Aller au menu Aller au contenu
Conception Produit Process
Laboratoire des Sciences pour la Conception, l'Optimisation et la Production de Grenoble
Conception Produit Process

> GSCOP_Recherche > GSCOP_ConceptionProduitProcess

Soutenance de thèse de Christelle Grandvallet (CPP) le lundi 8 octobre 2018 à 10h en amphithéâtre C - Site Viallet - Grenoble INP

Publié le 26 septembre 2018
A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentTélécharger au format PDFEnvoyer cette page par mail Partagez cet article Facebook Twitter Linked In Google+ Viadeo
Soutenance 8 octobre 2018

Intitulée : "Elicitation et Structuration des Connaissances dans le cadre de la Fabrication Additive"

Les membres du jury :

  • M. Nicolas PERRY, Ecole Nationale des Arts et Métiers Bordeaux (Rapporteur)
  • M. Lionel ROUCOULES, Arts et Métiers ParisTech, centre d’Aix en Provence (Rapporteur)
  • Mme. Nadège TROUSSIER, Université de Technologie de Troyes (Examinateur)
  • M. Frédéric VIGNAT, Université Grenoble-Alpes (Directeur de thèse)
  • M. Franck POURROY, Université Grenoble-Alpes (Co-encadrant)
  • M. Guy PRUDHOMME, Université Grenoble-Alpes (Co-encadrant)
  • M. Clément GIRARD, DP Technology (Co-encadrant)
  • M. Paul RICARD, Président de DP Technology (Invité)


Le résumé
:

Ce travail contribue à proposer des méthodes et outils de gestion des connaissances (Knowledge Management) propres au domaine de la Fabrication Additive (FA). Le modèle KAM (Knowledge Aided Manufacturing) permet de représenter visuellement les états et actions en lien avec les activités spécifiques à la Fabrication Additive. Il inclut plusieurs types d’objets de connaissance dont le niveau de maturité dépend du degré de certitude ou conviction des experts FA interrogés individuellement et/ou collectivement.
Plusieurs techniques et outils d’élicitation personnalisés sont testés puis éprouvés auprès de chercheurs et d’experts industriels impliqués dans la fabrication EBM. L’analyse en termes de connaissances procédurales et déclaratives qui en résulte permet une classification puis une structuration dans le KAM. Ceci nous amène à construire une ontologie sous forme de graphe conceptuel dont la dynamique varie en fonction de contraintes contextuelles (influences, règles d’état, lois) imposées par l’état du monde et de règles d’action dictées par le processus de FA à suivre.
Ces éléments de connaissance ont pour but d’aider un utilisateur de FAAO (Fabrication Additive Assistée par Ordinateur) à : mieux appréhender le monde de la FA et en acquérir les principaux concepts ; simuler des actions et en évaluer les impacts en termes de valeurs QCT (Qualité, Coût, Temps); décider et agir en conséquence avant de lancer une fabrication.

Mots-Clés : Fabrication Additive; Knowledege Management; Elicitation de la connaissance; Modélisation de la connaissance


Abstract :

This research work proposes Knowledge Management (KM) methods and tools related to the Additive Manufacturing (AM) domain. The KAM (Knowledge Aided Manufacturing) model enable to represent visually the states and actions in connection with critical AM activities. It includes different types of knowledge objects which level of maturity depends on the conviction level of AM experts who have been interviewed individually and/or collectively.
Several elicitation techniques and customized tools are tested, then experienced with researchers and industry practitioners involved in AM with EBM technology. The resulting analysis in terms of procedural and conceptual knowledge leads to a classification, then a structuration in the KAM framework. An ontology is constructed in the form of conceptual graph which dynamics can vary according to contextual constraints (influences, state rules, laws) that are dictated by the state of the world and action rules required by the AM process to follow.
These knowledge elements aim at assisting a CAAM (Computer Aided Additive Manufacturing) in: better apprehending the AM domain and understand its main concepts; simulating actions and evaluating their impacts in terms of QCT (Quality, Cost, Time); deciding and acting accordingly before production launching.

Keywords : Additive Manufacturing; Knowledege Management; Knowledge Elicitation; Knowledge Modelling
 


A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentTélécharger au format PDFEnvoyer cette page par mail Partagez cet article Facebook Twitter Linked In Google+ Viadeo

Rédigé par Fadila Messaoud-Djebara

mise à jour le 26 septembre 2018

  • Tutelle CNRS
  • Tutelle Grenoble INP
  • Université Joseph Fourier
  • Tutelle UMR
Communauté Université Grenoble Alpes