SlideShare une entreprise Scribd logo
1  sur  10
Télécharger pour lire hors ligne
Steven DAIX
cfd@extia.fr
Bureau d’Etudes CFD
Optimisation d’une calandre
2
Présentation du fonctionnement
Paramètre 1
Fichier
d’entrée
Application
Résultats 1
Fichier
de sortie
Résultats 2
Résultats M
Optimisation
L’optimisation est réalisée par un code de calcul appelé Dakota spécialisé dans l’optimisation.
Ce code libre gère le couplage avec un logiciel de CAO pour mettre à jour la géométrie mais
aussi la réalisation du calcul sous un logiciel de CFD (Fluent, Star CCM+, OpenFoam,…).
Pour ce cas, Star CCM+ a été utilisé.
Paramètre 2
Paramètre n
Dimension de la calandre = 0,5 m x 0,5 m
Modèle 3D aéraulique avec des parois lisses pour
obtenir l’effet isolé de la calandre.
La calandre est considérée perpendiculaire à la
veine.
Entrée veine :
Mass flow inlet = 0,3 kg/s
Sortie veine :
Pressure outlet
3
Liste des paramètres à optimiser:
• L2 = 0,044182 m
• L1 = 0,010404 m
• L3 = 0,01415 m
• NB (nombre de répétition) = 7
Paramétrage d’un cas de référence :
Liste des contraintes :
• D1 = D2
• Les deux barres extérieures sont
identiques
• L4 est déterminée par la corrélation entre
le nombre de répétition et la longueur L2
• Les extrema entre les barres
extérieures et la barre centrale sont
colinéaires (le fluide ne peut pas
passer en ligne droite)
4
Objectifs de l’optimisation
1. Diminuer la perte de charge totale entre l’entrée et la sortie de la veine fluide.
2. Augmenter l’uniformité de la vitesse au niveau d’un plan après le passage dans la calandre
(l’uniformité de la vitesse est vérifiée par l’écart-type de la vitesse sur un plan)
Les objectifs d’une optimisation peuvent être géométrique, physique, voir financier. Les objectifs peuvent être multiples.
L’optimisation permet de balayer un nombre de cas important pour obtenir le meilleur jeu de paramètres pour répondre aux objectifs.
Dans notre cas, il y a les deux objectifs suivants à améliorer par rapport au cas de référence:
La perte de charge du cas de référence est de 21,6 Pa
L’uniformité du cas de référence est 89,3%
Le domaine de variation pour les différents
paramètres sera le suivant :
5
Définition de l’optimisation
Plusieurs fonctionnalités dans Dakota sont disponibles comme :
• L’optimisation (algorithmes à base de gradient, algorithmes génétiques, …) ,
• Les études paramétriques (plan d’expériences) : planification de simulations pour un ensemble de points de l’espace de conception
• Les surfaces de réponse, modèles substituts (surrogate models) : définition de modèles approchés (e.g. surfaces de réponse polynomiales,
réseaux de neurones, krigeage, moindres carrés)
• L’analyse d’incertitudes : robustesse et fiabilité
L’algorithme d’optimisation qui sera utilisé dans notre cas est appelé l’algorithme MOGA (Multi-Objective Genetic Algorithm) qui est un algorithme
génétique.
Cette algorithme permet d’obtenir une bonne estimation de la frontière de Pareto et
permet également de trouver le minimum global malgré la présence de minima
locaux.
L’optimisation de deux objectifs contraires permets d’obtenir un ensemble de points
optimum constituant les optimum de Pareto. la courbe correspondant à l’ensemble
de ces points est la frontière de Pareto
6
Résultats de l’optimisation
Voici ci-dessous le front de Pareto pour les deux objectifs recherchés après 140 itérations
Plus le résultat du calcul est
proche du point (0;0) (en bas
à gauche), plus le set de
paramètres choisi améliore les
objectifs.
Il est intéressant de noter que
dans ce cas les deux objectifs
ne sont pas contraire.
L’optimisation converge vers
un seul groupe de points qui
améliore simultanément les
deux objectifs.
1 - % Objectifs 1
1-%Objectifs2
7
Résultats de l’optimisation
Les 5 meilleurs jeux de paramètre sont présentés ci-dessous :
Sensibilité aux paramètres sur les objectifs : Il est intéressant de noter que
