Expérience de OCP Jorf Lasfar

Présentation au sujet: "Expérience de OCP Jorf Lasfar"— Transcription de la présentation:

1 Expérience de OCP Jorf Lasfar
SYMPHOS 2013 Potentiels de développement et d’usage des SNCC dans les Unités de Fabrication d’Acide Phosphorique et des Fertilisants Expérience de OCP Jorf Lasfar Par: EHLAL Mounsif & EL ASRI Said OCP JORF LASFAR MAROC SYMPHOS Mai 2013

2 SITE DE OCP JORF LASFAR MAROC
EL JADIDA JORF LASFAR

3 SITE DE OCP JORF LASFAR MAROC
IMACID Les ODI MAROC PHOSPHORE PAKISTAN MAROC PHOSPHORE BUNGUE MAROC PHOSPHORE PORT

4 DCS à OCP Jorf LASFAR OCP Jorf Lasfar a débuté la production en 1986 pour la Fabrication d’Acide Phosphorique et des Fertilisants Centrales Thermiques, Unités: Sulfuriques, Acide Phosphorique, Concentration Acide Phosphorique, Fertilisants, Ammoniac, Stockages Phosphate, Manutention Produits Intermédiaires et Finis… Début des années 90, introduction des Automates Programmables En 1996 mise en place du 1er DCS Actuellement presque toutes les unités de la plate forme sont dotées de DCS ou Automate Programmable Personnel bien formé et contribue au développement des applications basées sur les systèmes DCS ou Automates Programmables Besoin en traitement des données d’une manière numériques s’accentue Besoin d’utiliser des nouvelles fonctionnalités et d’introduire des nouvelles technologies pour l’optimisation, la maîtrise, le rendement, la disponibilité, la fiabilité,….

5 EXEMPLE D’ÉVOLUTION DES E/S DES DCS DANS UNE UNITÉ PHOSPHORIQUE À JORF LASFAR
Cas: MAROC PHOSPHORE

6 SYNOPTIQUE UNITÉ PHOSPHORIQUE OCP JORF LASFAR
Cas: MAROC PHOSPHORE

7 ARCHITECTURE ADOPTÉE DANS LES UNITÉS PHOSPHORIQUES
Vers Autres Salles de Contrôle et DCS Station Ingénieur Fibre optique Stations Opérateurs Avec Archivage Intégré Stations Maintenance à Distance Station Application Cartes d’E/S et Contrôleurs E/S

8 ARCHITECTURE DISTRIBUÉE D’UN DCS
DATA HIGHWAY

9 ARCHITECTURE ‘‘CLIENT SERVEUR’’ D’UN AUTOMATE PROGRAMMABLE
Redundant Servers Supervision (HMI) PLC/Controller

10 DIFFÉRENCE ENTRE DCS ET AUTOMATE PROGRAMMABLE

11 DIFFÉRENCE ENTRE DCS ET AUTOMATE PROGRAMMABLE AUTOMATE PROGRAMMABLE
CARACTÉRISTIQUES AUTOMATE PROGRAMMABLE DCS Entrée dans les industries Années 1960 À partir de 1975 Replacement de ... Relais Electromécaniques Pneumatique & Régulateurs des Boucles simples Type de Régulation Discret- Asservissement TOR (l’Automatisme) Régulation continue (l’Automatique) Applications majeures au début Industries Automobile Raffineries Redondance Backup à froid Backup à chaud Concept d’Ingénierie Programmation Configuration, Programmation, Développement, … Intervention des Opérateurs Relativement simple et basic Principalement les programmation des Boucles de Régulation Interface Opérateur (synoptique) Graphiques simples Graphiques sophistiqués Dimension/Capacité Limité Large, Extensible,…. Coût d’Investissement $$ $$$$ Système Ouvert Clos (Propriété)

12 EXPÉRIENCE DE OPC JORF LASFAR DANS LE DOMAINE DES DCS
ITEM STANDARDS REQUIS PAR OCP INTÉRÊT ET AVANTAGE Architecture - Architecture Distribuée - Base de Données Unique Communication, transparente, rapide, facile et fiable Carte E/S avec HART Intégré Communication directe avec les instruments intelligents (diagnostic, paramétrage, maintenance,…) Modularité des Cartes E/S Le Nombre de voies par carte sont définies à l’avance (8 à 16 voies max) - Maitrise dans les études de détail - Harmonisation technique entre les soumissionnaires - Répartition des Cartes E/S par zones Redondance intrinsèque, native et automatique Redondance complète de tous les nœuds du système et sans nécessité de redémarrage (modules, synoptiques, stations,….) - Plus de fiabilité et de flexibilité Possibilité de modification (logiciel et matériel) à chaud Rapidité de basculement Inspection et Contrôle du Système Le système fait son propre auto contrôle et auto surveillance Maîtrise des performances du système

13 EXPÉRIENCE DE OPC JORF LASFAR DANS LE DOMAINE DES DCS
ITEM STANDARDS REQUIS PAR OCP INTÉRÊT ET AVANTAGE Redondance Redondance des Contrôleurs, des alimentations, des Cartes servant des zones névralgiques, des réseaux des communication Plus de fiabilité et de flexibilité Archivage - Archivage longue durée des paramètres de production (Logiques et Analogiques) avec courbes. - Enregistrement des événements - Précision élevée Analyse des courbes et des tendances de production. Diagnostic des défauts de maintenance Aide à la décision Auto détermination des paramètres de régulation Le calcul des paramètres des régulateurs est automatique en mettant au point la marge de fonctionnement optimum Bonne maîtrise de la marche du procédé Réglage rapide et sûr surtout en cas de changement des formules de production Contrôle Avancé Commande Adaptative (réseau neurone) , Logique Floue, Commande Prédictive Maîtrise très performante du procédé Modélisation et simulation du procédé Ouverture et communication du DCS vers l’extérieur Utilisation des standards OPC Communication avec les autres systèmes pour l’échange des données

14 OUVERTURE DU DCS ET SA CONNEXION SUR LE RÉSEAU LOCAL
Avant Contrats Programme de Production Cellule Etude et Amélioration de la Production Comptabilité Assurance Qualité Service Expédition et Chargement de la Production Commande Production Gestion de la Maintenance Contrôle de la Production Gestion du Matériel et de l’Energie

15 OUVERTURE DU DCS ET SA CONNEXION SUR LE RÉSEAU LOCAL
Après Contrats Programme de Production Gestion du Matériel et de l’Energie Cellule Etude et Amélioration de la Production Comptabilité Assurance Qualité Service Expédition et Chargement de la Production Commande Production Gestion de la Maintenance Contrôle de la Production Contrôle de la Production: Interactions en temps réel

16 CONTRÔLE AVANCÉ : Introduction
Ensemble des techniques et stratégies de contrôle (algorithmes, méthodes de calcul,…) ayant pour objectif d’assurer une meilleure maîtrise du procédé pour: Améliorer le rendement de l’unité Améliorer la qualité des produits Augmenter la productivité Réduire les coûts énergétiques S’adapter à des variations de productions Maîtriser les phases critiques de conduite Aider à la conduite et au diagnostic du procédé Réaliser des modèles statiques et dynamique du procédé

17 CONTRÔLE AVANCÉ: Panorama des solutions
Une solution de contrôle avancé s’appuie sur Des méthodes de conception Identifications Recueil d’expertise Simulation Une technique de contrôle avancé Régulation à modèle interne Commande Prédictive Logique Floue Réseaux de Neurones Des outils de réalisation Logiciels de simulation Logiciels applicatifs Suite logicielle DCS

18 CONTRÔLE AVANCÉ: Commande Prédictive
Le régulateur calcule la séquence de commandes qui minimisera les écarts entre la sortie prédite par le modèle du procédé et la sortie désirée fournie par un modèle de référence La commande prédictive intègre des spécifications de contraintes Les outils multi variables s’appuient sur des algorithme prédictifs Consigne t Mesure Commande future Trajectoire estimée (fournie par le modèle de procédé) Trajectoire de référence fournie par le modèle de référence Distance à minimiser

