Accélérer la numérisation et la décarbonisation des industries grandes consommatrices d’énergie
La numérisation et l’amélioration du contrôle des processus peuvent avoir un impact considérable sur l’empreinte environnementale des processus industriels, toutefois, la transition numérique des industries de transformation accuse un certain retard. Le projet COGNIPLANT, financé par l’UE, a permis aux industries grandes consommatrices d’énergie (IGCE) d’exploiter les mégadonnées grâce à une architecture cloud flexible, à l’analyse avancée des données et à l’apprentissage automatique. Les modèles prédictifs et les jumeaux numériques ont amélioré la durabilité dans quatre cas d’utilisation: les produits chimiques, le béton, l’aluminium et les métaux.
Mégadonnées, modèles d’apprentissage automatique et jumeaux numériques
L’infrastructure cloud commune de COGNIPLANT peut collecter, stocker, traiter et afficher de manière flexible des données et des analyses provenant de tous les flux de travail des IGCE. Le projet a déployé, au sein de cette même infrastructure, un système de modélisation prédictive s’appuyant sur l’exploration de données et l’apprentissage automatique. L’intégration de la modélisation prédictive dans l’architecture basée sur le cloud a permis une gestion efficace de l’entraînement des modèles via les mégadonnées ainsi que le déploiement, l’exécution et la maintenance des modèles. Selon le coordinateur du projet, Pedro Maria De la Peña Tejada, de www.ibermatica.com (Ibermática) (désormais la société Ayesa): «De nombreux modèles d’apprentissage automatique simulent différents aspects des processus industriels. Ils peuvent, par exemple, prévoir la quantité d’énergie nécessaire pour monter une coulée d’acier à une certaine température ou la vapeur nécessaire dans un site de procédé Bayer pour la production d’aluminium». Deux types de jumeaux numériques ont également été développés. L’un d’entre eux fournit à l’opérateur un retour d’information sur les paramètres optimaux du processus requis pour atteindre une variable cible, tandis que l’autre a été conçu pour ajuster dynamiquement et en temps réel les paramètres du processus de production.
Accélérer la numérisation et la décarbonisation des industries de transformation
«De nombreux développements sont intervenus dans la première étape de la numérisation et de l’utilisation des données pour le contrôle des processus des industries de transformation concernées. Cela a rendu la phase initiale du projet complexe en termes de langage commun et d’attentes unifiées», fait remarquer Pedro Maria De la Peña Tejada. Une fois cet obstacle surmonté, les progrès se sont rapidement accélérés. Pour chaque cas d’utilisation de chacun des pilotes, une session de formation sur site a été organisée à l’intention des employés. Le matériel de formation pour chacun des cas d’utilisation est disponible sur le site web du projet, afin d’inspirer et d’aider quiconque entend réduire l’inefficacité des ressources et de l’énergie, ainsi que l’impact environnemental des industries de transformation. La surveillance hiérarchique et le contrôle de supervision fournissant aux utilisateurs des informations concernant les performances, la consommation d’énergie et l’utilisation des ressources ont permis aux pilotes de l’industrie de transformation de considérablement réduire leur impact sur l’environnement. La consommation d’énergie de certains processus a été réduite de près de 10 %. L’un des partenaires a réduit de 8 100 tonnes les émissions de CO2, tandis que d’autres ont réduit les émissions de CO2 de 19 à 30 %. Certains partenaires ont également réduit les déchets de près de 15 %. «La réduction de l’utilisation des matières premières, de la consommation d’énergie et des émissions de CO2 réalisée grâce à COGNIPLANT nous a appris qu’une intensification de la numérisation des processus de production et des approches axées sur les données peuvent avoir un impact considérable sur l’empreinte environnementale des IGCE», conclut Pedro Maria De la Peña Tejada. Autrefois à la traîne en matière de numérisation, ces industries de transformation disposent aujourd’hui d’une formidable opportunité de changer radicalement leur façon de travailler, avec des avantages considérables pour les industries et la planète.
Mots‑clés
COGNIPLANT, énergie, numérisation, industries de transformation, industries grandes consommatrices d’énergie, émissions de CO2, apprentissage automatique, mégadonnées, modélisation prédictive, contrôle des processus, jumeaux numériques
