Thèse soutenue

Jumeau Hybride dans le cadre de systèmes complexes

FR  |  
EN
Auteur / Autrice : Abel Sancarlos gonzalez
Direction : Francisco ChinestaElias CuetoJean-Louis Duval
Type : Thèse de doctorat
Discipline(s) : Procédés de fabrication - Génie mécanique (AM)
Date : Soutenance le 29/10/2021
Etablissement(s) : Paris, HESAM en cotutelle avec Universidad de Zaragoza (Espagne)
Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur
Partenaire(s) de recherche : Laboratoire : Procédés et Ingeniérie en Mécanique et Matériaux (Paris) - Procédés et Ingeniérie en Mécanique et Matériaux (Paris)
établissement de préparation de la thèse : École nationale supérieure d'arts et métiers (1780-....)
Jury : Président / Présidente : Xavier Kestelyn
Examinateurs / Examinatrices : Francisco Chinesta, Elias Cueto, Jean-Louis Duval, Cyrille Allery, Emilio Gomez Lazaro, Icíar Alfaro Ruiz
Rapporteurs / Rapporteuses : Cyrille Allery, Emilio Gomez Lazaro

Résumé

FR  |  
EN

Les avantages d'une compréhension approfondie des processus technologiques et industriels de notre monde sont indiscutables. L'optimisation, l'analyse inverse ou le contrôle par simulation sont quelques-unes des procédures qui peuvent être mises en œuvre lorsque les connaissances susmentionnées sont transformées en valeur pour les entreprises. Il en résulte de meilleures technologies qui finissent par profiter grandement à la société. Pensez à une activité quotidienne pour de nombreuses personnes aujourd'hui, comme prendre l'avion. Toutes les procédures évoquées ci-dessus sont mises en œuvre dans la conception de l'avion, tel que le contrôle à bord et la maintenance, pour aboutir à un produit technologiquement efficace en termes de ressources. Cette forte valeur ajoutée est ce qui pousse les sciences de l'ingénieur basées sur la simulation (Simulation Based Engineering Science, SBES) à apporter des améliorations majeures à ces procédures, conduisant à des percées notables dans une grande variété de secteurs (comme par exemple la santé, les télécommunications ou l'ingénierie).Cependant, les SBES sont actuellement confrontées à plusieurs difficultés pour fournir des résultats précis dans des scénarios industriels complexes. L'une d'elles est le coût de calcul élevé associé à de nombreux problèmes industriels, qui limite fortement, voire rend impossible, les processus clés décrits ci-dessus. Un autre problème apparaît dans d'autres applications, où les modèles plus précis (et aussi plus gourmands en temps) ne sont pas capables de prendre en compte tous les détails qui régissent le système physique étudié, avec des déviations observées qui semblent échapper à notre compréhension.C'est pourquoi, dans ce contexte, de nouvelles stratégies et techniques numériques sont proposées tout au long de ce manuscrit pour relever les défis auxquels les SBES sont confrontées avec l'étude de différentes applications.Le panorama ci-dessus offre également une opportunité parfaite pour les Dynamic Data Driven Application Systems (DDDAS), dont l'objectif principal est de fusionner les algorithmes de simulation classiques avec les données provenant de mesures expérimentales. Ce concept est envisagé grâce au développement exhaustif de la science des données. Dans ce scénario, les données et les simulations ne seraient plus découplées, mais formeraient une relation symbiotique qui permettrait d'atteindre des étapes inconcevables jusqu'à aujourd'hui. En effet, les données ne seront plus prises en compte pour un étalonnage statique d'un modèle constitutif donné, mais plutôt comme une correction dynamique dès que les données expérimentales et les simulations auront tendance à diverger.C'est dans ce but que cette thèse met un accent particulier sur les techniques de réduction de modèles, car elles ne sont pas seulement un outil pour réduire la complexité de calcul, mais aussi un élément clé pour répondre aux contraintes de temps réel découlant du cadre des DDDAS.En outre, cette thèse présente de nouvelles méthodologies axées sur les données pour enrichir le paradigme dit des jumeaux hybrides. Un paradigme qui est motivé parce qu'il rend les DDDAS possible. Comment ? En combinant des solutions paramétriques et des techniques de réduction de modèles avec des corrections à la volée basés sur les données experimentales