FR3089024A1 - Appareil numérique de régulation d’un processus industriel - Google Patents

Abstract

Appareil numérique (1) de régulation d’un processus industriel (20) comprenant une pluralité d’éléments de machine (21) couplés à des capteurs (22) adaptés pour recevoir des données (13) de paramètres opérationnels du processus industriel lors de la fabrication de produits (30), l’appareil numérique (1) de régulation comprenant un module (2) de spécifications techniques de produits (30) à fabriquer par le processus industriel (20), un module (3) de paramètres industriels, recevant des capteurs (22) intégrés au processus industriel (20) des données (13) de paramètres opérationnels du processus lors de la fabrication de produits (30) par le processus, un module (4) de calcul de consigne par apprentissage automatique, et un module (5) de commande d’éléments de machine (21). FIGURE 1

Description

Description

Titre de l'invention : Appareil numérique de régulation d’un processus industriel

Domaine technique [0001] La présente invention concerne un appareil numérique de régulation d’un processus industriel conçu pour la fabrication d’une famille de produits, ledit processus industriel comprenant une pluralité d’éléments de machine conçus pour opérer avec des plages de valeurs de paramètres de consigne à l’intérieur desquelles les produits de la famille de produits sont susceptibles d’être fabriqués, les éléments de machines étant couplés à des capteurs adaptés pour recevoir des données de paramètres opérationnels du processus industriel lors de la fabrication des produits.

Technique antérieure [0002] Le document EP3379357 décrit un système de surveillance de procédé industriel utilisant un contrôleur de procédé avancé (APC) relié à des capteurs de statut du procédé et un module de détection d’anomalie du procédé industriel utilisant des modèles provenant d’apprentissage automatique (MLM). Le système permet de générer des alertes en cas de fonctionnement anormal du procédé industriel ou de l’APC.

[0003] Ce type de système est basé sur un ou plusieurs modèles tentant de représenter le procédé industriel. L’établissement de modèles est un processus souvent très complexe, rendant cette approche fastidieuse pour des procédés industriels complexes. Il existe par ailleurs toujours un écart entre le modèle et le procédé réel. Le fait de détecter les erreurs de fonctionnement du procédé ne permet pas pour autant d’améliorer le procédé ou les performances du procédé.

[0004] Le document EP0097053 décrit un appareil numérique de régulation de type PID destiné à calculer un signal de régulation sous la forme d’un signal d’entrée d’un processus. Ce dispositif permet d’effectuer une régulation d’un processus en cours de fonctionnement en détectant l’erreur par rapport à une consigne. Aucun moyen n’est fourni pour permettre de lancer le processus dans des conditions optimales ni pour optimiser le processus en cours. Par ailleurs, une ou plusieurs consignes doivent être fournies au dispositif.

[0005] Il existe donc un besoin pour un dispositif qui permet de faciliter le démarrage d’un procédé de fabrication et pour permettre d’optimiser le procédé une fois ce dernier en cours.

[0006] Pour pallier ces différents inconvénients, l’invention prévoit différents moyens techniques.

Résumé de l’invention [0007] Tout d’abord, un premier objectif de l’invention consiste à fournir un dispositif permettant de faciliter le lancement d’un procédé industriel de fabrication en vue de l’obtention de caractéristiques spécifiques dans un délai le plus court possible.

[0008] Un autre objectif de l’invention consiste à fournir un dispositif qui permet de réguler un procédé industriel sans devoir utiliser une modélisation de ce procédé.

[0009] Encore un autre objectif de l’invention consiste à fournir un dispositif qui permet d’optimiser les paramètres opérationnels d’un procédé de fabrication.

[0010] Pour ce faire, l’invention prévoit un appareil numérique de régulation (ou pilotage automatique) d’un processus industriel conçu pour la fabrication d’une famille de produits, ledit processus industriel comprenant une pluralité d’éléments de machine conçus pour opérer à l’intérieur de plages de valeurs de paramètres de consigne à l’intérieur desquelles les produits de la famille de produits sont susceptibles d’être fabriqués, les éléments de machines étant couplés à des capteurs adaptés pour recevoir des données de paramètres opérationnels effectifs du processus industriel lors de la fabrication des produits, ledit appareil numérique de régulation comprenant :

i) un module de spécifications techniques de produits à fabriquer par le processus industriel ;

ii) un module de paramètres industriels, recevant desdits capteurs intégrés au processus industriel des données de paramètres opérationnels effectifs du processus lors de la fabrication de produits par le processus ;

iii) un module de calcul de consigne par apprentissage automatique, conservant les données de paramètres opérationnels d’itérations antérieures du processus industriel en relation avec les données de consignes appliquées à chaque élément de machine lors de ces itérations antérieures, ledit module de calcul de consigne par apprentissage automatique étant conçu pour définir (sans faire appel à une modélisation du processus industriel) un ensemble de valeurs de consignes à affecter auxdits éléments de machine en fonction d’une part des spécifications techniques d’un type de produit à fabriquer et d’autre part de tout ou partie des données de paramètres opérationnels d’itérations antérieures du processus industriel de façon à optimiser au moins un des paramètres opérationnels du processus industriel en utilisant les données de paramètres opérationnels d’itérations antérieurs du processus industriel pour des spécifications techniques identiques ou voisines ;

iv) un module de commande d’éléments de machine, relié au module de calcul de consigne par apprentissage automatique, et à chacun desdits éléments de machine, apte à commander le processus industriel de fabrication en fournissant à chacun desdits éléments de machine au moins une valeur de consigne obtenue par ledit module de calcul de consigne par apprentissage automatique.

[0011] Un tel mode de réalisation permet de faciliter le lancement d’un procédé industriel de fabrication en vue de l’obtention de caractéristiques spécifiques dans un délai le plus court possible, sans devoir utiliser une modélisation de ce procédé. Du fait de l’imprécision des modélisations, et/ou de la grande difficulté à modéliser les processus industriels complexes impliquant souvent plusieurs milliers de paramètres, le fait de pouvoir se baser sur les données historiques réelles permet l’obtention de résultats fiables, à des coûts avantageux.

[0012] Selon un mode de réalisation avantageux, le module de spécifications techniques de produits comprend des données de spécifications techniques de produits à fabriquer par le processus industriel et des données de paramètres opérationnels à optimiser.

[0013] L’invention prévoit également un procédé de régulation (ou pilotage automatique) d’un processus industriel conçu pour la fabrication d’une famille de produits par un appareil numérique de régulation (ou pilotage automatique) dudit processus industriel, ledit processus industriel comprenant une pluralité d’éléments de machine conçus pour opérer à l’intérieur de plages de valeurs de paramètres de consigne à l’intérieur desquelles les produits de la famille de produits sont susceptibles d’être fabriqués, les éléments de machines étant couplés à des capteurs adaptés pour recevoir des données de paramètres opérationnels du processus industriel lors de la fabrication des produits, ledit appareil numérique de régulation comprenant :

- un module de spécifications techniques de produits à fabriquer par le processus industriel;

- un module de paramètres industriels, recevant desdits capteurs intégrés au processus industriel des données de paramètres opérationnels du processus lors de la fabrication de produits par le processus ;

- un module de calcul de consigne par apprentissage automatique ;

- un module de commande d’éléments de machine, relié au module de calcul de consigne par apprentissage automatique, et à chacun desdits éléments de machine, apte à commander le processus industriel de fabrication ledit procédé comprenant les étapes selon lesquelles :

i) le module de calcul de consigne par apprentissage automatique reçoit des spécifications techniques d’un type produit à fabriquer ;

ii) le module de calcul de consigne par apprentissage automatique reçoit un ou plusieurs paramètres opérationnels du processus industriel à optimiser ;

iii) le module de calcul de consigne par apprentissage automatique accède aux données de paramètres opérationnels d’itérations antérieures du processus industriel pour des spécifications techniques identiques ou voisines à celles préalablement reçues à l’étape i;

iv) le module de calcul de consigne par apprentissage automatique calcule (sans faire appel à une modélisation du processus industriel) un ensemble de valeurs de consignes à affecter auxdits éléments de machine de façon à optimiser le ou les paramètres opérationnels du processus industriel préalablement reçu à l’étape iii;

v) le module de calcul de consigne par apprentissage automatique transmet audit module de commande d’éléments de machine, la ou les valeurs de consigne obtenues;

vi) le module de commande pilote le processus industriel de fabrication et fournit à chacun desdits éléments de machine la ou les valeurs de consigne qui le concerne ;

vii) les éléments de machine effectuent les opérations de fabrication du produit commandé en fonction des consignes reçues.

[0014] Selon un mode de réalisation avantageux, le module de calcul de consigne par apprentissage automatique enregistre et conserve les données de paramètres opérationnels des itérations du processus industriel en relation avec les données de consignes appliquées à chaque élément de machine lors de ces itérations. Ces nouvelles données seront ensuite utilisées pour optimiser davantage les paramètres opérationnels souhaités.

[0015] Les étapes iii à vii sont avantageusement répétées une ou plusieurs fois jusqu’à atteinte d’un critère d’arrêt, comme par exemple la fin d’une production, l’obtention d’un résultat stabilisé, ou autre.

[0016] Un temps de latence est avantageusement prévu entre chaque nouvelle consigne. Ce temps de latence permet que l’effet technique lié à la nouvelle valeur de consigne ait le temps de se produire.

[0017] Selon un autre mode de réalisation, au moins un paramètre opérationnel à optimiser correspond à une spécification technique du produit à fabriquer.

[0018] De manière avantageuse, l’étape d’optimisation est basée sur l’analyse des données des paramètres opérationnels et des consignes des itérations antérieures, pour viser une amélioration continue du paramètre opérationnel à optimiser.

[0019] Egalement de manière avantageuse, l’étape d’optimisation ou d’amélioration continue comprend une sous-étape de séparation des données d’itérations antérieures de paramètres industriels autour d’une médiane.

[0020] Le procédé comprend avantageusement une étape de maximisation ou de minimisation ou de stabilisation.

