Aide à l'analyse et au diagnostic de résultats de simulation numérique

par Naouress Fatfouta

Projet de thèse en Sciences et technologies industrielles

Sous la direction de Julie Le cardinal.

Thèses en préparation à Paris Saclay , dans le cadre de Interfaces : approches interdisciplinaires, fondements, applications et innovation , en partenariat avec Laboratoire Génie Industriel (laboratoire) et de CentraleSupélec (établissement de préparation de la thèse) depuis le 02-01-2017 .


  • Résumé

    L'analyse fine des résultats de simulation numérique sur des véhicules ou systèmes complexes est nécessaire pour assurer la robustesse des résultats de simulation, mais surtout pour détecter l'origine des problèmes lorsque le comportement est non conforme, c'est-à-dire lorsque les spécifications ne sont pas atteintes. L'objectif est alors de rechercher des contremesures, c'est-à-dire une nouvelle définition technique permettant de corriger l'écart sur la performance. Cette activité doit se réaliser dans des temps très courts. Or la phase critique réside dans l'analyse des causes racines afin de permettre de déterminer les principes d'une solution avant de la concevoir et l'implanter. Cette activité est aujourd'hui itérative et basée essentiellement sur l'expérience et la compétence d'experts. Elle est donc à la fois assez lente, fragile et centralisée. L'objectif est d'automatiser la gestion des connaissances basée sur la capitalisation des informations acquises lors des projets précédents par des activités de simulation et d'essais. L'utilisation de ces bases de données bien structurées doit permettre une analyse des causes plus rapide et argumentée grâce à des cas réels. L'utilisation des techniques d'apprentissage pourra être explorée dans un deuxième temps sur des cas simples.

  • Titre traduit

    Digital Simulation Results Analysis and Diagnosis Support


  • Résumé

    The analysis of the results of digital simulation on vehicles or complex systems is necessary to insure the robustness of the results of simulation, but especially to detect the origin of the problems when the behavior is not corresponding, that is when the specifications are not reached. The objective is then to look for contremesures, what is new technical definition allowing to correct the gap on the performance. This activity has to come true in very short times. Yet the critical phase lies in the analysis of the roots causes to allow to determine the principles of a solution before designing her it and implanting it. This activity is today iterative and based essentially on the experiences and the skills of experts. it is rather slow, fragile and centralized. The objective is to automate the knowledge management based on the capitalization of the information acquired during the previous projects by activities of simulation. The use of these bases of well structured data has to allow an analysis of the causes faster thanks to real cases. The use of the techniques of learning can be secondly explored on simple cases.