Écoconception pour la circularité : développement d'un environnement d'aide à l'intégration des composants de 2e vie issus de désassemblage de produits en fin de vie

Ecodesign for circularity: development of an environment to support the integration of 2nd life components resulting from the disassembly of end-of-life products

• Auteur / Autrice : Hripsime Snkhchyan
• Direction : Nicolas Perry
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/11/2023
• Etablissement(s) : Paris, HESAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur
• Partenaire(s) de recherche : Laboratoire : Institut de mécanique et d'ingénierie de Bordeaux
• Partenaire(s) de recherche : Equipe de recherche : IMC : Ingénierie Mécanique et Conception
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure d'arts et métiers (1780-....)

Mots clés

Mots clés libres

Economie Circulaire

La conception des produits

Intelligence artificielle

Ecodesign for circularity

Product design

Artificial Intelligence

Résumé

L'objectif de ce projet et de développer des méthodes, technologies et connaissances pour disposer de solutions de désassemblage robotisé de pièces complexes afin de récupérer des composants ou modules fonctionnels (et donc requalifiés) pour des usages de 2nde vie en réparation ou comme composants dans de nouveaux produits. A défaut, développer des technologies de tri affiné pour aller vers des voies de régénération et récupération de matières à forte valeur (recyclage). Il faut donc collaborer avec des acteurs ingénieurs, chercheurs, industriels dans ce contexte sur un processus qui : a- identifie / caractérise un produit en entrée de processus ; b- génère une gamme et des opérations de désassemblage (robotique/cobotique, automatique); c- monitore le désassemblage et requalifie le composant récupéré d- aide à la décision de récupérer ou ne pas récupérer sur la base d'indicateurs multiples : besoins sur le marché et criticité, performance résiduelle, cout environnemental et économique des opérations, le tout alimentant une IA accompagnant l'aide au choix ; e- dispose de solutions d'emploi de composants de 2nd vie en conception de produit, aidé par des IA structurées via des heuristiques de conceptions f- remonte de l'information de fin de vie aux concepteurs pour faciliter et ré-architecturer les produits pour avoir un économie circulaire pensée dès la conception. Il importe donc de formaliser l'expertise métier des concepteurs et des produits abordés (ontologies, heuristiques, bases de connaissances ..), et de développer ou trouver les approches d'IA qui aident à naviguer dans les alternatives (les identifier, les évaluer et aider à proposer des solutions les plus pertinentes) tout en intégrant des informations sur la criticité des matériaux et composants (vue marché, vue matière, projection de demandes ...), mais aussi sur des modélisation de pertes de performances de ces composants à l'issue de leur première vie et des opérations de désassemblage. Les enjeux scientifiques sont d'utiliser les retours d'expérience pour analyser des produits et contribuer aux démarches de notations (comme l'index de démontabilité proposé par la loi AGEC, mais aussi le futur indice de durabilité prévu pour 2025) et faire un retour factuel et quantifié aux metteurs de produits sur le marché. C'est aussi, par la traduction de contraintes et opportunités des solutions de désassemblage / recyclage, mais aussi l'analyse systématique de solutions de construction, qu'il est possible de proposer des orientations et stratégies de conceptions, d'architectures de produits mais aussi d'évaluer les solutions d'assemblage en construisant des méthodes de recherche du meilleur compromis entre les performances techniques / économiques / circularité. Ce travail va permettre d'enrichir les indicateurs de circularité matériaux et produits initiés par la fondation E.McArthur. L'I2M profite de sa forte expertise orientée écoconception pour la fin de vie construite par les travaux avec les éco-organismes (Ecologic et Ecosystem) et leurs adhérents (concepteurs et recycleurs). De plus, il semble nécessaire de développer un environnement d'aide à la recherche de composants de seconde vie (point de vue du concepteur) et de recherche de domaine d'applications pour des matériaux ou composants de seconde vie et accompagner la recherche de cas d'applications (point de vue du recycleur). Une approche de type cartes de performances d'Ashby appliquée d'une part aux matériaux recyclés, d'autre part aux composants peut être envisagée. Un des objectifs de ce travail est d'utiliser les technologies d'IA, la fouille de données, et l'apprentissage, pour analyser un ensemble de cas existants et connus (multi sectoriels), et de typer par familles de cas les associations matériaux / composants et cas d'usage en regardant en particulier les options d ‘assemblage ou de liaison. Ces approches doivent s'inscrire et s'inspirer des indices de performances matériaux et d'aide au choix en conception développé par M.Ashby. Une première étape consistera à transposer la vision matériaux de la démarche d'Ashby avec une vision composant / module et définir les natures des bases de données et d'indicateurs nécessaires. Ainsi, un composant de seconde vie ou matériaux recyclés est analysé comme un jeu de performances. Il faut donc, à l'image des fiches matériaux, proposer des structures de fiches de performances composants en croisant des visions multi sectorielles. Enfin, il faudra évaluer les différentes technologies d'IA mais aussi de formalisation de connaissance (entre autres en conception) pour évaluer leur pertinence d'usage dans le type de contexte d'aide à la conception préliminaire. Il semble nécessaire de croiser des approches d'apprentissage guidées avec des approches à bases d'ontologies pour formaliser les connaissances. La finalité est de se projeter sur la mise à disposition d'un environnement d'aide au choix de domaine et produits d'usage. Ceci est un verrou actuel pour le développement de filières et de solution de réusage composants et aussi souvent matériaux. Ceci permettra de répondre aux enjeux de criticités de composants ou de matériaux. Ainsi, les objectifs de conception et les solutions existantes doivent être définis à partir des définitions fonctionnelles, enrichies par la base de données des fonctions/solutions, et traitées grâce à la solution IA. La méthode proposée par le Pr. Ashby pour la sélection des matériaux basée sur des indicateurs de performance des matériaux sera étendue et adaptée à la recherche d'applications composants/modules basée sur les caractéristiques de performance des composants/produits de deuxième vie. Les différentes phases qui devraient être réalisées peuvent être les suivantes : • un formalisme doit être sélectionné ou défini pour la représentation fonctionnelle et transforme une solution de conception en connaissance pour l'IA, • un guide d'aide au découpage fonctionnel du produit pour traduire les objectifs globaux de la conception et les solutions spécifiques locales (basé sur des approches existantes telles que Fast, SysML, SADT ...) pour traduire la démarche de conception, • structurer et alimenter une base de données spécifique reliant la fonctionnalité et la solution alimentant les connaissances en conception vers les modèles d'IA • proposer un algorithme d'inférence pour assure la navigation et la bijection entre les définitions fonctionnelles et les solutions existantes ouvrant la voie au traitement automatique, • proposer des indices d'évaluation automatique des solutions proposées pour justifier des choix proposés. Ce travail sera appliqué pour stimuler l'économie circulaire avec un assistant pour un cas d'utilisation basé sur des composants de seconde vie (et leurs fonctionnalités résiduelles) ou des matériaux primaires secondaires (et leurs performances). Ce sujet prolonge les travaux sur l'aide à la conception, en orientant la voie vers une IA pour la conception en fin de vie.

