Grant: Discovery Grants Program - Individual
Université Laval
$24,000.00
Influence des modèles de réconciliation de données sur la supervision, la commande automatique et l'optimisation des procédés industriels
EF 2013-14
Résumé
L'amélioration de la performance des procédés industriels (traitement des minerais, métallurgie, sables bitumineux, bioprocédés, etc.) est cruciale pour l'économie canadienne. La forte concurrence engendrée par l'ouverture des marchés oblige les entreprises à élever constamment leur niveau de compétitivité pour assurer leur survie. Dans ce contexte, la fiabilité et la précision des données de procédé jouent un rôle fondamental. Une information de qualité est essentielle pour assurer une gestion efficace des opérations de production et implanter des algorithmes de commande et d'optimisation performants. Malheureusement, les mesures industrielles sont généralement entachées d'erreurs et il est fréquent que certaines variables stratégiques ne soient pas mesurées ou tout simplement non mesurables.L'objectif du programme de recherche est l'amélioration de la qualité des données par l'intégration des connaissances théoriques et expérimentales du procédé pour l'implantation efficace d'applications de supervision, de commande automatique et d'optimisation. Une méthode permettant de traiter ces aspects est la réconciliation de données. Malgré que cette méthode soit actuellement utilisée en industrie, plusieurs défis demeurent au niveau de la recherche quant à son application pratique. Plus spécifiquement, les problèmes liés au développement du modèle de réconciliation, du calibrage des incertitudes et de l'évaluation des gains relatifs au couplage de la réconciliation de données à d'autres algorithmes seront considérés.La généralité des méthodes développées fera en sorte qu'elles pourront être appliquées à une large gamme de procédés. La majorité des entreprises possèdent actuellement des systèmes de commande et de gestion de l'information adéquats pour la mise en place immédiate des algorithmes qui seront élaborés et générer des retombées à court terme. Puis, comme le programme de recherche s'attaque à un problème de fond, l'utilisation de données de qualité accrue permettra une exploitation plus efficace des procédés à long terme.
Programme
Discovery Grants Program - Individual
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data
Tel que publié
Application id
355716-2013
Name nom
Poulin, Éric
Department département
Génie électrique et génie informatique
Organization id
51
Institution établissement
Université Laval
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2013
Competition year année de concours
2013
Award amount
24000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
Discovery grants programs
Group fr
Programmes de subventions à la découverte
Committee code
1510
Committee name en
Electrical and Computer Engineering
Committee name fr
Génie électrique et informatique
Area of application code
500
Area of application group en
Manufacturing processes and products
Area of application group fr
Procédés et produits industriels
Area of application en
Manufacturing processes and products
Area of application fr
Procédés et produits industriels
Research subject code
2509
Research subject group en
Electrical and electronic engineering
Research subject group fr
Génie électrique et électronique
Research subject en
Control systems
Research subject fr
Asservissements
Partie
1
Nb partie
1
Application title
Influence des modèles de réconciliation de données sur la supervision, la commande automatique et l'optimisation des procédés industriels
Keyword
NSERC
Application summary
L'amélioration de la performance des procédés industriels (traitement des minerais, métallurgie, sables bitumineux, bioprocédés, etc.) est cruciale pour l'économie canadienne. La forte concurrence engendrée par l'ouverture des marchés oblige les entreprises à élever constamment leur niveau de compétitivité pour assurer leur survie. Dans ce contexte, la fiabilité et la précision des données de procédé jouent un rôle fondamental. Une information de qualité est essentielle pour assurer une gestion efficace des opérations de production et implanter des algorithmes de commande et d'optimisation performants. Malheureusement, les mesures industrielles sont généralement entachées d'erreurs et il est fréquent que certaines variables stratégiques ne soient pas mesurées ou tout simplement non mesurables.L'objectif du programme de recherche est l'amélioration de la qualité des données par l'intégration des connaissances théoriques et expérimentales du procédé pour l'implantation efficace d'applications de supervision, de commande automatique et d'optimisation. Une méthode permettant de traiter ces aspects est la réconciliation de données. Malgré que cette méthode soit actuellement utilisée en industrie, plusieurs défis demeurent au niveau de la recherche quant à son application pratique. Plus spécifiquement, les problèmes liés au développement du modèle de réconciliation, du calibrage des incertitudes et de l'évaluation des gains relatifs au couplage de la réconciliation de données à d'autres algorithmes seront considérés.La généralité des méthodes développées fera en sorte qu'elles pourront être appliquées à une large gamme de procédés. La majorité des entreprises possèdent actuellement des systèmes de commande et de gestion de l'information adéquats pour la mise en place immédiate des algorithmes qui seront élaborés et générer des retombées à court terme. Puis, comme le programme de recherche s'attaque à un problème de fond, l'utilisation de données de qualité accrue permettra une exploitation plus efficace des procédés à long terme.