Améliorer l’efficacité énergétique des fours verriers grâce au machine learning. C’est le but de la chaire industrielle ANR Twinheat lancée à Mines-PSL le 26 mars. Financé à hauteur d’un million d’euros sur 4 ans par l’Agence nationale de la recherche et 4 industriels (Saint-Gobain, Verallia, Fives et Pochet), le projet consiste à concevoir un jumeau numérique basé sur l’intelligence artificielle pour optimiser les fours actuels et à venir.
L’enjeu est majeur pour l’industrie verrière, responsable du rejet de 2,7 Mt d’équivalent CO2. Un coût carbone largement imputable aux combustibles fossiles qui représentent 80 % des émissions. Si les verriers amorcent une transition du gaz vers des énergies bas carbone, l’optimisation de la consommation des fours reste essentielle.
Actuellement, pour concevoir et optimiser les fours industriels, les ingénieurs ont recours à des méthodes de mécanique des fluides numériques (MFN, ou CFD pour computational fluid dynamics). Elles modélisent les écoulements de fluides et calculent la vitesse de chauffage des pièces. Le problème, c’est que ces méthodes sont lentes, car reposant sur des équations de la physique des fluides particulièrement lourdes à calculer. Au moins une demi-journée est nécessaire pour optimiser une simulation de chargement de four, empêchant un contrôle en temps-réel tant espéré par les industriels. La conception d’un four optimisé (impliquant plusieurs tests de designs et de scénarios) devient ainsi une tâche très lourde.
Passer de 24 heures de calcul à 1 minute
La chaire industrielle ANR TwinHeat entend passer outre cette problématique en proposant un jumeau numérique basé sur l’IA capable de s’adapter aux fours et contraintes de chaque industriel. « On souhaite vraiment accélérer la simulation, passer de 24 heures de calcul à 1 minute », expose Elie Hachem, Directeur du Centre de mise en forme des matériaux (CEMEF) de Mines Paris – PSL et l’un des coordinateurs du projet.
« Nous allons travailler à faire fonctionner deux IA ensembles, ce qui est complètement nouveau », annonce Elie Hachem. Le premier modèle d’IA sera capable de prédire les écoulements fluides dans l’espace et dans le temps. Il combinera un modèle de type graph neural network, avec des calculs qui se feront directement à partir du maillage du four, et un modèle hybride avec une fonction de perte basée sur les équations des fluides. L’autre modèle d’IA, lui aussi hybridé avec la physique, utilisera l’apprentissage par renforcement afin d’être capable de prendre des décisions pour modifier son environnement en temps réel. La compréhension des équations physiques à l’œuvre fait ainsi partie intégrante du programme de la chaire.
Cette combinaison d’IA formera un jumeau numérique capable de trouver les combinaisons idéales des paramètres de chauffe, de concevoir de nouveaux fours - même alimenté par d’autres sources d’énergie - ou d’optimiser le contrôle de ceux en fonctionnement. La partie dissémination de cette technologie se fera par le biais d’un cinquième partenaire, l’entreprise de développement et commercialisation de logiciels de simulations numériques SCC Sciences Computers Consultants.
