Préface:

L'usinage CNC est une partie importante de la fabrication qui utilise des machines contrôlées par ordinateur pour traiter les métaux, les plastiques et d'autres matériaux. Avec le développement continu de la technologie, l’industrie de l’usinage CNC subit des changements majeurs.
Cet article présentera deux tendances majeures dans l'industrie de l'usinage CNC : la fabrication hybride et l'application d'algorithmes d'intelligence artificielle. Ces tendances auront un impact profond sur l’industrie manufacturière et apporteront de nouvelles opportunités et de nouveaux défis aux entreprises.

Histoire de la fabrication CNC remonte aux années 1940, passant de machines à commande manuelle aux premiers systèmes contrôlés par ordinateur au milieu du 20e siècle. Ces premiers systèmes étaient révolutionnaires, ouvrant la voie aux machines CNC sophistiquées dont nous disposons aujourd'hui.

Ces dernières années, la fabrication CNC a beaucoup progressé. Les nouvelles machines CNC utilisent des fonctionnalités de haute technologie telles que Algorithmes d'IA, des capteurs spéciaux et un suivi en temps réel. Ces mises à niveau rendent le processus plus précis, améliorent la production et permettent une fabrication flexible.

Aussi, une nouvelle tendance appelée fabrication hybride gagne en popularité. Il combine une imprimante 3D avec une machine CNC. Ce mélange combine la précision de l'usinage CNC avec la capacité de l'impression 3D à créer rapidement des conceptions complexes.

Cet article abordera en détail les deux principales tendances de l'industrie de l'usinage CNC. Il s’agit de l’hybridation, des applications d’algorithmes d’IA et de l’automatisation dans les productions en petit volume.

Fabrication hybride additive-soustractive

L'avenir de la production synergique

Introduction

La fabrication hybride additive-soustractive (HASM) est un mélange de deux méthodes de fabrication puissantes : l'ajout de matériau par couches et la suppression des excédents. C'est comme sculpter et construire en même temps. Cette approche moderne fait des vagues dans le secteur manufacturier en permettant une production précise, efficace et complexe.

Dans cet article, nous allons nous plonger dans HASM, en expliquant ses bases, pourquoi il est important, où il est utilisé et comment il façonne l'avenir de la fabrication. Nous aborderons également la technologie impliquée, la manière de planifier le processus, les machines disponibles et les défis auxquels cette méthode est confrontée. Comprendre HASM ouvre un monde de fabrication avancée et de possibilités passionnantes.

Qu’est-ce que la fabrication hybride additive-soustractive ?

Pour comprendre la fabrication hybride additive-soustractive (HASM), décomposons ses composants : fabrication additive et fabrication soustractive.

1. La fabrication additive: La fabrication additive consiste à construire un objet en ajoutant du matériau couche par couche. Cela ressemble à la façon dont une imprimante 3D crée un objet en déposant du matériau une tranche à la fois, pour finalement former un objet complet. Chaque couche s’empile sur la précédente, selon une conception numérique.
2. Fabrication soustractive : D’un autre côté, la fabrication soustractive revient à sculpter une sculpture dans un bloc de bois. Cela commence avec une pièce plus grande et consiste à retirer de la matière pour la façonner et l’affiner. Par exemple, une machine CNC sculpte des motifs complexes à partir d’un bloc de matériau solide.

Fabrication hybride additive-soustractive (HASM) : HASM est le point de rencontre de ces deux techniques. Cela commence par ajouter du matériau, couche après couche, pour former une base. Ensuite, il utilise des méthodes soustractives pour façonner et affiner avec précision le produit. Il combine les atouts des deux techniques, permettant un processus de production plus efficace et plus détaillé. C'est comme créer une sculpture en ajoutant des couches, puis en y sculptant des détails complexes pour obtenir un chef-d'œuvre.

Pourquoi la fabrication hybride additive-soustractive a émergé

La fabrication hybride additive-soustractive (HASM) a évolué en réponse aux défis et aux opportunités posés par la fabrication additive (FA) et les méthodes de fabrication soustractive.

1. Tirer parti de la fabrication additive : la fabrication additive est excellente pour créer des pièces complexes et complexes difficiles à produire à l’aide de méthodes traditionnelles. Cela implique de superposer des matériaux pour construire un objet 3D. Cependant, la FA ne parvient souvent pas à obtenir des dimensions précises, une précision géométrique et une qualité de surface élevée par rapport à la fabrication traditionnelle.
2. Exploiter la fabrication soustractive : D'un autre côté, la fabrication soustractive, une méthode traditionnelle, permet d'obtenir une haute précision mais peut générer des déchets de matériaux pendant le processus de découpe et de façonnage. Il s’agit de partir d’un bloc de matière puis de supprimer les sections indésirables pour obtenir la forme souhaitée.
3. Fusionner le meilleur des deux mondes : HASM mélange ingénieusement des approches additives et soustractives. Cela commence par la fabrication additive pour construire la structure principale, en utilisant ses avantages pour créer des géométries complexes. Ensuite, il applique des techniques soustractives pour affiner la structure, améliorant ainsi la douceur de la surface et obtenant une géométrie et des dimensions précises.
4. Répondre aux limites de la fabrication additive : la fabrication additive seule ne parvient souvent pas à garantir la qualité et la précision des surfaces, en particulier pour les applications critiques comme l'aérospatiale, où des tolérances précises sont essentielles. HASM intervient pour remédier à ces limitations en incorporant des processus soustractifs pour améliorer les caractéristiques finales du produit final.

En combinant les atouts de la fabrication additive et soustractive, HASM propose une solution qui met à portée de main une production efficace, précise et détaillée. Il optimise l'utilisation des matériaux, réduit les déchets et fait progresser considérablement le domaine de la fabrication moderne, en répondant aux besoins des industries où les composants complexes et de haute précision sont primordiaux.

Avantages de la fabrication hybride additive-soustractive

La fabrication hybride additive-soustractive (HASM) offre une multitude d’avantages qui la positionnent comme une approche de fabrication prometteuse pour un large éventail d’applications.

1. Précision et qualité de surface améliorées : en combinant des processus additifs et soustractifs, HASM atteint une précision et une qualité de surface supérieures par rapport à la fabrication additive traditionnelle. L'étape soustractive permet un affinement méticuleux, aboutissant à des pièces aux surfaces exceptionnellement lisses et aux dimensions précises.
2. Utilisation optimale des matériaux : HASM optimise l'utilisation des matériaux, les déchets de matériaux étant minimisés grâce à la phase additive. Cette réduction des déchets est particulièrement significative lorsqu'il s'agit de matériaux coûteux ou spécialisés, faisant de HASM un choix durable et rentable.
3. Géométries complexes efficaces : L'aspect additif de HASM excelle dans la création de géométries complexes et complexes qui seraient difficiles ou peu pratiques en utilisant des méthodes purement soustractives. Ceci est particulièrement avantageux pour les industries où des structures de pièces complexes sont une nécessité.
4. Flux de processus intégré : HASM intègre des étapes additives et soustractives dans un seul processus transparent, économisant du temps et des ressources en éliminant le besoin de configurations multiples. Ce flux de travail rationalisé augmente l’efficacité et réduit les délais de production.
5. Économe en énergie et respectueux de l'environnement : la combinaison de processus additifs et soustractifs dans une seule machine réduit la consommation d'énergie par rapport à l'utilisation de machines distinctes pour chaque processus. Cette fusion s'aligne sur les objectifs de durabilité, faisant de HASM un choix respectueux de l'environnement.
6. Large applicabilité : l'adaptabilité de HASM se prête bien à un large éventail d'industries, notamment l'aérospatiale, l'automobile, le médical, etc. Sa capacité à répondre aux besoins de divers secteurs souligne sa polyvalence et son potentiel à révolutionner la fabrication moderne.

