De nouveaux seuils de performance pour l industrie cimentière

Transcription

1 De nouveaux seuils de performance pour l industrie cimentière L industrie Eduardo Gallestey, Dario Castagnoli, Clive Colbert L industrie cimentière, comme la plupart des secteurs industriels, est sous pression : elle se doit d améliorer ses résultats financiers dans un contexte de développement durable et de protection des ressources naturelles. Il incombe donc aux responsables d usine d élaborer de nouvelles stratégies pour réagir rapidement et de manière optimale à des contraintes changeantes, conciliant des objectifs souvent contradictoires. Quels que soient leurs atouts, les systèmes standards de gestion de l information de production ne peuvent à eux seuls exploiter toutes les données collectées et n offrent pas les fonctions d optimisation requises. C est précisément pour pallier cet inconvénient qu ABB a développé de nouveaux modules et algorithmes. 13

2 Pour mettre en place des stratégies efficaces d optimisation économique de l appareil de production, les cimentiers veulent des outils performants prenant en compte contraintes technologiques, environnementales et contractuelles. Ces outils doivent traiter en temps réel des informations cohérentes et fiables. A l évidence, un système de gestion efficace de l information est un préalable indispensable. 1 Market data (fuels, alternative fuels and raw meal costs, clinker price, emissions costs, customer orders, etc.) Flux des données pour l optimisation économique de la production Online plant data (energy requirements, feed rate constraints, material availability, etc.) Plant targets (clinker chemistry, emission limits, other process parameters) Fuels and raw meal properties (chemical composition, ash content, calorific value, etc.) ABB a déjà développé deux modules d optimisation, l un pour l énergie thermique et l autre pour l énergie électrique. Le premier, basé sur des modèles mathématiques dédiés, fait appel aux techniques d optimisation les plus pointues, calculant les sources d énergie les moins chères au vu des contraintes de production et de la réalité du marché, utilisant des informations temps réel multisources: analyses de laboratoire, prix du marché, prévisions de disponibilité de sources d énergie alternatives, contraintes environnementales et industrielles. Le second est un outil de programmation qui permet de piloter les broyeurs et les silos pour atteindre les objectifs de production au coût énergétique le plus faible possible. Ces modules logiciels peuvent être utilisés soit comme outils d aide à la décision, soit pour la régulation en boucle fermée. Pour les cimentiers, les avantages sont nombreux: économies d énergie immédiates, production plus stable, qualité en hausse et coûts de maintenance en baisse. De la vision... Des systèmes de commande-régulation automatique intelligents et flexi bles, toujours au maximum de leurs performances et capables de coordonner leurs actions mutuelles, sont la clé de stratégies réussies pour atteindre durablement les objectifs de rentabilité. Un certain nombre d avancées technologiques ont permis l avènement de ces systèmes: Les stratégies d optimisation économique de l appareil de production mettent en œuvre des outils qui prennent en compte les différentes contraintes. les performances accrues d équipements relativement bon marché (PC, liaisons numériques, etc.); de nouveaux logiciels pour le couplage et le pilotage en toute transparence de systèmes différents; le contrôle-commande avancé qui, associé à la puissance de calcul aujourd hui disponible, a ouvert de nouveaux horizons pour la conduite de procédé, l ordonnancement et la planification, débouchant sur une réelle optimisation économique de l outil productif. La plate-forme Industrial IT d ABB joue un rôle décisif dans la mise en pratique de cette vision. Les solutions estampillées Industrial IT permettent non seulement de piloter et d optimiser les différents constituants de l usine mais également à ces constituants de communiquer et travailler à l unisson pour optimiser les performances globales du site industriel....à la réalisation La vision Industrial IT ne se contente pas Mathematical models + Optimization techniques Optimal fuel mix (maximum profit, strict constraints satisfaction, process stability) d être une technologie innovante; elle jette les bases d une mutation profonde de l entreprise par l intégration transparente de toutes ses ressources pour gagner en polyvalence, en efficacité et en rentabilité. Deux composantes essentielles d Industrial IT y contribuent: l intégration temps réel de tous les systèmes d information et d automatisation de l entreprise, l optimisation économique de l outil de production, rendue possible par l intégration des systèmes d information. Ce partage temps réel de l information globale permet aux industriels de: surveiller tous les constituants de l usine et leurs caractéristiques connaître leur mode d interaction diagnostiquer instantanément les problèmes prévenir les arrêts de production préjudiciables suivre la productivité remédier aux problèmes optimiser les procédés coordonner en permanence le fonctionnement de chaque actif en fonction d indicateurs clés de performance. Cet idéal peut devenir réalité. Pour preuve, voyons comment Industrial IT optimise les performances d une cimenterie. 14

