Etude expérimentale, couplée à la modélisation et l'IA, des interactions liants-poudres dans le procédé de Binder Jetting. Application au recyclage des céramiques // Experimental study, combined with modelling and AI, of binder-powder interactions in the

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 œuvre 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.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD project is set within the context of developing the Binder Jetting additive manufacturing process for the production of complex ceramic components, while addressing sustainability challenges related to the integration of recycled raw materials. It aims to improve the understanding and control of physico-chemical interactions between binders and powders, which govern the quality of green parts, particularly their rigidity and homogeneity. These interactions involve complex phenomena such as droplet impact and penetration, rearrangement of the granular medium, and properties such as wettability and viscosity. The use of recycled powders, whose characteristics may vary, also requires adaptation and optimisation of process parameters.

The research is based on an integrated approach combining experimentation, numerical modelling and artificial intelligence. Experimental studies will provide detailed insight into binder-powder interaction mechanisms and enable the characterisation of the microstructural and mechanical properties of parts produced from both model and recycled powders. In parallel, simulations based on the Discrete Element Method will be developed and refined using experimental observations in order to better predict binder propagation within the material. Finally, a machine learning approach will be implemented to exploit the full dataset generated and to develop a digital twin of the process, capable of optimising manufacturing parameters. The PhD will be carried out in collaboration between the IRCER laboratory and the Ceramics Technology Transfer Centre, providing both a fundamental and applied research environment.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Cifre

CIFRE ANRT

Université de Limoges

653 Sciences et Ingénierie

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.
Candidate profile • Education: Master's degree (MSc) or engineering degree in Materials Science, Physics, Chemistry, Mechanics, or Process Engineering. • Skills: - Strong interest in experimental work and physical measurements, - Interest in numerical modelling and programming (Python), - Curiosity for Artificial Intelligence (Data Science), • Personal qualities: Scientific rigour, autonomy, and the ability to integrate experimental results with numerical tools.