L'ingénierie assistée par ordinateur (IAO) utilise un logiciel basé sur la physique pour analyser, valider et optimiser la façon dont une pièce ou un système fonctionnera dans des conditions réelles (charges structurelles, effets thermiques, flux d'air, vibrations) avant sa construction physique.

DEP fournit ces services aux secteurs de l'aérospatiale et de la défense grâce à des services de simulation dédiés couvrant les simulations structurelles, la simulation de formage de tôle, la simulation CFD/thermique/d'écoulement, la conception et l'analyse aérodynamiques, ainsi que l'analyse acoustique et vibratoire. Ces services s'accompagnent également de services de conception et d'ingénierie incluant le support CAO, la réduction de poids et l'ingénierie de fabrication. La particularité des programmes aérospatiaux et de défense réside dans le fait que ces disciplines sont rarement menées de manière isolée : une modification du poids de la structure modifie le centre de gravité et la marge de flottement, une charge thermique modifie les propriétés admissibles des matériaux utilisées dans le calcul des contraintes, et un objectif de durée de vie en fatigue limite les possibilités de l'aérodynamicien concernant le rayon de bord d'attaque. C'est précisément pourquoi l'intégration au niveau de la plateforme, abordée dans les questions 6 et 12, est aussi importante que n'importe quel solveur individuel.

Le prétraitement est l'étape où une géométrie CAO est préparée pour la simulation : nettoyage de la géométrie, division en un maillage d'éléments finis et attribution des propriétés des matériaux et des conditions aux limites, avant qu'un solveur puisse s'exécuter.

Pour les assemblages aérospatiaux complexes (structures de cellule, carters de moteur, structures de cabine), la qualité du prétraitement détermine directement la précision de la simulation. C'est pourquoi la plateforme MeshWorks de DEP considère le maillage et la modélisation comme des modules essentiels et dédiés, et non comme une simple étape a posteriori du solveur. Concrètement, cela signifie que le maillage de surface et de volume, l'extraction automatique de la surface médiane pour les panneaux d'aérostructure à parois minces, ainsi que le nettoyage et le contrôle automatique de la qualité du maillage sont gérés comme une séquence continue, et non comme des étapes manuelles distinctes. La couche de modélisation située au-dessus gère l'assemblage intelligent, la création de connecteurs et l'affectation des matériaux et des charges sur des modèles complets de cellule ou de moteur, soit le même niveau de complexité d'assemblage que celui utilisé pour les modèles de véhicules et de navires dans d'autres secteurs.

La transformation morphologique permet de remodeler un modèle d'éléments finis ou de CFD existant pour l'adapter à une nouvelle géométrie cible (modification de conception, substitution de matériau, etc.) sans avoir à reconstruire le maillage. La topologie et la connectivité du maillage étant préservées lors de la transformation, la transformation morphologique maintient intactes la qualité des éléments, les conditions aux limites et les définitions de charge tout au long du processus. Le maillage n'a pas besoin d'être revalidé à chaque itération, ce qui permet de réduire considérablement le temps de calcul.

DEP a appliqué cette méthode avec succès en convertissant des cloisons en aluminium en cloisons composites, obtenant ainsi une réduction de masse de 28 % tout en améliorant les performances. Il s'agit d'un exemple concret d'itération de conception par morphing sur un véritable composant structurel aérospatial, rendu possible grâce à la fonctionnalité de morphing basée sur les caractéristiques de MeshWorks. Plus largement, MeshWorks prend en charge le morphing au niveau des composants, des modèles complets et des pièces CAO. Compatible avec tous les logiciels de CAO, il fonctionne dans des environnements CAO mixtes sans erreurs de conversion et permet de réduire le temps d'itération jusqu'à 80 % par rapport à la reconstruction d'un modèle à partir de zéro. C'est ce mécanisme qui explique pourquoi plus de 250 variantes de conception peuvent être générées à partir d'un seul modèle de base sans avoir recours à la CAO, comme décrit dans la question 7.

