IDEFISC
IDEntification des FISsures dans les Composites
Contexte et problématique
Dans le contexte global de la surveillance des systèmes et des structures, l’identification précoce des défauts est un sujet d’importance pour tous les industriels, tant pour la maintenance prévisionnelle et la sureté de fonctionnement que pour le contrôle des process de fabrication ou de la qualité du produit fini.
En particulier, les méthodes de control non destructif (CND) d’identification de défauts dans les matériaux représentent un enjeu important dans de nombreux secteurs d’activité (composite, plasturgie, fonderie, génie civil, etc).
Au sein de IDEFISC, une approche scientifique innovante d’ondes moyenne fréquence, portée par le LTDS et appuyée par de l’intelligence artificielle, apporte une efficacité de détection supérieure aux méthodes traditionnelles de CND.
L’efficacité de la méthode sera démontrée sur une large gamme de produits grâce à la mise à disposition de lots de pièces par les industriels présents dans le projet (TOKAI CARBON SAVOIE, CLAYENS NP, SAFRAN COMPOSITES & SMAC).
Les résultats auront donc un potentiel d’application sur les marchés du CND et du monitoring des systèmes et structures.
Enjeux
01
Déterminer les signes avant-coureurs de défauts
02
Développer un outil d’identification de défauts dans des pièces composites
03
Développer un outil pour la surveillance en opération (SHM)
Le projet IDEFISC a permis de nombreuses avancées techniques que nous avons synthétiser en un démonstrateur utilisable sur site industriel.
Nous avons pu mieux borner l’utilisation des méthodes d’IA et la place du numérique dans notre offre de Contrôle Non Destructif (CND) basée sur l’acoustique et la vibration.
Cela nous permet de mieux positionner et définir nos offres.
Nous avons eu à gérer l’intégration de routines et d’exécutables externes dans notre logiciel d’acquisition pour faire des produits de mesure intégrant les méthodes IA fournies sous forme d’exécutable et développées en interne ou par des tierces.
Nous avons également pu améliorer les capacités d’adaptation de notre produit de mesure vibratoire pour intégrer de nouveaux protocoles et plus de capteurs.
Points-clé de développement
01
Maîtriser les perturbations liées à l’amortissement par une approche multi-bandes de fréquences
02
Détecter des défauts à toutes les échelles par une combinaison d’approches spectrales
03
Aide à la décision pour la mise en oeuvre opérationnelle basée sur l’IA et le machine learning
Résultats
Le projet IDEFISC a permis de nombreuses avancées techniques que nous avons synthétiser en un démonstrateur utilisable sur site industriel.
Nous avons pu mieux borner l’utilisation des méthodes d’IA et la place du numérique dans notre offre de Contrôle Non Destructif (CND) basée sur l’acoustique et la vibration.
Cela nous permet de mieux positionner et définir nos offres.
Nous avons eu à gérer l’intégration de routines et d’exécutables externes dans notre logiciel d’acquisition pour faire des produits de mesure intégrant les méthodes IA fournies sous forme d’exécutable et développées en interne ou par des tierces.
Nous avons également pu améliorer les capacités d’adaptation de notre produit de mesure vibratoire pour intégrer de nouveaux protocoles et plus de capteurs.
Contact
Hugo SIWIAK
Chef de projet, Responsable de l’Equipe essais
Aurélien Cloix
Ingénieur essais, systèmes et bancs de tests
Détails projet
1 M€
de financement
2
logiciels spécifiques développés
3
ans de développement
Financement
Ce projet bénéficie du soutien « R&D Booster » sponsorisé par
Une collaboration rhônalpine au service de grands groupes
Laboratoires de recherche
