Geometric processing and data mining for freeform machining features recognition

Traitements géométriques et fouille de données pour la reconnaissance d’entités d’usinage complexes

Soumiya Bendjebla (1)

1 LURPA - Laboratoire Universitaire de Recherche en Production Automatisée

In response to competition and new industrial challenges, companies are forced to be more and more efficient, productive and competitive. Managing industrial know-how and the data flow of the manufacturing digital chain must be explored in order to shorten the industrialisation time while ensuring better quality.In this context, this thesis focuses on digital chain data exploration for the capture of good practices in NC machining using a feature-based approach. Several issues related to machining feature characterisation and digital chain data exploitation for machining process knowledge reuse have been identified.To address these issues, a new characterization of multi-level complex machining feature has been proposed. The proposed approach is characterized by a hierarchical structuring of digital chain data and a mapping between the geometrical and machining data. A statistical analysis is then carried out to analyse and exploit this data. Curvature-based segmentation and statistical clustering of machining data were combined to define new machining regions based technological segmentation approach. These regions were then used to characterize the machining feature and thus ensure the reuse of machining data through a feature based and a region based approach exploiting similarity measures a similarity measure. Finally, the developed approach was applied on an industrial case in aeronautics.

Face à la concurrence et aux nouveaux enjeux industriels, la maitrise du savoir-faire industriel de la chaîne numérique support des activités de développement de produits de l’entreprise deviennent alors une nécessité pour raccourcir le temps d’industrialisation des produits tout en en assurant une meilleure qualité.Dans ce contexte, nous nous sommes intéressés dans cette thèse à la valorisation des données générées par la chaîne numérique pour la capitalisation des bonnes pratiques de conception de programmes d’usinage suivant une approche orientée entité. Nous avons ainsi identifié plusieurs problématiques liées à la caractérisation de l’entité d’usinage et l’exploitation des données de la chaîne numérique pour la structuration et réutilisation des données d’usinage dans le cas des formes complexes.Pour répondre à ces problématiques, une nouvelle caractérisation de l’entité d’usinage complexe multi-niveaux a été proposée. Cette approche se distingue par une structuration hiérarchique des données de la chaîne numérique et une mise en correspondance par niveau entre les données géométriques et les données d’usinage. Une analyse statistique est ensuite effectuée pour traiter et exploiter ces données. Une segmentation à base de la courbure et un clustering statistique des données d’usinage ont été combinés pour définir une nouvelle approche de segmentation technologique orientée région. Ces régions ont servi à caractériser l’entité d’usinage et assurer ainsi la réutilisation des données d’usinage entre les pièces similaires à travers une approche orientée entité et une autre orientée région basée sur la mesure de similarité. Enfin, une application de la démarche globale a été réalisée sur un cas industriel de pièce en aéronautique.

Mots clés: Machining Features; Free form; Step-Nc; Data mining; Digital chain; Similarity assessment

Mots clés: Entités d'Usinage; Formes complexes; Step-Nc; Fouille de données; Chaîne numérique; Mesure de similarités.

Domaines: Génie mécanique [physics.class-ph]

Soumiya Bendjebla. Traitements géométriques et fouille de données pour la reconnaissance d’entités d’usinage complexes. Génie mécanique [physics.class-ph]. Université Paris-Saclay, 2020. Français. ⟨NNT : 2020UPASN002⟩. ⟨tel-02881116⟩