Letteratura scientifica selezionata sul tema "Optimisation fiabiliste (RBDO)"

L’objectif de l’optimisation fiabiliste (RBDO) est de trouver le meilleur compromis entre la sécurité et le coût. Plusieurs méthodes, telles que la méthode hybride (HM) et la méthode des facteurs optimaux de sûreté (OSF), sont développées pour atteindre cet objectif. Ces méthodes ont été appliquées uniquement pour les matériaux usuels. Néanmoins, le progrès effectué dans le domaine de l’élaboration de matériaux a conduit à l’utilisation des matériaux “intelligents” tel qua l’alliage à mémoire de forme (SMA). Dans ce papier, nous proposons une extension de ces méthodes dans le cas des structures formées en SMA pour étudier l’efficacité des méthodes proposées.

Lors du fonctionnement des packages électroniques, ceux ci sont exposés à diverses sollicitations d'ordres thermiques et mécaniques. De même, la combinaison de ces sources de contraintes constitue l'origine de la quasi majorité des défaillances des packages électroniques. Pour s'assurer de la bonne résistance des packages électroniques, les fabricants pratiquent des tests de fiabilité et des analyses de défaillance avant toute commercialisation. Toutefois, les essais expérimentaux, lors de la phase de conception et de l'élaboration des prototypes, s'avèrent contraignants en termes de temps et de ressources matérielles. En revanche, la simulation numérique à l'aide de la méthode des éléments finis constitue une option alternative en termes de temps et de ressources. Les objectifs dévolus aux travaux de recherche visent à élaborer quatre modèles éléments finis en 3D, validés/calibrés par des essais expérimentaux, intégrant les recommandations JEDEC (1) en vue de : - Procéder à la caractérisation thermique et thermomécanique des packages électroniques ; - Et prédire la durée de vie en fatigue thermique des joints de brasures et ce, en lieu et place de la caractérisation expérimentale normalisée. Or, la mise en œuvre des modèles éléments finis présente certains inconvénients liés aux incertitudes au niveau de la géométrie, des propriétés matériaux, les conditions aux limites ou les charges. Ceux ci ont une influence sur le comportement thermique et thermomécanique des systèmes électroniques. D'où la nécessité de formuler le problème en termes probabilistes et ce, dans le but de mener une étude de fiabilité et d’optimisation des packages électroniques. Pour remédier au temps de calcul énorme généré par les méthodes d’analyse de fiabilité classiques, nous avons développé des méthodologies spécifiques à cette problématique, via des méthodes d’approximation basées sur le krigeage avancé,qui nous ont permis de bâtir un modèle de substitution, qui rallie efficacité et précision. Par conséquent, une analyse de fiabilité a été menée avec exactitude et dans un temps extrêmement court, via les méthodes de simulation Monte Carlo et FORM/SORM, couplées avec le modèle de krigeage avancé. Ensuite, l’analyse de fiabilité a été associée dans le processus d’optimisation, en vue d’améliorer la performance et la fiabilité de la conception structurelle des packages électroniques. A la fin, nous avons procédé à l’applicabilité des dites méthodologies d’analyse de fiabilité aux quatre modèles éléments finis ainsi développés. Il résulte que les analyses de fiabilité menées se sont avérées très utiles pour prédire les effets des incertitudes liées aux propriétés matériaux. De même, l’analyse d’optimisation de fiabilité ainsi réalisée nous a permis d’améliorer la performance et la fiabilité de la conception structurelle des packages électroniques. (1) JEDEC (Joint Electron Device Engineering Council) est un organisme de normalisation des semi-conducteurs
During operation, electronic packages are exposed to various thermal and mechanical solicitations. These solicitations combined are the source for most of electronic package failures. To ensure electronic packages robustness, manufacturers perform reliability testing and failure analysis prior to any commercialization. However, experimental tests, during design phase and prototypes development, are known to be constraining in terms of time and material resources. This research aims to develop four finite element models in 3D, validated/calibrated by experimental tests, integrating JEDEC recommendations to : - Perform electronic packages thermal and thermomechanical characterization ; - Predict the thermal fatigue life of solder joints in place of the standardized experimental characterization.However, implementation of the finite element model has some disadvantages related to uncertainties at the geometry, material properties, boundary conditions or loads. These uncertainties influence thermal and electronic systems thermomechanical behavior. Hence the need to formulate the problem in probabilistic terms, in order to conduct a reliability study and a electronic packages reliability based design optimization.To remedy the enormous computation time generated by classical reliability analysis methods, we developed methodologies specific to this problem, using approximation methods based on advanced kriging, which allowed us to build a substitution model, combining efficiency and precision. Therefore reliability analysis can be performed accurately and in a very short time with Monte Carlo simulation (MCS) and FORM / SORM methods coupled with the advanced model of kriging. Reliability analysis was associated in the optimization process, to improve the performance and electronic packages structural design reliability. In the end, we applied the reliability analysis methodologies to the four finite element models developed. As a result, reliability analysis proved to be very useful in predicting uncertainties effects related to material properties. Similarly, reliability optimization analysis performed out has enabled us to improve the electronic packages structural design performance and reliability. In the end, we applied the reliability analysis methodologies to the four finite element models developed. As a result, reliability analysis proved to be very useful in predicting uncertainties effects related to material properties. Similarly, reliability optimization analysis performed out has enabled us to improve the electronic packages structural design performance and reliability

