Dans le cadre de la conception et de la fabrication des produits industriels, on retrouve principalement les étapes de conception, fabrication et contrôle. Le concepteur défini un tolérancement fonctionnel des pièces en lien étroit avec les procédés de fabrication. L’étape du contrôle des pièces est alors l’étape primordiale permettant la validation du produit fabriqué vis-à-vis des besoins du concepteur. Le sujet de recherche se place dans une optique d’optimisation du processus de contrôle des pièces. Cette étude d’optimisation du processus de contrôle devra se faire à plusieurs niveaux : - Au niveau des coûts liés à l’opération de mesure : lorsqu’un opérateur définit sa gamme de contrôle, il valide si possible l’ensemble de la pièce sur un unique moyen de mesure, même si le moyen de mesure choisi n’est pas le plus adapté. Cette partie de l’étude concerne les concepts de capabilité des moyens de mesures, tant matériels que logiciels. Elle permettra de définir les limites de chaque appareil. L’analyse poussée de l’adéquation entre le tolérancement et les matériels de mesure permet également au contrôleur de définir une stratégie économique de mesure (temps, matériel, …). - Au niveau des innovations techniques à prendre en compte : l’utilisation couplée d’un logiciel de calcul par éléments finis : Abaqus (permettant de modéliser les déformations des pièces lors de leur conformation sur le montage de contrôle), et d’un logiciel de traitement du tolérancement : 3DCS (permettant de valider les effets des dispersions des moyens de contrôle sur le résultat de la mesure : incertitude de mesure). / As part of the design and manufacturing of industrial products, we mainly find the steps of design, manufacture and control. The designer choose functional tolerancing values and specification for a part closely with manufacturing processes. The step of the control of parts is then an essential stage of the validation of the product made with respect to the needs of the designer. The research subject is placed in order to optimize process control parts. This optimization should be done at several levels: - In terms of costs to the measurement process: when an operator sets its control methodology, he validates if possible the entire piece on a unique way to measure it, even if the measurement device selected is not the most appropriate. This part of the study concerns the concepts of capability of measuring devices and calculation methods. It will define the limits of each machine. The analysis of the adequacy between the tolerancing specifications and the measurement tools also allows the controller to define a strategy for economic measurement (time, equipment, ...). - In terms of technical innovations to be taken into account: we will use simultaneously a finite element software, (Abaqus, for modeling the deformations of parts during the control process) and a software for tolerances analysis, (3DCS, to validate the effects of the dispersions of the measurement device over the validity of the result of the measure : measurement uncertainty).

La fabrication additive (FA) est devenue une nouvelle alternative pour la fabrication des pièces dans l'industrie. Cependant, il existe encore des limites pour ce procédé, en particulier la forme finale défavorable et les propriétés macroscopiques indésirables des pièces métalliques construites dans les systèmes de FA. La distorsion ou la fissure due à la contrainte résiduelle de ces pièces pose généralement de graves problèmes pour certains types de technologie de la FA métallique. Dans un système de FA, la qualité finale d'une pièce métallique dépend de nombreux paramètres de procédé, qui sont normalement optimisés par une série d'expériences sur des machines de FA. La simulation macroscopique dédiée au procédé de FA est une alternative potentielle pour les pièces métalliques fabriquées par la fabrication additive. Dans cette thèse, nous étudions d'abord le pré-processing de la simulation de FA par la méthode des éléments finis (FEM). Le procédé de fabrication additive est un phénomène multi-physique des champs couplés (champs thermique, mécanique et métallurgique). La simulation macroscopique est réalisée à deux niveaux différents. Au niveau de la couche, la reconstruction du modèle 3D est effectuée à partir du fichier de chemin de balayage de la machine de FA, basée sur la manipulation inverse de l'algorithme d'offsetting-clipping. Au niveau de la pièce, le modèle 3D de CAO est reconstruit dans un maillage des voxels, ce qui est pratique pour une pièce avec une géométrie complexe. Avec les températures de préchauffage différentes et les paramètres du procédé différents, la contrainte résiduelle d'une pièce est analysée. Ces simulations impliquent la technique potentielle pour réduire la contrainte résiduelle par l'optimisation des paramètres du procédé, au lieu de moyens traditionnels par augmenter la température de préchauffage. Basées sur la plateforme de simulation de FEM ci-dessus, deux simulations au niveau de ligne sont également étudiées dans cette thèse, visant à la relation entre le procédé de FA et la qualité finale de la pièce. Ces exemples démontrent la possibilité d'utiliser des simulations macroscopiques pour améliorer le contrôle de la qualité pendant le procédé de FA. Dans la première tâche, l'ensemble de données des paramètres de chauffage et la contrainte résiduelle sont générés par la simulation de FA. La corrélation entre eux est étudiée en utilisant des algorithmes de régression, tel que le réseau neuronal artificiel. Dans la deuxième tâche, un contrôleur de PID pour la boucle de rétroaction puissance-température est intégré dans la simulation de procédé de FA et l'auto-réglage de PID est numériquement étudié au lieu d'utiliser la machine de FA. Les deux tâches montrent le rôle important de la simulation de procédé macroscopique de FA, qui peut remplacer ou combiner les nombreuses expériences essai-erreur dans la fabrication additive métallique. / Additive manufacturing (AM) has become a new option for the fabrication of metallic parts in industry. However, there are still some limitations for this application, especially the unfavourable final shape and undesired macroscopic properties of metallic parts built in AM systems. The distortion or crack due to the residual stress of these parts leads usually to severe problems for some kinds of metal AM technology. In an AM system, the final quality of a metallic part depends on many process parameters, which are normally optimized by a series of experiments on AM machines. In order to reduce the considerable time consumption and financial expense of AM experiments, the numerical simulation dedicated to AM process is a prospective alternative for metallic part fabricated by additive manufacturing. Because of the multi-scale character in AM process and the complex geometrical structures of parts, most of the academic researches in AM simulation concentrated on the microscopic melting pool. Consequently, the macroscopic simulation for the AM process of a metallic part becomes a current focus in this domain. In this thesis, we first study the pre-processing of AM simulation on Finite Element Method (FEM). The process of additive manufacturing is a multi-physics problem of coupled fields (thermal, mechanical, and metallurgical fields). The macroscopic simulation is conducted in two different levels with some special pre-processing work. For the layer level, the reconstruction of 3D model is conducted from the scan path file of AM machine, based on the inverse manipulation of offsetting-clipping algorithm. For the part level, the 3D model from CAD is reconstructed into a voxel-based mesh, which is convenient for a part with complex geometry. The residual stress of a part is analysed under different preheat temperatures and different process parameters. These simulations imply the potential technique of reducing residual stress by the optimisation of process parameters, instead of the traditional way by increasing preheat temperature. Based on the FEM simulation platform above, two simulations at line level are also studied in this thesis, aiming at the relation between the AM process and part's final quality. These examples demonstrate the feasibility of using macroscopic simulations to improve the quality control during the AM process. In the first task, dataset of heating parameters and residual stress are generated by AM simulation. The correlation between them is studied by using some regression algorithm, such as artificial neural network. In the second task, a PID controller for power-temperature feedback loop is integrated into AM process simulation and the PID auto-tuning is numerically investigated instead of using AM machine. Both of the two tasks show the important role of AM macroscopic process simulation, which may replace or combine with the numerous trial and error of experiments in metal additive manufacturing.