Description
Dans cet épisode, Gaspard-Louis Charles, Tech Lead Cooling Systems chez Metroscope, explique comment les approches prédictives et la data permettent d’optimiser les utilités industrielles (froid, air comprimé, vapeur), en améliorant efficacité, pilotage et performance énergétique grâce à une meilleure instrumentation et des recommandations actionnables.
Hosted by Ausha. See ausha.co/privacy-policy for more information.
Transcription
Voice of Industry.
Voice of Industries.
Bonjour Gaspard, bienvenue sur Voice of Industry. Ravi de te recevoir aujourd'hui pour parler du pilotage des utilités industrielles, en particulier grâce aux approches prédictives. Déjà pour commencer, est-ce que tu peux te présenter, nous en dire un peu plus sur ton rôle et tes activités chez Métroscope
Bien sûr. Bonjour Mathieu, merci pour l'invitation. Déjà c'est un plaisir d'être ici. Donc j'ai rejoint Métroscope il y a à peu près trois ans. Métroscope, c'est un éditeur logiciel, on pourra rentrer dans les détails, mais qui est une filiale du groupe EDF, qui travaille avec les centrales de production électrique. Moi, j'ai été recruté pour travailler justement sur une diversification, progressivement, sur l'industrie et les data centers.
Alors déjà, pour commencer, qu'est-ce que tu entends par les utilités industrielles De quoi est-ce qu'on parle C'est une très bonne question.
Moi, je suis ingénieur HVAC de formation, donc j'ai beaucoup étudié notamment la production de froid et le chauffage. Et donc, ça va se retrouver dans l'industrie. notamment soit pour refroidir des process, soit pour apporter de l'air comprimé pour actionner des machines, soit pour apporter par exemple de la vapeur pour du séchage ou d'autres fonctions nécessaires à l'industrie.
On va dire que c'est un peu tous les fluides annexes qui vont servir au process mais qui ne sont pas le cœur du process.
Exactement, c'est exactement ça.
Aujourd'hui j'imagine, si vous avez développé cette activité, c'est qu'il y a certains enjeux pour les industriels. À quel genre de difficultés les exploitants d'utilités sont confrontés C'est une très bonne question.
Il y a eu récemment ces dernières années des petites fluctuations sur les prix de l'énergie. Petites Petites. Je suis d'accord. Qui ont fait que certaines utilités, donc on l'a parlé, air comprimé, froid, vapeur, étaient devenues un peu plus chères que d'habitude, et surtout un peu trop chères pour qu'on les ignore. Il y avait parfois un manque de transparence. Certains de ces systèmes sont assez mal instrumentés, donc assez peu de transparence sur les consommations. ou l'efficacité.
Ce que tu veux dire, c'est que les utilités, comme ce n'est pas le cœur du process, ce n'est pas le système sur lequel on a le plus de visibilité,
c'est ça Oui. Après, souvent, il y a des compteurs. Évidemment, on sait grosso modo ce que ça consomme, mais parfois, un manque de finesse qui fait qu'on n'arrivait pas à avoir des fuites, des surconsommations ou des manques d'efficacité. Il y a d'autres problématiques qui sont aussi quand même le manque de capacité de prédire dans le temps ce qui va se passer. Et donc, c'est souvent assez réactif. comme opération.
Ce qui veut dire qu'en gros, une fois qu'on reçoit la facture, on commence à se préoccuper du sujet, mais il n'y a pas réellement d'action au quotidien pour maîtriser et mettre sous contrôle ses utilités et leurs coûts,
c'est ça C'est ça. Alors, s'il y a souvent des plans ISO 50001, ce genre de choses, mais ça demande quand même d'avoir une bonne compréhension de ce qui se passe, un bon plan de comptage, et d'être capable d'avoir des actions, et ça veut dire quand même d'être assez avancé dans son raisonnement.
Alors, en quoi la data peut aider
C'est une super bonne question. Déjà, ça commence tout en bas de la chaîne de valeur, les capteurs. Donc avoir des capteurs, instrumenter ces différentes machines, que ce soit les consommations, mais aussi ce qui va conduire à la consommation, donc quand même potentiellement instrumenter un peu le process. Avoir des données qui sont fiables, qui sont centralisées, déjà ça c'est super important. Mais surtout, comment on va se servir de ça Déjà, faire un plan de comptage, comprendre avec des indicateurs de performance quelle est la consommation de telle chaîne. par rapport à telle chaîne, de ramener ça à la quantité de produit ou à la qualité d'un produit et donc d'avoir ce qu'on peut appeler des indicateurs de performance. Donc ça, c'est un premier niveau.
C'est vraiment le lien entre le cœur de process et les utilités quelque part.
Exactement. Mais ce qui va intéresser de toute façon un industriel, c'est ce qui lui rapporte, c'est-à-dire sa production. Et l'objectif, c'est d'être plus efficace pour produire la même chose ou même pour produire plus vis-à-vis de ces utilités qui sont... de plus en plus coûteuse.
D'accord, alors là tu parles du lien entre le procédé et les utilités. Si on se refocalise sur les utilités, comment on va pouvoir travailler cette data Quelle est un peu la démarche
Je vais parler un peu de ma démarche à moi, comment je suis arrivé là-dedans, parce que je trouve que ça illustre assez bien. Donc quand j'ai fait un stage de fin d'études à la R&D d'EDF, j'avais une bonne compréhension du métier. J'ai étudié sur les pompes à chaleur et j'ai fait un stage de fin d'études dans les pompes à chaleur. Donc là j'avais une compréhension du métier. Après la compréhension du métier, j'avais des cellules d'essai pour faire des mesures sur des pompes à chaleur. Donc on a collecté des données. Et au final, j'ai collecté des données, mais je ne savais pas du tout comment les utiliser, à part faire des petites courbes, des petits indicateurs. Et après, dans mon premier emploi, j'ai appris à faire de la data science, du machine learning. Et là, j'ai appris à vraiment entraîner des modèles, avoir des références, pouvoir faire des prédictions, des prévisions sur ces données. Et ça a déjà débloqué des choses. Mais si. nécessaire si on veut avoir un impact dans l'industrie. Il ne faut pas seulement avoir des modèles, il faut pouvoir non seulement avoir une interface pour communiquer ses résultats, avec des utilisateurs. Et donc ça, c'était dans mon premier métier. Et ensuite, il faut arriver à faire des recommandations qui sont actionnables. Et donc là, on voit les plusieurs étapes de comment on peut utiliser les compétences métier, les données, des outils techniques, mais ça demande aussi d'avoir derrière une interface logicielle et une conduite du changement sur le terrain. Donc ça, pour moi, c'est vraiment les différentes étapes qui mènent à des économies concrètes sur site avec les utilités.
Tu viens d'introduire un nouveau... sujet qui est le prédictif. Concrètement, qu'est-ce que ça peut apporter au pilotage industriel Parce que, Clément, tu nous expliques qu'il faut avoir des retours qui soient actionnables. Qu'est-ce que vient faire le prédictif dans tout ça C'est une super bonne question.
Alors, justement, si on se projette sur c'est qui nos utilisateurs, ou qui est-ce qui peut vraiment avoir un impact dans l'industrie sur les utilités, souvent ça se passe dans une salle des commandes, où des techniciens d'exploitation sont au car et vont venir... Régler par exemple production d'eau glacée, production d'air comprimé, pour que tout fonctionne dans l'usine.
Alors qu'est-ce que tu appelles régler concrètement Oui,
venir démarrer des machines, venir mettre des machines en maintenance, venir changer des paramètres, donc des points de consigne sur ces machines. Dans certaines industries, ça va être automatisé. Dans certaines autres industries, c'est soit trop critique, soit pas assez bien équipé en automate. Et donc il y a des points de consigne à entrer à la main où il y a des machines. il y a des paramètres à rentrer à la main. Et dans ces cas-là, souvent, c'est un peu réactif ou au doigt mouillé. Alors, c'est des gens qui ont l'expérience du terrain, qui ont l'expérience métier, et ils vont regarder la météo, ils ont un peu un ordre de grandeur de comment l'entalpie va jouer sur si... Ils savent à peu près ce qui va se passer en production, et donc, ils font des estimations sur quand est-ce qu'on démarre une machine. Le problème, c'est que c'est très coûteux de démarrer une machine. C'est très coûteux parfois de... de l'arrêter quand c'est des grosses machines tournantes. Mais surtout, c'est que le problème, si on pilote beaucoup d'équipements, ça devient un problème très complexe. Et surtout si c'est des équipements qui ont une performance qui va varier en fonction de la charge. Et donc là, on se retrouve avec un problème d'optimisation qui est assez complexe.
