Mesure et modélisation 3D de la masse volumique et de l’orientation des fibres dans des échantillons de bois pour l’optimisation de leur usinage

Contexte – Projet PropUsiBot

La filière de la transformation du bois joue aujourd’hui un rôle stratégique dans le contexte de développement durable. Elle s’appuie sur une ressource biosourcée, présentant une balance entre croissance et exploitation positive, et favorisant les circuits courts par son foisonnement à travers tout le territoire. Cumulé à son caractère écologique, ses qualités esthétiques et mécaniques en font un matériau toujours plus valorisé, certes en construction et en ameublement ou pour des instruments de musiques mais également pour équiper tous types de véhicules qu’ils soient terrestres, aériens ou maritimes.

Lors de l’usinage de pièces en bois massif, il est complexe d’obtenir des états de surfaces satisfaisants en tous points et une finition en ponçage est quasiment systématique. Ce ponçage est long, couteux, et bien souvent manuel et délétère pour les opérateurs qui sont exposés aux poussières générées et soumis à des gestes qui engendrent des troubles musculo-squelettiques sévères.

Le projet PropUsiBot, qui s’appuie sur les compétences de l’Institut Clément Ader (Université de Technologie de Tarbes Occitanie Pyrénées) et du LaBoMaP (ENSAM de Cluny), vise donc à participer à la croissance et la performance de cette filière en résolvant cette problématique par le développement simultané d’outils d’optimisation complémentaires portant sur :

• L’optimisation des conditions et trajectoires de coupe au regard des particularités du matériau bois, notamment sa forte anisotropie et son hétérogénéité.
• L’optimisation et l’automatisation des opérations de ponçage au regard de la qualité produite en cours d’usinage.

Description du sujet de thèse et objectifs

Le sujet de thèse porte sur la caractérisation non-destructive de la masse volumique et de l’orientation des fibres du bois à l’échelle millimétrique, dans le but d’optimiser les stratégies d’usinage du bois massif.

La détermination de ces deux paramètres repose sur des techniques de contrôle non-destructif telles que la densitométrie par rayons X, les ondes térahertz, ou encore des méthodes optiques exploitant la diffusion directionnelle de la lumière laser à la surface du bois. Si ces technologies sont aujourd’hui bien établies pour le contrôle qualité (esthétique ou mécanique), leur usage dans le contexte de l’usinage reste très peu exploré.

Le LaBoMaP dispose d’une expertise reconnue à l’international dans ce domaine, avec un parc d’équipements de pointe incluant un scanner industriel de planches sciées et plusieurs scanners de laboratoire intégrant les technologies précitées. L’équipe MUB se concentre sur les deux paramètres clés expliquant les propriétés mécaniques du bois — la densité et l’orientation des fibres — qui influencent également de manière déterminante son comportement à l’usinage.

L’objectif final de la thèse est de développer des modèles prédictifs permettant de reconstruire, à partir de mesures de surface, la distribution tridimensionnelle de la densité et de l’orientation des fibres dans le volume du bois. Ces données seront ensuite utilisées par un autre doctorant du projet PropUsiBot comme entrées dans des algorithmes d’optimisation des trajectoires et paramètres de coupe, afin d’atteindre un compromis optimal entre qualité de surface, conformité dimensionnelle et temps d’usinage. Les objectifs principaux de la thèse sont donc :

• La constitution d’une base de données expérimentales originale, combinant des mesures locales de densité, d’orientation des fibres et d’efforts de coupe. Cette base sera obtenue par une méthode de tomographie destructive. Des méthodes similaires ont déjà été éprouvées au LaBoMaP dans le cadre des projets ANR BOOST et ANR EFFIQUASS (Penvern et al. 2024).
• Développer et valider des modèles nondestructifs d’interpolation volumique à partir de mesures non-destructives (laser, rayons X, térahertz), en s’appuyant sur des approches géométriques et/ou d’intelligence artificielle.

Créé depuis 1993, le LaBoMaP est Equipe d’Accueil (EA 3633) depuis 2002 et membre de la Fédération de Recherche (FR 2604) « Mathématiques, Matière, Matériaux » CNRS / uB / CEA / A&M ParisTech depuis 2007.
Il comprend une quarantaine de personnes.

L'Ecole Nationale Supérieure d'Arts et Métiers est une "Grande Ecole d'Ingénieurs". Elle a formé plus de 85 000 ingénieurs depuis sa création en 1780 par le duc de La Rochefoucauld Liancourt. L'Ecole Nationale Supérieure d'Arts et Métiers fait partie du PRES ParisTech* dont elle est membre fondateur. En 2007, elle adopte "Arts et Métiers ParisTech" comme nom de marque. Etablissement unique coordonné par une Direction Générale, Arts et Métiers ParisTech comprend 8 centres d’enseignement et de recherche et 3 instituts répartis sur le territoire français. Ce réseau lui confère une proximité exceptionnelle avec le milieu industriel en régions.

Diplômé(e) d’un Bac+5 (Master universitaire ou école d’ingénieur), le/la candidat(e) devra disposer de compétences solides en traitement de données, modélisation géométrique et analyse d’image. Une maîtrise d’un langage de programmation (Python, Matlab…) est attendue, ainsi qu’une familiarité avec les outils de traitement d’images et de visualisation scientifique.

Des connaissances dans le domaine de l’intelligence artificielle, de la caractérisation non-destructive ou des matériaux anisotropes (bois, composites…) seraient des atouts appréciés. Bien que le travail comporte une forte composante de modélisation, une part significative sera dédiée à l’expérimentation en laboratoire, notamment sur des machines d’usinage. Le/la candidat(e) devra donc être à l’aise avec la prise en main et le développement de nouvelles techniques expérimentales et la réalisation de nombreux essais/mesures.

Le/la candidat(e) devra faire preuve de rigueur scientifique, d’autonomie et d’un goût pour le travail interdisciplinaire, à l’interface entre physique, mécanique, traitement d’images et sciences du bois.