Pour maîtriser la supervision de vos procédés, analysez vos process !
Le Machine Learning pour de la supervision des procédés et leur compréhension
Pourquoi et comment optimiser le suivi de vos procédés ?
A l’heure de la digitalisation de l’industrie – Industrie 4.0, il est essentiel de mieux comprendre les procédés de production (Process Understanding), afin d’identifier les leviers de la qualité des produits en cours de fabrication, les paramètres clés (Critical Process Parameters – CPPs) de la production, des matières premières jusqu’aux produits finis. Plusieurs outils efficaces existent dont la chimiométrie et le Machine Learning pour la supervision des procédés.
Cette connaissance accrue des procédés permet alors d’optimiser la fabrication en supervisant les process grâce à la mesure de ces CPPs dans le cadre de l’Industrie 4.0. Ce contrôle permet alors d’accroître la productivité, minimiser les risques de production hors spécifications, et réduire la sur-qualité tout en minimisant les pertes de matières et l’impact environnemental.
Vous souhaitez :
Comprendre
le procédé grâce aux méthodes de Data Mining
(Process Understanding)
Superviser
les procédés pour détecter en temps réel les dérives. (Process monitoring)
Contrôler
le process en couplant les modèles aux boucles de régulation automatiques (Process Control)
Depuis de nombreuses années, la Maîtrise Statistique des Procédés (SPC) permet de superviser et contrôler le fonctionnement des procédés en temps réel grâce à des Cartes de Contrôle pour chacun des CPPs, de façon univariée, dans de nombreux secteurs industriels (agro-alimentaire, chimie, pétrochimie, cosmétique,…).
Dans l’Industrie 4.0., des techniques plus avancées de monitoring de procédé sont désormais applicables, afin d’intégrer toutes les données disponibles sur un procédé (Industrial IoT, analyseurs en ligne, paramètres de procédés).
La fusion de l’ensemble de ces capteurs et signaux multivariés génère alors de nouvelles cartes de contrôle avancées, rendant possible l’analyse et le pilotage les procédés en synthétisant tous les CPPs en un seul coup d’œil, qu’il s’agisse de procédés en batch (BSPC) ou de procédés continus (MSPC).
Dans le cadre des techniques de modélisation multivariées pour la supervision de procédés, il convient de séparer les méthodes applicables aux procédés continus et celles dédiées aux procédés en batchs.
- Pour la supervision de procédés en continu, la méthode MSPC – Multivariate Statistical Process Control – a été développée pour mettre en place des cartes de contrôle multivariées, statistiquement délimitées par des intervalles de confiance.
- Pour la supervision de procédés en batchs, les challenges à relever en termes d’analyse de données sont plus complexes à cause de la dimension supplémentaire du temps (cinétique de batch). C’est la méthode BSPC – Batch Statistical Process Control – qui est utilisée.
Implémentation logicielle
Nous développons vos calibrations avec tous les logiciels de chimiométrie du marché (Unscrambler®, SOLO®, PLS_Toolbox® dans l’environnement MATLAB®, SIMCA®, etc…), ainsi que ceux fournis par les équipementiers de spectroscopie (OPUS, WinISI, NIRCal, TQ Analyst, etc…), mais aussi les logiciels libres (R, Python…).
Notre expertise au service de l’analyse de vos données spectrales
Forts d’une expérience de plus de 15 ans dans l’analyse de données (chimiométrie et Machine Learning), en particulier appliquée aux mesures at-line, on-line et inline dans les procédés impliquant analyseurs en ligne, données de procédés et capteurs IoT, les experts pluridisciplinaires de nos équipes vous accompagnent à chaque étape de vos projets d’analyse de données de procédés.
Ils en parlent
« Ondalys, offreur de solutions pour l’industrie du Futur »
Our collaboration with Ondalys allowed Givaudan to push our frontiers in the area of chemometrics. Their team are not only data analysis specialists but they also have the ability to understand industry needs to deliver solutions which are readily applicable.
