Maquette Matlab

Comme énoncé précédemment afin de s’affranchir d’un logiciel de FAO pour développer le perfor-mance viewer nous avons choisi de le développer dans un environnement indépendant. Nous avons donc choisi Matlab. La structure d’implémentation du performance viewer est donnée Annexe D.

Le module d’extraction (A1, figure 115) exploite ainsi directement le code CN généré par à partir d’un post-processeur. Les données géométriques et de programmation de la séquence d’usinage sont directement extraites du programme CN et stockées sous forme matricielle dans l’environnement de Matlab.

Ces données sont ensuite utilisées dans le module de simulation de comportement cinématique. L’implémentation du module (A2, figure 115) dans Matlab a été réalisée à partir de l’algorithme de simulation de comportement cinématique en interpolation linéaire (présenté dans le chapitre 2).

Les évolutions les plus notables se situent au niveau du module A3. Ainsi, les critères d’analyse de ralentissements ont été affiné et complété d’outil de classification : histogrammes indiquant la longueur de ralentissement, nombre de ralentissements en fonction du taux de ralentissement, comptage du nom-bre d'entrées / sorties matière. D’autre part le critère d’analyse de la vitesse moyenne sur l’ensemble d’un bloc programme a été modifié par l’analyse des vitesses moyennes des sept phases du profil de loi de commande (figure 119).

Pour la maquette Esprit, les vitesses instantanées V(i) à la fin de chaque phase de génération du pro-fil de vitesse sont calculées puis la vitesse moyenne obtenue sur le segment entre les deux points X(i) et X(i+1) est retenue comme critère. Le segment est associé ensuite à un code couleur (trois couleurs dif-férentes) en fonction du rapport entre la vitesse moyenne atteinte et la vitesse programmée à l'origine. Désormais, le critère retenu est la vitesse moyenne Vm pour chacune des sept portions de la loi de vitesse d'un segment. Les plages de classifications des ralentissement ont été affinées : Vm<0.3Vprog, 0.3Vprog<Vm<0.5Vprog, 0.5Vprog<Vm<0.7Vprog, 0.7Vprog<Vm<0.9Vprog, 0.9Vprog<Vm. Cha-que portion S(i) du segment est ensuite associée à un code couleur correspondant à chaCha-que plage.

nement des plages, nous permet ainsi d’analyser plus finement les phases d’accélérations et décélérations imposées par les zones de ralentissements.

Afin d’illustrer la maquette numérique développée sous Matlab nous proposons d’étudier la séquence d’usinage obtenue pour le surfaçage de l’entité «fond» de la cavité représentée figure 120. La séquence d’usinage a été obtenue à l’aide du processeur de CATIA, le programme d’usinage a été généré à l’aide d’un post processeur développé au LURPA.

La visualisation des ralentissements après passage dans la performance viewer est illustrée figure 121. Nous constatons que ces ralentissements se situent dans les zones où les rayons de courbure du «flanc» de la cavité sont faibles. Il s’agit d’une propagation de ralentissements. D’autre part, nous visualisons l’impact des ralentissements sur les segments de grandes tailles de part les zones d’accéléra-tion et de décélérad’accéléra-tion. Ceci est un apport significatif par rapport à la maquette numérique Esprit puisqu’elle n’aurait pas permis de visualiser les zones d’accélération et de décélération (critère de vitesse moyenne pour l’ensemble du segment).

Dans la littérature des analyses graphiques à base d’histogrammes ont déjà été développées. H. Siller et al. [SIL 06] classe les segments composants les trajets d’usinage par leurs longueurs. Néanmoins, cette classification permet de répartir les segments sans vraiment connaître l’impact réel des trajets

Figure 120 : Cavité étudiée

décrits par ceux-ci sur la vitesse d’avance. Ainsi, nous avons choisi de garder la classification des élé-ments constituant les éléélé-ments des trajets d’usinage sous forme d’histogramme en appliquant deux cri-tères cinématiques.

Le premier critère est le nombre de ralentissements par plage de taux de ralentissement par rapport à la vitesse programmée. Pour l’exemple traité figure 121, l’histogramme figure 122.a nous montre que plus de la moitié des ralentissements sont en dessous de 50% de la vitesse programmée. Ce premier gra-phique nous pousserait à en conclure que la séquence d’usinage nécessite de nombreuses adaptations pour diminuer ce nombre de ralentissements. Néanmoins, nous allons voir à l’aide du second critère uti-lisé que cette séquence ne nécessite peut être pas autant d’adaptations.

Ainsi le second critère d’analyse est le taux de répartition des longueurs de ralentissements selon les cinq plages de vitesse en fonction de la longueur totale de la séquence d’usinage. La figure 122.b illus-tre l’histogramme construit à partir de ce critère. Nous constatons que les nombreux ralentissements inférieurs à 50% de la vitesse d’avance programmée n’affecte réellement que 21% de la longueur de la séquence d’usinage alors qu’ils représentent plus de 50% du nombre de ralentissements constatés. Mal-gré le fait que les ralentissements ont plus de signification en longueur qu'en fréquence, nous retenons les deux critères d’analyse car ils sont complémentaires. Ainsi, la fréquence n'est pas significative si la longueur des segments est négligeable. Mais elle est significative pour choisir parmi plusieurs stratégies

retenues dont les histogrammes de longueur de ralentissement sont équivalents, laquelle nécessite le plus d’attention et donc de temps de préparation supplémentaire.