pour les paramètres L1 (0,0116
et 0,0125 mm) et L3 (0,00659
et 0,0107 mm) deux zones
distinctes de valeur ont été
trouvées.
Les 5 meilleurs jeux donnent des résultats similaires en
termes de performance.
La sensibilité aux paramètres rend visible la dépendance
des résultats optimisés. Il est clairement visible que le
nombre d’itération (10) et la longueur L2 (0,0262 mm)
doit être aux valeurs calculées.
8
Présentation des résultats pour le cas n°127
Présentation des résultats pour le cas n°116
La dépression sur les deux extrémités de la calandre est
plus faible dans les deux cas et le profil de vitesse
dans la calandre semble plus fluide que pour le cas
initial.
Les dépressions dans les interstices sont très diminuées
pour les deux cas.
Les gains de cette optimisation sont :
• La différence de pression de la calandre est
divisée par 2
• L’uniformité de la vitesse s’est améliorée en
passant de 89,3% à 97%.
Cas initial
Pourcentage de
gain entre la
référence et le
point de calcul
Le bureau CFD (Computational Fluid Dynamics)
Notre activité
• CAO
• Maillage
• Simulation
• Analyse
• Optimisation
Notre bureau d’études CFD est spécialisé dans la simulation en
mécanique des fluides et thermique.
A partir des besoins établis par nos clients, nous réalisons l’intégralité
de la simulation CFD afin de modéliser les principaux phénomènes
physiques mis en jeu (rayonnement , convection...).
Forfait clé en main : Capacité à développer une méthodologie et à
apporter une expertise métier
Expertise métier : Développement de solution technique et
engagement sur des critères de performances
Corrélation : Suivi des essais et comparaison avec les modèles
numériques
Modélisation et dimensionnement : Mise en place des modèles
numériques et améliorations de l’existant
Modélisation : Capacité à traiter des problématiques en s’appuyant
sur une méthodologie numérique existante (méthodologie client)
Modes d’engagement
Domaines d’intervention et compétences
• Thermohydraulique, Aérodynamique, Aéraulique
• Thermodynamique (condensation, évaporation, ...)
• Multi-espèces, milieux poreux, fluide non newtonien,
• Particules, Diphasique (VOF)
• Turbulence (RANS, LES, ...)
• Rayonnement (S2S, Monte-Carlo, DOM ...)
• Modélisation (nodale, volumes finis, UDF, modélisation VBA)
• Application du cadre réglementaire et normatif (RCC-M…)
• Rhéologie
• Maillages (Tétraédrique, Hexaédrique, polyédrique, ...)
• Maillages mobiles (Slidding mesh, MRF)
• Aéroacoustique
• Un socle minimum de 4 personnes dont 2 experts CFD
• Pilotage des projets par nos experts
• Stations 20 proc. 128Gb de RAM + accès à des serveurs 48 proc.
• Grande variété d’outils software:
• CFD: Ansys Fluent, CFX, Star CCM+, RadTherm
• Maillage: ICEM, Gambit, Ansa, Ansys Meshing
• Programmation : Matlab, VBA, Python, Dakota
Nos moyens
Steven DAIX
Référent technique CFD
01 81 89 31 12
sdaix@extia.fr
EXTIA PACA
Agence d’Aix-en-Provence :
+33 (0)4 42 53 46 58
6 rue Mahatma Gandhi
13090 Aix-en-Provence
EXTIA PACA
Agence de Sophia-Antipolis :
+33 (0)6 99 19 45 84
950 route des Colles, Les Templiers
06410 Sophia-Antipolis
EXTIA Rhône-Alpes
Agence de Lyon :
+33 (0)4 81 65 13 60
129 rue Servient - Tour Part Dieu
69003 Lyon
EXTIA Rhône-Alpes
Agence de Grenoble:
+33 (0)6 99 94 96 48
5 place Robert Schuman WTC,
38025 Grenoble
EXTIA Ile-de-France
+33 (0)1 46 99 91 91
1 avenue de la Cristallerie, Bât. A
92310 Sèvres
EXTIA NORD
Agence de Lille :
+33 (0)6 46 99 91 91
104 Route Nationale
59800 Lille
EXTIA Switzerland
Agence de Lausanne:
+33(0)7 62 73 36 68
Voie du Chariot 3
1003 Lausanne
EXTIA Belgium
Agence de Bruxelles :
+32 (0)2 64 64 469
207 avenue Louise,
1050 Bruxelles
EXTIA Romania
Agence de Bucarest:
+33 6.98.93.54.14
24 Strada Sevastopol, Etaj 1,
Office 101, Bucuresti
Mehdi KASSASSI
Responsable technique CFD
01 81 89 11 53
mkassassi@extia.fr

