Actualités et vidéos
Une nouvelle ligne de transformation composite thermoplastique pour le Compositadour
Dernièrement, la plateforme Compositadour, du laboratoire ESTIA-R, a installé une nouvelle ligne de transformation composite thermoplastique. Cet équipement complètement automatisé permet la fabrication de pièces composites hautes performances avec des cadences de production élevées et des coûts optimisés. Cette technologie promet des perspectives intéressantes pour le recyclage des matériaux. Ainsi, plusieurs projets de Recherches et Développement ont démarrés avec des industriels sur différents domaines d’activités notamment :
– Sports et Loisirs avec des accessoires vélos, de l’équipement de ski etc
– Pièces de structures aéronautiques
– Equipements satellites et spatiales
Pour monter en compétences sur la maîtrise des procédés, Compositadour a lancé une thèse sur le sujet qui vient d’être soutenue par Camille Vernejoux.
Compositadour travaille sur le placement de fibre robotisée, une technologie clé pour la plateforme qui a réussi à transférer cette technologie dans le domaine aéronautique, spatial et défense. En revanche, ce sont des moyens qui sont très couteux en termes de coût d’acquisition.
Alors, pour amener cette technologie vers d’autres secteurs d’activités et également vers des PME, Compositadour en partenariat avec la société Carbon Axis a développé une cellule AFP à coût optimisés. Celle-ci reprend les principes des machines AFP développé pour l’aéronautique mais accessible en termes de coût d’investissement par une PME. Elle permet de réaliser du drapage de fibre composites hautes performances, de manière complètement automatisée. Cette technologie est extrêmement intéressante pour fabriquer des pièces de Sports et Loisirs par exemple. Cette technologie est aujourd’hui commercialisée par Carbon Axis.
Poursuivre votre lecture
dernière Success Stories
Projet Descartes, l’IA au chevet de la ville du futur
Projet Descartes, l'IA au chevet de la ville du futureDerrière ce nom très français se cache un des plus grands projets collaboratifs à l’international porté par le CNRS, avec un budget de 35 M€ sur...
dernière Actualité
L’efficacité du triptyque Formation – Recherche – Entreprise
Le triptyque Formation – Recherche – Entreprise est un modèle intégré qui, lorsqu’il fonctionne bien, crée un cercle vertueux où chaque élément nourrit les autres. Pour rendre ce modèle pleinement...
Un projet ?
L’objectif de GENERAT3D est de développer des méthodes de génération automatique de grands volumes de données pour alimenter des méthodes d’apprentissage machine pour la rétro-conception de pièces et d’assemblages mécaniques.
Des méthodes de génération de données artificielles pour l’apprentissage machine
Récolter et labelliser des données pour l’apprentissage machine est un travail qui peut s’avérer chronophage, tout particulièrement dans le contexte multimodal de la rétro-conception de produits où il est nécessaire d’avoir une labellisation par pièce et par assemblage dans plusieurs types de représentations 2D et 3D. Pour cela des méthodes d’augmentation de données CAO, de génération d’images photo-réalistes, de nuages de points « tels que scannés », ainsi que de cartes de profondeurs seront développées. Des cas d’études utilisant ces données seront développés lors du projet afin d’illustrer leurs exploitations.
Impacts et retombées prévus pour l’Industrie du Futur
La mise à disposition de ces méthodes de génération de grands volumes de données (ainsi que de jeux de données déjà générés) permettra en premier lieu la mise en place de nouvelles méthodes de rétro-conception de produits telles que l’aide à la rétro-conception ou l’automatisation de la rétro-conception.
À plus long terme, ces méthodes seront également profitables à d’autres applications en lien avec l’ingénierie des systèmes dans un contexte d’Industrie du Futur où l’apprentissage machine permet aujourd’hui de lever de nouveaux verrous scientifiques, telles que la conception de produits, le fonctionnement en temps réel des jumeaux numériques, la détection d