Le Big Data au service des cas métier, pour mieux optimiser la performance énergétique

Nombreux sont les acteurs qui disent utiliser une technologie « Big Data » en promettant de créer de la valeur à partir du grand nombre de données des clients. Mais derrière ce terme, se cache une grande diversité d’activités. Chez Vertuoz Industri.e, nous distinguons la fonctionnalité, c’est-à-dire le fait d’exploiter des masses de données, et ses usages, autrement dit la méthode permettant de résoudre des cas métier d’efficacité énergétique.

 

A partir d’une certaine volumétrie, les données ne peuvent pas être manipulées à l’aide de moyens classiques, comme un tableur Excel. Il faut s’aider d’un outil spécifique. Mais l’outil seul ne permet pas de résoudre les problématiques des acteurs terrain. Il convient de l’utiliser combiné à des méthodes et à des expertises métier, pour atteindre un objectif métier. Car le Big Data n’est pas un objectif, c’est un moyen.

 

Le Big Data à des fins prescriptives, pour reproduire les meilleures performances passées

Pour améliorer les performances de l’usine, le prescriptif permet d’identifier et de reproduire les bonnes pratiques et les bons réglages passés. Sans un outil Big Data, impossible de mener des analyses sur un historique de données fourni. Il faut récupérer des milliers de variables, à des mailles de temps variées (seconde, minute, heure ou semaine), dans les automates et sur les systèmes de supervision. Pour chaque cas métier, nous choisissons avec notre client un indicateur de performance à optimiser, puis nous faisons tourner des algorithmes pour en sortir les variables les plus influentes. Nous allons distinguer les facteurs d’influence subis (comme la météo) de ceux qu’il est possible de maîtriser : consignes de température, ouvertures de vanne, etc. Les opérateurs travaillent sur les variables influentes contrôlées, afin de reproduire leur meilleure performance passée pour obtenir de nouvelles économies sans investissement. Ce n’est pas une approche théorique mais empirique, car nous nous basons sur un historique de points de fonctionnement véritablement réalisés. Les acteurs terrain suivent ainsi les consignes optimisées qu’ils ont eux-mêmes choisies, grâce au Big Data pour une conduite optimale de l’usine.

 

Le Big Data à des fins prédictives

Les besoins de prévisions peuvent nécessiter également des outils Big Data, pour établir ses budgets, anticiper les achats, souscrire le meilleur contrat d’énergie, décider quelles centrales de production seraient engagées en fonction des conditions… Nous allons dans cette perspective élaborer des modèles qui s’appuient sur l’historique. Nous utilisons des outils Big Data permettant de repérer les variables d’influence et de les classer par ordre décroissant d’impact pour leur donner de la valeur. Le modèle est construit étape par étape. Nous commençons par sélectionner les variables que l’on souhaite modéliser : la consommation de gaz, d’électricité, de vapeur, la production… On recherche aussi les données (météo, planning de production, prix des énergies, etc.) qui vont entrer dans le modèle, prévisibles et les plus adaptées aux spécificités métier du site. Une fois construit, ce modèle sera confronté avec la réalité. Il sera analysé pour l’améliorer et faire les meilleures prédictions. Intégré dans un tableau de bord, le modèle va servir d’aide à la décision. »

 

L’importance du Système d’Information Énergétique

Que ce soit pour faire du prescriptif, du prédictif ou même simplement pour calculer des ratios à l’échelle de l’usine, la collecte des données dans une base unique est un prérequis essentiel. Mais dans les usines, les données sont encore aujourd’hui « en silos », dispersées dans divers automates ou systèmes d’information. Avant de se lancer dans l’analyse de données « Big Data » à des fins prescriptives ou prédictives, il faut repartir des problématiques métier du client, qualifier les données à prendre en compte et comprendre quelles fonctionnalités seront utilisées pour y répondre.

Nommage des données : quand logique rime avec fluidité d’analyse

Depuis la création du Campus d’innovation MINATEC, « fer de lance mondial de l’innovation et de la technologie », comme l’avait imaginé Jean Therme(1) à ses origines, le Pôle Utilités Services d’ENGIE Solutions a la tâche délicate de fournir l’ensemble des fluides et gaz nécessaires à la réussite des recherches sur les micro et nanotechnologies menées sur le site. Une mission assurée avec brio et… avec l’appui de l’outil Big Data Vertuoz Blu.e et de son expertise.