État de la recherche sur la fabrication hybride additive-soustractive basée sur différentes sources d'énergie

1. Fabrication hybride utilisant l'arc électrique comme source d'énergie

La combinaison de la fusion et du fraisage à l’arc électrique constitue une approche courante et répandue dans la fabrication hybride additive-soustractive. Cette méthode consiste à déposer une couche de matériau en faisant fondre des filaments en utilisant la haute température générée par un arc électrique, puis en fraisant avec précision la couche déposée pour obtenir une surface lisse. Grâce à ce processus répétitif, des composants de haute précision sont fabriqués. L’impression 3D à base d’arc la plus courante est la WAAM (Wire Arc Additive Manufacturing).

De manière innovante, Zhang Haiou et son équipe a conçu la technique de « fabrication hybride intelligente de micro-coulée, de forgeage et de fraisage » (comme le montre la figure 2). Cette approche associe le micro-moulage à l'arc électrique pour la mise en forme additive avec le micro-forgeage continu, le fraisage pour la mise en forme soustractive et l'utilisation de manière synchrone du micro-forgeage continu dans la microzone semi-solidifiée de la couche de dépôt pour affiner les structures de grains. Ensuite, fraisage CNC est utilisé pour éliminer les pièces difficiles et défectueuses. Ce processus offre des avantages tels qu'un flux de travail raccourci, une consommation d'énergie réduite, un équipement intégré et compact et des propriétés mécaniques supérieures par rapport aux pièces forgées traditionnelles, ce qui en fait une nouvelle méthode de fabrication respectueuse de l'environnement.

De plus, Akula et al. ^[2] et Karunakaran et al.^[3] ont développé une machine-outil hybride intégrant le fraisage CNC et le soudage à l'arc sous gaz métallique (GMAW). Lors du traitement hybride, le dépôt de matériau alterne avec le fraisage, et une fois la forme proche obtenue, un fraisage de précision est effectué pour terminer le composant. Les tests ont révélé que même si les composants fabriqués à l'aide de cette méthode peuvent ne pas correspondre aux méthodes de fabrication traditionnelles en termes de performances mécaniques, leur précision géométrique peut atteindre ± 0.030 mm après le fraisage CNC. L’équipe a également analysé l’influence des paramètres de dépôt dans la fabrication hybride additive-soustractive, révélant la variation de la microstructure des matériaux en fonction des paramètres de dépôt changeants, ainsi que les déformations se produisant dans les composants structurels au cours du processus additif en raison de fluctuations inégales de température.

Karunakaran et coll. ^[3] et Sreenathbabu et al. ^[4] a introduit une technique de fabrication hybride utilisant la fusion et le fraisage à l'arc électrique, appelée Arc Hybrid-Layered Manufacturing (ArcHLM). Une fois chaque couche de dépôt terminée, un fraisage en bout CNC est utilisé pour obtenir une surface lisse, favorisant une bonne adhérence intercouche. Pour éviter les collisions lors du mouvement de la buse d'additif, des freins pneumatiques sont intégrés à la machine hybride. De plus, l'alimentation électrique du soudage est placée dans le panneau de protection de la machine pour améliorer la sécurité. Pour résoudre l'aspect difficile du refroidissement dans le traitement hybride additif-soustractif, un dispositif poreux avec des tubes de refroidissement en forme de Z est utilisé pour améliorer la dissipation thermique pendant les processus de dépôt et d'usinage (comme le montre la figure 3). Le processus ArcHLM s'avère efficace en termes de temps et de coût dans la fabrication d'outils et de moules métalliques, en intégrant la fabrication additive et l'usinage de précision dans une plate-forme unifiée. Cette technique représente l’une des premières tentatives de développement de machines hybrides de traitement additif-soustractif.

Dans une approche connexe, Song et al. ^[5] intégré deux torches de soudage à l'arc sous gaz métallique (GMAW) adjacentes à la broche d'une machine à 3 axes. Ils ont effectué des opérations alternées de dépôt et de broyage, aboutissant à des composants dont la densité dépasse 90 %. Après fraisage, la rugosité de surface (Ra) des composants a été mesurée à 2 µm, avec une résistance à la traction comparable à celle d'un fil d'acier à faible teneur en carbone. Chanson et coll. ^[6] a ensuite utilisé cette configuration pour fabriquer des composants multi-matériaux en utilisant deux buses additives pour déposer différents matériaux. Par exemple, ils ont encapsulé un noyau en acier à faible teneur en carbone dans une coque en acier inoxydable, obtenant ainsi un composant combiné doté d'une résistance élevée et d'une excellente ténacité, évidentes à travers des interfaces distinctes observables au microscope électronique.

Actuellement, la fabrication hybride additive-soustractive à base d'arc utilise principalement des machines-outils ou des robots à 3 ou 5 axes comme plate-forme de mouvement, en les équipant d'équipements de soudage modifiés pour le dépôt de matériaux. Pour éviter les obstacles causés par la torche de soudage lors de l'usinage CNC, certains appareils intègrent une fonctionnalité télescopique dans la torche. Cependant, cette méthode se concentre généralement sur le fraisage de la surface supérieure de la couche de dépôt et ne tente pas de fraiser les contours de la couche intermédiaire. Par conséquent, les composants fabriqués à l’aide de cette technique possèdent des structures relativement simples sans caractéristiques internes suspendues ou complexes.

2. Fabrication hybride utilisant le laser comme source d'énergie

Le laser Impression 3D est une méthode de fabrication additive plus populaire dans l’industrie. Il existe des recherches et des études sur la fabrication hybride utilisant le laser comme source d'énergie.

Kerschbaumer et Ernst ^[7] a rapporté un système hybride intégrant le revêtement laser avec une machine CNC. Ils ont intégré une tête de revêtement laser Nd:YAG et un système de distribution de poudre dans une machine CNC commerciale à 5 axes Röders. La capacité 5 axes permet le dépôt de matériaux dans plusieurs directions de construction, réduisant ainsi les problèmes liés au flux de matériaux sur les surfaces inclinées et réduisant considérablement les exigences en matière de structure de support. La flexibilité de la machine 5 axes élargit également la zone d'accès de l'outil lors des processus soustractifs. Cependant, cette étude a révélé qu'en raison des exigences strictes en matière de matériaux en poudre pour l'environnement de revêtement, les fluides de coupe ne peuvent pas être utilisés pendant le processus, ce qui réduit considérablement l'efficacité du formage.

Jeng et Lin ^[8] utilisé une combinaison de revêtement laser sélectif (SLC) et de fraisage pour fabriquer du métal prototypes rapides et des moules. Cette approche implique la fusion directe, induite par laser, de poudre métallique pulvérisée depuis une buse pour former une couche de revêtement. Ensuite, les surfaces supérieure et latérales de la couche de revêtement sont fraisées pour obtenir la précision souhaitée. Les moules terminés ont été utilisés pour le moulage par injection, démontrant une précision géométrique et une densité satisfaisantes.

