L’optimisation est la recherche de la ou les meilleure(s) solution(s) à un certain problème. Dans ce secteur, il s’agit d’un logiciel capable d’identifier, de suggérer et finalement de vérifier la meilleure combinaison de variables d’entrée offrant la solution la plus adaptée parmi toutes celles possibles.
Dans la plupart des cas, la relation sous-jacente entre les paramètres de contrôle (appelés variables d’entrée) et les performances mesurées (appelées variables de sortie) est inconnue ou difficile à trouver. De plus, il arrive de temps en temps qu’afin de trouver la réponse adaptée au système, il soit nécessaire d’utiliser des modèles numériques complexes qui demandent beaucoup de temps pour atteindre le résultat désiré : typiquement, c’est le cas lors de l’utilisation des simulateurs de processus en fonderie, dans lesquelles les résultats sont, en fonction des paramètres, le fruit de calculs de dynamique thermo fluide 3D longs et complexes.
Figure 1- Schéma du processus d’optimisation
Le logiciel d’optimisationIMPROVEit est capable de comprendre la nature et la complexité d’un problème et de faire l’interface entre de nombreuses applications, dont le simulateur de processus FLOW-3D® CAST (Flow Science inc.), et de les connecter entre elles afin de définir une trame de travail qui peut être parcourue de manière répétée et automatique afin d’obtenir la meilleure solution en un temps le plus réduit possible.
Etude de cas : Optimisation de la phase d’injection
Dans cette étude de cas présentée par FORM S.r.L. sur la conception de moules pour couvertures de batteries faites par HPDC, beaucoup d’endroits dans la structure présentaient de hauts taux de porosité dus au gaz. Il a donc été décidé d’utiliser l’optimisation afin de réduire les défauts en agissant sur la conception des chaines de moulage et en jouant sur la vitesse du piston. Pour nos besoins, les valeurs liées à la vitesse du piston dans la première phase ainsi que de nombreux paramètres géométriques liés aux chaines dirigées par les interactions entre l’optimisateur et le logiciel de CAD paramétrique ont été choisis comme variables d’entrée, l’objectif étant d’obtenir la meilleure calibration sur l’arrivée du métal au point de connexion du moulage et de réduire la quantité d’air entrainé dans l’alliage durant la première phase de remplissage. La trame de travail de l’optimisateur est structurée de la manière suivante : l’optimisateur communique directement avec le logiciel de CAD paramétrique afin de changer automatiquement la forme des chaines de moulage puis exporte automatiquement les modèles géométriques au format STL ; ces fichiers STL sont ensuite utilisés par le logiciel FLOW-3D® CAST afin de simuler le remplissage. Enfin les variables de sortie sont extraites et traitées.
Figure2 – Paramètres d’optimisation de la phase d’injection, courtesy of Form S.r.l.
Lorsque deux objectifs sont évalués en même temps, il est possible de trouver une série de résultats optimaux différents faisant des compromis sur l’une ou l’autre des variables de sortie, appelé Front de Paréto. Etant donné que pour ce cas la trame de travail était parcourue en 20 minutes, il a été décidé de la parcourir une vingtaine de fois.
Cela étant dit, la configuration choisie est, dans ce cas, positionnée au centre du front de Paréto et, de ce fait, présente un bon compromis entre une arrivée lente et aussi uniforme que possible jusqu’au moule, de 10% plus effective que dans la configuration initiale, et une quantité minimale d’air entrainé, de 13% plus optimisé qu’à l’origine.
Figure 3 – Comparaison entre les solutions initiale et optimisée, courtesy of Form S.r.l.
Cette étude de cas montre donc en quoi l’automatisation et l’optimisation numérique de conception de produit, la simulation, l’interprétation des résultats et des changements permettent de gagner beaucoup de temps, et comment il est possible de parvenir à des améliorations importantes même en ne faisant tourner le programme d’optimisation qu’un nombre réduit de fois.
