Validation and robust optimization of deep drawing process by simulation in the presence of uncertainty - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2015

Validation and robust optimization of deep drawing process by simulation in the presence of uncertainty

Validation et optimisation robuste d’un procédé d’emboutissage par simulation en contexte incertain

Résumé

The ultimate objective of this thesis is to evaluate the possibility to validate and optimize a manufacturing process using numerical simulation and taking into account the irreducible uncertainties in the process, materials and geometry of manufactured product. Taking into account the uncertainties requires quantifying the effects of variations of model parameters on the outputs, by propagating these variations via computer simulation to assess their effects on the outputs. In this work, we have proposed a procedure to determine the sensitivity threshold of the numerical model to build numerical Design of Experiments consistent with this threshold. We have also shown that, given the uncertainties in the materials and the geometry of the product, it is possible to optimize certain process parameters to control the effects of uncertainties on the dimensional and morphological variations of the product. For this, we have proposed an optimization procedure based on NSGA-II algorithm and a meta-modeling of the process. The application for deep drawing of a U-shaped sheet metal part, springback included shows that it is a robust design problem for which we get all the compromise between the deviation from the mean and standard deviation of a "performance" depending on the process correctly chosen. Finally, the analysis of these results allows us to quantify the relationship between the notion of robustness of an optimized solution of the process and criteria for measuring the quality of the product
L’objectif ultime de ce travail de thèse est d’évaluer la possibilité de valider et d’optimiser un processus de fabrication en utilisant la simulation numérique en tenant compte des incertitudes irréductibles sur le procédé, les matériaux et la géométrie du produit fabriqué. La prise en compte des incertitudes nécessite de quantifier les effets des variations des paramètres du modèle sur les sorties de celui-ci, en propageant ces variations via la simulation numérique pour évaluer leurs effets sur les sorties. Dans ce travail nous avons proposé une procédure pour déterminer le seuil de sensibilité du modèle numérique afin de construire des plans d’expériences numériques cohérents avec ce seuil. Nous avons également montré que, compte tenu des incertitudes sur les matériaux et la géométrie du produit, il est possible d’optimiser certains paramètres du procédé pour contrôler les effets des incertitudes sur les variations dimensionnelles et morphologiques du produit. Pour cela, nous avons proposé une procédure d’optimisation basée sur un algorithme NSGA-II et une méta-modélisation du procédé. L’application à l’emboutissage d’une tôle en U, retour élastique inclus, montre qu’il s’agit d’un problème de conception robuste pour lequel nous obtenons l’ensemble des compromis entre l’écart à la moyenne et l’écart type d’une fonction « performance » du procédé correctement choisie. Finalement l’analyse de ces résultats nous permet de quantifier le lien entre la notion de robustesse d’une solution optimisée du procédé et les critères de mesure de la qualité du produit
Fichier principal
Vignette du fichier
Von_Dim_Nguyen_2015TROY0006.pdf (10.94 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03358892 , version 1 (29-09-2021)

Identifiants

  • HAL Id : tel-03358892 , version 1

Citer

von Dim Nguyen. Validation and robust optimization of deep drawing process by simulation in the presence of uncertainty. Materials and structures in mechanics [physics.class-ph]. Université de Technologie de Troyes, 2015. English. ⟨NNT : 2015TROY0006⟩. ⟨tel-03358892⟩
61 Consultations
17 Téléchargements

Partager

Gmail Facebook X LinkedIn More