L’utilisation de la fusion sélective au laser (SLM) pour construire des structures délicates en surplomb dans des composants métalliques additifs présente un défi majeur. Ces fines structures externes sont fragiles et peinent à résister à l’impact des couches de poudre ultérieures. Les méthodes soustractives traditionnelles ont du mal à gérer de telles caractéristiques. Pour résoudre ce problème, Yasa et al. ^[9] a introduit une approche de fabrication hybride unique. Ils ont utilisé un laser Nd:YAG dans deux modes différents sur l'équipement SLM pour exécuter deux processus de fabrication distincts. Le premier est le procédé additif SLM, dans lequel le laser fonctionne en mode continu. La seconde est l'érosion sélective au laser (SLE), utilisant un laser pulsé après le processus SLM pour éliminer l'excès de matériau de la pièce. Cette recherche a montré que la combinaison du SLM et du SLE améliorait efficacement la rugosité de surface et la porosité des pièces SLM. De plus, l'intégration du SLE a amélioré la capacité de traitement de précision du SLM, permettant la création de structures internes et externes complexes dans la plage de tailles de 50 à 100 μm. Cette étude a démontré qu'une approche de traitement hybride pouvait être obtenue en reconfigurant simplement les paramètres de la machine via des modifications de paramètres, soulignant que le traitement hybride implique plus que le simple assemblage de différents modules matériels issus de divers processus. Une seule machine, sans modification, peut potentiellement réaliser un traitement hybride grâce à différentes méthodes d'usinage.

Du et coll. ^[10] et Bai et al. ^[11] a combiné la fusion sélective au laser (SLM) avec des techniques de fraisage de précision, en utilisant l'acier maraging 18Ni comme matière première pour la fabrication hybride additive-soustractive. Les pièces résultantes présentaient des performances, une précision et une qualité de surface supérieures par rapport aux pièces fabriquées à l’aide de méthodes de forgeage et de fabrication additive. Ils ont constaté que les pièces usinées après fabrication additive présentaient des contraintes résiduelles plus faibles introduites au cours du processus de solidification par rapport aux pièces uniquement additives. Li et coll. ^[12] a conçu et construit le premier équipement hybride additif-soustractif de revêtement et de fraisage laser à 5 axes fabriqué par une université en Chine. Ils ont fabriqué, traité et réparé avec succès des pièces métalliques. L'Institut de recherche sur la métallurgie des poudres de l'Université Central South a utilisé le premier centre de traitement hybride additif-soustractif national, le DMG MORI LASERTEC 65 3D, pour réaliser la fabrication additive-soustractive de poudre d'acier inoxydable. Ce processus combinait le dépôt laser et le fraisage CNC à 5 axes, ce qui permet d'obtenir des pièces aux propriétés mécaniques comparables à celles des pièces forgées et d'obtenir une fabrication de précision de pièces de forme complexe telles que des boîtiers de turbocompresseur anisotropes.

Le broyage fait également partie intégrante du traitement hybride. Löber et coll. ^[13] réduit la rugosité de surface des pièces additives en acier inoxydable 316L de 15 μm à 0.34 μm par meulage. Rossi et coll. ^[14] rapporté qu'après le meulage, la rugosité de surface des pièces en Ni-Fe-Cu diminuait de 12 μm à 4 μm sur les surfaces horizontales et de 15 μm à 13 μm sur les surfaces verticales. Les géométries complexes des pièces additives posent un défi à la rectification traditionnelle. Pour résoudre ce problème, Beauchamp et al. ^[15] utilisé le meulage adaptatif de forme pour le post-traitement des pièces de fabrication additive métallique Ti6Al4V. Cette technique utilisait trois grains abrasifs diamantés différents pour meuler la surface de la pièce, atteignant une rugosité de surface de 10 nm.

Sitthi-Amorn et coll. ^[16] a développé un dispositif de fabrication hybride additive-soustractive nommé MULTIFAB. Le cœur de ce système est un bras robotisé pour le dépôt de matériaux, qui peut être intégré à une autre machine à 5 axes. Le système convient aux processus de dépôt direct d'énergie (DED) utilisant des sources d'énergie telles que l'arc, le laser et le plasma. La fonction principale est la modélisation par numérisation de la pièce, permettant des réparations de pièces métalliques de grande valeur grâce à l'ingénierie inverse de la forme géométrique de la pièce.

Actuellement, la fabrication hybride basée sur le laser domine le paysage de la fabrication hybride. En raison de la nature hautement contrôlable des sources d’énergie laser, lorsqu’elles sont combinées à des techniques soustractives, elles peuvent fabriquer des composants avec la plus haute précision et les formes les plus complexes. Par conséquent, ces méthodes ont été appliquées par certaines entreprises pour la réparation de précision de pièces. De nombreux fabricants de machines-outils renommés, tels que Hermle et Mazak, ont également développé successivement un grand nombre de machines hybrides additives-soustractives basées sur le laser. Cependant, la fabrication hybride basée sur le laser se heurte à certains défis. Bien qu'en théorie, les lasers puissent être utilisés pour la fabrication additive de la plupart des matériaux métalliques, les matériaux à haute réflectivité ont une efficacité d'absorption d'énergie inférieure. De plus, l’utilisation de fluides de coupe lors du rechargement au laser est difficile, et le manque de méthodes efficaces de dissipation de la chaleur peut affecter l’efficacité du traitement.

Fabrication hybride basée sur des sources d'énergie alternatives

Xiong et coll. ^[17] a proposé un procédé de dépôt et de broyage par plasma hybride (HPDM) (comme le montre la figure 4). Ce processus utilise un arc plasma pour faire fondre la poudre afin de former une couche déposée. Ensuite, un fraisage est effectué sur la surface supérieure pour obtenir une surface lisse avec une certaine épaisseur, facilitant ainsi le dépôt ultérieur. Le fraisage de rainures en T est utilisé pour façonner les contours de la surface intérieure et extérieure, en éliminant les résidus de surface et en obtenant une qualité de surface fine pour les pièces métalliques presque en forme de filet. HPDM est difficile à fabriquer des aubes de turbine typiques sur une machine à trois axes conventionnelle en raison de la complexité de la géométrie. Le procédé a été utilisé pour fabriquer des lames torsadées. L’inspection pénétrante n’a révélé aucune fissure, pores ou défauts sur la surface. Le processus HPDM implique un fraisage à sec à haute température sans utilisation de lubrifiants ni de liquides de refroidissement, ce qui entraîne une augmentation rapide de la friction entre l'outil, la pièce à usiner et les déchets. La force de coupe accrue augmente rapidement l'énergie de coupe, augmentant ainsi la température dans la zone de travail et réduisant considérablement la durée de vie de l'outil. Les recherches indiquent que le refroidissement par air peut réduire considérablement l’usure des outils et prolonger leur durée de vie.

