Fait marquant de recherche : Présentation au CIRP ISEM 2025
« Prédiction de l’usure des outils basée sur le machine learning utilisant la force électromotrice et le glissement du moteur AC »
La fabrication de précision repose sur une prédiction fiable de l’usure des outils afin de garantir la qualité et d’optimiser l’efficacité de production. Toutefois, les solutions existantes sont souvent coûteuses et complexes à intégrer, ce qui limite leur adoption dans les environnements industriels réels.
Dans cet article, nous présentons un système intelligent de surveillance de l’état des outils (TCM) qui répond à ces limitations grâce à une approche nouvelle et à coût optimisé. La méthode proposée combine des mesures de signaux clés—en particulier la force électromotrice (FEM) à l’interface outil–pièce et le glissement d’un moteur à induction (SIM)—afin de suivre l’évolution de l’usure en dépouille. Ces indicateurs physiques sont intégrés dans un modèle hybride d’apprentissage automatique piloté par l’IA, permettant la prédiction et la classification en temps réel des états d’usure des outils.
L’architecture du système est conçue pour être simple à mettre en œuvre, économique et précise, ce qui la rend adaptée aussi bien aux nouvelles installations qu’aux environnements en retrofit. Elle permet de classer l’état de l’outil de coupe à travers différentes phases, depuis la phase de rodage initial jusqu’à la défaillance finale lorsque les limites de tolérance sont dépassées. Le système peut également être intégré dans un environnement IoT afin de permettre le diagnostic à distance et l’optimisation de la production. Les validations expérimentales montrent une précision de classification comprise entre 84,1 % et 91 %.
