Industrie 4.0 : l'intelligence numérique appliquée à la gestion de l'énergie

Avez-vous déjà entendu parler de l’usine 4.0 ou industrie 4.0?

Ce terme désigne une quatrième révolution industrielle associée à l’intelligence artificielle. Dans un monde où la main-d’œuvre et le renouvellement de personnel représentent des défis grandissants, il peut en effet être judicieux pour les entreprises d’envisager une telle transformation, à plus forte raison lorsque la consommation d‘énergie et la surveillance des équipements de procédé sont des variables à considérer. Dans cet article, nous vous proposons de découvrir comment y parvenir à l’aide d’exemples appliqués à l’efficacité énergétique et à la gestion de l’énergie.

De l’intelligence artificielle à l’intelligence numérique

À l’ère du numérique, l’intelligence artificielle (IA ) est un terme utilisé dans toutes les sphères de notre société. Que ce soit dans le domaine de la publicité, des télécommunications ou dans l’industrie automobile, l’IA promet des prouesses analytiques qui dépassent de loin les capacités de l’être humain. Toutefois, qu’en est-il du potentiel de l’IA dans le bâtiment et les autres industries? Nos réflexions sur le sujet nous ont amenés à reconsidérer l’utilisation du terme « intelligence artificielle » pour le remplacer par le terme « intelligence numérique » (I.Num.).

L’intelligence numérique englobe l’ensemble des domaines liés à la valorisation des données tels que l’acquisition de données, l’exploration de données (data mining), l’apprentissage automatique (machine learning), l’apprentissage approfondi (deep learning) et bien d’autres. Selon l’Institut de valorisation des données (IVADO), l’intelligence numérique est un « ensemble d’outils et de méthodologies combinant collecte et exploitation des données avec conception et utilisation de modèles et d’algorithmes pour faciliter, enrichir et accompagner la prise de décisions. »

Niveaux de maturité numérique

L’intelligence numérique peut être vue comme un cheminement visant à créer de la valeur à partir de la matière première que sont les données. Ce cheminement comprend quatre niveaux de maturité numérique distinctes. Toutefois, une organisation ou un projet peut s’inscrire simultanément à différent niveau de maturité numérique. Par exemple, des algorithmes complexes associés au niveau 3, peuvent être utilisés pour faciliter l’acquisition, l’organisation et la transformation des données associés au niveau 1.

Niveau 1 : Mesurer (Acquisition de données)

Ce niveau est celui de la mise en place de la structure et de l’acquisition des données. Les données peuvent être consultées en temps réel grâce à des outils d’interface. Il est possible d’accéder à l’historique des données afin de mieux comprendre les évènements du passé et de prévenir des problèmes ou des anomalies potentielles. Toutefois, à ce niveau, seules des analyses sommaires sont effectuées. Il s’agit du niveau de maturité le plus important à maîtriser, car la qualité, la fiabilité et l’accessibilité des données demeurent à ce jour le principal enjeu en matière d’intelligence numérique.

Niveau 2 : Valoriser (Descriptif)

Les données sont valorisées par des techniques classiques de science des données (p. ex. : régressions, outils statistiques). La valorisation des données permet d’effectuer des analyses afin de comprendre les évènements qui se sont produits, mais ne permet pas de visualiser et d’ajuster les modèles en temps réel. La mise en place d’un système d’information de gestion de l’énergie (SIGE) ou la résultante des plans de mesurage et vérification selon le protocole IPMVP sont des exemples concrets de ce niveau de maturité.

Niveau 3 : Apprendre (Prédictif)

Cette étape établit des modèles de prévisions qui permettent d’anticiper ce qui va se passer en fonction d’une multitude de facteurs. Généralement, on fait appel à des algorithmes d’apprentissage automatique pour appliquer différentes méthodes prédictives visant à anticiper l’évolution d’un processus à partir de données historiques et actuelles.

Niveau 4 : Optimiser (Prescriptif)

À ce niveau de maturité, des algorithmes complexes peuvent apporter des mesures correctives dans le but d’optimiser le fonctionnement d’un processus. Ces techniques d’optimisation sans intervention humaine sont associées à la recherche opérationnelle.

L’intelligence numérique appliquée au bâtiment et à l’industrie

À première vue, l’intelligence numérique peut donner l’impression d’une « boîte noire ». En effet, le fait de recueillir des données, de les analyser et de laisser agir les systèmes en fonction de résultats obtenus à l’aide d’algorithmes complexes peut occasionner un certain inconfort. C’est pourquoi l’intégration de l’intelligence numérique à une démarche structurée de gestion de l’énergie demeure essentielle. Comme nous le mentionnions dans un récent article sur les systèmes de gestion de l’énergie, Énergir souhaite accompagner sa clientèle dans ce processus et amorcer des travaux en ce sens afin de s’assurer que l’intelligence numérique est bien intégrée à son offre en efficacité énergétique.