3 Des données brutes aux informations utiles Pour avoir une vue d ensemble des performances d une cimenterie, des données issues de nombreuses sources doivent être collectées et analysées. Mais ces données brutes multisources sont souvent incohérentes par manque de précision de l instrumentation de terrain, alors que d autres données essentielles font défaut car les investissements nécessaires ne se justifiaient pas. Ce problème peut être résolu par une approche intégrée de la gestion des données qui suppose l automatisation des flux de données multisources, un traitement de cohérence (les méthodes mathématiques jouent ici un rôle central) et la possibilité pour les utilisateurs habilités d accéder en temps réel à toutes les informations. Un système de gestion intégrée des flux d information collecte les données directement des sous-systèmes déjà présents dans de nombreux sites industriels. 2 Entrées et sorties du modèle des fours de cuisson L idéal voudrait qu il puisse extraire les données à la source: capteurs, automatismes et autres unités de collecte de données (ex., outils d archivage). Il va de soi qu un tel système doit être intrinsèquement flexible pour exploiter tout le potentiel des systèmes en place. ABB commercialise ce type de système depuis un certain temps [1]. Il conjugue l architecture et toutes les fonctionnalités nécessaires avec ergonomie, implémentation sur poste client léger et convivialité de Windows TM de Microsoft. De l information à la décision Les techniques d optimisation économique de la production joueront un rôle clé dans l industrie cimentière au cours des prochaines années car elles permettent principalement d accroître la performance industrielle par l utilisation opportune et optimale des ressources. Par le passé, les techniques de modélisation ne pouvaient servir à calculer en temps réel les objectifs de production car la complexité des opérations ne permettait pas de résoudre les problèmes dans un laps de temps raisonnable. Le manque de précision des modèles était un autre problème, jetant le doute également sur la valeur des consignes. Toutes ces difficultés devaient être résolues en priorité. Coup d accélérateur Trois développements technologiques récents ont permis de donner un coup d accélérateur: les nouvelles techniques de modélisation mathématique offrent un environnement de développement homogène pour une représentation efficace des systèmes industriels complexes, les techniques de contrôle-commande avancé et d optimisation ont acquis suffisamment de maturité pour servir d outils décisionnels à la fois pour la production et pour la gestion. la programmation mixte continue/discrète et non linéaire fournit des solutions performantes et robustes pour résoudre les problèmes décrits. Ambient conditions Kiln temperature profile L organigramme des données en 1 montre le type de solution recherchée. TF/AF/RM rates TF/AF/RM chemistry Mathematical model of kiln Heat release Emission rates Clinker chemistry Des solutions optimales peuvent être élaborées de plusieurs manières. Une approche intéressante et largement utilisée pour résoudre les problèmes de commande des systèmes soumis à des contraintes d entrée et de sortie est la commande prédictive par modèle (MCP) [2]. TF/AF/RM physical properties AF Energies alternatives RM Cru TF Energies traditionnelles Volatiles recirculation L approche MCP est basée sur le principe de l horizon fuyant: une séquence d actions de régulation optimisées est obtenue par prédiction de l évolution à court/moyen terme du comportement du système pendant un temps donné. Dès que des mesures ou de nouvelles don- 15

4 nées sont disponibles, une nouvelle séquence est calculée et remplace la précédente. Chaque séquence a pour but d optimiser les performances et de protéger le système des dépassements de contraintes. Il est donc primordial de gérer et résoudre efficacement ces contraintes. A cette fin, la modélisation MLD (Mixed Logical Dynamic) [3] est intéressante mais fait appel à des techniques mathématiques relativement complexes. 3 Mise en œuvre des nouveaux algorithmes pour l optimisation énergétique des fours Le réglage et l adaptation des modèles posent également problème. En effet, ils doivent représenter l usine avec un certain degré de précision. ABB garantit la précision de ses modèles par l utilisation de techniques d identification des paramètres : méthodes des sous-espaces, filtrage de Kalman et réseaux neuronaux sont largement utilisés pour identifier les caractéristiques des modèles (ordre, paramètres, etc.), déterminer les valeurs physiques non mesurables (coefficients de volatilité, etc.) et prédire les conditions aux limites telles que coût et disponibilité des sources d énergie, et contraintes du marché 2. Ensemble, ces techniques mathématiques constituent une boîte à outils complète et flexible pour l optimisation économique globale des sites industriels. La vision Industrial IT d ABB pour l industrie cimentière Gestion de l énergie thermique: optimisation de la consommation de combustibles des fours de cuisson Pour l industrie cimentière, ABB propose déjà un produit performant servant à stabiliser et optimiser le fonctionnement des fours. Appelé Expert Optimizer, il est bâti sur son prédécesseur, l excellent outil Linkman Graphics. Le système Expert Optimizer associe commande à base de règles et techniques les plus modernes (réseaux neuronaux et logique floue). En plus de l outil Expert Optimizer, les solutions ABB pour l industrie cimentière se sont enrichies d un module d optimisation énergétique. Développé pour optimiser le rendement énergétique de sources d énergie à la fois tradition- Tons Tons 4 Programmation des broyeurs à ciment: niveaux des silos Silo Time [h] Silo Time [h] Reference state Measured state 16

