Saint Etienne Janvier 2003

Automatisation du Scale Up

PLAN

Présentation générale Le problème L’algorithme génétique Les réseaux de neurones Résultats Conclusion

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale

L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

L’extrusion est une technique de transformation de la Matière dans le domaine de la plasturgie, de l’agroalimentaire,…

L’extrusion permet d’obtenir un produit semi-fini avec des propriétés physiques déterminés et une pression permettant sa mise en forme.

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale

L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Les extrudeuses Monovis (Pour l’injection)

Bivis contrarotative

Bivis corotative (Production de produit semi-fini)

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale

L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Les logiciels de simulation de l’écoulement de la matière dans une extrudeuse bivis corotative

Ludovic (CEMEF+INRA+S&CC (FRA)) Sigma (Université de Paderborn (ALL)) TXS (Polytech (USA)) Akro-co-Twin-Screw (Université d’Akron (USA))

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale

L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Le Scale Up

Passage d’une petite extrudeuse bivis de laboratoire (1 a 10 Kg/h)

à une extrudeuse bivis industrielle (1 a 100 tonnes/h)

En conservant les propriétés physiques du produit final.

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Rechercher la ou les vis industrielles conservant au mieux les propriétés du produit à travers les résultats de Ludovic

(Température,énergie, déformation, temps de séjour,…)

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Les paramètres à optimiser sont :1. Le profil de vis (suite ordonnée d’élt de vis)2. Les températures des fourreaux3. La température de la filière4. La vitesse de rotation de la vis5. Le débit

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Un profil de vis industrielle est recevable

s’il ne dépasse pas le couple maximal de la machine

S’il ne dépasse pas la puissance maximale de la machine

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

On suppose que les squelettes de la vis de laboratoire et de la vis industrielle sont identiques

1. Zone de convoyage2. Zone de malaxage3. Zone de convoyage4. Zone restrictive

4 3 2 1

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Le principe de l’algorithme génétique est de résoudre ce type de problème.

Prise en compte des valeurs discrètes du profil de vis

Prise en compte de l’inter dépendance des éléments du profil de vis

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Schéma classique d’un algorithme génétique

ReproductionSélection

Evaluation

Initialisation

Solution Ok ?

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Initialisation

Génération aléatoire de la population initiale Codage du chromosome

Variables continues attachées des domaines défini par l’utilisateur

Variable discrète attachée à une bibliothèque d’élément de vis fournie par l’utilisateur

ReproductionSélection

Evaluation

Initialisation

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Lancer les calculs avec Ludovic

Quantifier la différence pondéré entre : Les courbes Les parties de courbes Les points

sélectionnés par l’utilisateur

Adimensionnaliser les résultats Résultat=f(L) => Résultat=f(L/L0)

Quantification au sens des moindres carrés

ReproductionSélection

Evaluation

Initialisation

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

On utilise le principe de la roulette

ReproductionSélection

Evaluation

Initialisation

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

On applique les 2 critères de reproduction que sont le croisement et le mutation

ReproductionSélection

Evaluation

Initialisation

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Elitisme

« On ne peut envisager de perdre une bonne solution »

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Suppression des doublons

L’élistisme diminue fortement le brassage

Augmentation du brassageEvite les calculs inutiles

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Scaling

« Faire évolué la sélection suivant les phases du calcul »

Consiste à moduler les écarts de fitness en fonction de la génération. fitness=fitness^k(n)

où k(n)=tan(n/(N+1)*p/2)

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Scaling

« Faire évolué la sélection suivant les phases du calcul »

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique

Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Conclusion

Pour notre application la combinaison AG+Elistisme+Suppression des doublons+ Scaling donne de bon critères de brassage sans perte d’informations.

Amélioration

Rendre la sélection indépendante du calcul du fitnessMéthode du tournoiSélection par le rang…

Elistime un peu fort

Information brute

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Constat d’exploitation en milieu industriel :

Les températures ne sont pas fixes Le débit et la vitesse de rotation peuvent variés

légèrement

Nécessité d’avoir des informations sur la stabilité du cas.

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

AGBivis de LaboProduit de référence

Domaines de variation

Critère de calcul

X meilleurs bivisindustrielles

?Stabilité

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Plan d’exp.

Bivis industrielle

Domaines de variation (10%)

Base de cas de lavis industrielle

Réseau de

neurones

Comportement dela vis dans le

domaine

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones

Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Plan d’expérienceAnalyse de la stabilité dans un domaine de 10% autour

de la configuration donné par l’AG Plan d’expérience factoriel Avec 5 valeurs par paramètres (4) => 625 calculs

Réseau de neuronesUtilisation d’un outil du commerce

Moteur neuronal de la société Netral Outil d’analyse

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105BC21

BC1053600 mm de long 700 Kg/h

600 mm

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Grandeurs de références

La température finale L’énergie spécifique La déformation

Domaine de variationDébit 500-1000 Kg/hVitesse de rotation 200-400 Tr/mnTempérature de la filière 50-150 °CTempératures du fourreau 50-150 °C

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Bibliothèque d’éléments de vis

Bibliothèque définie en interneBibliothèque constructeur

Contraintes

Aucunes

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Résultat de l’A.G.

TempératureBC21 108°CScaleUp 0 115°CScaleUp 1 115°CScaleUp 2 115°CScaleUp 3 115°CScaleUp 4 115.5°C

Expert 145°C

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Résultat de l’A.G.

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Résultat de l’A.G.

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Résultat de l’A.G.

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Etude de la stabilité (Débit et vitesse)

Erreur [e-2]

Erreur

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Etude de la stabilité (Débit et vitesse)

1

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Etude de la stabilité (Régulation

thermique)

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Cas de validation BC21 -> BC105Etude de la stabilité (Débit et vitesse)

1

Saint Etienne Janvier 2003

Automatisation du Scale Up

Présentation générale L’extrusion Les outils Les logiciels Le Scale up

Le problème Le but Les paramètres Les contraintes Les hypothèses

L’algorithme génétique Pourquoi l’AG Rappel Initialisation Evaluation Sélection Reproduction Les options Conclusion

Les réseaux de neurones Pourquoi Schéma conceptuel Outil

Résultats Conclusion

Prototype fonctionnel donnant de bons résultats

validés par l’expérience

Les utilisateurs n’en utilisent qu’une faible partie

Orientation vers un outil avec une second partie plus riche