Incertitudes en simulation numérique et intégration à la démarche
Transcription
Incertitudes en simulation numérique et intégration à la démarche
Journée de la conception robuste et fiable Approches universitaires et industrielles Incertitudes en simulation numérique et intégration à la démarche V&V La seule certitude que j’ai, c’est d’être dans le doute Pierre Desproges Objectifs de V&V 1. Améliorer le niveau de confiance en termes de sécurité, de robustesse, d’exactitude et de performance des modèles numériques (en relation avec les essais) 2. Besoins d’outils et de méthodes 3. Plan de V&V pour un niveau d’agrément entre données expérimentales et prévisions numériques mais aussi en termes de robustesse prédictive du modèle 4. Amélioration de la qualité prédictive des simulations www.nafems.org ©Philippe PASQUET© 2 • Réduction des coûts expérimentaux • Amélioration de la productivité • Augmentation de la rentabilité www.nafems.org 3 V&V : position du problème UQ = Quantification et Propagation des incertitudes Reprinted by permission of The American Society of Mechanical Engineers. All rights reserved. www.nafems.org ©Philippe PASQUET© 4 V&V : vocabulaire Vérification : “The process of determining that a computational model accurately represents the underlying mathematical model and its solution” Est-ce qu'on est en train de construire le logiciel (ou produit) correctement Résout-on correctement les équations ? Verus = Vérité Validation : “The process of determining the degree to which a model is an accurate representation of the real world from the perspective of the intended uses of the model” Est-ce qu'on est en train de construire le bon produit ? Résout-on les bonnes équations ? Validare = Résistance L’activité de Vérification et Validation est plus que du conseil technique même pointu Vérification et Validation peuvent être considérées comme une activité unifiée www.nafems.org ©Philippe PASQUET© 5 Quelques activités de V&V Accreditation Benchmark Calibration Certification Computer Experiment Confidence Confirmation Correlation DoE Discretization Error Error www.nafems.org Field Experiment Laboratory Experiment Model Numerical Modeling Proof Quality Assurance Final Realization Response Surface Approximation Stochastic Tuning Uncertainty ©Philippe PASQUET© 6 Compétences Besoin de mettre les compétences et les disponibilités correspondant à la difficulté de l’étude Définition de métriques Mesure de la difficulté Étude standard Étude avancée Étude multiphysique Connaissance et suivi des savoirs Entretien d’embauche Entretien annuel Formation www.nafems.org ©Philippe PASQUET© 7 Vérification/validation du code (1/2) “establish confidence, through the collection of evidence, that the mathematical model and solution algorithms are working correctly” Le code n’est pas la finalité (sauf pour les développeurs) Il peut calculer une solution « exacte » Identification et correction des erreurs 1. SQA : développeurs de codes 2. Algorithmes numériques : développeurs de modèles 1. 2. 3. MES, MMS, Benchmark Tous les codes doivent être vérifiés (les chainages) CAO Pré, post, solveur Codes d’optimisation Codes d’incertitudes www.nafems.org ©Philippe PASQUET© 8 Vérification/validation du code (2/2) La vérification du code est aussi l’affaire de l’utilisateur 1. 2. 3. 4. Nouvelle possibilité dans le code Nouvelle utilisation Situation industrielle (i.e. gros modèle) Training www.nafems.org ©Philippe PASQUET© 9 Méthode des solutions construites Méthode des Solutions Manufacturées (construites) ou MMS : méthode de vérification/validation des logiciels scientifiques, systématique pour obtenir des solutions analytiques (problèmes éventuellement très complexes et non-linéaires). On se donne la solution ( CL, CI) et on cherche le chargement qui y conduit. Ces données sont introduites dans la simulation et on regarde si l’on sait retrouver la solution Raffinement de maillage Raffinement de pas de temps Capacité du code à décrire le modèle www.nafems.org ©Philippe PASQUET© 10 Vérification des calculs (1/2) “establish confidence, through the collection of evidence, that the discrete solution of the mathematical model is accurate” Le modèle peut calculer une solution « suffisamment exacte » quantification des erreurs introduites lors de l’application à une situation particulière 1. Vérification des données 2. Analyses test pour assurer la qualité du modèle 3. Amélioration des résultats • • • Estimation d’erreurs : développeurs de modèles – raffinement de maillage, de pas de temps, de fréquence…. Zoom structural 11 Itérations ©Philippe PASQUET© www.nafems.org