Détection de Changement de Mode de Fonctionnement dans la Coulée Continue de l'Acier

Ce chapitre explore les méthodes existantes pour la détection de défauts dans les systèmes. Il mentionne des travaux utilisant l'analyse en composantes principales (ACP) pour la détection de défauts dans les lingotières de coulée continue ([Wang, 2012], [Zhang and Dudzic, 2006]). Des modèles ARX sont également cités pour la détection de défauts de surface ([Camisani-Calzolari et al., 2002]). De plus, une méthode pour détecter et corriger les collages afin de réduire les percées est évoquée ([Lee et al., 2009]). L'objectif est de contextualiser les approches qui seront développées par la suite, en présentant des méthodes existantes pour la détection des défauts dans un processus industriel complexe comme la coulée continue. La section sert de base de comparaison pour les approches proposées dans la thèse.

Cette section se concentre sur l'utilisation du filtre de Kalman pour la détection de défauts. Elle cite des travaux pionniers utilisant le filtre de Kalman pour la détection de défauts ([Mehra and Peschon, 1971], [Maqill, 1965]) et son application dans l'estimation adaptative de modèles multiples (MMAE) ([White et al., 1998], [Zhang and Jiang, 1999]). Des exemples d'applications du filtre de Kalman dans des domaines variés, comme le contrôle de vol d'avion ([Menke and Maybeck, 1992], [Menke and Maybeck, 1995]) et la détection de pannes dans les réfrigérateurs ([Yang et al., 2011a]), sont présentés. L'estimation paramétrique est également mentionnée comme une technique pertinente. Cette section sert de contexte et de comparaison pour les méthodes de détection développées plus tard dans la thèse, en montrant l'utilité du filtre de Kalman et de l'estimation paramétrique dans des problèmes similaires.

Cette partie traite des approches multi-modèles pour la représentation de systèmes complexes. Le principe de diviser un problème complexe en sous-problèmes simples est expliqué. L'utilisation de fonctions de pondération pour combiner les contributions des différents sous-modèles, avec la propriété de somme convexe, est décrite. La représentation de type Tagaki-Sugeno ([Takagi and Sugeno, 1985]) est mentionnée comme base pour cette étude. Des travaux liés sont cités ([Ichalal, 2009], [Orjuela, 2008], [Nagy Kiss, 2010], [Bako et al., 2011], [Domlan et al., 2009], [Hallouzi et al., 2006]). La complexité du cas où les modèles sont inconnus, nécessitant l'estimation simultanée des paramètres et le partitionnement des données, est abordée. Des références utilisant l'analyse en composantes principales pour résoudre ce problème sont mentionnées ([Jolliffe, 2002], [Vidal et al., 2003], [Kung Sik and Howell, 1986], [Bilmes, 1998]). Cette section explore les approches alternatives à la méthode principale de la thèse.

Ce chapitre introduit la méthode du gradient des résidus pour la détection et l'identification du mode de fonctionnement d'un système. L'objectif est de déterminer à chaque instant le mode actif en utilisant uniquement les entrées et la sortie du système. La méthode repose sur l'évaluation du gradient du résidu du modèle global du système (obtenu par la multiplication des modèles locaux de chaque mode de fonctionnement) par rapport aux variables d'entrée et de sortie. Le chapitre pose les bases théoriques de cette méthode, qui sera par la suite appliquée au cas concret de la coulée continue. La méthode est présentée comme une alternative aux techniques de détection de défauts vues dans le chapitre précédent, offrant une approche différente pour identifier les changements de mode de fonctionnement d'un système. Elle se distingue par son approche basée sur l'analyse du gradient des résidus.

Cette section détaille la méthode du gradient des résidus, en abordant son application à des systèmes multi-sorties. Le problème de la détection du mode actif dans le cas multi-sorties est ramené à une analyse simultanée des vecteurs gradients obtenus pour chaque sortie. Une procédure de décision est nécessaire pour classer les composantes de ces vecteurs et déterminer le mode de fonctionnement actif. La méthode est étendue aux systèmes comportant 'n' variables explicatives, en utilisant une approche récursive pour ajouter des variables supplémentaires si nécessaire. La section explique comment la méthode s'adapte à la complexité croissante du système avec plusieurs sorties et un nombre variable de variables explicatives. La capacité d'adaptation de la méthode à des configurations plus complexes est un point crucial pour son application à des systèmes réels.

Cette partie traite de l'impact du bruit de mesure sur la méthode du gradient des résidus. Un exemple simple avec une seule variable explicative est utilisé pour illustrer le comportement de la méthode en présence d'un bruit borné. Dans cet exemple, même avec un bruit inconnu mais borné, la distinction entre les modes reste possible tant que les segments de droites décrits par les points dans l'espace des gradients restent distincts. Cette analyse permet d'évaluer la robustesse de la méthode face aux perturbations et aux incertitudes liées aux mesures réelles. La capacité de la méthode à fonctionner malgré un bruit de mesure est essentielle pour son application à des données industrielles, souvent bruitées.

