Synthèse de stratégies de fabrication pour la maîtrise de la microstructure des pièces produites par dépôt de matière sous énergie concentrée

Synthesis of manufacturing strategies for the control of the microstructure of parts produced by Directed Energy Deposition

• Auteur / Autrice : Michèle Bréhier
• Direction : Christophe Tournier
• Type : Projet de thèse
• Discipline(s) : Génie mécanique
• Date : Inscription en doctorat le 01/09/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences Mécaniques et Energétiques, Matériaux et Géosciences
• Partenaire(s) de recherche : Laboratoire : Laboratoire Universitaire de Recherche en Production Automatisée
• Partenaire(s) de recherche : Equipe de recherche : Géométrie tridimensionnelle des pièces et des mécanismes
• Partenaire(s) de recherche : référent : École normale supérieure Paris-Saclay (Gif-sur-Yvette, Essonne ; 1912-....)

Mots clés

Mots clés libres

Cfao

Optimisation

Dépôt de matière sous énergie concentrée

Microstructure

Fabrication additive métallique

Microstructure

Cad/cam

Metallic additive manufacturing

Directed Energy Deposition

Optimisation

Résumé

Obtenir des propriétés optimales à différents endroits d'une structure est un grand enjeu de fabrication ou de réparation additive métallique. Cela repose sur une connaissance approfondie des liens entre propriétés et microstructures et un contrôle de ces dernières durant tout le procédé. Elle repose sur la maitrise à différentes échelles de temps et d'espace, des conditions de solidification ainsi que de l'évolution de la microstructure pendant les cycles thermomécaniques successifs. La thèse a donc pour objectif d'élaborer des stratégies de fabrication permettant de piloter conjointement la géométrie et la microstructure pour des procédés de dépôt de matière sous énergie concentrée (DED). Une telle stratégie de contrôle repose sur des simulations prédictives de la formation et de l'évolution de la microstructure pendant le procédé à l'échelle de l'objet et la maîtrise de l'évolution des paramètres procédés durant la fabrication. Les travaux s'appuient donc sur la mise en œuvre de modèles rapides couplant thermique et formation/évolution de microstructure à l'échelle du procédé dans son ensemble (développés par le LMS) et sur la modélisation et un contrôle précis de la cinématique du dépôt de matière afin de définir au mieux la stratégie de fabrication dans le cas de structures complexes. Le résultat escompté est la réalisation d'un jumeau numérique s'appuyant sur la chaîne numérique de fabrication additive, intégrant les modèles de connaissance et de comportement permettant la synthèse de stratégies de dépôts en effectuant du virtual testing du procédé pour optimiser la microstructure.

Achieving optimal properties at different locations in a structure is a major challenge in metal additive manufacturing or repair. This relies on a thorough knowledge of the links between properties and microstructures and a control of the latter during the whole process. It is based on the control at different time and space scales, of the solidification conditions as well as of the evolution of the microstructure during the successive thermomechanical cycles. The objective of this thesis is to develop manufacturing strategies allowing to jointly control the geometry and the microstructure for Directed Energy Deposition (DED) processes. Such a control strategy is based on predictive simulations of the formation and evolution of the microstructure during the process at the object scale and the control of the evolution of the process parameters during the manufacturing process. The work is therefore based on the implementation of fast models coupling thermal and microstructure formation/evolution at the scale of the whole process (developed by the LMS) and on the modeling and precise control of the kinematics of material deposition in order to define the best manufacturing strategy in the case of complex structures. The expected result is the realization of a digital twin based on the digital chain of additive manufacturing, integrating the knowledge and behavior models allowing the synthesis of deposition strategies by performing virtual testing of the process to optimize the microstructure.