Ingénierie et systèmes > Accueil > Incertitudes et fiabilité des systèmes multiphysiques > Numéro
Les systèmes de refroidissement traditionnels n’ont pas la capacité d’assurer un bon transfert d’énergie thermique. Grâce à l’évolution de ces systèmes, il est possible d’améliorer les nouveaux dispositifs. La présente recherche porte sur la démonstration de l’effet des matériaux à changement de phase (MCP) pour une gestion thermique optimale, en utilisant un dissipateur thermique. Ce type de matériaux ont la capacité d’absorber l’énergie thermique dissipée par les composants électroniques. Le matériau utilisé est le n-Eicosane, choisi pour ses propriétés physiques et chimiques. La méthode des éléments finis permet de modéliser ce phénomène, et les résultats de la simulation sont obtenus à l’aide du logiciel ANSYS. Cet article présente les résultats d’une comparaison entre un dissipateur thermique sans matériaux à changement de phase (MCP) et un dissipateur thermique avec MCP, afin de quantifier l’effet de la présence de MCP sur la gestion thermique des composants électroniques. Le N-Eicosane, dont la température de fusion est de 36,5 °C. Ces dissipateurs thermiques nécessitent généralement l’utilisation de techniques visant à améliorer le transfert thermique, en raison de la faible conductivité thermique des matériaux à changement de phase (MCP). Une matrice d’ailettes en plaques d’aluminium est utilisée dans la présente étude pour accroître le transfert thermique. Par conséquent, le matériau utilisé dans cette simulation diminue l’effet de surchauffe du dissipateur thermique (température maximal sans MCP : 69 °C - température maximal avec MCP : 61 °C).
La fabrication additive (FA), également connu sous le nom de l’impression 3D, révolutionne le secteur industriel en permettant la production de composants complexes et personnalisés. L’intégration de l’Intelligence Artificielle (IA) dans les processus de FA offre un potentiel considérable pour améliorer l’optimisation de la conception, l’efficacité des processus et le contrôle de la qualité. Cet article explore la convergence de l’IA et de la FA, en se concentrant sur l’innovation, les tendances et les applications telles que l’optimisation topologique, la prédiction des performances, la surveillance en temps réel et la détection automatique des défauts. Nous abordons les défis liés à l’intégration de l’IA dans la FA, notamment la disponibilité des données, les exigences computationnelles et la nécessité d’une expertise multidisciplinaire. Cette revue vise à fournir des informations précieuses pour les chercheurs et les professionnels de l’industrie souhaitant exploiter l’IA pour faire progresser les technologies de fabrication additive.
2025
Volume 25- 9
Numéro 12024
Volume 24- 8
Numéro 12023
Volume 23- 7
Numéro 12022
Volume 22- 6
Numéro 12021
Volume 21- 5
Numéro 22020
Volume 20- 4
Numéro 12019
Volume 19- 3
Numéro 12018
Volume 18- 2
Numéro 22017
Volume 17- 1
Optimisation et Fiabilité