La puissance de l'apprentissage automatique dans l'amélioration de la qualité du processus de fabrication est de plus en plus reconnue. L'IA et l'apprentissage automatique sont devenus des outils populaires pour les fabricants afin d'améliorer le débit et d'optimiser la consommation d'énergie. Le projet FUDIPO financé par l'UE fait de grands progrès dans l'intégration de l'IA dans plusieurs industries de transformation critiques à grande échelle afin d'obtenir des améliorations radicales de l'efficacité énergétique et des ressources.

Un article sur la publication numérique "Open Access Government" résume comment diverses industries telles que les raffineries de pétrole et le traitement des eaux usées peuvent utiliser des systèmes d'IA. Il indique que "FUDIPO développe et teste (dans cinq études de cas) une physique dynamique avancée (complétée par des capteurs ) et des modèles statistiques, comme les réseaux bayésiens et les modèles d'apprentissage automatique, pour former un diagnostic avancé, aide à la décision, optimisation et contrôle prédictif des modèles."

Études de cas

Erik Dahlquist du coordinateur du projet Mälardalen University explique comment le système développé est mis en œuvre dans cinq études de cas à grande échelle. Il s'agit d'une raffinerie de pétrole, une grande centrale thermique et électrique, une usine de pâtes et papiers, une station d'épuration, et une micro turbine de chaleur et d'électricité. La raffinerie de pétrole Türkiye Petrol Rafinerileri A.Ş. (Tüpraş) achète différentes qualités de pétrole brut et le transforme en produits finis utilisables. FUDIPO cherche à optimiser la planification de la production afin d'utiliser au mieux l'huile disponible. Cela contribuera à répondre aux besoins des consommateurs européens. Pour estimer les qualités des produits, des modèles physiques et statistiques sont utilisés avec "un système de diagnostic pour détecter les défauts des capteurs de température et des modèles NIR [proche infrarouge] pour les propriétés d'alimentation. Les avancées de FUDIPO pourraient économiser 120 à 200 TWh/an d'énergie dans les raffineries de pétrole de l'UE".

Mälarenergi, qui exploite une grande centrale de cogénération en Suède, se concentre sur le contrôle des émissions. "Ce contrôle est amélioré avec FUDIPO, diminuant ainsi les temps d'arrêt, fluctuations, corrosion, encrassement et agglomération". Ceci est également combiné avec MPC [contrôle prédictif du modèle] pour contrôler l'humidité dans le combustible allant à la chaudière, où des mesures en ligne du combustible usé sont effectuées pour déterminer la teneur en plastique et en humidité.

Quant à la station d'épuration d'ABB, "FUDIPO apporte le développement d'algorithmes de contrôle pour une meilleure performance, mesurer la qualité des déchets entrants, et ainsi abaisser la demande d'aération pour économiser de l'énergie, " selon Dahlquist. " Un modèle physique testé avec des données hors ligne a été développé, ainsi qu'un modèle python pour détecter les défauts du capteur, et un modèle de contrôle prédictif."

Dans le cas de l'usine de pâtes et papiers BillerudKorsnäs qui compte trois lignes de fibres avec des qualités de pâte différentes, le projet "conduit à un processus plus stable et des diagnostics de défauts grâce à un meilleur contrôle du nombre Kappa, " comme indiqué dans la même actualité. L'indice Kappa est un paramètre mesurant la quantité de lignine laissée dans la pulpe après le digesteur. Comme cela est difficile à contrôler, "un modèle physique est exécuté comme un jumeau numérique et les spectres NIR sont mesurés sur tous les copeaux de bois entrant dans le digesteur. Cela permet de prédire la teneur en lignine et la réactivité."

Finalement, aux Pays-Bas, pour la turbine thermique et électrique de Micro Turbine Technology, « FUDIPO augmente l'efficacité de ses clients grâce à une assistance et une planification de la maintenance planifiée et prédictive. »

Le projet FUDIPO (Future Directions of Production Planning and Optimized Energy- and Process Industries) prendra fin en septembre 2020.