CAO ModélisationIAO simulationJumeau numériqueModélisation systèmes

MACHINE LEARNING : UNE APPROCHE EN PLEIN ESSOR

LA MODÉLISATION NUMÉRIQUE « PHYSIQUE » EST AU COEUR DE LA CONCEPTION DES SYSTÈMES CRITIQUES DE SAFRAN ET PRÉSENTE UN POTENTIEL DE PROGRÈS ENCORE IMPORTANT POUR RÉDUIRE LES CYCLES DE CONCEPTION. EN PARALLÈLE, L’ÉMERGENCE DES TECHNIQUES D’APPRENTISSAGE AUTOMATIQUE (INTELLIGENCE ARTIFICIELLE) OFFRE UNE VOIE COMPLÉMENTAIRE POUR TIRER PARTI DE L’EXPÉRIENCE, ET MODÉLISER LE COMPORTEMENT INDIVIDUEL DES SYSTÈMES EN SERVICE.

Safran s’est emparé des progrès techniques réalisés dans les domaines de l’intelligence artificielle pour en explorer le potentiel, notamment au sein de Safran Tech, notre centre de R&T, et Safran Analytics notre centre de compétences sur les données.

Un premier domaine d’application ciblé a été le traitement d’image, pour les chaînes optroniques mais aussi pour les contrôles non destructifs en production. Cette dernière application peut sembler anecdotique, mais il faut comprendre qu’il n’en est rien : sur nos pièces les plus critiques, notamment celles des moteurs, le temps de contrôle peut représenter plus de 30 % du temps total de fabrication. La numérisation de techniques telles que la radiographie, l’introduction de la tomographie numérique, et la substitution de techniques ancestrales de contrôles (ressuage, magnétoscopie) par des techniques « numériques » , permettent de passer à l’étape suivante : l’automatisation de la sanction des défauts. […]

Cet article est bridé!

Si vous êtes inscrit, identifiez-vous ci-dessous pour lire cet article.

(Si vous n'êtes pas inscrit, vous pouvez tester tous nos contenus <<en vous inscrivant ici>>. Vous aurez alors accès aux articles entiers Cad-Magazine pendant 1 mois (excepté le contenu de nos deux derniers magazines) .).

Ces articles peuvent vous intéresser :