MATLAB et Simulink pour l'industrie métallurgique et minière

Les ingénieurs procédés utilisent MATLAB® et Simulink® pour analyser des données de capteurs en temps réel, implémenter des stratégies de contrôle et créer des systèmes de maintenance prédictive basés sur le Big Data et le Machine Learning.

MATLAB et Simulink aident les ingénieurs de l'industrie minière à :

  • Développer des systèmes de maintenance prédictive grâce à des techniques numériques sur des données de capteurs haute fréquence.
  • Utiliser le Machine Learning avec des données historiques afin de résoudre les problèmes de processus.
  • Modéliser des données pour améliorer la performance des processus.
  • Adopter la numérisation sans dépendre des Data Scientists ou du personnel informatique.

"MATLAB nous a permis de convertir des données auparavant non lisibles dans un format exploitable, d'automatiser les étapes de filtrage, d'analyse spectrale et d'utilisation de transformées pour plusieurs camions et régions et enfin d'appliquer des techniques de Machine Learning en temps réel afin de prévoir le moment idéal pour effectuer les opérations de maintenance. "

Gulshan Singh, Baker Hughes

En savoir plus sur la maintenance prédictive

Simulation de données de défaillance

Les ingénieurs avaient pour habitude d'optimiser leurs processus et leurs installations minières en fonction des données collectées par les capteurs.

Cependant, ces données de capteurs ne sont pas toujours disponibles pour les différents modes de défaillance que peuvent rencontrer les machines. À la place, des données de simulation représentant les défaillances peuvent être utilisées en créant un modèle de votre machine et en simulant des conditions de fonctionnement anormal.

Simulink et Simscape™ vous permettent de créer un modèle qui peut simuler le comportement de votre machine en termes de composants physiques et de dynamiques. Vous pouvez ainsi simuler différents modes de défaillance de la machine en modifiant les valeurs des paramètres, en intégrant des erreurs et en changeant les dynamiques du modèle.

Optimisation des actifs à l'aide de la maintenance prédictive et du traitement du signal

MATLAB peut vous aider à développer des algorithmes de maintenance prédictive personnalisés en fonction du profil architectural et opérationnel de votre équipement. Utilisez Predictive Maintenance Toolbox™ pour concevoir des indicateurs d'état et estimer la durée de vie utile restante de votre équipement rotatif.

Utilisez Signal Processing Toolbox™ pour automatiser la surveillance des performances de vos boucles de contrôle, déterminer à distance l'étendue de la corrosion et des piqûres sur vos pipelines ou encore détecter la position géographique et l'ampleur des fuites.

Découvrez comment Baker Hughes a utilisé MATLAB pour implémenter une plateforme de maintenance prédictive destinée aux équipements d'extraction de gaz et de pétrole et réduire ses coûts globaux de 30 à 40 %.

Machine Learning, Deep Learning et Big Data

Les applications interactives de Statistics and Machine Learning Toolbox™ vous permettent d'appliquer des techniques de Machine Learning sans être un expert en matière de science des données. MATLAB offre également un environnement haute performance unique pour manipuler des données Big Data et développer des modèles de Deep Learning, accélérant ainsi les opérations de diagnostic et de détection de défaillances et optimisant la surveillance de vos processus.

Découvrez comment les ingénieurs de Ruukki ont réduit leur temps d'analyse de plusieurs jours à moins d'une minute grâce à l'intégration de diverses bases de données et à l'utilisation du Machine Learning pour optimiser leurs processus.

Amélioration des processus grâce à la modélisation des données

Utilisez les outils d'analyse multivariés de MATLAB afin d'identifier les variables isolées qui affectent la performance des processus. System Identification Toolbox™ vous permet de créer et d'utiliser des modèles de systèmes dynamiques difficiles à modéliser, à partir de premiers principes ou de premières spécifications. Exécutez interactivement des estimations de paramètres et d'états en ligne grâce à la toolbox.

Le Big Data et l'analyse prédictive chez Shell (3:35) pour développer des modèles et exécuter des tâches d'optimisation en temps réel dans le cadre de traitements par lots.

Développement et implémentation de stratégies de contrôle des processus

Les produits de MATLAB pour le contrôle permettent de concevoir des schémas de contrôle et d'exécuter des simulations dynamiques pour obtenir une analyse plus précise du comportement des installations. Validez votre modèle avec les tests hardware-in-the-loop (HIL) et le prototypage rapide.

Découvrez comment Tata Steel a réalisé une économie énergétique de 40 % sur ses tours de refroidissement industrielles grâce à l'optimisation de sa stratégie de contrôle via un jumeau numérique.

Numérisation

MathWorks peut vous aider à adopter et à implémenter des stratégies de données Big Data conformes aux besoins de votre entreprise. Vous pouvez utiliser les toolboxes et les architectures de référence prédéfinies de MATLAB pour simplifier un large éventail d'applications : intégration avec les systèmes informatiques de l'entreprise, avec le Cloud et les infrastructures de données de production, mise à l'échelle de vos calculs sur des clusters ou encore déploiement de vos modèles sous forme d'applications pouvant être partagées avec des utilisateurs non-MATLAB. Découvrez comment procéder sur le Cloud.

En savoir plus la façon dont vous pouvez directement vous connecter aux systèmes OSIsoft PI.

Découvrez comment Shell a adopté la numérisation (29:14) avec MATLAB Production Server™. Les ingénieurs de Shell ont automatisé leurs processus pour intégrer des données issues de plusieurs sources, construire des modèles et déployer leurs analyses dans le Cloud et leurs systèmes d'entreprise.

Simplification de la planification et ordonnancement des activités

Améliorez l'efficacité de votre production et de votre planification via des simulations d'événements discrètes. Avec SimEvents™, vous pouvez étudier les effets de la synchronisation des tâches et de l'utilisation des ressources dans le cadre de processus de production par lots. À l'aide des produits MATLAB et Simulink, menez des recherches opérationnelles permettant de prendre des décisions relatives à la prévision, à la planification de capacité et à la gestion de la chaîne d'approvisionnement.

Découvrez comment SK Innovation a développé pour sa raffinerie une stratégie optimale en matière de sélection des minerais bruts grâce aux optimisateurs de MATLAB.

“MATLAB nous a permis, en tant que géologues, d'utiliser notre expertise dans des infrastructures prédictives, des analyses et des adaptations analogiques pour implémenter des algorithmes propres à notre secteur. Avec l'aide des consultants MathWorks, nous avons mis à la disposition de nos collègues du monde entier ces algorithmes sous la forme d'une application simple d'utilisation. "

Nick Howes, Shell

Nous contacter

Contactez-nous pour bénéficier d'une version d'évaluation.