Thèse Développement des Modèles Multi-Physiques Réduits d'Un Procédé de Fabrication Automatisé des Composites Aéronautiques H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Sciences Mécaniques et Energétiques, Matériaux et Géosciences Laboratoire de recherche : Laboratoire EULER Direction de la thèse : Olga KLINKOVA ORCID 0000000208203502 Début de la thèse : 2026-10-05 Date limite de candidature : 2026-08-17T23:59:59 Cette thèse propose une approche intégrée pour accélérer l'industrialisation du procédé placement automatisé des fibres (Automated Fiber Placement- AFP) au sein d'une chaîne numérique produit-process. Elle vise d'abord à développer des modèles multi-physiques de référence décrivant les phénomènes clés du procédé (transferts thermiques, cinétique de réticulation, retrait chimique, contraintes résiduelles et déformations), en tenant compte de la variabilité matériaux, des conditions environnementales (notamment l'hygrométrie) et des effets géométriques (épaisseur, courbure, formes complexes). Ces modèles haute fidélité seront calés et validés à partir de données expérimentales.Dans un second temps, la thèse développera une méthodologie de réduction de modèles pour transformer ces simulations coûteuses en modèles réduits (surrogates) capables de fournir des prédictions quasi-temps réel sur des indicateurs directement exploitables par les métiers : temps de cycle, énergie/CO, risques de défauts (vides, chevauchements, porosité) et sensibilité aux paramètres procédé. La démarche développée devra être suffisamment souple permettant de réutiliser l'existant et d'enrichir continuellement des modèles à partir de nouvelles données.

Enfin, les surrogates seront livrés sous forme de micro-services standardisés (entrées/sorties traçables, versionnage, tests), facilement intégrables dans un outil d'aide à la décision. Le procédé Automated Fiber Placement (AFP) est aujourd'hui un levier majeur pour la fabrication de structures composites complexes à haute performance. Toutefois, son industrialisation reste limitée par la complexité des phénomènes physiques mis en jeu (thermiques, chimiques et mécaniques), la variabilité des matériaux et des conditions environnementales, ainsi que le coût élevé des simulations numériques détaillées. Dans ce contexte, le développement de chaînes numériques produit-process constitue un enjeu stratégique pour sécuriser les choix industriels, réduire les cycles de développement et améliorer la robustesse des procédés. Cette thèse s'inscrit dans cette dynamique, au sein d'un outil de l'aide à la décision en visant une meilleure intégration du procédé AFP.
***********
The Automated Fibre Placement (AFP) process is now a key enabler for the manufacture of complex, high-performance composite structures. However, its industrialisation remains limited by the complexity of the physical phenomena involved (thermal, chemical and mechanical), the variability of materials and environmental conditions, and the high cost of detailed numerical simulations. In this context, the development of digital product-process chains is a strategic priority for ensuring sound industrial decisions, reducing development cycles and improving process robustness. This thesis forms part of this initiative, within a decision-support tool aimed at better integrating the AFP process.
La thèse s'articulera autour de trois axes principaux :

1. Modélisation multi-physique du procédé AFP

Développement de modèles décrivant les phénomènes clés du procédé : transferts thermiques, cinétique de réticulation, retrait chimique, contraintes résiduelles et déformations. Les effets de la géométrie (épaisseur, courbure), de la variabilité matériau et des conditions environnementales (notamment l'hydrométrie) seront pris en compte. Les modèles seront calibrés et validés à partir d'essais instrumentés et de données de contrôle qualité.

2. Réduction de modèles et prédiction rapide

À partir des modèles de référence, des méthodes de réduction de modèles seront développées afin d'obtenir des prédictions en temps quasi-réel. Les travaux incluront l'identification des paramètres influents, la définition d'un domaine d'applicabilité, la gestion des incertitudes et une stratégie d'enrichissement continu à partir de données de simulation et d'atelier. Les indicateurs ciblés incluent le temps de cycle, la consommation énergétique/CO et les risques de défauts.

3. Intégration dans la chaîne numérique

Les modèles réduits seront industrialisés sous forme de micro-services (entrées/sorties standardisées, traçabilité, versionnage) et intégrés dans ICAP2 afin de soutenir l'aide à la décision tout au long du cycle de développement procédé.

************
The PhD thesis will focus on three main areas:

1. Multi-physics modelling of the AFP process

Development of models describing the key phenomena of the process: heat transfer, cross-linking kinetics, chemical shrinkage, residual stresses and deformations. The effects of geometry (thickness, curvature), material variability and environmental conditions (particularly humidity) will be taken into account. The models will be calibrated and validated using instrumented tests and quality control data.

2. Model reduction and rapid prediction

Based on the reference models, model reduction methods will be developed to obtain predictions in near real time. The work will include the identification of influential parameters, the definition of a domain of applicability, uncertainty management and a strategy for continuous refinement using simulation and workshop data. The targeted indicators include cycle time, energy consumption/CO and defect risks.

3. Integration into the digital chain

The reduced models will be industrialised in the form of microservices (standardised inputs/outputs, traceability, versioning) and integrated into ICAP2 to support decision-making throughout the process development cycle.

Master 2 ou diplôme d'ingénieur

Spécialisation en mécanique, matériaux composites, modélisation numérique ou procédés de fabrication

Compétences appréciées : simulation numérique, programmation scientifique (Python, MATLAB), bases en data ou modèles réduits

Goût pour la recherche appliquée et l'environnement industriel