Haut

Enregistrer dans la liste de lecture Publié par Emily Thomas, rédactrice adjointe de World Cement, vendredi 30 octobre 2020 12:23

Dirk Schmidt et Eugen Geibel, KIMA Process Control, expliquent comment les méthodes de contrôle de haut niveau (HLC) ont été utilisées dans l'industrie du ciment au début des années 2000 et contrôlent des processus contrôlés en boucle fermée de plus en plus complexes là où les contrôleurs standards échouent.

Atteindre « l'Industrie 4.0 » est une tâche essentielle de l'industrie depuis des années. Récemment, des termes tels que « big data » et « IA » (intelligence artificielle) ont été largement utilisés dans de nombreux domaines. L’IA combinée au Big Data devrait apporter des solutions à des problèmes de longue date, et pas seulement en matière d’automatisation. Il pourrait donc être surprenant d'apprendre que le fonctionnement d'un broyeur entièrement autonome (y compris l'utilisation de l'IA) a lieu depuis 2009. Cet article résumera brièvement comment les méthodes de contrôle de haut niveau (HLC) ont été utilisées dans l'industrie du ciment en au début des années 2000 et comment ils parviennent à contrôler des processus toujours plus complexes, contrôlés en boucle fermée, là où les contrôleurs standards échouent.

Pour accélérer l'intégration des technologies avancées dans l'industrie du ciment, certains consultants en entreprise ont proposé de « copier-coller » les solutions de l'Industrie 4.0 provenant des usines chimiques/raffineries et de les appliquer dans les cimenteries. Un exemple récent est un rapport concernant la première conversion réussie du contrôle régulier d’une usine vers le contrôle par l’IA, qui l’a qualifié de percée. La prudence est de mise ici : les capacités de l’IA sont encore limitées, comme le montre son histoire.

L’IA est un terme très large et il est difficile de trouver une définition du concept sur laquelle tout le monde s’accorde. Au sens large, il peut être défini comme une branche de l'informatique traitant de la simulation du comportement intelligent dans les ordinateurs, c'est-à-dire de la capacité d'une machine à imiter un comportement (humain) intelligent.

Techniquement parlant, la majorité des systèmes d’IA utilisés aujourd’hui dans l’industrie sont des algorithmes basés sur les données. Le principe de base de ces algorithmes est relativement simple, mais ils tirent leurs capacités d’énormes quantités de données, de taux de répétition élevés des calculs et de multiples interconnexions.

L’utilisation de l’IA pour de nombreuses tâches n’est pas une idée nouvelle. Le développement d’ordinateurs plus rapides avec la possibilité de stocker et de traiter d’énormes quantités d’informations (Big Data) rend l’utilisation de l’IA possible et raisonnable. Le Deep Learning, qui fait lui-même partie du Machine Learning, utilise un réseau neuronal artificiel (ANN) multicouche pour apprendre du Big Data et rechercher des modèles qui pourraient être utilisés pour résoudre des problèmes après une certaine formation de l'ANN.

L'automatisation basée sur les connaissances, notamment la logique floue et les méthodes analytiques telles que, par exemple, le contrôle prédictif de modèle (MPC) font également partie de l'IA (Figure 1). Selon la tâche, différentes méthodes d'IA sont plus applicables que d'autres. De nos jours, il est clair qu’il n’existe pas de module d’IA unique pour le processus de production de ciment comme dans les raffineries. La logique floue est applicable au contrôle en boucle fermée de processus techniques avec un nombre modéré de variables et de données pour lesquelles une stratégie de contrôle peut être exprimée. C'est un bon choix pour les processus où un fonctionnement sûr dans des situations critiques est obligatoire. Les réseaux de neurones sont utilisés pour reconnaître des modèles cachés pour des processus pour lesquels une stratégie de contrôle ne peut pas être exprimée et qui comportent un nombre élevé de variables d'entrée. MPC est un bon choix pour les processus bien compris pour lesquels un modèle mathématique est disponible. L'optimisation est possible si le modèle peut être calculé plus rapidement qu'en temps réel. L’adaptabilité en ligne n’est vraiment pas réalisable dans la production de ciment.