CosiMo démontre un RTM thermoplastique intelligent avancé pour la simulation de couvercle de boîte de batterie

Le projet « composites for sustainable mobility » (CosiMo) a été lancé en 2018 par Faurecia Clean Mobility (Nanterre, France) pour développer un procédé intelligent de moulage par transfert de résine (RTM) thermoplastique utilisant un réseau de capteurs complet incluant les données d'un moule intelligent ainsi que les données machine d'une machine d'injection et d'une presse chaude. Le projet s'achèvera fin 2021 et les partenaires de CosiMo ont acquis connaissances et expérience en matière de contrôle en boucle fermée combinant données capteurs en temps réel, paramètres matériaux issus de données laboratoire et données de simulation. CosiMo est financé par le ministère bavarois de l'économie, du développement régional et de l'énergie dans le programme Campus Carbon 4.0.

Pièce de démonstration et matériaux

La pièce de démonstration, mesurant 1100 mm de long et 530 mm de large, a été conçue par le centre de recherche de Faurecia Clean Mobility à Augsbourg, Allemagne. L'objectif était d'explorer les limites matériaux et procédés, incluant noyau métal et mousse, géométrie complexe, divers rayons et épaisseurs variant de 2,5 à 10 mm. Des nappes de fibres de verre non-tissées jusqu'à 1000 g/m² ont été fournies par l'Institut de technologie textile (ITA) d'Augsbourg. Des nappes de fibres de verre sans ondulation (NCF) et des bandes unidirectionnelles de fibre de carbone pour renforcement local ont également été étudiées. Les matériaux en fibres de verre permettent l'utilisation de fibres recyclées issues de pièces composites en fin de vie (EOL).

Procédé T-RTM et équipement

Basé sur la conception de pièce par Faurecia Clean Mobility et l'outil de préformage fabriqué à Augsbourg, le procédé T-RTM dans CosiMo a utilisé une machine d'injection 3K (trois composants) de KraussMaffei (Munich, Allemagne). Ce procédé dérive d'un procédé 2K breveté par Tecnalia (Saint-Sébastien, Espagne) qui avait été démontré par KraussMaffei au salon K 2016 à Düsseldorf, Allemagne. La machine d'injection 3K a été couplée à une presse chaude de 4400 kN de Wickert (Landau in der Pfalz, Allemagne) dans laquelle un moule RTM en acier était installé. Le moule RTM a été fabriqué par Siebenwurst à Dietfurt, Allemagne.

L'objectif principal du projet était d'étudier l'automatisation complète et le contrôle de procédé basé sur capteurs pour un procédé T-RTM en une seule étape utilisant un moule RTM instrumenté et une presse chaude. Environ 100 pièces de démonstration ont été fabriquées dans ce projet par le Centre aérospatial allemand (DLR) Centre des technologies de production légère (ZLP, Augsbourg). « Ces pièces, réalisées avec divers renforcements, étaient de haute qualité et ont démontré une grande reproductibilité », déclare Jan Faber, chef de projet fabrication chez DLR ZLP.

Réseau de capteurs

Plus de 70 capteurs ont été intégrés dans l'outillage RTM en acier pour surveiller les paramètres de procédé pendant l'injection de résine et la polymérisation in-situ. Ce réseau comprenait divers capteurs : capteurs combinés pression/température de Kistler (Winterthour, Suisse), capteurs diélectriques de Netzsch (Selb, Allemagne) et capteurs ultrasonores développés par l'Université d'Augsbourg. Ces derniers sont basés sur les concepts de capteurs piézoélectriques commerciaux largement utilisés, mais modifiés pour les hautes températures et les exigences d'intégration en moule du traitement des composites thermoplastiques. Les données matériaux, procédé et machine étaient collectées, traitées puis publiées sur la plateforme d'apprentissage automatique par un système central d'acquisition de données fourni par iba AG (Fürth, Allemagne).

Simulation et optimisation du procédé

Le réseau de capteurs a permis de surveiller l'écoulement de la résine et la polymérisation, ainsi que le suivi des paramètres de la pièce dans la géométrie complexe de l'outillage. Les paramètres de procédé tels que température et pression ont été utilisés pour analyser en temps réel le remplissage de la résine et le comportement de polymérisation.

Les données des paramètres de procédé issues des capteurs ont également servi à optimiser les modèles de simulation de procédé. Basé sur un démonstrateur de fabrication prédéfini, les sous-procédés de la fabrication de la pièce (ex: simulation de remplissage de résine) et les caractéristiques du composant polymérisé (ex: simulation de distortion) ont été modélisés avec le logiciel ESI PAM composites (ESI Group, Rungis, France). DLR ZLP a comparé ces résultats de simulation avec les données réelles de procédé pour optimiser le procédé T-RTM, dans le cadre des activités du Workpackage HP3.

