Browsing by Author "SOUAIDI, Chaima"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Effet de la microlubrification (MQL) sur les paramètres technologiques d’usinage des pièces avec et sans traitement thermique
    (Université Badji Mokhtar Annaba, 2026-07-01) SOUAIDI, Chaima
    La lubrification par quantité minimale (MQL) s’affirme comme une solution durable qui améliore notablement l’usinabilité, la qualité de finition et la productivité par rapport à l’usinage à sec. En limitant les volumes de fluide de coupe et les coûts opérationnels, le MQL contribue également à réduire l’impact environnemental des opérations d’usinage. Cette étude évalue l’impact des deux stratégies de lubrification durable (usinage à sec et MQL) sur les performances de coupe lors du tournage de l’acier AISI 52100, en comparant les états avec et sans traitement thermique. D’une part, une étude comparative a été menée entre l’usinage à sec et le MQL lors du tournage de l’acier AISI 52100 avec des plaquettes en carbure métallique revêtues CVD (GC-2015). Des essais paramétriques ont été réalisés pour évaluer l’influence de (Vc, f et ap) sur les performances en termes d’usure d’outil, d’effort de coupe, de rugosité de surface, de consommation d'énergie et de température de coupe. Par la suite, un plan d’expériences Taguchi L9 (33) a été appliqué afin d’effectuer une analyse statistique basée sur l’ANOVA et de modéliser les performances (Ra, Fz, Pc, Kc et MRR) à l’aide de la méthode (MDR). Enfin, une optimisation multicritère a été réalisée via la fonction (DF) et plusieurs méthodes MCDM associées au rapport (S/B) de Taguchi (GRA, EAMR, FUCA, EDAS). D’autre part, une étude comparative a été menée afin d’identifier la combinaison optimale des paramètres de coupe (Vc, f, ap et mode de lubrification) pour le tournage d’un acier AISI 52100 trempé (60 HRC) avec des plaquettes en céramique mixte CC-650. Les réponses de performance ont été modélisées et prédites à partir d’un plan Taguchi mixte L18 (33,12), en appliquant la méthode (MSR) et une analyse de la variance (ANOVA) pour extraire des modèles mathématiques pertinents. L’optimisation s’est déroulée en trois étapes à la base du rapport (S/B) ; optimisation mono-objectif pour chaque critère puis optimisation multi-objectif via trois approches innovantes (Probabilité, RAM, RAWEC) couplées à différentes pondérations (Égal, LOPCOW, CRITIC) afin d’identifier les compromis entre critères contradictoires, et validation et comparaison des solutions optimales à l’aide des coefficients de corrélation de Spearman et Pearson, suivies de l’agrégation des classements par la méthode de Borda pour aboutir à une décision finale robuste.