Acquisition des données

Pour prendre un exemple concret, imaginons un bâtiment disposant d’un système de contrôle centralisé déjà bien implanté. Ce système comprend nécessairement un dispositif de collecte et d’archivage des données historiques. Le personnel dispose donc d’outils très performants pour superviser et adapter le fonctionnement des systèmes, le cas échéant. Toutefois, les dérives sont généralement détectées et analysées à la suite de plaintes, de pannes majeures, ou d’une augmentation significative des factures d’énergies.

Valorisation des données

Afin d’être en mesure de détecter plus rapidement les dérives énergétiques, un système de gestion de l’énergie est mis en place. Il permet notamment de recueillir et de consolider les données, et d’automatiser leur stockage dans un entrepôt de données pouvant accueillir les historiques du système de contrôle, des données des fournisseurs d’énergie, des données météo, ainsi que de tout autre facteur pertinent. La maîtrise des données et leur mise en commun permettent de mieux définir les indicateurs de performance du bâtiment et de développer des tableaux de bord plus conviviaux qui pourront bénéficier autant au personnel technique qu’au gestionnaire du bâtiment.

Apprentissage

Dès lors, le niveau de connaissance acquis sur le bâtiment permet d’agir de manière proactive lorsque des dérives sont détectées. Des algorithmes d’apprentissage automatique basés sur des mois de données historiques bien organisées permettent non seulement de développer des modèles de référence en temps réel afin de prédire le comportement du bâtiment, mais d’identifier des améliorations potentielles à son fonctionnement.

Optimisation

La dernière étape du processus consiste à utiliser les prédictions afin d’optimiser le fonctionnement des systèmes en temps réel, par exemple en retardant le démarrage de certains systèmes en fonction de différents facteurs comme la température, l’ensoleillement, l’occupation ou la productivité, ou encore pour limiter l’appel de puissance.

L’intégration de l’intelligence numérique à une démarche plus globale permet aussi d’agir, à terme, sur les divers systèmes d’un bâtiment ou d’une usine, mais aussi de faciliter l’interaction entre les bâtiments ou les services de production afin de favoriser des échanges énergétiques. La mise en œuvre prochaine d’un système de cotation énergétique de la performance et des émissions de GES est une excellente raison d’améliorer son niveau de maturité numérique.

L’intelligence numérique appliquée au secteur industriel

Afin de démystifier l’applicabilité de l’intelligence artificielle en milieu industriel à des fins d’optimisation de la consommation énergétique d’un procédé, nous vous proposons ici quelques exemples concrets.

Gestion des préchauffeurs de poches dans le secteur métallurgique

Plusieurs industries du secteur métallurgique (aluminium, acier, etc.) utilisent des poches ou creusets (voir illustration) pour le transport de métal en fusion. Afin de protéger le revêtement réfractaire qui tapisse l’intérieur des poches (durant le transvidage de métal en fusion), il est primordial de maintenir une température élevée et uniforme afin d’éliminer le risque de choc thermique; des brûleurs au gaz naturel peuvent être utilisés à cette fin. Puisque le réfractaire s’use à chaque coulée et qu’il est difficile de prédire à quel moment il sera nécessaire d’effectuer la réfection du réfractaire, plusieurs poches d’appoint sont gardées en température durant de longues périodes, ce qui engendre des coûts très élevés de consommation de gaz naturel sans rendement de production.

Pour économiser le gaz naturel de préchauffage des poches, on peut faire appel à l’apprentissage automatique et à l’intelligence numérique. Des caméras thermiques à haute définition peuvent être Installées pour capter et analyser les gradients de température de la coquille d’acier en temps réel et détecter le développement de points chauds. En intégrant aussi d’autres facteurs de production (faisant appel à des contrôleurs logiques programmables dédiés) comme la température mesurée, les alliages à produire, la cadence de production et le nombre de poches d’appoint. Le modèle numérique peut agir comme opérateur virtuel et prédire avec précision le moment où une poche d’appoint doit être préchauffée pour remplacer une poche en opération.

Prédire le moment précis où la poche doit être entretenue permet donc d’éliminer le chauffage en continu des poches d’appoint et d’éviter une redondance opérationnelle et une consommation de gaz naturel importante.