Zhu et al. ^[18] a intégré des dispositifs de modélisation par dépôt de fusion (FDM), de fraisage CNC et d'inspection pour fabriquer des composants à l'aide de matériaux thermoplastiques sur une seule plate-forme. Au cours du processus de formage, la pièce a subi une déformation et une qualité réduite. Cela était dû au fait que les composants étaient décomposés en sous-composants individuels construits un par un puis assemblés au cours du processus de fabrication. Des contraintes résiduelles ont été induites en raison de la différence de température entre le sous-composant nouvellement déposé (205°C) et le sous-composant précédemment fabriqué (20°C), provoquant une déformation de la pièce. Le groupe de recherche prévoit d'établir un modèle d'analyse par éléments finis (FEA) pour simuler la conduction thermique et la convection transitoires en 3D sur la base de différents modèles de dépôt et trajectoires d'outils, prédisant le degré de déformation et les tolérances des pièces. Cette recherche est essentielle pour optimiser ce processus de fabrication hybride émergent.

La technologie de fabrication additive par ultrasons (UAM) de Fabrisonic est une technique unique de fabrication additive métallique. ^[19]. Dans le processus UAM, les ondes ultrasonores sont utilisées pour faire fondre des couches de métal extraites de tôles ordinaires, réalisant ainsi une fabrication additive de composants métalliques. Cette méthode permet d’obtenir une véritable liaison métallurgique et peut utiliser divers matériaux métalliques tels que l’aluminium, le cuivre, l’acier inoxydable et le titane, entre autres. La méthode de Fabrisonic peut « imprimer » simultanément plusieurs matériaux métalliques. Le processus peut utiliser une feuille métallique laminée d’aluminium ou de cuivre pour fabriquer des composants métalliques dotés de canaux internes très complexes. Dans le processus de fabrication de l'UAM, des ondes ultrasonores d'une fréquence allant jusqu'à 20 kHz sont appliquées à la tôle. L'énergie oscillante des ondes ultrasonores provoque une friction entre les deux surfaces à souder, créant ainsi une fusion moléculaire entre les couches. Ensuite, selon le même principe, des tôles sont soudées en continu, couche par couche. Par la suite, une mise en forme 3D fine est obtenue grâce à un usinage mécanique, ce qui donne un objet métallique solide.

La pulvérisation à froid est un processus de fabrication additive unique qui utilise un gaz à haute pression pour projeter de manière supersonique des matériaux en poudre ultrafines sur la surface d'un substrat ou d'une pièce cible. Les particules se lient et diffusent avec la surface de la pièce pour la réparer ou la façonner. Ce procédé ne nécessite pas de fusion du métal, évitant ainsi l'introduction de contraintes thermiques et de phases métastables. Cependant, les revêtements en matériaux composites produits par projection à froid perdent une grande partie de leur ductilité en raison d'un renforcement excessif de la dispersion. Ceci est attribué à la répartition inégale des particules de renforcement et à une interface visible entre le revêtement et le substrat. Tourbe et coll. ^[20] ont cherché à résoudre ce problème en étudiant la combinaison de la pulvérisation à froid et du traitement par friction-malaxage. Leurs recherches ont montré que les forces de cisaillement générées par le traitement par friction-malaxage affinaient considérablement les particules de renforcement, entraînant une distribution plus uniforme. De plus, les ségrégations aux limites des grains ont été dispersées après le traitement. Le revêtement traité présentait une augmentation de 120 % de la dureté et une amélioration substantielle de la résistance à la corrosion. Courbon et coll. ^[21] soumis des revêtements en alliage de titane projetés à froid à un broyage à boulets, et les résultats ont indiqué une transition de la contrainte de traction à la contrainte de compression sur la surface du revêtement.

Dans les technologies de fabrication hybrides susmentionnées, l’arc plasma partage des similitudes avec l’arc électrique en termes d’avantages et d’inconvénients. Ici, nous n’approfondirons pas ces similitudes. Le formage par dépôt par fusion est une technique importante dans la fabrication additive plastique, mais elle est sujette à la rupture des fils lors de l'utilisation de matériaux moins résistants. La fabrication additive par ultrasons est limitée par la puissance et ne peut être utilisée que pour des feuilles minces. Ce n’est pas idéal pour les plaques épaisses ou les matériaux à haute résistance. La technologie de pulvérisation à froid a fait l’objet de recherches et d’applications approfondies ces dernières années en raison de ses nombreux avantages. Cette technique permet de pulvériser divers matériaux tels que les céramiques, les polymères et les métaux. Lorsqu’elle est combinée à des techniques soustractives, la pulvérisation à froid est extrêmement prometteuse en tant que technologie de fabrication hybride. Il est sur le point de jouer un rôle crucial dans la préparation des revêtements pour les applications de défense et aérospatiales.

Applications potentielles dans diverses industries

La fabrication hybride additive-soustractive n’est pas encore largement répandue dans l’industrie. Cependant, ses applications potentielles sont vastes.

1. Réparation de composants de grande valeur :

Dans les cas où des composants de grande valeur sont endommagés, la fabrication hybride peut être utilisée pour réparer les zones endommagées grâce à la fabrication additive, puis garantir la précision dimensionnelle grâce à la fabrication soustractive.

2. Fabrication de composants complexes de grande valeur :

Des industries comme l’aérospatiale nécessitent souvent des composants complexes aux formes complexes, avec une finition de surface élevée et une grande précision. Les exemples incluent certaines voies respiratoires, conduits et articulations de bifurcation. De même, certains composants de l'industrie des dispositifs médicaux peuvent utiliser la fabrication additive pour ajouter des supports internes afin de réduire le poids, tandis que la fabrication soustractive peut maintenir la précision de l'assemblage et la rugosité de la surface.

3. Moules prototypes :

Dans le domaine de la fabrication de moules de pièces en plastique à faible volume, bien que la fabrication additive permette théoriquement la production directe de noyaux et d'empreintes de moule, la précision des noyaux et des cavités de moule imprimés en 3D peut ne pas suffire, ce qui pose des défis lors de l'assemblage du moule. La fabrication hybride additive-soustractive peut réduire considérablement le temps de production des prototypes de moules et résoudre ce problème.

4. Prototypage de pièces de formes complexes nécessitant de la précision :

Dans l'industrie automobile et d'autres secteurs, il existe des exigences pour des composants qui sont à la fois de forme complexe et exigent une précision d'assemblage, ce qui les rend difficiles à usiner à l'aide de CNC. De plus, un prototypage rapide est nécessaire. Dans de tels cas, la fabrication hybride additive-soustractive devient un excellent choix.

Cette approche combine les avantages de la fabrication additive et soustractive, promettant une solution efficace pour créer des composants et des prototypes de grande valeur avec précision, efficacité et délais de livraison réduits.

Paysage actuel du marché : équipements pour la fabrication hybride additive-soustractive

Plusieurs fabricants de premier plan ont fait des progrès dans le développement et la commercialisation de ces machines hybrides. Les entreprises notables dans ce domaine comprennent :

• DMG Mori : Leader mondial des machines de fabrication, DMG Mori propose des machines hybrides qui combinent de manière transparente le fraisage CNC et le dépôt laser de métal (LMD) pour la fabrication additive.
• Mazak : Réputée pour ses machines CNC, Mazak a innové en machines multitâches hybrides, intégrant l'usinage CNC traditionnel avec le dépôt de métal au laser pour une approche de fabrication complète.
• Optomec : Spécialisée dans les solutions de fabrication additive, Optomec propose des machines hybrides intégrant des capacités d'impression 3D et de CNC, particulièrement destinées à la réparation et à la production de pièces complexes.
• Technologies de fabrication hybride : Cette entreprise est spécialisée dans la modernisation de machines CNC existantes, en les améliorant avec des capacités hybrides qui intègrent de manière transparente la fonctionnalité d'impression 3D.