Contenu connexe

En vedette

En vedette (20)

Biotecnologia
BiotecnologiaBiotecnologia
Biotecnologia
 
Alex C Publicite
Alex C PubliciteAlex C Publicite
Alex C Publicite
 
Village Eco Prg Du 17 DéC08 Vs Finale
Village Eco Prg Du 17 DéC08 Vs FinaleVillage Eco Prg Du 17 DéC08 Vs Finale
Village Eco Prg Du 17 DéC08 Vs Finale
 
Tribus De L Omo
Tribus De L OmoTribus De L Omo
Tribus De L Omo
 
Le Petit Chaperon Rouge
Le Petit Chaperon RougeLe Petit Chaperon Rouge
Le Petit Chaperon Rouge
 
Affectation PEA
Affectation PEA Affectation PEA
Affectation PEA
 
Les réseaux sociaux ffcld ségry 2012
Les réseaux sociaux ffcld ségry 2012Les réseaux sociaux ffcld ségry 2012
Les réseaux sociaux ffcld ségry 2012
 
Estrategias Docentes_U4_ Act4 presentación_trabajo_final_jesús_campos
Estrategias Docentes_U4_ Act4 presentación_trabajo_final_jesús_camposEstrategias Docentes_U4_ Act4 presentación_trabajo_final_jesús_campos
Estrategias Docentes_U4_ Act4 presentación_trabajo_final_jesús_campos
 
Plan anticorrupción en el sector educativo en Honduras
Plan anticorrupción en el sector educativo en Honduras Plan anticorrupción en el sector educativo en Honduras
Plan anticorrupción en el sector educativo en Honduras
 
Web
WebWeb
Web
 
cambiocultural. ITIL
cambiocultural. ITILcambiocultural. ITIL
cambiocultural. ITIL
 
PréSentation2
PréSentation2PréSentation2
PréSentation2
 
Ip1559
Ip1559Ip1559
Ip1559
 
Synthèse
SynthèseSynthèse
Synthèse
 
El estudiante del xxi
El estudiante del xxiEl estudiante del xxi
El estudiante del xxi
 
Mecanismos disponibles para establecer sistemas apropiados de contratación pú...
Mecanismos disponibles para establecer sistemas apropiados de contratación pú...Mecanismos disponibles para establecer sistemas apropiados de contratación pú...
Mecanismos disponibles para establecer sistemas apropiados de contratación pú...
 
Exposición de repetición
Exposición de repeticiónExposición de repetición
Exposición de repetición
 
Guy Scherrer inc
Guy Scherrer incGuy Scherrer inc
Guy Scherrer inc
 
Gites ruraux et logis
Gites ruraux et logisGites ruraux et logis
Gites ruraux et logis
 
Google Apps pour votre entreprise
Google Apps pour votre entrepriseGoogle Apps pour votre entreprise
Google Apps pour votre entreprise
 

Similaire à Présentation extia optimisation_cfd

cours_EF_B_ZOUARI.pdf
cours_EF_B_ZOUARI.pdfcours_EF_B_ZOUARI.pdf
cours_EF_B_ZOUARI.pdfKhul12
 
Digital_Signal_Processors_TG_FULL.pdf
Digital_Signal_Processors_TG_FULL.pdfDigital_Signal_Processors_TG_FULL.pdf
Digital_Signal_Processors_TG_FULL.pdfHouBou3
 
Réussir une montée en charge avec MongoDB
Réussir une montée en charge avec MongoDBRéussir une montée en charge avec MongoDB
Réussir une montée en charge avec MongoDB MongoDB
 
391823580-Presentation4-1.pptx
391823580-Presentation4-1.pptx391823580-Presentation4-1.pptx
391823580-Presentation4-1.pptxRegisBayala
 
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...Yassine Selmi
 
Presentation of local estimation of pressure wave velocity from dynamic MR im...
Presentation of local estimation of pressure wave velocity from dynamic MR im...Presentation of local estimation of pressure wave velocity from dynamic MR im...
Presentation of local estimation of pressure wave velocity from dynamic MR im...Hassan Nasser
 
INITIATION A LA SIMULATION NUMERIQUE (2).docx
INITIATION A LA SIMULATION NUMERIQUE (2).docxINITIATION A LA SIMULATION NUMERIQUE (2).docx
INITIATION A LA SIMULATION NUMERIQUE (2).docxasmaaja5
 