Grenoble, 70 000 m2 de laboratoires de recherche, dont 12 000 m2 de salles blanches, sur un site de 20 hectares, où cohabitent 3 000 chercheurs, plus d’un millier d’étudiants, des centaines d’industriels… entièrement dédiés aux micro et nanotechnologies : le Pôle MINATEC (MIcro et NAno TEChnologies) est un site d’excellence réunissant les plus grands acteurs du secteur. Un site particulièrement sensible, où l’innovation, la précision et l’ultra-propreté sont de rigueur. Dans cet environnement exceptionnel, ENGIE Solutions exploite une installation, les DFT(2), pour alimenter les expériences des structures de recherche sur les micro et nanotechnologies, avec une bonne douzaine de gaz et fluides : eau chaude, eau froide, eau à 45 °C, air comprimé, azote, oxygène, hydrogène, argon, hélium, ou encore eau désionisée ou ultra-pure. « Aucun droit à l’erreur : la qualité et la disponibilité des fluides que nous acheminons sont essentielles, en particulier ceux qui alimentent les nombreuses salles blanches de MINATEC, insiste Anne-Sonia Provent, Ingénieur Efficacité Énergétique et Exploitation pour ENGIE Solutions. Parce qu’il a mesuré l’ampleur du challenge à relever, notre directeur a choisi d’équiper les DFT avec la plateforme numérique Vertuoz Blu.e, il y a 5 ans déjà. »

 

Créer une table de correspondance intelligible

En 2017, MINATEC s’est agrandi et le périmètre que doit approvisionner ENGIE Solutions s’est étendu. « En clair, cela signifie que l’on traite de nouvelles données, explique Anne-Sonia Provent. Plusieurs milliers en tout ! Or, ces data proviennent de systèmes très différents – des groupes frigorifiques par exemple, ou des compresseurs d’air… -, qui chacun possède sa nomenclature spécifique pour désigner les données qu’il produit. L’attribution de chaque data peut vite tourner au casse-tête ! » Dans un objectif d’analyse et de performance systémique, il est indispensable d’harmoniser les intitulés. Une bonne pratique qu’Anne-Sonia Provent a décidé d’appliquer en créant une table de correspondance entre les systèmes de production des fluides et la plateforme d’analyse Vertuoz Blu.e : « J’ai collaboré avec les automaticiens des DFT pour identifier chaque type de données, les classer par fluide distribué et les renommer de manière très ordonnée. Un exemple : la mesure d’une température à l’intitulé peu explicite « TT_8104.PV » devient « EC 90 °C – T Retour Réseau » qui prend tout son sens : EC 90 °C signifie Eau Chaude à 90 °C et T température. »

 

Une analyse plus rapide et plus fiable avec un meilleur nommage

L’avantage ? « Avec un nommage clair et logique des données(3), nous voyons tout de suite à quoi les variables correspondent et pouvons les combiner pour créer aisément des indicateurs de performance à tous les niveaux, équipement, système, ligne, bâtiment et les analyser sur la plateforme Big Data Vertuoz Blu.e, souligne Anne-Sonia Provent. Nous allons ainsi beaucoup plus vite pour tracer les courbes d’analyse et visualiser en un clin d’œil les indicateurs de performance énergétique. Sans délai, nous voyons si nos réglages sont adaptés et nous les ajustons. C’est une aide au pilotage en temps réel. » Avec, à la clé, la possibilité de mieux maîtriser les process. Il suffit d’un exemple pour en mesurer tout l’intérêt : l’analyse des variables sur la production de froid des DFT a abouti à la mise en place d’une cascade de consignes pour en optimiser le rendement global. « Les résultats sont marquants, révèle Anne-Sonia Provent. L’analyse a contribué à gagner 15 % sur le coefficient de performance des groupes frigorifiques.

 

En chiffres…

70 000 m2

de laboratoires.

12 000 m2

de salles blanches.

15 %

gagnés sur le COP des groupes froids : de 3,7 à 4,2.

 

 

(1) Fervent promoteur des projets fédérateurs associant des personnels de disciplines et de cultures différentes en lien étroit avec le monde de l’industrie, Jean Therme, Directeur de la Recherche Technologique du CEA, est le père du Pôle d’Innovation Minatec.

(2) Dispositif de Fonctionnement Technique

(3) Le nommage logique des données client est effectué en amont par Vertuoz Blu.e, à la livraison de la plateforme numérique. C’est une bonne pratique à poursuivre dans le temps, pour conserver la fluidité des analyses quand la base de données s’enrichit au fil des évolutions du site industriel.