L'œil sur...

Interview de Sébastien Saliou, responsable des activités contrôle et co-fondateur d'Acsystème, sur l'optimisation des performances de procédés grâce au jumeau numérique.

 

À l'heure de la recherche de performances, il devient indispensable pour les industriels de trouver des méthodes pour concevoir de nouveaux procédés optimaux ou pour améliorer des procédés existants. Les phases de réglage et de test sur les systèmes sont chronophages, très coûteuses, et nécessitent des temps d'arrêts d'usine réguliers. La démarche de conception orientée modèle (model-based design ou MBD), est utilisée depuis plus de 20 ans dans les secteurs de l'aéronautique et de l'automobile, avec succès. Elle est désormais accessible à tous les secteurs : finance, industrie, agroalimentaire, énergie...

À travers cette démarche, on modélise le process pour simuler sur ordinateur des cas de vie et mettre au point les réglages optimums sans arrêter l'usine. C'est notamment le cas évoqué ici par Sébastien avec le pilotage d'un procédé à risque, dans une usine de fabrication d'engrais. Cette démarche apporte un gain de temps et de performance évident, un nouvel outil d'aide à la décision, et permet d'exploiter toutes les données issues du process, et ainsi de tendre vers un jumeau numérique pour réaliser de la maintenance prédictive.

 

 

Retrouvez ci-dessous la retranscription complète :
 

- Bonjour Sébastien, pouvez-vous vous présenter ?

Bonjour, je m'appelle Sébastien Saliou et je suis co-fondateur de la société Acsystème. Au sein de l’entreprise, je suis responsable des activités de contrôle et je pilote une équipe d'ingénieurs qui travaillent dans le domaine du contrôle-commande et de l'automatique. J'ai un peu plus de 20 ans d'expérience dans le domaine de la conception de systèmes de contrôle.
 
 
- Qu’est-ce que la démarche de conception de contrôle ?
 
La démarche de conception de contrôle, appelée également MBD (model-based design) est utilisée pour concevoir des systèmes de contrôle-commande. Il s’agit de concevoir à la fois un modèle du contrôle que l’on va devoir développer et un modèle du système que l’on cherche à piloter. À travers ces 2 éléments de modélisation, nous allons pouvoir créer un environnement de simulation qui va nous permettre de tester la loi de commande que l’on a développée, et la mettre au point avant de pratiquer des tests sur le système réel. Nous allons développer toute une série de tests qui vont nous permettre de vérifier que les développements sont conformes aux attentes du client.
 
La démarche MBD a été introduite par la société MathWorks, éditeur de logiciels de calcul mathématiques avec notamment les logiciels Matlab et Simulink. À travers la modélisation dans Simulink, nous pouvons nous appuyer sur des outils de génération de codes automatique. Le contrôle-commande qui a pu être testé en simulation peut ensuite être intégré de façon très simple sur le calculateur final pour développer le système réel.
 
Le model-based design est une démarche relativement ancienne mais qui, aujourd’hui, offre de plus en plus de possibilités. Pour ma part, je fais de l’automatique et de la conception de contrôle depuis de nombreuses années et j’ai toujours réalisé des modèles pour valider les algorithmes de contrôle que j’ai pu développer sur les outils de simulation, notamment sur Simulink, qui existait déjà il y a plus de 20 ans.
 
Ce qui se rajoute au fil des années, ce sont à la fois des éléments qui permettent de faire de la génération automatique de code, permettant d’aller plus facilement du modèle vers la cible temps réel mais aussi les aspects de la modélisation physique, pour laquelle il existe une série de boîtes à outils qui permettent facilement de développer des modèles dans le domaine de la mécanique, de l’électronique, de l'hydraulique…
 
 
- Quels sont les deux types d’approche de modélisation ?
 
Quand nous réalisons du MBD (model-based design) pour la conception de systèmes de contrôle, nous avons besoin de développer à la fois le modèle du contrôle (qui servira à générer automatiquement le logiciel embarqué sur la cible), et le modèle de l’environnement que l’on cherche à contrôler.
 
Dans le cadre de cette modélisation, nous avons plusieurs approches de modélisation :
 
  • La modélisation boîte blanche : c’est une modélisation basée sur des équations physiques où nous utilisons des logiciels de simulation tel que Simscape (boîte à outils associé à Simulink). Nous pouvons également utiliser les outils tel que Amesim pour réaliser de la modélisation physique où les composants et les équations ont déjà été développés. C’est un modèle que l’on crée en juxtaposant un certain nombre de blocs.
  • La modélisation boîte noire : au lieu de se baser sur des équations physiques, nous allons exploiter des données enregistrées sur le système et nous allons utiliser ces données enregistrées pour en extraire un modèle. Nous pouvons alors faire de l’identification ou de l’apprentissage pour extraire un modèle à partir de données enregistrées sur le système réel.
  • La modélisation boîte grise : nous allons débuter le travail à partir d’équations physiques (démarche modèle boîte blanche), mais sur ces modèles nous pouvons avoir un certain nombre de paramètres incertains, et dans ce cadre-là, nous allons utiliser des données d’acquisition pour recaler et trouver la valeur numérique qui colle au mieux avec le comportement du système, qui a été enregistré à travers une série d’acquisitions.
 
