Optimisation et Conception pour une mEthodologie AvaNcée pour l’ALM (Additive Layer Manufacturing).
Contexte
Les procédés de fabrication additive ou Additive Layer Manufacturing (ALM) permettent la création de géométries complexes, de structures solides et de motifs structuraux multi-échelle (treillis ou encore structures lattice). L‘ALM autorise également la réalisation de pièces multi-matériaux, soit de manière continue (matériaux à gradient de propriétés), soit de manière discontinue (empilement de zones mono-matériau). Pour ces raisons, le potentiel de gains en coût, masse, performance fonctionnelle et de réalisation est considérable en comparaison des possibilités qu’offrent les procédés classiques dits soustractifs.
Cependant la méconnaissance des particularités et des opportunités de l’ALM demeure encore un verrou à sa large utilisation. Outre les efforts indispensables pour maîtriser les approvisionnements (poudres), les procédés de fabrication, et les post-traitements, il faut retenir qu’il est nécessaire de revisiter les méthodes de conception. En effet, les conventions usuelles pour décrire la définition d’une pièce doivent être complétées par des données liées à la fabrication et au contrôle.
Le Global Agenda Council du World Economic Forum sur les technologies émergentes a identifié dix technologies prometteuses à faible impact environnemental qui permettront une croissance durable dans les prochaines décennies. Parmi ces technologies, l’ALM est en plein essor. Depuis les années 1990, la technologie ALM a une croissance moyenne de 26 % par an. Le marché de l’ALM est aujourd’hui caractérisé par un chiffre d’affaires entre 3.5 et 4.5 milliards d’euros et ce volume est destiné à doubler dans les dix prochaines années.
Sur le plan national, dans le cadre du programme « Industrie du Futur » (seconde phase de la Nouvelle France Industrielle), l’un des axes soutenus porte sur le développement de l’offre technologique. L’ALM est l’une des trois technologies prioritaires identifiées pour la mutation vers l’industrie de demain.
La Région Nouvelle-Aquitaine a choisi pour son plan « Usine du Futur » de soutenir la recherche et le développement sur les technologies ALM métallique à l’I2M et à l’ESTIA. Le projet OCEAN vient en complément des projets déjà engagés (FUTURPROD, ADDIMADOUR) et fédère les équipes des deux pôles. Il s’appuie sur les investissements déjà réalisés sur les plateformes, en particulier les machines de fabrication. Les résultats du projet OCEAN enrichiront la capacité de ces plateformes à répondre aux besoins des entreprises en particulier des PME qui souhaitent évaluer l’apport de ces technologies.
Objectifs et enjeux scientifiques
Il apparait nécessaire de mettre en place des outils d’aide à la conception orientés ALM pour :
aider le concepteur à tirer profit des opportunités offertes par cette technologie;
permettre au concepteur d’intégrer au plus tôt, dans sa démarche de conception, les spécificités de fabrication (dépendant de la machine et du procédé), directement liées aux phénomènes physiques mis en jeu. Le but est de minimiser les écarts entre le modèle théorique de la pièce étudiée et sa géométrie réelle après fabrication et de s’assurer de sa « fabricabilité ».
Le projet OCEAN a donc pour objectifs :
le développement d’outils de conception au profit de performances fonctionnelles ciblées (fréquence propre, amortissement, stockage d’énergie élastique…), de gain en masse et de simplification de fabrication ;
l’acquisition d’une connaissance suffisante des propriétés mécaniques nécessaires à la conception, la fabrication et le contrôle de pièces génériques dans les domaines de l’aéronautique, du spatial et du nucléaire civil, en utilisant des machines présentes en région Nouvelle-Aquitaine ;
l’élaboration de méthodologies dédiées ALM, leur transposition à l’ensemble des machines de technologies identiques et l’élaboration d'un guide.
Il convient de signaler un certain nombre d’enjeux vis-à-vis de la mise en œuvre de la technologie ALM. Tout d’abord, de nouveaux logiciels de conception mécanique dits « d’optimisation topologique » sont apparus sur le marché. Ils permettent d’optimiser la forme des pièces en fonction des capacités des machines ALM. Par contre ces outils sont complexes à mettre en œuvre et très limités en termes de type de problème réalisable. De plus ils ne permettent pas une interopérabilité avec les outils habituels des concepteurs comme les logiciels de Conception Assistée par Ordinateur (CAO) par exemple. Ces lacunes génèrent des temps de reconstruction qui sont très longs et nécessitent une intervention humaine avec des prises de décision qui peuvent apparaître comme subjectives sur un certain nombre de paramètres. Enfin, la nature même du procédé joue un rôle prépondérant dans les décisions que doivent prendre les concepteurs, or aucun outil n’intègre à ce jour les spécificités de chaque procédé dans la phase de conception.
Le second enjeu se rapporte à la maîtrise des techniques de fabrication. Il est en effet nécessaire de prendre en compte les paramètres de fabrication lors de la conception et du dimensionnement mécanique des pièces. Or la caractérisation des matériaux obtenus par ALM demeure un sujet encore peu exploré. Les travaux réalisés sur l’influence de ces paramètres permettent d’apporter de la connaissance métier liée à une géométrie monocouche. Il demeure difficile de généraliser ces connaissances à une pièce complexe. Il subsiste encore des verrous dûs notamment aux phénomènes multi-physiques, empêchant d’établir un référentiel de données nécessaires au dimensionnement et à la mise en œuvre de ces procédés. Concernant le contrôle, les formes optimisées des pièces obtenues génèrent des besoins de métrologies dimensionnelles supplémentaires. La modernisation de l’outil de production des industriels par l’apport de l’ALM nécessite avant tout une évolution de la méthodologie afin de rapprocher les phases de conception et de fabrication, celles-ci étant interdépendantes, comme explicité ci-dessus.
Financement
Projet financé par la région Nouvelle-Aquitaine (début novembre 2017)