Brève description des dessins [0021] Tous les détails de réalisation sont donnés dans la description qui suit, complétée par les figures 1 et 2, présentées uniquement à des fins d’exemples non limitatifs, et dans lesquelles:

Fig.l [0022] [fig-1] est une représentation schématique d’un exemple d’appareil numérique de régulation connecté à un processus industriel;

Fig.2 [0023] [fig-2] est un organigramme fonctionnel d’un exemple de procédé de régulation automatique.

Description des modes de réalisation [0024] La figure 1 est une représentation schématique d’un processus industriel 20 prévu pour la fabrication d’une famille de produits 30. Par famille de produits, on entend un produit pouvant présenter plusieurs variantes ou versions, ces variantes ou versions étant distinguées les unes des autres par des spécifications techniques de produits 30 spécifiques.

[0025] Le processus industriel 20 est mis en œuvre par une pluralité d’éléments de machine 21. Chaque élément de machine 21 met en œuvre une ou plusieurs fonctions de fabrication pour lesquelles il est spécifiquement conçu. Chacun des éléments de machine est commandé par une ou plusieurs valeurs de consignes 16 calculées. Les valeurs sont en général comprises à l’intérieur de plages de valeurs de paramètres de consigne à l’intérieur desquelles les produits 30 de la famille de produits sont susceptibles d’être fabriqués.

[0026] Un module 5 de commande d’éléments de machine 21 est relié à chacun desdits éléments de machine 21 et est adapté pour commander le processus industriel de fabrication en fournissant à chacun de ces éléments de machine 21 la ou les valeurs de consigne 16 calculée permettant de fabriquer le produit souhaité, avec les spécifications techniques souhaitées.

[0027] Pendant le déroulement du processus industriel, en particulier pendant la fabrication des produits, les données effectives 13 des paramètres opérationnels permettant de qualifier et/ou mesurer et/ou suivre et/ou superviser le processus sont captés ou détectés par une pluralité de capteurs 22 prévus au niveau des éléments de machine 21 et/ou dans l’environnement du processus industriel.

[0028] L’appareil numérique 1 de régulation (ou pilotage automatique) du processus industriel 20 permet de générer et de fournir de façon automatique la ou les consignes au module 5 de commande. Il comprend un module 2 de spécifications techniques de produits 30 à fabriquer par le processus industriel 20. Ce module regroupe l’ensemble des données 10 de spécifications techniques de la famille de produits pouvant être fabriqués par le processus industriel.

[0029] Il comprends également un module 3 de paramètres industriels, recevant les données 13 de paramètres opérationnels effectifs ou réels du processus lors de la fabrication des produits 30 par le processus industriel. Ces données proviennent des capteurs 22 intégrés au processus industriel.

[0030] Il comprend également un module 4 de calcul de consigne par apprentissage automatique, décrit ultérieurement. Un microprocesseur 6 et des instructions 7 de mise en œuvre permettent à l’appareil numérique de régulation de fonctionner de façon autonome.

[0031] Dans l’exemple illustré, ce module conserve les données 15 de paramètres opérationnels d’itérations antérieures du processus industriel en relation avec les données 14 de consignes appliquées à chaque élément de machine 21 lors des itérations antérieures du processus industriel.

[0032] Le module 4 de calcul de consigne par apprentissage automatique est par ailleurs conçu pour définir un ensemble de valeurs 16 de consignes à affecter aux éléments de machine 21 en fonction d’une part des spécifications techniques 10 d’un type de produit à fabriquer et d’autre part de tout ou partie des données 15 de paramètres opérationnels d’itérations antérieures du processus industriel, de façon à optimiser au moins un des paramètres opérationnels 11 du processus industriel en utilisant les données 15 de paramètres opérationnels d’itérations antérieurs du processus industriel pour des spécifications techniques identiques ou voisines.

[0033] Les exemples 1 à 3, présentés plus loin, permettent de décrire et illustrer le mode d’optimisation mis en œuvre par le module de consigne par apprentissage automatique.

[0034] La figure 2 illustre les principales étapes du procédé de régulation (ou pilotage automatique) de processus industriel 20. A l’étape 40, le module de calcul de consigne par apprentissage automatique reçoit les spécifications techniques d'un produit à fabriquer. A l’étape 41, le même module reçoit les paramètres opérationnels du processus industriel à optimiser. Il accède ensuite, à l’étape 42, aux données de paramètres opérationnels d'itérations antérieures.

[0035] A l’étape 43, le module de calcul de consigne par apprentissage automatique calcule un ensemble de valeurs de consignes à effectuer aux éléments de machine, et transmet au module de commande d’éléments de machine, à l’étape 44, la ou les valeurs de consigne obtenues. A l’aide de ces données de consignes, à l’étape 45, le module de commande pilote le processus industriel de fabrication et fournit la ou les valeurs de consigne aux éléments de machine.

[0036] A l’étape 46, les éléments de machine effectuent les opérations de fabrication du produit commandé.

