Le groupe Bosch réduit les coûts et le temps de calibrage grâce à ODYSSEE CAE

Le groupe Bosch est une multinationale leader dans le domaine de la technologie et des services. Il réalise un chiffre d’affaires de 88,2 milliards d’euros et compte 421 300 collaborateurs à l’échelle mondiale. Avec des produits et des services innovants et inspirants, Bosch améliore la qualité de vie des personnes dans le monde entier. Grâce à ses 468 filiales et sociétés régionales, Bosch est présent dans plus de 60 pays.

Les activités de l’entreprise sont réparties en quatre divisions : Solutions pour la Mobilité, Technique industrielle, Biens de Consommation et Techniques pour les Énergies et les Bâtiments. Son objectif stratégique est de créer des solutions et des produits pour une vie connectée qui intègrent l’intelligence artificielle (IA) directement ou par le biais du développement ou de la fabrication.

Opérant au sein d’un réseau mondial, Bosch Research réalise des innovations pour les secteurs d’activité de Bosch. L’entreprise utilise des composants en plastique dans toutes ses domaines, entre autres pour les roues dentées des vélos électriques ou les robots tondeuses. Un projet récent de Bosch Research s’est concentré sur l’industrialisation des méthodes d’ingénierie pour la conception virtuelle de plastique moulé par injection. Bosch a chargé sa division R&D centrale de créer des workflows de simulation réalistes que toutes les équipes d’ingénierie dans le monde entier peuvent facilement utiliser.

La cristallisation des thermoplastiques semi-cristallins complique la simulation du retrait et de la déformation

Dans la phase de conception traditionnelle des différents départements d’ingénierie, la simulation est utilisée pour prédire l’impact des paramètres de conception tels que l’emplacement de la porte et les paramètres de processus, comme la température du moule sur la pression d’injection et la déformation après le moulage.

En ce qui concerne les matériaux polymères, Bosch utilise principalement des thermoplastiques d’ingénierie de haute performance, dont la plupart sont semi-cristallins. Lors du moulage par injection des thermoplastiques semi-cristallins, une cristallisation induite par écoulement a lieu et influence la viscosité et la solidification du matériau pendant le traitement. Ce comportement est crucial car il a un impact sur le besoin de pression pendant le processus de moulage par injection ainsi que sur le retrait et la déformation de la pièce finale.

Le type de cristallisation qui se produit pendant le moulage par injection est complexe et difficile à modéliser mathématiquement. En outre, les modèles disponibles dans le logiciel de moulage par injection sont difficiles à étalonner de manière expérimentale et comportent de nombreuses variables qui sont coûteuses à identifier pour les différents matériaux. Cependant, à des fins de conception, les ingénieurs ont besoin d’un moyen de simuler des matériaux semi-cristallins sans simplification excessive de la cristallisation.

Étant donné que la négligence ou la simplification du phénomène de cristallisation a un impact sur les résultats de la simulation, l’équipe de Bosch Research souhaitait parfaire l’approche et obtenir un cadre de simulation plus fiable pour les thermoplastiques semi-cristallins.

Mise en œuvre d’un modèle de cristallisation induite par écoulement dans la simulation du moulage par injection

Une façon d’améliorer la précision de l’ingénierie virtuelle pour les pièces thermoplastiques semi-cristallines consiste à intégrer un modèle de cristallisation dans les logiciels de simulation de moulage par injection. L’un des défis est qu’un tel modèle doit pouvoir décrire le processus de cristallisation dans les conditions thermomécaniques du procédé de moulage par injection, qui présente des vitesses élevées en termes de refroidissement (jusqu’à des centaines de K/s) et de cisaillement (jusqu’à plusieurs milliers de s^-1). En particulier, les conditions de déformation de la masse fondue ont des effets non négligeables sur la cinétique de cristallisation d’un polymère semi-cristallin. Ce phénomène est appelé cristallisation induite par écoulement.

À ce stade, nous avons dû choisir entre deux types d’approche de modélisation : Un modèle phénoménologique décrivant la nucléation et la croissance de la phase cristalline, ou un modèle thermomécanique développé dans le cadre de matériaux standards généralisés. La première approche de modélisation est bien établie au sein de la communauté de recherche, mais implique une identification coûteuse et chronophage des paramètres. En outre, l’inclusion de l’effet de la cristallisation induite par écoulement augmente le nombre de paramètres de matériau, et l’identification de ces paramètres est effectuée dans des conditions éloignées des conditions réelles de moulage par injection. La deuxième approche de modélisation, fondée sur la thermodynamique irréversible, est plus exotique au sein de la communauté de recherche sur le traitement des polymères, mais présente quelques avantages par rapport à l’approche phénoménologique : Elle inclut intrinsèquement l’effet de la cristallisation induite par écoulement et présente un nombre considérablement inférieur de paramètres dépendants du matériau.

