Présentation
En anglaisRÉSUMÉ
Cet article présente l’architecture de systèmes d’aide à la décision retenu dans le cadre du forgeage. Une première illustration de la mise en œuvre de ces systèmes est faite sur la proposition de gammes de forgeage compatibles avec les ressources disponibles et leurs capabilités. Cela permet d’évaluer la faisabilité et d’effectuer assez rapidement des propositions technico-économiques. Une seconde illustration montre quels paramètres du processus il est judicieux de mettre sous surveillance pour garantir une meilleure maîtrise du processus. Cela permet de déceler, en temps réel et sans mesure sur les pièces, les dérives qu’il est nécessaire de corriger avant de conclure à un rebut.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
This article presents the architecture of the decision support systems dedicated to forging processes. The first application of these systems is linked to process design determination, according to the means of production used and their capabilities. The first application evaluates feasibility and allows technical and economic offers to be made quickly. The second application concerns the determination of key process parameters whereby real-time process monitoring can be carried out without measurement on parts.
Auteur(s)
-
Zakaria ALLAM : Docteur ingénieur en mécanique et procédés de fabrication - Laboratoire de Conception Fabrication Commande (LCFC, EA 4495), Arts et Métiers ParisTech, Metz, France
-
Cyrille BAUDOUIN : Ingénieur Arts et Métiers - Maître de Conférences à Arts et Métiers, ParisTech, Metz - Laboratoire de Conception Fabrication Commande (LCFC, EA 4495), Arts et Métiers ParisTech, Metz, France
INTRODUCTION
Longtemps considéré comme un procédé d’obtention de pièces brutes finies par usinage, le forgeage permet, aujourd’hui, la réalisation de pièces à haute valeur ajoutée. La fabrication de pièces net shape (finies de forge, sans reprise de finition), l’amélioration des caractéristiques mécaniques en service (résistance à la fatigue…) ou la réduction de masse et/ou de volume, toutes choses étant égales par ailleurs, sont, par exemple, des axes de développement de ce procédé de mise en forme par déformation plastique. Ces réflexions sont devenues possibles grâce à une meilleure qualité des moyens de production et de leur système de pilotage. La mise en œuvre de gammes de plus en plus techniques nécessite alors le recours à des experts en production, en bureau d’études ou de méthodes.
Paradoxalement, l’attachement à une entreprise est de moins en moins fréquent, le turn-over des cadres est de plus en plus rapide. Le savoir et le savoir-faire liés aux individus diminuent donc dans l’entreprise à chaque départ d’expert. Former de nouveaux référents prend du temps. Il existe généralement une connaissance capitalisée par projet ou suivant des conseils de bonne pratique, mais cela n’est pas toujours adapté aux besoins réels de réactivité et de productivité de l’entreprise.
En effet, la plupart du temps, les décisions dans les forges sont prises par des experts à partir de leur expérience et à partir d’analyses de cas similaires, grâce à des essais souvent itératifs pour corriger les erreurs non prévisibles. Chercher une information auprès des experts dont la disponibilité est limitée, ou dans les archives de la société, est souvent chronophage ; d’où l’idée d’utiliser l’intelligence artificielle pour développer des outils d’aide à la décision en forgeage.
Fondés sur un système expert, ces outils sont constitués d’une base de connaissances d’une part et d’un mécanisme d’exploitation d’autre part. Les moteurs de recherche accélèrent l’accès à l’information pour aider à prendre les bonnes décisions. Les connaissances nécessaires pour cela peuvent être capitalisées par les experts en amont, et au fur et à mesure de leur acquisition. La connaissance des experts et leur exploitation peuvent alors être dissociées.
