Language selection

Recherche


Analyse des données d'opération

Optimisation de l’opération des systèmes par l’exploration de données (data mining)

L’exploration de données est le processus de recherche dans des bases de données pour détecter des corrélations cachées et des informations nouvelles. Les données sont soumises à une chaîne de transformation mathématique (analyses statistiques, intelligence artificielle, arbres de décision, etc.), dans le but d’extraire des connaissances additionnelles. Ces connaissances (règles, modèles et guides) peuvent être implantées comme des solutions logicielles en ligne pour :

  • comprendre les causes de variabilité d'un procédé
  • développer des indicateurs clés de performance
  • surveiller l'évolution de la performance du procédé et la garder à son optimum
  • réaliser des scénarios de simulation
  • planifier les opérations et gérer les demandes
  • mieux gérer les situations anormales (détection et diagnostic de fautes)

Analysez vos données de procédés afin de réduire vos coûts d'opération

Bénéfices de l'analyse des données d'opération

Cliquez pour agrandir

Version textuelle

Figure 1

Cette image représente les économies qui peuvent être obtenues à l’aide des techniques d’exploration des données. Ces techniques permettent de réduire les variabilités de l’opération de 50 %, la consommation d’énergie du procédé de 15 % et les coûts d’opération de 2 %.

Les techniques d’exploration de données permettent de réduire :

L’amélioration de la qualité des produits, une stabilité accrue des procédés, et une diminution des interventions et des arrêts non planifiés sont autant de bénéfices additionnels que peuvent apporter les techniques d’exploration de données.

Logiciels

CanmetÉNERGIE développe actuellement un logiciel qui permettra :

  • le nettoyage, la préparation et l'analyse des données afin de mieux comprendre le comportement de votre procédé
  • de comprendre la variabilité et de développer des indicateurs clés de performance par l’analyse par composantes principales (ACP)
  • de développer des modèles prévisionnels du procédé par des réseaux de neurones et régression linéaire (PLS)
  • la surveillance (monitorage) et la détection de fautes par l'utilisation d'un tableau de bord facilitant la prise de décision

Un outil tactique de planification du séchage pour le secteur du bois d’œuvre a également été développé, en collaboration avec le consortium FORAC de l’Université Laval.

Études de cas

Logiciel EXPLORE

Cliquez pour agrandir

Version textuelle

Figure 2

  1. Traitement des données
    • Filtrage de données
    • Réconciliation
    • Préparation
    • Corrélation
  2. Analyse globale
    • Réduction du problème
    • Modèle global
    • Zone d'opération optimale
    • Contribution des variables
  3. Modélisation prédictive
    • Modélisation des KPI
    • Capteurs logiciels
    • Modélisation prédictive
  4. Surveillance et détection
    • Surveillance du procédé
    • Suivi des indicateurs de performance (KPIs)
    • Détection de fautes

CanmetÉNERGIE, en collaboration avec plusieurs partenaires, dont le Bureau de l’efficacité et de l’innovation énergétiques, Hydro-Québec et BC Hydro, développe actuellement des études de cas pour démontrer la viabilité et les impacts des solutions basées sur l’exploration des données dans plusieurs secteurs industriels.

Détails de la page

Date de modification :