Optimisation numérique - Application à la fabrication additive

Optimisation numérique
Application à la fabrication additive
Nicolas Gardan
Assises Européennes de la Fabrication Additive
25/06/2013
MICADO/DINCCS
AEPR 2013
25/06/2013
1 / 23
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
2 / 23
Présentation de MICADO/DINCCS
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
3 / 23
Présentation de MICADO/DINCCS
Présentation de MICADO/DINCCS
MICADO : Association Française des
Technologies de l’Information et de la
Communication pour l’Ingénierie Numérique
I
I
Espace neutre de réflexion, d’échange et de
partage (+ de 100 experts, ateliers de travail,
...)
35 ans d’expertise au service de l’ingénierie
numérique
Centre technique DINCCS
I
I
Liaison directe avec les PME
Rôle de diffusion, assistance technique, mise
en œuvre, ...
Pour une chaîne numérique intégrée
MICADO/DINCCS
AEPR 2013
25/06/2013
4 / 23
Introduction
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
5 / 23
Introduction
C’est quoi l’optimisation numérique ?
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
6 / 23
Introduction
C’est quoi l’optimisation numérique ?
Généralités
Optimisation de structures = préoccupation majeure dans l’industrie
(automobile, aéronautique, génie civil, ...)
Amélioration des performances mécaniques mais aussi gain en masse,
en encombrement, en coût de fabrication, ...
Définition des
Objectifs
Méthode manuelle : approche essais –
erreurs
Modélisation « automatique »
Définition des
Objectifs
1.
1.
Modélisation CAO
(plusieurs modèles
possibles)
Calcul par
éléments finis
Réaliser un modèle CAO initial
(expérience, environnement général
de la pièce)
Logiciel d’optimisation
Itérer en modifiant sa conception de
manière à respecter son cahier des
charges
4.
Vérification des
différents Objectifs
5.
MICADO/DINCCS
2.
Définition d’un espace
de conception
2. Vérification des critères de
dimensionnement (modélisations en
statique, dynamique, etc.)
3.
Possibilité de balayer un espace de
conception plus large
Calculs automatiques
3.
Possibilité de réaliser des plans
d’expériences et de créer ainsi des
fonctions d’approximation
4.
Atteinte d’optimum grâce à des
algorithmes de plus en plus
performants
Proposition d’un
modèle optimisé
Méthode qui peut être longue
Méthode couteuse et « imprécise »
AEPR 2013
25/06/2013
7 / 23
Introduction
C’est quoi l’optimisation numérique ?
Généralités
Optimisation de structures = préoccupation majeure dans l’industrie
(automobile, aéronautique, génie civil, ...)
Amélioration des performances mécaniques mais aussi gain en masse,
en encombrement, en coût de fabrication, ...
Définition des
Objectifs
Méthode manuelle : approche essais –
erreurs
Modélisation « automatique »
Définition des
Objectifs
1.
1.
Modélisation CAO
(plusieurs modèles
possibles)
Calcul par
éléments finis
Réaliser un modèle CAO initial
(expérience, environnement général
de la pièce)
Logiciel d’optimisation
Itérer en modifiant sa conception de
manière à respecter son cahier des
charges
4.
Vérification des
différents Objectifs
5.
MICADO/DINCCS
2.
Définition d’un espace
de conception
2. Vérification des critères de
dimensionnement (modélisations en
statique, dynamique, etc.)
3.
Possibilité de balayer un espace de
conception plus large
Calculs automatiques
3.
Possibilité de réaliser des plans
d’expériences et de créer ainsi des
fonctions d’approximation
4.
Atteinte d’optimum grâce à des
algorithmes de plus en plus
performants
Proposition d’un
modèle optimisé
Méthode qui peut être longue
Méthode couteuse et « imprécise »
AEPR 2013
25/06/2013
7 / 23
Introduction
C’est quoi l’optimisation numérique ?
Généralités
Optimisation de structures = préoccupation majeure dans l’industrie
(automobile, aéronautique, génie civil, ...)
Amélioration des performances mécaniques mais aussi gain en masse,
en encombrement, en coût de fabrication, ...
Définition des
Objectifs
Méthode manuelle : approche essais –
erreurs
Modélisation « automatique »
Définition des
Objectifs
1.
1.
Modélisation CAO
(plusieurs modèles
possibles)
Calcul par
éléments finis
Réaliser un modèle CAO initial
(expérience, environnement général
de la pièce)
Logiciel d’optimisation
Itérer en modifiant sa conception de
manière à respecter son cahier des
charges
4.
Vérification des
différents Objectifs
5.
MICADO/DINCCS
2.
Définition d’un espace
de conception
2. Vérification des critères de
dimensionnement (modélisations en
statique, dynamique, etc.)
3.
Possibilité de balayer un espace de
conception plus large
Calculs automatiques
3.
Possibilité de réaliser des plans
d’expériences et de créer ainsi des
fonctions d’approximation
4.
Atteinte d’optimum grâce à des
algorithmes de plus en plus
performants
Proposition d’un
modèle optimisé
Méthode qui peut être longue
Méthode couteuse et « imprécise »
AEPR 2013
25/06/2013
7 / 23
Introduction
C’est quoi l’optimisation numérique ?
Généralités
Optimiser = meilleure structure possible
Solution optimale
I
I
Prix de revient minimum
Respect des contraintes : coûts de matière, mécaniques,
thermomécaniques
Définition d’un problème d’optimisation
I
I
I
un modèle (équations aux dérivées partielles)
un ou plusieurs critères que l’on cherche à minimiser ou maximiser :
fonction objectif ou coût
un ensemble admissible de variables d’optimisation qui tient compte
d’éventuelles contraintes que l’on impose aux variables
MICADO/DINCCS
AEPR 2013
25/06/2013
8 / 23
Introduction
C’est quoi l’optimisation numérique ?
Généralités
Optimiser = meilleure structure possible
Solution optimale
I
I
Prix de revient minimum
Respect des contraintes : coûts de matière, mécaniques,
thermomécaniques
Définition d’un problème d’optimisation
I
I
I
un modèle (équations aux dérivées partielles)
un ou plusieurs critères que l’on cherche à minimiser ou maximiser :
fonction objectif ou coût
un ensemble admissible de variables d’optimisation qui tient compte
d’éventuelles contraintes que l’on impose aux variables
MICADO/DINCCS
AEPR 2013
25/06/2013
8 / 23
Introduction
C’est quoi l’optimisation numérique ?
Généralités
Optimiser = meilleure structure possible
Solution optimale
I
I
Prix de revient minimum
Respect des contraintes : coûts de matière, mécaniques,
thermomécaniques
Définition d’un problème d’optimisation
I
I
I
un modèle (équations aux dérivées partielles)
un ou plusieurs critères que l’on cherche à minimiser ou maximiser :
fonction objectif ou coût
un ensemble admissible de variables d’optimisation qui tient compte
d’éventuelles contraintes que l’on impose aux variables
MICADO/DINCCS
AEPR 2013
25/06/2013
8 / 23
Introduction
Différentes disciplines d’optimisation de structures
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
9 / 23
Introduction
Différentes disciplines d’optimisation de structures
3 grandes disciplines
Optimisation de forme paramétrique
I
I
I
Variables : sections, épaisseurs, diamètres, ...
Évolution des paramètres sans modification du
maillage en EF
Limite les variétés de formes possibles
Optimisation de forme géométrique
I
I
I
Variation des frontières d’une forme initiale
(contour 2D ou surface 3D)
Pas de changement topologie de la pièce
Évolution de la géométrie
Optimisation topologique
I
I
I
Inconnue = topologie de la pièce
Apparition/disparition de trous, renforts, ...
Méthode intéressante pour la phase de
conception d’une nouvelle pièce
MICADO/DINCCS
AEPR 2013
25/06/2013
10 / 23
Introduction
Différentes disciplines d’optimisation de structures
3 grandes disciplines
Optimisation de forme paramétrique
I
I
I
Variables : sections, épaisseurs, diamètres, ...
Évolution des paramètres sans modification du
maillage en EF
Limite les variétés de formes possibles
Optimisation de forme géométrique
I
I
I
Variation des frontières d’une forme initiale
(contour 2D ou surface 3D)
Pas de changement topologie de la pièce
Évolution de la géométrie
Optimisation topologique
I
I
I
Inconnue = topologie de la pièce
Apparition/disparition de trous, renforts, ...
Méthode intéressante pour la phase de
conception d’une nouvelle pièce
MICADO/DINCCS
AEPR 2013
25/06/2013
10 / 23
Introduction
Différentes disciplines d’optimisation de structures
3 grandes disciplines
Optimisation de forme paramétrique
I
I
I
Variables : sections, épaisseurs, diamètres, ...
