Les alliages d’aluminium sont énormément utilisés dans les domaines de l’industrie navale et aéronautique en raison de leurs propriétés spécifiques remarquables. Cependant pour la fabrication des pièces, il est souvent nécessaire d’effectuer des opérations de mise en forme par déformation plastique, comme le laminage et le roulage, et des opérations d’usinage. Durant ce processus, d’importantes charges mécaniques et thermiques sont appliquées sur le matériau, ce qui introduit un champ de contraintes résiduelles (CR) significatif [1-3]. Lors des opérations d’usinage, une partie des contraintes résiduelles sont libérées conduisant (par rééquilibrage) des déformations de pièce non souhaitées. La prédiction de ces déformations n’est pas simple, car elle dépend du champ de contraintes introduit (et donc de l’historique des charges mécaniques et thermiques), des propriétés du matériau et du balançage des zones usinées dans la pièce brute [4]. Toutes ces données d’entrées ne sont pas facilement connues, voire pour certaines impossibles à connaitre. La maitrise de la déformée finale est donc une problématique technologique et scientifique avérée.
La connaissance du champ de CR avant usinage, est un point important pour la prédiction des déformations finales. L’approche classique est de réaliser des simulations numériques des différentes opérations de fabrication, avec leur variabilités process. En mesurant, les données d’entrée lors de la fabrication, il est alors possible d’estimer le champ de CR. La limite de cette approche est qu’il est souvent difficile de mesurer les données d’entrée de la simulation lors de la fabrication (par exemple, le coefficient de frottement outillage/pièce. Une autre approche, basée sur l’analyse des data process, est aussi possible. Elle consiste par corrélation des données procédés avec les résultats obtenus de mettre en place un modèle prédictif. Ce type d’approche, très originale, permet de modéliser facilement les opérations de fabrication complexes, mais ces modèles ne comportent aucun modèle physique exprimer explicitement, ce qui peut poser des problèmes de stabilité. Une approche hybride permet de concilier au mieux les avantages de ces deux méthodes.
