L'augmentation de l'incertitude tout au long de l'échelle de viscosité étant le principal inconvénient de la viscosimétrie capillaire, un viscosimètre absolu à chute de bille a été développé, qui permet de couvrir une large gamme de viscosité tout en gardant une faible incertitude. La mesure de viscosité repose alors sur la mesure de la vitesse limite de chute de la bille. Un banc expérimental a été développé afin d'atteindre une incertitude relative de l'ordre de 10-3. Il permet d'observer la trajectoire de la bille à l'intérieur d'un tube cylindrique rempli du liquide étudié et d'obtenir l'évolution de la vitesse. La caractérisation métrologique de ce banc expérimental est présentée en utilisant tout d'abord la loi de propagation des incertitudes et ensuite la simulation numérique de Monte-Carlo. Enfin, les mesures de viscosité et les incertitudes obtenues avec le viscosimètre à chute de bille sont confrontées à celles obtenues avec un viscosimètre capillaire.

Intégrée dans la chaîne décisionnelle de la Supply Chain à un niveau tactique, la Planification de Production est un process clé qui permet de répondre au mieux aux besoins selon les ressources de l’entreprise. Un des défis du domaine est la gestion des incertitudes prévisionnelles, ayant des conséquences importantes sur des indicateurs clés comme le taux de service ou les coûts. Pour y faire face, des méthodes améliorant la flexibilité des processus sont mais en place, comme le contexte de travail en Plan Glissant. Cependant, en actualisant fréquemment les données, la stabilité du système se retrouve dégradée. Ainsi, malgré les gains issus de la gestion des incertitudes, ce cadre crée une complexité dynamique à gérer. Ce travail traite de cette complexité issue de l’actualisation des prévisions pour la planification de production en plan glissant. Plus particulièrement, la question traitée ici concerne l’optimisation du plan de production, en considérant u n système mono-produit monoétage. Une modélisation mathématique générique est tout d’abord développée pour construire un modèle d’optimisation théorique du problème. Ensuite, une procédure de résolution optimale est développée en utilisant le cadre d’optimisation dynamique stochastique. Ce modèle est appliquée à des cas concrets pour lesquels l’optimalité des solutions calculées est prouvée analytiquement grâce à un raisonnement inductif basé sur des séquences de calcul d’espérances mathématiques. Des analyses numériques finalement conduites mettent en exergue les performances de la méthode développée, ses limites, et sa sensibilité vis-à-vis de l’environnement industriel. / Production Planning, as part of tactical operations integrated into the Supply Chain process, is a key procedure allowing decisioners to balance demand and production resources. One of its most challenging issues is to handle uncertainties, especially the ones coming from the Forecasted Demand. In order to manage indicators at stake, such as service level and costs, best practices increasing flexibility in the process are implemented, as Rolling-Plan Framework. However, it creates instability since the updates procedures make the data set on change constantly. Consequently, although the gain in terms of flexibility is non-negligible for the uncertainties management, it generates on the other hand dynamics complexity. We study in this work how to deal this dynamics complexity generated by updates of the Forecasted Demand made in a Rolling-Plan Framework of a Production Planning Process. In particular, the question to which it answers is how to optimize the Production Plan in such a context. This issue is tackled considering a single item single level production system. A general mathematical model in the context of our study is built to be exploitable for analytical optimization. A theoretical optimization framework is designed, and a specific solutions computation framework using stochastic dynamic programming is developed. We apply it in some precise study cases in order to compute optimal solutions and get some valuable analytical results thanks to a dynamic computation process. The optimality of the solutions is proven through an inductive reasoning based on expectations computation. Solutions are finally implemented and calculated numerically with simulations in some particular numerical examples. Analyses and sensitivity studies are performed, highlighting the performances of our optimization method.