5 nelles et alternatives, ce module peut accroître de manière significative les performances économiques des fours de cuisson. Il utilise des données collectées par les différents systèmes de gestion de l information pour calculer en ligne les sources d énergie les plus économiques au vu des nombreuses contraintes de production et de gestion: bilan thermique, niveau d oxygène excédentaire, composition chimique du clinker, concentration en matières volatiles, limites d émissions polluantes, variation de vitesse des actionneurs, contraintes opérationnelles de consommation de combustible et obligations contractuelles. Un modèle mathématique spécial, développé en Matlab/Simulink TM, est utilisé pour implémenter le régulateur (prédictif). Celui-ci peut calculer les températures du refroidisseur, de la flamme, de la zone de frittage, de la partie terminale et du réchauffeur, les besoins en énergie du four, le niveau des émissions polluantes et des matières volatiles, etc. Les paramètres du modèle sont réglés en combinant techniques de réseaux neuronaux et filtrage de Kalman. Les algorithmes d optimisation peuvent prendre en compte des contraintes à la fois «dures» (à respecter absolument) et «molles», gage de fiabilité. Gestion de l énergie électrique: programmation des broyeurs En phase finale de fabrication, le clinker est broyé et mélangé à des additifs pour obtenir du ciment. Les différents types de ciment, ou qualités, sont définis par leur composition chimique et leur granulométrie. Ce broyage s effectue dans d immenses machines rotatives où des boulets d acier broyent le matériau jusqu à obtenir la granulométrie requise. Les différents ciments produits sont alors acheminés par convoyeur vers des silos avant d être conditionnés et expédiés. Les programmes de fabrication d une cimenterie (produire telle qualité de ciment dans tel broyeur) sont actuellement élaborés manuellement par des méthodes empiriques. Cependant, le grand a) b) 5 nombre d équipements différents, de qualités de ciment et de silos, auxquels s ajoutent les différentes contraintes opérationnelles, compliquent la tâche. Trop souvent, les choix des opérateurs sont loin d être parfaits. Sur la base des commandes clients et des prévisions de coût des sources d énergie, une commande prédictive à boucle externe est exécutée au moins une fois par semaine, sa sortie servant de programme de référence pour les broyeurs. Dans ce cas, la fonction coût est liée à la consommation d électricité et la quantité de ciment de moindre qualité fabriqué (ciment produit pendant les changements de fabrication). La facture d électricité est réduite en produisant pendant les tranches tarifaires les plus économiques et Commande prédictive à boucle interne: séquence de commande M/A Les données d entrée sont échantillonnées toutes les 15 à 30 minutes et de nouvelles consignes de procédé sont calculées et transmises à Expert Optimizer qui les met en œuvre. Entre les périodes d échantillonnage, la stratégie standard de l outil Expert Optimizer garantit la stabilité du procédé et ses performances maximales. En particulier, elle assure l optimisation économique de la production en fonction de l évolution du rendement énergétique, des déchets et de la qualité du cru, et garantit le respect strict des contraintes environnementales, contractuelles et techniques. c) d) Hour G1 G2 G3 G4 G Hour G1 G2 G3 G5 Une version prototype de cet algorithme est actuellement testée dans une cimenterie suisse où elle améliore la performance économique du site 3. Broyeur 1 Broyeur 2 a) Programme hebdomadaire par commande c) Programme hebdomadaire par commande prédictive prédictive d) Programme de référence b) Programme de référence 17

