Thèse soutenue

Contribution à la conception préliminaire robuste en ingéniérie de produit

FR  |  
EN
Auteur / Autrice : Laura Picheral
Direction : Jean BigeonKhaled Hadj Hamou
Type : Thèse de doctorat
Discipline(s) : Génie industriel
Date : Soutenance le 27/09/2013
Etablissement(s) : Grenoble
Ecole(s) doctorale(s) : École doctorale Ingénierie - matériaux mécanique énergétique environnement procédés production (Grenoble ; 2008-....)
Partenaire(s) de recherche : Laboratoire : Sciences pour la conception, l'optimisation et la production (Grenoble)
Jury : Président / Présidente : Claude Marchand
Examinateurs / Examinatrices : Jean Bigeon, Patrice Joyeux
Rapporteurs / Rapporteuses : Lionel Roucoules, Jean-Yves Dantan

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Les travaux présentés dans cette thèse portent sur la conception robuste de produit et plus particulièrement sur la phase de pré-dimensionnement dans le cas où un modèle de dimensionnement et un cahier des charges sont déjà définis. Une approche pour réaliser de l’optimisation robuste est proposée pour réduire la dispersion de la fonction objectif du cahier des charges du produit lorsque les paramètres de conception sont sujets aux incertitudes, conserver une bonne performance du produit et assurer une faisabilité des contraintes. Nous proposons ainsi la formulation d’un cahier des charges dit « robuste » transformant la fonction objectif et les contraintes du cahier des charges initial afin d’intégrer une notion de robustesse préalablement définie. La seconde contribution est une analyse des méthodes trouvées dans la littérature pour la propagation d’incertitudes à travers des modèles de dimensionnement. Les variations des paramètres sont alors modélisées par des dispersions probabilistes. L’analyse théorique du fonctionnement de chaque méthode est complétée par des tests permettant d’étudier la précision des résultats obtenus et de sélectionner la méthode utilisée par la suite. L’approche pour l’optimisation robuste de produit proposée dans ce travail est finalement mise en œuvre et testée sur deux études de cas. Elle intègre la méthode de propagation d’incertitudes dans une boucle de l’algorithme d’optimisation de manière à automatiser la recherche d’une solution optimale robuste pour le dimensionnement du produit.