 
- Cas concret d’un industriel
 
Il y a plusieurs années, nous avons travaillé pour une société qui produit du nitrate d’ammonium. Pour produire ce nitrate, il faut mélanger de l’ammoniaque gazeux avec de l’acide nitrique et ensuite évaporer une partie de l’eau pour pouvoir concentrer ce nitrate d’ammonium. Tel était l’objectif visé pour la production de cet élément afin d’être intégré par la suite dans des engrais pour l’agriculture. Nous sommes dans un système où il va y avoir un certain nombre de mélanges à réaliser et il va y avoir des équipements dans lesquels on va stocker les différents composants chimiques que l’on doit manipuler : les bacs. Le principe de la régulation c’est surtout de réguler des niveaux, à la hausse ou à la baisse, en ouvrant ou fermant les vannes de ces bacs.
 
L’objet de la régulation est précisément là : c’est-à-dire que nous disposons de plusieurs bacs, et pour chaque bac, nous mesurons le niveau. Nous sommes capables à travers la commande d’une vanne, d’augmenter ou de réduire les débits entrants ou sortants de ces bacs afin de réguler en continu les niveaux. Nous avons un certain nombre de bacs qui sont situés les uns après les autres. C’est un système multi-variable puisque lorsque l’on ouvre une vanne, cela fait descendre le niveau du bac qui est en amont de cette vanne et cela fait augmenter le niveau du bac qui est situé en aval.
 
 
- Quelle était la problématique ?
 
Le système de l’industriel avait tendance à osciller. Ils observaient des niveaux dans les bacs qui avaient tendance à monter et descendre sous forme de phénomène sinusoïdal. Ce comportement était peu satisfaisant au niveau de leur installation. Ce sont des phénomènes que l’on observe très classiquement lorsque l’on fait de la régulation. Si les gains de la régulation n’ont pas été correctement calculés, nous pouvons observer ce phénomène de pompage, d’oscillation sur le système en question. L’objet de l’étude est alors d’améliorer le comportement de ce système, d’analyser le comportement du pompage, et de le reproduire en simulation, pour ensuite proposer des actions correctrices au niveau du contrôle-commande et améliorer le fonctionnement global du système.
 
 
- Quelle a été la démarche appliquée par Acsystème ?
 
Dans un premier temps, l’idée était de décomposer le système global en systèmes plus élémentaires. Nous avons créé un sous-système du type bac. Nous avons 3 sous-systèmes de ce type et 3 vannes à piloter donc 3 vannes à modéliser. Les boucles de régulation ont dû également être modélisée. Pour les éléments physiques, type vanne ou bac, nous avons écrit les équations qui régissent la physique du composant. Au niveau d’une vanne, cela va être par exemple, comment peut-on calculer le débit qui s’écoule au travers de la vanne en fonction de son ouverture ?
 
Pour le bac, nous cherchons l’évolution du niveau en fonction des débits amont et aval de ce bac. Nous caractérisons toutes ces équations physiques et nous utilisons des données d’acquisition transmises par le client pour vérifier que le modèle unitaire que l’on a développé soit correct. Une fois que tous ces composants élémentaires ont été développés et validés à travers des simulations unitaires, nous les intégrons dans un simulateur global qui permet de reproduire le comportement global de l’installation. Nous exploitons les données d’acquisition fournies par le client pour vérifier que notre modèle reproduit correctement les dysfonctionnements que le client avait observés.
 
Nous avons très vite réussi à reproduire en simulation le phénomène de pompage que le client observait. Nous pouvons ensuite demander des variations sur les consignes de niveaux ou des variations de débit à l’entrée ou à la sortie de l’installation. Cela nous permet de générer des scenarios de simulation et ensuite de faire des comparaisons par rapport aux données d’acquisition que l’on nous avait transmises. Cela nous a permis de valider le modèle. Une fois que nous avons réussi à reproduire le dysfonctionnement, le plus dur était fait.
 
En effet, nous rentrons alors dans le cœur de notre métier, qui est d’améliorer le contrôle, en proposant de nouveaux réglages, de nouvelles structures de régulation et d’obtenir un fonctionnement meilleur que celui que l’on avait sur la configuration initiale de notre simulateur, en jouant uniquement sur l’aspect contrôle du système. L’idée n’était pas de proposer au client de changer de vannes ou de changer les dimensions de ses bacs, mais de travailler uniquement sur la partie soft de son système (le logiciel embarqué sur le système de contrôle), pour proposer des améliorations qui permettent d’effacer ce phénomène de pompage qu’ils observaient sur le système réel.
 
