Soutenance de thèse de Marc Wary (LEM3)

Soutenance de thèse de Marc Wary, doctorant du Laboratoire d'Études des Microstructures et de Mécanique des Matériaux (LEM3)
29 janvier
Campus Arts et Métiers de Metz - 4 rue Augustin Fresnel - 57070 Metz
Recherche

Marc Wary, doctorant du Laboratoire d’Étude des Microstructures et de Mécanique des Matériaux (LEM3) et ingénieur d’études sur le campus Arts et Métiers de Metz, soutiendra sa thèse intitulée "Développement d’un nouvel alliage de brasage sans plomb pour des applications à haute température en microélectronique » le mercredi 29 janvier à 10H.

 

Les travaux de thèse de Marc Wary portent sur la recherche d’un nouvel alliage sans plomb utilisé pour le brasage des composants en électronique utilisés dans des environnements où de fortes contraintes s’appliquent (automobile, ferroviaire, forage, aérospatial, etc.). Ses travaux ont permis de mettre en lumière une alternative prometteuse, pour laquelle un brevet a été déposé, pour remplacer de manière fiable le plomb.

Sa thèse a été réalisée en collaboration avec l’entreprise Inventec Performance Chemicals spécialisée dans la fabrication des crèmes a braser.

Résumé

« Contenus à l'origine dans la plupart des équipements électroniques, notamment au niveau des brasures, le plomb et ses dérivés sont désormais considérés comme une menace directe pour la santé humaine et l’environnement.

La directive Européenne RoHS2 en fixe le niveau de concentration maximale à 0,1 %. Or, il existe peu de substituts à l’alliage Pb92,5Sn5Ag2,5 pour les applications de brasage à haute température dans le domaine de la microélectronique.

L’objectif de ce travail de thèse a donc été de développer un alliage de substitution sans Pb fiable pour le procédé de brasage par refusion.

Pour cela, plusieurs compositions chimiques d’alliages potentiels ont été déterminées, en s'appuyant sur l’état de l’art et sur des modélisations thermodynamiques effectuées sous Thermo-Calc. Puis, ces alliages ont été élaborés et entièrement caractérisés en termes de microstructure, de propriétés physico-chimiques, électriques et mécaniques.

Un alliage a finalement été conservé pour ses propriétés. Cependant, sa faible conductivité thermique nous a forcés à trouver une voie d’amélioration par l’ajout de renforts très conducteurs, amenant à un alliage composite de conductivité thermique élevée (λ = 61 W.m-1.K-1) dont certaines propriétés liées à la tenue en service et au vieillissement restent encore à évaluer sur des assemblages réels. »

Composition du jury

  • Mme Shabnam ARBAB CHIRANI, Professeure, LBMS, ENIB - Rapporteur
  • M. Denis NAJJAR, Professeur, Ecole Centrale de Lille - Rapporteur
  • M. Thomas PARDOEN, Professeur, Université Catholique de Louvain - Examinateur
  • M. Etienne PATOOR, Professeur, Unité de recherche, Georgia Tech Lorraine - Examinateur
  • M. Karim INAL, Professeur, CEMEF, Ecole des Mines de Saint-Etienne - Examinateur
  • M. Raphaël PESCI, Maître de conférences, LEM3, Arts et Métiers Campus de Metz - Examinateur
  • Mme Anne-Marie LAUGT, Directeur Technologie, Inventec Performance Chemicals - Invitée

Informations pratiques

 

Dernières actualités

En juin dernier, le campus de Metz a reçu de l’État le trophée Fonds Vert Territoires d'industrie en transition écologique, pour son projet de « Green Evolutive Learning Factory ».

Actualité, Développement durable, Evolutive Learning Factories

L’alternance séduit chaque année de plus en plus d’étudiants en quête d’une formation professionnalisante, concrète et rémunérée.

Actualité, Formations

Portés par Arts et Métiers, les deux grands projets CAIRE et JENII partagent une même ambition : accompagner la transformation des pratiques pédagogiques dans l’enseignement supérieur, en réponse aux grands défis du numérique,

Actualité, Evolutive Learning Factories, Innovation

Les Evolutive Learning Factories (ELF) transforment les pratiques pédagogiques vers davantage d’agilité et d’innovation avec pour objectif : former des ingénieur.e.s préparé.e.s aux enjeux des industries de demain

Actualité, Evolutive Learning Factories