AFRY e-DAP

AFRY e-DAP est plateforme numérique Twin Web qui optimise au niveau virtuel l’exploitation et la maintenance d’éléments importants d’installations et de de processus centraux dans les entreprises industrielles. La fonction de saisie de données qui s’appuie sur la technique de mesure de processus, associée à une technologie avancée de réseau IoT et de stockage, permet à la plateforme de proposer un environnement de travail dans lequel les clients peuvent accumuler des quantités astronomiques de données temporelles concernant l’entreprise et d’en tirer des conclusions pour l’exploitation et la maintenance grâce à l’apprentissage machine.
En tant qu’outil applicatif web, AFRY e-DAP peut être utilisé dans l’industrie, dans le secteur des services et sur des équipements infrastructurels et faciliter les activités suivantes :

• Maintenance de l’exploitation (prédictive)
• Pilotage de la production
• Planification et optimisation des processus
• Gestion du cycle de vie

L’expertise générale d’AFRY dans les domaines de la planification, de la simulation et de l’analyse de données vous aider à évaluer les données liées à l’exploitation et les données issues d’essais en laboratoire et à en déduire des informations qui ne sont pas visibles d’emblée.

Qualité de l’air dans le tunnel de base du Saint-Gotthard

Prédictions des conséquences à long terme sur l’intégrité des installations du tunnel : tunnel de 57 km, exploité et entretenu intelligemment avec AFRY e-DAP, notre plateforme technique d’analyse de données.

AFRY e-DAP aide nos clients à prédire les conséquences de la météo extérieure et à gérer intelligemment la circulation de l’air dans le tunnel sans que nos techniciens ne soient présents sur place : Le “Tunnel Digital Twin” est utilisé pour gérer les conditions climatiques dans le tunnel.

La plateforme établit des prévisions concernant la température de l’air et l’humidité de l’air dans les tubes du tunnel en s’appuyant sur la vitesse de circulation de l’air, la température et l’humidité au niveau des portails. La dépendance de l’état de l’air stagnant dans les tubes du tunnel lorsque la qualité de l’air se dégrade et les conditions extérieures sont présentées sur la vue d’ensemble AFRY e-DAP.

Modélisation des processus dans une station d’épuration (STEP)

Les stations d’épuration nécessitent une surveillance minutieuse des paramètres d’exploitation, y compris des flux entrants et sortants, ainsi que des mesures prêtes à l’emploi permettant de réagir à des besoins extérieurs accrus tels que la croissance démographique. Pour exploiter l’installation de manière optimale, les gestionnaires doivent optimiser la consommation d’énergie ainsi que la charge biochimique, les besoins en oxygène et la teneur en azote, etc.

La solution basée sur AFRY e-DAP comprend un processus de modélisation prédictive qui recouvre les opérations suivantes :

• Les données d’exploitation de la station d’épuration suisse d’Estavayer-le-Lac sont collectées toutes les 5 minutes sur une période de 10 ans.
• Suite à une gestion de données soignée, nous avons mis en œuvre divers algorithmes d’apprentissage machine nous permettant de prédire l’âge des boues d’épuration dans l’installation.

Signification pour les gestionnaires de stations d’épuration: amélioration et optimisation de l’exploitation, optimisation de la consommation d’oxygène en fonction de la vitesse d’écoulement, température de l’eau, valeur de l’acidité, charge d’azote et d’autres composés organiques.

Analyse des causes et identification des anomalies dans les centrales électriques

Les anomalies d’exploitation font partie des problèmes les plus délicats qui surviennent dans une centrale électrique. Le système fonctionne normalement jusqu’à ce que des instabilités se manifestent. Celles-ci peuvent être dues à des anomalies difficiles à identifier qui sont susceptibles d’interrompre durablement la production, ce qui peut conduire à des pertes, en particulier si des mesures de sécurité sont concernées.

Avec AFRY e-DAP, nos experts ont conçu un modèle d’identification d’anomalies grâce à l’analyse des causes, la dépendance de chaque variable étant minutieusement évaluée avec un puissant outil interne d’analyse des causes. Il peut être utilisé aussi bien dans des centrales électriques que dans des usines chimiques et des installations de procédés.

.

Simulation grâce au Digital Twining (SDT)

Le développement assisté par ordinateur (CAE) a aidé l’industrie à passer de la méthode des essais et des erreurs à la modélisation basée sur la physique, mais le traitement et l’évaluation des résultats des simulations n’ont pratiquement pas évolué au cours de cette période. Les modèles commerciaux de centres de CAE reposent presque entièrement sur la fourniture de résultats de simulations basés sur les cas en tenant compte de rares conditions de fonctionnement supplémentaires.

La nouvelle solution d’AFRY s’appuie sur un nouveau paradigme associé à l’utilisation de données physiques basées sur des ordinateurs et sur l’apprentissage machine afin d’élargir la base de données des simulations et donc pour couvrir une palette plus large de conditions de fonctionnement, ce qui permet aux spécialistes de réagir rapidement sur place. Le produit qui résulte de cette combinaison de la prise en compte de grandeurs physiques et de modélisations alimentées par des données s’appelle simulation grâce au Digital Twining (SDT). Bien que le paradigme puisse être appliqué dans diverses applications de CAE, les experts d’AFRY l’ont implémenté dans le contexte de la mécanique des fluides numérique (CFD).

Optimisation du processus de cuissons dans le lessiveur de cellulose

Les exploitants de lessiveurs de cellulose sont confrontés au défi suivant lorsqu’ils abordent leurs problèmes quotidiens :

• Les changements du procédé de séparation causés par la conversion de la production conduisent à des dérangements et le rétablissement de conditions stables prend beaucoup de temps.
• Les utilisateurs et la commande automatique ont du mal à compenser les changements du fait de ces importants retards.
• Risque d’obstruction lors du tamisage, consommation de produits chimiques, traitement des eaux usées et qualité de la cellulose qui ne correspond pas aux spécifications.

Notre solution qui s’appuie sur AFRY e-DAP favorise l’émergence d’un processus de modélisation prédictive comprenant les phases suivantes :

• Les installations d’exploitation collectent des données concernant le transport, la production et l’exploitation toutes les 5 minutes.
• Suite à un apurement soigné des données et à une identification du système, la qualité de la durabilité de la cellulose peut être modélisée.

Il en résulte les effets suivants : Possibilité d’une meilleure séparation pour un rendement plus élevé et une réduction des coûts des produits chimiques et des besoins en oxygène dans le cadre du traitement des eaux usées.