L’article commence par une présentation du contexte global et des notions de base de l’approche ; le forgeage et les systèmes d’aide à la décision y sont illustrés. Les débuts des systèmes d’aide à la décision appliqués au forgeage sont évoqués avant de traiter deux exemples de développement plus récents. Le premier aborde la mise en place de gammes à partir de connaissances métiers, des moyens de production disponibles dans l’atelier de forgeage et de leur capabilité. L’aide apportée facilite l’étude de faisabilité et permet d’établir des devis assez rapidement. Le second aborde la maîtrise des processus de fabrication. L’aide apportée contribue à l’identification des paramètres à surveiller pour déceler des dérives en temps réel, et à leur correction pour éviter la mise au rebut de pièces.
MOTS-CLÉS
aide à la décision forgeage mise en forme par déformation plastique système à base de connaissances gamme maîtrise du processus
KEYWORDS
decision support system | forging | shaping by plastic deformation | knowledge-based systems | manufacturing route | process monitoring
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Mise en forme des métaux et fonderie
(125 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
5. Remerciements
Les auteurs de cet article tiennent à remercier l’ensemble des contributeurs institutionnels et industriels pour leur participation directe ou indirecte, notamment par leur coopération à la mise en place des SAD dans le domaine du forgeage. Sans être exhaustifs, des remerciements en particulier sont adressés au campus d’Arts et Métiers ParisTech de Metz et son laboratoire de Conception Fabrication Commande (LCFC), au CETIM et aux sociétés MARLE S.A., MANOIR INDUSTRIES (site de Bouzonville), et SETFORGE (site d’Hagondange anciennement SAFE AUTOMOTIVE).
TEST DE VALIDATION ET CERTIFICATION CerT.I. :
Cet article vous permet de préparer une certification CerT.I.
Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.
de Techniques de l’Ingénieur ! Acheter le module
Cet article fait partie de l’offre
Mise en forme des métaux et fonderie
(125 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Remerciements
BIBLIOGRAPHIE
-
(1) - TODD (R.H.), ALLEN (D.K.), ALTING (L.) - Manufacturing processes reference guide. - Industrial Press (1994).
-
(2) - KALPAKJIAN (S.), SCHMID (S.R.) - Manufacturing processes for engineering materials. - 6ème edition, Pearson-Prentice Hall, Singapore (2010).
-
(3) - ASHBY (M.), SHERCLIFF (H.), CEBON (D.) - Matériaux : ingénierie, science, procédé et conception. - 3e édition. Presses polytechniques et universitaires romandes, Lausanne (2013).
-
(4) - KARKAN (J.M.), TJOEN (G.) - Systèmes experts : un nouvel outil pour l'aide à la décision. - Office international de librairie, Bruxelles. Masson, Paris, Milan, Barcelone (1993).
-
(5) - DEBRAUWER (L.) - Design patterns pour C# : les 23 modèles de conception : descriptions et solutions illustrées en UML 2 et C#. - Éditions ENI (2011).
-
...
DANS NOS BASES DOCUMENTAIRES
NORMES
-
AFNOR – Forge par estampage et matriçage, Vocabulaire. Association Française de Normalisation (AFNOR). - NF E 82-000 - 1984
-
AFNOR – Guide pour la mise en place de la Maîtrise Statistique des Processus. Association Française de Normalisation (AFNOR). - X 06-030 - 1992
-
GUM 1995 avec des corrections mineures. Évaluation des données de mesure – Guide pour l’expression de l’incertitude de mesure. BIPM (2008). - ISO Guide JCGM 100 :2008 -
ANNEXES
BARATTO (F.), DE TINSEAU (C.), BIGOT (R.), BASTIEN (A.), SIADAT (A.), ÉTIENNE (A.), DANTAN (J.Y.), Outil d’aide à la mise en place de gamme : OMEGAM, version 1, IDDN. 20600 (2012).
HAUT DE PAGECet article fait partie de l’offre
Mise en forme des métaux et fonderie
(125 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
1/ Quiz d'entraînement
Entraînez vous autant que vous le voulez avec les quiz d'entraînement.
2/ Test de validation
Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.
Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.
Cet article fait partie de l’offre
Mise en forme des métaux et fonderie
(125 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive