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,… 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 L’extrusion permet d’obtenir un produit semi-fini avec des propriétés physiques déterminés et une pression permettant sa mise en forme.

Automatisation du Scale Up 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 Les extrudeuses Monovis (Pour l’injection) Bivis contrarotative Bivis corotative (Production de produit semi-fini)

Automatisation du Scale Up 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 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 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 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 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 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 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 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 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 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 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 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 4 3 2 1

Automatisation du Scale Up 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 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 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 Schéma classique d’un algorithme génétique Reproduction Sélection Evaluation Initialisation Solution Ok ?

Automatisation du Scale Up Reproduction Sélection Evaluation Initialisation 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 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

Automatisation du Scale Up Reproduction Sélection Evaluation Initialisation 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 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

Automatisation du Scale Up Reproduction Sélection Evaluation Initialisation 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 On utilise le principe de la roulette

Automatisation du Scale Up Reproduction Sélection Evaluation Initialisation 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 On applique les 2 critères de reproduction que sont le croisement et le mutation

Automatisation du Scale Up 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 Elitisme « On ne peut envisager de perdre une bonne solution »

Automatisation du Scale Up 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 Suppression des doublons L’élistisme diminue fortement le brassage Augmentation du brassage Evite les calculs inutiles

Automatisation du Scale Up 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 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 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 Scaling « Faire évolué la sélection suivant les phases du calcul »

Automatisation du Scale Up 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 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 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 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 Domaines de variation 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 AG Bivis de Labo Produit de référence X meilleurs bivis industrielles Critère de calcul ? Stabilité

Automatisation du Scale Up Domaines de variation (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 Plan d’exp. Base de cas de la vis industrielle Bivis industrielle Réseau de neurones Comportement de la vis dans le domaine

Automatisation du Scale Up 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 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 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 Cas de validation BC21 -> BC105 BC21 BC105 3600 mm de long  700 Kg/h 600 mm

Automatisation du Scale Up 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 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 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 Cas de validation BC21 -> BC105 Bibliothèque d’éléments de vis Bibliothèque définie en interne Bibliothèque constructeur Contraintes Aucunes

Automatisation du Scale Up 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 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 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 Cas de validation BC21 -> BC105 Résultat de l’A.G.

Automatisation du Scale Up 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 Cas de validation BC21 -> BC105 Résultat de l’A.G.

Automatisation du Scale Up 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 Cas de validation BC21 -> BC105 Résultat de l’A.G.

Automatisation du Scale Up 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

Automatisation du Scale Up 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 Cas de validation BC21 -> BC105 Etude de la stabilité (Débit et vitesse) Erreur [e-2] Erreur

Automatisation du Scale Up 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 Cas de validation BC21 -> BC105 Etude de la stabilité (Débit et vitesse) 1

Automatisation du Scale Up 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 Cas de validation BC21 -> BC105 Etude de la stabilité (Régulation thermique)

Automatisation du Scale Up 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 Cas de validation BC21 -> BC105 Etude de la stabilité (Débit et vitesse) 1

Automatisation du Scale Up 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 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