Optimisation, prédiction et contrôle intelligents de la qualité du soudage au laser des alliages d'aluminium

Download or read book Optimisation, prédiction et contrôle intelligents de la qualité du soudage au laser des alliages d'aluminium written by Joys S. Silva Rivera and published by . This book was released on 2022 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: « L'utilisation croissante des alliages d'aluminium dans plusieurs industries a suscité de l'intérêt pour l'étude de différents procédés de transformation tels que le soudage au laser. Ce procédé présente de nombreux avantages, notamment un meilleur rendement énergétique et des vitesses plus élevées. Cependant, le soudage laser peut provoquer différents types de défauts dus à la porosité et aux distorsions thermiques qui doivent être surveillés et contrôlés pour garantir une bonne qualité des soudures. L'effet des distorsions provoque des non-conformités fonctionnelles de nature géométriques et dimensionnelles alors que la porosité entraine des anomalies ayant des conséquences complexes plus sérieuses sur le plan de la sécurité. La porosité est un défaut interne qui peut entraîner une réduction dramatique des performances mécaniques du cordon de soudure et ainsi affecter la qualité du produit fini. Cette recherche vise l’étude et l’analyse du procédé du soudage laser dans le but de proposer une méthodologie de surveillance géométrique pour réduire les distorsions sur les flancs soudés et des modèles d'apprentissage automatique afin de prédire la porosité. Le comportement du procédé de soudage au laser peut être caractérisé par des mesures optiques, thermiques et même acoustiques. Les signaux issus de ces mesures peuvent être utilisées comme base de données pour définir les paramètres de fonctionnement caractéristiques du procédé, les utiliser pour l’optimisation de la qualité et les exploiter pour détecter les défaillances dans le procédé. Cette approche a permis d’identifier les conditions opérationnelles optimales qui réduisent la distorsion à travers la soudure la distorsion le long de la soudure de 57,50 %, 33,47 % pour la distorsion de formation à travers la soudure de 86,52 % pour et la distorsion de formation le long de la soudure 94,32 %. Une amélioration de 127 % du score F1 a été constatée pour la prédiction de la porosité en utilisant un modèle à base de réseaux neuronaux artificiels, et une augmentation de 68 % du paramètre AUC (aire sous la courbe ROC) indique une amélioration des performances du modèle de classification des porosités à l’aide des algorithmes SVM (machine à vecteurs de support). De plus, les résultats ont démontré que le meilleur algorithme d'apprentissage automatique pour faire la prédiction de la porosité pour la configuration utilisée est Random Forest avec 0,83 AUC, 75 % de précision, 0,75 en score F1 pour la classe de non-porosité et 0,76 en score F1 pour la classe avec porosité. Les résultats obtenus montrent que la méthodologie et les modèles proposés pourraient être mis en œuvre dans des applications industrielles variées pour améliorer la qualité pour les plaques soudées au laser et réduire le temps et le coût pour l'analyse de la qualité tout en augmentant la performance opérationnelle du procédé de soudage. -- Mot(s) clé(s) en français : Procédés de fabrication avancés, soudage laser, alliages d’aluminium, surveillance intelligente de la qualité des soudures, fabrication Lean, apprentissage automatique, intelligence artificielle, Industrie 4.0. »--