ehlal mounsif & el asri said symphos mai 2013 symphos 2013 potentiels de développement et...

EHLAL Mounsif & EL ASRI Said SYMPHOS Mai 2013

SYMPHOS 2013

Potentiels de développement et d’usage des SNCC

dans les Unités de Fabrication d’Acide

Phosphorique et des Fertilisants

Expérience de OCP Jorf Lasfar

Par: EHLAL Mounsif & EL ASRI Said OCP JORF LASFAR MAROC

SYMPHOS Mai 2013


SITE DE OCP JORF LASFAR MAROC

JORF LASFAR

EL JADIDA

MAROC


SITE DE OCP JORF LASFAR MAROC

MAROCPHOSPHORE

IMACID

PAKISTAN MAROCPHOSPHORE

PORT

BUNGUE MAROCPHOSPHORE

Les ODI


DCS à OCP Jorf LASFAR

OCP Jorf Lasfar a débuté la production en 1986 pour la Fabrication d’Acide Phosphorique et des Fertilisants

Centrales Thermiques, Unités: Sulfuriques, Acide Phosphorique, Concentration Acide Phosphorique, Fertilisants, Ammoniac, Stockages Phosphate, Manutention Produits Intermédiaires et Finis…

Début des années 90, introduction des Automates Programmables En 1996 mise en place du 1er DCS Actuellement presque toutes les unités de la plate forme sont dotées de

DCS ou Automate Programmable Personnel bien formé et contribue au développement des applications

basées sur les systèmes DCS ou Automates Programmables Besoin en traitement des données d’une manière numériques s’accentue Besoin d’utiliser des nouvelles fonctionnalités et d’introduire des

nouvelles technologies pour l’optimisation, la maîtrise, le rendement, la disponibilité, la fiabilité,….

EHLAL Mounsif & EL ASRI Said SYMPHOS Mai 2013EHLAL Mounsif & EL ASRI Said SYMPHOS Mai 2013

EXEMPLE D’ÉVOLUTION DES E/S DES DCS DANS UNE UNITÉ PHOSPHORIQUE À JORF LASFAR

Cas: MAROC PHOSPHORE


SYNOPTIQUE UNITÉ PHOSPHORIQUE OCP JORF LASFAR Cas: MAROC PHOSPHORE


ARCHITECTURE ADOPTÉE DANS LES

UNITÉS PHOSPHORIQUES

E/S

Stations OpérateursAvec Archivage Intégré

Fibre optique

Vers Autres Salles de Contrôle et DCS

Station Ingénieur

Cartes d’E/S et Contrôleurs

Stations Maintenance à

DistanceStation

Application


ARCHITECTURE DISTRIBUÉE D’UN DCS

2. Wireless 4. ElectronicMarshalling

3. Bussed1. WiredMarshalling

DATA HIGHWAY


ARCHITECTURE ‘‘CLIENT SERVEUR’’ D’UN AUTOMATE PROGRAMMABLE

07

Redundant Servers

Supervision

(HMI)

PLC/Controller


DIFFÉRENCE ENTRE DCS ET AUTOMATE PROGRAMMABLE


DIFFÉRENCE ENTRE DCS ET AUTOMATE PROGRAMMABLE

CARACTÉRISTIQUESAUTOMATE

PROGRAMMABLEDCS

Entrée dans les industries Années 1960 À partir de 1975

Replacement de ... Relais Electromécaniques Pneumatique & Régulateurs des Boucles simples

Type de RégulationDiscret- Asservissement TOR (l’Automatisme) Régulation continue (l’Automatique)

Applications majeures au début Industries Automobile Raffineries

Redondance Backup à froid Backup à chaud

Concept d’Ingénierie Programmation Configuration, Programmation, Développement, …

Intervention des Opérateurs Relativement simple et basic Principalement les programmation des Boucles de Régulation

Interface Opérateur (synoptique)

Graphiques simples Graphiques sophistiqués

Dimension/Capacité Limité Large, Extensible,….