Notre livrable était un environnement de simulations que le client pouvait utiliser, mais c’était surtout un document qui préconisait un certain nombre de modifications au niveau des régulations. Le bénéfice a été d’intégrer ces recommandations sur le système, et d’observer que l’on avait bien réussi à atténuer le phénomène de pompage.
 
 
- Quelles sont les principaux intérêts de la simulation ?
 
Les matières manipulées sont dangereuses, c’est donc un des intérêts de la simulation. Nous avons travaillé ce système sans jamais travailler sur le système réel. L’idée était de faire un modèle numérique sur lequel on peut faire toutes sortes de scenarios, toutes sortes de simulations, sans risquer de générer une explosion.
 
C’est l’avantage de la simulation, aller dans l’analyse des phénomènes physiques sans prendre de risque, proposer aux clients différentes modifications et réglages du système de contrôle-commande, et éventuellement de modifier l’architecture de sa régulation, de sorte que le fonctionnement soit meilleur. Mais toutes les propositions ont pu être testées et validées à l'aide de la simulation, avant d’arriver sur le système réel.
 
La simulation peut aussi avoir d’autres intérêts pour un industriel. Elle pourrait permettre de mieux dimensionner un système. Par exemple, nous pouvons avoir envie de dimensionner la dynamique d’une vanne, c’est à dire lorsque je demande à ma vanne de s’ouvrir de 0 à 100%, quel est le temps nécessaire pour qu’elle puisse s’ouvrir ? Evidemment, plus on veut une vanne dynamique, plus cela va coûter cher et nous pouvons nous poser la question, jusqu’à quelles limites pouvons-nous dégrader les performances, ou choisir une vanne de performance moindre sans, que la qualité de ma production soit détériorée ? Nous pouvons nous appuyer alors sur les modèles tels qu’on les a créés pour simuler des vannes plus ou moins dynamiques et observer le comportement du système global si la vanne est de performance moindre que celle que l’on avait initialement imaginée.
 
L’intérêt de la modélisation peut aussi porter sur la notion de la connaissance de son système : au moment où nous écrivons les équations physiques, que nous simulons, nous nous posons un certain nombre de questions sur le comportement du système et cela apporte de la connaissance à l’industriel sur son système.
 
Une nouvelle tendance apparaît également, que l’on appelle « jumeau numérique ». L’idée est de créer ce jumeau numérique qui est une représentation numérique du système physique. Ce modèle va nous permettre d’identifier des pannes sur un système. Nous allons caractériser le système à travers un modèle dans son fonctionnement nominal. Par exemple, si une vanne se met à dysfonctionner, avec du grippage par exemple, et bien en comparant le comportement du système réel avec celui du jumeau numérique développé, nous allons pouvoir observer des écarts et en les analysant nous pourrons identifier là où se situe le problème.
 
Nous pouvons aussi aller plus loin dans la démarche en faisant de la maintenance prédictive, c’est-à-dire que nous allons essayer d’anticiper l’apparition d’un défaut a travers l’analyse du comportement de l’évolution du modèle. Nous allons pouvoir observer ce modèle et les données enregistrées. Nous allons pouvoir repérer que le système évolue dans différents sens et que cela traduit un dysfonctionnement qui va apparaître à un moment donné, et potentiellement de lever une alerte et d’aller changer la pièce défectueuse avant même qu’elle soit défectueuse.
 
 
- À quel moment peut-on intervenir ?
 
Travaillant dans le cadre de la conception du système de contrôle commande, nous sommes souvent amenés à travailler sur la phase de developpement d’un nouveau produit.
 
Nous travaillons dans le domaine automobile, où nous sommes en amont de la création d’un véhicule. Pour intégrer un régulateur de vitesse et pouvoir apporter cette fonctionnalité aux clients, le constructeur automobile va nous demander de concevoir cette régulation à l'aide de la simulation. Nous faisons cela bien avant la création du véhicule, qui va peut être exister dans quelques mois ou dans quelques années. En amont de cela, nous sommes en capacité de créer ce régulateur et de le tester en simulation. Une fois que le véhicule existe, on peut le tester sur le système réel. 
 
Sur d’autres cas, nous travaillons, comme dans l’exemple présenté précédemment, sur un système réel en fonctionnement depuis des dizaines d’année. Nous imaginons des axes d’amélioration, ou nous voulons corriger un comportement qui n’est pas tout à fait satisfaisant. L’apport de la modélisation peut aussi se révéler sur ce genre de systèmes. Nous pouvons faire directement de l’acquisition sur ce système réel, enregistrer un certain nombre de signaux, qui vont permettre de nourrir les modèles, vérifier que nos modèles sont bons et proposer des axes d’amélioration au niveau du contrôle-commande.
 
 
Si vous souhaitez poser des questions à Sébastien Saliou rendez-vous sur le formulaire de contact.