La gestion des incertitudes constitue un sujet particulièrement important pour le processus de développement des systèmes (DS) complexes. Il faut donc améliorer la flexibilité et la prédictibilité des processus de DS en proposant une méthodologie pour appréhender et maîtriser les incertitudes qu’ils comportent, ce qui passe par la modélisation. Le travail présenté dans ce mémoire se concentre sur deux questions indispensables dans ce but : (1) Comment gérer les incertitudes pendant le processus de DS ? (2) Comment représenter les incertitudes dans la modélisation de processus de DS ? Pour répondre à ces questions, la thèse propose une méthodologie incluant l’identification des incertitudes, l’analyse de leurs effets, leur réduction et/ou leur exploitation, et leur surveillance et leur contrôle ; elle définit également une démarche de modélisation des incertitudes avec le langage UML en proposant un méta-modèle des incertitudes et un nouveau profil UML "Uncertainty-of" qui permet de rendre ce méta-modèle opérable avec les outils UML. La validité de la méthodologie et du profil proposés a été testée par l’étude d’un cas industriel. Cette étude a montré que la définition d’une telle méthodologie était utile pour l’organisation de la gestion des incertitudes dans la conception et le développement de systèmes, et que la création d’un nouveau profil UML apportait une solution pertinente dans la représentation des incertitudes. / Uncertainty management is a particularly important issue for complex systems development (SD) processes. The overall objective to be attained in this context is to improve the flexibility and predictability of SD process by proposing a methodology to understand and master the uncertainties. We believe that modeling uncertainties is an indispensable step in this direction. For this purpose, the presented work in this thesis focuses on two critical issues : (1) How should we manage uncertainties in SD processes ? (2) How can we represent uncertainties in modeling such processes ? In order to answer to these questions, this thesis proposes a methodology including identification, analysis of impact, diminution and / or exploitation, and monitoring and control of uncertainties ; and it also defines an approach to modeling uncertainties with UML by proposing a meta-model of uncertainties and a new UML profile named "Uncertaintyof", which allows to make this meta-model operable with UML tools. The validity of our proposals was tested by an industrial case study, which showed that the definition of such a methodology is helpful to manage the uncertainties in systems design and development, and that the creation of a new UML profile provides a valid solution in the representation of uncertainties.

Cette thèse s'inscrit dans la problématique de la maitrise de l'incertain / des variabilités en phase de conception de produit à denture / engrenage. Ces travaux ont porté plus particulièrement sur la maîtrise des variations géométriques et des incertitudes avec comme point central le modèle de spécification et comme objet d'étude les engrenages. En effet, la motivation des travaux, concernant la partie analyse, est la flexibilisation des approches pour supporter différentes représentations des modèles de spécification et la motivation des travaux concernant les incertitudes est la réduction de celles-ci en caractérisant et proposant des modèles de spécification. Concernant l'analyse des tolérances, deux formulations du comportement d'engrènement, deux modélisations discrète ou paramétrique de la géométrie et plusieurs méthodes de résolution ont été proposées et expérimentées. Elles permettent l'analyse de tolérances formulées d'une manière vectorielle, par zone ou hybride, par simulation de Monte Carlo. Concernant les incertitudes, une formalisation des incertitudes de corrélation a été proposée à partir de l'approche Axiomatic Design en définissant cette incertitude comme l'intervalle de confiance des coefficients de sensibilité de la matrice. Ainsi, plusieurs modèles de spécification ont été caractérisés au regard de ces incertitudes et celles de mesure afin d'avoir une vue globale des incertitudes entachant la prise de décision de conformité du produit.

