Robust Engineering (SAFI-M5)
35 HEURES (5 JOURS)
FORMATION EN DISTANCIEL
DE 2000 €HT à 3500 €HT
PERSONNEL CONCERNÉ
L’objectif et l’approche de cette formation sont larges. Elle convient donc aux ingénieurs ayant des responsabilités dans la conception, le développement et la fabrication de nouveaux produits, ou dans la gestion de la qualité des produits actuels, qui souhaitent développer des connaissances et des compétences avancées dans l’application de techniques de plans d’expérience et de modélisation de surface de réponses pour étayer la résolution de problèmes basée sur des modèles et la prise de décision de conception de produits et de processus basée sur des données.
Cette formation couvre des méthodes pour soutenir l’analyse et la modélisation basées à la fois sur des expériences ou des tests physiques et des expériences virtuelles.
PRÉREQUIS
Cette formation étant dispensée en anglais, un niveau d’anglais technique correspondant à une utilisation professionnelle régulière est requis.
La participation au module ‘Statistics for engineering’ (SAFI-M1) serait profitable mais une brève introduction est intégrée.
Aucune expérience préalable en codage n’est requise mais une certaine expérience serait souhaitable.
Pour les stagiaires qui ne sont pas familiarisés avec l’environnement Colab, la participation au module » Introduction to Python with Google Colab (SAFI-M0) » est nécessaire.
OBJECTIFS DE LA FORMATION
- A l’issue de ce module, le participant sera capable de :
- Démontrer une compréhension critique des méthodes de conception d’expériences et de surface de réponse (DoE et RSM) en théorie et en pratique, qui soutiennent une gamme d’activités d’ingénierie, comprenant la spécification de la conception, la sélection du concept et la planification et le rapport de la vérification de la conception du produit.
- Appliquer les connaissances et les compétences acquises pour planifier des expériences appropriées à une grande variété de scénarios d’ingénierie (y compris l’IAO), ajuster et utiliser des fonctions de transfert empiriques pour étudier l’impact de la variation sur la performance du système.
- Maîtriser la pratique des logiciels statistiques spécialisés pour le DoE et le RSM en utilisant Python dans un environnement Google Colab.
- Démontrez ses capacités d’analyse et de résolution de problèmes et son aptitude à communiquer efficacement au sein d’une équipe de projet et à contribuer à l’animation du travail d’équipe.
Professeur Felician CAMPEAN
Felician CAMPEAN est Professeur en ingénierie de la fiabilité automobile et directeur du Centre de recherche automobile de l’Université de Bradford.
Il a travaillé dans l’industrie des roulements avant de rejoindre le monde universitaire en tant que maître de conférences en automatisation de la fabrication. Felician a rejoint l’Université de Bradford en 1998 en tant que chercheur, et a progressé en tant que chercheur principal (2000), maître de conférences en conception compétitive (2005), et professeur en 2011. Felician a dirigé le Bradford Engineering Quality Improvement Centre (BEQIC) depuis 2000.
Depuis 2012, Felician dirige l’Automotive Research Centre, le hub R&KT de l’université pour la collaboration avec l’industrie automobile.En 2016, il a lancé avec le professeur Daniel Neagu (sciences informatiques) l’Advanced Automotive Analytics Laboratory – en collaboration avec Jaguar Land Rover. Felician a établi un vaste historique de collaboration en matière de recherche et de transfert de connaissances avec l’industrie automobile mondiale. Felician a pris le rôle de doyen associé – Recherche et transfert de connaissances à la Faculté d’ingénierie et d’informatique depuis janvier 2017.
Ce cours présente des méthodes de planification efficace des essais d’ingénierie et d’analyse statistique afin de développer des modèles qui peuvent être utilisés pour l’optimisation de la robustesse par la conception de paramètres et de tolérances.
Modélisation fonctionnelle et robustesse
- Vue d’ensemble des principes de la robustesse fonctionnelle dans un contexte d’analyse de l’ingénierie des systèmes.
- Diagramme P comme modèle de robustesse
- Modélisation et mesure de la variation et de la transmission de la variation.
Modélisation de la surface de réponse
- Analyse statistique sous-tendant la régression multiple – ajustement du modèle, sélection du modèle et validation du modèle.
Conception des tests
- Planification et analyse des plans d’expériences.
- Exploration des différents types de plans, allant des plans à deux niveaux aux plans à plusieurs niveaux.
- Introduction d’une approche séquentielle pour la planification et la conception des tests.
- Critères d’évaluation de la qualité des plans.
Modélisation et optimisation avancées de la surface de réponse
- Introduction aux plans de remplissage d’espace, aux hypercubes latins optimaux et aux techniques séquentielles de construction et de validation de modèles.
- Méthodes de surface de réponse flexibles, y compris les modèles de processus stochastiques (krigeage gaussien) et les réseaux neuronaux à fonction de base radiale.
- Utilisation des surfaces de réponse pour l’optimisation.
- Exemples d’application à des études de cas industriels réels.
Mini-Projet
- Renforcement des concepts étudiés par l’application à une étude de cas industrielle.
METHODES ET MOYENS PEDAGOGIQUES
La formation est conçue sous forme d’atelier avec une répartition approximative de 50/50 entre les sessions techniques et les exercices pratiques, destinés à expliquer les concepts en s’appuyant sur des études de cas industriels pertinents.
La formation est dispensée en ligne. Le matériel d’apprentissage, y compris les conférences, les tutoriels et les exercices, sera fourni en format électronique avant la formation, avec des exemples de solutions pour les exercices, le cas échéant. Un tutoriel d’introduction à Colab Python sera également fourni.
MOYENS TECHNIQUES
La formation est dispensée sous forme de classe virtuelle sous Teams.
Informations de connexion envoyées au plus tard 2 jours avant la formation.
SUIVI ET EVALUATION
Feuille d’émargement signée chaque demi-journée par le stagiaire et cosignée par la SIA.
Évaluation de l’apprentissage basée sur :
– une présentation individuelle ou en groupe avec argumentation sur un mini projet.
– un plan individuel d’application autour d’un projet spécifique sur le lieu de travail du stagiaire (plan basé sur les méthodes et outils du cours).
Évaluation de la formation par les participants.
Remise d’une attestation de formation.
DELAI D’ACCES
Formation inter-entreprises : inscription au plus tard 2 jours avant la formation
Formation intra-entreprise : organisation sous 2 semaines minimum.
PROCHAINE(S) SESSION(S)
Nous consulter 10, 11 & 17, 18, 19 Juillet 2024
ACCESSIBILITÉ
Les personnes en situation de handicap sont invitées à contacter notre Référent Handicap afin d'étudier ensemble les possibilités de suivre la formation.
ENVOYER UN EMAIL