Les travaux présentés dans cette thèse portent sur la conception robuste de produit et plus particulièrement sur la phase de pré-dimensionnement dans le cas où un modèle de dimensionnement et un cahier des charges sont déjà définis. Une approche pour réaliser de l’optimisation robuste est proposée pour réduire la dispersion de la fonction objectif du cahier des charges du produit lorsque les paramètres de conception sont sujets aux incertitudes, conserver une bonne performance du produit et assurer une faisabilité des contraintes. Nous proposons ainsi la formulation d’un cahier des charges dit « robuste » transformant la fonction objectif et les contraintes du cahier des charges initial afin d’intégrer une notion de robustesse préalablement définie. La seconde contribution est une analyse des méthodes trouvées dans la littérature pour la propagation d’incertitudes à travers des modèles de dimensionnement. Les variations des paramètres sont alors modélisées par des dispersions probabilistes. L’analyse théorique du fonctionnement de chaque méthode est complétée par des tests permettant d’étudier la précision des résultats obtenus et de sélectionner la méthode utilisée par la suite. L’approche pour l’optimisation robuste de produit proposée dans ce travail est finalement mise en œuvre et testée sur deux études de cas. Elle intègre la méthode de propagation d’incertitudes dans une boucle de l’algorithme d’optimisation de manière à automatiser la recherche d’une solution optimale robuste pour le dimensionnement du produit. / The work presented in this thesis deals with the robust design of products. Particularly, it focuses on the design process preliminary phase where design models and specifications are already defined. A robust optimization approach is proposed. It aims to: reduce the scattering of the objective function included in the product specifications when the uncertainties reach the design parameters, maintain good performance of the product and ensure the constraints feasibility. We propose a new “robust” product specification that changes the objective function and the constraints of the initial specification in order to integrate the concept of robustness previously defined. The second contribution is an analysis of methods found in literature to propagate uncertainties across design models. Design parameter variations are modeled by probability distributions. The theoretical analysis of these methods is completed by numerous tests to investigate the accuracy of the results and to select the method used thereafter. The robust product optimization approach proposed in this work is finally implemented and tested on two case studies. It incorporates the propagation of uncertainties within the optimization loop to automate the search of a robust optimal solution for the design product.

Les études des scénarios électronucléaires modélisent le fonctionnement d’un parcnucléaire sur une période de temps donnée. Elles permettent la comparaison de différentesoptions d’évolution du parc nucléaire et de gestion des matières du cycle, depuis l’extraction duminerai jusqu’au stockage ultime des déchets, en se basant sur des critères tels que les puis-sances installées par filière, les inventaires et les flux, en cycle et aux déchets. Les incertitudessur les données nucléaires et les hypothèses de scénarios (caractéristiques des combustibles, desréacteurs et des usines) se propagent le long des chaînes isotopiques lors des calculs d’évolutionet au cours de l’historique du scénario, limitant la précision des résultats obtenus. L’objetdu présent travail est de développer, implémenter et utiliser une méthodologie stochastiquede propagation d’incertitudes dans les études de scénario. La méthode retenue repose sur ledéveloppement de métamodèles de calculs d’irradiation, permettant de diminuer le temps decalcul des études de scénarios et de prendre en compte des perturbations des paramètres ducalcul, et la fabrication de modèles d’équivalence permettant de tenir compte des perturbationsdes sections efficaces lors du calcul de teneur du combustible neuf. La méthodologie de calculde propagation d’incertitudes est ensuite appliquée à différents scénarios électronucléairesd’intérêt, considérant différentes options d’évolution du parc REP français avec le déploiementde RNR. / Nuclear scenario studies model nuclear fleet over a given period. They enablethe comparison of different options for the reactor fleet evolution, and the management ofthe future fuel cycle materials, from mining to disposal, based on criteria such as installedcapacity per reactor technology, mass inventories and flows, in the fuel cycle and in the waste.Uncertainties associated with nuclear data and scenario parameters (fuel, reactors and facilitiescharacteristics) propagate along the isotopic chains in depletion calculations, and throughoutthe scenario history, which reduces the precision of the results. The aim of this work isto develop, implement and use a stochastic uncertainty propagation methodology adaptedto scenario studies. The method chosen is based on development of depletion computationsurrogate models, which reduce the scenario studies computation time, and whose parametersinclude perturbations of the depletion model; and fabrication of equivalence model which takeinto account cross-sections perturbations for computation of fresh fuel enrichment. Then theuncertainty propagation methodology is applied to different scenarios of interest, consideringdifferent options of evolution for the French PWR fleet with SFR deployment.