Coût d’Investissement $$ $$$$

Système Ouvert Clos (Propriété)


EXPÉRIENCE DE OPC JORF LASFAR DANS LE DOMAINE DES DCS

ITEM STANDARDS REQUISPAR OCP INTÉRÊT ET AVANTAGE

Architecture - Architecture Distribuée- Base de Données Unique

Communication, transparente, rapide, facile et fiable

Carte E/S avec HART Intégré

Communication directe avec les instruments intelligents (diagnostic, paramétrage, maintenance,…)

Communication, transparente, rapide, facile et fiable

Modularité des Cartes E/S

Le Nombre de voies par carte sont définies à l’avance (8 à 16 voies max)

- Maitrise dans les études de détail- Harmonisation technique entre les soumissionnaires- Répartition des Cartes E/S par zones

Redondance intrinsèque, native et automatique

Redondance complète de tous les nœuds du système et sans nécessité de redémarrage (modules, synoptiques, stations,….)

- Plus de fiabilité et de flexibilité- Possibilité de modification (logiciel et matériel) à chaud- Rapidité de basculement

Inspection et Contrôle du Système

Le système fait son propre auto contrôle et auto surveillance

Maîtrise des performances du système


EXPÉRIENCE DE OPC JORF LASFAR DANS LE DOMAINE DES DCS

ITEM STANDARDS REQUISPAR OCP INTÉRÊT ET AVANTAGE

Redondance

Redondance des Contrôleurs, des alimentations, des Cartes servant des zones névralgiques, des réseaux des communication

Plus de fiabilité et de flexibilité

Archivage

- Archivage longue durée des paramètres de production (Logiques et Analogiques) avec courbes.- Enregistrement des événements- Précision élevée

- Analyse des courbes et des tendances de production.- Diagnostic des défauts de maintenance- Aide à la décision

Auto détermination des paramètres de régulation

Le calcul des paramètres des régulateurs est automatique en mettant au point la marge de fonctionnement optimum

- Bonne maîtrise de la marche du procédé- Réglage rapide et sûr surtout en cas de changement des formules de production

Contrôle AvancéCommande Adaptative (réseau neurone) , Logique Floue, Commande Prédictive

- Maîtrise très performante du procédé- Modélisation et simulation du procédé

Ouverture et communication du DCS vers l’extérieur

Utilisation des standards OPC Communication avec les autres systèmes pour l’échange des données


OUVERTURE DU DCS ET SA CONNEXION SUR LE RÉSEAU LOCAL

Avant

Gestion du Matériel et de

l’Energie


l’Energie

ContratsContrats

Programme de

Production

Programme de

Production

Cellule Etude et Amélioration de la

Production


Production

ComptabilitéComptabilité

Assurance Qualité

Assurance Qualité

Service Expédition et

Chargement de la

Production


Chargement de la

Production

Commande Production

Commande Production

Gestion de la Maintenance


Contrôle de la

Production

Contrôle de la

Production


OUVERTURE DU DCS ET SA CONNEXION SUR LE RÉSEAU LOCAL

Après

ContratsContrats

Programme de

Production

Programme de

Production


l’Energie


l’Energie


Production


Production

ComptabilitéComptabilité

Assurance Qualité

Assurance Qualité


Chargement de la

Production


Chargement de la

Production

Commande Production

Commande Production



Contrôle de la

Production

Contrôle de la

Production

Contrôle de la Production: Interactions en temps réelContrôle de la Production: Interactions en temps réel


CONTRÔLE AVANCÉ : Introduction

Ensemble des techniques et stratégies de contrôle (algorithmes, méthodes de calcul,…) ayant pour objectif d’assurer une meilleure maîtrise du procédé pour:

Améliorer le rendement de l’unité Améliorer la qualité des produits Augmenter la productivité Réduire les coûts énergétiques S’adapter à des variations de productions Maîtriser les phases critiques de conduite Aider à la conduite et au diagnostic du procédé Réaliser des modèles statiques et dynamique du procédé


CONTRÔLE AVANCÉ: Panorama des solutions

Une solution de contrôle avancé s’appuie sur

Des méthodes de conception

• Identifications• Recueil d’expertise• Simulation

Une technique de contrôle avancé

• Régulation à modèle interne• Commande Prédictive• Logique Floue• Réseaux de Neurones

Des outils de réalisation

• Logiciels de simulation• Logiciels applicatifs• Suite logicielle DCS


CONTRÔLE AVANCÉ: Commande Prédictive

Le régulateur calcule la séquence de commandes qui minimisera les écarts entre la sortie prédite par le modèle du procédé et la sortie désirée fournie par un modèle de référence

• La commande prédictive intègre des spécifications de contraintes• Les outils multi variables s’appuient sur des algorithme prédictifs

