Академический Документы
Профессиональный Документы
Культура Документы
d'expriences au contrle de la
rugosit
Edit le 21/12/2009 Lionel GENDRE Pierre MELLA
Cette ressource a t cre dans le cadre des projets didactiques de premire anne du
Dpartement de Gnie Mcanique de l'ENS de Cachan [1].
Elle illustre l'utilisation d'un plan d'expriences dans le cadre d'un procd de fabrication : il s'agit
de dterminer exprimentalement les conditions d'usinage permettant de minimiser la rugosit
de pices produites en srie.
Il s'agit d'une ressource applicative, ne comportant que de brefs rappels sur la mthode ; il est
donc conseill de prendre pralablement connaissance de la ressource Les plans
d'expriences .
1 - Quelques rappels
1.1 - La rugosit
La rugosit est une grandeur caractrisant un tat de surface. Plus particulirement, il s'agit
d'une mesure des dfauts de tailles caractristiques infrieures 0,5 mm, tels que les stries ou
les sillons dus aux passages de l'outil lors des diffrentes phases d'usinage d'une pice, ou les
arrachements de matires localiss.
Ces dfauts sont mesurs partir d'un profil de surface. La figure 1 reprsente un exemple de
profil relev sur une surface rpute plane.
1
Figure 2 : Ondulation du profil
Ce profil ne contient plus que des ondulations faible longueur de variation. Il dfinit donc la
rugosit de la pice. Divers indicateurs peuvent tre utiliss pour quantifier cette rugosit ; ici,
nous considrons la rugosit arithmtique, dfinie par la relation suivante :
Ra s (t ) dt
Le cahier des charges d'une pice spcifie souvent une valeur de la rugosit arithmtique ne pas
dpasser, en particulier pour les surfaces en contact avec une autre pice.
1.2 - Les plans d'exprience
Nous rappelons seulement les principales dfinitions ; le lecteur se reportera la ressource Les
plans d'expriences pour un expos plus dtaill.
Rponse : c'est la grandeur mesure lors des essais (ici, la rugosit arithmtique).
Facteurs : ce sont les paramtres que l'on fait varier au cours des essais, afin d'identifier
leur influence sur la rponse.
Niveau : c'est la valeur prise par un facteur au cours d'un essai.
Modle de comportement : il s'agit de la relation mathmatique permettant d'exprimer la
rponse en fonction des niveaux des facteurs. La dmarche consiste habituellement
postuler un modle (affine, quadratique, avec ou sans interactions...) puis en identifier
les termes et coefficients l'aide des essais.
Interaction : c'est la dpendance de l'influence d'un facteur en fonction du niveau des
autres facteurs. Une interaction peut tre double (l'influence de A sur la rponse dpend
du niveau de B) ou d'ordre plus lev (l'influence de A dpend du niveau de B, C, D... de
2
manire conjugue) ; en pratique, les modles de comportement employs se limitent
souvent aux interactions doubles.
En ce qui concerne l'exploitation des rsultats des essais, les quantits suivantes sont utilises :
Moyenne gnrale : elle correspond la moyenne de la rponse sur les m essais.
m
Y i
M i 1
m
E Ai j
Effet d'un facteur : l'effet du facteur A au niveau j correspond la moyenne des
rponses lorsque le facteur A est au niveau j soustrait de la moyenne M.
E Ai j
=(Moyenne des rponses lorsque Ai est au niveau j) - M
Remarque : la somme des effets d'un facteur tous ses niveaux est nulle.
n Ai
E
j 1
Ai j 0
I Ai jAk l
Effet d'une interaction : l'effet de l'interaction entre le facteur Ai au niveau j et le
facteur Ak au niveau l est donn par la moyenne des rponses lorsque Ai est au niveau j et
E Ai j E Ak l
Ak est au niveau l laquelle on soustrait l'effet , l'effet et la moyenne M.
