1 / 37

Automatisation du Scale Up

Automatisation du Scale Up. PLAN Présentation générale Le problème L’algorithme génétique Les réseaux de neurones Résultats Conclusion. Automatisation du Scale Up. L’extrusion est une technique de transformation de la Matière dans le domaine de la plasturgie, de l’agroalimentaire,….

aldan
Download Presentation

Automatisation du Scale Up

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Automatisation du Scale Up PLAN • Présentation générale • Le problème • L’algorithme génétique • Les réseaux de neurones • Résultats • Conclusion

  2. Automatisation du Scale Up L’extrusion est une technique de transformation de la Matière dans le domaine de la plasturgie, de l’agroalimentaire,… • Présentation générale • L’extrusion • Les outils • Les logiciels • Le Scale up • Le problème • Le but • Les paramètres • Les contraintes • Les hypothèses • L’algorithme génétique • Pourquoi l’AG • Rappel • Initialisation • Evaluation • Sélection • Reproduction • Les options • Conclusion • Les réseaux de neurones • Pourquoi • Schéma conceptuel • Outil • Résultats • Conclusion L’extrusion permet d’obtenir un produit semi-fini avec des propriétés physiques déterminés et une pression permettant sa mise en forme.

  3. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Les extrudeuses Monovis (Pour l’injection) Bivis contrarotative Bivis corotative (Production de produit semi-fini) Automatisation du Scale Up

  4. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Les logiciels de simulation de l’écoulement de la matière dans une extrudeuse bivis corotative Ludovic (CEMEF+INRA+S&CC (FRA)) Sigma (Université de Paderborn (ALL)) TXS (Polytech (USA)) Akro-co-Twin-Screw (Université d’Akron (USA)) Automatisation du Scale Up

  5. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Le Scale Up Passage d’une petite extrudeuse bivis de laboratoire (1 a 10 Kg/h) à une extrudeuse bivis industrielle (1 a 100 tonnes/h) En conservant les propriétés physiques du produit final. Automatisation du Scale Up

  6. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Rechercher la ou les vis industrielles conservant au mieux les propriétés du produit à travers les résultats de Ludovic (Température,énergie, déformation, temps de séjour,…) Automatisation du Scale Up

  7. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Les paramètres à optimiser sont : Le profil de vis (suite ordonnée d’élt de vis) Les températures des fourreaux La température de la filière La vitesse de rotation de la vis Le débit Automatisation du Scale Up

  8. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Un profil de vis industrielle est recevable s’il ne dépasse pas le couple maximal de la machine S’il ne dépasse pas la puissance maximale de la machine Automatisation du Scale Up

  9. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion On suppose que les squelettes de la vis de laboratoire et de la vis industrielle sont identiques 1. Zone de convoyage 2. Zone de malaxage 3. Zone de convoyage 4. Zone restrictive Automatisation du Scale Up 4 3 2 1

  10. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Le principe de l’algorithme génétique est de résoudre ce type de problème. Prise en compte des valeurs discrètes du profil de vis Prise en compte de l’inter dépendance des éléments du profil de vis Automatisation du Scale Up

  11. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Schéma classique d’un algorithme génétique Initialisation Solution Ok ? Evaluation Sélection Reproduction Automatisation du Scale Up

  12. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Initialisation Génération aléatoire de la population initiale Codage du chromosome Variables continues attachées des domaines défini par l’utilisateur Variable discrète attachée à une bibliothèque d’élément de vis fournie par l’utilisateur Initialisation Evaluation Sélection Reproduction Automatisation du Scale Up

  13. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Lancer les calculs avec Ludovic Quantifier la différence pondéré entre : Les courbes Les parties de courbes Les points sélectionnés par l’utilisateur Adimensionnaliser les résultats Résultat=f(L) => Résultat=f(L/L0) Quantification au sens des moindres carrés Initialisation Evaluation Sélection Reproduction Automatisation du Scale Up

  14. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion On utilise le principe de la roulette Initialisation Evaluation Sélection Reproduction Automatisation du Scale Up