Ce travail de recherche se penche sur les défis et les interactions entre les procédés de fabrication RTM et CRTM, les propriétés mécaniques et la fiabilité des structures en matériaux composites fonctionnels. Des modèles numériques ont été développés pour simuler l’imprégnation de la suspension à travers le milieu fibreux dans ces deux procédés. Ces modèles ont été validés en comparant leurs résultats à des résultats expérimentaux, semi-analytiques et analytiques présentes dans la littérature. Une étude paramétrique a été menée pour démontrer l’impact des différents paramètres de procédé sur la distribution des particules dans le composite final. De plus, une comparaison entre les modes d’injection et de compression a été effectuée. Les résultats de cette partie ont montré que la distribution des particules dans la pièce finale dépend de la concentration initiale, de la distance parcourue et de la fraction volumique initiale des fibres, indépendamment des valeurs des paramètres d'injection et de compression. Il a également été observé que le procédé CRTM à pression d’injection imposée et à force de compression imposée représente le scénario le plus favorable pour produire des pièces composites. Afin de contrôler la distribution finale des particules dans le composite élaboré par le procédé RTM, deux étapes clés ont été identifiées et conduites. La première étape consiste en une analyse de sensibilité axée sur trois paramètres : l’évolution temporelle de la concentration initiale des particules, du champ de pression d’injection, et de la porosité initiale des fibres. Les conclusions indiquent un impact mineur de la porosité initiale et du champ de pression d’injection, tandis que l’évolution de la concentration initiale des particules injectées joue un rôle prépondérant. Dans une seconde étape, un algorithme d’optimisation a été intégré au modèle numérique du procédé RTM, visant à déterminer la configuration optimale de l’évolution de la concentration initiale des particules injectées afin de rapprocher la distribution des particules dans le composite final aux profils souhaités. Les résultats obtenus grâce à l’algorithme génétique ont démontré une maîtrise satisfaisante de cette répartition. Pour enrichir cette partie, un modèle évaluant le comportement mécanique de la pièce fabriquée a été développé. Les résultats indiquent une corrélation positive entre le taux de particules et certaines propriétés mécaniques telles que les modules d’élasticité E11 et E22, ainsi que les modules de cisaillement G12 et G23. Cependant, le coefficient de Poisson (Nu12) est inversement proportionnel au taux de particules. En outre, le module de cisaillement G12 était le plus influencé par le taux de particules.Dans cette partie, nous avons visé le contrôle des propriétés mécaniques des pièces composites fabriquées par le procédé CRTM, ensuite comparées aux résultats du procédé RTM. Les conclusions révèlent que le procédé RTM offre un meilleur contrôle de ces propriétés, tandis que le procédé CRTM améliore considérablement les propriétés mécaniques des pièces grâce à sa phase de compression, qui augmente la fraction volumique des fibres et donc améliorant ces propriétés.Par la suite, une analyse statique a été réalisée en développant un modèle numérique basé sur la méthode des éléments finis avec Ansys APDL. Cette analyse vise la détermination de la déformation maximale de la pièce en fonction de la configuration (encastrement, simplement appuyé) et de la charge répartie appliquée. Ce modèle est combiné avec ceux du procédé CRTM et du calcul des propriétés mécaniques. Dans le but d’ajuster les propriétés mécaniques de la pièce composite selon la configuration et la charge répartie, tout en minimisant son poids et en respectant des contraintes mécaniques prédéterminées, telles que la limite de déformation maximale, un algorithme d’optimisation a été intégré à notre modèle global. Les résultats obtenus répondent parfaitement à ces objectifs