Ces machines CNC hybrides offrent aux fabricants une flexibilité inégalée, permettant une transition en douceur entre les processus soustractifs et additifs au sein d'une seule machine. Cette intégration permet une production efficace, des délais de livraison réduits et des possibilités de conception étendues, répondant à diverses applications dans divers secteurs.

Principaux défis technologiques et solutions

La fabrication hybride additive-soustractive présente un paradigme prometteur mais n’est pas sans défis technologiques. Il est essentiel de surmonter ces obstacles pour exploiter tout le potentiel de cette approche de fabrication.

• Développement d’équipements hybrides :

Le défi : L'intégration des deux processus au sein d'une seule machine nécessite de résoudre des problèmes tels que la fabricabilité, le support des pièces, l'utilisation des matériaux, la flexibilité de la machine, la miniaturisation des composants et l'équilibre des pièces pendant le processus de formage.

Solution: Prise en compte de l'interaction de nombreux facteurs d'erreur, notamment les erreurs de positionnement inversé, les erreurs du plan de travail, les erreurs relatives entre les axes et les erreurs dans les mouvements d'interpolation liés, pour résoudre les contradictions entre la qualité d'impression et l'efficacité du formage.

• Développement de systèmes d'inspection en ligne :

Le défi : Pour contrôler avec précision les changements de précision des pièces et les gradients de température résultant du processus composite, une surveillance en temps réel de la composition des matériaux et des coefficients de morphologie dans le bain de fusion et les couches de dépôt est nécessaire.

Solution: Implémentez des capteurs pour détecter l'expansion ou le retrait pendant l'impression des pièces, permettant des ajustements en temps réel de la puissance de sortie, du taux d'alimentation en poudre, du taux de chevauchement, de la profondeur de fraisage, de la vitesse de fraisage et du taux d'avance pour maintenir la continuité et l'intégrité des pièces.

• Développement de logiciels pour la planification intelligente :

Le défi : Pour les composants complexes comportant des trous, des cavités ou des canaux internes, les relations de position complexes entre les couches posent des problèmes d'interférences et de collisions.

Solution: Développez des logiciels de découpage et de processus basés sur les fonctionnalités pour planifier intelligemment les chemins de formage les plus optimaux. Prise en compte de facteurs complets tels que la compatibilité des structures de support avec le processus hybride, l'impact de la rigidité de la machine sur les pièces, la trajectoire appropriée du mouvement des buses, la surveillance de la température en temps réel pendant le traitement soustractif et la planification efficace du parcours de l'outil.

• Intégration des structures de support :

Le défi : Facteurs déterminants pour les structures de support, notamment leur compatibilité d'angle vertical avec le processus hybride, l'impact de la rigidité de la machine sur les pièces, la résistance structurelle du dessin imprimé, la trajectoire de mouvement de la buse appropriée, la surveillance de la température en temps réel pendant le traitement soustractif et la flexibilité appropriée du bras de la machine. .

Solution: Adaptation des structures de support pour atteindre un équilibre optimal entre efficacité et qualité de surface et prise en compte des aspects multifactoriels pour une planification complète du support.

La fabrication additive-soustractive hybride métallique, construite sur la base de la fabrication additive et de la soustraction ultérieure de pièces, est une technologie de fabrication verte efficace, flexible, rentable et de haute précision. Surmonter les défis technologiques mentionnés ci-dessus devrait libérer l’immense potentiel de cette technologie, en particulier dans les secteurs haut de gamme tels que l’aérospatiale, l’énergie, les satellites et la fabrication intelligente, répondant ainsi aux besoins stratégiques nationaux critiques.

Applications de l'IA dans l'industrie de l'usinage CNC

Potentiel industriel futur

---

Introduction

intelligence artificielle (AI) et machine learning (ML) constituent des avancées significatives en informatique, bénéficiant à divers services, produits et industries technologiques. Apprentissage automatique, un sous-ensemble de l'IA et de l'informatique, utilise des données et des algorithmes pour aider les machines à apprendre et à améliorer leur précision. Il est utilisé pour prédire forces de coupe et  usure des outils dans les machines CNC, prolongeant outil de la vie. L'apprentissage automatique avancé optimise paramètres d'usinage, boostant efficacité de fabrication et prédire Qualité de surface pour des pièces mieux usinées. L’apprentissage automatique est également utilisé pour prédire et réduire la consommation d'énergie lors de l'usinage CNC. L'article passe en revue ces applications et suggère des recherches futures visant à faire progresser l'utilisation de IA et ML dans les machines CNC.

Usinage CNC est une méthode cruciale pour fabriquer des pièces. C'est comme le moteur de la fabrication moderne. Des industries comme l’automobile, le médical, l’aérospatiale et bien d’autres utilisent l’usinage CNC pour créer différentes pièces. Les machines CNC ont révolutionné la fabrication, aidant les entreprises à atteindre leurs objectifs. Cependant, à mesure que le secteur de la fabrication évolue et que de nouvelles technologies apparaissent, nous devons réfléchir à l’avenir de l’usinage CNC. L'apprentissage automatique (ML) aide les ordinateurs à apprendre à partir des données et à prédire des choses sans intervention humaine. La combinaison des deux pourrait constituer la future tendance de l’usinage CNC.

Concepts généraux issus d'études antérieures

L'IA et l'apprentissage automatique ont un impact sur l'avenir de l'usinage CNC pour le secteur manufacturier ^[22]. Ils améliorent les performances des machines grâce à des données et des analyses en temps réel ^{[23, 24]}. Des capteurs avancés permettent une meilleure surveillance de l’état des outils ^[25]. L'IA améliore la productivité et l'efficacité des opérations CNC ^[26]. Les machines analysent les données et fournissent des informations en temps réel ^[27]. L'IA améliore la prise de décision et réduit les temps d'arrêt ^[28].

Les opérations CNC doivent être optimisées pour réaliser des économies et augmenter les profits. ^[29]. L'IA prédit les besoins d'entretien et améliore la durée de vie des outils à l'aide des données de production ^{[30, 31]}. L'apprentissage profond améliore la surveillance de l'usinage et la détection des défauts ^{[32, 33]}. L'apprentissage automatique et profond optimise la gestion des opérations et la fabrication durable ^{[34, 35]}. Ils améliorent également les systèmes de fabrication intelligents et proposent des orientations futures. ^{[36, 37]}

Soori et coll. usinage CNC amélioré numériquement à l'aide de méthodes virtuelles ^[38-41]. Ils ont également examiné le soudage par friction-malaxage pour une fabrication efficace des composants. ^[42]. Leur travail a réduit les erreurs et amélioré les processus de fraisage de divers composants ^[43-49]. Ils ont également examiné et amélioré la planification des processus pour une meilleure productivité. ^{[50, 51]}. Dastres et coll. étudié des systèmes basés sur la RFID pour améliorer l'efficacité énergétique et la qualité des données dans le secteur manufacturier ^[52].

