Comment les modèles mathématiques façonnent l'avenir de la torréfaction

Réglage du brûleur, position du volet, vitesse du ventilateur : l'un des projets actuels des ingénieurs de recherche de PROBAT se concentre sur la combinaison parfaite des variables de contrôle de la machine de torréfaction pertinentes pour le processus de torréfaction afin de réduire la consommation d'énergie et d'optimiser le processus. Il y a quelque temps, nous avons présenté les travaux de l'équipe de Sebastian Tück, qui utilise des modèles mathématiques pour créer des images virtuelles de contreparties réelles - ce que l'on appelle des jumeaux numériques. Pour être plus précis, il s'agit de modèles mathématiques qui représentent des processus physiques de torréfaction.

Mais que se passe-t-il exactement lorsque j'introduis ces modèles de simulation dans un système tel que le contrôle prédictif de modèle et quelle influence cela a-t-il sur le résultat de la torréfaction et l'optimisation du processus ? Nous en avons discuté avec Sebastian Tück et Dr. -Ing. Dennis Pierl de l'Institut de technologie de l'automatisation de l'Université de Brême - le partenaire scientifique du projet de recherche PROBAT en cours.

COMMENT LES MODÈLES MATHÉMATIQUES FAÇONNENT L'AVENIR DE LA TORRÉFACTION

Tout d'abord, une question de compréhension : Quelle est la différence entre un jumeau numérique et un modèle de contrôle prédictif et quel est leur lien ?

Sebastian Tück : "Dans notre contexte, un jumeau numérique est la description mathématique d'une machine de torréfaction qui calcule les sorties respectives, c'est-à-dire les variables mesurées, pour les entrées données, c'est-à-dire les variables manipulées, et les reproduit aussi fidèlement que possible, tout comme la machine le ferait dans le processus réel."

Dennis Pierl : "Si un tel jumeau numérique est transféré à ce que l'on appelle un système de contrôle prédictif de modèle, il utilise la description mathématique du système réel pour calculer dans le futur sur la base de ce modèle : il sait exactement quel résultat il obtiendra à la suite d'une certaine action et peut donc décider quelle action est la meilleure à un moment donné afin d'atteindre une certaine valeur cible."

Quelles sont les variables d'entrée pertinentes pour le modèle mathématique décrivant le processus de torréfaction ?

Dennis Pierl : "Nous travaillons avec deux jumeaux numériques pour le processus de torréfaction. Le premier est le torréfacteur lui-même. Les principales variables d'entrée du modèle mathématique sont, par exemple, le volume de remplissage de la machine, la puissance du brûleur, la position du volet et la vitesse du ventilateur. En utilisant les données mesurées du processus réel, nous reconstruisons ensuite le jumeau numérique, c'est-à-dire que nous modélisons mathématiquement le processus un à un et pouvons dire très précisément ce qui se passe dans la machine à tout moment pendant le processus de torréfaction et comment les variables de contrôle prédites par le jumeau numérique affectent l'apport de chaleur dans la fève."

Sebastian Tück : "Pour ce faire, nous avons calculé un second jumeau numérique pour les grains de café à partir d'une autre variable d'entrée, la température de surface du grain, et l'avons intégré au modèle mathématique de la machine de torréfaction. "Que se passe-t-il exactement lorsque j'introduis ces modèles mathématiques dans la commande prédictive par modèle ?

répond Dennis Pierl : "Si vous introduisez cette reconstruction mathématique du processus de torréfaction dans le modèle de contrôle prédictif, celui-ci peut prédire son évolution future sur la base de sa connaissance des interdépendances dans le processus (il atteindra le résultat B s'il effectue l'action A) et l'optimiser en calculant les variables de contrôle jusqu'à une valeur cible spécifique. En termes d'économie d'énergie, par exemple, cela signifie que le système de contrôle sait exactement quelles doivent être les variables de contrôle de la machine de torréfaction pour obtenir le même apport d'énergie dans la fève avec l'apport d'énergie le plus faible possible.

Sebastian Tück : "Le grand avantage est que nous n'utilisons pas la température du produit comme base, mais l'apport de chaleur dans la fève en fonction de la température de surface, qui est mesurée en continu par des capteurs infrarouges pendant le processus de torréfaction. Cela signifie que nous pouvons facilement transférer un profil de torréfaction à une autre machine également équipée d'une commande prédictive de modèle, car elle calcule exactement ce que la machine doit faire pour obtenir le même apport de chaleur à chaque point du processus de torréfaction. Les influences spécifiques au système de torréfaction sont éliminées. Il est possible de procéder ainsi pour n'importe quel objectif d'optimisation : si je veux économiser de l'argent et que je connais les prix de l'énergie pour le gaz ou l'électricité, je les inclus dans le modèle mathématique. Un autre objectif pourrait être de réduire les temps d'arrêt en minimisant la maintenance. Là encore, la commande prédictive par modèle basée sur le jumeau numérique peut prédire avec précision les variables de contrôle optimales, toujours si les données de mesure pertinentes (variables d'entrée et de sortie) sont disponibles et peuvent être transférées dans un modèle mathématique."

Alors, parlons-nous de l'avenir de la torréfaction ?

Sebastian Tück : "En principe, oui, car aujourd'hui nous ne savons ce qui se passe qu'à un moment donné du processus de torréfaction. Dès que la valeur réelle se situe en dehors de la courbe de torréfaction cible souhaitée, le système de contrôle ajuste les variables d'entrée que sont la température et le flux d'air pour revenir à la courbe cible le plus rapidement possible, ce qui n'est pas toujours optimal en termes de consommation d'énergie. Toutefois, le grand avantage de la commande prédictive par modèle est qu'elle peut "voir dans l'avenir". Elle sait toujours exactement quelle combinaison de variables de contrôle est optimale pour obtenir l'apport de chaleur souhaité dans le haricot tout en minimisant la consommation d'énergie. Le potentiel d'optimisation global est énorme, car on disposera à l'avenir de plus en plus de données sur les machines et les processus qui pourront être représentées sous forme mathématique - les influences étant éliminées. Il est possible de procéder ainsi pour n'importe quel objectif d'optimisation : si je veux économiser de l'argent et que je connais les prix de l'énergie pour le gaz ou l'électricité, je les inclus dans le modèle mathématique. Un autre objectif pourrait être de réduire les temps d'arrêt en minimisant la maintenance. Là encore, la commande prédictive par modèle basée sur le jumeau numérique peut prédire avec précision les variables de contrôle optimales, toujours si les données de mesure pertinentes (variables d'entrée et de sortie) sont disponibles et peuvent être transférées dans un modèle mathématique."