993 169-p50-bassdef infrarouge
993 169-p50-bassdef infrarouge993 169-p50-bassdef infrarouge
993 169-p50-bassdef infrarougeBen Fethi
 
Capteur de niveau de carburant Dominator: manuel d'installation
Capteur de niveau de carburant Dominator: manuel d'installationCapteur de niveau de carburant Dominator: manuel d'installation
Capteur de niveau de carburant Dominator: manuel d'installationPawel Elenski
 
MariaDB Paris Workshop 2023 - DARVA presentation
MariaDB Paris Workshop 2023 - DARVA presentationMariaDB Paris Workshop 2023 - DARVA presentation
MariaDB Paris Workshop 2023 - DARVA presentationMariaDB plc
 
Exigences du system d’acquisition de données
Exigences du system d’acquisition de donnéesExigences du system d’acquisition de données
Exigences du system d’acquisition de donnéesitaniabed
 
Slides capteurs partie 1
Slides capteurs partie 1Slides capteurs partie 1
Slides capteurs partie 1zinoha
 
Release note de 3D_Evolution 4.6
Release note de 3D_Evolution 4.6Release note de 3D_Evolution 4.6
Release note de 3D_Evolution 4.6CORETECHNOLOGIE
 

Similaire à Présentation extia optimisation_cfd (20)

cours_EF_B_ZOUARI.pdf
cours_EF_B_ZOUARI.pdfcours_EF_B_ZOUARI.pdf
cours_EF_B_ZOUARI.pdf
 
Coursdsp tdi
Coursdsp tdiCoursdsp tdi
Coursdsp tdi
 
Digital_Signal_Processors_TG_FULL.pdf
Digital_Signal_Processors_TG_FULL.pdfDigital_Signal_Processors_TG_FULL.pdf
Digital_Signal_Processors_TG_FULL.pdf
 
tel-00005359
tel-00005359tel-00005359
tel-00005359
 
Réussir une montée en charge avec MongoDB
Réussir une montée en charge avec MongoDBRéussir une montée en charge avec MongoDB
Réussir une montée en charge avec MongoDB
 
391823580-Presentation4-1.pptx
391823580-Presentation4-1.pptx391823580-Presentation4-1.pptx
391823580-Presentation4-1.pptx
 
Codes Convolutifs
Codes ConvolutifsCodes Convolutifs
Codes Convolutifs
 
Version 01
Version 01Version 01
Version 01
 
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
[Présentation PFE] Conception et implémentation d'un estimateur conjoint de l...
 
Presentation of local estimation of pressure wave velocity from dynamic MR im...
Presentation of local estimation of pressure wave velocity from dynamic MR im...Presentation of local estimation of pressure wave velocity from dynamic MR im...
Presentation of local estimation of pressure wave velocity from dynamic MR im...
 
INITIATION A LA SIMULATION NUMERIQUE (2).docx
INITIATION A LA SIMULATION NUMERIQUE (2).docxINITIATION A LA SIMULATION NUMERIQUE (2).docx
INITIATION A LA SIMULATION NUMERIQUE (2).docx
 
993 169-p50-bassdef infrarouge
993 169-p50-bassdef infrarouge993 169-p50-bassdef infrarouge
993 169-p50-bassdef infrarouge
 
Capteur de niveau de carburant Dominator: manuel d'installation
Capteur de niveau de carburant Dominator: manuel d'installationCapteur de niveau de carburant Dominator: manuel d'installation
Capteur de niveau de carburant Dominator: manuel d'installation
 
41680698.pdf
41680698.pdf41680698.pdf
41680698.pdf
 
MariaDB Paris Workshop 2023 - DARVA presentation
MariaDB Paris Workshop 2023 - DARVA presentationMariaDB Paris Workshop 2023 - DARVA presentation
MariaDB Paris Workshop 2023 - DARVA presentation
 
Grille de calule
Grille de caluleGrille de calule
Grille de calule
 
Optimisation
OptimisationOptimisation
Optimisation
 
Exigences du system d’acquisition de données
Exigences du system d’acquisition de donnéesExigences du system d’acquisition de données
Exigences du system d’acquisition de données
 
Slides capteurs partie 1
Slides capteurs partie 1Slides capteurs partie 1
Slides capteurs partie 1
 