Le projet a ensuite développé un contrôle de procédé automatisé et piloté par données de simulation basé sur des méthodes d'apprentissage automatique. L'Institut d'ingénierie logicielle et systèmes (ISSE, prof. Reif) de l'Université d'Augsbourg a généré des données d'entraînement pour l'apprentissage automatique et développé des modèles d'intelligence artificielle (IA) prédisant l'état de polymérisation, le temps requis pour la polymérisation, et les problèmes potentiels pendant les sous-procédés d'injection, remplissage et polymérisation de la résine. Cela a été réalisé en coopération avec Kuka (Augsbourg, Allemagne), autre partenaire clé du projet.

Un modèle cinétique décrivant la progression de la polymérisation a été développé par l'Institut de gestion des ressources matérielles (MRM) de l'Université d'Augsbourg. Netzsch a également été un collaborateur clé, transposant sa connaissance de la surveillance de procédé pour thermodurcissables vers la surveillance de procédé pour thermoplastiques pour aider à établir la capacité des modèles prédictifs d'IA à prédire à quel moment la polymérisation du PA6 devrait être terminée et quel serait l'état de polymérisation.

Fabrication et essais des pièces

Pour la production des pièces, l'outillage en acier était chauffé à 170°C et les composants réactifs de résine caprolactame étaient chauffés à 120°C. Le préformé était placé dans le moule, qui était ensuite fermé. Après un court temps de maintien pour permettre au préformé d'atteindre la température du moule, le monomère caprolactame était injecté, ce qui prenait 20-25 secondes. La simulation de procédé montrait que la polymérisation in-situ nécessitait 5,7 minutes après injection pour une conversion de 98,5%. Après ce temps, la presse était ouverte et la pièce démoulée à 170°C.

Le degré de polymérisation a été confirmé par spectroscopie infrarouge, données rhéométriques et analyse de polymérisation par capteurs DEA. Les pièces finies ont été évaluées par essais non destructifs incluant microscopie, thermographie et ultrasons à couplage aérien. La qualité des pièces a été corrélée avec les données des capteurs de procédé et comparée à des pièces similaires en fibres de verre/thermoplastique sur le marché.

Développements futurs

Pour DLR ZLP, selon Faber, ce projet a été un succès. « Nous avons achevé notre part et développé beaucoup de connaissances sur l'utilisation de capteurs pour atteindre un contrôle en boucle fermée entièrement numérique du traitement des composites », dit-il. « Pour la production en série industrielle, personne n'installerait autant de capteurs et ce n'est pas ce que nous attendrions. Mais pour cette investigation de recherche, ce grand réseau de capteurs était très précis et nous a permis d'avoir une visibilité complète sur le comportement du procédé et des matériaux. Nous pouvions voir les effets locaux dans le procédé en réponse aux variations d'épaisseur de pièce ou aux matériaux intégrés, comme le noyau en mousse. »

Il note que ce projet a généré beaucoup de connaissances et voit un potentiel futur pour l'appliquer aux procédés RTM et d'infusion plus lents, où le risque de problèmes de qualité des pièces a historiquement été très élevé. Faber présentera également les développements et résultats du projet CosiMo dans « Sensor-based process monitoring of in-situ polymerization in T-RTM manufacturing with caprolactam » le mercredi 29 septembre lors de l'événement live et virtuel, conférence SAMPE Europe 21, Session 1, Salle 1 – Automobile.

DLR ZLP est également l'un des trois partenaires clés du Réseau de production IA d'Augsbourg – fondé en janvier 2021 – qui rassemble également l'Université d'Augsbourg et l'Institut Fraunhofer pour la technologie de fonderie, composites et traitement (Fraunhofer IGCV). Comme l'explique le Dr Markus Sause, directeur du Réseau de production IA et également chercheur du projet CosiMo développant des capteurs ultrasonores : « Nous allons étendre ce modèle de collaboration mis en lumière dans le projet CosiMo à une échelle bien plus large, en développant des technologies IA pour la production avec un fort focus sur les composites. Notre nouvelle installation de 5000 m² à Augsbourg sera ouverte en 2022 et équipée d'une variété de machines tout au long de l'année prochaine, permettant aux entreprises de voir des démonstrations de ce que l'IA peut faire pour de vrais procédés en environnement de production. »

Faurecia Clean Mobility, de son côté, étendra en interne les connaissances acquises sur le projet CosiMo, qui est pleinement aligné avec la stratégie de durabilité et la transition écologique de Faurecia. Faurecia remercierait également le ministère fédéral bavarois de l'économie, du développement régional et de l'énergie, qui a financièrement soutenu ce projet de recherche.