0

Consigne

t

Mesure

t

Commande future

Trajectoire estimée (fournie par le modèle de procédé)

Trajectoire de référence fournie par le modèle de référence

Distance à minimiser


LOGIQUE FLOUE: Principe

• Pour chaque variable d’entrée/sortie, on définit des fonctions d’appartenance. Elles permettent de convertir

Les mesures (entrées) en variables floues Les commandes Floues (calculées par le régulateur flou) en commandes

(sorties) acceptable par le procédé • Le Régulateur logique floue possède trois opérations de bases:

La fuzzification Conversion du signal d’entrée en valeur logique floue (Quantitatif > Qualitatif)

Inférence (Calcul de la commande) La défuzzification (Conversion de la valeur logique floue en signal (Qualitatif >

Quantitatif).

FUZZYFUZZY

CONVERSION

Valeurs absolues en valeurs floues

1

REGLES FLOUES

Application des règles floues

2

CONVERSION

Calcul de la sortieà partir des valeursfloues

3

Signal d ’entrée Signal de sortie


Rule 1 — Si le niveau est Bas et le débit Haut, alors la vanne est Fermée.

Rule 2 — Si le niveau est Haut et le débit Haut, alors la vanne est Ouverte.

Rule 3 — Si le niveau est Haut et le débit Bas, alors la vanne est Normal.

Les règles sont exécutées à chaque cycle.

Low High

Level

Low High

Inlet Flow

Closed Open

Weighted Average or Centerof Gravity = Calculated valve position

Normal

1

3

2

LOGIQUE FLOUE: Principe


CONTRÔLE AVANCÉ: LES RÉSEAUX NEURONES ‘‘Commande Adaptative’’

• Objectifs Capteurs de mesures virtuels là ou

l’instrumentation actuelle est incapable de donner une mesure physico chimique en temps réel.

Typiquement pour remplacer des analyses effectuées périodiquement en laboratoire.


CONTRÔLE AVANCÉ: LES RÉSEAUX NEURONES

Le Réseau Neurone établi lui même ses règles à partir de situations qui lui sont présentées.

• Neurone: Processeur qui calcule la somme pondérée des entrées et

applique à cette somme une fonction de transfert non-linéaire (sigmöide)

• Principe de l’Apprentissage: L’Apprentissage se fait en comparant l’évolution d’une variable

donnée y à une évolution souhaitée Yref et s’effectue en ajustant les poids des liaisons entre Neurones de diverses couches le plus souvent par un algorithme de type rétro-propagation du gradient visant à minimiser la quantité J=(Yref-Y)²


LES RÉSEAUX NEURONES: MISE EN ŒUVRE

• Collecte des données —Cette opération est essentielle puisque les données procédé sont la seule base pour construire le réseau de neurone. La qualité des données détermine la qualité du modèle.

• Prétraitement des données — Cette opération est nécessaire parce que les données procédé temps réels contiennent, des données en dehors des limites de commande que vous avez fixé, et probablement les données non désirées de différentes sources.

• Définition des variables et retard — Cette opération détermine les variables procédés importantes qui affectent significativement la variable à prédire. Des variables non significatives peuvent dégrader la précision de la prédiction.

• Apprentissage du réseau — Cette opération détermine le nombre de neurones et ajuste le poids des variables basés sur les données d’apprentissage.

• Vérification d’un réseau— Cette opération vérifie comment le fonctionnement du réseau en comparant la prédiction par rapport aux valeurs actuelles


LES RÉSEAUX NEURONES:MISE EN ŒUVRE – L’APPRENTISSAGE

L’apprentissage consiste à calculer:- les différents coefficients - le nombre de couches cachées nécessaires


APPLICATION AU PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4 : MESURE DES SULFATES

LIBRES

Unité Phosphorique JORF LASFAR

Les trois principales phases de fabrication comprennent :

• Le broyage : le broyage du phosphate brut a pour but d’augmenter la surface d’attaque du minerai par l’acide sulfurique.

• L’attaque filtration : Le phosphate broyé est attaqué par l’acide sulfurique concentré à 98,5% et l’acide phosphorique moyen (18 à 22% de P2O5) en milieux aqueux. Le mélange donne une bouillie. La filtration de cette bouillie consiste à séparer l’acide phosphorique 29% P2O5 du phosphogypse via un filtre rotatif. Le produit est ensuite stocké dans des bacs de décantation.

