Aller au contenu principal

THESE : Prédiction des paramètres de nitruration, modélisation phénoménologique et intelligence artificielle


Le sujet de thèse proposé s’inscrit dans le cadre d’un projet collaboratif entre partenaires industriels et académiques. L’objectif de cette étude est de proposer une démarche scientifique permettant l’amélioration significative de la démarche tout en proposant une capitalisation des connaissances sur la nitruration au travers d’une approche mettant en œuvre les nouveaux outils numériques d’intelligence artificielle.

Description du sujet : 

De nos jours, les conditions en service des composants mécaniques sont de plus en plus drastiques et sévères (environnement haute température et corrosif, sollicitations cycliques avec variations extrêmes) exigeant des tenues en service sans cesse plus importantes. La nitruration est un traitement thermochimique de la surface des aciers entraînant, par diffusion d’azote, une forte augmentation des propriétés mécaniques superficielles telles que la résistance à la fatigue, à l’usure, à la fissuration (ténacité). La mise en œuvre du procédé combinée aux acquis scientifiques permet une maîtrise de celui-ci afin de proposer des cycles de traitement optimisés. Des marges de progrès sont encore possible. Un travail dans ce sens a déjà été mené dans le cadre d’un projet antérieur, travail basé sur l’utilisation d’un paramètre d’équivalence temps-température de type Hollomon-Jaffe (HJ) [1]. L’objectif de cette étude est de proposer une démarche scientifique permettant l’amélioration significative de la démarche tout en proposant une capitalisation des connaissances sur la nitruration au travers d’une approche mettant en œuvre les nouveaux outils numériques d’intelligence artificielle.

Missions principales :

 Le point de départ de l’étude est détaillé dans [1]. La modélisation existante est applicable pour l’acier faiblement allié à l’état martensitique revenu. Les diffusions de l’azote et du carbone, la précipitation de nitrures d’éléments d’alliage de type MN (M = Cr, V…) nanométriques et de cémentite M3C généré sont prises en compte au travers des profils de dureté (durcissement structural) et des profils des contraintes résiduelles (déformations volumiques). L’approche sera basée sur un volet numérique utilisant des lois empiriques de type HJ et de l’intelligence artificiel (IA) pour la capitalisation des connaissances. Cette approche sera couplée à des expérimentations faites dans un environnement industriel à l’IRT M2P. Cette approche permettra à terme :
     • De prendre en compte tous les paramètres de nitruration ;
     • Étendre le nombre de points caractéristiques des profils de dureté et de contrainte recherchés ;
     • Garder un démarche simple et robuste basée sur des expérimentations industrielles et une approche semi-empirique ;
     • Minimiser les erreurs de la modélisation ;
     • Proposer une interface « user friendly » pour l’ingénieur process ;
     • De capitaliser l’ensemble des données expérimentales existantes ou à venir et des données numériques issus de simulations multiphysiques en utilisation les nouveaux outils numériques d’intelligence artificielle.

Profil attendu : 

Le.la candidat.e devra être titulaire d’un master 2 avec des solides connaissances en Sciences des matériaux, métallurgie, mécanique des matériaux. De bonnes connaissances dans ces disciplines sont indispensables à la recevabilité de toute candidature. Le candidat devra faire preuve d’une grande autonomie et de curiosité. Le.la candidat.e devra également avoir de bonnes capacités de synthèse et de communication écrite et orale avec un bon niveau d’anglais, le.la candidat.e sera force de proposition, capable de travailler de manière autonome et être doté.e de facilités relationnelles. Le.la candidat.e devra s’intégrer dans un contexte d’applications industrielles avec des livrables et des jalons de suivi de projet.

Lieu de travail : 

Environ 70 % du temps de l’étude sera consacré à l’expérimentation et 30 % à la simulation du procédé. Le.la doctorant.e sera employé.e par l’IRT M2P. Il.elle sera rattaché.e. à l’équipe MMS du laboratoire MSMP, Arts et Métiers, Campus d’Aix-en-Provence. Des réunions de suivi de projet seront régulièrement programmées avec les autres partenaires du projet. Des déplacements sur le site de l’IRT M2P à Metz seront programmés régulièrement lors du projet.