I Ai jAk l Ai j Ak l E Ai j E Ak l
= (Moyennes des rponses pour et )- - -M
Remarque : la somme des effets d'une interaction tous les niveaux de l'un ou l'autre des
facteurs est nulle.
n Ai
I
j 1
Ai jAk l 0
Graphe des effets des facteurs : il s'agit d'une manire commode de reprsenter
l'volution de la rponse en fonction des niveaux des diffrents facteurs. Il consiste
tracer, pour chaque facteur, la moyenne des rponses obtenues lorsqu'il prend ses
diffrents niveaux. L'exemple de la figure 4 correspond un facteur A1 trois niveaux, un
facteur A2 deux niveaux et un facteur A3 quatre niveaux.
3
Figure 4 : Exemple de graphe des effets des facteurs
Graphe des effets des interactions : il est construit sur le mme principe que le graphe
des effets des facteurs, ceci prs que l'on trace plusieurs courbes par facteur,
correspondant aux effets moyens calculs selon le niveau d'un autre facteur. Des courbes
confondues traduisent une interaction nulle ; des courbes trs diffrentes traduisent une
interaction forte. La figure 5 donne des exemples d'interactions entre deux facteurs
deux niveaux.
Nous considrons maintenant la mise en uvre de la mthode des plans d'exprience pour
minimiser la rugosit de pices usines. Il s'agit d'un cas typique d'utilisation de cette mthode :
chaque essai est coteux puisqu'il demande la fabrication d'une pice et un contrle par
mtrologie. Il est donc essentiel d'optimiser le cot et la fiabilit de l'tude exprimentale.
2.1 - Modlisation
4
paramtres peuvent influer sur l'tat de surface de la pice usine ; on peut notamment citer les
conditions de coupe :
la vitesse de coupe
l'avance
la profondeur de passe
la lubrification
Cette liste n'est pas exhaustive mais dcrit les principaux phnomnes jouant sur l'tat de surface
final.
Ici, afin que la complexit du modle reste raisonnable, nous ne considrons que 5 facteurs parmi
la liste ci-dessus, et affectons 2 niveaux chacun d'entre eux. Ces facteurs et leurs niveaux sont
dfinis dans le tableau ci-dessous.
5
2.2 - Choix d'un plan d'expriences
Il faut maintenant choisir un plan d'expriences, c'est--dire une liste ordonne d'essais
permettant d'identifier les coefficients du modle ci-dessus. Un plan factoriel complet
comporterait 25 = 32 essais ; ce chiffre n'est pas insurmontable mais, dans un souci de rduire les
cots, nous allons plutt employer un plan rduit. Nous choisissons ici la mthode de Taguchi pour
sa simplicit, mais d'autres mthodes (comme celle de Box et Hunter) seraient galement
applicables.
Les plans d'expriences accordent une importance particulire l'ordre dans lequel les essais sont
raliss. Il faut donc attribuer ces 5 facteurs une difficult de modification. Par exemple, dans
le cas prsent de l'usinage, il est plus facile de modifier la profondeur de passe ou la lubrification
que de changer l'outil, car cette dernire opration ncessite une intervention manuelle avec
arrt de la machine, contrairement aux premires. L'attribution de ces difficults est rsume
dans le tableau ci-dessous.
A Trs difficile
B Difficile
C Facile
D Trs facile
E Trs facile
La mthode de Taguchi consiste alors choisir, dans un recueil de tables, le plan d'expriences le
plus adapt au modle employ. Ce modle comporte 5 facteurs et 10 interactions, et chaque
facteur possde deux niveaux ; il se trouve que cette configuration correspond exactement la
table dite L16(215), que le lecteur pourra consulter Annexe : Rugosit Taguchi.xls . Cette table
est accompagne des 3 graphes linaires de la figure 6.
On rappelle que plus le cercle est rempli, plus le facteur est modifi frquemment ; au vu de la
rpartition des difficults, le premier graphe semble donc tre le mieux adapt l'tude, et une
attribution possible des colonnes de la table est la suivante :
Repre A B C D E
Colonne 1 2 4 15 8
La table de Taguchi donne alors directement la liste ordonne des essais raliser.
