ROADMAP optimising machining processes
Terminé

Roadmap | Monitorage et optimisation à base de données de processus d’usinage décentralisés

Région:
Bruxelles
Financé par

Dans le fil de l’idée d’Industrie 4.0 et d’une volonté de numérisation accrue des processus de fabrication, l’attention se porte sans cesse davantage sur le monitorage à base de données des processus d’usinage. Le recours à des techniques d’analytique des données en vue de leur optimisation reste limité principalement au monitorage de certains aspects particuliers des opérations d’usinage. La SABCA a engagé un partenariat avec la VUB et Sirris afin de relever ces défis dans le cadre du projet ROADMAP, qui vise à créer une méthodologie multimodale pour le monitorage et l’optimisation des processus d’usinage dans les environnements de fabrication décentralisés.

Contexte

TL’industrie mécanique est un secteur des plus compétitifs et exigeants. Des régions émergentes y viennent concurrencer des entreprises établies, dans le même temps que s’installent de nouveaux centres de fabrication et que se généralisent de nouvelles techniques d’usinage. Les opérations d’usinage sont des processus extrêmement complexes. Outre la multiplicité des stratégies de fabrication pour telle ou telle pièce donnée, il existe une grande diversité d’outils, de machines et de réglages dont il faut tenir compte et qu’il s’agit de choisir de manière judicieuse. Dans ces conditions, il est difficile d’arriver à une bonne compréhension et une standardisation des processus. À cette complexité s’ajoutent, pour les entreprises, des attentes et exigences sans cesse accrues de la part des clients. Ces derniers attendent de leurs fournisseurs qu’ils soient parfaitement réactifs, qu’ils offrent des options de production flexibles et qu’ils fournissent la meilleure qualité possible – le tout à moindre coût.

Dans le fil de l’idée d’Industrie 4.0, animée par une volonté de numérisation accrue des processus de fabrication, l’attention se porte sans cesse davantage sur le monitorage à base de données des processus d’usinage. Dans un environnement de production décentralisé, l’entreprise ne fabrique que les produits répondant à la demande dans une région ou un pays spécifique, ou bénéficiant d’une bonne proximité d’approvisionnement de la part des fournisseurs locaux. Alors que les produits fabriqués sur ces divers sites de production sont souvent très différents, il reste que les processus d’usinage mis en œuvre pour les réaliser (ou pour en fabriquer certains composants) sont souvent très similaires. Par la formulation explicite d’informations raisonnées à partir de données recueillies dans de tels environnements de fabrication décentralisés, il est possible d’instaurer un partage de connaissances entre différents sites de production qui se traduira par une optimisation des processus de fabrication en fonction des défis qui se posent.

Toutefois, le recours à des techniques d’analytique des données en vue de l’optimisation de ces processus reste aujourd’hui limité essentiellement au monitorage de certains aspects particuliers des opérations d’usinage. Outre le manque d’expérience en science des données et d’expertise en matière de standardisation des opérations de fabrication, les principales raisons à cela résident dans les lacunes suivantes :

  1. Le besoin d’une méthodologie de mesure adéquate et complète (pour ce qui concerne les aspects tant matériels que logiciels afin de collecter toutes les données pertinentes sur les opérations et usinages tels qu’ils ont lieu dans le processus de production, des matières premières aux produits finis)
  2. La nécessité de disposer de techniques à base de données permettant de générer des informations raisonnées à partir des données collectées
  3. Une approche systématique en vue de fusionner ces informations avec les connaissances disponibles sur le domaine, ajoutée à des approches physiques, afin de parvenir à une méthodologie multimodale.

De plus, les approches existantes telles qu’elles sont pratiquées s’avèrent souvent trop peu fiables ou robustes pour être appliquées à l’échelle industrielle sur des configurations multi-machines dans des environnements de fabrication décentralisés.

Le secteur aérospatial se trouve en première ligne dans le domaine de ces avancées et directement aux prises avec les défis que l’on vient de mentionner, dans un contexte de concurrence accrue et d’exigences plus rigoureuses de la part des clients. C’est pourquoi, dans la cadre du projet ROADMAP, la SABCA, un important acteur aérospatial et un leader de la conception, la fabrication et l’assemblage de composants de structure, a engagé un partenariat avec la VUB et Sirris afin de s’attaquer à ces questions.

Objectif

Le projet vise à créer une méthodologie multimodale pour le monitorage et l’optimisation des processus d’usinage dans des environnements de fabrication décentralisés. Cet objectif stratégique global s’articule sur les objectifs de projet partiels suivant :
 

  1. Élaboration d’une approche globale de mesure (matériel/logiciel) afin de permettre un monitorage précis des caractéristiques du processus d’usinage.
  2. Définition d’une méthodologie multimodale en vue de l’analyse de processus d’usinage individuels (multi-physique + connaissances expertes + analytique de données).
  3. Exploitation multi-machines dans des environnements de fabrication décentralisés en vue d’une optimisation des processus d’usinage.
  4. Validation de la méthodologie résultante, à la fois en laboratoire (au Sirris Precision Manufacturing Lab) et sur le terrain (chez SABCA), à l’aide de deux cas de validation industrielle:
  • Garantie constante de la qualité produit
  • Optimisation autonome des réglages/de la paramétrisation du processus d’usinage
Roadmap data driven monitoring | Sirris

Présentations et publications

  • Sirris a présenté une contribution intitulée A Machine Learning-based Approach for Predicting Tool Wear in Industrial Milling Processes au ECML-PKDD workshop on IoT Stream for Data Driven Predictive Maintenance à Würzburg en Allemagne, le 16 septembre 2019.
  • Sirris a présenté un résumé développé d’un article intitulé A Machine Learning-based Approach for Predicting Tool Wear in Industrial Milling Processes à la conférence BENELEARN/BNAIC tenue à Bruxelles (Belgique) les 6-8 novembre 2019. (@ Adeh: link gebroken, check bij Caroline)
  • Sirris a présenté l’idée du projet et un état des résultats actuels en matière de prévision d’usure des outils pendant le séminaire AI for Industry 4.0 Research Projects in Belgium tenu pendant la Semaine belge de l'intelligence artificielle (conférence virtuelle), le 16 mars 2021.

Partenaires au projet

  • Sirris
  • SABCA
  • VUB

 

Partenaires

En collaboration avec

Plus d'info à propos de notre expertise

Horaire

mai 2019 - nov 2022

Nos experts

As-tu une question?

Envoyez-les à innovation@sirris.be