Évolution des paramètres sans modification du
maillage en EF
Limite les variétés de formes possibles
Optimisation de forme géométrique
I
I
I
Variation des frontières d’une forme initiale
(contour 2D ou surface 3D)
Pas de changement topologie de la pièce
Évolution de la géométrie
Optimisation topologique
A
A
I
I
I
Inconnue = topologie de la pièce
Apparition/disparition de trous, renforts, ...
Méthode intéressante pour la phase de
conception d’une nouvelle pièce
Functionnal skin
Optimized inner
A-A cut view
MICADO/DINCCS
AEPR 2013
Functionnal skin
Plain matter
A-A optimized view
25/06/2013
10 / 23
Introduction
Optimisation et prototypage rapide
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
11 / 23
Introduction
Optimisation et prototypage rapide
Liaison entre les 2 disciplines
Intégration Simulation For Design naturelle
Discipline optimisation topologique : permet la mise en œuvre de
formes impossibles à fabriquer avec des outils de production classique
MICADO/DINCCS
AEPR 2013
25/06/2013
12 / 23
Introduction
Optimisation et prototypage rapide
Liaison entre les 2 disciplines
Intégration Simulation For Design naturelle
Discipline optimisation topologique : permet la mise en œuvre de
formes impossibles à fabriquer avec des outils de production classique
MICADO/DINCCS
AEPR 2013
25/06/2013
12 / 23
Optimisation topologique et fabrication additive
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
13 / 23
Optimisation topologique et fabrication additive
Positionnement
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
14 / 23
Optimisation topologique et fabrication additive
Positionnement
Formulation du problème
Minimiser (Maximiser) un ou plusieurs objectifs
I
I
Variables de conception (espace de conception)
Contraintes ou limitations (déplacements, contraintes, ...)
Aucune restriction de forme
Meilleur compromis entre résistance/poids
Méthode de résolution par Homogénéisation ⇒ SIMP
I
I
I
Utilisation de matériaux composites obtenus par micro-perforation du
matériau original
En chaque point : densité de matériau et propriété mécaniques
Pénalisation : force la densité matériau en O (trou) ou 1 (matière)
Pas de logiciel résolvant automatiquement tous les problèmes
d’optimisation
I
I
I
Connaissances théoriques sur l’optimisation
Choix algorithmes adaptés en fonction du contexte
Fabrication additive : nécessite un processus spécifique
MICADO/DINCCS
AEPR 2013
25/06/2013
15 / 23
Optimisation topologique et fabrication additive
Positionnement
Formulation du problème
Minimiser (Maximiser) un ou plusieurs objectifs
I
I
Variables de conception (espace de conception)
Contraintes ou limitations (déplacements, contraintes, ...)
Aucune restriction de forme
Meilleur compromis entre résistance/poids
Méthode de résolution par Homogénéisation ⇒ SIMP
I
I
I
Utilisation de matériaux composites obtenus par micro-perforation du
matériau original
En chaque point : densité de matériau et propriété mécaniques
Pénalisation : force la densité matériau en O (trou) ou 1 (matière)
Pas de logiciel résolvant automatiquement tous les problèmes
d’optimisation
I
I
I
Connaissances théoriques sur l’optimisation
Choix algorithmes adaptés en fonction du contexte
Fabrication additive : nécessite un processus spécifique
MICADO/DINCCS
AEPR 2013
25/06/2013
15 / 23
Optimisation topologique et fabrication additive
Positionnement
Formulation du problème
Minimiser (Maximiser) un ou plusieurs objectifs
I
I
Variables de conception (espace de conception)
Contraintes ou limitations (déplacements, contraintes, ...)
Aucune restriction de forme
Meilleur compromis entre résistance/poids
Méthode de résolution par Homogénéisation ⇒ SIMP
I
I
I
Utilisation de matériaux composites obtenus par micro-perforation du
matériau original
En chaque point : densité de matériau et propriété mécaniques
Pénalisation : force la densité matériau en O (trou) ou 1 (matière)
Pas de logiciel résolvant automatiquement tous les problèmes
d’optimisation
I
I
I
Connaissances théoriques sur l’optimisation
Choix algorithmes adaptés en fonction du contexte
Fabrication additive : nécessite un processus spécifique
MICADO/DINCCS
AEPR 2013
25/06/2013
15 / 23
Optimisation topologique et fabrication additive
Positionnement
Formulation du problème
Minimiser (Maximiser) un ou plusieurs objectifs
I
I
Variables de conception (espace de conception)
Contraintes ou limitations (déplacements, contraintes, ...)
