Thèse ou mémoire avec insertion d'articles / L'un des principaux procédés de soudage de l'aluminum est le soudage à l'arc sous gaz et métal (GMAW). Le soudage MIG (Metal Inert Gas) est un procédé de soudage à l'arc sous gaz et métal (GMAW) qui utilise une électrode à fil solide continu. Ce procédé est une technique polyvalente adaptée aux composants en tôle mince et à section épaisse. Le soudage MIG est un processus qui joint les métaux en chauffant les métaux de base et d'électrode à leurs points de fusion avec un arc électrique. L'arc se situe entre un fil d'électrode consommable continu et le métal à souder. La présente thèse est une tentative pour faciliter la mise en œuvre de GMAW sur des matériaux de forte épaisseur. GMAW implique de nombreux paramètres de processus, tels que le courant d'arc, l'épaisseur de la pièce et la géométrie de soudage, le fil-électrode, le diameter de l'électrode de l'électrode, la vitesse d'alimentation, le type de gaz de protection, la vitesse de déplacement, l'angle du pistolet, la distance entre la soudure et la buse, ainsi que les alliages sélectionnés pour le fil-électrode. Les principaux résultats sont une pénétration complète (pénétration à la racine la racine et sur les côtés), respectant la résistance à la traction ultime (UTS) et ayant une distorsion minimale. L'équipement qui a été proposé pour le soudage MIG est la soudeuse Miller Auto-axcess 450 implantée sur un robot Fanuc R-2000iA. La méthode de Taguchi a été utilisée pour la conception d'expériences et des modèles de réseaux de neurones artificiels ont été entraînés pour l'analyse des résultats d'expériences et l'optimisation. Les logiciels NX Nastran et Simufact sont des solveurs par éléments finis (FE) qui ont été utilisés. Dans cette recherche, les paramètres de soudage ont été optimisés pour une pénétration complète, une résistance maximale à la limite ultime (UTS) respectant les normes et une distorsion minimale pour différentes épaisseurs de matériaux (6,35 mm, 9,525 mm, 12,7 mm, 19,05 mm et 25,4 mm). Les échantillons soudés étaient faits AA6061- T6 préparés avec gorge en V de 60 degrés pour un assemblage abouté. Les paramètres ont aussi été trouvés pour les soudures allant jusqu'à 25.4 mm de profondeur et utilisant les modes multi-passes. En conséquence, une optimisation des paramètres basée sur des échantillons expérimentaux et des modèles ANN a été trouvée pour le soudage à l'arc sous gaz avec le mode Accu-Pulse de AA6061-T6 pour quatre épaisseurs de soudage différentes, telles que 6.35, 12,7, 19,05 et 25,4 mm d'angle de biseau avec 60 degrés et différents écarts à la racine et le nombre de passes à la racine. Pour que le matériau le plus épais, 25,4 mm, ait moins de distorsion (25,4 mm d'épaisseur), la séquence de la soudure a été définie et une bonne pénétration a été obtenue. / One of the main processes for welding aluminum is gas metal arc welding (GMAW). Metal Inert Gas (MIG) welding is a gas metal arc welding (GMAW) process that uses a continuous solid wire electrode, and this process is a versatile technique suitable for both thin sheet and thick section components. MIG welding is a process that joins metals by heating the base and electrode metals to their melting points with an electric arc. The arc is formed between a continuous, consumable electrode wire and the metal being welded. The current thesis is an attempt to make GMAW implementation on thick material easier. GMAW involves many process parameters, such as arc current, work piece thickness and welding geometry, wire electrode, electrode thickness, feed rate, type of shielding gas, travel speed, gun angle, distance between the weld and nozzle. The main requirements of the joint are full penetration (root and side penetration), respecting Ultimate Tensile Strength (UTS), and having minimum distortion. The equipment that has been proposed for MIG welding is Miller AutoAxcess450 welding machine implemented on a Fanuc R-2000A robot. The Taguchi method was utilized to design the trials, and artificial neural network models were trained for the analysis and optimization of the outcomes. NX Nastran and Simufact software are finite element (FE) solvers that have been used to do simulation and compare the results with experiments. In this research, it has been shown that the optimized welding parameters have full penetration, maximum UTS, and minimum distortion for different thickness materials (6.35 mm, 9.525 mm, 12.7 mm, 19.05 mm, and 25.4 mm) of aluminum 6061 samples in V-groove butt joint configuration, with 60 degree for the first pass. The welding parameters for multi-passes of thick material up to 25.4 mm have also been found. Gas Metal Arc Welding with the Accu-Pulse mode has been found to be best for welding aluminum 6061 with bevel angles of 6.35, 12.7, 19.05, and 25.4 mm, as well as root gaps and root passes of different lengths and widths. For the thickest material, 25.4 mm, to have less distortion the sequence of the weld has been defined and well-penetrated has been achieved.

