Dans le domaine de la galvanisation continue de tôles minces pour l'industrie sidérurgique automobile, le contrôle précis de la couche de zinc revêt une importance capitale. Au cœur du processus de galvanisation continue se trouve le pot ou bain de zinc, un élément essentiel pour assurer une production fluide tout en maîtrisant les coûts.
Cette présentation explique l'utilisation du système d'entrefer de Clecim (Dynawipe), indispensable pour contrôler et réguler l'épaisseur et l'uniformité du revêtement sur toute la largeur et la longueur des bandes d'acier minces. Ce procédé répond au défi permanent d'optimiser la protection contre la corrosion et de minimiser la consommation de zinc ; il s'inscrit également dans la tendance de l'Industrie 4.0 à enregistrer, analyser et modéliser les processus physiques pour améliorer les performances des clients.
Cette présentation montre comment JMP a été utilisé, étape par étape, pour créer une carte de pression en fonction de divers paramètres à des fins de comparaison avec la modélisation par éléments finis. Le principal défi que nous avons relevé était la détermination précise du pic de pression maximal. Notre approche consiste à enregistrer les données, à modéliser la pression à l'aide d'une courbe gaussienne (plateforme Fit Curve), à exporter les paramètres, à les modéliser en fonction des paramètres du procédé à l'aide de Fit Model, puis à produire un graphique animé à l'aide de Graph Builder.
Bonjour, je m'appelle Stéphane Gouttebroze, et je vais vous présenter ce document intitulé Zinc Coating Excellence: Leveraging JMP for Accurate Pressure Control and Thermodynamic Modeling. Voici le contenu de ma présentation. Tout d'abord, une courte introduction sur Clecim. Ensuite, je parlerai du contexte et du dispositif expérimental. Après, je ferai une courte démonstration de saut, et je terminerai par quelques conclusions. Clecim, qui sommes-nous ? Nous sommes un intégrateur français d'équipements pour l'industrie sidérurgique mondiale. Nous sommes situés en France, près de Lyon, à Montbrison.
L'entreprise a 100 ans et nous employons environ 200 personnes. Nous disposons d'un bureau d'études, d'un atelier, d'un service d'installation et de mise en service sur site. Les principales activités de Clecim sont la fourniture de machines individuelles ainsi que de lignes de production complètes telles que des lignes de décapage, de recuit, de galvanisation, de peinture, etc. Clecim est également en mesure de fournir des services tels que des pièces de rechange ou de la maintenance.
Nous disposons également d'un département de conseil qui peut apporter une expertise et des audits de processus à nos clients. Les exemples d'installation sont les suivants. Par exemple, des laminoirs à chaud ou à froid, des lignes de planage, des systèmes d'inspection de surface pour la qualité des bandes, des soudeuses laser et bien d'autres encore.
Au bas de cette diapositive, vous pouvez voir un exemple de ligne de galvanisation dédiée au marché automobile. La longueur de cette ligne d'ici à ici est d'environ 500 mètres et la hauteur approximative est de 35 mètres. Dans les diapositives suivantes, nous nous concentrerons sur cette zone, qui est la zone des cuves de zinc.
Concernant le contexte et le dispositif expérimental, nous sommes dans la zone du pot de zinc, et là vous avez un bain de zinc liquide. Ici vous devez imaginer une bande qui sort d'un four ici, qui entre dans le bain de zinc et qui ressort après avoir été recouverte de zinc dans ce zinc liquide. La bande est en mouvement continu. C'est une production continue. Vous pouvez imaginer qu'une fois que la bande sort du zinc liquide, il y a une couche de zinc recouverte à sa surface.
Pour garantir la qualité, la productivité et la résistance à la corrosion, nous devons être sûrs ou nous devons nous assurer que l'épaisseur de zinc est constante et homogène sur toute la largeur et la longueur de la bande. Ceci est assuré par un dispositif spécifique, que nous appelons lame d'air. C'est ce modèle ici. Il s'agit en fait d'un sécheur d'air. Il souffle de l'air sur la surface de la bande afin d'éliminer l'excès de zinc.
L'objectif de l'étude était de réaliser des mesures expérimentales. Nous souhaitons également modéliser la pression d'impact en fonction de divers paramètres et également comparer avec la modélisation par éléments finis. A la fin, ajuster le modèle par éléments finis afin qu'il soit conforme à ce que nous avons mesuré. Voici les résultats de la modélisation par éléments finis, et nous allons maintenant passer au banc d'essai.
Le banc d'essai est, vous pouvez le voir ici, le système de soufflage d'air en fonctionnement. Ici, vous avez le dispositif de lame d'air. C'est la largeur de ce dispositif représentée par l'axe Y, et l'altitude est représentée par l'axe Z. Sur ce banc d'essai, nous avons ajouté une petite pièce ici, qui est une feuille de métal, instrumentée avec un capteur de pression afin de mesurer la pression d'impact de l'air sur cette feuille de métal. Cela sera utile pour représenter la pression de la lame d'air sur une bande fictive.
