Cartes de données pour un usinage intelligent : identification des matériaux dans l'empilement des couches par surveillance de la puissance de la broche

Data maps for smart machining : material identification instack layers by spindle power monitoring

• Auteur / Autrice : Sughosh Deshpande
• Direction : Pierre Lagarrigue, Anna Carla Monteiro De Araujo
• Type : Thèse de doctorat
• Discipline(s) : Génie mécanique, mécanique des matériaux
• Date : Soutenance le 15/03/2024
• Etablissement(s) : Université de Toulouse (2023-....)
• Ecole(s) doctorale(s) : École doctorale Mécanique, énergétique, génie civil et procédés (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Institut Clément Ader (Toulouse ; 2009-....)
• Partenaire(s) de recherche : Etablissement de délivrance conjointe : Université Toulouse 3 Paul Sabatier (1969-2024)
• Jury : Président / Présidente : Guillaume Fromentin
• Jury : Examinateurs / Examinatrices : Yann Landon
• Jury : Rapporteur / Rapporteuse : Raynald Laheurte, Vishal Sharma

Mots clés

Mots clés contrôlés

Machines-outils -- Commande numérique

Composites

Fraisage (travail des métaux)

Mots clés libres

Capteurs internes CNC

Matériau multicouche pour l'aéronautique

Fraisage hélicoïdal

Coefficients de coupe

Usinage intelligent

CNC internal sensors

Aerospace stacks

Helical milling

Cutting coefficients

Smart machining

Résumé

La réalisation de trous dans un matériau multicouche pour l'aéronautique est une opération majeure lors de l'assemblage d'avions et qui pose des défis importants lors de la fabrication en raison des différences d'usinabilités entre chaque matériau. Les stratégies envisagées pour un usinage qualifié d'intelligent, notamment par l'adaptation de conditions de coupe appropriées à l'aide d'une surveillance en temps réel, peuvent conduire à des améliorations significatives. La mise en œuvre de telles techniques repose sur la construction d'une base de données pour apporter une aide à la décision, ce qui est le cas pour le perçage de matériaux multicouches dans l'industrie aérospatiale. Le but de ce travail de thèse est de contribuer au développement d'une méthodologie d'identification des matériaux lors du fraisage hélicoïdal de matériaux multicouche pour l'aéronautique en proposant des cartographies de données. Dans cette optique, les coefficients de coupe sont calculés pour l'aluminium et le titane lors du fraisage hélicoïdal par surveillance de la puissance de broche mesurée par les capteurs de la commande numérique. Les couches ''d'aluminium'' et ''titane'' peuvent être clairement distinguées en observant des cartes de données en raison d'une différence significative dans les valeurs des coefficients de coupe, ce qui facilite l'identification des matériaux. Dans ce cas, les points avec une valeur spécifique au niveau des interfaces offrent la possibilité d'identifier avec précision la position de l'outil, contrairement à la surveillance du gradient des forces d'avance lors du perçage de matériaux multicouches. Des techniques d'usinage cherchant à optimiser les paramètres de coupe peuvent donc être mises en œuvre pour un matériau particulier en se basant sur ces points avec une valeur spécifique. Des avances axiales par dent très faibles allant jusqu'à 1 μm ont été testées et les valeurs données par les capteurs de puissance de la broche étaient suffisamment discriminantes pour identifier la transition de matériau lorsque l'outil passe d'une couche à l'autre. Les résultats ont également montré que la séquence d'empilement joue un rôle crucial sur la précision de l'identification des matériaux. Pour finir, les cartes de données construites précédemment ont été utilisées pour la création de modèles d'apprentissage automatique. Le but était de pouvoir identifier les changements de matériau lors du fraisage hélicoïdal d'un matériau multicouche à partir de la lecture des cartes de données, quelles que soient les conditions de coupe et les séquences d'empilement. Les résultats de ces travaux de thèse sont directement utilisables pour des applications industrielles. Ils utilisent les valeurs fournies par les capteurs internes de la machine CNC pour la prise de décision. Il n'est pas nécessaire de modifier le montage ou le contexte d'usinage la configuration pour intégrer des capteurs externes capables d'identifier les différents matériaux lors du perçage d'un matériau multicouche.

Hole making on stacked aerospace materials is a major operation during aircraft assembly which poses significant challenges during manufacturing because of different material machinability. Strategies involving smart machining including adapting proper cutting conditions using real time monitoring can lead to significant improvements. Smart techniques implementation depends on developing a database for decision-making, which is the case for stack drilling in aerospace industry. This thesis work aids in the development of a methodology for material identification during helical milling of aerospace stacks by proposing data maps. In this regard, cutting coefficients are calculated for aluminium and titanium during helical milling by monitoring spindle power from the CNC machine. The aluminium and titanium regions can be clearly distinguished by observing data maps owing to a significant difference in the values of cutting coefficients which aids in material identification. In this case, the specific data points at the interface layers offers advantage to accurately identify tool position unlike monitoring gradient of feed forces while drilling stacked materials. Therefore, smart machining techniques seeking cutting parameters optimization can be implemented for a particular material. The axial feed per tooth as low as 1 μ was tested and the spindle power signals were sensitive to identify material transition as the tool moved from one layer to other. The results also showed that the stack sequence plays a crucial role on the accuracy of material identification. Finally, the developed data maps were used in training machine learning models in order to predict the material layers during stack helical milling by reading data maps irrespective of the cutting conditions and stack sequences in the future. The outcome of this thesis is significant for industrial applications as it aims in utilizing existing internal sensors of the CNC machine for decision making without the need for the changes in the fixture/setup to integrate external expensive sensors for material identification during stack drilling.