6
2.3 - Identification des coefficients du modle
Le plan d'expriences utilis comporte 16 essais dont les rsultats sont donns ci-dessous :
Essai Y
1 1,79
2 1,61
3 1,51
4 1,07
5 3,85
6 4,81
7 5,54
8 5,47
9 3,25
10 4,71
11 1,65
12 1,18
13 4,84
14 2,60
15 5,50
16 5,47
La moyenne gnrale des 16 essais est M = 3,43. Les effets des diffrents facteurs sont
reprsents graphiquement sur la figure 7.
7
Enfin, les effets des interactions sont reprsents sur les figures 8 et 9.
Le modle utilis est affine, avec deux niveaux par facteur. Les coefficients du modle sont donc
directement donns par les valeurs des effets.
Nous pouvons maintenant utiliser le modle pour rpondre la question pose au dbut de
l'tude, c'est--dire slectionner les conditions d'usinage permettant de minimiser la rugosit. Il
s'agit d'un problme classique d'optimisation ; ici, compte tenu du faible nombre de facteurs et
des ordres de grandeurs des diffrents effets, une rsolution graphique, c'est--dire sans crire
d'quations, est possible.
8
L'examen de l'effet de B (figure 7) ainsi que des interactions AB (figure 8), BC, BD et BE (figure 9)
montre que B est de loin le facteur le plus influent, et que la rugosit est toujours plus faible
lorsque le niveau de B est 1, quels que soient les niveaux des autres facteurs. Nous fixons donc
le niveau de B 1.
Etudions maintenant l'effet du facteur A. On constate que lorsque B est fix 1, la rugosit est
toujours plus faible lorsque A est au niveau 1, quels que soient les niveaux de C, D et E (voir
figures 7 et 8). On peut donc fixer le niveau de A 1.
De la mme manire, on montre que la rugosit est presque toujours plus faible lorsque D est au
niveau 2. La seule exception est l'interaction DE : lorsque E est au niveau 1, le passage de D au
niveau 2 entrane une trs lgre augmentation de la rugosit. Cependant, cette augmentation
est compltement ngligeable devant la diminution provenant des autres effets. Nous fixons donc
le niveau de D 2.
Un raisonnement similaire s'applique au facteur E. Compte tenu des niveaux des autres facteurs,
l'effet de E seul et des interactions DE et CE nous incitent fixer E 2, tandis que les interactions
AE et BE montrent au contraire une augmentation de la rugosit lorsque E est au niveau 2.
Cependant, l encore, cette augmentation est ngligeable devant la diminution due aux autres
effets, et nous fixons donc le niveau de E 2.
Enfin, seul le facteur C reste fixer. Sa dtermination graphique est difficile car compte tenu des
niveaux des autres facteurs, les effets des diverses interactions sont contradictoires et semblent
se compenser. Pour y voir plus clair, nous calculons donc l'effet total de C, par exemple au niveau
1:
EtC1 = EC1 + IA1C1 + IB1C1 + ID2C1 + IE2C1 = 0,314
L'effet total de C1 est positif. Comme l'effet total de C 2 est son oppos, il vaut mieux fixer le
facteur C au niveau 2 pour que son effet diminue la rugosit.
L' Annexe : Exploitation des rsultats des diffrents essais dcrit le droulement de
l'exploitation des rsultats.
Au final, les paramtres retenus pour avoir une rugosit minimale sont donc les suivants :
Profondeur de passe 2 1 mm
Lubrification 2 Avec
La rugosit arithmtique prdite par le modle est alors RA = 0,98, qui est bien infrieure
l'ensemble des rsultats des essais. Comme le nombre d'essais effectu n'a pas permis de tester la
validit du modle, il conviendrait de vrifier exprimentalement cette valeur lors de la mise en
place dfinitive du procd d'usinage.
9
3 - Conclusion
Le plan d'expriences mis en place ici a permis d'identifier les conditions d'usinage conduisant
une rugosit minimale. Cet exemple montre que l'application de la mthode (ici, l'aide d'une
table de Taguchi) ne reprsente aucune difficult particulire, et montre que dans les cas les plus
simples, les valeurs souhaites peuvent tre trouves la main , sans faire appel des
techniques mathmatiques complexes.
Rfrences :
[1]: http://www.dgm.ens-cachan.fr/
10