[0037] Selon un mode de réalisation, les données 15 de paramètres opérationnels des itérations du processus industriel sont conservées en relation avec les données 14 de consignes appliquées à chaque élément de machine 21 lors de ces itérations. Le fait de conserver les nouvelles données obtenues, en plus de données historiques permet de faire évoluer les valeurs de consigne en vue par exemple d’une évolution continue.

Ainsi, les étapes 42 à 46 préalablement décrites sont répétées jusqu’à atteinte d’un critère d’arrêt tel que la fin de la production, ou tout autre critère d’arrêt, comme par exemple l’obtention d’un résultat stabilisé. On peut par ailleurs prévoir un temps de latence après une consigne le temps que l’effet technique de la consigne précédente se produise.

[0038] Diverses variantes du procédé sont possibles. Par exemple, le ou les paramètres opérationnels à optimiser peuvent correspondre à une ou plusieurs spécifications techniques du produit à fabriquer, comme par exemple la blancheur ou le grammage d’un papier à fabriquer.

[0039] EXEMPLE 1 : application d’une couche de peinture

Pour illustrer l’invention, un premier exemple simplifié, avec un nombre très faible de données, est présenté. Ce premier exemple concerne la fabrication d’un jouet, en particulier une étape d’application d’une couche de peinture à une certaine température. La pièce est donc chauffée avant ou pendant l’application de la peinture, afin d’améliorer la qualité de finition.

[0040] Des pièces transitent à une vitesse v dans un four à température t afin de fixer une peinture sur la pièce. La vitesse du convoyeur est subie (en fonction d'un processus en amont par exemple) et seule la température du four est ajustable. Pour avoir une finition de peinture optimale, il faut que la pièce reçoive une certaine quantité d'énergie. Si la vitesse est élevée, alors il est nécessaire d’augmenter la valeur de la température. A l'inverse, si la vitesse diminue il est nécessaire de réduire la valeur de la température pour que la quantité totale d’énergie reçue par la pièce reste stable.

[0041] Pour illustrer cet exemple, la quantité d'énergie est égale à la température t divisée par la vitesse v. La quantité d'énergie qui maximise la qualité de la peinture est t/v = 20.

[0042] Dans cet exemple, l'objectif consiste à se rapprocher de cet optimal. On peut illustrer un tel objectif de la façon suivante : Objectif = 100 / (l+l20-(t/v)l).

[0043] Ainsi, pour un niveau de qualité maximal à 100, soit l’idéal à atteindre, on observe une dégradation de la qualité (valeurs inférieures à 100) des pièces peintes au fur et à mesure que l'on s'éloigne de la qualité optimale.

[0044] A titre illustratif, les valeurs d’historique ne comportent que quatre valeurs, soit les quatre dernières pièces ou lots fabriqués. L’appareil numérique de régulation et le procédé de régulation visent à définir les valeurs de consignes à utiliser pour cette fabrication, ou phase de fabrication sans modèle préalable ou dispositif établissant le lien entre qualité, température et vitesse.

[0045] Les données suivantes sont les données de paramètres opérationnels historiques de la chaîne de fabrication. Les lignes sont triées chronologiquement. On vise une quantité d’énergie reçue par pièce le plus près possible de 20.

[0046] [Tableaux 1]

n° pièce	Vitesse (m/s)	Temp (°c)	Qté Energie	Niv quai
1	5,2	80	15,4	17,8
2	5,7	85	14,9	16,4
3	4,1	90	22,0	33,9
4	4,7	85	18,1	34,3

[0047] Le produit n°5 doit à présent être peint, et le procédé de régulation automatique permet de fournir une valeur de consigne en fonction de la caractéristique opérationnelle à optimiser. Les quatre points de l’historique sont séparés en deux populations autour de la médiane de l’objectif. Puisque l’on veut maximiser l’objectif, les « bonnes » pièces seront celles du groupe avec un fort objectif (les pièces 3 et 4). Les pièces 1 et 2 sont donc considérées dans ce découpage comme étant des « mauvaises » pièces. Avec ce découpage, si l’on considère les températures, on obtient: 80° correspond à une pièce mauvaise, 85° correspond à une mauvaise et une bonne, et 90° correspond à une pièce bonne.

[0048] L’intervalle qui contient le plus de données favorables et le moins de données défavorables ou intervalle qui maximise le « crossrank » est donc [85° 90°]. Son « rank » (ou score) est de (2/2-1/2)* 100 = 50.

[0049] De cet intervalle, la consigne est extraite en prenant par exemple la moyenne : dans l’historique, les mesures suivantes correspondent à la plage du rank : 85, 85, 90. La moyenne (87,5°) est ainsi affectée en tant que consigne de réglage de la température pour la pièce 5.

[0050] [Tableaux2]

n° pièce	Vitesse (m/s)	Temp (°c)	Qté Energie	Niv quai
1	5,2	80	15,4	17,8
2	5,7	85	14,9	16,4
3	4,1	90	22,0	33,9
4	4,7	85	18,1	34,3
5	4,1	87,5	21,3	42,7

[0051] En variante, une valeur autre que la moyenne peut être utilisée, comme par exemple la médiane, le minimum ou encore le maximum selon les cas. Une opération plus complexe peut aussi être menée sur cet intervalle pour obtenir une valeur encore plus ajustée, comme par exemple, choisir la valeur de l'intervalle pour laquelle le ratio de données favorables est maximal.