This research focuses on the challenges and interactions between the manufacturing processes (Resin Transfer Molding ‘RTM’ and Compression Resin Transfer Molding ‘CRTM’), the mechanical properties, and the reliability of composite material structures; more specifically the functional composites. A number of numerical models have been developed for simulating the suspension (resin + particles) impregnation through the fibrous medium (fibers) in the RTM and CRTM processes. These models are validated by comparing their results with experimental, semi-analytical, and analytical ones from the literature. A parametric study is carried out to demonstrate the impact of various process parameters on particles’ distribution in the final composite. Moreover, a comparison between the injection and compression modes is done. The results of this part show that the distribution of particles in the final part depends on the initial concentration, the distance travelled, and the initial fibers’ volume fraction. However, it is independent of the parameters values of injection and compression. It is also observed that the CRTM process with imposed pressure injection and imposed force compression represents the most favorable scenario for producing composite parts.For the purpose of controlling the final particles’ distribution in the composite material, manufactured by the RTM process, two key steps have been identified. The first step consists in a sensitivity analysis that examines three parameters: the temporal evolution of the initial injected particles’ concentration, the injection pressure field and the initial fibers’ porosity. The conclusions indicate a minimal impact of the initial porosity and the injection pressure field; while the evolution of the initial concentration of the injected particles has a dominant effect. In a second step, an optimization algorithm is implemented in the numerical model of the RTM process. It is used to determine the optimal configuration of the initial injected particles’ concentration’s evolution; in order to approximate the particles’ distribution in the final composite to the desired profiles. The obtained results from the genetic algorithm provide a very satisfactory control of this distribution. To complete this section, a model, estimating the mechanical properties of the manufactured part, is developed. It is found that there is a positive correlation between the particles’ fraction and certain mechanical properties, namely the elastic modulus E11 and E22, and the shear modulus G12 and G23. Nevertheless, the Poisson’s ratio (Nu12) is inversely proportional to the particles’ fraction. Also, the shear module G12 is the most significantly influenced by this fraction.Following this, the control of the mechanical properties of the composite parts, manufactured by the CRTM process, is targeted, and compared to the results of the RTM process. The conclusions reveal that the RTM process offers a better control of these properties. Whereas, the CRTM process improves considerably the mechanical properties of the parts due to its compression phase, which increases the fibers’ volume fraction and consequently enhances these properties.Finally, a static analysis is conducted based on the developed numerical model that uses the finite element method (Ansys APDL). This model is combined with those of the CRTM process and the mechanical properties calculation. An optimization algorithm is integrated in our global model to adapt the mechanical properties of the composite part according to the configuration (cantilever or simply supported) and the load distribution. Moreover, it minimizes the composite part’s weight and ensures the respect of the predetermined mechanical constraints such as the maximum deformation limit. The obtained results correspond perfectly to these objectives

Au stade de projet amont, les ingénieurs utilisent souvent des modèles de basse fidélité possédant de larges erreurs. Les approches déterministes prennent implicitement en compte les erreurs par un choix conservatif des paramètres aléatoires et par l'ajout de facteurs de sécurité dans les contraintes de conception. Une fois qu'une solution est proposée, elle est analysée par un modèle haute fidélité (test futur): une re-conception peut s'avérer nécessaire pour restaurer la fiabilité ou améliorer la performance, et le modèle basse fidélité est calibré pour prendre en compte les résultats de l'analyse haute-fidélité. Mais une re-conception possède un coût financier et temporel. Dans ce travail, les effets possibles des tests futurs et des re-conceptions sont intégrés à une procédure de conception avec un modèle basse fidélité. Après les Chapitres 1 et 2 qui donnent le contexte de ce travail et l'état de l'art, le Chapitre 3 analyse le dilemme d'une conception initiale conservatrice en terme de fiabilité ou ambitieuse en termes de performances (avec les re-conceptions associées pour améliorer la performance ou la fiabilité). Le Chapitre 4 propose une méthode de simulation des tests futurs et de re-conception avec des erreurs épistémiques corrélées spatialement. Le Chapitre 5 décrit une application à une fusée sonde avec des erreurs à la fois aléatoires et de modèles. Le Chapitre 6 conclut le travail
At the initial design stage, engineers often rely on low-fidelity models that have high uncertainty. In a deterministic safety-margin-based design approach, uncertainty is implicitly compensated for by using fixed conservative values in place of aleatory variables and ensuring the design satisfies a safety-margin with respect to design constraints. After an initial design is selected, high-fidelity modeling is performed to reduce epistemic uncertainty and ensure the design achieves the targeted levels of safety. High-fidelity modeling is used to calibrate low-fidelity models and prescribe redesign when tests are not passed. After calibration, reduced epistemic model uncertainty can be leveraged through redesign to restore safety or improve design performance; however, redesign may be associated with substantial costs or delays. In this work, the possible effects of a future test and redesign are considered while the initial design is optimized using only a low-fidelity model. The context of the work and a literature review make Chapters 1 and 2 of this manuscript. Chapter 3 analyzes the dilemma of whether to start with a more conservative initial design and possibly redesign for performance or to start with a less conservative initial design and risk redesigning to restore safety. Chapter 4 develops a generalized method for simulating a future test and possible redesign that accounts for spatial correlations in the epistemic model error. Chapter 5 discusses the application of the method to the design of a sounding rocket under mixed epistemic model uncertainty and aleatory parameter uncertainty. Chapter 6 concludes the work

