L'IA au service de l'emboutissage de tôle : prédiction du retour élastique et optimisation de la conception des matrices

Lorsque la tôle est pliée lors d'une opération de mise en forme, elle ne reste pas exactement à l'angle de la matrice. Elle revient en partie vers sa forme plane d'origine. Ce retour élastique est dû à la récupération élastique du matériau une fois les efforts de mise en forme relâchés. Son ampleur dépend du type de matériau, de l'épaisseur, du rayon de pliage, de l'orientation des grains et des paramètres du procédé de mise en forme.

Compenser le retour élastique constitue l'un des aspects les plus délicats de la conception des matrices d'emboutissage. Si vous voulez un pli à 90 degrés sur la pièce finie, vous devrez peut-être plier à 88 degrés dans la matrice, en sachant que la pièce reviendra de 2 degrés. Or ces 2 degrés de retour élastique ne sont pas constants. Ils varient avec les variations entre lots de matériau, la température et l'usure de l'outil. La prédiction et la compensation par l'IA rendent ce procédé plus précis.

Pourquoi le retour élastique est difficile à prédire

Le retour élastique dépend du comportement contrainte-déformation du matériau, qui n'est pas parfaitement décrit par les propriétés standards figurant sur le certificat matière. Le retour élastique réel d'une pièce donnée dépend de la limite d'élasticité, du module d'Young, du comportement d'écrouissage et de l'anisotropie du matériau, autant de paramètres qui varient d'une bobine à l'autre, et même au sein d'une seule bobine.

La simulation par éléments finis (FEA) peut prédire le retour élastique, mais sa précision dépend de la qualité des données matériau et d'un modèle de frottement fiable, deux éléments difficiles à obtenir en conditions de production. Résultat : les prédictions FEA présentent souvent une erreur significative et imposent des ajustements de la matrice par essais et erreurs.

Comment l'IA améliore la prédiction

La prédiction du retour élastique par IA s'appuie sur les données de production réelles. Elle corrèle le retour élastique mesuré sur les pièces formées avec les propriétés matériau du certificat, les paramètres effectifs de mise en forme (tonnage, vitesse, température) et l'état de l'outil. Au fil du temps, elle construit un modèle de prédiction plus précis que la FEA seule, parce qu'il intègre les effets du monde réel que les modèles théoriques ne capturent pas.

À l'arrivée d'une nouvelle bobine, l'IA utilise les propriétés du certificat matière pour prédire le retour élastique attendu pour chaque géométrie de pièce. Si la prédiction diffère de la compensation prévue dans la matrice, l'IA recommande des ajustements procédé : modification de l'angle de surcourbure, ajustement du tonnage ou modification du temps de maintien.

Compensation adaptative des matrices

Dans les implémentations les plus avancées, la presse d'emboutissage s'ajuste automatiquement à partir de la prédiction de l'IA. Les presses servocommandées peuvent modifier la profondeur de course, le profil de vitesse et le temps de maintien pièce par pièce. Lorsque l'IA prédit un retour élastique plus marqué pour un lot de matériau particulier, la presse augmente automatiquement la surcourbure pour compenser.

Cette approche adaptative produit des pièces qui restent dans la tolérance, quelles que soient les variations entre lots. Elle réduit les rebuts et les retouches que génèrent les conceptions de matrices statiques classiques lorsque les propriétés matériau évoluent.

Pour en savoir plus sur l'optimisation des procédés industriels par l'IA, consultez la page d'analyse manufacturière de FirmAdapt.