Thèse Etude Expérimentale Couplée à la Modélisation et l'IA des Interactions Liants-Poudres dans le Procédé de Binder Jetting. Application au Recyclage des Céramiques H/F - Doctorat.Gouv.Fr

Établissement : Université de Limoges École doctorale : Sciences et Ingénierie Laboratoire de recherche : Institut de Recherche sur les Céramiques Direction de la thèse : BENOIT NAIT ALI ORCID 000000032931986X Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-31T23:59:59 Cette thèse s'inscrit dans le contexte du développement du procédé de fabrication additive Binder Jetting pour la production de pièces céramiques complexes, tout en répondant aux enjeux de durabilité liés à l'intégration de matières premières recyclées. Elle vise à mieux comprendre et maîtriser les interactions physico-chimiques entre les liants et les poudres, qui conditionnent la qualité des pièces crues, notamment leur rigidité et leur homogénéité. Ces interactions reposent sur des phénomènes complexes tels que l'impact et la pénétration des gouttes de liant, la réorganisation du milieu granulaire et les propriétés de mouillabilité ou de viscosité. L'introduction de poudres recyclées, aux caractéristiques variables, nécessite par ailleurs d'adapter et d'optimiser les paramètres du procédé.

Le travail de recherche repose sur une approche intégrée combinant expérimentation, modélisation numérique et intelligence artificielle. Des essais expérimentaux permettront d'analyser finement les mécanismes d'interaction entre liant et poudre, ainsi que de caractériser les propriétés microstructurales et mécaniques des pièces obtenues à partir de poudres modèles et recyclées. En parallèle, des simulations basées sur la méthode des éléments discrets seront développées et enrichies à partir des observations expérimentales afin de mieux prédire la propagation du liant au sein du matériau. Enfin, une approche de type machine learning sera mise en oeuvre pour exploiter l'ensemble des données produites et construire un jumeau numérique du procédé, capable d'optimiser les paramètres de fabrication. La thèse se déroulera en collaboration entre le laboratoire IRCER et le Centre de Transfert de Technologies Céramiques, offrant un cadre à la fois fondamental et appliqué.
Le procédé de fabrication additive Binder Jetting (projection de liant sur lit de poudre) offre une grande liberté dans la conception de pièces céramiques de géométries complexes. Cependant, de nombreux défis subsistent quant à l'optimisation de la distribution granulométrique, la formulation des liants et leur réactivité avec les poudres, les post-traitements de déliantage et frittage. La maîtrise de la rigidité des pièces crues et de leur homogénéité reste un défi majeur. Les interactions physiques et chimiques entre les liants et les poudres sont au coeur du procédé. Ces interactions dépendent de mécanismes physiques et chimiques complexes : l'éjection de la goutte, son impact et sa pénétration capillaire, qui peuvent induire une réorganisation locale de l'empilement granulaire, ainsi que des interactions de nature chimique entre les liants et la surface des grains, suivant leurs propriétés de mouillabilité, ou de viscosité.
Pour répondre aux enjeux actuels de développement durable, le recyclage des produits céramiques, issus des rebuts dans les entreprises ou de pièces en fin de vie, devient une préoccupation centrale de l'industrie céramique. L'utilisation de matières premières issues du recyclage nécessite de repenser les étapes des procédés, car ces matières premières peuvent avoir des caractéristiques physiques et chimiques différentes en comparaison avec les matières premières initiales. Le Binder Jetting est un procédé tout à fait approprié pour intégrer des matières premières issues du recyclage, à condition de mener un travail d'optimisation sur les caractéristiques des poudres et des liants utilisés.
La thèse proposée portera sur l'étude des interactions poudres liants appliqué aux matières premières issues du recyclage. La thèse sera menée entre l'IRCER et le CTTC (Centre de Transfert de Technologies Céramiques). Ce partenariat offrira au doctorant une double culture académique et industrielle, lui permettant de mener des recherches fondamentales tout en étant confronté aux réalités et exigences de la fabrication dans un contexte industriel.
L'objectif de cette thèse est de mieux comprendre et maîtriser les interactions physico-chimiques entre poudres et liants dans le procédé Binder Jetting afin d'améliorer la qualité des pièces céramiques, notamment leur homogénéité et leur tenue mécanique à l'état cru. Elle vise également à adapter et optimiser ce procédé pour l'utilisation de matières premières issues du recyclage. Enfin, le projet ambitionne de développer des outils prédictifs, basés sur la modélisation et l'intelligence artificielle, pour optimiser les paramètres de fabrication. Le doctorant sera au centre d'une stratégie innovante mêlant l'expérimentation, la modélisation et l'intelligence artificielle :
1. Partie expérimentale
- Mise en place d'un banc d'essai instrumenté (vidéographie rapide) pour analyser la dynamique d'impact et de mouillage, et pour obtenir des informations à une échelle intermédiaire entre la taille des grains et celle de la pièce.
- Etude de différents couples « poudre/liant » pour identifier les interactions physico-chimiques dominantes.
- Réalisation d'échantillons par Binder Jetting, en utilisant des poudres modèles, comme l'alumine, et des poudres issues du recyclage (porcelaine,...), incluant les étapes de préparation des poudres.
- Caractérisation de la microstructure et des propriétés finales des pièces crues : analyse de la porosité, détermination du profil de pénétration du liant, propriétés mécaniques, observations microstructurales pour établir les relations avec les paramètres du procédé.

2. Modélisation Numérique et Simulation :
- Utilisation du code de calcul interne (Python/GPU) basé sur la Méthode des Éléments Discrets (DEM).
- Contribution au développement du modèle : intégration de nouvelles briques physiques issues des observations expérimentales pour affiner la prédiction de la propagation du liant 'à coeur', zone difficilement accessible à la mesure.

3. Intelligence Artificielle et Capitalisation :
- Mise en place d'une approche de Machine Learning pour capitaliser sur l'ensemble des données issues des essais réels et des simulations.
- L'objectif est d'utiliser l'IA pour identifier des corrélations complexes et construire un jumeau numérique capable d'optimiser les paramètres du process (maximiser la tenue mécanique, piloter l'homogénéité).

Profil recherché
- Formation : Master 2 ou école d'ingénieurs, en Science des Matériaux, Physique, Chimie, Mécanique ou Génie des Procédés.
- Compétences :
- Fort attrait pour l'expérimentation et la mesure physique.
- Goût pour le calcul numérique et la programmation (Python).
- Curiosité pour l'Intelligence Artificielle (Data Science).
- Qualités : Rigueur scientifique, autonomie et capacité à faire interagir les résultats expérimentaux avec les outils numériques.