Titre de l'écran-titre (visionné le 1er novembre 2023) / Les performances du procédé de soudage à l'arc sous gaz métallique dépendent de nombreux paramètres et choisir les bons peut être complexe, même pour un expert. Généralement un ensemble de paramètres valide se trouve par essais et erreurs. Cette méthode nécessite donc beaucoup de temps et de matériel. Nous proposons ici d'utiliser des techniques d'apprentissage supervisé, pour aider les experts dans leur prise de décision. C'est dans cet objectif que nous avons d'abord créé un jeu de données à partir d'un historique de fiches de procédures de soudure numérisées. Ensuite, nous proposons un système de recommandation en deux parties. La première étape est dédiée à l'identification, par classification, du nombre de passes de soudure. La seconde indique les sept valeurs de paramètres restantes pour chaque passe : couche, ampérage, tension, vitesse de fil, fréquence, coupure et vitesse de soudage. Le système de recommandation est capable de fournir de bons résultats pour tous les différents paramètres mentionnés ci-dessus, même si les données sont bruitées en raison de la nature heuristique du processus des experts. Parmi les 11 algorithmes testés pour chaque partie, le meilleur modèle de classification est CatBoost avec 81,94% en score F1 pondéré. Les meilleurs modèles de régression sont, quant à eux, Extra Trees ou un algorithme de boosting, avec un pourcentage d'erreur absolu moyen dans les normes attendues. Ce système de recommandation est donc, pour les experts soudeurs, un outil de soutien leur permettant de gagner du temps et des ressources lors de l'étape de recherche des paramètres. Nous nous sommes appuyés sur différentes études, à la fois pour mettre en forme ce système de recommandation, mais aussi pour en analyser les limites. Premièrement, nous exposons les résultats obtenus sur la recommandation du nombre de passes en considérant ce sous-problème comme un problème de régression. Deuxièmement, en considérant des sous-ensembles de données, la conclusion suivante s'impose : regrouper les soudures par nombre total de passes ou par type de joint, ne permet pas de développer un système plus performant. En effet, le débalancement des observations, pour chaque passe, limite la phase d'apprentissage de nos modèles sur celles les plus élevées. De même, l'augmentation de la taille du jeu de données ne garantit pas l'amélioration des prédictions du nombre de passes. Cependant, elle suggère des perspectives intéressantes pour l'ampérage, le voltage, la vitesse de fil, la fréquence, la coupure et la vitesse de soudure. Troisièmement, notre modèle est comparé avec deux autres solutions de recommandations alternatives et nous introduisons la notion de chaleur transmise. Nous montrons qu'une suite de régressions en chaîne et que le calcul de la vitesse de soudure, à partir de la prédiction de la chaleur transmise, ne permet pas d'augmenter les performances du système. Pour terminer, une méthodologie est mise au point, afin de tester en contexte industriel notre système de recommandation. Nous échangeons des éléments à prendre en compte pour insérer cette expérience dans l'entreprise, sans entraver le travail des experts, et en récoltant des informations précises pour faire avancer la recherche. Dans ce but et pour compléter, nous proposons un prototype d'interface graphique qui intègre notre système de recommandations. / In gas metal arc welding, a weld quality and performance depends on many parameters. Selecting the right ones can be complex, even for an expert. One generally proceeds through trial and error to find a good set of parameters. Therefore, the current experts' method is not optimized and can require a lot of time and materials. We propose using supervised learning techniques to help experts in their decision-making. To that extent, we first created a dataset from a history of digitized welding procedure sheets. Then, a two-part recommendation system is proposed. The first step is dedicated to identify, through classification, the number of weld passes. The second one suggests the seven remaining parameter values for each pass: layer, amperage, voltage, wire feed rate, frequency offset, trimming and welding speed. After extracting data from historical Welding Procedure Specification forms, we tested 11 different supervised learning algorithms. The recommendation system is able to provide good results for all the different settings mentioned above even if the data is noisy due to the heuristic nature of the experts' process. The best classification model is CatBoost with an 81.94% F1-Weighted-Score and the best regression models are Extra Trees or a boosting algorithm with a reduced mean absolute percentage error compared to our baseline. This recommendation system is therefore, for expert welders, a