MODELISATION ET OPTIMISATION AVANCEES DU PROCESSUS DE TOURNAGE DES PIECES DIFFICILEMENT USINABLES

Abstract

L'usinage de matériaux durs est un processus exigeant qui requiert des compétences spécialisées ainsi qu'une technologie de pointe pour obtenir des pièces de haute précision et de qualité supérieure. La difficulté d'usiner des matériaux durs réside dans leur dureté, leur résistance à la chaleur et à l'usure, ainsi que dans la multiplicité des paramètres impliqués dans le processus. Les méthodes conventionnelles de modélisation et d'optimisation ne sont plus suffisants pour atteindre une performance optimale. Dans ce cas, il est nécessaire de développer et d'appliquer des techniques de modélisation et d'optimisation avancées, fondées sur des algorithmes d'intelligence artificielle. Ces techniques sont considérées comme des outils incontournables pour l'amélioration continue de la qualité des pièces usinées tout en réduisant les coûts de production.Dans ce contexte le travail doctoral présenté à pour objectif de développer des modèles mathématiques pour prédire le processus de tournage de matériaux durs et optimiser les conditions de coupe à la fois de manière mono-objective et multi-objective. Ces modèles ont créé en utilisant des techniques de modélisation et d'optimisation avancées basées sur des algorithmes d'intelligence artificielle pour obtenir des performances optimales en matière de tournage d'aciers durs. Pour ce faire, une étude expérimentale a été menée pour étudier l'impact des différents paramètres de coupe sur les indicateurs de performance d'usinage des aciers durs. La méthodologie des plans d'expériences a été utilisée pour étudier l'influence des différents paramètres de coupe, notamment le matériau, le revêtement, la géométrie de l'outil (Wiper et conventionnel), ainsi que les conditions de coupe telles que la vitesse de coupe, l'avance, la profondeur de passe et le rayon du bec de l'outil. L'objectif est de fournir des outils permettant de choisir les conditions de coupe de manière intelligente à partir d'un nombre suffisant d'expériences pour optimiser l'usure de l'outil, les efforts de coupe et la rugosité de surface.