[0052] Puisque dans cet exemple théorique, seules les quatre dernières pièces sont prises en compte, la première pièce est ignorée, et le procédé se poursuit avec les pièces 2, 3, 4 et 5 qui permettent d’obtenir un nouveau découpage, et donc un autre réglage pour la pièce 6 (86,3°).

[0053] [Tableaux3]

ri pièce	Vitesse (m/s)	Temp (°c)	Qté Energie	Niv quai
1	5,2	80	15,4	17,8
2	5,7	85	14,9	16,4
3	4,1	90	22,0	33,9
4	4,7	85	18,1	34,3
5	4,1	87,5	21,3	42,7
6	4,1	86,3	21,0	48,8

[0054] A chaque itération, les meilleures pièces de l’historique récent sont utilisées pour générer la prochaine valeur de consigne à appliquer en fonctions de ces bonnes pièces. On observe que le niveau de qualité progresse à chaque nouvelle consigne.

[0055] [Tableaux4]

ri pièce	Vitesse (m/s)	Temp (°c)	Qté Energie	Niv quai
1	5,2	80	15,4	17,8
2	5,7	85	14,9	16,4
3	4,1	90	22,0	33,9
4	4,7	85	18,1	34,3
5	4,1	87,5	21,3	42,7
6	4,1	86,3	21,0	48,8
7	4,2	86,9	20,7	59,2
8	4,2	86,6	20,6	61,8

[0056] Il est entendu que cet exemple est volontairement simplifié à des fins illustratives. En outre, pour ce cas, une modélisation simple, permet d’identifier la température idéale, t=20.v [0057] Ainsi dès que la vitesse est connue, la température idéale peut être dérivée. Mais une telle démarche requière une modélisation du processus de fabrication en cours. Or, en pratique, du fait de la très grande complexité des fabrications industrielles, une telle modélisation n’est pas toujours possible. Lorsqu’elle est possible, elle ne donne que rarement un résultat exact car il y a toujours des facteurs perturbateurs (parfois non mesurés) qui rendent les modélisations imprécises, voire fausses.

[0058] L’appareil numérique de régulation et le procédé de régulation automatique de l’invention permettent de s’affranchir d’un modèle représentant la fabrication. Les facteurs perturbateurs, qu’ils soient internes ou externes, sont pris en compte de façon indirecte. Par exemple s’il y a une usure de l’isolation du four, la méthode connue qui s’appuie sur une modélisation, ne prend pas en compte la quantité d’énergie perdue, et donc le niveau de qualité des pièces peintes n’est pas optimal, car l’énergie perdue à cause du manque d’isolation n’est pas prise en compte.

[0059] Le procédé préalablement présenté s’appuie sur un historique incluant des mesures où l’isolation est déjà endommagée, en prenant en compte l’impact sur le niveau de qualité. Les consignes calculées sont donc ajustées automatiquement.

[0060] EXEMPLE 2 : Blancheur de papier

Le second exemple est issu des papeteries. Comme dans toute l’industrie, ce qui est fabriqué (ici du papier) doit respecter des spécifications. L’aspect (ou la blancheur) fait partie des spécifications que les papetiers doivent respecter, cet exemple illustrera le procédé de régulation de cette spécification.

[0061] Dans une chaîne de production papier, l’aspect est mesuré par une caméra qui dénombre les taches sombres présentes en surface. Une densité de taches est ainsi déterminée. La valeur qui est visée dans cet exemple est 100 : plus la valeur mesurée en fin de procédé est proche de 100, mieux c’est.

[0062] Les taches viennent en partie de la composition de la pâte. Pour limiter le nombre de taches il faut qu’elle soit suffisamment bien filtrée. Le paramètre opérationnel nommé “ratio de refus” permet d’agir sur cette filtration.

[0063] Les taches peuvent également provenir d’un mauvais débit de la pâte. Un paramètre opérationnel lui est également associé.

[0064] Dans cet exemple la densité de taches sombres est modélisée par la fonction suivante : ratio de refus (%) / débit de la pâte (1/min). Cette formule est donnée pour suivre les calculs de l’exemple. Dans une usine véritable, comme mentionné précédemment, la densité de taches est mesurée, non calculée.

[0065] Dans le tableau suivant, une ligne correspond à une bobine de papier produite. Cela est mis à titre didactique, et toute autre unité de production peut être utilisée à la place.

[0066] Le tableau suivant affiche les données initiales disponibles concernant la fabrication de papier de blancheur souhaitée 100. Les données des 4 dernières bobines sont présentent.