• La concentration : La fonction de la concentration de l’acide phosphorique est de permettre l’évaporation de l’eau pour obtenir un acide titrant 54% de P2O5.


• Le procédé consiste à faire réagir le phosphate avec l'acide sulfurique dans des conditions de température et de concentration en P2O5 tels que le sulfate de calcium précipité sous forme de gypse di-hydrate (CaSO4.2H2O).

• Phosphate + Acide sulfurique + Eau Acide phosphorique + Gypse.

• La bouillie est ainsi formée d'une phase solide (gypse) en suspension dans une solution d'acide phosphorique (25 à 27% en poids de P2O5) et d'acide sulfurique (1.5 à 2% en poids) à une température d'environ 80°C.

• L'attaque est réalisée dans un réacteur

LE PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4: LA RÉACTION


LE PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4: LA FILTRATION

• L'obtention de l'acide phosphorique nécessite sa séparation du gypse. Cette opération est réalisée sur un filtre rotatif fonctionnant sous vide.

• La filtration de la bouillie engendre :

• L'acide phosphorique de production. • Le gypse (sous forme de cristaux solides).

H2SO4 Phosphore RéacteurAcide à 17%

Gypse Acide à 29%


• Durant la réaction, la mesure en continu des sulfates libres est un défi essentiel à relever. Le rendement du procédé est directement lié à la bonne maîtrise de cette valeur.

Rendement

Sulfate libre

ValeurOptimale

Excès de Sulfate =>« Cloquage »,sur-consommation de H2S04

Carence de Sulfate =>Phosphate non attaquéRésidus (gypse) riches en phosphates non valorisés

SO42-

LA PROBLÉMATIQUE DU PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4

http://fr.wikipedia.org/wiki/Image:Sulfate-3D-vdW.png


• Comparatif du fonctionnement avec une mesure continue par rapport à une donnée échantillonnée (1h)

1h 2h 3h 4h 5h 6h 7h 8h

L’opérateur ne voit la mesure que de l’échantillon précédent il voit donc son procédé avec 1 heure de retard

Dans ce cas l’opérateur voit Mesure = Consigne : Il ne fait rien alors que la vraie mesure est en dessous de la consigne

Dans ce cas, l’opérateur voit Mesure différent Consigne : Donc il agit sur le procédé alors que le procédé était à la bonne valeur

Con

sign

eLA PROBLÉMATIQUE DU PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4


LA PROBLÉMATIQUE DU PROCÉDÉ D’ACIDE PHOSPHORIQUE H3PO4

Retard:1heureDonnant aux opérateurs une vision erronée de l’état actuel de leur procédé

Mesure Laboratoire

Mesure réelle

1h 2h 3h 4h 5h 6h 7h 8h

Con

sign

e


Model of Process Control‘‘MPC’’

via DCS

Model of Process Control‘‘MPC’’

via DCS

Manipulé — • Débit Phosphate• Débit H2SO4

• Débit acide recyclage• Température attaque• Intensité agitateur• Pression Flash• Température Flash• Intensité Digesteur• Température Digesteur

Manipulé — • Débit Phosphate• Débit H2SO4

• Débit acide recyclage• Température attaque• Intensité agitateur• Pression Flash• Température Flash• Intensité Digesteur• Température Digesteur

Perturbation —

Le Débit de P2O5 à 17%.

Perturbation —

Le Débit de P2O5 à 17%.

Contrainte • le P2O5, le Sulfate Libre SO4,• la Température du réacteur et• le Delta de température entre la

température du refroidisseur et la température du réacteur.

Contrainte • le P2O5, le Sulfate Libre SO4,• la Température du réacteur et• le Delta de température entre la

température du refroidisseur et la température du réacteur.

AUTRESAUTRES

AUTRESAUTRES

RÉSEAUX NEURONES:LA SOLUTION ADOPTÉE

Contrôlé • le ratio H2SO4/Phosphate-Rock

(représentatif du taux de sulfate libre) ;

• la dépression pour le refroidissement (Cooler Vacuum Pressure).

Contrôlé • le ratio H2SO4/Phosphate-Rock

(représentatif du taux de sulfate libre) ;

• la dépression pour le refroidissement (Cooler Vacuum Pressure).


