Grant: Discovery Grants Program - Individual

Dans le processus de développement d'un produit, le tolérancement est une étape déterminante pour la qualité et le coût du produit. Une conception est dite optimale lorsque les requis fonctionnels sont assurés et que la fabrication s'effectue à un coût minimum. Pour atteindre cet objectif, des outils tels que le tolérancement géométrique et l'approche probabiliste doivent être employés simultanément. L'historique collecté par les opérations de contrôle de la qualité permet d'évaluer, a posteriori, le comportement réel d'un procédé. Toutefois, la connaissance, a priori, de la capabilité d'un procédé permet de créer un lien entre le requis du produit et la fabrication. Ainsi, pour exploiter le plein potentiel de ces outils, on doit avoir une estimation de la performance d'un procédé à rencontrer les requis dès le stade de conception. Estimer la capabilité est aujourd'hui une démarche essentiellement empirique; on estime le comportement à partir de données recueillies sur un échantillon représentatif de sa production. Ces statistiques peuvent alors être exploitées pour estimer l'attitude du même procédé pour une géométrie similaire. Par contre, de nouveaux composants fabriqués sous le même procédé mais avec des géométries ou des tailles différentes, nous ne savons pas comment exploiter l'information pour estimer la capabilité du procédé les produire. La question fondamentale de la recherche proposée est: pour un même procédé, comment peut-on extrapoler une capabilité connue pour un composant pour estimer la capabilité pour un nouvel composant à géométrie différente. Le projet propose d'examiner d'une manière spécifique deux procédés : (1) la dépose robotisée des fibres et (2) les procédés d'impression 3D. Ces procédés sont récents, une intense activité de recherche est en cours pour connaître leurs comportements. Également, avec ces technologies, une seule machine est capable de fabriquer une très grande variété de géométries (complexity free) à des dimensions très variables. Il serait intéressant de produire un modèle de perdition des performances dimensionnelles de ces procédés à partir des empreintes géométries sur des pièces déjà fabriquées. Finalement, spécifiquement pour ces procédés, le coût des matières premières est élevée, ce qui rend la fabrication de pièces `tests' très coûteuses, il y a donc un vif intérêt à avoir un modèle prédictif permettant de connaître le comportement dimensionnel a priori. Le projet propose de développer plusieurs métriques qui reflètent le degré de complexité et l'effet d'échelle (scalability) d'une pièce mécanique, d'établir un modèle mathématique pour créer un lien entre complexité et capabilité. Ce lien sera exploité pour interpoler (ou extrapoler) l'intervalle dans lequel un procédé respectera une spécification dimensionnelle.