Notre client produit un composé essentiel au traitement de l'eau (l'acrylamide) à partir d'un monomère ACN produit par un procédé complexe : réacteurs en cascades et cycle de retraitement. Les grandeurs physiques essentielles sont contrôlées et la qualité est suivie de façon systématique.
Ce procédé emploie en grande quantité un catalyseur coûteux dont la consommation est à surveiller.
L'enjeu est d'optimiser la conduite du procédé (choix des valeurs des grandeurs physiques) afin de réduire la consommation de catalyseur, tout en respectant des contraintes de qualité
Démarche
Mise en place d'un modèle cinétique chimique et d'un facteur correctif par Machine Learning pour modéliser la production à chaque étape en fonction des paramètres du procédé choisis
Validation du modèle et interprétation des effets des variables
Génération et modélisation de recettes synthétiques réalistes, tenant compte des contraintes de production
Sélection des recettes respectant les contraintes de qualité
Exploration des solutions admissibles grâce à une interface graphique selon le choix des contraintes appliquées
Résultat
Construction d'un modèle cinétique corrigé
Confirmation des intuitions métiers (fournisseurs, exploitants, ingénieurs procédés)
Exposition des résultats de modélisation et d'optimisation dans une interface graphique ergonomique pour choisir une recette en fonction des contraintes voulues
![Optimisation chaine reacteur](data:image/svg+xml,%3Csvg width="1661" height="1024" xmlns="http://www.w3.org/2000/svg"%3E%3Crect x="0" y="0" width="1661" height="1024" fill="none"/%3E%3C/svg%3E)
![Prediction flux courrriers](data:image/svg+xml,%3Csvg width="" height="250" xmlns="http://www.w3.org/2000/svg"%3E%3Crect x="0" y="0" width="" height="250" fill="none"/%3E%3C/svg%3E)
