Extraction des connaissances à partir des données de la surveillance de l'usinage

Knowledge discovery in database applied to machining monitoring data

• Auteur / Autrice : Victor Godreau
• Direction : Benoît Furet
• Type : Thèse de doctorat
• Discipline(s) : Génie mécanique, productique, transport
• Date : Soutenance le 19/10/2017
• Etablissement(s) : Nantes
• Ecole(s) doctorale(s) : Sciences de l'ingénierie et des systèmes (Centrale Nantes)
• Partenaire(s) de recherche : COMUE : Université Bretagne Loire (2016-2019)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences du Numérique de Nantes
• Jury : Président / Présidente : Didier Dumur
• Jury : Examinateurs / Examinatrices : Mathieu Ritou, Étienne Chové
• Jury : Rapporteurs / Rapporteuses : Henri Paris, Guenaël Germain

Mots clés

Mots clés contrôlés

Industrie 4.0

Exploration de données

Usinage

Mots clés libres

--

Résumé

Dans le cadre des recherches sur l’industrie 4.0, la surveillance des procédés de fabrication est un sujet clé. De grandes quantités d’information, transitant dans les machines de fabrications, sont mesurables et peuvent être utilisées dans les entreprises pour optimiser de nombreux processus. Ces processus, de la conception à la qualité en passant par la maintenance, sont tous intéressés par les données de terrain issues de la production pour réaliser une amélioration continue. Il faut donc capitaliser ces données puis les traiter afin de les rendre pertinentes pour chacun des utilisateurs. Le broutement est un phénomène d’instabilité de la coupe en usinage qui dégrade la qualité des pièces usinées. Dans une première partie, un modèle de simulation numérique a été réalisé pour lier les vibrations mesurées en machine et leurs impacts sur la qualité de la pièce finie. De nouvelles données concernant la qualité sont donc prédites par la surveillance. Dans une seconde partie, des méthodes d’extraction des connaissances dans les données sont adaptées et appliquées aux données capitalisées en usinage. Cette étude, concernant la maintenance des moyens de production, tend à répondre à la question de l’impact des évènements survenant en usinage sur la durée de vie des broches. Finalement, les derniers travaux porteront sur l’intégration des systèmes de surveillance dans les entreprises et sur la création d’indicateurs de performance adaptés à chaque service, pour tirer parti, au maximum, du potentiel de ces données.

In the industry 4.0 research field, the monitoring of the process is a key issue. Milling machines are in the center of an important flow of information that are measurable and that can be used to improve company processes. Those processes (conception, industrialization, quality, maintenance) are all interested in field manufacturing data to continuously improve themselves. Capitalizing this data flow and transform it into relevant criteria for all services, is then necessary. Chatter is an instability phenomenon of the cut during machining. It deteriorates the quality of machined part surfaces. In a first part, a numerical model has been created to link the vibration measured during machining to their impact on finished part quality. So, new data concerning quality issues is collected. In a second part, methods of knowledge discovery in databases are adapted and applied to monitoring data. This study, concern a maintenance issue. It tends to answer the question: which kind of machining events impacts the wear of machining spindles. Finally, last works will talk about the integration of monitoring systems in the information system of industries and the computation of new Key Performance Indicators (KPI) adapted to each specific need of factories to take advantage of the full potential of the monitoring data.