Puisque les incertitudes des paramètres de systèmes mécaniques entrainent la variabilité de la performance du produit, les systèmes optimisés sans prendre en compte les incertitudes peuvent présenter le risque de défaillance. L'optimisation fiabiliste (RBDO) focalise ainsi l'attention des ingénieurs et des chercheurs. Cependant, les méthodes habituelles de RBDO présentent un coût informatique excessif. Donc, afin d'améliorer l'efficacité informatique de la résolution de problèmes de RBDO, il est naturel de faire appel à des approches basées sur les surfaces de réponse (RSM). Dans ce travail, nous nous concentrons sur une Méthodologie de Surface de Réponse adaptée à la conception optimale dans le contexte fiabiliste. Nous proposons une variante de l'Approximation Diffuse, basée sur un modèle d'échantillonnage progressif et couplée à l'estimation de la fiabilité par FORM. La méthode proposée utilise simultanément des points dans l'espace normal standard U ainsi que dans l'espace physique X. Les deux réseaux forment un « plan d'expériences virtuel » défini par deux jeux de points dans les deux espaces de conception, qui sont évalués seulement quand nécessaire pour réduire au minimum le nombre d'évaluations « exactes » et ainsi diminuer le coût informatique. Dans chaque nouvelle itération, le pattern de points est mis à jour avec des points du design virtuel convenablement choisis afin d'effectuer l'approximation. Nous étendons ici l'idée d'Hypercube Latin (LHS) pour réutiliser au maximum des points précédemment calculés en ajoutant un nombre minimal de nouveaux points voisins à chaque étape, nécessaires pour l'approximation au voisinage du design actuel. Nous proposons des opérateurs de translation, de zoom avant et arrière, étendant ainsi le modèle LHS et le rendant récursif tout en contrôlant la qualité d'exploration de l'espace de conception et en maximisant le conditionnement de l'approximation. Dans la partie applicative de ce travail, nous examinons l'optimisation des paramètres du processus de fraisage à commande numérique (NC) de l'acier à haute limite élastique. Le succès de l'opération d'usinage dépend de la sélection des paramètres tels que le taux d'alimentation, la vitesse de coupe, les profondeurs axiales et radiales de coupe. Les contraintes d'optimisation sont exprimées comme des fonctions des indices de fiabilité calculés par FORM diffus
Since variances in the input parameters of engineering systems cause subsequent variations in the product performance, and deterministic optimum designs that are obtained without taking uncertainties into consideration could lead to unreliable designs. Reliability-Based Design Optimization (RBDO) is getting a lot of attention recently. However, RBDO is computationally expensive. Therefore, the Response Surface Methodology (RSM) is often used to improve the computational efficiency in the solution of problems in RBDO. In this work, we focus on a Response Surface Methodology (RSM) adapted to the Reliability-Based Design Optimization (RBDO). The Diffuse Approximation (DA), a variant of the well-known Moving Least Squares (MLS) approximation based on a progressive sampling pattern is used within a variant of the First Order Reliability Method (FORM). The proposed method simultaneously uses points in the standard normal space (U-space) as well as the physical space (X-space). The two grids form a “virtual design of experiments” defined by two sets of points in the two design spaces, that are evaluated only when needed in order to minimize the number of ‘exact’ thus computationally expensive function evaluations. In each new iteration, the pattern of points is updated with points appropriately selected from the “virtual design of experiments”, in order to perform the approximation. As an original contribution, we introduce the concept of « advancing Latin Hypercube Sampling (LHS) » which extends the idea of Latin Hypercube Sampling (LHS) to maximally reuse previously computed points while adding a minimal number of new neighboring points at each step, necessary for the approximation in the vicinity of the current design. We propose panning, expanding and shrinking Latin hypercube patterns of sampling points and we analyze the influence of this specific kind of patterns on the quality of the approximation. Next we calculate the minimal number of data points required in order to get a well-conditioned approximation system. In the application part of this work, we investigate the optimization of the process parameters for Numerical Control (NC) milling of ultrahigh strength steel. The success of the machining operation depends on the selection of machining parameters such as the feed rate, cutting speed, and the axial and radial depths of cut. A variant of the First Order Reliability Method (FORM) is chosen to calculate the reliability index. The optimization constraints are expressed as functions of the computed reliability indices