Prédire la microstructure des aciers grâce à la modélisation

Le projet PREDICSTRUCT est une initiative de l’institut technologique CTIF. Il vise à associer la simulation de la microstructure et l’intelligence artificielle (de type « machine learning »). Outil dédié à la métallurgie numérique, il accompagnera les industriels du secteur en les aidant à prédire le comportement de la microstructure des aciers, soumis à des contraintes.

Techniques de l’Ingénieur : Quelles sont les finalités du développement du logiciel PREDICSTRUCT ?

Ludovic Diez-Jahier : Ce sujet s’inscrit dans le prolongement de recherches sur un logiciel capable de simuler la microstructure d’un métal en prenant en compte les paramètres de fabrication.

Les objectifs du développement sont :

• Développer l’approche de la métallurgie numérique au CTIF.
• Trouver une corrélation entre les résultats du logiciel et ceux obtenus expérimentalement.
• Développer l’ajout du machine learning dans le projet à partir de données expérimentales et logiciels afin de prédire les propriétés mécaniques.

Quels sont les verrous technologiques persistants ?

Les transformations à l’état solide restent encore difficiles à prédire. Ces transformations dépendent d’énormément de paramètres : forme de la pièce, vitesse de refroidissement, …. Néanmoins des premiers moyens de prédiction des changements de phases dans le métal à l’état d’équilibre commencent à être disponibles.

Quels sont les enjeux du développement des modélisations pour l’ensemble de l’industrie ?

Les propriétés mécaniques des pièces dépendent directement de la microstructure de celle-ci. La prédiction de la microstructure selon les paramètres de fabrication permettra d’optimiser ces paramètres pour obtenir la microstructure la plus optimum tout en diminuant les coûts de conception et de développement d’une pièce (fabrication de prototype, contrôle sur la pièce,…).

Dans le cas des pièces de fonderie nous étudions l’influence de plusieurs paramètres notamment celui du type de sable, de l’emplacement des refroidisseurs, de la température de coulée et bien d’autres paramètres.

Quelles sont les technologies qui viennent s’associer aux développements logiciels pour les rendre plus performants ?

Pour améliorer la prédiction des microstructures nous souhaiterions à terme y associer le logiciel Thermo-Calc qui permet d’apporter des données thermodynamiques et du machine learning pour améliorer la prédiction.

Propos recueillis par Pierre Thouverez.