Laboratoire de Conception Fabrication Commande (LCFC)

 


Le LCFC est un laboratoire (équipe d'accueil EA 4495) en cotutelle Arts et Métiers / Université de Lorraine. Ses activités de recherche visent à développer les futurs systèmes de production dans les domaines des services et de l’industrie manufacturière : Développer les outils pour inventer, concevoir, organiser, piloter et commander les systèmes de production, Produire en garantissant la qualité, la sécurité et la santé au travail, Développer des nouveaux procédés de Fabrication et leurs systèmes de production associés, Concevoir des fonctionnalités et des usages à haute valeur technologique.
Plus d'informations sur le laboratoire LCFC :
http://lcfc.ensam.eu/

Recent Submissions

  • Fixturing-driven determination of multi-product assembly plans in the context of product variety and reconfiguration 
    Article dans une revue avec comité de lecture
    ccSTIEF, Paul; ccDANTAN, Jean-Yves; ccETIENNE, Alain; ccSIADAT, Ali (Springer, 2024-11)
    The design and use of assembly systems for more than one dedicated product becomes more important to manufacturing industries as product variety increases and lot sizes decrease. Since their introduction in the late 90’s, ...
  • Accurate real-time modeling for multiple-blow forging 
    Article dans une revue avec comité de lecture
    ccURIBE, David; ccDURAND, Camille; ccBAUDOUIN, Cyrille; ccBIGOT, Regis (Springer Science and Business Media LLC, 2024-10)
    Numerical simulations are crucial for predicting outcomes in forging processes but often neglect dynamic interactions within forming tools and presses. This study proposes an approach for achieving accurate real-time ...
  • Enhancing Fault Diagnosis in Process Industries with Internal Variables of Model Predictive Control 
    Article dans une revue avec comité de lecture
    ccDIALLO, Abdoul Rahime; HOMRI, Lazhar; ccDANTAN, Jean-Yves; BONNET, Frédéric; BOEUF, Thomas (Elsevier BV, 2024-08)
    This paper introduces the use of internal variables, estimated through Model Predictive Control (MPC), for fault detection and diagnosis in process industries. To do so, a data-driven methodology is proposed. Three ...
  • Immersive Digital Twins of an Industrial Forge in Engineering Education 
    Communication avec acte
    ccFLEURY, Sylvain; ccBAUDOUIN, Cyrille; ccBONDESAN, Pierre (2024-06-11)
    The rapid and relentless pace of technological advancement over recent years has had a profound impact on the realm of education. This dynamic transformation has paved the way for a host of new possibilities and innovations ...
  • Jumeaux numériques : le projet JENII cherche à innover dans la formation aux procédés de fabrication 
    Article dans une revue sans comité de lecture
    ccBAUDOUIN, Cyrille; ccURIBE, David; ccFLEURY, Sylvain (Fédération Forge Fonderie, 2024-03)
    Le concept de jumeau numérique offre une multitude d'applications et d'utilisations dans divers domaines. Tout d'abord, il permet de simuler et de tester des scénarios virtuels avant de les implémenter dans le monde réel. ...
  • Enhancing metal-forming predictions with VR-infused digital twin models 
    Communication avec acte
    ccURIBE, David; ccBAUDOUIN, Cyrille; ccLOCARD, Yoan; ccDURAND, Camille; ccBIGOT, Regis (Materials Research Forum LLC, 2024-05)
    This article presents a two-step method to enhance metal-forming predictions by integrating Virtual Reality (VR) into Digital Twin models, focusing on single-blow cold copper upsetting operations. The process begins with ...
  • Adaptive deep homogenization theory for periodic heterogeneous materials 
    Article dans une revue avec comité de lecture
    WU, Jiajun; CHEN, Qiang; JIANG, Jindong; ccCHATZIGEORGIOU, George; ccMERAGHNI, Fodil (Elsevier BV, 2024-07)
    We present an adaptive physics-informed deep homogenization neural network (DHN) approach to formulate a full-field micromechanics model for elastic and thermoelastic periodic arrays with different microstructures. The ...

View more