Thèse : Prédiction de paramètres de soudage laser par apprentissage automatique

Résumé :

Le soudage laser offre des avantages majeurs en qualité, vitesse et automatisation, d’où sa large adoption dans l’industrie. Cependant, sa complexité physique et ses nombreux paramètres le rendent difficile à maîtriser. IREPA LASER, partenaire industriel, se demande si l’Intelligence Artificielle (IA) peut réduire le temps d’optimisation des paramètres de soudage d’une semaine à quelques jours.
Cette thèse est centrée sur l’intégration de l’IA en pré-processus. Un jeu de données, couvrant 5 matériaux, est utilisé pour son entraînement afin de prédire la pénétration des soudures à partir des paramètres. Pour surmonter les limites découvertes (faible précision de prédiction sur un matériau inconnu), une modélisation hybride est proposée : un modèle empirique inspiré de Suder réduit l’espace des paramètres, tandis qu’une IA sélectionne les meilleurs candidats. Testé en conditions réelles, son utilisation a permis l’obtention de soudures proches de celle souhaitée en quelques secondes.