Accueil > Énergie & Environnement

Énergie & environnement

Navigation rapide :

L'Intelligence Artificielle comme accélérateur de la Transition Énergétique !

La Transition Énergétique est un enjeu sociétal d’envergure qui touche à la fois le citoyen et les entreprises.
Probayes accompagne ses clients dans l’optimisation énergétique de leurs bâtiments ou de leurs process.

L’Intelligence Artificielle est également mise au service des énergies renouvelables tant sur des problématiques de prédiction que d’optimisation.

Ces outils répondent aux principaux enjeux énergétiques :

Accélérer les développements techniques, pour la mise sur le marché de nouvelles technologies, et permettre le développement des « Jumeaux Numériques » afin d'anticiper les usures et planifier la maintenance.
Optimiser les renouvelables pour améliorer l’implantation et l'intégration de projets de production, optimiser l’emplacement des sites et gérer les réseaux et Smart Grids.
Valoriser les énergies renouvelables pour prévoir la production, sécuriser l’approvisionnement et les intégrer dans le mix énergétique.
Optimiser la consommation d’énergie pour aider à la gestion des Smart Building ou rationaliser l’utilisation de l’énergie dans l’industrie.

Des outils algorithmiques adaptés

Pour répondre aux différents besoins énergétiques présents sur de multiples secteurs, Probayes emploie un large panel d’outils algorithmiques, testés et mis en pratique dans les nombreux cas d’usage. Les principales approches employées dans ce contexte sont :

La Recherche Opérationnelle et l’Optimisation Combinatoire

Optimisation du réseau de transport (distribution, transit, tournées, etc.) pour diminuer les km parcourus
Dimensionnement des stocks et organisation spatiale pour réduire l’espace de stockage et les frais liés
Optimisation géométrique : comment placer les produits et déchets pour réduire le nombre de véhicules nécessaires à l’évacuation ?
Optimisation de l’autoconsommation

Le traitement de séries temporelles

Détection d’anomalies sur les données IoT pour optimiser le nombre et la qualité des données d’entrée
Proposition de solutions de maintenance prédictive pour réduire les coûts et prolonger la durée de vie des machines

Le traitement de séries temporelles couplé à la prévision

Prévision de la production énergétique des panneaux photovoltaïques

La Recherche Opérationnelle couplée au traitement de séries temporelles et à la prévision

Gestion énergétique des bâtiments pour réduire leur consommation

La vision par ordinateur appliquée à la thermographie

Détection des fuites sur les réseaux de chaleur
Détection des déperditions thermiques en façade des bâtiments

Une collaboration étroite

avec les équipes métiers du client

Étant donnée la forte complexité du secteur d’activité et la multitude de sources de données généralement à disposition, les équipes Probayes mettent en place une collaboration étroite avec les équipes métiers du client, afin de mettre au point la solution permettant de répondre au mieux à leur problématique. La transparence est le maître-mot de cette collaboration, permettant ainsi aux équipes de progresser ensemble lors des développements du projet. L’équipe métier client va pouvoir mieux comprendre la méthodologie de mise en place de l’I.A. sur les problématiques liées à l’énergie, tandis que l’équipe Probayes va affiner sa compréhension des enjeux et contraintes spécifiques au domaine du client. Cette collaboration permet de nouer des partenariats sur le long terme.

Quelques exemples de réalisations :

Prévision de production d'énergie photovoltaïque

Projet permettant de prévoir la production des panneaux photovoltaïques

Batisense

Solution d’optimisation énergétique des bâtiments

Optimisation de la consommation d'un moteur hybride

Projet visant à optimiser la consommation énergétique d’un moteur hybride

Détection des déperditions thermiques des bâtiments

Projet permettant de prioriser les efforts de rénovation énergétique des bâtiments

EasymAInt, solution de maintenance prédictive

À partir de capteurs plug&play, non intrusifs, EasymAInt permet de maitriser ses données, suivre ses équipements et réaliser de la maintenance prédictive

Optimnet

Optimnet est un outil d’aide à la décision sur mesure, qui s’adapte à vos besoins pour optimiser votre réseau logistique.

Projet de qualité de production

Exemple de réalisation

Projet visant à améliorer la fabrication de dispositifs médicaux

Problématique

Des lots de dispositifs médicaux sont mis en quarantaine ou rebutés lors de la fabrication. Certaines caractéristiques primordiales à la qualité des produits ne sont pas respectées et le client souhaite en comprendre les raisons.

Mise en oeuvre / Expertises mobilisées

Grâce à des données de qualité issues principalement du logiciel interne de notre client et sur une base de plusieurs années et plusieurs lignes de produit, une première phase d’analyse descriptive des données a été mise en place.

Par la suite, nous avons entraîné des modèles algorithmiques d’Intelligence Artificielle afin de mieux comprendre les facteurs prépondérants qui influençaient les caractéristiques finales des produits et leur contribution. Les travaux ont été menés avec les équipes statistiques du client pour guider la démarche et mieux comprendre les écarts constatés entre une démarche « classique » et une démarche s’appuyant sur l’Intelligence Artificielle.

Résultats

Les résultats obtenus ont mis en exergue des écarts d’analyse sur le niveau de contribution des facteurs d’influence. Aujourd’hui notre client a amélioré la caractérisation de la qualité de ses produits finaux pour permettre de réduire les lots défectueux.

« Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce eu lacus diam. Cras congue, neque ac mattis efficitur, nibh ipsum fringilla nunc, sed iaculis neque odio non orci. Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia Curae; Praesent lacinia, urna quis rhoncus lobortis, urna neque tempus tellus, quis auctor justo lectus vitae libero. Nulla non porta odio. Donec diam est, varius id ullamcorper a, efficitur nec libero »