Aucune restriction de forme
Meilleur compromis entre résistance/poids
Méthode de résolution par Homogénéisation ⇒ SIMP
I
I
I
Utilisation de matériaux composites obtenus par micro-perforation du
matériau original
En chaque point : densité de matériau et propriété mécaniques
Pénalisation : force la densité matériau en O (trou) ou 1 (matière)
Pas de logiciel résolvant automatiquement tous les problèmes
d’optimisation
I
I
I
Connaissances théoriques sur l’optimisation
Choix algorithmes adaptés en fonction du contexte
Fabrication additive : nécessite un processus spécifique
MICADO/DINCCS
AEPR 2013
25/06/2013
15 / 23
Optimisation topologique et fabrication additive
Positionnement
Formulation du problème
Minimiser (Maximiser) un ou plusieurs objectifs
I
I
Variables de conception (espace de conception)
Contraintes ou limitations (déplacements, contraintes, ...)
Aucune restriction de forme
Meilleur compromis entre résistance/poids
Méthode de résolution par Homogénéisation ⇒ SIMP
I
I
I
Utilisation de matériaux composites obtenus par micro-perforation du
matériau original
En chaque point : densité de matériau et propriété mécaniques
Pénalisation : force la densité matériau en O (trou) ou 1 (matière)
Pas de logiciel résolvant automatiquement tous les problèmes
d’optimisation
I
I
I
Connaissances théoriques sur l’optimisation
Choix algorithmes adaptés en fonction du contexte
Fabrication additive : nécessite un processus spécifique
MICADO/DINCCS
AEPR 2013
25/06/2013
15 / 23
Optimisation topologique et fabrication additive
État de l’art
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
16 / 23
Optimisation topologique et fabrication additive
État de l’art
Optimisation et prototypage rapide
Travaux d’optimisation en PR
I
I
I
Algorithmes de parcours d’outil
Algorithmes de direction de fabrication, tranchage, ...
Travaux sur la structure interne : nid d’abeilles, treillis, ...
Travaux liés à l’intégration de l’optimisation topologique
I
I
I
Liaison utilisation machine "low cost" FDM
Biomimétisme : architecture et art, biomédical
Industrie de masse : utilisation épisodique
MICADO/DINCCS
AEPR 2013
25/06/2013
17 / 23
Optimisation topologique et fabrication additive
État de l’art
Optimisation et prototypage rapide
Travaux d’optimisation en PR
I
I
I
Algorithmes de parcours d’outil
Algorithmes de direction de fabrication, tranchage, ...
Travaux sur la structure interne : nid d’abeilles, treillis, ...
Travaux liés à l’intégration de l’optimisation topologique
I
I
I
Liaison utilisation machine "low cost" FDM
Biomimétisme : architecture et art, biomédical
Industrie de masse : utilisation épisodique
MICADO/DINCCS
AEPR 2013
25/06/2013
17 / 23
Optimisation topologique et fabrication additive
Intégration
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
18 / 23
Optimisation topologique et fabrication additive
Intégration
Comment intégrer l’optimisation topologique dans le
processus ?
None design space
I
I
Load
Design space
2 cas peuvent se présenter
Optimisation classique de la forme
Optimisation de l’intérieur des pièces et du
support
Mass
Zone design support
Model to optimize
Optimized model
Intégration dans le processus d’optimisation : nécessité de développer
des méthodologies
Dedicated knowledge
Dedicated knowledge
CAD model
Topological
optimisation
Gestion de la connaissance
I
I
STL
format
RP manufacturing
process
Dedicated tool
Intégrer les contraintes machine+prototypage au calcul
Couplage essais physiques et essais virtuels très important
MICADO/DINCCS
AEPR 2013
25/06/2013
19 / 23
Optimisation topologique et fabrication additive
Intégration
Comment intégrer l’optimisation topologique dans le
processus ?
