Utilisation de l’IA pour améliorer l’efficacité de l’énergie et des ressources dans diverses industries
La capacité de l’apprentissage automatique à optimiser la qualité des processus de fabrication est de plus en plus reconnue. L’IA et l’apprentissage automatique se sont popularisés auprès des fabricants en tant qu’outils d’amélioration des capacités de production et d’optimisation de la consommation énergétique. Le projet FUDIPO, financé par l’UE, fait d’importants progrès dans l’intégration à grande échelle de l’IA au sein de plusieurs industries de transformation stratégiques. L’objectif est de parvenir à des améliorations profondes dans l’efficacité de l’énergie et des ressources. Un article paru sur le site de publication numérique «Open Access Government» résume la manière dont diverses industries, raffineries de pétrole et traitement des eaux usées, par exemple, peuvent faire usage de solutions d’intelligence artificielle. Cet article affirme que «le projet FUDIPO développe et teste actuellement (dans cinq études de cas) des modèles physiques et statistiques avancés et dynamiques (complétés par des capteurs logiciels), comme les réseaux bayésiens et les modèles d’apprentissage automatique, pour créer des diagnostics avancés, des supports décisionnels, de l’optimisation et des commandes prédictives».
Études de cas
Erik Dahlquist, du collège universitaire de Mälardalen en Suède , coordinateur du projet, décrit la manière avec laquelle le système développé est mis en œuvre dans le cadre de cinq études de cas grandeur nature. Ces dernières concernent une raffinerie de pétrole, une grande centrale de cogénération, une usine de production de pâte et de papier, un centre de traitement des eaux usées et une micro turbine de chaleur et d’électricité. Dans le cas de la raffinerie de pétrole, la compagnie pétrolière turque Türkiye Petrol Rafinerileri A.S. (Tüpraş), «le projet FUDIPO apporte des méthodes avancées de contrôle des processus, ce qui réduit la quantité de produit au rabais inférieur ou supérieur aux seuils européens.» Pour estimer les qualités de produit, des modèles physiques et statistiques sont utilisés conjointement à «un système de diagnostic permettant de détecter les défaillances des capteurs de température, ainsi que des modèles NIR (proche infrarouge) pour les caractéristiques du signal. Les progrès du projet FUDIPO pourraient permettre d’économiser de 120 à 200 TWh/an en énergie dans les raffineries de pétrole de l’UE». Mälarenergi, qui exploite une grande centrale à production combinée chaleur et électricité en Suède, se focalise sur le contrôle des émissions. «Ce contrôle est optimisé avec l’aide du projet FUDIPO, ce qui permet de réduire les arrêts de service, les fluctuations, la corrosion, l’encrassement et les agglomérats.» En parallèle à un modèle physique, l’emploi «conjoint de données mesurées permet de diagnostiquer les défaillances potentielles des processus et des capteurs à l’aide d’un réseau bayésien calculant les probabilités. La commande prédictive (MPC) est également associée au modèle afin de contrôler l’humidité présente dans le combustible allant dans la chaudière. Là, le combustible résiduaire fait l’objet de mesures en ligne pour déterminer sa teneur en plastique et en humidité». En ce qui concerne le centre de traitement des eaux usées ABB, «FUDIPO apporte le développement d’algorithmes de contrôle pour des performances optimisées et pour évaluer la qualité des déchets entrants, ce qui permet de réduire le besoin en ventilation et d’économiser de l’énergie», selon E. Dahlquist. «Un modèle physique testé avec des données hors ligne, un modèle Python, ainsi qu’une commande prédictive ont été développés pour détecter les défaillances des capteurs.» Dans le cas de l’usine de production de pâte et de papier BillerudKorsnäs, qui dispose de trois lignes de fibres avec différentes qualités de pâte, le projet «débouche sur des processus et des diagnostics de défaillance plus stables grâce à un meilleur contrôle de l’indice Kappa», comme stipulé dans le même article. L’indice Kappa est une indication de la teneur résiduelle en lignine de la pâte après son passage dans le lessiveur. Ce dernier étant difficile à contrôler, «un modèle physique est lancé pendant qu’un spectre numérique NIR double est mesuré sur tous les copeaux de bois entrant dans le lessiveur. Cette opération permet d’évaluer la teneur en lignine et la réactivité». Enfin, aux Pays-Bas, concernant la turbine de chaleur et d’électricité de Micro Turbine Technology, «le projet FUDIPO permet d’améliorer l’efficacité et aide les clients qui disposent d’une logistique et d’une planification de maintenance programmée et prédictive». Le projet FUDIPO (Future Directions of Production Planning and Optimized Energy- and Process Industries) prendra fin en septembre 2020. Pour plus d’informations, veuillez consulter: site web du projet FUDIPO
Pays
Suède
