Collections de documents électroniques
RECHERCHER

Amélioration de la qualité du soudage au laser des alliages d'aluminium par une surveillance en temps réel des défauts pour un processus de soudage intelligent

Téléchargements

Téléchargements par mois depuis la dernière année

Aminzadeh, Ahmad (2024). Amélioration de la qualité du soudage au laser des alliages d'aluminium par une surveillance en temps réel des défauts pour un processus de soudage intelligent. Thèse. Rimouski, Université du Québec à Rimouski, Département de mathémathiques, informatique et génie, 283 p.

[thumbnail of Ahmad_Aminzadeh_avril2024.pdf]
Prévisualisation
PDF
Télécharger (9MB) | Prévisualisation

Résumé

« La présente étude, inscrite dans le vaste contexte évolutif de l'industrie 4.0, s'intéresse à l'exploration et à l'exploitation de la technologie de soudage au laser pour la fabrication de structures en aluminium. Face à l'importance croissante de l'automatisation et de la digitalisation dans les processus industriels, la problématique de la surveillance des défauts des structures soudées au laser en aluminium se pose avec acuité, celle-ci étant identifiée comme un maillon critique dans un système de fabrication intelligent. Dans cette optique, le principal objectif de cette recherche est de mener une investigation approfondie et systématique de cette surveillance, afin de cerner les enjeux et les défis associés. La méthodologie adoptée pour aborder ce sujet complexe est résolument multidisciplinaire. Elle combine des méthodes expérimentales, des techniques de modélisation avancées, une analyse statistique rigoureuse, et l'exploitation de l'apprentissage automatique. Plusieurs chapitres de la thèse sont consacrés à détailler cette approche méthodologique. Par exemple, une analyse bibliométrique exhaustive est présentée, visant à cartographier l'état actuel des connaissances sur la surveillance en temps réel de la technologie de soudage. Par la suite, une approche novatrice d'inspection automatisée en temps réel est proposée, avec pour ambition de détecter avec précision les distorsions dans les assemblages soudés.Les résultats obtenus dans le cadre de cette étude sont à la fois nombreux et significatifs. Ils démontrent, sans équivoque, que la surveillance en temps réel des défauts dans les structures en aluminium soudées au laser peut avoir un impact majeur sur la qualité du produit final. Ceci en améliorant non seulement la qualité intrinsèque de la soudure, mais aussi en augmentant la cadence de fabrication et, par conséquent, en réduisant substantiellement les coûts de production. Un des points saillants de l'étude concerne l'utilisation d'un modèle Random Forest pour la détection de la porosité. Cette approche a permis d'atteindre un niveau impressionnant de détection, avoisinant les 80%. Néanmoins, il est important de noter que la prédiction de certains défauts, tels que les pores microscopiques, demeure un défi de taille. En conclusion, cette recherche souligne le potentiel immense de l'approche basée sur l'apprentissage automatique pour améliorer de manière significative l'efficacité et la qualité du processus de soudage. Elle met également en lumière l'importance d'intégrer les principes de l'industrie 4.0 dans des domaines spécifiques tels que le soudage au laser, offrant ainsi une vision renouvelée et des perspectives prometteuses pour l'avenir de la fabrication industrielle. -- Mot(s) clé(s) en français : Fabrication intelligente, soudage au laser des alliage d'aluminium, inspection automatisée, détection de défauts, traitement d'image, apprentissage automatique, algorithmes d'apprentissage avancés. »--
« The current study, embedded in the vast evolving context of Industry 4.0, delves into the exploration and exploitation of laser welding technology for the fabrication of aluminum structures. Given the growing importance of automation and digitization in industrial processes, the issue of monitoring defects in laser-welded aluminum structures becomes particularly pressing, as it is identified as a critical link in an intelligent manufacturing system. With this perspective in mind, the main objective of this research is to conduct a thorough and systematic investigation of this monitoring to understand the associated challenges and stakes. The methodology adopted to tackle this intricate subject is decidedly multidisciplinary. It merges experimental methods, advanced modeling techniques, rigorous statistical analysis, and the utilization of machine learning. Several chapters of the thesis are dedicated to detailing this methodological approach. For instance, a comprehensive bibliometric analysis is presented, aiming to map the current state of knowledge on real-time monitoring of welding technology. Subsequently, a novel approach to real-time automated inspection is proposed, ambitiously aiming for accurate detection of distortions in welded assemblies.The results obtained within this study are both numerous and significant. They unequivocally demonstrate that real-time monitoring of defects in laser-welded aluminum structures can have a major impact on the quality of the final product. This not only improves the intrinsic quality of the weld but also increases the manufacturing pace and, consequently, substantially reduces production costs. One of the standout points of the study concerns the use of a Random Forest model for porosity detection. This approach achieved an impressive detection level, nearing 80%. However, it is crucial to note that predicting certain defects, such as microscopic pores, remains a significant challenge. In conclusion, this research underscores the immense potential of the machine learning-based approach to significantly enhance the efficiency and quality of the welding process. It also highlights the importance of integrating Industry 4.0 principles into specific areas like laser welding, thus offering a renewed vision and promising prospects for the future of industrial manufacturing. -- Mot(s) clé(s) en anglais : Intelligent manufacturing, aluminum laser welding, process monitoring, automatic inspection, defect detection, image processing, machine learning, advanced learning algorithms. »--

Type de document : Thèse ou mémoire de l'UQAR (Thèse)
Directeur(trice) de mémoire/thèse : Barka, Noureddine
Co-directeur(s) ou co-directrice(s) de mémoire/thèse : El Ouafi, Abderrazak
Information complémentaire : Thèse présentée dans le cadre du programme de doctorat en ingénierie de l'UQAC offert par extension à l'UQAR en vue de l'obtention du grade de Philosophiae doctor (Ph.D)
Mots-clés : Détection de défaut (Ingénierie) - Soudage ; Aluminium - Alliages - Soudage ; Soudage laser ; Apprentissage automatique ; Inspection automatisée.
Départements et unités départementales : Département de mathématiques, informatique et génie > Génie
Déposé par : DIUQAR UQAR
Date de dépôt : 18 oct. 2024 17:26
Dernière modification : 18 oct. 2024 17:26
URI : https://semaphore.uqar.ca/id/eprint/3068

Actions (administrateurs uniquement)

Éditer la notice Éditer la notice