Dans un contexte de forte compétitivité économique et de respect de l’environnement, de nombreuses actions sont entreprises chaque année dans le but d’améliorer la performance énergétique des bâtiments. En phase de conception, le recours à la simulation permet d’évaluer les différentes alternatives au regard de la performance énergétique et du confort des occupants et constitue ainsi un outil d’aide à la décision incontournable. Toutefois, il est courant d’observer des écarts entre les performances énergétiques réelles et celles prévues lors de la conception. Cette thèse porte sur l’amélioration du processus de conception de l’isolation dans le but de limiter les déviations des consommations réelles par rapport à celles prévues lors des simulations. Dans un premier temps, nous situons le contexte énergétique actuel puis nous présentons les différentes sources d’incertitudes qui affectent les résultats des simulations. Dans ce travail, nous nous intéressons particulièrement à la variabilité des propriétés thermophysiques des isolants, au caractère variable de la mise en œuvre et à l’impact du changement climatique. Des études expérimentales ont permis de quantifier l’incertitude associée à la performance des matériaux sains d’une part, et celle associée à des isolants défectueux d’autre part. Un couplage entre des techniques de thermographie infrarouge et des modèles éléments finis ont permis de proposer des modèles paramétriques permettant d’évaluer la performance effective d’un isolant défectueux, en fonction du type et de la taille du défaut dans l’isolant. Pour une bonne estimation à long terme de la performance de l’isolation, il est nécessaire d’intégrer les prévisions météorologiques. Ces dernières sont généralement estimées sur la base des données historiques de la région. Toutefois, il est encore difficile de prévoir avec exactitude l’évolution climatique car elle dépend de nombreux facteurs socio-économiques, démographiques et environnementaux. Dans ce travail, nous proposons de considérer les différents scénarios climatiques proposés par les climatologues et de prendre en compte leur variabilité de manière à vérifier la fiabilité de l’isolation. Enfin, nous proposons d’utiliser des approches probabilistes pour intégrer ces différents types d’incertitudes dans le processus de simulation. Pour optimiser le dimensionnement de l’isolation, nous proposons une méthodologie de conception basée sur la fiabilité. Un nouveau modèle de coût est également proposé dans le but d’améliorer l’aide à la décision, en considérant les pertes indirectes, jusqu’à présent négligées dans la conception. / In the context of growing world energy demand and environmental degradation, many actions are undertaken each year to improve the energy performance of buildings. During the design stage, the use of building energy simulations remains a valuable tool as it evaluates the possible options in terms of energy performance and comfort. However, as precision requirements increase, it becomes essential to assess the uncertainties associated with input data in simulation. This thesis focuses on the insulation design process under uncertainty, in order to limit gaps between real and predicted performance for better control of energy consumptions. This work firstly presents the current alarming energy context. We consider the main uncertainties that affect the insulation, mainly the variability of the thermophysical properties, the uncertainty on climate and the uncertainties due to workmanship defects. Experimental studies were carried out to evaluate the uncertainty associated to the intrinsic performance of healthy insulation materials on one hand, and those associated to defects in insulations on the other hand. A coupling between thermography techniques and finite element models was used to provide analytical models that assess the effective thermal performance of a defective insulation, according to the type and size of the defect. As the performance of insulation also depends on climate, it is necessary to integrate future weather data to evaluate the energy consumption. These weather data are generally estimated based on the historical climatic data of the region. However, it is still difficult to predict climate change as it depends on many uncontrollable factors. In this work, we consider the different climate scenarios proposed by climate expert groups, and the uncertainty associated to each scenario to evaluate the reliability of the insulation and to improve the decision making process. Finally, we propose a probabilistic approach to integrate uncertainties in simulation and an optimization methodology based on reliability. A new cost formulation is also proposed to improve the decision-making, through indirect losses related to comfort, pollution and living space losses.