RÉSEAUX NEURONES:LA SOLUTION ADOPTÉE

Les mesures de densité du P2O5 et du sulfate libre SO42-

sont obtenues après analyse en laboratoire.Aussi 2 réseaux neurones sont prévus pour inférer ces valeurs de façon continue.

• Entrées Continues :• Débit de Phosphate ;• Débit d’acide fort à 29% (acide produit) ;• Débit d’acide moyen à 17% ;• Débit d’acide sulfurique ;• Débit d’eau de lavage ;• Température du réacteur ;• Température du refroidisseur (cooler - flash).

• Entrées Analysées :• Densité acide fort 29% ; Densité acide moyen 17% ;• Densité acide faible 5% ; Densité acide bouilli.


LA MISE EN ŒUVRE DU RÉSEAU NEURONES

La mise en œuvre nécessite 6 phases successives:

1. Sélection des données influentes2. Collectes des données3. Prétraitement manuel des données4. Apprentissage du réseau (calcul des coefficients

par résolution itérative de matrices) 5. Vérification de la précision du réseau6. Implémentation


PHASE 1: INVENTAIRE DES VARIABLES INFLUENTES SUR CETTE DONNÉE.

• Débit Phosphate

• Débit H2SO4

• Débit Acide Recyclé

• Température Attaque

• Intensité Agitateur

• Pression Flash

• Température Flash

• Intensité Digesteur

• Température Digesteur


PHASE 2: COLLECTE DES DONNÉES ÉCHANTILLONS LABORATOIRE & HISTORIQUES

• Une campagne de collecte des échantillons laboratoire pour la construction de la base de connaissance de l’algorithme.

• Les historique doivent être définis avec une période la plus basse possible avec une bande morte relativement faible.

• L’expérience montre qu’un minimum de 4000 points semble nécessaire pour entrainer correctement l’algorithme des Réseaux Neurones DCS

• Les opérateurs saisissent méticuleusement la valeur laboratoire et l’heure de prélèvement de l’échantillon (directement dans le système)

Dead Band

Œ


PHASE 3: PRÉTRAITEMENT DES

DONNÉES


PHASE 4: APPRENTISSAGE DU

RÉSEAU

• L’ Apprentissage » du réseau consiste à calculer les différents coefficients de l’algorithme

• Lorsque un nombre suffisant d’échantillons est disponible, on procède à l’apprentissage du réseau. Cet apprentissage consiste à calculer l’algorithme interne du réseau.

• S’il est assez facile de lancer l’apprentissage avec les valeurs par défaut, il est nécessaire de faire appel à un spécialiste pour affiner les réglages et obtenir une bonne précision.

• L’apprentissage terminé, l’algorithme est prêt à être téléchargé pour pouvoir donner aux opérateurs la mesure en continu des sulfates libres


PHASE 5: PROGRAMMATION DU RÉSEAU DANS LE DCS

• Le module ‘‘NN_SO4’’ est programmé dans une zone de test.

• Dans la phase de test cet algorithme peut tourner dans la station ingénieur pour ne faire aucune modification de l’installation existante => Cette station doit être continuellement opérationnelle.

• Dans une installation définitive ce module sera implanté dans le contrôleur pour bénéficier de l’autonomie et la redondance.


PHASE 5: MESURE DE LA PRÉCISION

• Cette phase consiste à mesurer la précision de la mesure virtuelle avec la mesure laboratoire (Coefficient de Corrélation)

• Le Réseau Neurones donne à présent une mesure.

• Pour vérifier que cette mesure soit correcte il est impératif de continuer à relever méticuleusement pendant un mois les valeurs suivantes

• Date/heure de la prise d’échantillon

• Valeur donnée par le laboratoire

• Valeur donnée par le réseau de Neurones

• Ce tableau permet de comparer sous forme graphique (courbe) et mathématique (Corrélation) la précision du réseau de Neurones

• Un compte rendu est établi pour afficher le résultat final


PHASE 6: IMPLÉMENTATION

Cette phase consiste à proposer des schémas de régulations pour exploiter la puissance de calcul du DCS:

• Pilotage en automatique l’actuelle régulation de rapport par un régulateur ‘‘MPC’’

• Design de l’application en mode automatique.

• Implémentation des nouveaux algorithmes et formations opérateurs

• Bilan et exploitation des résultats obtenus


SYMPHOS 2013

Merci pour votre attention

ehlal mounsif & el asri said symphos mai 2013 symphos 2013 potentiels de développement et...

Documents