Skip to main content

Article Category

Article available in the folowing languages:

Une plateforme d’IA innovante pour stimuler l’efficacité énergétique et améliorer l’utilisation des ressources

Un laboratoire axé sur les données permet aux experts de collaborer, de modéliser, de développer et d’évaluer de nouvelles fonctions de contrôle prédictif de manière rapide et rentable.

Technologies industrielles

Les industries de transformation, qui fabriquent et traitent de grands lots de matériaux, font une utilisation intensive de matières premières et d’énergie. Ainsi, même de petites améliorations de l’efficacité peuvent mener à de grandes économies en termes de coûts économiques et environnementaux. C’est notamment le cas de certains processus industriels spécifiques, tels que la fusion de l’aluminium primaire, dans lesquels la production est organisée autour de différents sites, notamment l’usine de production d’anodes, les chaînes de cuves et la fonderie, et qui se caractérisent globalement par une consommation importante d’énergie et de matières premières. Une solution pour améliorer considérablement les performances consiste à recourir à la modélisation prédictive, en utilisant des capteurs, en traitant des données à grande échelle et en tirant parti des techniques d’IA. Cependant, le suivi des processus de production reste difficile car il nécessite la collecte et l’évaluation de grandes quantités d’informations; et, par ailleurs, l’adoption de fonctions prédictives basées sur des modèles n’est pas toujours possible pour un coût acceptable ou avec une fiabilité suffisante. Le projet MONSOON (MOdel based coNtrol framework for Site-wide OptmizatiON of data-intensive processes), financé par l’UE, entendait remédier à ce problème en établissant un cadre et une série d’outils axés sur les données pour permettre aux experts de diverses disciplines de travailler ensemble de manière efficace dans l’objectif d’améliorer l’efficacité de la production de l’industrie européenne. MONSOON utilise des approches prédictives basées sur l’IA pour optimiser les processus de production à l’échelle de l’usine et du site.

Données et développement

Le cadre de MONSOON est divisé en deux composantes principales: la «plate-forme d’exploitation des usines en temps réel» et le «laboratoire de données intersectorielles». La plate-forme d’exploitation des usines en temps réel est conçue pour être déployée sur site et remplit diverses fonctions, notamment: la collecte de données et la surveillance des ressources de l’usine; le traitement des questions d’interopérabilité et la gestion des flux de données; la détection des problèmes et des défauts qui pourraient compromettre les opérations de la plate-forme MONSOON; et l’exécution de fonctions prédictives élaborées comme, par exemple, la prévision de comportements anormaux dans des processus spécifiques. Le laboratoire des données est un environnement collaboratif, où des informations provenant de multiples sources sont analysées à l’échelle. Cela permet: la collaboration entre les scientifiques des données et les experts des processus; une modélisation avancée; un accès simplifié aux données recueillies sur le terrain; et la conception, le développement et la mise à l’essai de nouvelles fonctions prédictives. «Grâce à la solution MONSOON, les spécialistes des données impliqués dans la collaboration avec les experts des processus peuvent développer, évaluer et déployer de nouvelles solutions de contrôle prédictif de manière rapide et rentable, créer des fonctions prédictives à l’aide d’algorithmes d’apprentissage automatique et effectuer des simulations, éventuellement en utilisant des données en ligne provenant de l’environnement de production connecté», explique Claudio Pastrone, responsable du département IoT and the Pervasive Technologies Research Area chez Links Foundation.

Introduction de MONSOON

La solution MONSOON a été déployée et testée dans deux sites pilotes, démontrant des prévisions en temps quasi réel pour l’amélioration de la qualité des produits et de la maintenance des machines. Dans une usine de fabrication de GLN au Portugal, MONSOON a été utilisé pour améliorer le moulage par injection. L’autre site pilote était axé sur les domaines du carbone et de l’électrolyse de la production d’aluminium primaire et impliquait Aluminium Pechiney et une usine de Liberty House en France. Dans l’ensemble, le projet a abordé les aspects liés à la numérisation des usines, à la collecte de données et à la création de fonctions prédictives spécifiques, et a favorisé le travail d’équipe entre les scientifiques spécialistes des données et les experts en processus. Dans le cadre de la révolution numérique de l’Industrie 4.0 en cours, le projet MONSOON pourrait contribuer à une plus large adoption par les industries manufacturières européennes de la surveillance et du contrôle à l’échelle des usines et des sites. En raison de la réduction de la durée des processus et de la consommation de ressources et d’énergie, le projet pourrait également contribuer à stimuler la position de l’industrie européenne dans la course mondiale à la compétitivité et à la viabilité. «J’aimerais mettre en avant et remercier tous les partenaires de MONSOON pour leur formidable collaboration au sein du projet et aussi au-delà», ajoute Claudio Pastrone. «J’ai eu l’occasion de travailler avec de grands professionnels de toute l’Europe», conclut-il.

Mots‑clés

MONSOON, processus, industries, fabrication, outils, capteurs, IA

Découvrir d’autres articles du même domaine d’application