support tool allowing them to save time and resources during the parameter research stage. We relied on various studies, both to shape this recommendation system, but also to analyze its limits. Firstly, we expose results obtained for the number of passes' recommendation considering this step as a regression problem. Secondly, by working on subsets of data, the following conclusion is obvious: grouping the welds by total number of passes or by type of joint does not make it possible to develop a more efficient system. Indeed, the imbalance of the observations of passes per weld limits the learning phase of our models on the highest ones. Similarly, increasing the dataset size does not guarantee improved pass count predictions but does suggest interesting insights for amperage, voltage, wire speed, frequency, trimming and welding speed. Thirdly, our model is compared with two other alternative solutions and we introduce the notion of heat input. We show that a series of chained regressors and the calculation of the welding speed, from the prediction of the heat input, does not make it possible to increase the performance of the system. Finally, a methodology is developed in order to test our recommendation system in an industrial context. We detail the aspects to be considered to insert this experience into the company without hindering the work of the experts while collecting precise information for further work. For this purpose, we also propose a graphical interface prototype that integrates the recommendation system.

Un nouveau procédé de fabrication additive de pièces métalliques, basé sur le procédé de soudage à l’arc appelé CMT (Cold Metal Transfert), est étudié dans l’objectif de réaliser des pièces en alliage d’aluminium Al-5Si. Un banc de fabrication additive basé sur le principe des imprimantes 3D open source, sur lequel a été intégré le procédé CMT, a été spécialement développé. Le procédé CMT permet de contrôler la fusion d’un fil d’aluminium et son dépôt sous la forme de gouttelettes sur la surface de construction, formant après solidification des « cordons » qui peuvent être superposés pour fabriquer des pièces. L’influence des paramètres du procédé sur les phénomènes de transfert de matière et de chaleur lors de la fusion du métal et de son dépôt sur la surface de construction, ainsi que sur les caractéristiques géométriques des cordons déposés, dans le cas de dépôts mono-cordon, puis dans le cas de murs formés par la superposition d’un grand nombre de cordons, est étudiée. Plusieurs défauts géométriques ont été observés, et les conditions de leur apparition analysées, grâce notamment à l’utilisation d’une caméra rapide. La compréhension des relations entre paramètres procédé, mécanismes de transfert de chaleur et de matière, et géométrie des cordons, a permis de corriger ces défauts en identifiant puis modifiant les paramètres procédé responsables de leur apparition. Enfin, une méthode de contrôle en ligne du procédé, basée sur l’analyse des signaux de tension et d’intensité produits par le générateur de soudage au cours du phénomène de dépôt, qui permet de détecter précocement l’apparition de défauts, et ainsi de modifier les paramètres procédé avant qu’ils ne s’amplifient, a été proposée. / A new additive manufacturing process for metallic parts, based on the arc welding process known as CMT (Cold Metal Transfer), is studied with the objective of building parts with the aluminium alloy Al5Si. A workbench for additive manufacturing based on the 3D printers open-source principle, on which the CMT generator was integrated, was specially developed. The CMT process allows to control the aluminium wire melting and its deposition under the form of droplets on the building surface, forming, after solidification, beads that can be superposed for the parts construction. The process parameters influence on the material transfer and heat transfer during the metal melting and deposition on the build surface, as well as on the geometric characteristics of the deposed beads, in the case of mono-layer deposits, and in the case of multi-layer walls, is studied. Many geometric defects were observed, and their apparition conditions analysed, thanks in particular to the use of a high-speed camera. The understanding of the relations between the process parameters, the melting and heat transfer mechanisms, and the beads geometry, allowed the defects correction by identifying and modifying the process parameters responsible of their apparition. Finally, an on-line control method for the process, based on the analysis of the voltage and current signals produced by the welding generator during the deposition phenomena, making possible the early detection of defects, and then the modification of the process parameters before they are amplified, has been proposed.