Ceci vous montre les mesures expérimentales. Nous avons une mesure de la vitesse du ventilateur, qui va varier et qui va modifier la pression à l'intérieur de la lame d'air. Nous avons également trois positions X, Y et Z, qui peuvent varier pour les mesures. Nous mesurons ici la pression d'impact avec le capteur de pression et la température de l'air. Avec toutes ces mesures, nous pouvons construire un tableau de données, et nous verrons après ce tableau.
Le déroulement de l'étude est le suivant. Nous commençons ici par les mesures. Avec ces mesures, nous choisissons la position X et Y, qui sont fixes, et nous faisons varier la position Z afin de mesurer la pression d'impact. Nous voyons que la courbe aura cette forme. Avec cette forme, nous décidons de modéliser comme une courbe gaussienne avec l'outil de JMP appelé courbe d'ajustement gaussienne. Nous aurons maintenant trois paramètres représentant ces courbes, A, B et C, qui sont la valeur de pointe, le point critique et le taux de croissance.
Ces trois paramètres seront intégrés dans notre tableau de données et nous ferons quelques corrections de mesure. Par exemple, nous ajouterons un offset Z afin de recentrer toutes les courbes car notre dispositif expérimental peut dériver un peu sur l'axe Y. Après cela, nous avons choisi de modéliser la valeur de pic et le taux de croissance en fonction des paramètres du procédé. Nous ferons un nouveau tableau avec la formule prédite afin de pouvoir prédire la pression dans tout l'espace 3D en X, Y et Z, ainsi que la vitesse du moteur et la température de l'air.
L'objectif est d'obtenir ce tracé de contour. Ce tracé de contour représente ici la pression prédite par rapport à la valeur Z et à la valeur X avec la température de l'air fixe et la vitesse du moteur du ventilateur fixe. Nous devons conserver cette courbe, et je vais vous montrer maintenant comment obtenir ce tracé de contour.
Maintenant, je dois passer à JMP. Je vais ouvrir le tableau de données. Le tableau de données est ici. Vous avez ici 13 mesures avec la même date et la même heure, qui représentent un ensemble de mesures pour une vitesse de moteur donnée, X, Y. Nous faisons varier la valeur Z de moins trois à plus trois, et nous mesurons la pression d'impact et la température de l'air. Je peux vous montrer tous les points de mesure ici. Vous pouvez voir que nous avons choisi de faire des valeurs X comme ceci, des valeurs Y et Z. Nous n'avons pas de représentation optimisée. À l'avenir, nous aimerions faire un plan d'expérience afin d'avoir une meilleure représentation de cet espace 3D.
Si je trace maintenant la pression avec Z, vous pouvez reconnaître cette forme de courbe gaussienne. Toutes les courbes ne sont pas alignées. C'est à cause du phénomène que j'ai expliqué précédemment avec la dérive dans le banc d'essai. L'objectif maintenant sera de modéliser toutes ces courbes en fonction de ces paramètres. Pour ce faire, j'utilise la plateforme Fit curve dans JMP. Je choisis d'ajuster la pression en courbe comme une fonction. Pardon, comme une courbe comme celle-ci. Reconnaissez-vous les trois paramètres précédemment introduits ? Avec cela, je fais la courbe d'assise par rapport à tous les points de consigne des mesures.
Maintenant, avec cela, je peux incorporer, pardon, je peux extraire les valeurs des paramètres dans un nouveau tableau comme celui-ci. Vous voyez qu'avec cette mesure, la même date et la même heure, nous avons les trois paramètres et les trois valeurs. Je dois modifier un peu pour diviser ce tableau afin de pouvoir l'incorporer dans l'original. J'utilise cette fonction de division. Maintenant, une ligne représente le point critique, le taux de croissance et la valeur de pointe pour chaque point de test.
Une fois que j'ai cela, je peux intégrer ce tableau à l'original. Cela se fait de cette façon. Vous voyez maintenant le tableau original ici avec ces colonnes ajoutées. Ces quatre colonnes ne sont que le calcul d'une plate-forme de courbe d'ajustement. Celle-ci est une formule que j'ai créée. C'est juste pour recentrer la valeur Z par rapport au point critique. Si j'utilise cette valeur maintenant, et que je peux tracer la pression par rapport à cette valeur, et vous voyez que maintenant toutes les courbes sont alignées à zéro.
Avec cette courbe, je suis maintenant intéressé à savoir ou à trouver quels paramètres ou comment les paramètres font varier la valeur de crête, par exemple. C'est ce que je peux vous montrer ici. Si je change la vitesse du moteur, par exemple, comment cela change la valeur de crête, ou quelle est l'influence de la valeur X ou de la température de l'air. Pour obtenir ces deux profils, idem pour le taux de croissance. Pour obtenir ces deux profils, je dois utiliser une nouvelle plateforme, une autre plateforme. C'est la plateforme fit model. Vous pouvez la trouver ici. J'ai choisi de ne garder que trois paramètres avec, c'est un modèle linéaire. Pour moi, c'est un bon modèle car on a un bon R au carré.
