Contexte de l’étude
Safran Additive Manufacturing Campus, souhaite ériger une chaîne de propagation d’incertitudes sur un modèle hybride de simulation numérique de procédé de fabrication additive, dans l’objectif d’identifier les paramètres influents et ainsi maîtriser ce procédé. Le modèle hybride comporte deux phases de simulations avec des entrées de différents types : scalaires et champs. Les sorties de la première phase du modèle sont des champs 3D corrélés et qui sont aussi les entrées de la deuxième phase du modèle.
Méthodes et réalisations
- Développement de scripts Python pour inférer les données disponibles pour certaines variables d’entrée et ainsi construire le modèle probabiliste.
- Génération de plans d’expériences représentatifs du domaine de variabilité des entrées du modèle.
- Mise en place d’une procédure d’automatisation de la construction de fichiers pour le lancement du calcul de chacun des points du plan d’expériences.
- Construction de métamodèles de type Krigeage remplaçant la première phase du modèle hybride à partir du plan d’expériences évalué.
- Identification des paramètres influents sur les champs de sortie de la première phase, après calcul des indices de Sobol correspondants.
- Construction d’un deuxième métamodèle couplant une ACP et des polynômes de chaos pour remplacer la deuxième phase du modèle.
- Les champs d’entrée de la deuxième phase étant corrélés, une analyse de sensibilité avec les indices de Shapley a été effectuée pour identifier les champs influents sur les sorties finales du modèle.
- Une analyse statistique descriptive ainsi que des matrices de corrélation ont également été réalisées.