Ok, trop complexe pour être abordé par juste, on va dire, la compréhension humaine et de la décision sur le terrain. Et j'imagine en plus qu'il y a un autre facteur, c'est que... en fonctionnement de manière manuelle, on est certain que chaque personne qui opère a sa manière d'opérer, donc il n'y a aucune stabilité.
Exactement, il y a un manque de standardisation. Et ça, on en parle en temps réel, de manière réactive, c'est encore faisable, mais si on veut vraiment être efficace, faire des gains, l'objectif c'est de regarder sur ce qui va se passer sur les 10 à 24 prochaines heures, potentiellement, donc avec ce qu'on anticipe de production, ce qu'on anticipe de météo, le comportement historique, et là, donc on va faire des prévisions sur les demandes de ces différentes utilités. L'objectif, après, c'est de faire un problème d'optimisation, mais sur un horizon temporel et pas juste sur un seul pas de temps. Et là, le problème devient encore plus compliqué à maîtriser et tout dépend de la fonction de coût qu'on définit.
La théorie est très claire. Maintenant, concrètement, comment est-ce que vous mettez ça en œuvre chez les industries liées Quelle est, quelque part, votre expérience sur ce type d'approche Tu as raison,
c'est assez facile, en fait, de définir un problème d'optimisation. On peut faire un petit tutoriel assez rapidement. Le problème, c'est que la réalité est parfois assez brutale. ou pas forcément brutale, mais assez particulière. Et donc, il faut bien s'adapter aux contraintes sur site et surtout bien s'adapter à qui peut faire ces modifications de paramètres, quels paramètres sont modifiables et aller, comme on l'a dit, accompagner le changement. Et donc, nous, ce qu'on fait, c'est qu'on essaie d'aller en immersion avec ces équipes de CAR, voir quelles sont leurs pratiques actuelles, de quelles informations ils auraient besoin et à quel moment pour prendre des décisions. Et l'objectif, c'est de leur donner une interface web, parce que c'est quand même... L'objectif n'est pas d'installer des logiciels sur place, mais de leur donner un accès à une interface web qui va leur faire des recommandations sur les prochaines heures, sur des paramètres qui sont actionnables et dans des plages qui sont actionnables, parce que tolérées par les consignes constructeurs, parce qu'affectées historiquement dans des conditions similaires. Et l'objectif, c'est d'aller leur suggérer des recommandations qui sont actionnables. Au moment où on les fait, ils peuvent les prendre en compte, qui sont dans des domaines, on va dire, totalement possibles. et qui sont quand même plus efficaces que ce qu'ils font actuellement.
Est-ce que tu peux nous présenter quelques mises en œuvre concrètes que vous avez réalisées chez Métroscope, pour illustrer tout ça
Oui, je vais commencer par un échec. C'est dans mon ancienne vie, avant Métroscope, j'avais eu un problème similaire et que je n'ai pas réussi à résoudre, et c'est ça qui m'a un peu donné envie de faire des recommandations actionnables. C'était sur une centrale de traitement des eaux usées qu'avait un incinérateur, et l'incinérateur incinère les bouts d'eau usée. et techniquement il peut fonctionner parfois et incinérer des bouts comme ça en auto combustion selon le taux de matière sèche des bouts. Et en fait les opérateurs ils connaissaient pas le taux de matière sèche des bouts qui était mesuré en laboratoire. Et donc ils injectaient du fioul dans le four en permanence pour que ça tourne. Et donc on avait en fait un système qui fonctionnait, c'est quand même ce qu'on lui demande, qui n'était pas efficient.
Qui n'avait pas de capacité de semer du fioul pour rien.
Exactement, parce qu'on n'avait pas de capacité de communiquer ces informations, de prédire quel va être le taux de matière sèche en fonction de la pluie, ce genre de choses, et des mesures de laboratoire du matin même, de la veille. Et ça, quand on essaye de le résoudre juste avec des modèles de machine learning, on va faire plein de modèles. mais en fait ça va pas être actionnable pour le technicien et c'est ça qui m'a vraiment drive et sur avoir une méthode et une manière de actionner ces changements et du coup sur les cas qu'on étudie chez metroscope on a travaillé avec des data center donc le hall le data center j'ai parlé d'utilité industrielle mais là dans le data center la production d'eau glacée pour refroidir les serveurs c'est une utilité pour le data center Et donc là, l'objectif c'est d'essayer pour eux de diminuer leur PUE, c'est-à-dire leur consommation d'électricité qui sert à refroidir les data centers par rapport à celle qui sert à alimenter les serveurs. Et là l'objectif c'était justement de prévoir comment va évoluer la météo, est-ce qu'on peut faire au final du refroidissement directement avec l'air, ce qu'ils appellent du free cooling via les échangeurs des groupes froids en bypassant les compresseurs. Est-ce qu'on peut l'activer Est-ce qu'on doit utiliser les groupes froids Si oui, quels groupes froids et vraiment de venir faire ces recommandations-là d'exploitation. Et on a un autre cas dans le froid pour production de semi-conducteurs, où là la production est relativement constante, donc c'est assez facile à prédire comment la production va évoluer. Et par contre la performance des différents équipements évolue en fonction de l'humidité de l'air extérieur, de la température, de quels équipements sont disponibles actuellement. Est-ce qu'il y a besoin de faire de la récupération de chaleur avec les groupes foie Donc en fait c'est un problème d'optimisation assez intéressant mais il faut quand même être assez terre-à-terre sur la qualité des capteurs qui sont disponibles et être très proche des informations de terrain de est-ce que c'est vraiment faisable Est-ce que c'est vraiment acceptable par les équipes d'exploitation de modifier ce paramètre là aussi souvent et donc de vraiment être à la fois sur la théorie et la pratique n'est pas juste restée sur l'optimisation de papier.
Et concrètement, qu'est-ce que ces deux acteurs ont gagné en mettant en œuvre ce type d'approche C'est une excellente question Mathieu.
Évidemment, ce qu'on cherche au départ, c'est faire des gains financiers. C'est ce qui attire le client pour commencer le projet. Mais au final, ce qu'on voit après un an d'implémentation, c'est qu'au-delà des gains financiers, il y a des gains d'efficacité opérationnelle.
Ce qui veut dire que les gains financiers sont là.
Les gains financiers sont là, mais ça c'est, on va dire, la promesse et la promesse est tenue. Et on va dire que c'est évident, on ne serait pas là s'il n'y avait pas des gains financiers. Mais surtout, ce qu'on a observé et ce qui est vachement intéressant, c'est qu'il y a des gains de temps. Parce qu'au final, une fois qu'on a les données du périmètre, qu'on génère des rapports automatisés, ça fait gagner du temps, on aide à traquer les IPE. Ça c'est très bien. Mais aussi, il y a des gains de communication en interne. Parce qu'ils ont une source de vérité sur un périmètre, sur une utilité. Et au début... On s'est orienté vraiment sur le pilotage et après on a étoffé sur les différents métiers du site. Et ils ont un outil transverse qui leur permet, que ce soit technicien d'exploitation, energy manager ou ingénieur efficacité sur les parties d'utilité, ils ont un logiciel qui leur permet de chercher ce qu'eux, ils veulent, mais qui est aussi en commun avec les autres fonctions et qui leur permet de communiquer et d'avoir vraiment une source de vérité sur ces indicateurs, sur cette partie-là.
Pour conclure, quelles seraient tes 2-3 recommandations pour un industriel qui souhaite travailler sur les performances de ses utilités grâce à la data
Déjà de faire le bilan de son plan de comptage et potentiellement d'aller investir pour installer des capteurs sur les utilités plus énergivores et ce qui va engendrer cette consommation.
Sur les process qui sont les plus consommateurs de ces utilités,
c'est ça Exactement, et de faire le point ou d'utiliser une solution comme OIBUS d'Optimistic pour vraiment venir collecter ces données, les centraliser, les historiser. Si ce n'est pas déjà fait, c'est toujours nécessaire d'avoir un petit peu d'historique pour travailler. Et après justement, ce serait déjà de rejoindre des démarches comme l'ISO 50001 qui vont pousser à suivre des indicateurs, à avoir des réunions régulières, à avoir des objectifs pour travailler.
Il n'y a pas que de l'organisation et de l'humain.
Exactement et encore une fois c'est aussi de la conduite du changement et c'est accompagner des personnes à peut-être un peu changer la manière dont ils travaillent et à accepter d'avoir des nouveaux projets, des nouvelles manières d'opérer et peut-être en troisième pas d'accepter d'avoir des... logiciels d'aide à la prise de décision qui peuvent justement aider à aller chercher encore plus d'économies sur ces périmètres.
Merci beaucoup, Gaspard.
Merci beaucoup, Mathieu. C'était un plaisir.
De même.
