Les systèmes de contrôle de process s'appuient sur l'IA pour optimiser la production de ciment

ABB, fournisseur de solutions d’électrification et d’automatisation industrielle, et Alcemy, développeur de modèles de machine learning spécialisés pour l’industrie cimentière, coopèrent afin de répondre à un enjeu structurel de la production cimentière : la variabilité des matières premières et des conditions de procédé, qui affecte directement la qualité du produit et la consommation énergétique. Les systèmes de contrôle traditionnels reposent sur des paramètres prédéfinis et des analyses différées, limitant la capacité d’ajustement en temps réel. L’intégration d’analyses prédictives vise à améliorer la réactivité opérationnelle et à réduire les inefficacités liées aux surconsommations de ressources.

Solution technique et répartition des rôles
La solution conjointe repose sur l’intégration des modèles d’IA d’Alcemy dans l’infrastructure numérique d’ABB, formant une architecture en boucle fermée au sein d’un environnement d’automatisation industrielle.

Les données de procédé et de qualité sont collectées via la plateforme ABB Knowledge Manager. Elles sont ensuite analysées par les algorithmes de machine learning d’Alcemy afin de prédire des paramètres clés tels que la résistance mécanique ou la composition du matériau. Les recommandations de pilotage sont transmises au système ABB Ability™ Expert Optimizer.

Ce système ajuste en continu les variables opérationnelles  notamment les profils thermiques du four, les proportions de matières premières et les paramètres de broyage sur la base des prédictions générées. Le fonctionnement en boucle fermée permet une amélioration progressive des performances grâce à l’apprentissage sur données historiques.

ABB assure l’intégration des systèmes, le contrôle des procédés et l’architecture d’automatisation, tandis qu’Alcemy fournit les modèles prédictifs et les outils d’analyse avancée.

Déploiement et mise en œuvre
La solution est conçue pour s’intégrer aux systèmes de contrôle existants des cimenteries sans remplacement complet des infrastructures. Le déploiement comprend la connexion des sources de données, l’adaptation des modèles aux spécificités du site et le calibrage des boucles de régulation.

Les phases initiales incluent la validation des données, l’entraînement des modèles et une exploitation supervisée, avant un passage progressif vers des modes d’optimisation autonomes. ABB intervient principalement sur l’intégration et l’ingénierie des systèmes, tandis qu’Alcemy se concentre sur la performance des modèles.

Applications et cas d’usage
Les applications concernent principalement la production de clinker et de béton prêt à l’emploi. Principaux cas d’usage :

Ces fonctions contribuent à une meilleure stabilité des procédés et à une réduction des ajustements correctifs en aval.

Résultats et impacts attendus
Le pilotage prédictif permet de limiter les écarts de qualité et de réduire les consommations excessives de ressources. Il en résulte une production plus homogène et une diminution des charges énergétiques inutiles, contribuant aux objectifs de réduction des émissions.

Publié avec l’assistance de l’IA par la journaliste industrielle Sucithra Mani.

www.abb.com