19 LOGIQUE FLOUE: Principe
Pour chaque variable d’entrée/sortie, on définit des fonctions d’appartenance. Elles permettent de convertir Les mesures (entrées) en variables floues Les commandes Floues (calculées par le régulateur flou) en commandes (sorties) acceptable par le procédé Le Régulateur logique floue possède trois opérations de bases: La fuzzification Conversion du signal d’entrée en valeur logique floue (Quantitatif > Qualitatif) Inférence (Calcul de la commande) La défuzzification (Conversion de la valeur logique floue en signal (Qualitatif > Quantitatif). CONVERSION REGLES FLOUES CONVERSION Valeurs absolues en valeurs floues 1 Application des règles floues 2 Calcul de la sortie à partir des valeurs floues 3 Signal de sortie Signal d ’entrée FUZZY

20 LOGIQUE FLOUE: Principe
Rule 1 — Si le niveau est Bas et le débit Haut, alors la vanne est Fermée. Rule 2 — Si le niveau est Haut et le débit Haut, alors la vanne est Ouverte. Rule 3 — Si le niveau est Haut et le débit Bas, alors la vanne est Normal. Les règles sont exécutées à chaque cycle. Low High Level Inlet Flow Closed Open Weighted Average or Center of Gravity = Calculated valve position Normal 1 3 2

21 CONTRÔLE AVANCÉ: LES RÉSEAUX NEURONES ‘‘Commande Adaptative’’
Objectifs Capteurs de mesures virtuels là ou l’instrumentation actuelle est incapable de donner une mesure physico chimique en temps réel. Typiquement pour remplacer des analyses effectuées périodiquement en laboratoire.

22 CONTRÔLE AVANCÉ: LES RÉSEAUX NEURONES
Le Réseau Neurone établi lui même ses règles à partir de situations qui lui sont présentées. Neurone: Processeur qui calcule la somme pondérée des entrées et applique à cette somme une fonction de transfert non-linéaire (sigmöide) Principe de l’Apprentissage: L’Apprentissage se fait en comparant l’évolution d’une variable donnée y à une évolution souhaitée Yref et s’effectue en ajustant les poids des liaisons entre Neurones de diverses couches le plus souvent par un algorithme de type rétro-propagation du gradient visant à minimiser la quantité J=(Yref-Y)²

23 LES RÉSEAUX NEURONES: MISE EN ŒUVRE
Collecte des données — Cette opération est essentielle puisque les données procédé sont la seule base pour construire le réseau de neurone. La qualité des données détermine la qualité du modèle. Prétraitement des données — Cette opération est nécessaire parce que les données procédé temps réels contiennent, des données en dehors des limites de commande que vous avez fixé, et probablement les données non désirées de différentes sources. Définition des variables et retard — Cette opération détermine les variables procédés importantes qui affectent significativement la variable à prédire. Des variables non significatives peuvent dégrader la précision de la prédiction. Apprentissage du réseau — Cette opération détermine le nombre de neurones et ajuste le poids des variables basés sur les données d’apprentissage. Vérification d’un réseau— Cette opération vérifie comment le fonctionnement du réseau en comparant la prédiction par rapport aux valeurs actuelles

24 MISE EN ŒUVRE – L’APPRENTISSAGE
LES RÉSEAUX NEURONES: MISE EN ŒUVRE – L’APPRENTISSAGE L’apprentissage consiste à calculer: - les différents coefficients - le nombre de couches cachées nécessaires  