Contrôles avancés de la combustion des chaudières et des fours

Les technologies de surveillance de flammes, de purges, de contrôle du taux d’oxygène dans les fumées et d’air comburant font également partie des composantes de base de l’implémentation vers l’industrie 4.0. Le démarrage et l’arrêt automatiques de brûleurs avec ajustement dynamique du débit de gaz naturel d’une chaudière en fonction de la pression du gaz et du nombre de brûleurs en service peuvent être intégrés pour améliorer l’efficacité énergétique. Dans les usines où l’énergie est produite simultanément à partir de plusieurs équipements (chaudières à biomasse, à récupération ou à gaz naturel), il peut être encore plus intéressant d’optimiser cette production au moyen de contrôles avancés et de dispositifs permettant de faire fonctionner des équipements à leur plein potentiel, en tout temps, et sans intervention humaine.

Par ailleurs, pour la combustion de certains fours contrôlés manuellement, il arrive que l’opérateur surutilise le brûleur pour s’assurer que la température du four ne baisse pas sous le point de consigne désiré. Dans ce cas, des contrôles avancés et automatisés s’avèreraient efficaces pour réguler en permanence la consommation de gaz naturel afin d’assurer une combustion optimale.

La sécurité opérationnelle

Compte tenu du renouvellement important de la main-d’œuvre, certains nouveaux employés pourraient méconnaître les règles de sécurité relatives aux appareils industriels de combustion. Par exemple, pour un système de combustion non automatisé, des tiges d’ajustement de l’air comburant d’un brûleur peuvent être inopérantes. Si l’utilisateur ne surveille pas rigoureusement son équipement, des apports d’air hautement inefficaces du point de vue énergétique pourraient aussi poser des risques pour la sécurité. Dans ce genre de scénario, on peut envisager le recours à un contrôle de procédé sécurisé et certifié pour assurer la protection des travailleurs et des installations.

L’intelligence numérique fait partie intégrante de l’industrie 4.0. C’est un outil qui permet d’exploiter les données pour améliorer les mesures d’optimisation énergétique des équipements, comme en témoignent de nombreuses applications dans le secteur du bâtiment et dans les usines. L’intelligence numérique peut aussi être déployée afin d’améliorer la sécurité opérationnelle des équipements de combustion, ou encore aux fins d’implantation d’un SGE. Pour bénéficier des avantages de l’intelligence numérique, les clients d’Énergir disposent de plusieurs programmes de subvention visant à optimiser l’efficacité énergétique des équipements au gaz naturel (voir encadré).

Programmes de subvention offerts par Énergir

Énergir offre plusieurs subventions pour encourager ses clients à migrer progressivement vers l’industrie 4.0 et déployer l’intelligence numérique à des fins d’efficacité énergétique. L’implantation de systèmes et d’équipements industriels 4.0 est admissible aux trois volets suivants : le diagnostic, l’implantation et les systèmes de gestion de l’énergie (SGE).

Le volet Études vise à aider les entreprises à réaliser des études de faisabilité avec une firme de génie-conseil afin d’évaluer différents scénarios visant à réduire la consommation d’énergie. Elle permet donc d’acquitter une partie du coût d’une étude de faisabilité portant sur des mesures d’efficacité énergétique, étude qui sera effectuée par une firme de génie-conseil accréditée par Énergir. La subvention offerte aux clients grandes entreprises est la suivante :
Le montant le plus bas entre :
- 50 % du coût de l’étude avant taxes ou;
- 50 000 $ par numéro de compte et par année financière.
Le volet Implantation facilite le déploiement des mesures d’efficacité énergétique identifiées dans les études de faisabilité. Les deux exemples abordés dans l’article sont des projets admissibles à ces programmes. Le montant maximal annuel de la subvention ne pourra être plus élevé que 1 000 000 $ ou 50 % des dépenses admissibles avant taxes (surcoûts estimés du projet), incluant le coût des appareils, d’installation et l’ingénierie. Dans le cadre de ce volet du programme, la subvention est accordée selon le secteur d’activité, ainsi que la période de récupération de l’investissement calculée par mesure d’efficacité énergétique avant subventions.
Le volet SGE permet de subventionner les activités de mise en œuvre d’un système de gestion de l’énergie pour l’amélioration opérationnelle de l’utilisation de l’énergie. Cette subvention donne accès à une aide maximale totale de $ 350 000 qui comprend un montant pour l’étape de diagnostic, l’étape d’implantation et l’étape de suivi des mesures. Le volet SGE peux donc contribuer au financement du déploiement de systèmes d’intelligence numérique visant à stocker et analyser des données énergétiques.