La paramétrisation CAE convertit un modèle d'éléments finis ou CFD fixe en un modèle flexible et ajustable où les paramètres de géométrie, de section, de connecteur et de topologie peuvent être modifiés et réévalués automatiquement, au lieu de reconstruire le modèle pour chaque variation de conception.

MeshWorks prend en charge cette approche dans les domaines des crash-tests, du NVH (bruit, vibrations et dureté) et de la durabilité, permettant aux équipes d'ingénierie aérospatiale de réaliser des études de compromis structurel et de poids – notamment les travaux documentés de DEP sur l'optimisation du poids d'un stabilisateur d'avion grâce à la modélisation paramétrique – sans avoir à repartir de zéro pour chaque configuration. La conversion d'un modèle CAE standard unique en un modèle paramétrique s'effectue en un clic dans MeshWorks, et l'ensemble de paramètres résultant s'intègre directement aux flux de travail de la planification des expériences (DOE) et de la conception multiniveaux (Q6), transformant ainsi un modèle de stabilisateur unique en un espace de conception structuré et évolutif, plutôt qu'en une série d'études ponctuelles isolées.

La modélisation d'ordre réduit condense un modèle d'éléments finis détaillé en une représentation paramétrique légère et de haute précision - par exemple, en convertissant un assemblage structurel 3D complexe en un modèle de poutre 1D équivalent sans perte de fiabilité prédictive.

Dans MeshWorks, ROM réduit le temps de calcul jusqu'à 50 %, un gain crucial pour les programmes aérospatiaux qui effectuent des simulations répétées de crash, de durabilité ou de charges structurelles dans de vastes espaces de conception. Le rôle de ROM ne se limite pas à l'accélération d'un modèle unique : lorsque la paramétrisation et la morphologie (Q3-Q4) génèrent un grand nombre de variantes de conception, ROM traite l'ensemble de ces variantes suffisamment rapidement – ​​réduisant ainsi le temps de calcul de plusieurs jours à quelques heures – pour les rendre utilisables comme données d'entraînement pour l'IA. Ces données sont ensuite directement intégrées au pipeline AIWorks, présenté dans la partie 2.

L'optimisation multidimensionnelle (MDO) évalue et optimise une conception simultanément dans plusieurs domaines d'ingénierie (performances structurelles, thermiques et acoustiques, par exemple) au lieu d'optimiser chaque domaine isolément et de résoudre les conflits ultérieurement.

Le module MDO de MeshWorks partage des paramètres entre les domaines de la résistance aux chocs, du NVH, de la CFD et de la durabilité, et intègre des modèles d'ordre réduit aux données de plans d'expériences (DOE), en intégrant l'optimisation de la structure et de la topologie ainsi que la définition d'objectifs multiples. Ainsi, les programmes aérospatiaux peuvent atteindre leurs objectifs de poids et de coût tout en respectant les exigences de performance structurelle, thermique et acoustique. L'exécution simultanée de ces domaines, plutôt que séquentielle, permet de faire ressortir un compromis avant qu'il ne devienne une refonte de dernière minute : comme le montre la partie 2, il s'agit également de la structure multidisciplinaire que le module AIWorks Optimize de DEP exploite, avec une commutation IA/solveur en surimpression.

L'IA dans la CAE applique l'apprentissage automatique à des étapes spécifiques du flux de travail de simulation - génération de données d'entraînement, entraînement de modèles prédictifs et exécution d'une optimisation basée sur l'IA - afin de réduire l'effort manuel et le temps de résolution que ces étapes nécessitent traditionnellement, sans remplacer les méthodes physiques sous-jacentes décrites dans la partie 1.