Description
Dans cet épisode, Gaspard-Louis Charles, Tech Lead Cooling Systems chez Metroscope, explique comment les approches prédictives et la data permettent d’optimiser les utilités industrielles (froid, air comprimé, vapeur), en améliorant efficacité, pilotage et performance énergétique grâce à une meilleure instrumentation et des recommandations actionnables.
Hosted by Ausha. See ausha.co/privacy-policy for more information.
Transcription
Voice of Industry.
Voice of Industries.
Bonjour Gaspard, bienvenue sur Voice of Industry. Ravi de te recevoir aujourd'hui pour parler du pilotage des utilités industrielles, en particulier grâce aux approches prédictives. Déjà pour commencer, est-ce que tu peux te présenter, nous en dire un peu plus sur ton rôle et tes activités chez Métroscope
Bien sûr. Bonjour Mathieu, merci pour l'invitation. Déjà c'est un plaisir d'être ici. Donc j'ai rejoint Métroscope il y a à peu près trois ans. Métroscope, c'est un éditeur logiciel, on pourra rentrer dans les détails, mais qui est une filiale du groupe EDF, qui travaille avec les centrales de production électrique. Moi, j'ai été recruté pour travailler justement sur une diversification, progressivement, sur l'industrie et les data centers.
Alors déjà, pour commencer, qu'est-ce que tu entends par les utilités industrielles De quoi est-ce qu'on parle C'est une très bonne question.
Moi, je suis ingénieur HVAC de formation, donc j'ai beaucoup étudié notamment la production de froid et le chauffage. Et donc, ça va se retrouver dans l'industrie. notamment soit pour refroidir des process, soit pour apporter de l'air comprimé pour actionner des machines, soit pour apporter par exemple de la vapeur pour du séchage ou d'autres fonctions nécessaires à l'industrie.
On va dire que c'est un peu tous les fluides annexes qui vont servir au process mais qui ne sont pas le cœur du process.
Exactement, c'est exactement ça.
Aujourd'hui j'imagine, si vous avez développé cette activité, c'est qu'il y a certains enjeux pour les industriels. À quel genre de difficultés les exploitants d'utilités sont confrontés C'est une très bonne question.
Il y a eu récemment ces dernières années des petites fluctuations sur les prix de l'énergie. Petites Petites. Je suis d'accord. Qui ont fait que certaines utilités, donc on l'a parlé, air comprimé, froid, vapeur, étaient devenues un peu plus chères que d'habitude, et surtout un peu trop chères pour qu'on les ignore. Il y avait parfois un manque de transparence. Certains de ces systèmes sont assez mal instrumentés, donc assez peu de transparence sur les consommations. ou l'efficacité.
Ce que tu veux dire, c'est que les utilités, comme ce n'est pas le cœur du process, ce n'est pas le système sur lequel on a le plus de visibilité,
c'est ça Oui. Après, souvent, il y a des compteurs. Évidemment, on sait grosso modo ce que ça consomme, mais parfois, un manque de finesse qui fait qu'on n'arrivait pas à avoir des fuites, des surconsommations ou des manques d'efficacité. Il y a d'autres problématiques qui sont aussi quand même le manque de capacité de prédire dans le temps ce qui va se passer. Et donc, c'est souvent assez réactif. comme opération.
Ce qui veut dire qu'en gros, une fois qu'on reçoit la facture, on commence à se préoccuper du sujet, mais il n'y a pas réellement d'action au quotidien pour maîtriser et mettre sous contrôle ses utilités et leurs coûts,
c'est ça C'est ça. Alors, s'il y a souvent des plans ISO 50001, ce genre de choses, mais ça demande quand même d'avoir une bonne compréhension de ce qui se passe, un bon plan de comptage, et d'être capable d'avoir des actions, et ça veut dire quand même d'être assez avancé dans son raisonnement.
Alors, en quoi la data peut aider
C'est une super bonne question. Déjà, ça commence tout en bas de la chaîne de valeur, les capteurs. Donc avoir des capteurs, instrumenter ces différentes machines, que ce soit les consommations, mais aussi ce qui va conduire à la consommation, donc quand même potentiellement instrumenter un peu le process. Avoir des données qui sont fiables, qui sont centralisées, déjà ça c'est super important. Mais surtout, comment on va se servir de ça Déjà, faire un plan de comptage, comprendre avec des indicateurs de performance quelle est la consommation de telle chaîne. par rapport à telle chaîne, de ramener ça à la quantité de produit ou à la qualité d'un produit et donc d'avoir ce qu'on peut appeler des indicateurs de performance. Donc ça, c'est un premier niveau.
C'est vraiment le lien entre le cœur de process et les utilités quelque part.
Exactement. Mais ce qui va intéresser de toute façon un industriel, c'est ce qui lui rapporte, c'est-à-dire sa production. Et l'objectif, c'est d'être plus efficace pour produire la même chose ou même pour produire plus vis-à-vis de ces utilités qui sont... de plus en plus coûteuse.
D'accord, alors là tu parles du lien entre le procédé et les utilités. Si on se refocalise sur les utilités, comment on va pouvoir travailler cette data Quelle est un peu la démarche
Je vais parler un peu de ma démarche à moi, comment je suis arrivé là-dedans, parce que je trouve que ça illustre assez bien. Donc quand j'ai fait un stage de fin d'études à la R&D d'EDF, j'avais une bonne compréhension du métier. J'ai étudié sur les pompes à chaleur et j'ai fait un stage de fin d'études dans les pompes à chaleur. Donc là j'avais une compréhension du métier. Après la compréhension du métier, j'avais des cellules d'essai pour faire des mesures sur des pompes à chaleur. Donc on a collecté des données. Et au final, j'ai collecté des données, mais je ne savais pas du tout comment les utiliser, à part faire des petites courbes, des petits indicateurs. Et après, dans mon premier emploi, j'ai appris à faire de la data science, du machine learning. Et là, j'ai appris à vraiment entraîner des modèles, avoir des références, pouvoir faire des prédictions, des prévisions sur ces données. Et ça a déjà débloqué des choses. Mais si. nécessaire si on veut avoir un impact dans l'industrie. Il ne faut pas seulement avoir des modèles, il faut pouvoir non seulement avoir une interface pour communiquer ses résultats, avec des utilisateurs. Et donc ça, c'était dans mon premier métier. Et ensuite, il faut arriver à faire des recommandations qui sont actionnables. Et donc là, on voit les plusieurs étapes de comment on peut utiliser les compétences métier, les données, des outils techniques, mais ça demande aussi d'avoir derrière une interface logicielle et une conduite du changement sur le terrain. Donc ça, pour moi, c'est vraiment les différentes étapes qui mènent à des économies concrètes sur site avec les utilités.
Tu viens d'introduire un nouveau... sujet qui est le prédictif. Concrètement, qu'est-ce que ça peut apporter au pilotage industriel Parce que, Clément, tu nous expliques qu'il faut avoir des retours qui soient actionnables. Qu'est-ce que vient faire le prédictif dans tout ça C'est une super bonne question.
Alors, justement, si on se projette sur c'est qui nos utilisateurs, ou qui est-ce qui peut vraiment avoir un impact dans l'industrie sur les utilités, souvent ça se passe dans une salle des commandes, où des techniciens d'exploitation sont au car et vont venir... Régler par exemple production d'eau glacée, production d'air comprimé, pour que tout fonctionne dans l'usine.
Alors qu'est-ce que tu appelles régler concrètement Oui,
venir démarrer des machines, venir mettre des machines en maintenance, venir changer des paramètres, donc des points de consigne sur ces machines. Dans certaines industries, ça va être automatisé. Dans certaines autres industries, c'est soit trop critique, soit pas assez bien équipé en automate. Et donc il y a des points de consigne à entrer à la main où il y a des machines. il y a des paramètres à rentrer à la main. Et dans ces cas-là, souvent, c'est un peu réactif ou au doigt mouillé. Alors, c'est des gens qui ont l'expérience du terrain, qui ont l'expérience métier, et ils vont regarder la météo, ils ont un peu un ordre de grandeur de comment l'entalpie va jouer sur si... Ils savent à peu près ce qui va se passer en production, et donc, ils font des estimations sur quand est-ce qu'on démarre une machine. Le problème, c'est que c'est très coûteux de démarrer une machine. C'est très coûteux parfois de... de l'arrêter quand c'est des grosses machines tournantes. Mais surtout, c'est que le problème, si on pilote beaucoup d'équipements, ça devient un problème très complexe. Et surtout si c'est des équipements qui ont une performance qui va varier en fonction de la charge. Et donc là, on se retrouve avec un problème d'optimisation qui est assez complexe.
Ok, trop complexe pour être abordé par juste, on va dire, la compréhension humaine et de la décision sur le terrain. Et j'imagine en plus qu'il y a un autre facteur, c'est que... en fonctionnement de manière manuelle, on est certain que chaque personne qui opère a sa manière d'opérer, donc il n'y a aucune stabilité.