Lors de la modélisation du comportement mécanique de structures comme des avions, ou des lanceurs spatiaux, il subsiste des incertitudes parfois fortes, notamment en ce qui concerne l'évaluation des efforts extérieurs ou la rigidité des liaisons. Jusqu'à présent, des coefficients de sécurité, souvent forfaitaires, sont employés, de manière à assurer le bonne tenue des structures, en se basant sur les résultats de modèles simplifiés de la réalité. Cette thèse s'inscrit dans la problématique de validation des modèles numériques utilisés, et tente d'apporter des outils pratiques pour le dimensionnement de toute structure réelle, en présence d'incertitudes, tout en limitant les sur-dimensionnements liés à l'éventuel emploi de coefficients de sécurité. Dans cette optique, les travaux présentés ici s'appuient sur la théorie des méconnaissances, qui vise à remplacer les politiques de marges par une approche un peu plus scientifique. Développée au LMTCachan depuis 2002, son objet est de fournir, moyennant une modélisation originale des incertitudes en présence, les bornes de l'intervalle qui, pour une famille de structures donnée, a une certaine probabilité de contenir la quantité d'intérêt recherchée. Nous proposons des extensions permettant de modéliser les incertitudes portant sur les efforts appliqués aux structures étudiées, ou sur des rigidités anisotropes. Un autre aspect du travail présenté concerne la propagation des méconnaissances introduites à des quantités d'intérêt statiques, de type contraintes ou déplacements locaux. Une fois ceci défini, il est alors possible de définir une approche permettant d'estimer la probabilité de défaillance d'une structure à partir d'un modèle avec méconnaissances, et d'obtenir des indicateurs de la marge disponible par l'amélioration de telle ou telle méconnaissance. Cette approche permet d'inscrire la théorie des méconnaissances dans une optique de conception robuste.

Les travaux présentés proposent une méthode appelée GeoSpecif. L'objectif de cette méthode est de proposer une assistance à la recherche de spécifications géométriques. Cette méthode doit, de plus, s'intégrer au cycle de conception. Ces travaux sur la spécification sont basés sur deux outils : le Torseur des Petits Déplacements, pour la simulation, le langage GeoSpelling, pour l'expression de la spécification. Le produit est modélisé par deux vues, une première géométrique (correspondant aux pièces) et une seconde architecturale (correspondant à l'assemblage). La méthode peut être décomposée en plusieurs étapes : éprouver le mécanisme nominal afin de vérifier la robustesse de la conception, générer une architecture avec défauts afin de trouver des solutions pour gérer les mécanismes hyperstatiques, mettre en place une spécification, sur les éléments influents, exprimée dans le langage GeoSpelling. Un mécanisme industriel a servi d'application à ces résultats, il s'agit d'un manchon d'hélicoptère Eurocopter®. La méthode permet ainsi de passer d'une simulation des variations géométriques des pièces grâce à l'outil Torseur des Petits Déplacements à une spécification exprimée dans le langage GeoSpelling. Elle peut être appliquée sur toute sorte de mécanisme hyperstatique, sans changer son comportement, grâce à l'introduction des interfaces à l'issue de la définition de la séquence de mise en position. Elle propose une assistance au concepteur à toutes les étapes de la conception. La spécification qui résulte de la simulation est, grâce à cette méthode, plus proche du besoin fonctionnel des pièces.

Ce travail de recherche s'inscrit dans le cadre de l'analyse vibroacoustique des structures complexes. Il propose une nouvelle approche énergétique utilisant le champ de densité d'énergie afin de simplifier une telle analyse. Cette approche est basée sur un modèle numérique stochastique construit à l'aide de l'approche probabiliste non paramétrique des incertitudes de modélisation et de paramètres. L'approche énergétique stochastique développée correspond à une nouvelle représentation du système vibroacoustique en terme des grandeurs énergétiques aléatoires. Un modèle vibroacoustique énergétique moyen est alors construit en prenant la moyenne statistique des grandeurs énergétiques. On dispose alors d'un modèle énergétique moyen pour analyser la vibroacoustique des systèmes complexes dans la bande des basses et des moyennes fréquences alors que la méthode SEA ne permet pas d'analyser cette bande de fréquence. L'analyse des propriétés des grandeurs énergétiques moyennes utilisées pour la construction du modèle vibroacoustique énergétique permet de construire une version simplifiée conduisant à un modèle énergétique simplifié pour lequel une méthodologie de partition structurale par zone est établie. Une application de cette approche énergétique et de la méthodologie de partition structurale par zone est présentée pour une voiture constituée d'une structure automobile couplée avec sa cavité acoustique interne

