Faits saillants de la recherche : Prédiction de l’usure des outils par apprentissage automatique à partir de la force électromotrice et du glissement moteur – Présenté au CIRP ISEM 2025
Dans le domaine de la fabrication de précision, les systèmes précis de prédiction de l’usure des outils sont essentiels pour garantir la qualité et optimiser l’efficacité de la production.
Cependant, les solutions existantes sont souvent coûteuses et difficiles à intégrer, ce qui limite leur application concrète dans les environnements industriels.
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 innovante et économique.
La méthode proposée combine des mesures de signaux, en particulier la force électromotrice (EMF) au niveau de l’interface outil-pièce et le glissement d’un moteur asynchrone (SIM), afin de surveiller la progression de l’usure en flanc.
Ces indicateurs physiques sont utilisés comme entrées dans un système hybride d’apprentissage automatique (ML) piloté par l’intelligence artificielle, permettant la prédiction et la classification en temps réel de l’état d’usure des outils.
L’architecture est conçue pour garantir une mise en œuvre facile, un faible coût et une grande précision, ce qui la rend adaptée aussi bien aux nouvelles lignes de fabrication qu’aux installations existantes modernisées.
Le système catégorise l’état de l’outil de coupe à travers différentes étapes, allant du rodage initial jusqu’à la défaillance finale, lorsque les limites de tolérance sont dépassées.
Il peut également être intégré dans un cadre compatible IoT, permettant un diagnostic à distance et une optimisation de la production.
La validation expérimentale a démontré une précision de classification allant de 84,1 % à 91 %.