None design space
I
I
Load
Design space
2 cas peuvent se présenter
Optimisation classique de la forme
Optimisation de l’intérieur des pièces et du
support
Mass
Zone design support
Model to optimize
Optimized model
Intégration dans le processus d’optimisation : nécessité de développer
des méthodologies
Dedicated knowledge
Dedicated knowledge
CAD model
Topological
optimisation
Gestion de la connaissance
I
I
STL
format
RP manufacturing
process
Dedicated tool
Intégrer les contraintes machine+prototypage au calcul
Couplage essais physiques et essais virtuels très important
MICADO/DINCCS
AEPR 2013
25/06/2013
19 / 23
Optimisation topologique et fabrication additive
Intégration
Comment intégrer l’optimisation topologique dans le
processus ?
None design space
I
I
Load
Design space
2 cas peuvent se présenter
Optimisation classique de la forme
Optimisation de l’intérieur des pièces et du
support
Mass
Zone design support
Model to optimize
Optimized model
Intégration dans le processus d’optimisation : nécessité de développer
des méthodologies
Dedicated knowledge
Dedicated knowledge
CAD model
Topological
optimisation
Gestion de la connaissance
I
I
STL
format
RP manufacturing
process
Dedicated tool
Intégrer les contraintes machine+prototypage au calcul
Couplage essais physiques et essais virtuels très important
MICADO/DINCCS
AEPR 2013
25/06/2013
19 / 23
Optimisation topologique et fabrication additive
Intégration
Modélisation de la connaissance
Caractérisation du procédé
I
I
Mise en place de plans d’expériences
Recherche des épaisseurs minimums
fabricables, déformations admissibles, zone de
nettoyage, ...
Parameter
Operator
Value
Result
Thickness
<
1 mm
non feasible
Thickness
=
2 mm
def for Height > 10 mm
Thickness
=
3 mm
def for Height > 40 mm
Width
>
15 mm
cleaning constraint
To help the global strength, pins can be bring back
I
I
Couplage entre les essais virtuels et les essais
physiques
Adaptation de ces informations pour une
utilisation en optimisation topologique
Too thin wall for the dedicated
manufacturing process
First model
MICADO/DINCCS
AEPR 2013
Good manufacturing wall thickness
Second model with
penality regulation
25/06/2013
20 / 23
Optimisation topologique et fabrication additive
Intégration
Modélisation de la connaissance
Caractérisation du procédé
I
I
Mise en place de plans d’expériences
Recherche des épaisseurs minimums
fabricables, déformations admissibles, zone de
nettoyage, ...
Parameter
Operator
Value
Result
Thickness
<
1 mm
non feasible
Thickness
=
2 mm
def for Height > 10 mm
Thickness
=
3 mm
def for Height > 40 mm
Width
>
15 mm
cleaning constraint
To help the global strength, pins can be bring back
I
I
Couplage entre les essais virtuels et les essais
physiques
Adaptation de ces informations pour une
utilisation en optimisation topologique
Too thin wall for the dedicated
manufacturing process
First model
MICADO/DINCCS
AEPR 2013
Good manufacturing wall thickness
Second model with
penality regulation
25/06/2013
20 / 23
Optimisation topologique et fabrication additive
Intégration
Modélisation de la connaissance
Caractérisation du procédé
I
I
Mise en place de plans d’expériences
Recherche des épaisseurs minimums
fabricables, déformations admissibles, zone de
nettoyage, ...
Parameter
Operator
Value
Result
Thickness
<
1 mm
non feasible
Thickness
=
2 mm
def for Height > 10 mm
Thickness
=
3 mm
def for Height > 40 mm
Width
>
15 mm
cleaning constraint
To help the global strength, pins can be bring back
I
I
Couplage entre les essais virtuels et les essais
physiques
Adaptation de ces informations pour une
utilisation en optimisation topologique
Too thin wall for the dedicated
manufacturing process
First model
MICADO/DINCCS
AEPR 2013
Good manufacturing wall thickness
Second model with
penality regulation
25/06/2013
20 / 23
Optimisation topologique et fabrication additive
Intégration
Modélisation de la connaissance
Caractérisation du procédé
I
I
Mise en place de plans d’expériences
Recherche des épaisseurs minimums
fabricables, déformations admissibles, zone de
nettoyage, ...