Release note de 3D_Evolution 4.6
Release note de 3D_Evolution 4.6Release note de 3D_Evolution 4.6
Release note de 3D_Evolution 4.6
 

Présentation extia optimisation_cfd

  • 1. Steven DAIX cfd@extia.fr Bureau d’Etudes CFD Optimisation d’une calandre
  • 2. 2 Présentation du fonctionnement Paramètre 1 Fichier d’entrée Application Résultats 1 Fichier de sortie Résultats 2 Résultats M Optimisation L’optimisation est réalisée par un code de calcul appelé Dakota spécialisé dans l’optimisation. Ce code libre gère le couplage avec un logiciel de CAO pour mettre à jour la géométrie mais aussi la réalisation du calcul sous un logiciel de CFD (Fluent, Star CCM+, OpenFoam,…). Pour ce cas, Star CCM+ a été utilisé. Paramètre 2 Paramètre n
  • 3. Dimension de la calandre = 0,5 m x 0,5 m Modèle 3D aéraulique avec des parois lisses pour obtenir l’effet isolé de la calandre. La calandre est considérée perpendiculaire à la veine. Entrée veine : Mass flow inlet = 0,3 kg/s Sortie veine : Pressure outlet 3 Liste des paramètres à optimiser: • L2 = 0,044182 m • L1 = 0,010404 m • L3 = 0,01415 m • NB (nombre de répétition) = 7 Paramétrage d’un cas de référence : Liste des contraintes : • D1 = D2 • Les deux barres extérieures sont identiques • L4 est déterminée par la corrélation entre le nombre de répétition et la longueur L2 • Les extrema entre les barres extérieures et la barre centrale sont colinéaires (le fluide ne peut pas passer en ligne droite)
  • 4. 4 Objectifs de l’optimisation 1. Diminuer la perte de charge totale entre l’entrée et la sortie de la veine fluide. 2. Augmenter l’uniformité de la vitesse au niveau d’un plan après le passage dans la calandre (l’uniformité de la vitesse est vérifiée par l’écart-type de la vitesse sur un plan) Les objectifs d’une optimisation peuvent être géométrique, physique, voir financier. Les objectifs peuvent être multiples. L’optimisation permet de balayer un nombre de cas important pour obtenir le meilleur jeu de paramètres pour répondre aux objectifs. Dans notre cas, il y a les deux objectifs suivants à améliorer par rapport au cas de référence: La perte de charge du cas de référence est de 21,6 Pa L’uniformité du cas de référence est 89,3% Le domaine de variation pour les différents paramètres sera le suivant :
  • 5. 5 Définition de l’optimisation Plusieurs fonctionnalités dans Dakota sont disponibles comme : • L’optimisation (algorithmes à base de gradient, algorithmes génétiques, …) , • Les études paramétriques (plan d’expériences) : planification de simulations pour un ensemble de points de l’espace de conception • Les surfaces de réponse, modèles substituts (surrogate models) : définition de modèles approchés (e.g. surfaces de réponse polynomiales, réseaux de neurones, krigeage, moindres carrés) • L’analyse d’incertitudes : robustesse et fiabilité L’algorithme d’optimisation qui sera utilisé dans notre cas est appelé l’algorithme MOGA (Multi-Objective Genetic Algorithm) qui est un algorithme génétique. Cette algorithme permet d’obtenir une bonne estimation de la frontière de Pareto et permet également de trouver le minimum global malgré la présence de minima locaux. L’optimisation de deux objectifs contraires permets d’obtenir un ensemble de points optimum constituant les optimum de Pareto. la courbe correspondant à l’ensemble de ces points est la frontière de Pareto
  • 6. 6 Résultats de l’optimisation Voici ci-dessous le front de Pareto pour les deux objectifs recherchés après 140 itérations Plus le résultat du calcul est proche du point (0;0) (en bas à gauche), plus le set de paramètres choisi améliore les objectifs. Il est intéressant de noter que dans ce cas les deux objectifs ne sont pas contraire. L’optimisation converge vers un seul groupe de points qui améliore simultanément les deux objectifs. 1 - % Objectifs 1 1-%Objectifs2