25 Unité Phosphorique JORF LASFAR
APPLICATION AU PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4 : MESURE DES SULFATES LIBRES Unité Phosphorique JORF LASFAR Les trois principales phases de fabrication comprennent : • Le broyage : le broyage du phosphate brut a pour but d’augmenter la surface d’attaque du minerai par l’acide sulfurique. • L’attaque filtration : Le phosphate broyé est attaqué par l’acide sulfurique concentré à 98,5% et l’acide phosphorique moyen (18 à 22% de P2O5) en milieux aqueux. Le mélange donne une bouillie. La filtration de cette bouillie consiste à séparer l’acide phosphorique 29% P2O5 du phosphogypse via un filtre rotatif. Le produit est ensuite stocké dans des bacs de décantation. • La concentration : La fonction de la concentration de l’acide phosphorique est de permettre l’évaporation de l’eau pour obtenir un acide titrant 54% de P2O5.

26 LE PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4: LA RÉACTION
Le procédé consiste à faire réagir le phosphate avec l'acide sulfurique dans des conditions de température et de concentration en P2O5 tels que le sulfate de calcium précipité sous forme de gypse di-hydrate (CaSO4.2H2O). Phosphate + Acide sulfurique + Eau  Acide phosphorique + Gypse. La bouillie est ainsi formée d'une phase solide (gypse) en suspension dans une solution d'acide phosphorique (25 à 27% en poids de P2O5) et d'acide sulfurique (1.5 à 2% en poids) à une température d'environ 80°C. L'attaque est réalisée dans un réacteur

27 LE PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4: LA FILTRATION
L'obtention de l'acide phosphorique nécessite sa séparation du gypse. Cette opération est réalisée sur un filtre rotatif fonctionnant sous vide. La filtration de la bouillie engendre : L'acide phosphorique de production. Le gypse (sous forme de cristaux solides). H2SO4 Phosphore Réacteur Acide à 17% Gypse Acide à 29%

28 LA PROBLÉMATIQUE DU PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4
Durant la réaction, la mesure en continu des sulfates libres est un défi essentiel à relever. Le rendement du procédé est directement lié à la bonne maîtrise de cette valeur. SO 4 2- Rendement Sulfate libre Valeur Optimale Excès de Sulfate => « Cloquage »,sur-consommation de H2S04 Carence de Sulfate => Phosphate non attaqué Résidus (gypse) riches en phosphates non valorisés

29 LA PROBLÉMATIQUE DU PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4
Comparatif du fonctionnement avec une mesure continue par rapport à une donnée échantillonnée (1h) Dans ce cas l’opérateur voit Mesure = Consigne : Il ne fait rien alors que la vraie mesure est en dessous de la consigne L’opérateur ne voit la mesure que de l’échantillon précédent il voit donc son procédé avec 1 heure de retard Consigne Dans ce cas, l’opérateur voit Mesure différent Consigne : Donc il agit sur le procédé alors que le procédé était à la bonne valeur 1h 2h 3h 4h 5h 6h 7h 8h

30 LA PROBLÉMATIQUE DU PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4
Consigne 1h 2h 3h 4h 5h 6h 7h 8h Retard:1heure Donnant aux opérateurs une vision erronée de l’état actuel de leur procédé Mesure Laboratoire Mesure réelle

31 Model of Process Control
RÉSEAUX NEURONES: LA SOLUTION ADOPTÉE Manipulé — Débit Phosphate Débit H2SO4 Débit acide recyclage Température attaque Intensité agitateur Pression Flash Température Flash Intensité Digesteur Température Digesteur Model of Process Control ‘‘MPC’’ via DCS Contrôlé le ratio H2SO4/Phosphate-Rock (représentatif du taux de sulfate libre) ; la dépression pour le refroidissement (Cooler Vacuum Pressure). Contrainte le P2O5, le Sulfate Libre SO4, la Température du réacteur et le Delta de température entre la température du refroidisseur  et la température du réacteur. Perturbation — Le Débit de P2O5 à 17%. AUTRES AUTRES

32 RÉSEAUX NEURONES: LA SOLUTION ADOPTÉE
Les mesures de densité du P2O5 et du sulfate libre SO42- sont obtenues après analyse en laboratoire. Aussi 2 réseaux neurones sont prévus pour inférer ces valeurs de façon continue. Entrées Continues : Débit de Phosphate ; Débit d’acide fort à 29% (acide produit) ; Débit d’acide moyen à 17% ; Débit d’acide sulfurique ; Débit d’eau de lavage ; Température du réacteur ; Température du refroidisseur (cooler - flash). Entrées Analysées : Densité acide fort 29% ; Densité acide moyen 17% ; Densité acide faible 5% ; Densité acide bouilli.