Vérification des calculs (2/2) Estimation d’erreurs Discontinuité des champs (contraintes, pressions…) Estimateur d’erreur Extrapolation de Richardson …. Pour en déduire une carte de taille des mailles Raffinement de maillage Raffinement h Raffinement p Raffinement r Raffinement m Raffinement uniforme (sans carte de tailles) 12 ©Philippe PASQUET© …. www.nafems.org Estimateurs d’erreurs Estimation d’erreurs Sur quelles grandeurs ? Bornes inf., sup. Quel problème ? Estimateurs Résidus d’équilibre Lissage Relation de comportement www.nafems.org ©Philippe PASQUET© 13 Validation (1/2) Comparaison des données expérimentales avec le résultat des simulations On ne peut pas valider un modèle complet mais un modèle de calcul Introduction des incertitudes: comment varient les résultats quand les données varient? Quantification Propagation www.nafems.org ©Philippe PASQUET© 14 www.nafems.org 15 Validation (2/2) Quantification Caractérisation et réduction des incertitudes Jugement d’expert, Campagne de mesures, Tests… Propagation Effet de l’incertitude des données sur l’incertitude des résultats Monte Carlo Surfaces de réponses LHS …. www.nafems.org ©Philippe PASQUET© 16 Optimisation sous incertitudes ou Incertitudes sous optimisation UUO OUU – Méthode classique – Fonctions objectif aléatoires – Variabilité Non Gaussienne ? www.nafems.org – UQ conventionnelle pour la partie probabiliste – Boucle interne pour les intervalles d’incertitude ©Philippe PASQUET© 17 Méthodologie générale •Évaluer les difficultés –Compétences, outils… •Construire le meilleur modèle possible –Maillage, LdC, CL, Charge, équations d’état… •Améliorer les résultats ( convergence) –Estimateur d’erreur (discontinuités, extrapolation de Richardson, SPR,…) –Raffiner le maillage, le pas de temps Le résultat est robuste •Éventuellement optimiser •Études de sensibilité •Prise en compte des incertitudes Erreurs: déficience connue due au modèle ou aux algorithmes Incertitudes: déficience potentielle due au manque de connaissance –Choisir les variables aléatoires –Choisir leur distribution (normal, lognormal..) •Propagation des incertitudes www.nafems.org ©Philippe PASQUET© 18 Retour sur investissement Ce qui coûte Compétences supplémentaires Mise en place de la procédure Ce qui rapporte Diminution du nombre d’essais Fin des essais ratés There’s never enough time to do it right, but there’s always enough time to do it over. – Jack Bergman (!) 19 ©Philippe PASQUET© www.nafems.org www.nafems.org 20 Conclusions (1/2) On n’a pas parlé de physique Mécanique des structures Mécanique des fluides Thermique Électromagnétisme Multiphysique On n’a pas parlé de méthodes Éléments finis Volumes finis Équations intégrales www.nafems.org ©Philippe PASQUET© 21 Conclusions (2/2) La démarche V&V est générale L’activité de simulation n’en est qu’une déclinaison Clinique Biomédical Chimie Pharmacie Agro-alimentaire Économie …. V&V est essentielle pour asseoir la crédibilité de la simulation La prise en compte des incertitudes est une composante essentielle (parfois négligée). Il faut le meilleur résultat déterministe possible 22 ©Philippe PASQUET© www.nafems.org One of the teachings that we should pull [from the experience] it is a real understanding of the uncertainty D. Orell-T. Sedlacek (Le Crépuscule de l’Homo œconomicus – 2012) Trad: Thibaut Mosneron Dupin www.nafems.org ©Philippe PASQUET© 23 Références 1. 2. 3. 4. V&V AIAA Guide for the Verification and Validation of Computational Fluid Dynamics Committee on Standards. ASME, 1998. Guide for Verification and Validation in Computational Solid Mechanics. ASME, 2006. Fundamentals of Verification and Validation. Patrick J. Roache. Hermosa Publishers, 2009 Verification and Validation in Scientific Computing. William L. Oberkampf, Christopher J. Roy. Cambridge University Press, 2010. Vérification codes Verification of Computer Codes in Computational Science and Engineering. Patrick Knupp, Kambiz Salari. Chapman and Hall/CRC, 2002. Code Verification by the Method of Manufactured Solutions. Patrick J. Roache. Trans. ASME, J. Fluids Engineering, 124, pp. 4-10, 2002, Vérification calculs/modèles A Posteriori Error Estimation Techniques for Finite Element Methods. Rüdiger Verfürth. Oxford University Press, 2013. Quantification/propagation d’incertitudes Uncertainty in Industrial Practice. Etienne de Rocquigny, Nicolas Devictor, Stefano Tarantola (Eds.). Wiley, 2008. www.nafems.org ©Philippe PASQUET© 24 Merci pour votre attention! [email protected] [email protected] http://www.nafems.org/events/nafems/2014/vandv/ www.nafems.org ©Philippe PASQUET© 25