Détection automatique des défauts du marbre en vue de reconfigurer des machines-outils à commande numérique

L'usinage du marbre est considéré comme une problématique industrielle vu qu'il s'agit d'un matériau très fragile et hétérogène. En effet, lors de l'usinage d'une plaque, une fissure peut se propager, rendant la plaque défectueuse.  Dans ce contexte, on cherche à optimiser les paramètres d'usinage de la machine pour éviter l'endommagement du marbre et donc le rejet de la plaque. Dans un premier pas, une classification automatique des plaques de marbres en deux classes (fissurée et non fissurée) est réalisée en se basant sur des méthodes vibratoires. Une classification k-means des paramètres modaux des plaques sollicitées par un marteau de choc nous a amené à distinguer si une plaque est fragilisée par une fissure ou si la plaque est intacte. Pour développer ce résultat, la localisation de la fissure est déterminée pour la classe des plaques endommagées à travers d'une détection des discontinuités de la fissure par des outils de traitement d'image classiques. Pour des textures de marbres unies, l'emplacement de la fissure est identifié par plusieurs outils statistiques de premier ordre, de deuxième ordre et d'ordre supérieur et également par des outils spectraux. Toutefois, on a constaté que le filtre de Canny, l'outil motifs locaux binaires et le filtre de Gabor sont plus prometteurs que les autres outils vu qu'ils sont plus rapides et plus précis. Pour les textures de marbres moyennement chargées et fortement chargées, l'application de chaque outil indépendamment détecte la fissure ainsi que les nervures présentes dans la texture. Alors que l'intersection des outils (Canny, motifs locaux binaires et filtre de Gabor) détecte séparément la fissure. Par conséquent, la classe de la plaque et l'emplacement de la fissure sont très déterminants pour les marbriers pour éviter les zones faibles lors d'usinage et pour estimer les bonnes conditions de coupe. En vue d'optimiser les paramètres de la machine d'usinage des marbres, une étude de cas de perçage du marbre Blanc de Carrare est menée par un outil non conventionnel, le jet d'eau abrasif. L'objectif de cet étude de cas est d'étudier les défauts macroscopiques qui apparaissent lors de perçage du marbre. Puis, une prédiction de la relation entre les défauts de perçage {la rugosité, l'angle de dépouille et les tolérances géométriques (la cylindricité, la circularité et l'erreur de localisation)} et les paramètres de la machine d'usinage {la pression du jet, la distance de tir, le débit massique d'abrasif, le diamètre du trou et la vitesse d'avance du jet} est faite à l'aide de la régression linéaire et les réseaux neurones artificiels. La régression linéaire est insuffisante pour expliquer la non-linéarité entre les paramètres du jet et les défauts de perçage du marbre ce qui justifie le passage aux réseaux de neurones artificiels qui ont donné une prédiction précise de ces lois cherchés. A la suite, une extraction de ces équations qui convertissent la relation entre chaque défaut et les paramètres d'usinage a été réalisée. Enfin, une optimisation des paramètres de coupe est assumée à l'aide d'un algorithme génétique multi-objectif qui admet comme contraintes les marges de variation pour chaque condition de coupe et qui sert à optimiser la loi entre ces défauts et les conditions de coupe donné par le RNA.