Détermination et optimisation de méthodes thermiques idoines pour la détection et la caractérisation de défauts issus de procédés composites ou métalliques

Cette thèse s’inscrit dans un cadre d'innovations liées à l'industrie 4.0, notamment dans le développement de méthodes de Contrôle Non Destructif (CND) et de caractérisation par thermographie infrarouge. Depuis les années 1980, ce domaine a connu un essor significatif, aboutissant à une grande diversité de techniques et de connaissances. L'accessibilité à ces connaissances constitue cependant un défi pour les praticiens, qui nécessitent une expertise pointue pour choisir et mettre en œuvre la méthode adaptée. Ce travail s'attèle à structurer ces connaissances à travers la construction d'une ontologie dédiée aux méthodes thermiques, facilitant ainsi le choix des techniques en fonction des matériaux et des types de défauts à détecter.L'ontologie proposée repose sur une approche d'intelligence artificielle symbolique, en contraste avec les chatbots contemporains basés sur des raisonnements inductifs. Cette méthode permet de déduire des solutions cohérentes à partir de connaissances humaines, en liant les concepts clés de la thermographie : sources d'excitation, capteurs, méthodes d'analyse, types de défauts et propriétés à mesurer. Ce cadre logique permet un raisonnement déductif, garantissant des réponses logiques adaptées aux différents scénarios. Cette approche a été testée sur deux cas d’étude : la détection de délaminages dans un bloc de polycarbonate épais et isolant, et dans une électrode multicouche fine et conductrice. Bien que les deux matériaux aient été analysés avec le même équipement expérimental, les résultats diffèrent, avec des méthodes quantitatives spécifiquement adaptées aux thermogrammes du polycarbonate. L’ontologie a révélé ces différences, mettant en lumière son efficacité.En outre, l’étude aborde l’application des méthodes de thermographie dans des secteurs industriels confrontés à des défis particuliers, comme la fabrication de composites et la fabrication additive métallique. Les matériaux composites, largement utilisés dans l’industrie aéronautique, posent des difficultés en termes de contrôle qualité en raison des volumes de données générés. Pour pallier cela, un système de "Line Scan Thermography" a été développé, permettant de contrôler les bandes de composite en production. Les données sont traitées en temps réel avec un algorithme de détection adaptatif, réduisant le volume de données et caractérisant les défauts grâce à une méthode d’inférence bayésienne.Concernant la fabrication additive métallique, la complexité des géométries et la rugosité des surfaces rendent difficile la détection des défauts par des techniques traditionnelles. Une étude approfondie de la quantification de ces défauts a été réalisée, en particulier sur une plaque d’aluminium aéronautique. Un chauffage par jet d’air chaud, couplé à une caméra thermique haute résolution, a permis d’identifier la plupart des défauts en surface. Cependant, des études supplémentaires ont été menées pour estimer quantitativement la profondeur des défauts, en comparant les valeurs d’émissivité observées avec celles issues de modèles théoriques. Ces recherches ont mis en lumière les limites des approches existantes et permis de développer des modèles empiriques pour améliorer la quantification des défauts.