Refléter l’état d’une ressource physique complexe ou d’un processus dans son jumeau numérique peut souffrir de multiple imperfections. Il est cependant important de pouvoir raisonner précisément sur un tel jumeau même en cas de dégradation partielle ou temporaire de son lien avec son homologue physique. Dans le cadre du projet Industrie 4.0 TrackOpt, nous étudions comment faire face à un tel défi pour optimiser le fonctionnement d’une aciérie.
Cet article est la traduction français d’un article publié dans le numéro 115 d’ERCIM News d’octobre 2018
Le concept de jumeau numérique peut être défini comme "un profil numérique évolutif du comportement passé et présent d’un objet ou d’un processus physique dans le but d’optimiser les performances de l’entreprise". Le concept est issu de la numérisation croissante dans de nombreux secteurs tels que l’Industrie 4.0 et est rendu possible par les technologies Big Data permettant d’exploiter les grands volumes de données générés par les processus industriels. L’utilisation aveugle de la technologie présente cependant des risques, tels que l’incapacité de savoir à quel point le jumeau numérique est proche de la réalité à un moment donné, ce qui rend difficile de connaître précisément ce que l’on peut prédire en l’utilisant comme un modèle de réalité en évolution dynamique.
Afin de résoudre ce problème dans le cas d’un processus de traitement partiellement défini, nous avons développé une approche combinant à la fois un modèle de flux des activités incluant des contraintes physiques et une capture d’information des activités réelles sur base de différents types de capteurs de terrain. Le but d’un tel jumeau est de pouvoir détecter si le comportement du processus est correct / optimal et, en cas de déviation, d’explorer un moyen de rétablir un fonctionnement normal avec un impact minimal.
Notre contexte est le projet TrackOpt visant à améliorer le suivi et l’optimisation des processus de fabrication de l’acier. Le projet implique à la fois des spécialistes de l’acier (le centre de recherche allemand BFI sur l’acier et de la société Ferriere Nord en Italie) et de l’optimisation (CETIC en Belgique et Scuola Superiore Sant’Anna in Italie).
La figure suivante montre un exemple de processus de fabrication de l’acier organisé comme un tuyau d’étapes de traitement spécifiques. Un certain nombre de poches se déplacent d’une station de traitement à l’autre, soit à l’aide d’une grue, soit d’un chariot à louche (sur rails). Un certain nombre de positions d’attente / permutation sont également possibles entre les stations. Bien sûr, de nombreuses poches sont engagées simultanément afin d’assurer une coulée continue.
La construction d’un jumeau numérique combine un modèle de flux de travail global avec des contraintes connues telles que des durées typiques dues à des contraintes physiques (par exemple pour la fusion et la coulée) et un processus de collecte de données pour collecter des informations clés sur la position de la poche à l’aide de capteurs de poids et un codage manuel de l’identification. La reconnaissance de poche de plus en plus automatisée est également utilisée et constitue l’un des objectifs du projet TrackOpt.
Les informations collectées peuvent être partielles ou erronées, par exemple, en cas d’erreur d’encodage, d’échec de la reconnaissance (en raison d’un mauvais environnement / d’un capteur défectueux). Dans ce cas, une incertitude est introduite dans le jumeau numérique, ce qui signifie que le processus réel pourrait faire partie d’un ensemble d’états alternatifs, ce qui donne naissance à une multiplicité de variantes du clone numérique.
Un raisonnement précis peut toutefois être maintenu en appliquant le modèle d’activité à chaque variante possible. En appliquant également un processus de réconciliation basé sur les informations disponibles, il est possible de réduire le niveau d’incertitude jusqu’à ce que le jumeaux numérique redevienne unique et précis. Une bonne définition de la notion de précision peut être posée sur la base d’une analyse par objectifs des propriétés requises, ainsi que d’une évaluation de la contrôlabilité du système.
Ce traitement pourrait également faire face à l’apparition de déviations de processus, comme par exemple lorsqu’une poche a besoin d’une réparation entre les stations et doit être réinsérée de manière optimale pour préserver la qualité de l’acier. Dans ce cas, le système peut explorer les plannings possibles et en proposer un correctif, même sur la base d’une connaissance partielle du système.
Dans la suite du projet, nous prévoyons de mettre en place un tel moteur basé sur la bibliothèque d’optimisation OscaR et plus spécifiquement sur le moteur de recherche local basé sur des contraintes Oscar.cbls