aviation

Utiliser le Machine Learning pour prédire la résistance au feu d’un composant

Un constructeur d'hélicoptères souhaite concevoir un matériau résistant au feu pour sa cabine passager. Le principal objectif est de résister à la combustion au moins 15 minutes afin de laisser au pilote le temps (et la chance) de s'éjecter. A partir d'une ancienne série de données de tests de laboratoire réalisés par le constructeur d'hélicoptères, TADA a identifié un excellent ensemble de composants et leur proportion afin de créer une matériel résistant au feu.

Industrie

Hélicoptère – Industrie aéronautique – Matériaux

TEMPS D'EXECUTiON DU projet

Six jours

BENEFICES client

  • 6 jours seulement pour extraire l’information essentielle sur des matériaux à partir de données cumulées sur 40 ans de tests
  • Découvrir quels composants et quelles combinaisons résistent au feu avec une excellente fiabilité
  • Obtenir immédiatement le dosage optimal des différents éléments pour produire le matériau final

Problème à résoudre

Un fabriquant d’hélicoptères a testé différentes combinaisons de matériaux pour les cabines au cours des 40 dernières années. L’objectif est de protéger les pilotes d’un feu se propageant rapidement et de leur laisser assez de temps (en l’occurrence 15 minutes) pour s’éjecter. Les données de 40 années de tests de laboratoire sur différents matériaux ont été agrégées. La base de données produite contient approximativement 500 enregistrements. L’équipe de conception du fabriquant veut savoir quels composants sont critiques pour obtenir la résistance au feu visée. Elle souhaite également déterminer la proportion de chacun des matériaux à utiliser pour le produit final afin d’atteindre cet objectif. 

L’équipe souhaite également connaître la précision de ces prévisions. Il y a plusieurs finalités à cette étude de conception de matériau : faire le meilleur usage des données de laboratoire accumulées, réduire le temps requis et obtenir un avantage compétitif en conception de matériau résistants au feu.  Et cela pour protéger des vies.

Objectifs

  • Faire le meilleur usage de données (500 enregistrements) cumulées en laboratoire en 40 ans afin d’identifier les facteurs essentiels
  • Trouver la bonne combinaison et les proportions des composants pour obtenir un matériau résistant au feu optimal

 

Notre client souhaite répondre à la question suivante : 

Peut-on prévoir avec précision quels  composants utiliser et dans quelles proportions afin d’obtenir un nouveau matériau résistant au feu, en quelques jours ?

Solution

Nous avons démarré avec une base de données de 500 enregistrements. Les enregistrements contiennent des résultats de tests de résistance au feu de différents matériaux dans des circonstances variées. Pour chaque enregistrement, la base de données contient à la fois des informations sur le matériau et le cadre du test réalisé. Sur le matériau : la base indique le type de résine utilisée, sa densité, sa classe de polymère, sa structure, son style de tissage, le solvant, la peinture. Pour ce qui concerne le test réalisé, l’agent combustible est indiqué, ainsi que le laboratoire en charge du test.

Phases of training on a TADA's model

TADA a identifié plusieurs combinaisons de composants qui permettent de réaliser des matériaux avec une excellente résistance au feu en très peu de temps. Il faut habituellement plusieurs mois pour développer un matériau résistant au feu, entre le formulation par l’équipe de création de matériaux et les tests de laboratoire. Il a fallu, dans ce cas six jours à l’équipe de création de matériaux pour obtenir le même résultat. TADA a permis d’explorer 40 années de données de tests de laboratoire et d’en extraire l’information essentielle. Des mois de travail ont été économisés. Les facteurs les plus importants étaient la résine utilisée « prepreg » (c’est à dire pré-imprégnée), l’épaisseur du matériau (de loin le paramètre le plus important) et la densité de la résine.

Overview of a predictive models from TADA

TADA a réalisé ces prédictions avec une fiabilité de 86%.

On peut visualiser, à l’aide de « Live Predict » l’impact de la variation de l’épaisseur d’un matériau.

Bénéfices client

En six jours, l’équipe de conception de matériaux d’un fabriquant d’hélicoptères a obtenu un avantage concurrentiel en :

  • En tirant parti de manière opérationnelle de 40 années de tests
  • Générant la formule d’un nouveau matériau résistant au feu avec une fiabilité excellente de 86%

Ce faisant, l’équipe a amélioré la sécurité des pilotes d’hélicoptères à un coût très compétitif.