Compte tenu des raisons précédentes, nous avons décidé d’intégrer le modèle thermomécanique comme routine définie par l’utilisateur dans un logiciel commercial pour la simulation du moulage par injection. La mise en œuvre inclut également un nouveau terme dans l’équation énergétique qui tient compte de la chaleur latente de la cristallisation ainsi que des modèles dépendants de la cristallisation pour la viscosité, la densité (ou PVT) et la solidification. À ce stade, la tâche consistait à établir une méthode fiable pour l’identification des paramètres dépendants du matériau. ODYSSEE est intervenu ici pour réaliser cette tâche de manière intelligente.

Modèles de substitution précis pour l’identification des paramètres

Comme mentionné précédemment, la cristallisation induite par écoulement dans le moulage par injection se produit dans des conditions thermomécaniques extrêmement difficiles à recréer, même avec un équipement de caractérisation des matériaux très avancé. Pour surmonter cet obstacle, notre équipe de R&D avait prévu d’identifier les paramètres à l’aide de données acquises directement à partir d’essais de moulage par injection. Concrètement, nous avons proposé d’utiliser les signaux de pression dans le moule comme descripteur indirect du phénomène de cristallisation et les données de référence pour le calibrage des modèles intégrés.

Le calibrage d’un paramètre est essentiellement un problème d’optimisation réalisé sur une fonction mathématique. La tâche consiste à trouver les valeurs des variables d’entrée qui limitent l’erreur entre le résultat de la fonction et une référence de ce résultat. En général, des expériences ou approches de modèle alternatives permettent de le faire. Dans le présent cas, la fonction est le modèle de simulation haute fidélité avec des implémentations définies par l’utilisateur. Les variables d’entrée sont les paramètres de matériau inconnus du modèle de cristallisation induite par écoulement. Les résultats sont les signaux de pression dans le moule calculés aux emplacements des capteurs. La référence est le signal de pression réel acquis par les capteurs de moule.

Les algorithmes d’optimisation nécessitent normalement l’évaluation répétée de la fonction dans une boucle pour atteindre un minimum ou maximum local acceptable. En revanche, le nombre d’itérations requises augmente considérablement avec le nombre de variables indépendantes à optimiser. Le problème à ce stade est que notre simulation de moulage par injection haute fidélité est une fonction coûteuse sur le plan informatique, qui nécessite des minutes (voire des heures) pour générer un résultat. L’optimisation pourrait donc facilement devenir un processus extrêmement chronophage. C’est ici qu’intervient ODYSSEE CAE. Fondamentalement, ODYSSEE nous permet de générer des modèles de substitution (ou métamodèles) capables d’émuler les résultats de la simulation haute fidélité, mais avec un coût de calcul nettement plus bas. À la place de la simulation haute fidélité, nous pouvons utiliser ces modèles de substitution dans la routine d’optimisation et identifier les paramètres matériels du modèle de cristallisation induite par écoulement en quelques secondes.

La valeur ajoutée d’ODYSSEE est le workflow fluide et fiable pour générer des modèles de substitution basés sur des données d’entrée/sortie (E/S). Dans le présent cas, ODYSSEE fournit même des outils pour créer un plan d’expérience (DoE) adapté, qui constitue la base de l’échantillonnage des données de sortie en évaluant la simulation haute fidélité dans l’espace des variables d’entrée. La génération de modèles de substitution est en principe un problème d’apprentissage automatique supervisé qu’’ODYSSEE a mis en œuvre en utilisant la technique classique de division des données E/S en ensembles de données de formation et de validation pour évaluer la performance du modèle de substitution. Une fois les données d’entrée/de sortie chargées dans ODYSSEE, le logiciel permet de comparer toutes les approches de modélisation de substitution, y compris les modèles d’ordre réduit (ROM) et les méthodes d’interpolation avancées. Cela facilite la sélection de la technique de modélisation de substitution la plus pertinente.

Enfin, en utilisant les signaux de pression réels acquis par les capteurs de moule comme cible, nous pouvons également exécuter une optimisation dans ODYSSEE à l’aide des modèles de substitution créés précédemment. Il est intéressant de noter qu’avec l’aide de l’équipe Hexagon, nous avons pu personnaliser l’algorithme d’optimisation pour cette application d’identification des données de matériaux. Comme les paramètres dépendants du matériau ont été identifiés au niveau du modèle de substitution, nous pouvons désormais les utiliser au niveau de la simulation haute fidélité pour calculer toute autre géométrie avec le même matériau. La figure ci-dessus montre l’amélioration de la précision dans l’estimation de la pression de la simulation haute fidélité avec modèle de cristallisation (calibré avec ODYSSEE) par rapport à la simulation haute fidélité par défaut (sans modèle de cristallisation). L’erreur moyenne quadrique doit être égale à zéro pour la plus haute précision, tandis que le coefficient de détermination doit tendre vers 1 lorsque la précision augmente.

