Nantilus
Aide à la décision multi-critères à base de connaissance pour la planification en fabrication auditive
Cette thèse présente une recherche sur le développement de stratégies pour la planification de processus en Fabrication Additive (FA). La recherche se compose de deux parties principales, l'étude théorique et l'étude de l'application. Dans la partie théorique, plusieurs méthodes ont é...
Enregistré dans:
| Auteurs principaux : | , , , , , , , |
|---|---|
| Collectivités auteurs : | , , |
| Format : | Thèse ou mémoire |
| Langue : | anglais |
| Titre complet : | Aide à la décision multi-critères à base de connaissance pour la planification en fabrication auditive / Yicha Zhang; sous la direction de Alain Bernard |
| Publié : |
2014 |
| Description matérielle : | 1 vol. (XXXVI-198 p.) |
| Note de thèse : | Thèse de doctorat : Génie mécanique, productique transport : Ecole Centrale de Nantes : 2014 |
| Sujets : |
| Résumé : | Cette thèse présente une recherche sur le développement de stratégies pour la planification de processus en Fabrication Additive (FA). La recherche se compose de deux parties principales, l'étude théorique et l'étude de l'application. Dans la partie théorique, plusieurs méthodes ont été développées pour certaines questions clé de la planification systématique. Un modèle intégréest proposépour aider à la prise de décision. Puis, ce modèle est incorporé dans l'optimisation évolutive pour améliorer la performance de l algorithme génétique quand on l utilise pour résoudre les problèmes multi-objectifs. Pour la prédiction du temps de production, deux méthodes de modélisation sont proposées pour construire des modèles utilisés dans les contextes d une production mono-pièce et d une production multi-pièces. Pour améliorer la réutilisation des connaissances de production en FA, le concept d entitéde FA est défini et appliqué pour résoudre une tâche de planification, l'optimisation de l'orientation étant prise comme exemple. Pour faciliter d'autres tâches de planification de processus qui ont une caractéristique combinatoire, la technologie de groupe couramment utilisée par les procédés traditionnels est modifiée et proposée pour le regroupement des pièces. Fondée sur l'étude théorique, une étude de l'application est réalisée pour traiter le problème de la planification de processus dans un contexte de production multi-pièces. Une méthode systématique à base d entités de FA et de connaissance est développée dans le cadre de la planification proposée. Les tâches de planification sont identifiées et chacune d'elles est résolue par une méthode conçue spécifiquement. Certaines tâches ont déjà été mises en œuvre dans la partie théorique comme des études de cas ou des exemples illustratifs. Les méthodes proposées pour deux tâches clé, l'optimisation de l'orientation dans le contexte de production multi-pièces et la nidification bi-dimensionnelle pour augmenter la compacité de l espace occupé sur la machine, sont élaborées et mises en œuvre sur la plate-forme Matlab. En raison de la complexité du problème de planification de traitement, cette recherche ne peut pas résoudre tous les problèmes. De nouvelles recherches doivent être réalisées dans le futur. This dissertation presents a research on developing a feature and knowledge based systematic process planning for Additive Manufacturing (AM). The whole research is composed by two core parts, theoretical study and application study. In the theoretical part, several methodologies were developed under a proposed systematic process planning ramework to deal with some of the key issues of systematic process planning in AM. An integrated Multi-attribute decision making (MADM) model, which contains two sub models using distance metric and similarity metric for evaluating alternatives, is developed to solve the decision making issue of process planning in AM. Then, this developed model is used to develop an improved evolutionary optimization method for solving the Multi-objective or Many-objective optimization problems that usually are variants of classical combinatorial problems and have characteristics of NP-complete or NP-hard by conducting an embedding. For the prediction issue of process planning in AM, this research proposed two modeling methodologies for developing build time estimation models in both single part production and Multi-part production contexts. To enhance the reuse of AM production knowledge, AM feature is defined and applied for solving orientation optimization planning task for AM process planning. Since many of the planning tasks have Multi-attribute decision making and combinatorial characteristics in Multi-part production context, a modified group technology is proposed for grouping or clustering parts to facilitate some process planning tasks, especially in the Multi-part production context. The nesting problem of process planning in the Multi-part production context investigated in the application study part testified the impact of part clusters on the nesting efficiency and compactness.Based on the theoretical study, an application study is carried out for dealing with the process planning problem in Multi-part production context. An AM feature and knowledge based systematic process planning strategy is developed under the proposed process planning framework. The specific planning tasks are identified and each of them is solved by a designed method. Some of tasks were already implemented in the theoretical study part as case studies or illustrative examples. Two key tasks, Multi-part orientation and 2-Dimensional nesting, are solved and implemented respectively on the Matlab platform at the end of this VII application study part as demonstration examples. The proposed strategy has a possibility of being commercialized. Due to the complexity of process planning problem, though a comprehensive investigation is conducted, this research can only solve a part of limited problems. However, it opens many doors for future research activities according to its findings and expectations or perspectives. |
|---|---|
| Variantes de titre : | Feature and knowledge based systematic process planning for additive manufacturing |
| Notes : | Ecole(s) Doctorale(s) : École doctorale Sciences pour l'ingénieur, Géosciences, Architecture Partenaire(s) de recherche : Institut de recherche en communications et cybernétique de Nantes (IRCCyN) Autre(s) contribution(s) : Jean-Pierre Kruth (président du jury) ; François Villeneuve, Christian Coddet (rapporteurs) ; Alain Bernard, David Bourell, Luc Mathieu, Philippe Bertrand (membres du jury) |
| Bibliographie : | Bibliogr. p. [200]-[213] |