AIWorks est conçu comme une solution complète pour l'IA, et non comme un outil ponctuel : il couvre la génération de données pour l'entraînement, la modélisation et la validation, le déploiement en tant que solveurs rapides et l'optimisation de la conception à l'aide de ces modèles, le tout sur une plateforme unique. DEP positionne AIWorks comme une solution déployée dans des programmes d'ingénierie actifs – notamment dans l'aérospatiale et chez les équipementiers de premier rang – et non comme un projet pilote d'évaluation ou un prototype de recherche. AIWorks offre une vitesse de simulation 10 fois supérieure avec une erreur de prédiction inférieure à 3 % pour la traînée aérodynamique et la rigidité de la carrosserie, validée dans divers programmes, notamment pour les constructeurs automobiles, l'aérospatiale, le ferroviaire, l'énergie, l'électronique et les engins lourds. Les performances de référence d'AIWorks (multiplicateur de vitesse, taux d'erreur) étant validées pour l'ensemble des secteurs d'activité couverts par DEP, et non uniquement pour l'aérospatiale, les programmes aérospatiaux et de défense doivent les considérer comme représentatives du potentiel maximal démontré de la technologie. La précision peut varier selon le programme, en fonction du cas de charge et de la géométrie.

Les réseaux de neurones à base physique intègrent directement les principes de la physique appliquée à l'ingénierie – équations des éléments finis, Navier-Stokes et LES (simulation des grandes échelles) – dans leur fonction de perte d'apprentissage, au lieu de se fier uniquement à un ajustement statistique. Ceci est crucial car l'apprentissage automatique classique peut extrapoler de manière aveugle lorsqu'une nouvelle conception s'écarte de sa distribution d'apprentissage – un échec silencieux en ingénierie – tandis que contraindre le réseau à respecter les équations physiques fondamentales durant l'apprentissage lui permet d'extrapoler de manière crédible à des géométries véritablement nouvelles.

L'implémentation AIWorks de DEP va plus loin en utilisant des architectures PINN distinctes, optimisées pour des classes de problèmes faiblement, modérément et fortement non linéaires. Un cas de collision ou d'impact est traité par une formulation physique fondamentalement différente d'une analyse fréquentielle linéaire, car les mathématiques sous-jacentes diffèrent. Chaque modèle entraîné est associé à un scoreur d'équivalence, un mécanisme d'évaluation de la confiance généré automatiquement avec les modèles prédictifs et génératifs pour chaque cas de charge. Ce scoreur signale lorsqu'une conception s'écarte de la plage de prédiction fiable du modèle d'IA et renvoie automatiquement le cas au solveur physique au lieu d'accepter un résultat d'IA non fiable. Les benchmarks de précision validés par DEP, vérifiés par rapport à des exécutions réelles du solveur en production plutôt qu'à des ensembles de données de référence sélectionnés, montrent une erreur inférieure à 3 % sur les prédictions des coefficients aérodynamiques/de traînée et de la rigidité de la carrosserie, un score R² supérieur à 95 % sur la prédiction des collisions/impacts pour les chemins de charge d'impact latéral fortement non linéaires, et une erreur inférieure à 5 % sur la prédiction NVH/fréquence pour de multiples configurations structurelles.

S'appuyant sur les principes fondamentaux de maillage et de paramétrage présentés dans la première partie, la fonctionnalité Features-AI d'AIWorks reconnaît et paramétrise automatiquement les éléments géométriques d'ingénierie directement sur le modèle par éléments finis (nervures, bossages, congés, soudures par points, soudures MIG, trous et brides) au sein des assemblages. Elle prend en charge de nombreux procédés de fabrication, notamment la fonderie, l'emboutissage, le moulage par injection et les géométries d'assemblages soudés. Une fois reconnues, ces caractéristiques sont converties en poignées paramétriques intelligentes, ce qui permet la création rapide de nouvelles conceptions et la génération de concepts assistée par l'IA, sans que l'ingénieur ait besoin de revenir à la CAO à chaque itération. C'est cette même étape de reconnaissance des caractéristiques qui alimente les modèles PINN décrits dans la question 8, et qui permet la création de données d'entraînement massives.