Exactement, il y a un manque de standardisation. Et ça, on en parle en temps réel, de manière réactive, c'est encore faisable, mais si on veut vraiment être efficace, faire des gains, l'objectif c'est de regarder sur ce qui va se passer sur les 10 à 24 prochaines heures, potentiellement, donc avec ce qu'on anticipe de production, ce qu'on anticipe de météo, le comportement historique, et là, donc on va faire des prévisions sur les demandes de ces différentes utilités. L'objectif, après, c'est de faire un problème d'optimisation, mais sur un horizon temporel et pas juste sur un seul pas de temps. Et là, le problème devient encore plus compliqué à maîtriser et tout dépend de la fonction de coût qu'on définit.
La théorie est très claire. Maintenant, concrètement, comment est-ce que vous mettez ça en œuvre chez les industries liées Quelle est, quelque part, votre expérience sur ce type d'approche Tu as raison,
c'est assez facile, en fait, de définir un problème d'optimisation. On peut faire un petit tutoriel assez rapidement. Le problème, c'est que la réalité est parfois assez brutale. ou pas forcément brutale, mais assez particulière. Et donc, il faut bien s'adapter aux contraintes sur site et surtout bien s'adapter à qui peut faire ces modifications de paramètres, quels paramètres sont modifiables et aller, comme on l'a dit, accompagner le changement. Et donc, nous, ce qu'on fait, c'est qu'on essaie d'aller en immersion avec ces équipes de CAR, voir quelles sont leurs pratiques actuelles, de quelles informations ils auraient besoin et à quel moment pour prendre des décisions. Et l'objectif, c'est de leur donner une interface web, parce que c'est quand même... L'objectif n'est pas d'installer des logiciels sur place, mais de leur donner un accès à une interface web qui va leur faire des recommandations sur les prochaines heures, sur des paramètres qui sont actionnables et dans des plages qui sont actionnables, parce que tolérées par les consignes constructeurs, parce qu'affectées historiquement dans des conditions similaires. Et l'objectif, c'est d'aller leur suggérer des recommandations qui sont actionnables. Au moment où on les fait, ils peuvent les prendre en compte, qui sont dans des domaines, on va dire, totalement possibles. et qui sont quand même plus efficaces que ce qu'ils font actuellement.
Est-ce que tu peux nous présenter quelques mises en œuvre concrètes que vous avez réalisées chez Métroscope, pour illustrer tout ça
Oui, je vais commencer par un échec. C'est dans mon ancienne vie, avant Métroscope, j'avais eu un problème similaire et que je n'ai pas réussi à résoudre, et c'est ça qui m'a un peu donné envie de faire des recommandations actionnables. C'était sur une centrale de traitement des eaux usées qu'avait un incinérateur, et l'incinérateur incinère les bouts d'eau usée. et techniquement il peut fonctionner parfois et incinérer des bouts comme ça en auto combustion selon le taux de matière sèche des bouts. Et en fait les opérateurs ils connaissaient pas le taux de matière sèche des bouts qui était mesuré en laboratoire. Et donc ils injectaient du fioul dans le four en permanence pour que ça tourne. Et donc on avait en fait un système qui fonctionnait, c'est quand même ce qu'on lui demande, qui n'était pas efficient.
Qui n'avait pas de capacité de semer du fioul pour rien.
Exactement, parce qu'on n'avait pas de capacité de communiquer ces informations, de prédire quel va être le taux de matière sèche en fonction de la pluie, ce genre de choses, et des mesures de laboratoire du matin même, de la veille. Et ça, quand on essaye de le résoudre juste avec des modèles de machine learning, on va faire plein de modèles. mais en fait ça va pas être actionnable pour le technicien et c'est ça qui m'a vraiment drive et sur avoir une méthode et une manière de actionner ces changements et du coup sur les cas qu'on étudie chez metroscope on a travaillé avec des data center donc le hall le data center j'ai parlé d'utilité industrielle mais là dans le data center la production d'eau glacée pour refroidir les serveurs c'est une utilité pour le data center Et donc là, l'objectif c'est d'essayer pour eux de diminuer leur PUE, c'est-à-dire leur consommation d'électricité qui sert à refroidir les data centers par rapport à celle qui sert à alimenter les serveurs. Et là l'objectif c'était justement de prévoir comment va évoluer la météo, est-ce qu'on peut faire au final du refroidissement directement avec l'air, ce qu'ils appellent du free cooling via les échangeurs des groupes froids en bypassant les compresseurs. Est-ce qu'on peut l'activer Est-ce qu'on doit utiliser les groupes froids Si oui, quels groupes froids et vraiment de venir faire ces recommandations-là d'exploitation. Et on a un autre cas dans le froid pour production de semi-conducteurs, où là la production est relativement constante, donc c'est assez facile à prédire comment la production va évoluer. Et par contre la performance des différents équipements évolue en fonction de l'humidité de l'air extérieur, de la température, de quels équipements sont disponibles actuellement. Est-ce qu'il y a besoin de faire de la récupération de chaleur avec les groupes foie Donc en fait c'est un problème d'optimisation assez intéressant mais il faut quand même être assez terre-à-terre sur la qualité des capteurs qui sont disponibles et être très proche des informations de terrain de est-ce que c'est vraiment faisable Est-ce que c'est vraiment acceptable par les équipes d'exploitation de modifier ce paramètre là aussi souvent et donc de vraiment être à la fois sur la théorie et la pratique n'est pas juste restée sur l'optimisation de papier.
Et concrètement, qu'est-ce que ces deux acteurs ont gagné en mettant en œuvre ce type d'approche C'est une excellente question Mathieu.
Évidemment, ce qu'on cherche au départ, c'est faire des gains financiers. C'est ce qui attire le client pour commencer le projet. Mais au final, ce qu'on voit après un an d'implémentation, c'est qu'au-delà des gains financiers, il y a des gains d'efficacité opérationnelle.
Ce qui veut dire que les gains financiers sont là.
Les gains financiers sont là, mais ça c'est, on va dire, la promesse et la promesse est tenue. Et on va dire que c'est évident, on ne serait pas là s'il n'y avait pas des gains financiers. Mais surtout, ce qu'on a observé et ce qui est vachement intéressant, c'est qu'il y a des gains de temps. Parce qu'au final, une fois qu'on a les données du périmètre, qu'on génère des rapports automatisés, ça fait gagner du temps, on aide à traquer les IPE. Ça c'est très bien. Mais aussi, il y a des gains de communication en interne. Parce qu'ils ont une source de vérité sur un périmètre, sur une utilité. Et au début... On s'est orienté vraiment sur le pilotage et après on a étoffé sur les différents métiers du site. Et ils ont un outil transverse qui leur permet, que ce soit technicien d'exploitation, energy manager ou ingénieur efficacité sur les parties d'utilité, ils ont un logiciel qui leur permet de chercher ce qu'eux, ils veulent, mais qui est aussi en commun avec les autres fonctions et qui leur permet de communiquer et d'avoir vraiment une source de vérité sur ces indicateurs, sur cette partie-là.
Pour conclure, quelles seraient tes 2-3 recommandations pour un industriel qui souhaite travailler sur les performances de ses utilités grâce à la data
Déjà de faire le bilan de son plan de comptage et potentiellement d'aller investir pour installer des capteurs sur les utilités plus énergivores et ce qui va engendrer cette consommation.
Sur les process qui sont les plus consommateurs de ces utilités,
c'est ça Exactement, et de faire le point ou d'utiliser une solution comme OIBUS d'Optimistic pour vraiment venir collecter ces données, les centraliser, les historiser. Si ce n'est pas déjà fait, c'est toujours nécessaire d'avoir un petit peu d'historique pour travailler. Et après justement, ce serait déjà de rejoindre des démarches comme l'ISO 50001 qui vont pousser à suivre des indicateurs, à avoir des réunions régulières, à avoir des objectifs pour travailler.
Il n'y a pas que de l'organisation et de l'humain.
Exactement et encore une fois c'est aussi de la conduite du changement et c'est accompagner des personnes à peut-être un peu changer la manière dont ils travaillent et à accepter d'avoir des nouveaux projets, des nouvelles manières d'opérer et peut-être en troisième pas d'accepter d'avoir des... logiciels d'aide à la prise de décision qui peuvent justement aider à aller chercher encore plus d'économies sur ces périmètres.
Merci beaucoup, Gaspard.
Merci beaucoup, Mathieu. C'était un plaisir.
De même.