Figure 1 : Performance du modèle de cristallisation par défaut vs calibré (optimisation) dans l’estimation de la pression de la simulation de moulage par injection haute fidélité

L’identification des paramètres basée sur le métamodèle réduit le temps et les coûts de développement

En utilisant l’optimisation du métamodèle ODYSSEE, nous avons trouvé une méthode intelligente pour identifier les paramètres dépendants du matériau à partir des données acquises dans des conditions réelles de moulage par injection. Ce calibrage efficace des paramètres joue un rôle important dans le déploiement de notre modèle de cristallisation induite par écoulement au sein d’un logiciel industriel de simulation de moulage par injection haute fidélité. Ce faisant, nous améliorons nettement l’estimation des besoins en pression et de la déformation dans la simulation du moulage par injection.

Cette nouvelle approche d’identification des paramètres a permis à l’entreprise d’économiser du temps et de l’argent. Le remplacement de la méthode traditionnelle de caractérisation et d’identification des matériaux par l’approche innovante du calibrage centré sur les données du processus réel à l’aide d’un métamodèle, réduit le temps de traitement de 90 % et les coûts de 60 %. En tenant compte du modèle de cristallisation induite par écoulement dans la simulation de moulage par injection, Bosch s’attend à réduire considérablement les problèmes liés aux pièces trop courtes ou au remplissage incomplet des moules dans l’atelier de fabrication.

À l’aide de cette simulation de processus améliorée, les départements d’ingénierie seront en mesure d’ajuster leurs géométries de conception avec plus d’assurance et/ou de définir plus précisément les exigences de pression de la machine pour éviter des récursions de moule coûteuses et chronophages ou des procédures d’essai et d’erreur dans l’atelier de fabrication. En bref, Bosch vise à réduire le temps de développement des pièces moulées par injection en rendant la phase de conception virtuelle plus efficace et plus précise.

Une interface conviviale facilite l’industrialisation

Pour garantir un déploiement industriel de l’identification des paramètres basée sur le métamodèle, nous avons besoin de logiciels faciles à utiliser. ODYSSEE est un bon choix dans notre workflow, car cette solution dispose d’une interface conviviale pour le chargement de données, la formation et l’évaluation de différentes approches de modélisation de substitution de même que pour l’exécution de cycles d’optimisation.

Après avoir validé le concept d’identification des paramètres basée sur un métamodèle avec un matériau en polyoxyméthylène, nous avons mis en place un workflow industriel pour assurer le calibrage de tout autre matériau thermoplastique semi-cristallin. Cela permet d’établir une structure industrielle qui fournit efficacement des données sur les matériaux à l’ensemble des départements d’ingénierie des plastiques du groupe Bosch dans le monde entier.

Le déploiement industriel de la simulation haute fidélité avec le modèle de cristallisation induite par écoulement est illustré sur la figure 2. Les 3 premières étapes correspondent à l’identification des paramètres de matériau assistée par ODYSSEE. Ces étapes ont lieu au sein de Bosch Research (division R&D centrale) pour tous les nouveaux matériaux. Dans cette phase hors ligne, nous obtenons essentiellement des cartes de matériaux pour notre modèle de cristallisation induite par écoulement, qui sont ensuite mises à la disposition de tous les ingénieurs de simulation du groupe Bosch.

L’étape 4 représente essentiellement la simulation quotidienne du moulage par injection, y compris la cristallisation induite par écoulement. Elle nécessite des cartes de matériaux identifiées avec ODYSSEE. Pour les ingénieurs de simulation au sein des différentes divisions de Bosch, l’effort supplémentaire se limite à l’activation de l’API solveur définie par l’utilisateur et au chargement de la carte de matériau correspondante. Quelques clics supplémentaires suffisent pour bénéficier d’une estimation plus fiable de l’évolution de la pression et de la déformation finale dans le moulage par injection.

Figure 2 : Du concept à l’industrialisation – simulation de moulage par injection avec modèle de cristallisation induite par écoulement chez Bosch

Ce cas réussi d’optimisation basée sur des métamodèles est une pierre angulaire pour étendre l’application de ces techniques à d’autres processus de recherche. Bosch a établi une référence montrant que l’entreprise recherche de nouveaux domaines d’application où l’utilisation de modèles de substitution, de l’apprentissage automatique et de l’intelligence artificielle offre un avantage en matière d’ingénierie.