[0067] [Tableaux5]

n° de bobine	ratio de refus (%)	débit (1/min)	taux de taches
1	11,20	1 250,00	111,6
2	11,80	1 220,00	103,4
3	12,30	1 300,00	105,7
4	12,40	1 190,00	96,0

[0068] La bobine n°5 doit à présent être produite, et le procédé de régulation automatique permet de fournir une valeur de consigne en fonction de la caractéristique opérationnelle à optimiser. Les quatre points de l’historique sont séparés en deux populations autour de la médiane du taux de blancheur. Les « bonnes » bobines seront les deux ayant le taux de taches le plus proche de 100 (les bobines 2 et 4). Les bobines 1 et 3 sont donc considérées dans ce découpage comme étant des « mauvaises » bobines. Avec ce découpage, si l’on considère les ratios de refus, on obtient : “ 11.20 correspond à une bobine mauvaise, 11.80 correspond à une bonne, 12.30 correspond à une mauvaise, et 12.40 à une bonne.” [0069] En ne considérant que le ratio de refus, l'intervalle qui départage le mieux les bobines bonnes des bobines mauvaise est [11.80 ; 12.40]. Dans cet exemple le module utilise la moyenne pour attribuer une valeur. 3 bobines sont comprises dans cet intervalle et leurs ratios de refus sont 11.80, 12.30 et 12.40. La moyenne (12.17) est donc appliquée au paramètre opérationnel de ratio de refus.

[0070] Un processus similaire est opéré pour le second paramètre opérationnel (débit). L’intervalle [1190, 1220] est donc retenu, et la valeur moyenne 1205 est affectée au paramètre opérationnel du débit. Ces affectations sont visibles sur la ligne 5 du tableau suivant.

[0071] Tous les paramètres opérationnels étant affectés, l’usine peut procéder à la fabrication de la bobine n°5 et le taux de taches obtenu est de 99.

[0072] [Tableaux6]

n° de bobine	ratio de refus (%)	débit (1/min)	taux de taches
1	11,20	1 250,00	111,6
2	11,80	1 220,00	103,4
3	12,30	1 300,00	105,7
4	12,40	1 190,00	96,0
5	12,17	1 205,00	99,0

[0073] Dans cet exemple, un historique de taille 4 est utilisé pour réaliser le pilotage. Ainsi, pour opérer les réglages de la bobine 6, la bobine 1 est ignorée. La bobine 5 par contre est ajoutée à rhistorique. En suivant le même processus avec le nouvel historique, la bobine 6 est produite suivant les paramètres affichés dans le tableau :

[0074] [Tableaux7]

n° de bobine	ratio de refus (%)	débit (1/min)	taux de taches
1	11,20	1 250,00	111,6
2	11,80	1 220,00	103,4
3	12,30	1 300,00	105,7
4	12,40	1 190,00	96,0
5	12,17	1 205,00	99,0
6	11,99	1 212,50	101,1

[0075] Le pilotage continue ainsi de suite et donne lieux aux bobines 7 et 8 du tableau suivant.

[0076] [Tableaux8]

n° de bobine	ratio de refus (%)	débit (1/min)	taux de taches
1	11,20	1 250,00	111,6
2	11,80	1 220,00	103,4
3	12,30	1 300,00	105,7
4	12,40	1 190,00	96,0
5	12,17	1 205,00	99,0
6	11,99	1 212,50	101,1
7	12,08	1 208,75	100,1
8	12,04	1 210,63	100,6

[0077] A chaque itération, le taux de taches se rapproche de 100 qui est la valeur de spécification.

[0078] EXEMPLE 3 : Taux d’humidité résiduelle

Dans le domaine de la chimie, les colonnes de distillations sont utilisées pour séparer les éléments constituant d’une matière première. La matière première est soumise à une vapeur qui l’échauffe et provoque la gazéification de l’élément recherché. Le processus demande un apport de chaleur qui est délivré sous forme de vapeur. Les colonnes de distillations sont très utilisées dans l’industrie chimique. De ce processus, il en ressort un gaz qui contient principalement le composant recherché par l’industriel. Mais il contient également des impuretés, dont un taux d’humidité résiduelle.

[0079] Le taux d’humidité résiduelle est à minimiser, mais il n’est pas nécessaire de trop gaspiller d'énergie pour cela. A partir d’un certain seuil, le produit est acceptable. Dans cet exemple le seuil est défini à 1.5%. Si le produit final contient plus de 1.5% la qualité ne sera pas optimale, et s’il en contient moins, de l’énergie aura été gaspillée et donc le coût de production ne sera pas optimal (ni l’impact environnemental). Une valeur autour de 1.5% est donc recherchée.

[0080] Dans cet exemple, le principal paramètre opérationnel impactant le taux d’humidité est le débit de vapeur (T/h) qui est utilisé dans la colonne de distillation. Pour pouvoir illustrer le fonctionnement dans un tableau, la formule suivante définit l’impact du débit sur le taux d’humidité : taux d’humidité = (débit*4)-18,5.

[0081] Tout comme les exemples suivants, un historique de quatre éléments est utilisé. Dans le cas présent, il s’agit d’une production en flux, et donc une ligne du tableau suivant ne représente pas un élément réel, mais plutôt une unité de production. Une mesure est réalisée toutes les minutes par exemple, et la valeur de l’échantillon mesuré alimente l’historique.