Share
Embed
You may also like
La transformation digitale : un levier d'innovation pour l'industrie des procédés
Comment l’IoT transforme l’industrie ? Décryptage avec Jérôme Chambard
Maintenance prédictive : l'Intelligence Artificielle au service de la performance industrielle
Vision Industrielle : comment l’Intelligence Artificielle change la donne
Description
Dans cet épisode, Gaspard-Louis Charles, Tech Lead Cooling Systems chez Metroscope, explique comment les approches prédictives et la data permettent d’optimiser les utilités industrielles (froid, air comprimé, vapeur), en améliorant efficacité, pilotage et performance énergétique grâce à une meilleure instrumentation et des recommandations actionnables.
Hosted by Ausha. See ausha.co/privacy-policy for more information.
Transcription
Voice of Industry.
Voice of Industries.
Bonjour Gaspard, bienvenue sur Voice of Industry. Ravi de te recevoir aujourd'hui pour parler du pilotage des utilités industrielles, en particulier grâce aux approches prédictives. Déjà pour commencer, est-ce que tu peux te présenter, nous en dire un peu plus sur ton rôle et tes activités chez Métroscope
Bien sûr. Bonjour Mathieu, merci pour l'invitation. Déjà c'est un plaisir d'être ici. Donc j'ai rejoint Métroscope il y a à peu près trois ans. Métroscope, c'est un éditeur logiciel, on pourra rentrer dans les détails, mais qui est une filiale du groupe EDF, qui travaille avec les centrales de production électrique. Moi, j'ai été recruté pour travailler justement sur une diversification, progressivement, sur l'industrie et les data centers.
Alors déjà, pour commencer, qu'est-ce que tu entends par les utilités industrielles De quoi est-ce qu'on parle C'est une très bonne question.
Moi, je suis ingénieur HVAC de formation, donc j'ai beaucoup étudié notamment la production de froid et le chauffage. Et donc, ça va se retrouver dans l'industrie. notamment soit pour refroidir des process, soit pour apporter de l'air comprimé pour actionner des machines, soit pour apporter par exemple de la vapeur pour du séchage ou d'autres fonctions nécessaires à l'industrie.
On va dire que c'est un peu tous les fluides annexes qui vont servir au process mais qui ne sont pas le cœur du process.
Exactement, c'est exactement ça.
Aujourd'hui j'imagine, si vous avez développé cette activité, c'est qu'il y a certains enjeux pour les industriels. À quel genre de difficultés les exploitants d'utilités sont confrontés C'est une très bonne question.
Il y a eu récemment ces dernières années des petites fluctuations sur les prix de l'énergie. Petites Petites. Je suis d'accord. Qui ont fait que certaines utilités, donc on l'a parlé, air comprimé, froid, vapeur, étaient devenues un peu plus chères que d'habitude, et surtout un peu trop chères pour qu'on les ignore. Il y avait parfois un manque de transparence. Certains de ces systèmes sont assez mal instrumentés, donc assez peu de transparence sur les consommations. ou l'efficacité.
Ce que tu veux dire, c'est que les utilités, comme ce n'est pas le cœur du process, ce n'est pas le système sur lequel on a le plus de visibilité,
c'est ça Oui. Après, souvent, il y a des compteurs. Évidemment, on sait grosso modo ce que ça consomme, mais parfois, un manque de finesse qui fait qu'on n'arrivait pas à avoir des fuites, des surconsommations ou des manques d'efficacité. Il y a d'autres problématiques qui sont aussi quand même le manque de capacité de prédire dans le temps ce qui va se passer. Et donc, c'est souvent assez réactif. comme opération.
Ce qui veut dire qu'en gros, une fois qu'on reçoit la facture, on commence à se préoccuper du sujet, mais il n'y a pas réellement d'action au quotidien pour maîtriser et mettre sous contrôle ses utilités et leurs coûts,
c'est ça C'est ça. Alors, s'il y a souvent des plans ISO 50001, ce genre de choses, mais ça demande quand même d'avoir une bonne compréhension de ce qui se passe, un bon plan de comptage, et d'être capable d'avoir des actions, et ça veut dire quand même d'être assez avancé dans son raisonnement.
Alors, en quoi la data peut aider
C'est une super bonne question. Déjà, ça commence tout en bas de la chaîne de valeur, les capteurs. Donc avoir des capteurs, instrumenter ces différentes machines, que ce soit les consommations, mais aussi ce qui va conduire à la consommation, donc quand même potentiellement instrumenter un peu le process. Avoir des données qui sont fiables, qui sont centralisées, déjà ça c'est super important. Mais surtout, comment on va se servir de ça Déjà, faire un plan de comptage, comprendre avec des indicateurs de performance quelle est la consommation de telle chaîne. par rapport à telle chaîne, de ramener ça à la quantité de produit ou à la qualité d'un produit et donc d'avoir ce qu'on peut appeler des indicateurs de performance. Donc ça, c'est un premier niveau.
C'est vraiment le lien entre le cœur de process et les utilités quelque part.
Exactement. Mais ce qui va intéresser de toute façon un industriel, c'est ce qui lui rapporte, c'est-à-dire sa production. Et l'objectif, c'est d'être plus efficace pour produire la même chose ou même pour produire plus vis-à-vis de ces utilités qui sont... de plus en plus coûteuse.
D'accord, alors là tu parles du lien entre le procédé et les utilités. Si on se refocalise sur les utilités, comment on va pouvoir travailler cette data Quelle est un peu la démarche
Je vais parler un peu de ma démarche à moi, comment je suis arrivé là-dedans, parce que je trouve que ça illustre assez bien. Donc quand j'ai fait un stage de fin d'études à la R&D d'EDF, j'avais une bonne compréhension du métier. J'ai étudié sur les pompes à chaleur et j'ai fait un stage de fin d'études dans les pompes à chaleur. Donc là j'avais une compréhension du métier. Après la compréhension du métier, j'avais des cellules d'essai pour faire des mesures sur des pompes à chaleur. Donc on a collecté des données. Et au final, j'ai collecté des données, mais je ne savais pas du tout comment les utiliser, à part faire des petites courbes, des petits indicateurs. Et après, dans mon premier emploi, j'ai appris à faire de la data science, du machine learning. Et là, j'ai appris à vraiment entraîner des modèles, avoir des références, pouvoir faire des prédictions, des prévisions sur ces données. Et ça a déjà débloqué des choses. Mais si. nécessaire si on veut avoir un impact dans l'industrie. Il ne faut pas seulement avoir des modèles, il faut pouvoir non seulement avoir une interface pour communiquer ses résultats, avec des utilisateurs. Et donc ça, c'était dans mon premier métier. Et ensuite, il faut arriver à faire des recommandations qui sont actionnables. Et donc là, on voit les plusieurs étapes de comment on peut utiliser les compétences métier, les données, des outils techniques, mais ça demande aussi d'avoir derrière une interface logicielle et une conduite du changement sur le terrain. Donc ça, pour moi, c'est vraiment les différentes étapes qui mènent à des économies concrètes sur site avec les utilités.
Tu viens d'introduire un nouveau... sujet qui est le prédictif. Concrètement, qu'est-ce que ça peut apporter au pilotage industriel Parce que, Clément, tu nous expliques qu'il faut avoir des retours qui soient actionnables. Qu'est-ce que vient faire le prédictif dans tout ça C'est une super bonne question.
Alors, justement, si on se projette sur c'est qui nos utilisateurs, ou qui est-ce qui peut vraiment avoir un impact dans l'industrie sur les utilités, souvent ça se passe dans une salle des commandes, où des techniciens d'exploitation sont au car et vont venir... Régler par exemple production d'eau glacée, production d'air comprimé, pour que tout fonctionne dans l'usine.
Alors qu'est-ce que tu appelles régler concrètement Oui,
venir démarrer des machines, venir mettre des machines en maintenance, venir changer des paramètres, donc des points de consigne sur ces machines. Dans certaines industries, ça va être automatisé. Dans certaines autres industries, c'est soit trop critique, soit pas assez bien équipé en automate. Et donc il y a des points de consigne à entrer à la main où il y a des machines. il y a des paramètres à rentrer à la main. Et dans ces cas-là, souvent, c'est un peu réactif ou au doigt mouillé. Alors, c'est des gens qui ont l'expérience du terrain, qui ont l'expérience métier, et ils vont regarder la météo, ils ont un peu un ordre de grandeur de comment l'entalpie va jouer sur si... Ils savent à peu près ce qui va se passer en production, et donc, ils font des estimations sur quand est-ce qu'on démarre une machine. Le problème, c'est que c'est très coûteux de démarrer une machine. C'est très coûteux parfois de... de l'arrêter quand c'est des grosses machines tournantes. Mais surtout, c'est que le problème, si on pilote beaucoup d'équipements, ça devient un problème très complexe. Et surtout si c'est des équipements qui ont une performance qui va varier en fonction de la charge. Et donc là, on se retrouve avec un problème d'optimisation qui est assez complexe.