On peut améliorer un peu ce modèle parce qu'ici la forme, le motif dans les valeurs résiduelles semble optimisé, mais on choisit de garder comme ça parce que ce sera une formule simple. Je peux vous montrer la formule. L'expression de prédiction. Vous voyez qu'elle est linéaire et elle est très simple. On a décidé de garder ce modèle. Avec ce modèle, je peux ajouter la formule de prédiction pour la valeur de pic. Ici vous pouvez voir qu'elle est ajoutée avec la formule que vous avez ici, vous la reconnaissez. Je ferai la même chose pour le taux de croissance. Mêmes conclusions. On a un très bon R au carré, seulement les mêmes paramètres, linéaires aussi, et la même conclusion sur le résidu, on peut peut-être améliorer un peu, mais ce n'est pas le sujet ici. On va garder comme ça.
Maintenant, j'ai deux nouvelles colonnes, la formule de prédiction pour la valeur maximale et pour le taux de croissance. Je peux bien sûr ajouter la dernière, la dernière colonne, qui sera la formule de prédiction pour la pression ici. Si je vous montre la formule, vous reconnaîtrez la formule de la courbe gaussienne avec la formule de prédiction pour le taux de croissance et la formule de prédiction pour la valeur maximale.
Maintenant, nous avons une formule de prédiction pour la pression et en fonction de tous ces paramètres plus la température de l'air. Maintenant, l'idée est de construire un nouveau tableau contenant ces paramètres avec des valeurs dans les limites des mesures, mais avec, par exemple, une répartition optimisée. Je vais vous montrer comment faire cela. Tout d'abord, je vais juste ouvrir. J'ai préparé les quatre tableaux. Vous reconnaissez ici la vitesse du moteur, la valeur X, la valeur Z et la température de l'air. Ce que je dois faire maintenant, c'est combiner ces quatre tableaux en un seul avec toutes les combinaisons possibles entre les quatre paramètres.
Pour cela, j'utilise la table de plate-forme, la table de concaténation, et je choisis de concaténer, par exemple, désolé, excusez-moi, ce n'est pas concaténer, c'est joindre. Nous choisissons de joindre la table. Nous choisissons de joindre la vitesse du moteur avec, par exemple, D, et au lieu d'utiliser la colonne correspondante, je dois changer et choisir la jointure cartésienne. Vous pouvez voir ici, toutes les combinaisons entre ces deux paramètres que j'ai calculées avec JMP. Cela me crée une nouvelle table. Si je l'utilise à nouveau avec Z et à nouveau avec la température de l'air, vous aurez une table de données complète avec ces quatre paramètres.
Je l'ai déjà fait, je vais donc l'ouvrir. Vous avez ici mes quatre paramètres avec toutes les combinaisons possibles, ce qui donne environ 3 000 lignes. Avec ce tableau, je peux ajouter ma formule. Ici, nous avons les quatre colonnes. Ici, nous avons la formule de prédiction calculée précédemment et la pression de prédiction, la même que celle montrée précédemment, ajoutée dans ces colonnes. L'avantage de faire cela est que je peux changer la répartition ou la précision en Z, X, la température de l'air ou la vitesse du moteur.
Avec ce tableau, je peux maintenant faire le tracé de contour que je vous ai montré. Ici, vous pouvez le reconnaître et je peux l'animer par rapport à la vitesse du moteur. Maintenant, vous voyez que nous avons obtenu ce que nous souhaitons avoir comme montré ici.
Je voudrais juste vous dire quelques mots en guise de conclusion. Les conclusions sont que nous avons ici sur la partie gauche, un résultat de modèle d'éléments finis importé dans JMP. Sur cette partie centrale, ce sont les résultats expérimentaux visualisés avec JMP. En comparaison, nous pouvons tracer ces deux courbes, qui sont des coupes de ce tracé de contour avec une valeur constante de X. Ici, vous voyez une très bonne correspondance entre les éléments finis expérimentaux et 3D. Alors qu'ici, nous avons quelques différences. Dans ce cas, nous aimerions améliorer notre modèle d'éléments finis en changeant certaines hypothèses ou certains paramètres de modélisation.
En conclusion, nous pouvons dire que JMP aide Clecim à explorer les données de manière intuitive, à analyser et modéliser les mesures de manière simple et efficace. Nous avons validé notre dispositif expérimental. Nous pouvons facilement comparer un modèle éléments finis et des résultats expérimentaux. Nous pouvons également extrapoler nos mesures, valider nos hypothèses. Nous pouvons présenter les résultats de manière attractive et communiquer et convaincre nos clients de nos performances et capacités d'étude. C'est la conclusion de mon intervention, et je tiens à vous remercier pour vos attentions. Si vous avez des questions, n'hésitez pas à me contacter par mail ou par LinkedIn ou par téléphone. Merci.