Parameter
Operator
Value
Result
Thickness
<
1 mm
non feasible
Thickness
=
2 mm
def for Height > 10 mm
Thickness
=
3 mm
def for Height > 40 mm
Width
>
15 mm
cleaning constraint
To help the global strength, pins can be bring back
I
I
Couplage entre les essais virtuels et les essais
physiques
Adaptation de ces informations pour une
utilisation en optimisation topologique
Too thin wall for the dedicated
manufacturing process
First model
MICADO/DINCCS
AEPR 2013
Good manufacturing wall thickness
Second model with
penality regulation
25/06/2013
20 / 23
Optimisation topologique et fabrication additive
Intégration
Modélisation de la connaissance
Caractérisation du procédé
I
I
Mise en place de plans d’expériences
Recherche des épaisseurs minimums
fabricables, déformations admissibles, zone de
nettoyage, ...
Parameter
Operator
Value
Result
Thickness
<
1 mm
non feasible
Thickness
=
2 mm
def for Height > 10 mm
Thickness
=
3 mm
def for Height > 40 mm
Width
>
15 mm
cleaning constraint
To help the global strength, pins can be bring back
I
I
Couplage entre les essais virtuels et les essais
physiques
Adaptation de ces informations pour une
utilisation en optimisation topologique
Too thin wall for the dedicated
manufacturing process
First model
MICADO/DINCCS
AEPR 2013
Good manufacturing wall thickness
Second model with
penality regulation
25/06/2013
20 / 23
Optimisation topologique et fabrication additive
Intégration
Un exemple dans le domaine médical
Fabrication SLS
Thickness (T)
Caractérisation matériaux+connaissance
procédé pour l’optimisation
Mise en place d’une méthodologie utilisation
optimisation topologique avec SLS
Height (H)
Width (W)
Embedded rib
Free rib
Cleaning channel
Non design space
Design space
MICADO/DINCCS
Optimized design space
AEPR 2013
25/06/2013
21 / 23
Optimisation topologique et fabrication additive
Intégration
Un exemple dans le domaine médical
Fabrication SLS
Thickness (T)
Caractérisation matériaux+connaissance
procédé pour l’optimisation
Mise en place d’une méthodologie utilisation
optimisation topologique avec SLS
Height (H)
Width (W)
Embedded rib
Free rib
Cleaning channel
Non design space
Design space
MICADO/DINCCS
Optimized design space
AEPR 2013
25/06/2013
21 / 23
Optimisation topologique et fabrication additive
Intégration
Un exemple dans le domaine médical
Fabrication SLS
Thickness (T)
Caractérisation matériaux+connaissance
procédé pour l’optimisation
Mise en place d’une méthodologie utilisation
optimisation topologique avec SLS
Height (H)
Width (W)
Embedded rib
Free rib
Cleaning channel
Non design space
Design space
MICADO/DINCCS
Optimized design space
AEPR 2013
25/06/2013
21 / 23
Conclusion et perspectives
Plan de la présentation
1
Présentation de MICADO/DINCCS
2
Introduction
C’est quoi l’optimisation numérique ?
Différentes disciplines d’optimisation de structures
Optimisation et prototypage rapide
3
Optimisation topologique et fabrication additive
Positionnement
État de l’art
Intégration
4
Conclusion et perspectives
MICADO/DINCCS
AEPR 2013
25/06/2013
22 / 23
Conclusion et perspectives
Conclusion et perspectives
Synthèse
I
I
I
I
Intégration calcul fabrication additive
Mariage entre l’optimisation topologique et la fabrication additive
évident
Nécessité de développer méthodologies associées procédés
Très important de développer connaissance calcul autour optimisation
topologique
Perspectives
I
I
I
Développer méthodologie par procédé (plate forme NUM3D)
Travaux sur la modélisation de la connaissance
Projet de développement outil en amont machine de fabrication
additive
MICADO/DINCCS
AEPR 2013
25/06/2013
23 / 23
Conclusion et perspectives
Conclusion et perspectives
Synthèse
I
I
I
I
Intégration calcul fabrication additive
Mariage entre l’optimisation topologique et la fabrication additive
évident
Nécessité de développer méthodologies associées procédés
Très important de développer connaissance calcul autour optimisation
topologique
Perspectives
I
I
I
Développer méthodologie par procédé (plate forme NUM3D)
Travaux sur la modélisation de la connaissance
Projet de développement outil en amont machine de fabrication
additive
MICADO/DINCCS
AEPR 2013
25/06/2013
23 / 23