Ok, trop complexe pour être abordé par juste, on va dire, la compréhension humaine et de la décision sur le terrain. Et j'imagine en plus qu'il y a un autre facteur, c'est que... en fonctionnement de manière manuelle, on est certain que chaque personne qui opère a sa manière d'opérer, donc il n'y a aucune stabilité.
Exactement, il y a un manque de standardisation. Et ça, on en parle en temps réel, de manière réactive, c'est encore faisable, mais si on veut vraiment être efficace, faire des gains, l'objectif c'est de regarder sur ce qui va se passer sur les 10 à 24 prochaines heures, potentiellement, donc avec ce qu'on anticipe de production, ce qu'on anticipe de météo, le comportement historique, et là, donc on va faire des prévisions sur les demandes de ces différentes utilités. L'objectif, après, c'est de faire un problème d'optimisation, mais sur un horizon temporel et pas juste sur un seul pas de temps. Et là, le problème devient encore plus compliqué à maîtriser et tout dépend de la fonction de coût qu'on définit.
La théorie est très claire. Maintenant, concrètement, comment est-ce que vous mettez ça en œuvre chez les industries liées Quelle est, quelque part, votre expérience sur ce type d'approche Tu as raison,
c'est assez facile, en fait, de définir un problème d'optimisation. On peut faire un petit tutoriel assez rapidement. Le problème, c'est que la réalité est parfois assez brutale. ou pas forcément brutale, mais assez particulière. Et donc, il faut bien s'adapter aux contraintes sur site et surtout bien s'adapter à qui peut faire ces modifications de paramètres, quels paramètres sont modifiables et aller, comme on l'a dit, accompagner le changement. Et donc, nous, ce qu'on fait, c'est qu'on essaie d'aller en immersion avec ces équipes de CAR, voir quelles sont leurs pratiques actuelles, de quelles informations ils auraient besoin et à quel moment pour prendre des décisions. Et l'objectif, c'est de leur donner une interface web, parce que c'est quand même... L'objectif n'est pas d'installer des logiciels sur place, mais de leur donner un accès à une interface web qui va leur faire des recommandations sur les prochaines heures, sur des paramètres qui sont actionnables et dans des plages qui sont actionnables, parce que tolérées par les consignes constructeurs, parce qu'affectées historiquement dans des conditions similaires. Et l'objectif, c'est d'aller leur suggérer des recommandations qui sont actionnables. Au moment où on les fait, ils peuvent les prendre en compte, qui sont dans des domaines, on va dire, totalement possibles. et qui sont quand même plus efficaces que ce qu'ils font actuellement.
Est-ce que tu peux nous présenter quelques mises en œuvre concrètes que vous avez réalisées chez Métroscope, pour illustrer tout ça
Oui, je vais commencer par un échec. C'est dans mon ancienne vie, avant Métroscope, j'avais eu un problème similaire et que je n'ai pas réussi à résoudre, et c'est ça qui m'a un peu donné envie de faire des recommandations actionnables. C'était sur une centrale de traitement des eaux usées qu'avait un incinérateur, et l'incinérateur incinère les bouts d'eau usée. et techniquement il peut fonctionner parfois et incinérer des bouts comme ça en auto combustion selon le taux de matière sèche des bouts. Et en fait les opérateurs ils connaissaient pas le taux de matière sèche des bouts qui était mesuré en laboratoire. Et donc ils injectaient du fioul dans le four en permanence pour que ça tourne. Et donc on avait en fait un système qui fonctionnait, c'est quand même ce qu'on lui demande, qui n'était pas efficient.
Qui n'avait pas de capacité de semer du fioul pour rien.
Exactement, parce qu'on n'avait pas de capacité de communiquer ces informations, de prédire quel va être le taux de matière sèche en fonction de la pluie, ce genre de choses, et des mesures de laboratoire du matin même, de la veille. Et ça, quand on essaye de le résoudre juste avec des modèles de machine learning, on va faire plein de modèles. mais en fait ça va pas être actionnable pour le technicien et c'est ça qui m'a vraiment drive et sur avoir une méthode et une manière de actionner ces changements et du coup sur les cas qu'on étudie chez metroscope on a travaillé avec des data center donc le hall le data center j'ai parlé d'utilité industrielle mais là dans le data center la production d'eau glacée pour refroidir les serveurs c'est une utilité pour le data center Et donc là, l'objectif c'est d'essayer pour eux de diminuer leur PUE, c'est-à-dire leur consommation d'électricité qui sert à refroidir les data centers par rapport à celle qui sert à alimenter les serveurs. Et là l'objectif c'était justement de prévoir comment va évoluer la météo, est-ce qu'on peut faire au final du refroidissement directement avec l'air, ce qu'ils appellent du free cooling via les échangeurs des groupes froids en bypassant les compresseurs. Est-ce qu'on peut l'activer Est-ce qu'on doit utiliser les groupes froids Si oui, quels groupes froids et vraiment de venir faire ces recommandations-là d'exploitation. Et on a un autre cas dans le froid pour production de semi-conducteurs, où là la production est relativement constante, donc c'est assez facile à prédire comment la production va évoluer. Et par contre la performance des différents équipements évolue en fonction de l'humidité de l'air extérieur, de la température, de quels équipements sont disponibles actuellement. Est-ce qu'il y a besoin de faire de la récupération de chaleur avec les groupes foie Donc en fait c'est un problème d'optimisation assez intéressant mais il faut quand même être assez terre-à-terre sur la qualité des capteurs qui sont disponibles et être très proche des informations de terrain de est-ce que c'est vraiment faisable Est-ce que c'est vraiment acceptable par les équipes d'exploitation de modifier ce paramètre là aussi souvent et donc de vraiment être à la fois sur la théorie et la pratique n'est pas juste restée sur l'optimisation de papier.
Et concrètement, qu'est-ce que ces deux acteurs ont gagné en mettant en œuvre ce type d'approche C'est une excellente question Mathieu.
Évidemment, ce qu'on cherche au départ, c'est faire des gains financiers. C'est ce qui attire le client pour commencer le projet. Mais au final, ce qu'on voit après un an d'implémentation, c'est qu'au-delà des gains financiers, il y a des gains d'efficacité opérationnelle.
Ce qui veut dire que les gains financiers sont là.
Les gains financiers sont là, mais ça c'est, on va dire, la promesse et la promesse est tenue. Et on va dire que c'est évident, on ne serait pas là s'il n'y avait pas des gains financiers. Mais surtout, ce qu'on a observé et ce qui est vachement intéressant, c'est qu'il y a des gains de temps. Parce qu'au final, une fois qu'on a les données du périmètre, qu'on génère des rapports automatisés, ça fait gagner du temps, on aide à traquer les IPE. Ça c'est très bien. Mais aussi, il y a des gains de communication en interne. Parce qu'ils ont une source de vérité sur un périmètre, sur une utilité. Et au début... On s'est orienté vraiment sur le pilotage et après on a étoffé sur les différents métiers du site. Et ils ont un outil transverse qui leur permet, que ce soit technicien d'exploitation, energy manager ou ingénieur efficacité sur les parties d'utilité, ils ont un logiciel qui leur permet de chercher ce qu'eux, ils veulent, mais qui est aussi en commun avec les autres fonctions et qui leur permet de communiquer et d'avoir vraiment une source de vérité sur ces indicateurs, sur cette partie-là.
Pour conclure, quelles seraient tes 2-3 recommandations pour un industriel qui souhaite travailler sur les performances de ses utilités grâce à la data
Déjà de faire le bilan de son plan de comptage et potentiellement d'aller investir pour installer des capteurs sur les utilités plus énergivores et ce qui va engendrer cette consommation.
Sur les process qui sont les plus consommateurs de ces utilités,
c'est ça Exactement, et de faire le point ou d'utiliser une solution comme OIBUS d'Optimistic pour vraiment venir collecter ces données, les centraliser, les historiser. Si ce n'est pas déjà fait, c'est toujours nécessaire d'avoir un petit peu d'historique pour travailler. Et après justement, ce serait déjà de rejoindre des démarches comme l'ISO 50001 qui vont pousser à suivre des indicateurs, à avoir des réunions régulières, à avoir des objectifs pour travailler.
Il n'y a pas que de l'organisation et de l'humain.
Exactement et encore une fois c'est aussi de la conduite du changement et c'est accompagner des personnes à peut-être un peu changer la manière dont ils travaillent et à accepter d'avoir des nouveaux projets, des nouvelles manières d'opérer et peut-être en troisième pas d'accepter d'avoir des... logiciels d'aide à la prise de décision qui peuvent justement aider à aller chercher encore plus d'économies sur ces périmètres.
Merci beaucoup, Gaspard.
Merci beaucoup, Mathieu. C'était un plaisir.
De même.
