Plan d’expériences adaptatif et techniques d’apprentissage automatique supervisé pour l’identification des domaines de fabricabilité avec une réduction des incertitudes

Les industries manufacturières doivent concilier des exigences souvent contradictoires : innover, améliorer la qualité, réduire les délais de mise sur le marché et les coûts de production. Cette pression impose une maîtrise accrue des procédés et des moyens de fabrication, tout en limitant les expérimentations coûteuses sur des équipements complexes. La définition du domaine de fabricabilité, c’est-à-dire la plage d’utilisation d’un procédé qui donne des pièces conformes par rapport au cahier de charges, repose traditionnellement sur des plans d’expériences (PdE), souvent simplifiés par la fixation de paramètres jugés secondaires. De plus, beaucoup d'études sont faites au préalable dans des centres techniques sur des moyens différents de ceux utilisés industriellement et les domaines de fabricabilité ne sont souvent pas directement transposables.Cette thèse propose une méthodologie expérimentale structurée pour identifier les domaines de fabricabilité dans divers procédés de fabrication. Elle repose sur quatre hyperparamètres : (1) le PdE initial, qui définit un premier ensemble d’expériences pour obtenir les étiquettes de fabricabilité (conforme ou non au cahier des charges), (2) la phase expérimentale, qui précise la procédure de fabrication, la caractérisation des échantillons et les critères d’évaluation, (3) les méthodes d’apprentissage automatique de classification supervisée, permettant de délimiter le domaine de fabricabilité avec un nombre réduit d’expériences et (4) le plan d’expérience adaptatif (PEA), qui sélectionne itérativement les points les plus incertains et réalisables pour affiner les frontières du domaine, selon des critères d’enrichissement (incertitude du modèle et faisabilité expérimentale) et d’arrêt (nombre total d’expériences qui définit à la fois le nombre d’itérations et le nombre d’expériences à mener à chaque itération).La méthodologie a été évaluée numériquement à travers différents scénarios combinant les hyperparamètres, en s’appuyant sur des indicateurs tels que la précision balancée, le score F1, et deux risques associés aux taux de faux positifs et négatifs. Elle a ensuite été appliquée à quatre procédés de fabrication afin de valider la méthodologie : soudage à l’arc en T, soudage par friction malaxage, fabrication additive par arc-fil, et dépôt sous énergie concentrée à haute vitesse, cette dernière en collaboration avec le laboratoire wbk du KIT (Allemagne). Les résultats démontrent une réduction significative du nombre d’expériences nécessaires pour identifier les domaines de fabricabilité.

Publication Details

Journal
theses.fr (ABES)
Published
2025-11-05
Primary Topic
Manufacturing Process and Optimization
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Plan d’expériences adaptatif et techniques d’apprentissage automatique supervisé pour l’identification des domaines de fabricabilité avec une réduction des incertitudes

theses.fr (ABES)
Manufacturing Process and Optimization
article

Plan d’expériences adaptatif et techniques d’apprentissage automatique supervisé pour l’identification des domaines de fabricabilité avec une réduction des incertitudes

article en

Abstract

Les industries manufacturières doivent concilier des exigences souvent contradictoires : innover, améliorer la qualité, réduire les délais de mise sur le marché et les coûts de production. Cette pression impose une maîtrise accrue des procédés et des moyens de fabrication, tout en limitant les expérimentations coûteuses sur des équipements complexes. La définition du domaine de fabricabilité, c’est-à-dire la plage d’utilisation d’un procédé qui donne des pièces conformes par rapport au cahier de charges, repose traditionnellement sur des plans d’expériences (PdE), souvent simplifiés par la fixation de paramètres jugés secondaires. De plus, beaucoup d'études sont faites au préalable dans des centres techniques sur des moyens différents de ceux utilisés industriellement et les domaines de fabricabilité ne sont souvent pas directement transposables.Cette thèse propose une méthodologie expérimentale structurée pour identifier les domaines de fabricabilité dans divers procédés de fabrication. Elle repose sur quatre hyperparamètres : (1) le PdE initial, qui définit un premier ensemble d’expériences pour obtenir les étiquettes de fabricabilité (conforme ou non au cahier des charges), (2) la phase expérimentale, qui précise la procédure de fabrication, la caractérisation des échantillons et les critères d’évaluation, (3) les méthodes d’apprentissage automatique de classification supervisée, permettant de délimiter le domaine de fabricabilité avec un nombre réduit d’expériences et (4) le plan d’expérience adaptatif (PEA), qui sélectionne itérativement les points les plus incertains et réalisables pour affiner les frontières du domaine, selon des critères d’enrichissement (incertitude du modèle et faisabilité expérimentale) et d’arrêt (nombre total d’expériences qui définit à la fois le nombre d’itérations et le nombre d’expériences à mener à chaque itération).La méthodologie a été évaluée numériquement à travers différents scénarios combinant les hyperparamètres, en s’appuyant sur des indicateurs tels que la précision balancée, le score F1, et deux risques associés aux taux de faux positifs et négatifs. Elle a ensuite été appliquée à quatre procédés de fabrication afin de valider la méthodologie : soudage à l’arc en T, soudage par friction malaxage, fabrication additive par arc-fil, et dépôt sous énergie concentrée à haute vitesse, cette dernière en collaboration avec le laboratoire wbk du KIT (Allemagne). Les résultats démontrent une réduction significative du nombre d’expériences nécessaires pour identifier les domaines de fabricabilité.

theses.fr (ABES)
Openalex Percentile: Top 35%
Manufacturing Process and Optimization
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.