33 LA MISE EN ŒUVRE DU RÉSEAU NEURONES
La mise en œuvre nécessite 6 phases successives: Sélection des données influentes Collectes des données Prétraitement manuel des données Apprentissage du réseau (calcul des coefficients par résolution itérative de matrices) Vérification de la précision du réseau Implémentation

34 PHASE 1: INVENTAIRE DES VARIABLES INFLUENTES SUR CETTE DONNÉE.
Débit Phosphate Débit H2SO4 Débit Acide Recyclé Température Attaque Intensité Agitateur Pression Flash Température Flash Intensité Digesteur Température Digesteur

35 PHASE 2: COLLECTE DES DONNÉES ÉCHANTILLONS LABORATOIRE & HISTORIQUES
Une campagne de collecte des échantillons laboratoire pour la construction de la base de connaissance de l’algorithme. Les historique doivent être définis avec une période la plus basse possible avec une bande morte relativement faible. L’expérience montre qu’un minimum de 4000 points semble nécessaire pour entrainer correctement l’algorithme des Réseaux Neurones DCS Les opérateurs saisissent méticuleusement la valeur laboratoire et l’heure de prélèvement de l’échantillon (directement dans le système) Dead Band Œ

36 PHASE 3: PRÉTRAITEMENT DES DONNÉES

37 PHASE 4: APPRENTISSAGE DU RÉSEAU
L’ Apprentissage » du réseau consiste à calculer les différents coefficients de l’algorithme Lorsque un nombre suffisant d’échantillons est disponible, on procède à l’apprentissage du réseau. Cet apprentissage consiste à calculer l’algorithme interne du réseau. S’il est assez facile de lancer l’apprentissage avec les valeurs par défaut, il est nécessaire de faire appel à un spécialiste pour affiner les réglages et obtenir une bonne précision. L’apprentissage terminé, l’algorithme est prêt à être téléchargé pour pouvoir donner aux opérateurs la mesure en continu des sulfates libres

38 PHASE 5: PROGRAMMATION DU RÉSEAU DANS LE DCS
Le module ‘‘NN_SO4’’ est programmé dans une zone de test. Dans la phase de test cet algorithme peut tourner dans la station ingénieur pour ne faire aucune modification de l’installation existante => Cette station doit être continuellement opérationnelle. Dans une installation définitive ce module sera implanté dans le contrôleur pour bénéficier de l’autonomie et la redondance.

39 PHASE 5: MESURE DE LA PRÉCISION
Cette phase consiste à mesurer la précision de la mesure virtuelle avec la mesure laboratoire (Coefficient de Corrélation) Le Réseau Neurones donne à présent une mesure. Pour vérifier que cette mesure soit correcte il est impératif de continuer à relever méticuleusement pendant un mois les valeurs suivantes Date/heure de la prise d’échantillon Valeur donnée par le laboratoire Valeur donnée par le réseau de Neurones Ce tableau permet de comparer sous forme graphique (courbe) et mathématique (Corrélation) la précision du réseau de Neurones Un compte rendu est établi pour afficher le résultat final

40 PHASE 6: IMPLÉMENTATION
Cette phase consiste à proposer des schémas de régulations pour exploiter la puissance de calcul du DCS: Pilotage en automatique l’actuelle régulation de rapport par un régulateur ‘‘MPC’’ Design de l’application en mode automatique. Implémentation des nouveaux algorithmes et formations opérateurs Bilan et exploitation des résultats obtenus

41 Merci pour votre attention
SYMPHOS Merci pour votre attention