La transformation numérique dans les raffineries

Les industries lourdes, dont les raffineries, se montrent habituellement lentes lorsqu’il s’agit d’adopter la transformation numérique en raison de leur envergure, de marges restreintes et de la spécificité de leur secteur. Toutefois, les récentes perturbations dans la chaîne d’approvisionnement dues à la pandémie et aux événements géopolitiques ont accéléré les investissements numériques visant à améliorer l’utilisation des actifs et la longévité des installations. L’analyse en temps réel et la prise de décision fondée sur l’intelligence artificielle (IA) sont désormais des moteurs clés de l’efficacité opérationnelle, comme l'explique Rohit Khanna dans cet article.

La raffinerie numérique ou réécrire les règles du jeu

Le concept de « raffinerie numérique » met l’accent sur l’intégration de technologies de pointe, comme l’IA, pour générer une efficience, une sécurité et une durabilité inégalées. Les raffineries numériques intègrent l’IA pour optimiser la maintenance, la chaîne d’approvisionnement, le contrôle de la qualité et la conformité. En adoptant ces technologies, les raffineries assurent la pérennité de leurs opérations, tout en établissant de nouvelles normes en matière d’efficience, de sécurité et de développement durable.

Les fondements technologiques de l'IA : l'industrie 4.0 rencontre l'industrie 5.0

Avant d’explorer les applications d’IA, voici les technologies clés de l’Industrie 4.0 pour les raffineries.

  • Convergence des technologies de l’information (TI) et des technologies opérationnelles (TO) – Les capteurs, les systèmes SCADA, l’infonuagique et l’informatique en périphérie favorisent la surveillance en temps réel et la prise de décision.
  • Numérisation du papier – Les systèmes de gestion intégrés et les applications numériques ont remplacé les flux de travaux papier, améliorant ainsi l’efficience et la conformité.
  • Jumeaux numériques – Les modèles de raffineries virtuelles permettent de mettre en place des simulations, une analyse prédictive et un dépannage rationalisé.
  • Robotique – Les robots autonomes et les chiens robotisés optimisent les inspections dangereuses, la maintenance et la productivité opérationnelle.

L’Industrie 5.0 propose l’ajout des éléments suivants.

  • Collaboration humaine et machine – Dans le cas des robots collaboratifs (cobots, triplets numériques alimentés par l’IA agentique), on dénote une mise à profit de la créativité humaine et des compétences en résolution de problèmes conjuguées à l’efficience machine grâce à l’utilisation d’outils avancés, tels que les exosquelettes, la réalité augmentée et les écosystèmes sophistiqués à agents multiples.
  • Personnalisation – Mise en place d’une fabrication hautement personnalisée et à la demande où les produits sont adaptés aux préférences individuelles des clients grâce à une collaboration humain-machine.

La puissance des données opérationnelles

L’IA est en quête de données de grande qualité. Les sources de données clés des raffineries sont les suivantes.

  • Données de traitement (température, pression, débits)
  • Données sur l’état de santé de l’équipement (vibration, relevés des capteurs)
  • Matière première et données sur la qualité du produit
  • Dossiers opérationnels (utilisation d’énergie, volumes de production)
  • Journaux de maintenance et surveillance environnementale (prix, prévisions de la demande)

Les séries chronologiques de données, particulièrement les données sur les processus, sont cruciales aux perspectives axées sur l’IA puisqu’elles favorisent une anticipation des pannes et une optimisation des opérations. Des données de mauvaise qualité peuvent entraîner des erreurs coûteuses et font de la gestion de données une priorité.

L’IA dans les opérations de la raffinerie : réduction des interruptions de service

Minimiser les pannes est l’une des grandes priorités d’entreprise. En effet, une interruption de service de deux jours dans une raffinerie peut se traduire par une perte de revenus. La maintenance prédictive alimentée par l’IA et les capteurs de l’Internet des objets (IdO) peuvent prévenir les défaillances, favorisant ainsi des interventions proactives et évitant des pertes financières importantes.

Exemple d’analyse de rentabilité

  • Débit/capacité : 100 k barils/jour
  • Durée de l’interruption de service : 2 jours
  • Perte de productivité : 15 M$
  • Investissement dans l’IA (IdO + analyse) : 1,5 M$
  • Économies découlant d’une intervention précoce grâce à l’IA : de 7,5 M$ à 12,5 M$

Cas d’utilisation de l’IA pour la maintenance de la raffinerie

Maintenance prédictive

La maintenance prédictive du jumeau numérique alimenté par l’IA détecte les anomalies, prévient les pannes d’équipement crucial comme les compresseurs, les turbines, les moteurs et les pompes. Les modèles d’apprentissage machine permettent d’affiner la prédiction des pannes et d’optimiser les calendriers de maintenance. De plus, l’ajout de triplets numériques fournira des aperçus axés sur les indicateurs clés de performance pour l’ensemble des processus d’affaires en vue d’améliorer le rendement global.

Surveillance des opérations en temps réel

Les jumeaux numériques alimentés par l’IA permettent le suivi en temps réel pour :

  • détecter les anomalies de façon précoce et minimiser les défaillances imprévues
  • optimiser la performance grâce à un ajustement dynamique des paramètres opérationnels
  • réduire les faux positifs et couper les coûts de maintenance inutiles

Le futur de l’IA dans les raffineries

La transformation axée sur l’IA permet d’exploiter de nouvelles efficiences, de réduire les coûts et d’améliorer la fiabilité des opérations de raffinage. Le prochain volet de cette série explorera d’autres cas d’utilisation alimentés par l’IA qui façonneront l’avenir de ce secteur d’activité.