La fonctionnalité GEOM-AI d'AIWorks crée des jumeaux numériques directement à partir de données de numérisation de pièces fabriquées. Elle utilise la morphologie de maillage pilotée par l'IA et un processus breveté de voxelisation pour mapper la géométrie, l'épaisseur et les champs de résultats numérisés dans un espace statistique unifié. Ce procédé étend les principes de morphing présentés dans la première partie en alignant automatiquement la géométrie de la pièce numérisée avec le modèle CAO ou maillé nominal et en corrigeant les écarts de fabrication. Il mappe ainsi la géométrie, les variations d'épaisseur, la précontrainte et la distorsion de la pièce telle que fabriquée sur le modèle éléments finis nominal, transformant ainsi du matériel aérospatial/de défense physique en un modèle prêt pour la simulation sans remodelage manuel. GEOM-AI prend également en charge l'opération inverse : la modification d'une forme CAO par morphing permet d'obtenir instantanément une prédiction de performance par l'IA en quelques secondes, sans remaillage ni file d'attente de solveur. De plus, la génération automatique de sous-modèles pour l'itération de conception locale et la création de topologies génératives au niveau du maillage permettent d'explorer de nouveaux concepts de pièces sans revenir à la CAO.

Agentic-AI utilise des agents autonomes pour orchestrer des flux de travail CAE multi-étapes : mise en file d'attente des solveurs, surveillance de la convergence, exécution de boucles d'optimisation, synchronisation des variables entre les disciplines et génération automatique de rapports 3D intégrés, le tout sans nécessiter de supervision constante de l'ingénieur. Dans AIWorks, un ingénieur décrit une tâche en langage naturel, un agent de planification élabore un plan de tâches structuré, et les agents CAO, de maillage, de résolution et de post-traitement l'exécutent, en répartissant intelligemment chaque tâche entre les solveurs physiques et les modèles d'IA de substitution entraînés, en fonction des exigences d'exécution et du score d'équivalence (Q8) de chaque modèle. C'est ce qui permet des fonctionnalités telles que des boucles d'optimisation autonomes nocturnes couvrant simultanément les tests de collision, le NVH, la rigidité et la CFD. L'orchestration des flux de travail MDO et ROM décrits dans la première partie est automatisée, sans être remplacée. L'ingénieur conserve le contrôle, l'agent agissant comme un copilote plutôt que comme un décideur totalement autonome.

MeshWorks fournit les fonctionnalités de base de l'ingénierie CAE (maillage, morphing, paramétrage, ROM et MDO) sur lesquelles s'appuient les programmes aérospatiaux et de défense pour la validation structurelle, CFD et de durabilité, notamment la conversion composite de cloisons documentée par DEP, l'optimisation du poids des stabilisateurs d'aéronefs et l'étude du mécanisme de culasse/couple moteur. AIWorks s'appuie sur cette même base en tant que couche d'IA : les modifications paramétriques, le morphing et la modélisation conceptuelle génèrent un grand nombre de variantes de géométrie et d'épaisseur au niveau du maillage sans retouche CAO. Le ROM traite ces variantes suffisamment rapidement pour constituer un ensemble d'entraînement exploitable. Le moteur de voxelisation breveté cartographie statistiquement l'espace de conception résultant. L'entraînement PINN produit ensuite un modèle prédictif, un modèle génératif et un scoreur d'équivalence adaptés pour chaque cas de charge – le même pipeline qui a généré plus de 250 variantes structurelles à partir d'un seul modèle de base dans d'autres secteurs. Dans le secteur aérospatial et de la défense, DEP cite l'analyse structurelle, la CFD, la fatigue, la modélisation des trajectoires de vol et l'optimisation des composites parmi les domaines d'application d'AIWorks. L'entreprise mentionne également des projets de validation de concept réalisés en moins de six semaines après la connexion du solveur existant à un programme. DEP détient par ailleurs un brevet américain pour sa technologie de transformation CAO, qui sous-tend la capacité de transformation partagée par les deux plateformes.