[0082] L’historique de cet exemple est le suivant :

[0083] [Tableaux9]

n° d’échantillon	débit (T/h)	taux résiduel (%)
1	5,2	2,3
2	5,5	3,5
3	4,9	1,1
4	6,00	5,5

[0084] Avant que la mesure de l’échantillon 5 n’intervienne, le module de régulation a la possibilité d’agir sur l’usine en modifiant le paramètre opérationnel de débit. Pour cela, comme dans les exemples précédents, l’historique est utilisé afin d'obtenir un réglage plus adéquat. Le but étant de se rapprocher d’un taux résiduel d’humidité de 1.5% [0085] Les quatre points sont séparés en deux groupes : les deux points les plus proches d’un taux de 1.5% ensemble (ils constituent les bons points) et les autres (les mauvais points).

[0086] Les points 1 et 3 sont donc les deux points bons. Le module en déduit l'intervalle qui maximise la séparation des bons des mauvais : [4.9 ; 5.2]. Ici encore, c’est la moyenne qui sera utilisée pour extraire la valeur de l’intervalle. Seuls deux échantillons se trouvent dans l’intervalle, et leur moyenne est 5.05. Le paramètre opérationnel de débit est donc fixé à 5.05. La production en sera impactée, et l’échantillons (n°5) qui en résulte est affiché dans le tableau suivant :

[0087] [Tableaux 10]

n° d’échantillon	débit (T/h)	taux résiduel (%)
1	5,2	2,3
2	5,5	3,5
3	4,9	1,1
4	6,00	5,5
5	5,05	1,7

[0088] Le premier échantillon est ensuite remplacé par le dernier, puis un nouveau découpage bon/mauvais est réalisé pour préparer l’échantillon 6. Les points bons sont alors les n°3 et 5. L’intervalle séparant le mieux est [4.9 ; 5.05]. Il ne contient que deux points, et sa moyenne (4.98) est donc affectée au paramètre opérationnel de débit. Comme le montre le tableau suivant, cela rapproche encore davantage du taux résiduel de 1.5 :

[0089] [Tableauxll]

n° d’échantillon	débit (T/h)	taux résiduel (%)
1	5,2	2,3
2	5,5	3,5
3	4,9	1,1
4	6,00	5,5
5	5,05	1,7
6	4,98	1,4

[0090] Le procédé peut alors itérer en utilisant le nouvel historique. La production suivante est obtenue :

[0091] [Tableaux 12]

n° d’échantillon	débit (T/h)	taux résiduel (%)
1	5,2	2,3
2	5,5	3,5
3	4,9	1,1
4	6,00	5,5
5	5,05	1,7
6	4,98	1,4
7	5,01	1,6
8	4,99	1,5

[0092] Sur cet exemple encore nous pouvons voir comment le procédé arrive à emmener une production sur un objectif définit en agissant sur les paramètres opérationnels : ici le taux résiduel de 1.5 est rapidement obtenu. Et cela sans avoir recours à une modélisation. Seul le traitement de rhistorique est utilisé.

Liste des signes de référence [0093] 1. Appareil numérique de régulation (ou pilotage automatique)

2. Module de spécifications technique produit

3. Module de paramètres industriels

4. Module de calcul de consigne par apprentissage automatique

5. Module de commande d’élément de machine

6. Microprocesseur

7. Instructions de mise en œuvre

8.

9.

10. Spécifications techniques de produits à fabriquer

11. Paramètres opérationnels du processus industriel à optimiser

12.

13. Données de paramètres opérationnels effectifs du processus industriel provenant des capteurs

14. Données historiques de consignes appliquées à chaque élément de machine

15. Données historiques de paramètres opérationnels

16. Valeur de consigne obtenue par le module de calcul de consigne

17.

18.

19.

20. Processus industriel

21. Elément de machine

22. Capteur de paramètre opérationnel

23.

24.

25.

26.

27.

28.

29.

30. Produit à fabriquer

Claims (1)

1. Appareil numérique (1) de régulation d’un processus industriel (20) conçu pour la fabrication d’une famille de produits (30), ledit processus industriel (20) comprenant une pluralité d’éléments de machine (21) conçus pour opérer à l’intérieur de plages de valeurs de paramètres de consigne à l’intérieur desquelles les produits (30) de la famille de produits sont susceptibles d’être fabriqués, les éléments de machines (21) étant couplés à des capteurs (22) adaptés pour recevoir des données (13) de paramètres opérationnels effectifs du processus industriel lors de la fabrication des produits (30), ledit appareil numérique (1) de régulation comprenant :

   i) un module (2) de spécifications techniques de produits (30) à fabriquer par le processus industriel (20);

   ii) un module (3) de paramètres industriels, recevant desdits capteurs (22) intégrés au processus industriel (20) des données (13) des paramètres opérationnels effectifs du processus lors de la fabrication de produits (30) par le processus ;

