OPTIMISATION DES CONDITIONS DE COUPE EN UTILISANT LE CALCUL EVOLUTIONNAIRE

Abstract

Dans ce travail, une nouvelle technique évolutionnaire, l’optimisation par essaim de particules, est introduit pour la résolution du problème d’optimisation des conditions de coupe. En étudiant les différentes méthodes de résolution des problèmes d’optimisation multiobjectif non-Pareto, l’approche d’agrégation des objectifs montre une très bonne efficacité avec une simplicité d’application. Cette méthode est parue la plus adéquate pour notre situation de problème. Afin de minimiser le temps et le coût de production simultanément, sous un ensemble de contraintes qui présente globalement les plus importants paramètres à satisfaire, nous avons utilisé les deux variantes de l’algorithme à essaim de particules : standard (PSO) et avec rassemblement passif (PSOPC). Implémentées et appliquées sur une opération de tournage, ces deux variantes ont diminué avec efficacité le temps et le coût de réalisation d’une opération de chariotage (tournage) dans un temps de calcul très réduit. Nous pouvons dire que les algorithmes à essaim de particules ont apporté une nette amélioration à la résolution des problèmes d’optimisation non-linéaire avec une très bonne convergence. In this work, a new evolutionary technique, particle swarm optimization, is introduced for the resolution of the problem of cutting conditions optimization. By studying the various methods of resolution of the multi-criterion optimization problems, the aggregation of objectives approach shows a very good efficient with a simplicity of application. This method is appeared most adequate for our problem situation. In order to minimize the production rate and the production cost simultaneously, under a set of constraints which presents the most significant parameters to be satisfied, we used the two variants of the particle swarm algorithm: standard (PSO) and with passive congregation (PSOPC). Implemented and applied to a turning operation, these two variants efficiently decreased the production rate and the production cost of realization of a turning operation in a much reduced computing time. We can say that the particle swarm algorithms give clear improvement to the resolution of the non-linear optimization problems with a very good convergence.