Description
Dans cet épisode, Gaspard-Louis Charles, Tech Lead Cooling Systems chez Metroscope, explique comment les approches prédictives et la data permettent d’optimiser les utilités industrielles (froid, air comprimé, vapeur), en améliorant efficacité, pilotage et performance énergétique grâce à une meilleure instrumentation et des recommandations actionnables.
Hosted by Ausha. See ausha.co/privacy-policy for more information.
Transcription
Voice of Industry.
Voice of Industries.
Bonjour Gaspard, bienvenue sur Voice of Industry. Ravi de te recevoir aujourd'hui pour parler du pilotage des utilités industrielles, en particulier grâce aux approches prédictives. Déjà pour commencer, est-ce que tu peux te présenter, nous en dire un peu plus sur ton rôle et tes activités chez Métroscope
Bien sûr. Bonjour Mathieu, merci pour l'invitation. Déjà c'est un plaisir d'être ici. Donc j'ai rejoint Métroscope il y a à peu près trois ans. Métroscope, c'est un éditeur logiciel, on pourra rentrer dans les détails, mais qui est une filiale du groupe EDF, qui travaille avec les centrales de production électrique. Moi, j'ai été recruté pour travailler justement sur une diversification, progressivement, sur l'industrie et les data centers.
Alors déjà, pour commencer, qu'est-ce que tu entends par les utilités industrielles De quoi est-ce qu'on parle C'est une très bonne question.
Moi, je suis ingénieur HVAC de formation, donc j'ai beaucoup étudié notamment la production de froid et le chauffage. Et donc, ça va se retrouver dans l'industrie. notamment soit pour refroidir des process, soit pour apporter de l'air comprimé pour actionner des machines, soit pour apporter par exemple de la vapeur pour du séchage ou d'autres fonctions nécessaires à l'industrie.
On va dire que c'est un peu tous les fluides annexes qui vont servir au process mais qui ne sont pas le cœur du process.
Exactement, c'est exactement ça.
Aujourd'hui j'imagine, si vous avez développé cette activité, c'est qu'il y a certains enjeux pour les industriels. À quel genre de difficultés les exploitants d'utilités sont confrontés C'est une très bonne question.
Il y a eu récemment ces dernières années des petites fluctuations sur les prix de l'énergie. Petites Petites. Je suis d'accord. Qui ont fait que certaines utilités, donc on l'a parlé, air comprimé, froid, vapeur, étaient devenues un peu plus chères que d'habitude, et surtout un peu trop chères pour qu'on les ignore. Il y avait parfois un manque de transparence. Certains de ces systèmes sont assez mal instrumentés, donc assez peu de transparence sur les consommations. ou l'efficacité.
Ce que tu veux dire, c'est que les utilités, comme ce n'est pas le cœur du process, ce n'est pas le système sur lequel on a le plus de visibilité,
c'est ça Oui. Après, souvent, il y a des compteurs. Évidemment, on sait grosso modo ce que ça consomme, mais parfois, un manque de finesse qui fait qu'on n'arrivait pas à avoir des fuites, des surconsommations ou des manques d'efficacité. Il y a d'autres problématiques qui sont aussi quand même le manque de capacité de prédire dans le temps ce qui va se passer. Et donc, c'est souvent assez réactif. comme opération.
Ce qui veut dire qu'en gros, une fois qu'on reçoit la facture, on commence à se préoccuper du sujet, mais il n'y a pas réellement d'action au quotidien pour maîtriser et mettre sous contrôle ses utilités et leurs coûts,
c'est ça C'est ça. Alors, s'il y a souvent des plans ISO 50001, ce genre de choses, mais ça demande quand même d'avoir une bonne compréhension de ce qui se passe, un bon plan de comptage, et d'être capable d'avoir des actions, et ça veut dire quand même d'être assez avancé dans son raisonnement.
Alors, en quoi la data peut aider
C'est une super bonne question. Déjà, ça commence tout en bas de la chaîne de valeur, les capteurs. Donc avoir des capteurs, instrumenter ces différentes machines, que ce soit les consommations, mais aussi ce qui va conduire à la consommation, donc quand même potentiellement instrumenter un peu le process. Avoir des données qui sont fiables, qui sont centralisées, déjà ça c'est super important. Mais surtout, comment on va se servir de ça Déjà, faire un plan de comptage, comprendre avec des indicateurs de performance quelle est la consommation de telle chaîne. par rapport à telle chaîne, de ramener ça à la quantité de produit ou à la qualité d'un produit et donc d'avoir ce qu'on peut appeler des indicateurs de performance. Donc ça, c'est un premier niveau.
C'est vraiment le lien entre le cœur de process et les utilités quelque part.
Exactement. Mais ce qui va intéresser de toute façon un industriel, c'est ce qui lui rapporte, c'est-à-dire sa production. Et l'objectif, c'est d'être plus efficace pour produire la même chose ou même pour produire plus vis-à-vis de ces utilités qui sont... de plus en plus coûteuse.
D'accord, alors là tu parles du lien entre le procédé et les utilités. Si on se refocalise sur les utilités, comment on va pouvoir travailler cette data Quelle est un peu la démarche
Je vais parler un peu de ma démarche à moi, comment je suis arrivé là-dedans, parce que je trouve que ça illustre assez bien. Donc quand j'ai fait un stage de fin d'études à la R&D d'EDF, j'avais une bonne compréhension du métier. J'ai étudié sur les pompes à chaleur et j'ai fait un stage de fin d'études dans les pompes à chaleur. Donc là j'avais une compréhension du métier. Après la compréhension du métier, j'avais des cellules d'essai pour faire des mesures sur des pompes à chaleur. Donc on a collecté des données. Et au final, j'ai collecté des données, mais je ne savais pas du tout comment les utiliser, à part faire des petites courbes, des petits indicateurs. Et après, dans mon premier emploi, j'ai appris à faire de la data science, du machine learning. Et là, j'ai appris à vraiment entraîner des modèles, avoir des références, pouvoir faire des prédictions, des prévisions sur ces données. Et ça a déjà débloqué des choses. Mais si. nécessaire si on veut avoir un impact dans l'industrie. Il ne faut pas seulement avoir des modèles, il faut pouvoir non seulement avoir une interface pour communiquer ses résultats, avec des utilisateurs. Et donc ça, c'était dans mon premier métier. Et ensuite, il faut arriver à faire des recommandations qui sont actionnables. Et donc là, on voit les plusieurs étapes de comment on peut utiliser les compétences métier, les données, des outils techniques, mais ça demande aussi d'avoir derrière une interface logicielle et une conduite du changement sur le terrain. Donc ça, pour moi, c'est vraiment les différentes étapes qui mènent à des économies concrètes sur site avec les utilités.
Tu viens d'introduire un nouveau... sujet qui est le prédictif. Concrètement, qu'est-ce que ça peut apporter au pilotage industriel Parce que, Clément, tu nous expliques qu'il faut avoir des retours qui soient actionnables. Qu'est-ce que vient faire le prédictif dans tout ça C'est une super bonne question.
Alors, justement, si on se projette sur c'est qui nos utilisateurs, ou qui est-ce qui peut vraiment avoir un impact dans l'industrie sur les utilités, souvent ça se passe dans une salle des commandes, où des techniciens d'exploitation sont au car et vont venir... Régler par exemple production d'eau glacée, production d'air comprimé, pour que tout fonctionne dans l'usine.
Alors qu'est-ce que tu appelles régler concrètement Oui,
venir démarrer des machines, venir mettre des machines en maintenance, venir changer des paramètres, donc des points de consigne sur ces machines. Dans certaines industries, ça va être automatisé. Dans certaines autres industries, c'est soit trop critique, soit pas assez bien équipé en automate. Et donc il y a des points de consigne à entrer à la main où il y a des machines. il y a des paramètres à rentrer à la main. Et dans ces cas-là, souvent, c'est un peu réactif ou au doigt mouillé. Alors, c'est des gens qui ont l'expérience du terrain, qui ont l'expérience métier, et ils vont regarder la météo, ils ont un peu un ordre de grandeur de comment l'entalpie va jouer sur si... Ils savent à peu près ce qui va se passer en production, et donc, ils font des estimations sur quand est-ce qu'on démarre une machine. Le problème, c'est que c'est très coûteux de démarrer une machine. C'est très coûteux parfois de... de l'arrêter quand c'est des grosses machines tournantes. Mais surtout, c'est que le problème, si on pilote beaucoup d'équipements, ça devient un problème très complexe. Et surtout si c'est des équipements qui ont une performance qui va varier en fonction de la charge. Et donc là, on se retrouve avec un problème d'optimisation qui est assez complexe.
Ok, trop complexe pour être abordé par juste, on va dire, la compréhension humaine et de la décision sur le terrain. Et j'imagine en plus qu'il y a un autre facteur, c'est que... en fonctionnement de manière manuelle, on est certain que chaque personne qui opère a sa manière d'opérer, donc il n'y a aucune stabilité.
