Optimisation numérique - Application à la fabrication additive
Transcription
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
Documents pareils
memorandum d`accord pour les partenariats externes
- Ceux ayant perdu la prise en charge parentale - Ceux risquant de perdre la prise en charge parentale Le mandat de MICADO (Mission Care Developpement Organisation) est de Par le présent document, ...
Plus en détail