Dastres et Soori discutent des progrès des systèmes d'aide à la décision basés sur le Web ^[53]. Ils examinent également l'utilisation de réseaux de neurones artificiels dans divers domaines pour améliorer les performances. ^[54]. De plus, ils mettent en avant l’exploitation de la technologie pour atténuer les impacts des catastrophes naturelles. ^[55]. Pour améliorer la sécurité des réseaux et des réseaux de données, ils introduisent la couche de socket sécurisée. ^[56]. Le duo explore en outre les développements récents dans les systèmes d'aide à la décision basés sur le Web et les mesures de sécurité des réseaux. ^{[57, 58]}. Ils se penchent également sur les systèmes de traitement d'image avancés pour des applications variées. ^[59].

La section à venir explorera diverses applications du ML et de l'IA dans les opérations d'usinage CNC.

Le modèle d'IA contribue à réduire les temps d'arrêt des machines

Optimisation IA des paramètres d'usinage CNC

ML Prédiction de l’usure des outils de coupe

Modèle de force de coupe basé sur l'IA

ML aide à la maintenance des machines CNC

L'IA aide à surveiller les opérations d'usinage

Prédiction de la qualité de surface basée sur l'IA

Systèmes de prévision énergétique basés sur l'IA

Le modèle d’IA contribue à réduire les temps d’arrêt des machines.

Prédire et minimiser les temps d'arrêt des machines est crucial pour l'industrie, permettant une planification de maintenance proactive, une planification de production plus fluide et moins de retards de production.

Le concept principal consiste à rassembler un ensemble complet de données (par exemple, durée de fonctionnement de la machine, utilisation actuelle, vibrations, matériaux traités) et à analyser et identifier les données ou combinaisons pertinentes. Le modèle d’IA établit ensuite des prédictions sur le moment et la probabilité que la machine connaisse un dysfonctionnement.

Une approche récente pour prédire les temps d'arrêt des machines suit ce flux de travail ^[60]:

1. Système physique intégré au capteur : La première étape consiste à collecter des données à l’aide de capteurs qui couvrent les causes potentielles des temps d’arrêt des machines. Le choix des capteurs a un impact significatif sur la pertinence des données collectées par rapport aux temps d'arrêt des machines.
2. Collecte et traitement des données : Cette étape consiste à collecter, sauvegarder et traiter les données (suppression des anomalies par exemple). Les données comprennent les relevés des capteurs et d'autres informations opérationnelles pertinentes telles que l'heure de la dernière maintenance.
3. Extraction de caractéristiques: L’identification des données pertinentes est cruciale et peut être réalisée grâce à des analyses statistiques ou à des modèles d’IA.
4. Développement d'un modèle: Connaissant les fonctionnalités pertinentes, l'apprentissage automatique (ML) est utilisé pour établir un modèle utilisant toutes les données disponibles et fonctionnalités significatives. Le modèle doit prédire la probabilité de temps d'arrêt de la machine sur la base de nouvelles données d'entrée.
5. Prédiction RUL (durée de vie utile restante) : La durée de vie utile restante (RUL) estime combien d'années supplémentaires un composant d'une ligne de production devrait fonctionner correctement avant de devoir être remplacé. Le modèle développé à l’étape 4 permet de faire une prédiction précise.
6. La prise de décision: Dans cette dernière étape, le responsable de la production utilise divers facteurs tels que le coût de maintenance, la perte de production potentielle due aux temps d'arrêt et la probabilité d'arrêt de la machine pour décider quand ou s'il faut effectuer une maintenance préventive.

Cet algorithme de prédiction est basé sur des données. Avec le développement de l’Internet des objets, la collecte de données deviendra plus pratique et d’énormes quantités de données seront collectées et analysées. Il est prévisible que les algorithmes de prédiction basés sur les données seront largement utilisés à l’avenir.

Optimisation IA des paramètres d'usinage CNC

Dans l'industrie de l'usinage CNC, comment optimiser les paramètres de traitement pour obtenir les profits les plus élevés est un sujet éternel. Il existe 2 approches pour résoudre le sujet.

Optimisation multi-objectifs

L'idée de base ici est que l'objet de l'optimisation des paramètres d'usinage n'est pas un mais plusieurs. Le processus doit être rapide, avec moins d'usure des outils, aucun risque de dommages à la machine, moins de coûts d'outils, etc. Du point de vue de la gestion d'un atelier d'usinage, l'objectif doit inclure un volume de production total maximum, une utilisation maximale de la pleine capacité, etc. le monde de l'informatique, c'est un exemple typique Optimisation multi-objectifs problème. Pour optimiser les conditions et les performances d'usinage, une technique généralisée d'optimisation des processus d'usinage à réponses multiples utilisant l'apprentissage automatique et des algorithmes génétiques est développée. ^[61].

Optimisation d'une seule cible

Une approche plus simple existe pour l’optimisation. Des facteurs tels que la vitesse d'usinage, l'usure des outils, le risque de dommages à la machine, etc. peuvent tous être évalués en termes de perte ou de profit à l'aide de connaissances techniques et opérationnelles. Par conséquent, l’objectif principal de l’optimisation est simple : maximiser le profit.

Diverses études ont adopté cette approche et utilisé différents algorithmes d’apprentissage automatique. Les exemples incluent l'algorithme d'évolution différentielle hybride, l'algorithme génétique, l'optimisation des essaims de particules, l'algorithme de saut de grenouille mélangé et la méthode simplex de Nelder-Mead.

Le tableau ci-dessous illustre les résultats d'une étude de cas, démontrant les différents bénéfices obtenus en appliquant différents algorithmes pour optimiser les paramètres de l'opération d'usinage.

ML Prédiction de l’usure des outils de coupe

L’apprentissage automatique est un outil puissant pour prédire l’usure des outils dans des processus complexes. Les réseaux de neurones artificiels (ANN) sont préférés pour cela en raison de la nature non linéaire de l'usure des outils. Des capteurs modernes et une intelligence informatique aident à surveiller l’état des outils et à éviter les problèmes. La surveillance de l'état des outils est devenue vitale pour prolonger la durée de vie des outils de coupe pendant l'usinage. ^[62]. Les stratégies de surveillance se répartissent en méthodes « Hors ligne/Direct » et « En ligne/Indirect ». Les méthodes directes conviennent à l'analyse de défaillances complexes (défauts majeurs), mais ne conviennent pas à l'apprentissage automatique. ^{[63, 64]}. Les systèmes d'inférence neuro-flou adaptatifs améliorent la prévision « en ligne/indirecte » de l'usure des outils pendant le tournage, comme le montre la figure 3. ^[65].

