Résumé:
IV
Résumé
Lors de l'usinage des pièces mécaniques ayant des propriétés mécaniques élevées telles que la dureté, l'usure des outils de coupe apparaît comme un obstacle majeur qui
dégrade la surface usinée de la pièce, réduit la tenue de l'outil, affecte la précision
dimensionnelle et la productivité. Ce problème se pose de manière aiguë lors du tournage dur
des pièces trempées avec des outils de coupe en céramique mixte, ce qui limite leur mise en
oeuvre. C’est dans ce cadre que s’inscrivent les travaux de recherche de cette thèse de doctorat. La première partie a été consacrée à la présentation des résultats de l’usinabilité de l’acier fortement allié X210Cr12 avec des outils en céramique mixte revêtue CC6050, en
présentant les résultats de l’évolution des réponses en fonction des conditions de coupe (Vc, f
et ap). En suite, l’exposition des résultats de la modélisation de la tenue, la rugosité de surface, l’effort de coupe, la puissance consommée et le volume de coupeau enlevé en
fonction de la variation de la vitesse de coupe et de l’avance suivant un plan factoriel (32).
Dans la deuxième partie nous exposons également les résultats des essais d’usinage réalisés lors du tournage dur de l'acier trempé X210Cr12, selon le plan expérimental de Taguchi
L27(33) et cela dans le but de déterminer les modèles mathématiques des différentes réponses
étudiés. La méthodologie de surface de réponse (RSM) et l’analyse de la variance (ANOVA) ont été utilisées en premier temps afin de calculer la contribution des différents facteurs (Vc, f,
et Tm). Dans un deuxième temps la présentation des résultats de la modélisation des
paramètres de sortie en utilisant les réseaux de neurones artificiels (ANN). Cela nous a
conduits à faire une étude comparative des modèles obtenus par les deux approches (RSM) et
(ANN) en termes des indicateurs (R2, RMSE et MPE), afin de vérifier l’efficacité et la précision des deux méthodes. Les modèles issus de la méthode (ANN) donnent d'excellents
résultats par rapport aux modèles issus du (RSM).
Dans la dernière partie, deux types d’optimisation ont été utilisé à savoir ; l’optimisation
mono objective, en utilisant la méthode de Taguchi et l’optimisation multi-objective basée sur
l’approche de la fonction de désirabilité (DF). Les valeurs optimales des paramètres de coupe par rapport aux objectifs d’optimisation choisie ont été calculées pour différentes cas
d’optimisation. On constate que la méthode de Taguchi est plus efficace dans le cas d’une
seule réponse, par contre la fonction de (DF) est meilleure pour l’optimisation multiobjective.