6 en pilotant les broyeurs au maximum de leurs capacités sans franchir les seuils contractuels de consommation électrique. La production de ciment de moindre qualité est réduite en limitant le nombre de changements de fabrication. La fonction coût prend également en compte des contraintes molles. Tons Des événements imprévus (défaillance d un équipement, commande client de dernière minute) sont, toutefois, fréquents et une commande prédictive à boucle interne sert à 0 réagir à ces événements. Ici, les variables d état sont les niveaux des silos et les variables de régulation sont les signaux de changement de fabrication envoyés aux broyeurs. La fonction coût est la somme pondérée des dérives par rapport aux valeurs de référence fournies par la commande prédictive. Le temps d échantillonnage type est d une heure. Outre les contraintes physiques imposées par la capacité des silos et la disponibilité des broyeurs, d autres contraintes sont à prendre en compte: Temps de changement de fabrication: les changements de fabrication peuvent être source de retards au cours desquels la production du broyeur est acheminée vers un silo spécifique. Exécution des commandes: l algorithme d optimisation exige, en entrée, les prévisions des ventes pour chaque qualité de ciment. Si elles ne peuvent pas être complètement satisfaites, l algorithme choisira la qualité à produire en premier en fonction des priorités fixées. Convoyeurs: ici, les contraintes à envisager sont l exploitation de trois broyeurs pour seulement deux convoyeurs séparés. (Plusieurs broyeurs peuvent simultanément décharger une même qualité de ciment sur un même convoyeur. Toutefois, les convoyeurs ne peuvent desservir qu un seul silo à la fois et les silos Niveaux des silos pour le programme de fabrication journalier du tableau n être desservis que par un seul convoyeur à la fois.) Contenu des silos: une seule qualité de ciment peut être stockée dans un silo donné. 7 FLUVIO 5 - Silo levels Time [h] Silo 1 Silo 8 Silo 10 Silo 13 Silo 17 Un exemple de programme de ré-ordonnancement est illustré en 4. Le trait bleu représente les niveaux de référence précalculés pour les silos 1 et 2, alors que le trait rouge illustre les niveaux réels mesurés par les capteurs en ligne. L écart par rapport à la référence dans le silo 1 à l heure t = 57 est le fait d une vente de ciment supérieure aux prévisions. La commande prédictive à boucle interne pour les broyeurs 1 et 2 est illustrée en 5. On voit qu elle réagit immédiatement à l écart, affectant les deux broyeurs à l heure t = 58 à la production de ciment de qualité supérieure. Deux informations supplémentaires sont nécessaires pour établir le programme de fabrication: le silo vers lequel doit être acheminé le ciment produit et le convoyeur à utiliser. Par ailleurs, il faut définir le silo dans lequel le ciment sera prélevé pour une commande client don- Système de programmation des broyeurs: interface graphique utilisateur 18

7 Programme journalier (résultats d une simulation pour une cimenterie suisse) née. Le tableau ci-contre montre, à titre d exemple, les résultats de la simulation pour une cimenterie suisse. On voit que le broyeur 3 est peu utilisé. Les silos sont classés selon leur ordre de chargement et déchargement. Dans le cas du ciment FLU5, par exemple, le silo 1 doit être chargé en premier, suivi des silos 8, 10, 13 et 17. D après ce tableau et les niveaux des silos de la figure 6, on comprend que le ciment FLU5 est d abord acheminé vers le silo 1 qui sera chargé jusqu à sa capacité maximale (640 tonnes) à l heure t = 1, puis dirigé vers les autres silos de priorité inférieure. Pour la vente, qui commence à t = 10, le silo 1 est d abord déchargé, suivi du silo 8. Immédiatement après, les convoyeurs recommencent à charger le silo 1, hautement prioritaire. La figure 7 illustre la principale interface graphique utilisateur de commande des modules d ordonnancement. Tout bénéfice pour le client La solution décrite devrait permettre d économiser jusqu à 5% d énergie thermique et électrique, de réduire la production de ciment de faible qualité, de stabiliser la production, d obtenir un clinkler de qualité plus constante, de Time Mill 1 Mill 2 Mill 3 Cement Belt Silo FLU5 B 8 FLU5 A 8 0 FLU5 C FLU5 b 1 mieux maîtriser les émissions polluantes et de baisser les coûts de maintenance. Autres avantages moins tangibles, mais tout aussi importants: l intégration totale des données de production indispensables à la fois pour l optimisation en boucle fermée et en boucle ouverte, le suivi en temps réel des indicateurs de performance, l interface de conduite de procédé unique et l établissement d un socle solide pour développer des applications à valeur ajoutée qui collent aux besoins des clients. Cette solution offre aux cimentiers un outil puissant de pilotage en temps réel de l outil de production et d optimisation Cement Belt Silo FLU5 B NOR4 C 11 Cement Belt Silo de ses performances au vu de contraintes micro et macro-économiques. Pour les utilisateurs, les avantages sont nombreux: réduction des coûts, qualité accrue et constante, protection de l environnement, retour sur investissement rapide et conséquent. Eduardo Gallestey Clive Colbert ABB Automation Technologies eduardo.gallestey@ch.abb.com clive.colbert@ch.abb.com Dario Castagnoli Corporate Research ABB Suisse dario.castagnoli@ch.abb.com Bibliographie [1] C. Colbert, M. Mound: Seamless quality and process information integration with collaborative laboratory capability. International Cement Review, November [2] E. Camacho, C. Bordons: : Model Predictive Control. Publ: Springer Verlag, [3] A. Bemporad, M. Morari: Control of systems integrating logic, dynamics and constraints. Automatica: Special issue on Hybrid Systems, vol 35, no 3, [4] E. Gallestey, et al: Using model predictive control and hybrid systems for optimal scheduling of industrial processes. Automatisierungstechnik, 2003, vol 51, no 6, p