Dans cette recherche, on construit un modèle simplifié en basses et moyennes fréquences de complexes insonorisants (habillages) de l'industrie automobile à partir d'un élément élastoacoustique stochastique. Le modèle simplifié moyen est issu d'une extension de la théorie des structures floues et dépend de trois paramètres physiques : densité modale, amortissement et masse participante. Le modèle simplifié stochastique qui prend en compte les incertitudes de modèle et de données est construit en utilisant une approche probabiliste non paramétrique et dépend de trois paramètres de dispersion. Le modèle simplifié de l'habillage est implémenté dans un modèle vibroacoustique stochastique industriel d'automobile. Deux problèmes inverses sont résolus à l'aide d'une base de données expérimentales sur véhicules construite en parallèle et permettent d'identifier les paramètres du modèle complet. L'analyse des résultats permet de valider les développements théoriques et la méthodologie proposée

Le pré-dimensionnement se situe en amont du processus de conception d'un système : à partir d'un ensemble d'exigences, il consiste à déterminer un ensemble de solutions techniques possibles dans un espace de recherche souvent très grand et structuré par une connaissance partielle et incertaine du futur système et de son environnement. Bien avant de penser au choix définitif des composants et au dimensionnement précis du système complet, les concepteurs doivent s'appuyer sur un premier cahier des charges, des modélisations des principaux phénomènes et divers retours d'expériences pour formaliser des contraintes, faire des hypothèses simplificatrices, envisager diverses architectures et faire des choix sur des données imprécises (i.e. caractérisées sous la forme d'intervalles, de listes de valeurs possibles, etc…). Les choix effectués lors du pré-dimensionnement pouvant être très lourds de conséquences sur la suite du développement, il est primordial de détecter au plus tôt d'éventuelles incohérences et de pouvoir vérifier la satisfaction des exigences dans un contexte incertain. Dans ce travail, une méthodologie de vérification des exigences basée sur l'échange de modèles ensemblistes entre donneurs d'ordre et fournisseurs est proposée. Elle s'inscrit dans le cadre d'un paradigme de conception basé sur la réduction d'incertitudes. Après un travail portant sur la modélisation des systèmes mécatroniques, une attention particulière est portée à la prise en compte d'incertitudes déterministes sur des grandeurs continues : des techniques basées sur l'analyse par intervalles telles que la satisfaction de contraintes (CSP), des calculs d'atteignabilité pour des modèles dynamiques de connaissances ou encore l'identification de modèles de comportements ensemblistes sont ainsi mis en œuvre et développés afin d'outiller la méthodologie proposée et contribuer à répondre à l'objectif d'une vérification à couverture garantie. / The pre-sizing takes place upstream to the process of designing a system: from a set of requirements, it consists in determining a set of possible technical solutions in an often very large search space which is structured by the uncertain and partial knowledge available about the future system and its environment. Long before making the final choice and the final sizing of the system components, the designers have to use specifications, models of the main phenomena, and experience feedbacks to formalize some constraints, make simplifying assumptions, consider various architectures and make choices based on imprecise data (i.e. intervals, finite sets of possible values, etc…). The choices made during the pre-sizing process often involving strong commitments for the further developments, it is very important to early detect potential inconsistencies and to verify the satisfaction of the requirements in an uncertain context. In this work, a methodology based on the exchange of set-membership models between principals and suppliers is proposed for the verification of requirements. This methodology is fully consistent with a design paradigm based on the reduction of uncertainties. After a work dedicated to the modeling of mechatronic systems, a special attention is paid to dealing with deterministic uncertainties affecting continuous values: some techniques based on interval analysis such as constraint satisfaction (interval CSP), reachability computations for knowledge dynamic models or identification of set-membership behavioral models are used and developed, so providing a set of tools to implement the proposed methodology and contribute to reach the goal of a verification with a full and guaranteed coverage.