Avec la généralisation de la construction des bâtiments basse consommation, passifs et à énergie positive, mais aussi la rénovation du parc existant, il est indispensable d’avoir recours à la simulation pour évaluer, entre autres, les performances énergétique et environnementale atteintes par ces nouveaux bâtiments. Les attentes en termes de garantie de performance énergétique étant de plus en plus importantes, il est primordial de s’assurer de la fiabilité des outils de simulation utilisés. En effet, les codes de simulation doivent être capables de représenter le comportement de ces nouveaux types de bâtiments de la façon la plus juste et fidèle possible. De plus, les incertitudes liées aussi bien aux paramètres de conception qu’aux différentes sollicitations ainsi qu’aux usages des bâtiments doivent être prises en compte pour pouvoir garantir la performance du bâtiment sur sa durée de vie.Cette thèse s’est intéressée à la validation expérimentale de modèles appliquée à un bâtiment de type cellule test. Cette méthodologie de validation se déroule en plusieurs étapes au cours desquelles on évalue la qualité du modèle en termes de justesse et de fidélité. Plusieurs cas d’études ont été menés sur lesquels nous avons pu identifier les paramètres les plus influents sur la sortie du modèle, examiner l’influence du pas de temps sur le processus de validation expérimentale, analyser l’influence de l’initialisation et confirmer l’aptitude de la méthodologie à tester le modèle. / Construction of low, passive and positive energy buildings is generalizing and existing buildings are being renovated. For this reason, it is essential to use simulation in order to estimate, among other things, energy and environmental performances reached by these new buildings. Expectations regarding guarantee of energy performance being more and more important, it is crucial to ensure the reliability of simulation tools being used. Indeed, simulation codes should reflect the behavior of these new kinds of buildings in the most consistent and accurate manner. Moreover, the uncertainty related to design parameters, as well as solicitations and building uses have to be taken into account in order to guarantee building energy performance during its lifetime.This thesis investigates the empirical validation of models applied to a test cell building. This validation process is divided into several steps, during which the quality of the model is evaluated as far as consistency and accuracy are concerned. Several study cases were carried out, from which we were able to identify the most influential parameters on model output, inspect the influence of time step on the empirical validation process, analyze the influence of initialization and confirm methodology’s ability to test the model.

L'objectif de cette thèse est la résolution d’un problème d’optimisation multi-objectif sous incertitudes en présence de simulations numériques coûteuses. Une validation est menée sur un cas test de thermique transitoire. Dans un premier temps, nous développons un algorithme d'optimisation multi-objectif basé sur le krigeage nécessitant peu d’appels aux fonctions objectif. L'approche est adaptée au calcul distribué et favorise la restitution d'une approximation régulière du front de Pareto complet. Le problème d’optimisation sous incertitudes est ensuite étudié en considérant des mesures de robustesse pires cas et probabilistes. Le superquantile intègre tous les évènements pour lesquels la valeur de la sortie se trouve entre le quantile et le pire cas mais cette mesure de risque nécessite un grand nombre d’appels à la fonction objectif incertaine pour atteindre une précision suffisante. Peu de méthodes permettent de calculer le superquantile de la distribution de la sortie de fonctions coûteuses. Nous développons donc un estimateur du superquantile basé sur une méthode d'échantillonnage préférentiel et le krigeage. Il permet d’approcher les superquantiles avec une faible erreur et une taille d’échantillon limitée. De plus, un couplage avec l’algorithme multi-objectif permet la réutilisation des évaluations. Dans une dernière partie, nous construisons des modèles de substitution spatio-temporels capables de prédire des phénomènes dynamiques non linéaires sur des temps longs et avec peu de trajectoires d’apprentissage. Les réseaux de neurones récurrents sont utilisés et une méthodologie de construction facilitant l’apprentissage est mise en place. / This work aims at solving multi-objective optimization problems in the presence of uncertainties and costly numerical simulations. A validation is carried out on a transient thermal test case. First of all, we develop a multi-objective optimization algorithm based on kriging and requiring few calls to the objective functions. This approach is adapted to the distribution of the computations and favors the restitution of a regular approximation of the complete Pareto front. The optimization problem under uncertainties is then studied by considering the worst-case and probabilistic robustness measures. The superquantile integrates every event on which the output value is between the quantile and the worst case. However, it requires an important number of calls to the uncertain objective function to be accurately evaluated. Few methods give the possibility to approach the superquantile of the output distribution of costly functions. To this end, we have developed an estimator based on importance sampling and kriging. It enables to approach superquantiles with little error and using a limited number of samples. Moreover, the setting up of a coupling with the multi-objective algorithm allows to reuse some of those evaluations. In the last part, we build spatio-temporal surrogate models capable of predicting non-linear, dynamic and long-term in time phenomena by using few learning trajectories. The construction is based on recurrent neural networks and a construction facilitating the learning is proposed.

