Etude statistique de l’influence des paramètres de coupe sur l’état de surface, cas de l’usinage périphérique de l’aluminium

Abstract

Ce mémoire se focalise sur l'étude de l'influence des conditions de coupe sur la rugosité longitudinale et transversale lors du fraisage sur le flanc sans lubrification, ainsi que sur leur modélisation par régression multiple et machine Learning. L'analyse de cette influence repose sur des observations réalisées pendant l'usinage et l'application de la méthode ANOVA. La modélisation par régression a été effectuée à l'aide de modèles de deuxième et quatrième ordre, tandis que le machine Learning a été exploré à travers plusieurs méthodes telles que le Deep Learning, les arbres de décision, les forêts aléatoires, et les arbres boostés par gradient. L'objectif principal est de déterminer précisément comment différents paramètres de coupe affectent la qualité des surfaces usinées et ce en combinant des approches traditionnelles et modernes, Ce travail nous a permis de développer des modèles robustes permettant de prédire avec exactitude les résultats d'usinage, réduisant ainsi les erreurs de fabrication et améliorant la qualité des produits finaux.