Investigation expérimentale et analyse multi-objective lors du tournage de l’acier AISI D3 en utilisant les méthodes RSM, ANN, Taguchi et GRA

Abstract

Le but des industriels aujourd’hui est d’abaisser au maximum les coûts des opérations d’usinage grâce à l’introduction de nouveaux matériaux de coupe. De ce fait, la modélisation et l’optimisation des conditions opératoires des outils coupants doit contribuer largement au développement et à la productivité. C’est dans ce contexte que s’inscrivent les travaux de cette thèse de doctorat. Le but est de faire une investigation expérimentale lors du tournage à sec de l’acier AISI D3 par des plaquettes de coupe en céramique mixte et en carbure revêtu en CVD en utilisant les méthodes statistiques de modélisation et d’optimisation (MSR, ANN, Taguchi, GRA et DF). La première partie de cette thèse consiste à étudier le comportement d’usinabilité du couple d’usinage (Acier AISI D3/ carbure revêtu en CVD) c.-à-d. de quantifier l’influence des paramètres de coupe (Vc, f et ap) sur les paramètres technologiques d’usinage (les critères de la rugosité de surface (Ra, Rz et Rt), les composantes de l’effort de coupe (Fx, Fy et Fz), l’effort résultant (Fr), l’effort spécifique (Ks), la puissance de coupe (Pc), volume de copeau enlevé (MRR)). Dans cette partie sont présentés également les résultats de l’évolution de l’usure d’outil en fonction du temps d’usinage et aussi l’impact de ces deux derniers sur les critères de la rugosité de surface et sur l’évolution des composantes de l’effort de coupe. La deuxième partie est consacrée à la modélisation des paramètres technologiques d’usinage en fonction des paramètres de coupe, en utilisant la méthodologie de surface de réponse (RSM) associée à la technique d’optimisation des réponses multiples (désirabilités) et les réseaux de neurones artificiels (ANN). La dernière partie du travail est réservée à l’optimisation mono et multi objective afin de trouver les valeurs optimales des paramètres de coupe par rapport aux objectifs fixés de l’optimisation. Les résultats trouvés prouvent que la modélisation par la méthode (ANN) donne des résultats excellents par rapport à la méthode (RSM). La méthode de Taguchi a été adaptée avec succès pour déterminer le régime optimal des paramètres de coupe afin d'améliorer les paramètres technologique pour une optimisation mono-objective. Par contre la méthode (GRA) est la meilleure pour le cas de l’optimisation multi-objective.