De nos jours, la plupart des analyses CEM d’équipements et systèmes électroniques sont basées sur des approches quasi-déterministes dans lesquelles les paramètres internes et externes des modèles sont supposés parfaitement connus et où les incertitudes les affectant sont prises en compte sur les réponses par le biais de marges de sécurité importantes. Or, l’inconvénient de telles approches est qu’elles sont non seulement trop conservatives, mais en outre totalement inadaptées à certaines situations, notamment lorsque l’objectif de l’étude impose de prendre en compte le caractère aléatoire de ces paramètres via des modélisations stochastiques appropriées de type variables, processus ou champs aléatoires. Cette approche probabiliste a fait l’objet ces dernières années d’un certain nombre de recherches en CEM, tant au plan national qu’au plan international. Le travail présenté dans cette thèse est une contribution à ces recherches et a un double objectif : (1) développer et mettre en œuvre une méthodologie probabiliste et ses outils numériques d’accompagnement pour l’évaluation de la fiabilité et l’analyse sensibilité des équipements et systèmes électroniques en se limitant à des modélisations stochastiques par variables aléatoires ; (2) étendre cette étude au cas des modélisations stochastiques par processus et champs aléatoires dans le cadre d’une analyse prospective basée sur la résolution de l’équation aux dérivées partielles des télégraphistes à coefficients aléatoires.L’approche probabiliste mentionnée au point (1) consiste à évaluer la probabilité de défaillance d’un équipement ou d’un système électronique vis-à-vis d’un critère de défaillance donné et à déterminer l’importance relative de chacun des paramètres aléatoires en présence. Les différentes méthodes retenues à cette fin sont des adaptations à la CEM de méthodes développées dans le domaine de la mécanique aléatoire pour les études de propagation d’incertitudes. Pour le calcul des probabilités de défaillance, deux grandes catégories de méthodes sont proposées : celles basées sur une approximation de la fonction d’état-limite relative au critère de défaillance et les méthodes de Monte-Carlo basées sur la simulation numérique des variables aléatoires du modèle et l’estimation statistique des probabilités cibles. Pour l’analyse de sensibilité, une approche locale et une approche globale sont retenues. Ces différentes méthodes sont d’abord testées sur des applications académiques afin de mettre en lumière leur intérêt dans le domaine de la CEM. Elles sont ensuite appliquées à des problèmes de lignes de transmission et d’antennes plus représentatifs de la réalité.Dans l’analyse prospective, des méthodes de résolution avancées sont proposées, basées sur des techniques spectrales requérant les développements en chaos polynomiaux et de Karhunen-Loève des processus et champs aléatoires présents dans les modèles. Ces méthodes ont fait l’objet de tests numériques encourageant, mais qui ne sont pas présentés dans le rapport de thèse, faute de temps pour leur analyse complète. / Nowadays, most EMC analyzes of electronic or electrical devices are based on deterministic approaches for which the internal and external models’ parameters are supposed to be known and the uncertainties on models’ parameters are taken into account on the outputs by defining very large security margins. But, the disadvantage of such approaches is their conservative character and their limitation when dealing with the parameters’ uncertainties using appropriate stochastic modeling (via random variables, processes or fields) is required in agreement with the goal of the study. In the recent years, this probabilistic approach has been the subject of several researches in the EMC community. The work presented here is a contribution to these researches and has a dual purpose : (1) develop a probabilistic methodology and implement the associated numerical tools for the reliability and sensitivity analyzes of the electronic devices and systems, assuming stochastic modeling via random variables; (2) extend this study to stochastic modeling using random processes and random fields through a prospective analysis based on the resolution of the telegrapher equations (partial derivative equations) with random coefficients. The first mentioned probabilistic approach consists in computing the failure probability of an electronic device or system according to a given criteria and in determining the relative importance of each considered random parameter. The methods chosen for this purpose are adaptations to the EMC framework of methods developed in the structural mechanics community for uncertainty propagation studies. The failure probabilities computation is performed using two type of methods: the ones based on an approximation of the limit state function associated to the failure criteria, and the Monte Carlo methods based on the simulation of the model’s random variables and the statistical estimation of the target failure probabilities. In the case of the sensitivity analysis, a local approach and a global approach are retained. All these methods are firstly applied to academic EMC problems in order to illustrate their interest in the EMC field. Next, they are applied to transmission lines problems and antennas problems closer to reality. In the prospective analysis, more advanced resolution methods are proposed. They are based on spectral approaches requiring the polynomial chaos expansions and the Karhunen-Loève expansions of random processes and random fields considered in the models. Although the first numerical tests of these methods have been hopeful, they are not presented here because of lack of time for a complete analysis.