Dans diverses études, les chercheurs ont utilisé des technologies avancées telles que l'apprentissage profond pour estimer l'usure des outils de coupe pendant le fraisage. ^[66]. Par exemple, dans le surfaçage, un système intelligent appelé réseau neuronal profond détecte l'usure de l'outil pendant la fabrication des copeaux. ^[67]. Une autre étude s'est concentrée sur les opérations de forage et a utilisé une approche complexe appelée algorithme neuro-génétique adaptatif pour garantir que les forets durent le plus longtemps possible. ^[68]. De plus, certaines études ont développé des systèmes de réseaux neuronaux avancés pour prédire avec précision l'usure des outils en fonction de l'énergie utilisée lors de l'usinage CNC. ^[69]. Un apprentissage automatique simple et des méthodes basées sur les données ont également été utilisés pour surveiller l'usure des outils pendant l'usinage. ^[70]. Ces technologies contribuent à améliorer la qualité des produits et à réduire les coûts lors des opérations de découpe des métaux. ^[71]. L'apprentissage automatique parallèle basé sur le cloud a été utilisé pour estimer l'usure des outils et prolonger la durée de vie de l'outil pendant les opérations d'usinage. ^[72]. Des chercheurs ont comparé différentes méthodes d'apprentissage automatique pour prédire l'usure des outils dans les usines intelligentes ^[73]. Ils ont également utilisé des ondes sonores et d'autres méthodes intelligentes pour évaluer l'usure des outils pendant le fraisage dans différentes conditions. ^[74]. L'apprentissage automatique a permis de prédire l'état de l'outil de coupe dans un centre d'usinage vertical ^[75]. La surveillance basée sur l'étalonnage a permis de prédire l'usure des outils pendant le processus de fraisage ^[76]. Des signaux d'émission acoustique ont été utilisés dans une nouvelle méthode basée sur l'apprentissage automatique pour estimer l'usure des outils pendant les opérations de fraisage ^[77]. L'apprentissage automatique a également été utilisé pour estimer l'usure en tenant compte de conditions spécifiques telles que l'usure des dents de la fraise à surfacer, améliorant ainsi la précision. ^[78]. Enfin, des réseaux de neurones artificiels ont été développés pour évaluer l'usure des outils sur une fraiseuse CNC modifiée. ^[79]. Toutes ces avancées permettent d’analyser et d’améliorer la durée de vie des outils de coupe pendant le processus de fraisage pour différents matériaux et conditions d’usinage grâce à l’apprentissage automatique et à l’IA.

La procédure d'une méthodologie utilisant ML dans la prédiction de l'usure des outils est présentée dans Fig. 4 .

Modèle de force de coupe basé sur l'IA

La force appliquée lors de la coupe est cruciale pour le bon fonctionnement du fraisage et la qualité qu'il produit. Les systèmes informatiques modernes, connus sous le nom de systèmes d'apprentissage automatique (ML), peuvent prédire avec précision cette force de coupe. ^[80]. En fraisage, une approche combinée utilisant le ML a été développée pour analyser et comprendre les forces lors de la coupe. ^[81]. Diverses méthodes ML, telles que la régression vectorielle de support et la forêt aléatoire, sont utilisées pour estimer avec précision les forces de coupe lors du fraisage. ^[82]. En tournage à grande vitesse, le ML permet de prédire les forces de coupe, la rugosité de la surface et la durée de vie des outils. ^[83]. Une autre technique hybride utilise le ML et les méthodes traditionnelles pour prédire les forces de coupe tout en tenant compte de l'usure des outils. ^[84]. Pour le tournage CNC, une technique utilisant l'analyse par paquets d'ondelettes permet d'évaluer la qualité de la surface lors de la coupe. ^[85]. Un porte-outil intelligent, calibré à l'aide de ML, permet de mesurer avec précision les forces de coupe lors d'opérations de tournage précises ^[86]. Les mesures en temps réel et une approche d'apprentissage automatique (CNN) aident à catégoriser l'usure des outils pendant l'usinage ^[87]. L'apprentissage automatique avec analyse du signal est utilisé pour déterminer les dommages causés aux outils pendant l'usinage ^[88]. Ces avancées utilisant le ML et l’IA améliorent la précision et l’adaptabilité des modèles prédisant les forces de coupe lors de l’usinage CNC.

ML aide à la maintenance des machines CNC

L'entretien des machines CNC prend du temps et de l'argent. L'un des défis les plus difficiles consiste à prédire quand calibrer, modifier les composants et entretenir ces machines. ^[89]. L'apprentissage automatique et l'intelligence artificielle sont étroitement liés à cette maintenance, visant à prédire les problèmes et à réduire les temps d'arrêt, augmentant ainsi la productivité. ^[90]. L'apprentissage automatique peut prévoir avec précision quand une maintenance est nécessaire, minimisant ainsi les temps d'arrêt et les coûts. ^[91]. En utilisant des données en temps réel et des avertissements automatiques, la maintenance des machines peut être gérée efficacement pour maintenir un flux de travail et un processus de production fluides. ^[92]. L'intelligence artificielle peut établir des liens de cause à effet, améliorant ainsi la prise de décision pour la production de machines CNC ^[93]. Une approche hybride utilisant la technologie du jumeau numérique est présentée pour prédire avec précision les besoins de maintenance lors de la production de pièces sur machine CNC. ^[94]. La méthode d’approche hybride est illustrée à la figure 6.

Des systèmes avancés d'apprentissage automatique sont développés pour évaluer les opérations de maintenance, y compris la surveillance de l'usure des outils dans les machines-outils CNC. ^[91]. Des systèmes d'apprentissage automatique sophistiqués sont utilisés pour surveiller et évaluer les conditions des machines-outils CNC et des processus de découpe. ^[95]. Un système de surveillance de l'état des outils est créé à l'aide de techniques d'apprentissage automatique pendant le fraisage en bout pour prolonger la durée de vie des outils de coupe et améliorer l'efficacité de la production. ^[96]. L'application du ML et de l'IA au temps de travail des machines-outils CNC pendant la production de pièces conduit à des procédures avancées de maintenance des machines-outils CNC.

L'IA aide à surveiller les opérations d'usinage

Récemment, l'apprentissage automatique est utilisé pour surveiller l'état des machines-outils CNC, améliorant ainsi l'efficacité de la production de pièces grâce aux opérations d'usinage. ^[97]. La surveillance de l'état des machines-outils CNC est cruciale pour des opérations d'usinage sûres et fiables. ^[98]. Un système de surveillance intelligent pour les outils de coupe CNC est conçu à l'aide d'une structure de fabrication et d'ingénierie cyber-physique ^[99]. Ce système combine la modélisation physique et virtuelle du processus de fraisage, comme le montre la figure 7. ^[99].

Un outil de prise de décision avancé est introduit pour surveiller les performances des machines-outils CNC pendant la production de pièces. À l'aide d'un système d'apprentissage automatique sophistiqué, l'impact des paramètres de processus (par exemple, la vitesse de coupe, l'avance et la profondeur de coupe) sur les résultats des opérations de tournage-fraisage est étudié. ^[100]. Pour améliorer la précision du mouvement, six capteurs rotatifs sur les articulations de trois jambes sont utilisés dans la structure Stewart ^[101]. Un système de surveillance est mis en œuvre à l'aide d'une intégration neuro-flou adaptative de signaux multi-capteurs pour détecter et prévenir les erreurs d'outil de coupe pendant les opérations d'usinage CNC. ^[102]. Pour améliorer la précision de l'usinage CNC, une méthode utilisant la réalité virtuelle et des systèmes jumeaux numérisés pour surveiller les processus d'usinage est développée. ^[103].

