• Arthur Prigent

Projet: Dimensionnement de bodyboard grâce à l'analyse morphologique @DécathlonSportslab

Mis à jour : juil. 2



Décathlon Sportslab, laboratoire de Morphologie : développement de produit dont la géométrie est en accord avec la morphologie des pratiquants


La problématique : Il existe actuellement 3 tailles de bordyboard à destination des pratiquants (40 pouces, 42 pouces et 45 pouces). Ces tailles sont sensés couvrir une population adulte. Ces premiers bodyboard de l’enseigne ayant été créé de manière empirique, elle souhaite savoir si ces tailles sont adaptées à la morphologie des pratiquants et si les aides au choix actuellement utilisées en magasin sont justes.

L’objectif : il est ici d’analyser l’influence de la morphologie du pratiquant sur son positionnement sur la planche. Pour cela une position de référence a été définie avec la marque (positionnement de la main, du coude et du genou par rapport à différents points de la planche). On souhaite ici savoir si la gamme en place permet à tous les pratiquants d’être dans une position acceptable avec les produits proposés, puis de faire des propositions d’améliorations si ce n’est pas le cas.

Cette position acceptable est déterminée par deux critères ; l’angle au niveau du coude, et le positionnement du genou par rapport au bas de la planche. Ces deux critères ont été définis comme ceux limitant la pratique par les ingénieurs de la marque.

Démarche générale : l’analyse posturale et dynamique de la pratique du bodyboard est limitée. En effet ce sport ce pratique dans un élément naturel difficile à reproduire avec exactitude, et il est également compliqué d’analyser la posture des pratiquants directement dans l’eau. L’étude sera donc réalisé grâce à l’utilisation de mannequins virtuels et manipulés par ordinateur. Ces mannequins sont générés grâce à une base de données de scans 3D humains. Ces mannequins sont ensuite manipulés sur le logiciel Makehuman pour lui donner la position souhaité dans l’espace en plaçant un à un chaque os du corps constitué en 3D (images ci-dessous). La base de données est ainsi constituée de plus de 2000 mannequins virtuels.




Étape 1 : Calcul du nombre de personne en position de confort si l’on se base sur le guide de taille disponible en magasin

On positionne chaque mannequin de la base de données en position de référence grâce à un algorithme codée en python. On vient ensuite calculer si dans cette position de référence, la personne (représenté par son mannequin virtuel) entre dans les critères de la position de confort par rapport à sa taille de planche que les ingénieurs de la marque ont établit sur les aides aux choix disponibles en magasins.

Dans cette première étude, 65% sont dans ce cas (Graph. 1). 1/3 des personnes se retrouveraient dans une position dite inconfortable pour leur pratique sportive.

Graph. 1


Étape 2 : Proposition de modification à court terme

Afin d’avoir une réponse rapide à ce constat, les premières propositions de modification ont été formulées sur l’aide aux choix disponible en magasin.

En modifiant les critères d’entrées de ces aides aux choix (modification des tailles limites des pratiquants pour chaque taille de planche) on obtient un taux de couverture passant de 65% à 75% (Graph. 2).


Graph. 2


Étape 3 : Proposition de modification à moyen terme, sur la prochaine gamme

Afin d’obtenir de meilleur résultats sur ce taux de couverture et avoir un maximum de pratiquant en position de confort, la meilleure solution est de venir jouer directement sur les tailles de planche proposées aux pratiquants en magasin.

En proposant toujours 3 tailles de planche, mais légèrement modifiées et en adaptant aussi les aides aux choix en magasin les accompagnant on serait ainsi capable de passer à un taux de couverture à hauteur de 83%. Ce taux est le taux maximum qu’il est possible d’obtenir dans une condition à 3 planches pour couvrir la pratique des adultes.

Étape 4 : Proposition de modification optimale, avec 4 planches

La solution optimale trouvée, est celle d’une offre à 4 planches. On rajoute ainsi une planche pour les personnes de petite taille qui constituait le majeur problème lors de l’étude, et on pourrait ainsi passer à un taux de couverture à 97% avec les « comment choisir » adéquats.


Pour chacune de ces étapes, un traitement informatique de grande ampleur a été nécessaire avec des boucles permettant de replacer les mannequins virtuels, sur des planches virtuelles et a posteriori calculé si ceux-ci sont compatibles ou non. Pour aider les ingénieurs dans leur prise de décision un calculateur a ainsi été mis en place, avec une automatisation du traitement. Ainsi la personne n’a qu’à entrer ces critères d’entrée, et il est obtient des résultats simple sous forme de tableur Excel plus lisible.


Finalement,


Cette étude a permis de réaliser un profond état des lieux quant à la compatibilité morphologique des 3 produits Bodyboard 500 existant, et a mis en avant le fait que quelques ajustement de taille de planche pourraient être réalisés. Un outil de choix de taille a été fourni au membre de l’équipe projet bodyboard permettant une analyse des résultats dynamique, avec le graphique et le tableau de résultat qui s’adapte et qui s’ajuste directement en modifiant la taille des planches de la gamme.

On peut ainsi avoir directement l’influence d’un changement de taille d’une planche sur le degré de couverture de la population française.

Plusieurs propositions ont été faite dans le cadre de l’étude pour pouvoir avoir les résultats les plus optimaux possibles. Dans un premier temps on propose de modifier l’aide au choix en magasin, ce qui permet de réagir directement puisque cela peut être modifier instantanément, en s’adaptant aux planches disponibles. On propose ensuite une gamme de bodyboard complète (3 ou 4 planches) qui permettent d’avoir des résultats meilleurs, mais dont la mise en place est forcément plus compliqué puisqu’il faut reprendre le cahier des charges et toute la production avec les fournisseurs.

Sortie des produits prévue au dernier trimestre 2020.

Compétences travaillées :

  • Veille scientifique et concurrentielle autour du sujet de l’étude

  • Planification de l’ensemble de l’étude

  • Mise en concurrence de plusieurs solutions techniques pour la mise en œuvre de mannequin virtuel

  • Manipulation de mannequin virtuel sous MakeHuman puis Blender pour le positionnement dans l’espace (routine et script codé sous Python)

  • Traitement des résultats sous Excel, automatisation du traitement en vue du rendu pour aux ingénieurs de la marque (mise en place de Macro et de tableaux croisés dynamiques intuitifs)

  • Analyse statistique

  • Vulgarisation du travail pour un rendu dynamique et efficace auprès de la marque à l’origine de l’étude

  • Synthèse et présentation du travail devant un conseil scientifique



©2020 by Arthur Prigent. Proudly created with Wix.com