Enabling the digital thread for composite aeronautical structures : a data-driven approach to reliability-based structural optimisation

À l’ère moderne, l’augmentation constante de la puissance de calcul et de mesurea conduit au développement de multiples concepts basés sur les données. Parmi ceux-ci, le « filnumérique » est une architecture qui vise à optimiser la connaissance d’un système en fusionnantles connaissances préalables sur le produit avec les informations provenant de plusieurs étapesde son cycle de vie afin d’améliorer les performances des nouveaux produits à concevoir grâce àla précision accrue de ces connaissances mises à jour. Même si l’utilisation de ces architecturesbasées sur les données est de plus en plus répandue, la plupart des développements correspondantsrestent actuellement limités au niveau des composants. À cet égard, cette thèse étend l’applicationdu fil numérique du niveau des composants au niveau de l’assemblage structurel et l’enrichitde considérations multiphysiques et de certification supplémentaires, ainsi que de contraintesde défaillance non linéaire (flambement). À cette fin, elle détaille le développement d’un filnumérique dédié à la structure de la dérive verticale d’un avion en polymère renforcé de fibres decarbone, ainsi que les outils et modèles nécessaires pour mettre en oeuvre une telle approche àl’aide de l’inférence bayésienne, de simulations multiphysiques, de modèles empiriques, d’analysesde certification et d’analyses et d’optimisations de conception basées sur la fiabilité.

Authors

Publication Details

Published
2025-12-17
Primary Topic
Probabilistic and Robust Engineering Design
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Enabling the digital thread for composite aeronautical structures : a data-driven approach to reliability-based structural optimisation

Sébastien de Longueville
Probabilistic and Robust Engineering Design
article

Enabling the digital thread for composite aeronautical structures : a data-driven approach to reliability-based structural optimisation

Sébastien de Longueville
article en

Abstract

À l’ère moderne, l’augmentation constante de la puissance de calcul et de mesurea conduit au développement de multiples concepts basés sur les données. Parmi ceux-ci, le « filnumérique » est une architecture qui vise à optimiser la connaissance d’un système en fusionnantles connaissances préalables sur le produit avec les informations provenant de plusieurs étapesde son cycle de vie afin d’améliorer les performances des nouveaux produits à concevoir grâce àla précision accrue de ces connaissances mises à jour. Même si l’utilisation de ces architecturesbasées sur les données est de plus en plus répandue, la plupart des développements correspondantsrestent actuellement limités au niveau des composants. À cet égard, cette thèse étend l’applicationdu fil numérique du niveau des composants au niveau de l’assemblage structurel et l’enrichitde considérations multiphysiques et de certification supplémentaires, ainsi que de contraintesde défaillance non linéaire (flambement). À cette fin, elle détaille le développement d’un filnumérique dédié à la structure de la dérive verticale d’un avion en polymère renforcé de fibres decarbone, ainsi que les outils et modèles nécessaires pour mettre en oeuvre une telle approche àl’aide de l’inférence bayésienne, de simulations multiphysiques, de modèles empiriques, d’analysesde certification et d’analyses et d’optimisations de conception basées sur la fiabilité.

Openalex Percentile: Top 20%
Probabilistic and Robust Engineering Design
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.