L'IA et la prédiction de contraintes résiduelles

Les techniques d’ #Intelligence Artificielle (IA) occupe le coeur de l’actualité. Quand je présente #MISULAB, on me fait souvent la réflexion : « Il doit y avoir des techniques d’IA pour aboutir à de tels résultats ». Je réponds : « NON il y a avant tout de l’IH (Intelligence Humaine) ». MISULAB est un logiciel qui matérialise 20 ans de recherche pour comprendre et simuler les mécanismes complexes thermiques et mécaniques qui pilotent la génération des contraintes résiduelles lors des opérations d’usinage. ChatGPT ne peut rien pour vous sur un tel sujet ! 

Cependant, cette réponse était vraie jusqu’à l’arrivée d’un nouveau module de MISULAB qui permet de mobiliser des techniques d’IA pour accélérer les prédictions d’intégrité de surface. Pour entrainer une IA, il faut avant tout une base de données pertinentes. Ainsi, grâce à la capacité de MISULAB de lancer un grand nombre de simulations en autonomie, couplé à son architecture autour d’une base de données, il devient possible de lancer un apprentissage profond (deep Learning) autour d’une opération d’usinage (exemple : tournage d’un arbre de transmission en acier inoxydable martensitique 15-5PH). De fait, à l’issue de son apprentissage, le module IA de MISULAB devient capable de proposer une estimation de l’état de contraintes résiduelles en quelques secondes. Cependant, si l’utilisateur souhaite avoir un résultat précis qui conditionne une décision industrielle stratégique, il est malgré tout nécessaire de lancer une simulation complète avec #MISULAB. Le module IA de MISULAB est donc avant tout un outil de pré-diagnostic permettant d’évaluer des risques de fissuration prématurée et de faire des choix rapides d’outils et de conditions de coupe au sein d’une démarche d’industrialisation globale.

Ce travail a été rendu possible grâce au travail de Aziza Grami en stage de fin d’études de l’ENI de Tunis en collaboration avec Alexis Cavard, alternant à Centrale Lyon ENISE au sein de MISUTECH. Merci pour leur implication.