  • 7. 7 Résultats de l’optimisation Les 5 meilleurs jeux de paramètre sont présentés ci-dessous : Sensibilité aux paramètres sur les objectifs : Il est intéressant de noter que pour les paramètres L1 (0,0116 et 0,0125 mm) et L3 (0,00659 et 0,0107 mm) deux zones distinctes de valeur ont été trouvées. Les 5 meilleurs jeux donnent des résultats similaires en termes de performance. La sensibilité aux paramètres rend visible la dépendance des résultats optimisés. Il est clairement visible que le nombre d’itération (10) et la longueur L2 (0,0262 mm) doit être aux valeurs calculées.
  • 8. 8 Présentation des résultats pour le cas n°127 Présentation des résultats pour le cas n°116 La dépression sur les deux extrémités de la calandre est plus faible dans les deux cas et le profil de vitesse dans la calandre semble plus fluide que pour le cas initial. Les dépressions dans les interstices sont très diminuées pour les deux cas. Les gains de cette optimisation sont : • La différence de pression de la calandre est divisée par 2 • L’uniformité de la vitesse s’est améliorée en passant de 89,3% à 97%. Cas initial Pourcentage de gain entre la référence et le point de calcul
  • 9. Le bureau CFD (Computational Fluid Dynamics) Notre activité • CAO • Maillage • Simulation • Analyse • Optimisation Notre bureau d’études CFD est spécialisé dans la simulation en mécanique des fluides et thermique. A partir des besoins établis par nos clients, nous réalisons l’intégralité de la simulation CFD afin de modéliser les principaux phénomènes physiques mis en jeu (rayonnement , convection...). Forfait clé en main : Capacité à développer une méthodologie et à apporter une expertise métier Expertise métier : Développement de solution technique et engagement sur des critères de performances Corrélation : Suivi des essais et comparaison avec les modèles numériques Modélisation et dimensionnement : Mise en place des modèles numériques et améliorations de l’existant Modélisation : Capacité à traiter des problématiques en s’appuyant sur une méthodologie numérique existante (méthodologie client) Modes d’engagement Domaines d’intervention et compétences • Thermohydraulique, Aérodynamique, Aéraulique • Thermodynamique (condensation, évaporation, ...) • Multi-espèces, milieux poreux, fluide non newtonien, • Particules, Diphasique (VOF) • Turbulence (RANS, LES, ...) • Rayonnement (S2S, Monte-Carlo, DOM ...) • Modélisation (nodale, volumes finis, UDF, modélisation VBA) • Application du cadre réglementaire et normatif (RCC-M…) • Rhéologie • Maillages (Tétraédrique, Hexaédrique, polyédrique, ...) • Maillages mobiles (Slidding mesh, MRF) • Aéroacoustique • Un socle minimum de 4 personnes dont 2 experts CFD • Pilotage des projets par nos experts • Stations 20 proc. 128Gb de RAM + accès à des serveurs 48 proc. • Grande variété d’outils software: • CFD: Ansys Fluent, CFX, Star CCM+, RadTherm • Maillage: ICEM, Gambit, Ansa, Ansys Meshing • Programmation : Matlab, VBA, Python, Dakota Nos moyens
  • 10. Steven DAIX Référent technique CFD 01 81 89 31 12 sdaix@extia.fr EXTIA PACA Agence d’Aix-en-Provence : +33 (0)4 42 53 46 58 6 rue Mahatma Gandhi 13090 Aix-en-Provence EXTIA PACA Agence de Sophia-Antipolis : +33 (0)6 99 19 45 84 950 route des Colles, Les Templiers 06410 Sophia-Antipolis EXTIA Rhône-Alpes Agence de Lyon : +33 (0)4 81 65 13 60 129 rue Servient - Tour Part Dieu 69003 Lyon EXTIA Rhône-Alpes Agence de Grenoble: +33 (0)6 99 94 96 48 5 place Robert Schuman WTC, 38025 Grenoble EXTIA Ile-de-France +33 (0)1 46 99 91 91 1 avenue de la Cristallerie, Bât. A 92310 Sèvres EXTIA NORD Agence de Lille : +33 (0)6 46 99 91 91 104 Route Nationale 59800 Lille EXTIA Switzerland Agence de Lausanne: +33(0)7 62 73 36 68 Voie du Chariot 3 1003 Lausanne EXTIA Belgium Agence de Bruxelles : +32 (0)2 64 64 469 207 avenue Louise, 1050 Bruxelles EXTIA Romania Agence de Bucarest: +33 6.98.93.54.14 24 Strada Sevastopol, Etaj 1, Office 101, Bucuresti Mehdi KASSASSI Responsable technique CFD 01 81 89 11 53 mkassassi@extia.fr