The objective of this project is to develop methods, technologies and knowledge to have solutions for robotic disassembly of complex parts in order to recover functional components or modules (and therefore requalified) for 2nd life uses in repair or as components in new products. Failing that, develop refined sorting technologies to move towards regeneration and recovery of high-value materials (recycling). It is therefore necessary to collaborate with engineers, researchers and industrialists in this context on a process which: a- identifies /characterizes a product as a process input; b- generates a range and disassembly operations (robotic/ cobotic, automatic); c- monitors disassembly and requalifies the recovered component d- helps with the decision to recover or not to recover on the basis of multiple indicators: market needs and criticality, residual performance, environmental and economic cost of operations, all feeding an AI accompanying the choice assistance; e- has solutions for using 2nd life components in product design, aided by AI structured via design heuristics f- feeds end-of-life information to designers to facilitate and re-architect products to have a circular economy thought out from the design stage. It is therefore important to formalize the business expertise of designers and the products addressed (ontologies, heuristics, knowledge bases, etc.), and to develop or find AI approaches that help navigate the alternatives (identify them, evaluate them and help to propose the most relevant solutions) while integrating information on the criticality of materials and components (market view, material view, demand projection, etc.), but also on modeling of performance losses of these components to the outcome of their first life and disassembly operations. The scientific challenges are to use feedback to analyze products and contribute to rating processes (such as the disassembly index proposed by the AGEC law, but also the future sustainability index planned for 2025) and to provide feedback factual and quantified to the marketers of products. It is also, through the translation of constraints and opportunities of disassembly/recycling solutions, but also the systematic analysis of construction solutions, that it is possible to propose orientations and strategies for designs, product architectures but also to evaluate assembly solutions by constructing methods for searching for the best compromise between technical/economic performance/circularity. This work will enrich the material and product circularity indicators initiated by the E.McArthur foundation. I2M benefits from its strong eco-design oriented expertise for the end of life built by work with eco-organizations (Ecologic and Ecosystem) and their members (designers and recyclers). In addition, it seems necessary to develop an environment to support the research of second-life components (designer's point of view) and the search for areas of application for second-life materials or components and to support case research. of applications (recycler's point of view). An Ashby performance map type approach applied on the one hand to recycled materials and on the other hand to components can be considered. One of the objectives of this work is to use AI technologies, data mining, and learning, to analyze a set of existing and known cases (multi-sectoral), and to type material associations by case families / components and use cases, looking in particular at the assembly or connection options. These approaches must be part of and inspired by the material performance and design choice aid indices developed by M. Ashby. A first step will consist of transposing the materials vision of Ashby 's approach with a component/module vision and defining the nature of the necessary databases and indicators. Thus, a second-life component or recycled materials are analyzed as a performance game. It is therefore necessary, like material sheets, to propose component performance sheet structures by combining multi-sector visions. Finally, it will be necessary to evaluate the different technologies of AI but also of formalization of knowledge (among others in design) to assess their relevance of use in the type of context of aid to preliminary design. It seems necessary to combine guided learning approaches with ontology-based approaches to formalize knowledge. The aim is to plan on providing an environment to help with the choice of domain and products of use. This is a current obstacle for the development of sectors and solutions for reusing components and also often materials. This will make it possible to respond to the criticality issues of components or materials. Thus, the design objectives and existing solutions must be defined from the functional definitions, enriched by the functions/solutions database, and processed using the AI solution. The method proposed by Prof. Ashby for the selection of materials based on material performance indicators will be extended and adapted to the research of component/module applications based on the performance characteristics of second-life components/products. The different phases that should be carried out can be as follows: • a formalism must be selected or defined for the functional representation and transforms a design solution into knowledge for AI, • a guide to help with the functional breakdown of the product to translate the overall design objectives and specific local solutions (based on existing approaches such as Fast, SysML , SADT, etc.) to translate the design approach, • structure and populate a specific database linking functionality and solution feeding design knowledge to AI models • propose an inference algorithm to ensure navigation and bijection between functional definitions and existing solutions opening the way to automatic processing, • propose indices for automatic evaluation of the proposed solutions to justify the choices proposed. This work will be applied to boost the circular economy with an assistant for a use case based on second-life components (and their residual functionalities) or secondary primary materials (and their performance). This topic extends the work on design assistance, pointing the way towards AI for end-of-life design.