Les premières étapes d'une conception fiabiliste impliquent la formulation de critères de performance et de contraintes de fiabilité d'une part, et le choix d'une représentation des incertitudes d'autre part. Force est de constater que, le plus souvent, des aspects de performance ou de fiabilité conditionnant la solution optimale ne seront pas connus ou seront négligés lors des premières phases de conception. De plus, les techniques de réduction des incertitudes telles que les tests additionnels et la reconception ne sont pas pris en compte dans les calculs de fiabilité initiaux. Le travail exposé dans ce manuscrit aborde la conception optimale de systèmes sous deux angles : 1) le compromis entre performance et coût généré par les tests supplémentaires et les reconceptions et, 2) l'identification de multiples solutions optimales (dont certaines locales) en tant que stratégie contre les erreurs initiales de conception. Dans la première partie de notre travail, une méthodologie est proposée pour estimer l'effet sur la performance et le coût d'un produit d'un test supplémentaire et d'une éventuelle reconception. Notre approche se base, d'une part, sur des distributions en probabilité des erreurs de calcul et des erreurs expérimentales et, d'autre part, sur une rêgle de reconception a priori. Ceci permet d'estimer a posteriori la probabilité et le coût d'un produit. Nous montrons comment, à travers le choix de politiques de prochain test et de re-conception, une entreprise est susceptible de contrôler le compromis entre performance et coût de développement.Dans la seconde partie de notre travail, nous proposons une méthode pour l'estimation de plusieurs solutions candidates à un problème de conception où la fonction coût et/ou les contraintes sont coûteuses en calcul. Une approche pour aborder de tels problèmes est d'utiliser un métamodèle, ce qui nécessite des évaluations de points en diverses régions de l'espace de recherche. Il est alors dommage d'utiliser cette connaissance seulement pour estimer un optimum global. Nous proposons une nouvelle approche d'échantillonnage à partir de métamodèles pour trouver plusieurs optima locaux. Cette méthode procède par partitionnement adaptatif de l'espace de recherche et construction de métamodèles au sein de chaque partition. Notre méthode est testée et comparée à d'autres approches d'optimisation globale par métamodèles sur des exemples analytiques en dimensions 2 à 6, ainsi que sur la conception d'un bouclier thermique en 5 dimensions. / The initial stages of reliability-based design optimization involve the formulation of objective functions and constraints, and building a model to estimate the reliability of the design with quantified uncertainties. However, even experienced hands often overlook important objective functions and constraints that affect the design. In addition, uncertainty reduction measures, such as tests and redesign, are often not considered in reliability calculations during the initial stages. This research considers two areas that concern the design of engineering systems: 1) the trade-off of the effect of a test and post-test redesign on reliability and cost and 2) the search for multiple candidate designs as insurance against unforeseen faults in some designs. In this research, a methodology was developed to estimate the effect of a single future test and post-test redesign on reliability and cost. The methodology uses assumed distributions of computational and experimental errors with re-design rules to simulate alternative future test and redesign outcomes to form a probabilistic estimate of the reliability and cost for a given design. Further, it was explored how modeling a future test and redesign provides a company an opportunity to balance development costs versus performance by simultaneously designing the design and the post-test redesign rules during the initial design stage.The second area of this research considers the use of dynamic local surrogates, or surrogate-based agents, to locate multiple candidate designs. Surrogate-based global optimization algorithms often require search in multiple candidate regions of design space, expending most of the computation needed to define multiple alternate designs. Thus, focusing on solely locating the best design may be wasteful. We extended adaptive sampling surrogate techniques to locate multiple optima by building local surrogates in sub-regions of the design space to identify optima. The efficiency of this method was studied, and the method was compared to other surrogate-based optimization methods that aim to locate the global optimum using two two-dimensional test functions, a six-dimensional test function, and a five-dimensional engineering example.