Le contrôle avancé des procédés (CAP) – communément désigné sous l'appellation anglaise APC, pour Advanced Process Control – améliore la performance, stabilise la protection, traite les contraintes, protège l'équipement et gère les modifications de qualité. À première vue, cette solution peut sembler attrayante pour votre entreprise. Toutefois, avant d'ajouter un CAP à un système existant, vous gagnerez à prendre un certain recul et réaliser un exercice d'évaluation.
Par exemple, des études montrent qu'il est possible d'augmenter la production de 1,5 % en optimisant l'utilisation du matériel et les boucles de régulation tandis que le contrôle avancé des procédés peut générer une augmentation de la production de 1,4 %, pour un total autour de 3%. Évidemment le premier 1,5% est beaucoup plus facile à obtenir et nécessitera peu d'investissement.
Les solutions les plus simples sont toujours préférables : pourquoi rendre les choses plus complexes si les performances (production, qualité ou autre) ne le justifient pas? Il faut procéder à des analyses de rentabilité pour confirmer la viabilité du projet. Les décisions doivent reposer sur les besoins et non sur les tendances.
Nous vous avons préparé quelques pistes de questionnement, qui vous permettront d'amorcer votre réflexion, surtout si vous songez prochainement à implanter des solutions d'optimisation.
Étapes
La première étape avant de prendre la décision d'intégrer un CAP consiste à établir si une solution plus élaborée que la simple régulation PID est requise.
Posez-vous les questions suivantes :
- La performance est-elle adéquate?
. Discutez des attentes en matière de performance et établissez vos priorités. - Les boucles ont-elles été optimisées?
. Veuillez à optimiser toutes les boucles.
. Vérifiez tout le matériel.
. Procédez à l'étude de toutes les stratégies de contrôle (cascade, contrainte, anticipation, ...). - Les systèmes de contrôle gèrent-ils les perturbations?
- Est-ce que les boucles de régulation interagissent?
- Un opérateur est-il plus efficace que le système de contrôle?
Il y a deux types de contrôle avancé des procédés : l'un basé sur des modèles; l'autre, sur des règles.
Le CAP basé sur des modèles est essentiellement un outil de régulation avancé et de contrôle prévisionnel alors que celui qui est construit à partir de règles mise principalement sur la « logique floue ». D'autres techniques existent, notamment les réseaux à algorithme génétique et neuronaux.
Les approches élaborées sur des modèles sont généralement privilégiées. Les systèmes basés sur des règles sont plutôt réservés aux situations où il est impossible d'identifier les modèles, ou encore si les modèles varient grandement. Les approches de type règles font appel aux connaissances du meilleur opérateur pour manipuler les points de consignes des boucles de régulation. En d'autres mots, ce processus « modélise » le meilleur opérateur.
Le Tableau 1 compare les caractéristiques de chacune des approches. Les méthodes de conception et d'optimisation des systèmes basés sur des modèles sont bien connues. Il en va toutefois autrement pour les systèmes basés sur des règles en raison de leur complexité et de la multitude de méthodes proposées. Par contre, les systèmes de contrôle qui s'appuient sur la logique sont faciles à entretenir et la modification des procédés est rapide.
Une fois l'optimisation des boucles et des stratégies de contrôle complétée, si vous choisissez d'ajouter du contrôle avancé, la prochaine étape sera l'identification des modèles.
Modélisation
Trop souvent, des entreprises lancent un projet de contrôle de procédé avancé sans effectuer de travaux d'entretien. Comme déjà mentionné, dans la majorité des projets de CAP, plus de 50 % des gains sont liés à l'optimisation des principales boucles de régulation.
Les modèles multi variables sont identifiés au moyen d'outils modernes en effectuant des tests en cours d'opération. Ces tests sont généralement effectués en appliquant des impulsions aux points de consigne ou en modifiant légèrement les points de consigne, par exemple avec des signaux binaires pseudo-aléatoires (PRBS) ou par des séquences prédéterminées.
On obtient ainsi une matrice des modèles. La conception d'un système de contrôle prédictif (MPC) est possible lorsque les modèles sont de bonne qualité.
Dans l'éventualité où les techniques d'identification ne permettent pas d'identifier les modèles, vérifiez s'il est possible d'utiliser les données historiques pour modéliser le procédé avec un réseau neuronal (traitement des non-linéarités). Généralement, si on remplace les mesures par un réseau neuronal celui-ci devient un capteur logiciel.
Si les modèles ne sont pas identifiés, la prochaine étape est de vérifier si un opérateur expérimenté peut contrôler ce processus. Si oui, on peut avoir recours au contrôle basé sur la logique floue pour mimer cet opérateur d'expérience. Si les modèles identifiés sont trop complexes, le contrôle basé sur la logique floue pourrait être la meilleure stratégie puisque l'opérateur, et non le procédé, est modélisé (Ruel, 2012) [6].
Conclusion
En conclusion, les possibilités sont nombreuses pour optimiser votre usine. Une meilleure utilisation de l'équipement, le réglage des boucles de régulation et l'optimisation des stratégies de contrôle vous permettront d'améliorer vos opérations. Il est primordial de franchir ces étapes avant d'envisager l'ajout de contrôle avancé.
Ce contenu est fourni uniquement à des fins d'information générale.
References
Brisk, M. L. (2004). Process control: Potential benefits and wasted opportunities. 5th Asian Control Conference, Melbourne, Australia, Vol. 1, pp. 20–23.
Brittain, H., Dewey, D., & Ruel, M. (2009, October). Closed loop tuning: Methodology, tools, benefits and common mistakes. ISA, 2009 Conference, Houston, TX.
Brittain, H. & Ruel, M. (2008, October). Optimize your process using normal operation data. NPRA Conference, Houston, TX
Liptak, B.G. (Editor-in-chief) (2006). Instrument engineers' handbook, Process control and optimization, (4th Edition, Boca Raton, FL: CRC Press,), Ruel, M., et al. Chapters 2.20 Optimizing control; 2.35 Tuning PID controllers; 2.38 Tuning by computer; Ruel, M., Chapter 2.37 Tuning interacting loops, Synchronizing loops
McNabb, C. & Ruel, M. (2009, February). Best practices for managing control loop performances – Roadmap to Success. Paptac Conferences, Montréal, QC.
Patwardhan, R.S. & Ruel, M. (2008, November). Best practices for monitoring your PID loops – The Key to Optimizing Control Assets. ISA EXPO, Houston, TX.
Ruel, M. & Tremblay, E. (2008, November). Managing assets with modern tools at White Birch Paper. ISA EXPO, Houston, TX.
Ruel, M. (1999, March, April, May). Loop optimization: Before you tune – Troubleshooting – How to tune a loop, Control Magazine
Ruel, M. (2010, November). Control System Performance Assessment – Best Practices, Automining, Santiago, Chile.
Ruel, M. (1995, 2006). Fundamentals of process control, (English, Spanish, Portuguese, French) second Edition, 269 p.
Ruel, M. (2000, October). Control valve performance, Chemical Engineering, pp. 64–67.
MICHEL RUEL, ing.
Expert, contrôle des procédés
BBA
Source : BBA