   iii) un module (4) de calcul de consigne par apprentissage automatique, conservant les données (15) de paramètres opérationnels d’itérations antérieures du processus industriel en relation avec les données (14) de consignes appliquées à chaque élément de machine (21) lors de ces itérations antérieures, ledit module (4) de calcul de consigne par apprentissage automatique étant conçu pour définir un ensemble de valeurs (16) de consignes à affecter auxdits éléments de machine (21) en fonction d’une part des spécifications techniques (10) d’un type produit à fabriquer et d’autre part de tout ou partie des données (15) de paramètres opérationnels d’itérations antérieures du processus industriel de façon à optimiser au moins un des paramètres opérationnels (11) du processus industriel en utilisant les données (15) de paramètres opérationnels d’itérations antérieurs du processus industriel pour des spécifications techniques identiques ou voisines ;

   iv) un module (5) de commande d’éléments de machine (21), relié au module (4) de calcul de consigne par apprentissage automatique, et à chacun desdits éléments de machine (21), apte à commander le processus industriel de fabrication en fournissant à chacun desdits éléments de machine (21) au moins une valeur de consigne (16) obtenue par ledit module (4) de calcul de consigne par apprentissage au- [Revendication 2] [Revendication 3] tomatique.

   Appareil numérique de régulation selon la revendication 1, dans lequel le module (2) de spécifications techniques de produits comprends des données (10) de spécifications techniques de produits (30) à fabriquer par le processus industriel et des données (11) de paramètres opérationnels à optimiser.

   Procédé de régulation d’un processus industriel (20) conçu pour la fabrication d’une famille de produits (30) par un appareil numérique (1) de régulation dudit processus industriel (20), ledit processus industriel (20) comprenant une pluralité d’éléments de machine (21) conçus pour opérer à l’intérieur de plages de valeurs de paramètres de consigne à l’intérieur desquelles les produits (30) de la famille de produits sont susceptibles d’être fabriqués, les éléments de machines (21) étant couplés à des capteurs (22) adaptés pour recevoir des données (13) des paramètres opérationnels effectifs du processus industriel lors de la fabrication des produits (30), ledit appareil numérique (1) de régulation comprenant :

   - un module (2) de spécifications techniques de produits (30) à fabriquer par le processus industriel (20);

   - un module (3) de paramètres industriels, recevant desdits capteurs (22) intégrés au processus industriel (20) des données (13) des paramètres opérationnels effectifs du processus lors de la fabrication de produits (30) par le processus ;

   - un module (4) de calcul de consigne par apprentissage automatique ;

   - un module (5) de commande d’éléments de machine (21), relié au module (4) de calcul de consigne par apprentissage automatique, et à chacun desdits éléments de machine (21), apte à commander le processus industriel de fabrication ;

   ledit procédé comprenant les étapes selon lesquelles :

   i) le module (4) de calcul de consigne par apprentissage automatique reçoit des spécifications techniques d’un type de produit à fabriquer ;

   ii) le module (4) de calcul de consigne par apprentissage automatique reçoit un ou plusieurs paramètres opérationnels du processus industriel à optimiser ;

   iii) le module (4) de calcul de consigne par apprentissage automatique accède aux données (15) de paramètres opérationnels d’itérations antérieures du processus industriel pour des spécifications techniques identiques ou voisines à celles préalablement reçues à l’étape i;

   iv) le module (4) de calcul de consigne par apprentissage automatique

   calcule un ensemble de valeurs (16) de consignes à affecter auxdits éléments de machine (21) de façon à optimiser le ou les paramètres opérationnels du processus industriel préalablement reçu à l’étape iii; v) le module (4) de calcul de consigne par apprentissage automatique transmet audit un module (5) de commande d’éléments de machine (21), la ou les valeurs de consigne (16) obtenues; vi) le module (5) de commande pilote le processus industriel de fabrication et fournit à chacun desdits éléments de machine (21) la ou les valeurs de consigne qui le concerne ; vii) les éléments de machine (21) effectuent les opérations de fabrication du produit commandé en fonction des consignes reçues. [Revendication 4] Procédé de régulation selon la revendication 3, dans lequel le module (4) de calcul de consigne par apprentissage automatique enregistre et conserve les données (15) de paramètres opérationnels des itérations du processus industriel en relation avec les données (14) de consignes appliquées à chaque élément de machine (21) lors de ces itérations. [Revendication 5] Procédé de régulation selon la revendication 4, dans lequel les étapes iii à vii sont répétées jusqu’à atteinte d’un critère d’arrêt. [Revendication 6] Procédé de régulation selon l’une quelconque des revendications 4 ou 5, dans lequel un temps de latence est prévu entre chaque nouvelle consigne. [Revendication 7] Procédé de régulation selon l’une quelconque des revendications 3 à 6, dans lequel au moins un paramètre opérationnel à optimiser correspond à une spécification technique du produit à fabriquer. [Revendication 8] Procédé de régulation selon l’une quelconque des revendications 4 à 6, dans lequel l’étape d’optimisation est basée sur l’analyse des données des paramètres opérationnels et des consignes des itérations antérieures, pour viser une amélioration continue du paramètre opérationnel à optimiser. [Revendication 9] Procédé de régulation selon la revendication 8, dans lequel l’étape d’optimisation ou d’amélioration continue comprend une sous-étape de séparation des données d’itérations antérieures de paramètres industriels autour d’une médiane.

   1/2