Eliott Duverger

Mr. Eliott Duverger

orcid

Research Focus & Metrics

Academic Career Length

2Years (2025-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
18 October 2025 in Journal of Industrial Information Integration
Verified
Journal Article
Open access
EDEliott Duverger
Eliott Duverger
AAAlexis Aubry
Alexis Aubry
RARebeca Arista
Rebeca Arista
ELEric Levrat
Eric Levrat

5 October 2026
Verified
Thesis
Closed access
EDEliott Duverger
Eliott Duverger
Co-ingénierie d'un système principal avion et de son système industriel basée sur les modèles pour une adéquation au plus tôt des architectures: Le processus traditionnel de conception des avions et de leur système de production de manière séquentielle atteint ses limites avec une industrie de plus en plus complexe. À mesure que les disciplines d'ingénierie s'approfondissent et s'élargissent, une transformation radicale est devenue une nécessité industrielle pour répondre aux impératifs de compétitivité. Si la transformation digitale offre de nouvelles capacités de développement collaboratif et concourant, la partie amont de la phase de conception reste le levier principal pour réduire les cycles de développement, maîtriser les coûts et améliorer la qualité tout au long du cycle de vie des systèmes. En utilisant des approches d'Ingénierie des Systèmes Basée sur les Modèles (MBSE) et d'Ingénierie Basée sur les Ontologies (OBE), cette thèse répond au défi de la conception de produits complexes et de leur systèmes de production dans le cadre de la transformation digitale de l'industrie aérospatiale. D'une part, les processus d'ingénierie standardisés, les vues multidisciplinaires et la traçabilité de l'information du MBSE permettent aux ingénieurs de collaborer avec des degrés de granularité ajustables. D'autre part, les capacités de représentation des connaissances et de raisonnement des méthodologies OBE assurent l'interopérabilité syntaxique, sémantique et organisationnelle, tout en enrichissant les ingénieurs de perspectives supplémentaires permettant d'effectuer des compromis globaux dès les premières phases de conception. Le cœur de cette recherche présente une architecture centrée autour d'un « fil digital » à base d'ontologies, intégrant les artefacts MBSE des domaines du produit et de la production. Au cœur de ce fil digital, des modèles ontologiques définissent différent type de connaissance tels que des processus d'ingénierie collaborative, une taxonomie agnostique à quelconque outil, langage ou domaine, des interactions inter-domaines et, enfin, des correspondances spécialisées avec le MBSE. Ces modèles servent de moyen de communication avec une compréhension partagée, tout en permettant aux différentes équipes d'ingénieurs de se coordonner. Concernant le développement de l'ontologie, cette thèse enrichit l'acquisition traditionnelle de connaissances centrée sur l'expert avec une méthode hybride combinant l'expertise humaine et des techniques d'apprentissage automatique interprétables. En extrayant des règles d'ingénierie explicites à partir de vastes bases de données industrielles, cette méthode profite de la scalabilité et de la robustesse d'approches statistiques pour transformer l'intuition des experts en règles vérifiables de type « si-alors ». Ces connaissances, intégrées dans l'ontologie, aident à la conception de systèmes complexes, facilitent l'analyse d'impact inter-domaines et raccourcissent les boucles d'itération entre les ingénieurs des domaines du produit et de la production. Enfin, cette recherche fait le pont entre le MBSE et l'environnement plus large de l'ingénierie digitale. Elle fournit une base de connaissances agnostique, flexible et facile à maintenir qui répond aux préoccupations des diverses parties prenantes, sert de base pour les processus d'ingénierie collaborative et facilite les compromis globaux pour une conception unique et intégrée dès la phase amont de conception d'un nouvel avion.

3 April 2026 in Aerospace
Verified
Journal Article
Open access
PDF file
EDEliott Duverger
Eliott Duverger
RARebeca Arista
Rebeca Arista
AAAlexis Aubry
Alexis Aubry
ELEric Levrat
Eric Levrat
In the early stages of concurrent engineering, the ability to assess design change impact is fundamentally limited by the availability of expert knowledge. Knowledge-Based Engineering (KBE) provides structured approaches for the capture, formalization, management, and diffusion of knowledge within complex organizations. KBE has increasingly turned toward ontology-based methodologies, leveraging their robust framework for shared conceptualization and reasoning capabilities. Integrated with Model-Based Systems Engineering (MBSE), such Ontology-Based Engineering (OBE) methodologies provide the necessary infrastructure for knowledge-driven workflows in a Digital Engineering (DE) context. Such integration is critical for complex engineering sectors such as the aerospace industry. However, the traditional knowledge acquisition process is expert-centric and, consequently, resource-intensive. The digital transformation of the industry has led to an explosion of data volumes, and raised concerns toward statistical approaches. This study implements a hybrid knowledge acquisition method within the OBE framework and MBSE environment. Specifically, this method combines human expertise and interpretable machine learning techniques to formalize knowledge models and instantiate them with concrete design rules. Applied in a real-world use-case involving workload estimation, this paper aims to enhance cross-domain collaboration during the conceptual design phase of new aircrafts.