Partie II. S YNTHESE DE MES ACTIVITES DE RECHERCHE
1. F IL CONDUCTEUR D ‘ UNE DEMARCHE RECHERCHE
Mes premiers pas en recherche m‘ont conduit, sous la direction de Benoit Furet, à m‘intéresser à la surveillance d‘usinage en fraisage. Ces travaux ont une connotation forte sur l‘industrialisation des solutions à mettre en place. L‘angle d‘attaque de ces travaux a été une approche expérimentale. Nous constatons que les moyens de production fonctionnent actuellement très souvent à l‘aveugle. Un processus de fabrication est imaginé, défini et ensuite réalisé. Notre objectif est donc d‘observer celui-ci, de l‘analyser, d‘en extraire des informations afin d‘agir sur le processus.
Après avoir achevé ma thèse sur l‘identification de l‘état d‘usure des outils, nous avons poursuivi sur l‘élaboration d‘une détection des bris d‘outil en fraisage. Cette maturation sur la surveillance d‘usinage, nous a amenés à plusieurs constats. L‘introduction de systèmes de surveillance évolués dans l‘industrie est complexe, et sans aucun doute risquée. Bon nombre de systèmes créés dans les années 80 ont été désactivés par insuffisance de robustesse. Un système de surveillance évolué ne peut voir le jour qu‘avec une base d‘exemples importante et diversifiée. Pour autant, nos travaux nous ont montré de nombreuses sources d‘améliorations potentielles par l‘observation des différents capteurs dont nous équipions nos machines.
Le concept de S.M.M.S. (Smart Machining Method and System) a vu le jour (figure 13). Notre démarche, jusqu‘à ce jour, était de chercher à équiper une machine de capteurs dans un objectif déterminé et potentiellement difficile à appliquer industriellement. Nous avons donc pris le contre-pied de cette approche en nous posant la question suivante : comment exploiter les données acquises via les capteurs afin d‘améliorer nos systèmes de production ? Si ce changement de point de vue peut sembler trivial, il nous a pourtant ouvert un ensemble de champs de recherche et de réussites industrielles.
figure 13 : Concept SMMS (Smart Machining Method and System)
Approfondissons cette approche afin de mieux en cerner les contours. Au centre nous retrouvons bien évidemment le système d‘acquisition, il n‘est pas dédié à un type de capteur en particulier bien au contraire. La méthode est plutôt d‘observer et d‘analyser
quelle potentialité un capteur peut nous offrir. La mise en place d‘un modèle de connaissance du processus permet bien souvent d‘extraire des données plus pertinentes. La première des applications est la capitalisation de données, elle est cruciale car c‘est le terreau de toute exploitation future. Furet & Ritou ont d‘ailleurs poussé ce concept et en arrivent aujourd‘hui à faire du Big Data via un produit industrialisé la EmmaTools. L‘une des applications assez directe est l‘optimisation de conditions opératoires. Dans ce cadre, on peut par exemple encore citer ce que l‘on appelle le sonnage dynamique développé par Mr Furet, Peigne et Laporte. Les travaux réalisés durant ma thèse et celle de Mathieu Ritou s‘intègrent dans la détection de défaillance SIMTI (System Intermittant de Monitoring Tool Inspection).
Si nous poursuivons cette taxinomie, nous pouvons regrouper les travaux de Aude Caillaud-Boudelier ainsi que les travaux de Raphaël Poirée dans la partie concernant l‘optimisation de paramètres opératoires : la première s‘intéressant aux fraises à concrétions diamantées, et le second au ponçage roto-orbital. Le module pilotage avancé a été traité aussi bien au travers de la thèse de Benjamin Havette sur le lissage de puissance, que des travaux de Claire Lecerf-DUMAS sur les aspects parachèvement robotisé. Comme nous le verrons, le couplage robot-procédé est tel qu‘il est nécessaire d‘étudier le parachèvement simultanément à la trajectoire robotique. Les thèses de David Guerin et Alexandre Ambiehl, si elles portent sur des aspects robotiques, restent avec des visées clairement manufacturières.
Pour autant, le module central de ce concept « acquisition de données » est le cœur du système. On parle ici de données de haut niveau, pas uniquement de signaux juste filtrés. Pour nous, ce module intègre la modélisation choisie et l‘identification des paramètres de celle-ci. Cette phase, comme nous le verrons à maintes reprises, doit être conçue pour répondre à un cahier des charges précis, c‘est avec ce point de vue que nous aborderons nos travaux.
Comme nous avons pu l‘entrevoir, les travaux de ces 15 dernières années sont assez diversifiés mais cependant restent tous centrés autour des procédés et de leur robotisation. Le bassin industriel dans lequel nous évoluons n‘y est pas étranger. On y retrouvera l‘aéronautique et le nautisme avec des problématiques différentes mais avec cependant un point commun qui est le parachèvement de pièces de grandes dimensions. Le parachèvement concerne différents procédés (détourage, ébavurage, perçage, ponçage, préparation de surfaces, etc.) et ce pour des matériaux métalliques et/ou composites. Ces pièces de grandes dimensions dans bon nombre de scénarii ne sont plus issues d‘assemblage, les intervalles de tolérance affichés sont assez importants et laissent entrevoir l‘utilisation de moyens de production low cost tel que des robots. C‘est donc tout naturellement que ces différentes thématiques seront abordées dans ces pages.
J‘ai fait le choix dans la rédaction de ce manuscrit d‘aborder l‘ensemble de ces thématiques en conservant le concept du SMMS. Dans cette approche, la partie expérimentale est cruciale. Il faut à la fois bien choisir les capteurs nous permettant une observation, tout en restant critique sur les informations fournies. Dans bien des cas, avant d‘obtenir une information exploitable, nous passons par une phase de traitement de la donnée de plus ou moins haut niveau (du filtrage à l‘identification). Les choix associés à ce prétraitement peuvent modifier de manière significative les résultats obtenus, induisant de
facto des conclusions erronées. Une attention particulière sera donc de rigueur lors de la construction des modèles représentant les phénomènes physiques observés en exprimant clairement les hypothèses retenues dans nos modèles.
Suivant le besoin, la modélisation du processus est macroscopique (prise en compte de donnée globale au système puissance, vitesse de déplacement…) ou mésoscopique (prise en compte de la cinématique afin d‘obtenir des informations plus fines) [5].
Nos travaux ont pour objectif d‘analyser le triptyque outil-matière-machine (ou robot) pour valider l‘ensemble de nos identifications et modèles afin de rendre ce tryptique plus efficace, robuste et exploitable industriellement.
Ce mémoire s‘articule en deux parties, suivant l‘hypothèse envisagée. Dans la première partie, la machine est considérée comme rigide. Nous explorons de manière approfondie le fraisage avec différents outils à dents ou non. Dans la seconde partie, la machine est considérée comme souple, puisqu‘il s‘agit d‘un robot, nous analysons alors le couplage robot-processus de coupe. Dans ce dernier chapitre, nous ferons un focus sur l‘identification de ces souplesses et des paramètres d‘un robot qui sont nécessaire pour maîtriser son exploitation.
Je compléterai ces chapitres par une conclusion générale sur l'ensemble des travaux scientifiques menés avant de terminer par une partie importante sur les perspectives de poursuite des travaux de recherche avec des pistes particulières que je souhaite développer.