  15. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion On applique les 2 critères de reproduction que sont le croisement et le mutation Initialisation Evaluation Sélection Reproduction Automatisation du Scale Up

  16. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Elitisme « On ne peut envisager de perdre une bonne solution » Automatisation du Scale Up

  17. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Suppression des doublons L’élistisme diminue fortement le brassage Augmentation du brassage Evite les calculs inutiles Automatisation du Scale Up

  18. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Scaling « Faire évolué la sélection suivant les phases du calcul » Consiste à moduler les écarts de fitness en fonction de la génération. fitness=fitness^k(n) où k(n)=tan(n/(N+1)*p/2) Automatisation du Scale Up

  19. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Scaling « Faire évolué la sélection suivant les phases du calcul » Automatisation du Scale Up

  20. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Conclusion Pour notre application la combinaison AG+Elistisme+Suppression des doublons+ Scaling donne de bon critères de brassage sans perte d’informations. Amélioration Rendre la sélection indépendante du calcul du fitness Méthode du tournoi Sélection par le rang … Elistime un peu fort Information brute Automatisation du Scale Up

  21. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Constat d’exploitation en milieu industriel : Les températures ne sont pas fixes Le débit et la vitesse de rotation peuvent variés légèrement Nécessité d’avoir des informations sur la stabilité du cas. Automatisation du Scale Up

  22. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Automatisation du Scale Up Domaines de variation AG Bivis de Labo Produit de référence X meilleurs bivis industrielles Critère de calcul ? Stabilité

  23. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Automatisation du Scale Up Domaines de variation (10%) Plan d’exp. Base de cas de la vis industrielle Bivis industrielle Réseau de neurones Comportement de la vis dans le domaine

  24. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Plan d’expérience Analyse de la stabilité dans un domaine de 10% autour de la configuration donné par l’AG Plan d’expérience factoriel Avec 5 valeurs par paramètres (4) => 625 calculs Réseau de neurones Utilisation d’un outil du commerce Moteur neuronal de la société Netral Outil d’analyse Automatisation du Scale Up

  25. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 BC21 BC105 3600 mm de long  700 Kg/h Automatisation du Scale Up 600 mm

  26. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Grandeurs de références La température finale L’énergie spécifique La déformation Domaine de variation Débit 500-1000 Kg/h Vitesse de rotation 200-400 Tr/mn Température de la filière 50-150 °C Températures du fourreau 50-150 °C Automatisation du Scale Up

  27. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Bibliothèque d’éléments de vis Bibliothèque définie en interne Bibliothèque constructeur Contraintes Aucunes Automatisation du Scale Up

  28. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Résultat de l’A.G. Température BC21 108°C ScaleUp 0 115°C ScaleUp 1 115°C ScaleUp 2 115°C ScaleUp 3 115°C ScaleUp 4 115.5°C Expert 145°C Automatisation du Scale Up

  29. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Résultat de l’A.G. Automatisation du Scale Up

  30. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Résultat de l’A.G. Automatisation du Scale Up

  31. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Résultat de l’A.G. Automatisation du Scale Up

  32. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Automatisation du Scale Up

  33. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Etude de la stabilité (Débit et vitesse) Automatisation du Scale Up Erreur [e-2] Erreur

  34. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Etude de la stabilité (Débit et vitesse) 1 Automatisation du Scale Up

  35. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Etude de la stabilité (Régulation thermique) Automatisation du Scale Up

  36. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Cas de validation BC21 -> BC105 Etude de la stabilité (Débit et vitesse) 1 Automatisation du Scale Up

  37. Présentation générale L’extrusion Les outils Les logiciels Le Scale up Le problème Le but Les paramètres Les contraintes Les hypothèses L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion Les réseaux de neurones Pourquoi Schéma conceptuel Outil Résultats Conclusion Prototype fonctionnel donnant de bons résultats validés par l’expérience Les utilisateurs n’en utilisent qu’une faible partie Orientation vers un outil avec une second partie plus riche Automatisation du Scale Up

More Related