Des systèmes de surveillance en ligne sont utilisés pour planifier et optimiser les paramètres d'usinage, en se concentrant sur le taux d'enlèvement de matière pendant les opérations de fraisage AISI P20 afin de minimiser le temps de fabrication. ^[104]. La productivité dans l'usinage de matériaux résistants est améliorée grâce à des approches d'apprentissage automatique telles que des arbres de décision et des réseaux neuronaux artificiels pour la prédiction du broutage dans le fraisage à grande vitesse des alliages de titane. ^[105]. La prévision de l'usure des outils pendant les opérations d'usinage est développée à l'aide de techniques d'apprentissage automatique et d'analyse de force basées sur les paramètres de vitesse de broche et d'avance. ^[106]. Pour optimiser les paramètres d'usinage CNC, une technique utilisant une surface de réponse et un algorithme génétique est utilisée ^[107]. En améliorant les capacités et la précision des systèmes de surveillance des machines-outils, des applications de réseaux neuronaux artificiels sont introduites ^[108]. En résumé, grâce à l’apprentissage automatique et à l’IA, l’analyse des données pendant les opérations d’usinage est grandement améliorée, améliorant ainsi la prise de décision dans les systèmes de planification de processus assistés par ordinateur.

Prédiction de la qualité de surface basée sur l'IA

La rugosité de la surface est une mesure essentielle de la qualité du produit. L'usinage avancé vise à obtenir des formes précises et des surfaces lisses tout en réduisant les coûts. Certaines méthodes traditionnelles ne suffisent pas et nécessitent une finition de surface supplémentaire pour garantir la qualité. La rugosité de la surface est un facteur clé dans la qualité du produit et a un impact sur la durée de vie des pièces. ^[109]. L'IA, en particulier les réseaux de neurones, permet de prédire et d'analyser l'état de surface des pièces usinées ^[110]. Les algorithmes d'apprentissage automatique prédisent avec précision la qualité des surfaces lors des opérations de tournage ^[111]. Des techniques telles que la régression linéaire, la forêt aléatoire et les arbres de décision prédisent la qualité de surface des pièces usinées ^[112]. Les approches basées sur les données prédisent la précision de l'usinage et la qualité des surfaces pour les machines CNC ^[113]. Les réseaux neuronaux d'apprentissage profond utilisant des signaux de vibration analysent et prédisent la rugosité de surface pendant l'usinage ^[114]. La méthodologie d'application de l'IA pour prédire la rugosité de surface est présentée à la figure 8. ^[114].

Pour améliorer la qualité des surfaces lors de l'usinage, un système prédit la rugosité en fonction de l'usure de l'outil. ^[115]. Les modèles de réseaux neuronaux améliorent la prévision de la rugosité dans l'usinage des alliages d'aluminium ^[116]. L'apprentissage automatique analyse les forces de coupe lors du fraisage pour une meilleure précision ^[117]. Les systèmes mesurent la rugosité de surface pour une production et une qualité précises ^[118]. La figure 9 montre un système avancé de mesure de surface ^[118].

Des algorithmes d'apprentissage automatique sur une fraiseuse surveillent et améliorent la qualité de surface en temps réel ^[119]. L'apprentissage automatique hybride prédit les conditions des outils de coupe à l'aide de données multimodales ^[120]. Un système d'apprentissage en profondeur détecte l'usure des outils, prolongeant ainsi leur durée de vie ^[121]. À l'aide de méthodes avancées, un modèle ANN imbriqué prédit la rugosité de surface des pièces usinées en tenant compte des forces de coupe et des oscillations des outils. ^[122]. L'application du ML et de l'IA améliore la prédiction des surfaces, améliorant ainsi la productivité des opérations d'usinage CNC ^[122].

Systèmes de prévision énergétique basés sur l'IA

Dans diverses études, les chercheurs mettent l'accent sur la réduction du gaspillage d'énergie dans la production industrielle en se concentrant sur les systèmes de prévision et de gestion de l'énergie des bâtiments. ^{[123, 124]}. Les techniques d'apprentissage automatique sont désormais utilisées pour prédire la consommation d'énergie pendant les opérations d'usinage, améliorant ainsi considérablement l'exactitude, la durabilité et la précision des méthodes traditionnelles de prévision de séries chronologiques. ^[125]. Un modèle avancé de consommation d'énergie est proposé à l'aide d'une méthode intégrant l'apprentissage profond et l'apprentissage semi-supervisé. ^[126]. Les stratégies basées sur l'IA et l'apprentissage automatique dans les systèmes de gestion de l'énergie améliorent la précision de la prévision de la consommation d'énergie ^[127]. Des prévisions rapides et précises de la consommation d'énergie de l'usinage CNC sont essentielles pour une gestion efficace de l'énergie et garantir la durabilité à long terme dans l'industrie manufacturière. ^[128]. Des méthodes avancées basées sur l'apprentissage profond sont développées pour améliorer la prévision de l'énergie pendant les processus d'usinage ^[129]. La figure 10 illustre le cadre général de cette approche ^[129].

Une méthode hybride utilisant l'apprentissage automatique et la mécanique des processus est créée pour estimer la puissance de coupe lors de l'usinage CNC. ^[130]. L'apprentissage automatique avancé, comme la simulation basée sur les données, prédit la consommation d'énergie dans la planification des processus sur cinq axes. ^[131]. Des techniques utilisant l'apprentissage automatique, telles que la prévision de forêts aléatoires et de séries chronologiques, sont développées pour prédire la consommation d'énergie de la broche de la machine-outil pendant l'usinage. ^[132]. Les méthodes intégrées combinant la planification des processus et l'optimisation des paramètres de coupe visent à minimiser la consommation d'énergie dans l'usinage CNC. ^[133]. Les variables optimales du processus de tournage CNC sont déterminées pour économiser de l'énergie et garantir un usinage de haute qualité. ^[134]. L'application du ML et de l'IA pour prédire la consommation d'énergie lors de la formation des copeaux améliore la productivité dans la production de pièces à l'aide de l'usinage CNC ^[134].

Conclusion

---

L'IA est utilisée dans Usinage CNC pour améliorer le fonctionnement et économiser de l'argent, comme dans d'autres secteurs. De nombreuses études ont examiné la manière dont l'IA peut être utilisée dans l'usinage CNC et ont trouvé de bonnes idées. Mais la plupart de ces études en sont encore au stade de la réflexion et de l’essai, et peu d’entre elles ont encore été utilisées dans de véritables usines. Tout comme pour d’autres nouveautés, l’IA a besoin de plus de tests et de compréhension pour être vraiment utile dans l’usinage CNC.

La fabrication hybride additive-soustractive offre une approche prometteuse pour surmonter divers défis de l’industrie manufacturière. En intégrant de manière transparente les processus additifs et soustractifs, cette technologie ouvre de nouvelles portes pour fabriquer des composants complexes et optimiser la production. Les applications potentielles dans des secteurs tels que l’aérospatiale, le médical, les moules et au-delà soulignent les vastes possibilités qui nous attendent. Adopter les progrès et surmonter les obstacles technologiques dans ce domaine contribuera sans aucun doute à un paysage manufacturier plus efficace, flexible et précis.

En résumé, la fabrication CNC évolue rapidement, avec des technologies intéressantes comme l'IA, le HASM et l'automatisation qui améliorent les choses. Ces changements signifient que les produits sont fabriqués avec plus de précision et de rapidité.