fr.wedoany.com Rapport : L'entreprise américaine RLCore a lancé RLTune, une plateforme d'optimisation continue en temps réel qui ajoute une couche d'intelligence en apprentissage continu aux systèmes de contrôle existants des installations d'eau et d'eaux usées. Grâce à l'apprentissage par renforcement sous contraintes, elle optimise dynamiquement les performances opérationnelles, réduisant la consommation de produits chimiques et d'énergie de 15 à 25 %, améliorant le temps de réponse de 95 % et atteignant une efficacité des processus supérieure à 90 %. L'entreprise a présenté ce produit lors de la conférence ACE26 de l'American Water Works Association.
Les systèmes industriels évoluent dans des environnements dynamiques aux conditions changeantes, notamment les fluctuations des prix de l'énergie et des coûts des produits chimiques, les variations des eaux entrantes, l'usure des équipements et les contraintes humaines. Les méthodes de contrôle traditionnelles reposent souvent sur des gains fixes ou des modèles incapables d'apprendre de l'environnement, obligeant les opérateurs à gérer manuellement les écarts qui en résultent, ce qui entraîne une faible efficacité opérationnelle et des pertes d'opportunités d'optimisation. On estime que les inefficacités contrôlables dans tous les processus industriels entraînent des pertes annuelles de plus de 1 000 milliards de dollars.
RLTune se situe au-dessus de la pile de contrôle existante de l'usine et applique l'apprentissage par renforcement sous contraintes pour améliorer en continu les décisions de contrôle dans des conditions opérationnelles réelles. La plateforme apprend de l'environnement réel de l'usine et optimise en continu les processus industriels pour atteindre les KPI définis par l'opérateur au niveau de l'usine. Shelley Terry, directrice générale des infrastructures de Drayton Valley, a déclaré qu'après la collaboration, les imprévus dans la salle de contrôle de l'usine ont diminué, l'utilisation de produits chimiques a baissé, les économies d'eau ont augmenté et les opérateurs ont pu se concentrer sur des tâches à plus forte valeur ajoutée. Frank Mannarino, vice-président senior d'EPCOR Water Services, estime que cette méthode démontre comment introduire des contrôles avancés et l'intelligence artificielle d'une manière cohérente avec les opérations des services publics.
Les fonctionnalités clés de la plateforme incluent : l'apprentissage continu et l'adaptation, qui s'ajustent automatiquement aux variations saisonnières, aux changements des eaux entrantes, à l'usure des équipements et aux perturbations des processus, sans nécessiter de recalibrage manuel des cycles ; aucun jumeau numérique ni modèle physique complexe requis, l'apprentissage se fait directement à partir de l'environnement réel de l'usine ; une optimisation encadrée, où les opérateurs peuvent définir des garde-fous et une autonomie progressive, tout en conservant la possibilité de prendre le contrôle ; l'enregistrement des données améliore la visibilité opérationnelle et quantifie la variabilité et les modes de fonctionnement ; l'indépendance vis-à-vis des fournisseurs, avec une compatibilité via OPC-UA avec les SCADA, DCS, PLC, bases de données historiques et passerelles IoT ; et un support du déploiement local, les données restant sur site.
RLCore qualifie cette catégorie d'optimisation autonome en temps réel (RTAO). Fondée en octobre 2024, l'entreprise est composée d'experts en apprentissage par renforcement reconnus internationalement et de leaders produits et technologiques ayant une expérience de la mise à l'échelle. La plateforme RLTune est déployée dans des installations municipales, de traitement des eaux usées et industrielles, aidant les opérateurs à renforcer la résilience, à réduire la consommation de produits chimiques et d'énergie, à améliorer la stabilité des processus et à s'adapter aux changements en temps réel.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