Exactement, il y a un manque de standardisation. Et ça, on en parle en temps réel, de manière réactive, c'est encore faisable, mais si on veut vraiment être efficace, faire des gains, l'objectif c'est de regarder sur ce qui va se passer sur les 10 à 24 prochaines heures, potentiellement, donc avec ce qu'on anticipe de production, ce qu'on anticipe de météo, le comportement historique, et là, donc on va faire des prévisions sur les demandes de ces différentes utilités. L'objectif, après, c'est de faire un problème d'optimisation, mais sur un horizon temporel et pas juste sur un seul pas de temps. Et là, le problème devient encore plus compliqué à maîtriser et tout dépend de la fonction de coût qu'on définit.
La théorie est très claire. Maintenant, concrètement, comment est-ce que vous mettez ça en œuvre chez les industries liées Quelle est, quelque part, votre expérience sur ce type d'approche Tu as raison,
c'est assez facile, en fait, de définir un problème d'optimisation. On peut faire un petit tutoriel assez rapidement. Le problème, c'est que la réalité est parfois assez brutale. ou pas forcément brutale, mais assez particulière. Et donc, il faut bien s'adapter aux contraintes sur site et surtout bien s'adapter à qui peut faire ces modifications de paramètres, quels paramètres sont modifiables et aller, comme on l'a dit, accompagner le changement. Et donc, nous, ce qu'on fait, c'est qu'on essaie d'aller en immersion avec ces équipes de CAR, voir quelles sont leurs pratiques actuelles, de quelles informations ils auraient besoin et à quel moment pour prendre des décisions. Et l'objectif, c'est de leur donner une interface web, parce que c'est quand même... L'objectif n'est pas d'installer des logiciels sur place, mais de leur donner un accès à une interface web qui va leur faire des recommandations sur les prochaines heures, sur des paramètres qui sont actionnables et dans des plages qui sont actionnables, parce que tolérées par les consignes constructeurs, parce qu'affectées historiquement dans des conditions similaires. Et l'objectif, c'est d'aller leur suggérer des recommandations qui sont actionnables. Au moment où on les fait, ils peuvent les prendre en compte, qui sont dans des domaines, on va dire, totalement possibles. et qui sont quand même plus efficaces que ce qu'ils font actuellement.
Est-ce que tu peux nous présenter quelques mises en œuvre concrètes que vous avez réalisées chez Métroscope, pour illustrer tout ça
Oui, je vais commencer par un échec. C'est dans mon ancienne vie, avant Métroscope, j'avais eu un problème similaire et que je n'ai pas réussi à résoudre, et c'est ça qui m'a un peu donné envie de faire des recommandations actionnables. C'était sur une centrale de traitement des eaux usées qu'avait un incinérateur, et l'incinérateur incinère les bouts d'eau usée. et techniquement il peut fonctionner parfois et incinérer des bouts comme ça en auto combustion selon le taux de matière sèche des bouts. Et en fait les opérateurs ils connaissaient pas le taux de matière sèche des bouts qui était mesuré en laboratoire. Et donc ils injectaient du fioul dans le four en permanence pour que ça tourne. Et donc on avait en fait un système qui fonctionnait, c'est quand même ce qu'on lui demande, qui n'était pas efficient.
Qui n'avait pas de capacité de semer du fioul pour rien.
Exactement, parce qu'on n'avait pas de capacité de communiquer ces informations, de prédire quel va être le taux de matière sèche en fonction de la pluie, ce genre de choses, et des mesures de laboratoire du matin même, de la veille. Et ça, quand on essaye de le résoudre juste avec des modèles de machine learning, on va faire plein de modèles. mais en fait ça va pas être actionnable pour le technicien et c'est ça qui m'a vraiment drive et sur avoir une méthode et une manière de actionner ces changements et du coup sur les cas qu'on étudie chez metroscope on a travaillé avec des data center donc le hall le data center j'ai parlé d'utilité industrielle mais là dans le data center la production d'eau glacée pour refroidir les serveurs c'est une utilité pour le data center Et donc là, l'objectif c'est d'essayer pour eux de diminuer leur PUE, c'est-à-dire leur consommation d'électricité qui sert à refroidir les data centers par rapport à celle qui sert à alimenter les serveurs. Et là l'objectif c'était justement de prévoir comment va évoluer la météo, est-ce qu'on peut faire au final du refroidissement directement avec l'air, ce qu'ils appellent du free cooling via les échangeurs des groupes froids en bypassant les compresseurs. Est-ce qu'on peut l'activer Est-ce qu'on doit utiliser les groupes froids Si oui, quels groupes froids et vraiment de venir faire ces recommandations-là d'exploitation. Et on a un autre cas dans le froid pour production de semi-conducteurs, où là la production est relativement constante, donc c'est assez facile à prédire comment la production va évoluer. Et par contre la performance des différents équipements évolue en fonction de l'humidité de l'air extérieur, de la température, de quels équipements sont disponibles actuellement. Est-ce qu'il y a besoin de faire de la récupération de chaleur avec les groupes foie Donc en fait c'est un problème d'optimisation assez intéressant mais il faut quand même être assez terre-à-terre sur la qualité des capteurs qui sont disponibles et être très proche des informations de terrain de est-ce que c'est vraiment faisable Est-ce que c'est vraiment acceptable par les équipes d'exploitation de modifier ce paramètre là aussi souvent et donc de vraiment être à la fois sur la théorie et la pratique n'est pas juste restée sur l'optimisation de papier.
Et concrètement, qu'est-ce que ces deux acteurs ont gagné en mettant en œuvre ce type d'approche C'est une excellente question Mathieu.
Évidemment, ce qu'on cherche au départ, c'est faire des gains financiers. C'est ce qui attire le client pour commencer le projet. Mais au final, ce qu'on voit après un an d'implémentation, c'est qu'au-delà des gains financiers, il y a des gains d'efficacité opérationnelle.
Ce qui veut dire que les gains financiers sont là.
Les gains financiers sont là, mais ça c'est, on va dire, la promesse et la promesse est tenue. Et on va dire que c'est évident, on ne serait pas là s'il n'y avait pas des gains financiers. Mais surtout, ce qu'on a observé et ce qui est vachement intéressant, c'est qu'il y a des gains de temps. Parce qu'au final, une fois qu'on a les données du périmètre, qu'on génère des rapports automatisés, ça fait gagner du temps, on aide à traquer les IPE. Ça c'est très bien. Mais aussi, il y a des gains de communication en interne. Parce qu'ils ont une source de vérité sur un périmètre, sur une utilité. Et au début... On s'est orienté vraiment sur le pilotage et après on a étoffé sur les différents métiers du site. Et ils ont un outil transverse qui leur permet, que ce soit technicien d'exploitation, energy manager ou ingénieur efficacité sur les parties d'utilité, ils ont un logiciel qui leur permet de chercher ce qu'eux, ils veulent, mais qui est aussi en commun avec les autres fonctions et qui leur permet de communiquer et d'avoir vraiment une source de vérité sur ces indicateurs, sur cette partie-là.
Pour conclure, quelles seraient tes 2-3 recommandations pour un industriel qui souhaite travailler sur les performances de ses utilités grâce à la data
Déjà de faire le bilan de son plan de comptage et potentiellement d'aller investir pour installer des capteurs sur les utilités plus énergivores et ce qui va engendrer cette consommation.
Sur les process qui sont les plus consommateurs de ces utilités,
c'est ça Exactement, et de faire le point ou d'utiliser une solution comme OIBUS d'Optimistic pour vraiment venir collecter ces données, les centraliser, les historiser. Si ce n'est pas déjà fait, c'est toujours nécessaire d'avoir un petit peu d'historique pour travailler. Et après justement, ce serait déjà de rejoindre des démarches comme l'ISO 50001 qui vont pousser à suivre des indicateurs, à avoir des réunions régulières, à avoir des objectifs pour travailler.
Il n'y a pas que de l'organisation et de l'humain.
Exactement et encore une fois c'est aussi de la conduite du changement et c'est accompagner des personnes à peut-être un peu changer la manière dont ils travaillent et à accepter d'avoir des nouveaux projets, des nouvelles manières d'opérer et peut-être en troisième pas d'accepter d'avoir des... logiciels d'aide à la prise de décision qui peuvent justement aider à aller chercher encore plus d'économies sur ces périmètres.
Merci beaucoup, Gaspard.
Merci beaucoup, Mathieu. C'était un plaisir.
De même.
Share
Embed
You may also like
La transformation digitale : un levier d'innovation pour l'industrie des procédés
Comment l’IoT transforme l’industrie ? Décryptage avec Jérôme Chambard
Maintenance prédictive : l'Intelligence Artificielle au service de la performance industrielle
Vision Industrielle : comment l’Intelligence Artificielle change la donne
