Optimisation et modélisation des conditions opératoires lors de l’usinage d’un alliage de nickel avec un outil en céramique

Abstract

L'alliage Inconel est généralement légendaire pour sa résistance aux réactions chimiques et sa capacité à conserver son intégrité structurelle dans des atmosphères aux températures extrêmes. L'Inconel est divisé en trois catégories : les superalliages à base de nickel, les superalliages à base de fer-nickel et les superalliages à base de cobalt. Le superalliage Inconel 718 possède des propriétés physiques et mécaniques très strictes telles qu'une ductilité élevée. Pour ces raisons, l'usinage du superalliage Inconel 718 devient très difficile et se traduit souvent par une durée de vie très limitée. Par conséquent, il serait intéressant de trouver les plaquettes de coupe les plus performantes et la gamme de paramètres d'usinage sur laquelle ces plaquettes peuvent usiner efficacement ces alliages. Ce travail concerne le tournage de l'Inconel 718 avec un outil de coupe en céramique composite CC670 (SNGN 120408). Ce travail est divisé en deux parties. La première partie concerne la modélisation des réponses de sortie, à savoir : la rugosité de surface (Ra,Rt,Rz), les efforts de coupe (Fa,Fr,Fv) et le taux d’enlèvement de matière (MRR), en utilisant la méthodologie de surface de réponse (RSM). L'analyse de variance (ANOVA) a été utilisée pour évaluer l'influence des paramètres de coupe, à savoir : l'influence de la vitesse de coupe (Vc), celle de l'avance (f) et de la profondeur de passe (ap) sur les paramètres considérés. La dernière partie du travail est réservée à l'optimisation mono-objectif et multi-objectif afin de trouver des valeurs optimales des paramètres de coupe par rapport à l'objectif d'optimisation désiré. Dans ce cas, trois techniques d'optimisation ont été utilisées : la méthode de Taguchi, la fonction de désirabilité (DF) et l'analyse relationnelle grise (GRA). Les résultats montrent que la méthode Taguchi est plus efficace dans le cas d'une mono-optimisation, tandis que les méthodes GRA et DF sont plus efficaces pour l'optimisation multi-objectifs