturité dépend du degré de certitude ou conviction des experts FA interrogés individuellement et/ou collectivement.Plusieurs techniques et outils d’élicitation personnalisés sont testés puis éprouvés auprès de chercheurs et d’experts industriels impliqués dans la fabrication EBM. L’analyse en termes de connaissances procédurales et déclaratives qui en résulte permet une classification puis une structuration dans le KAM. Ceci nous amène à construire une ontologie sous forme de graphe conceptuel dont la dynamique varie en fonction de contraintes contextuelles (influences, règles d’état, lois) imposées par l’état du monde et de règles d’action dictées par le processus de FA à suivre.Ces éléments de connaissance ont pour but d’aider un utilisateur de FAAO (Fabrication Additive Assistée par Ordinateur) à : mieux appréhender le monde de la FA et en apprendre les principaux concepts ; simuler des actions et en évaluer les impacts en termes de valeur QCT (Qualité, Coût, Temps); décider et agir en conséquence avant de lancer une fabrication.

Additive Manufacturing (AM) has enabled the building of parts with new shapes and geometrical features. As this technology modifies the practices, new knowledge is required for designing and manufacturing properly. To help experts create and share this knowledge through formalization, this research work focuses on knowledge elicitation, analysis and structuring. After defining knowledge concepts we present the SoA in knowledge elicitation and classification. Three case studies present different approaches to capture AM knowledge. The first one points out the assets and limits of three individual elicitation techniques. The second one describes tools and techniques to elicit and structure knowledge about support structures for EBM parts. The last one proposes a method to model AM process rules in relation with EBM technology. As a conclusion, we provide some propositions and recommendations for a better elicitation and formalization of AM knowledge.