Chemin du Roi — plateforme industrielle
Jumeau numérique d’une unité de méthanisation
Cinq flux temps réel hétérogènes, cinq protocoles, cinq notions du temps — unifiés en une plateforme sur laquelle des ingénieurs d’exploitation prennent des décisions tous les matins.
- Rôle
- Ingénieur IA et jumeau numérique
- Période
- Depuis novembre 2024
Stack
Le problème
Une unité de méthanisation est instrumentée, mais son instrumentation est un archipel : chaque capteur, chaque automate, chaque prestataire arrive avec son protocole et son format. La donnée existe, personne ne peut la lire ensemble.
Les exploitants naviguent entre plusieurs interfaces, corrèlent de tête, et découvrent une dérive quand elle est déjà visible dans les résultats. Deux besoins : voir l’état du procédé en temps réel, puis anticiper son comportement.
Les contraintes
Cinq sources hétérogènes, aucune sous notre contrôle : API métier, OPC UA, Modbus, MQTT, dépôts SFTP.
Le terrain n’est pas un datacenter. Les capteurs décrochent, les réseaux tombent, les horloges dérivent, certaines valeurs sont physiquement absurdes.
Procédé biologique : dynamique lente, forte inertie, non-linéarités, et des données rares qu’on ne peut pas multiplier par des essais.
Les utilisateurs sont des ingénieurs procédé. Un modèle boîte noire qui contredit leur intuition physique sans pouvoir s’expliquer n’est jamais adopté.
Ce que j’ai construit
Un connecteur par protocole, un seul modèle temporel. La spécificité s’arrête à la frontière ; au-delà, tout est une mesure horodatée dans TimescaleDB. Le travail réel n’est pas de parler cinq protocoles, c’est de réconcilier cinq horloges — un analyseur à la seconde, un automate à la minute, un fichier SFTP qui tombe la nuit pour la veille.
Le vide comme donnée, pas comme accident. Un jumeau naïf interpole tout et affiche une belle courbe continue : c’est un mensonge par omission, l’exploitant ne distingue plus une mesure d’une extrapolation. Ici, mesuré, agrégé et absent sont explicitement distincts. C’est ce qui fait qu’un ingénieur accepte l’outil au lieu de retourner à ses fichiers.
Modélisation hybride mécaniste + neuronale. Un modèle AM2 porte la physique connue de la digestion anaérobie, la partie apprise capte l’écart entre le modèle et cette installation-là. Deux bénéfices, et le second est le vrai : il apprend avec peu de données, et il reste explicable — une erreur se lit comme un écart de modèle ou comme une dérive capteur, pas comme une opacité.
Résultats
- Cinq flux temps réel hétérogènes unifiés en une plateforme unique
- KPI procédé et observabilité capteur utilisés quotidiennement en exploitation
- Passage d’un programme de recherche appliquée à une plateforme en production continue
Ce que je referais autrement
Comprendre la décision avant de construire l’ingestion. Le premier réflexe est de tout récupérer parce qu’on peut. Mais un jumeau numérique ne vaut que rapporté à une décision d’exploitation, et j’ai fiabilisé des flux qui n’en pilotaient aucune. Je commence désormais par : quelle décision, prise par qui, à quelle fréquence ?
Une couche de qualité de donnée dès le départ. Elle s’est retrouvée dispersée entre les connecteurs et les modèles. Bornes physiques, valeur gelée, dérive d’horloge : validée juste après l’ingestion, chaque anomalie devient attribuable à une cause.