Cette section applique la méthode du gradient des résidus au modèle mécanique de la lingotière de coulée continue, développé au chapitre 1. Le simulateur mécanique est utilisé pour générer des données de simulation où le coefficient de frottement varie selon un schéma prédéfini. L'objectif est de tester la capacité de la méthode à détecter les changements de ce paramètre, qui représente un mode de fonctionnement du système. La section souligne la difficulté d'appliquer la méthode directement sur des données réelles, car le mode en défaut (le collage) est de courte durée et les frottements ne sont pas linéaires. Cette difficulté motive l'approche par système partiellement supervisé dans la section suivante. L'utilisation du simulateur permet de contrôler précisément les données de simulation et de mieux évaluer la performance de la méthode avant son application sur des données industrielles réelles.

Cette section détaille l'application de la méthode du gradient des résidus au modèle thermique de la lingotière. Le simulateur thermique du chapitre 1 fournit les données pour la simulation. Seules les températures aux emplacements des thermocouples sont utilisées, reflétant les mesures disponibles en situation réelle. Les résultats de simulation montrent que la méthode permet de détecter efficacement les variations de température liées à des changements de vitesse de coulée, illustrant la capacité de la méthode à suivre les variations du système dans son fonctionnement normal. En simulant un collage, la méthode détecte le défaut avec un léger décalage temporel (15 à 20 secondes) du fait de la propagation du collage dans la lingotière. Cette validation sur des données simulées est cruciale avant l'application sur les données industrielles.

Cette partie présente les résultats de l'application de la méthode du gradient des résidus sur des données industrielles réelles de la coulée continue. L'impossibilité d'utiliser la première équation du modèle mécanique en raison de la difficulté d'obtenir une mesure fiable de la force de traction est expliquée. L'application se concentre donc sur la deuxième équation. Les résultats obtenus sur les données industrielles ne sont pas satisfaisants pour la détection des collages, ce qui justifie le développement d'une méthode alternative, la méthode par rejet de mode, présentée au chapitre suivant. Les limitations de la méthode du gradient des résidus face aux données réelles complexes et bruitées de l'industrie sont mises en lumière, motivant la recherche d'approches plus robustes.

Ce chapitre présente une nouvelle méthode pour la détection des collages en coulée continue: la méthode par rejet de mode. Cette méthode, alternative à la méthode du gradient des résidus, est conçue pour pallier les limitations de cette dernière face à la brièveté des événements de collage et à la non-linéarité du système. Le principe du rejet de mode repose sur la comparaison entre des mesures et une prédiction obtenue via un modèle. La méthode s'appuie sur l'analyse des données thermiques pour caractériser les différents modes de fonctionnement (sain et collage), en utilisant un modèle de prédiction basé sur les températures mesurées par les thermocouples. L'efficacité de la méthode est évaluée en termes de taux de détection des collages et de réduction du nombre de fausses alarmes.

La méthode par rejet de mode est d'abord testée sur des données simulées pour valider sa performance. L'analyse des résultats de simulation montre la capacité de la méthode à suivre les variations de température dues aux changements de vitesse de coulée. Elle détecte le collage avec un léger retard (environ 20 secondes après son apparition), ce qui est cohérent avec la propagation du phénomène dans la lingotière. Une étude de type Monte-Carlo est réalisée sur plusieurs jeux de données pour déterminer la valeur optimale du paramètre 'h' (facteur multiplicatif pour le seuil de détection) qui permet d'obtenir le meilleur compromis entre taux de détection des collages et minimisation des fausses alarmes. La meilleure valeur trouvée est h = 6.5.

Cette section présente l'application de la méthode par rejet de mode sur des données industrielles réelles. L'analyse des données thermiques permet de distinguer le comportement des paramètres associés aux grandes et petites faces de la lingotière. Le taux de corrélation et l'erreur quadratique moyenne entre l'estimation et la mesure sont calculés pour chaque colonne de thermocouples. L'efficacité de la méthode est évaluée en comparant les résultats aux données provenant du système de détection déjà en place sur le site industriel. La méthode détecte 100% des collages, avec une réduction d'environ 50% des fausses alarmes par rapport au système existant. L'analyse des fausses alarmes révèle que certaines sont dues à l'usure de la lingotière, entraînant des variations de température interprétées à tort comme des collages. L'étude souligne la robustesse de la méthode et son potentiel pour améliorer la surveillance de la coulée continue.

La conclusion résume les résultats obtenus pour la détection des collages en coulée continue. La méthode du gradient des résidus, bien que théoriquement robuste, s'avère moins performante sur les données industrielles en raison de la brièveté des événements de collage et de la non-linéarité du système. La méthode par rejet de mode, en revanche, montre une efficacité significative, atteignant un taux de détection de 100% des collages testés et réduisant de 50% le nombre de fausses alarmes par rapport au système existant. L'analyse des fausses alarmes restantes a permis d'identifier des problèmes d'usure de la lingotière comme source d'erreur, soulignant l'importance de prendre en compte ces facteurs dans la conception de systèmes de surveillance plus robustes. Malgré son succès, la méthode par rejet de mode pourrait être encore améliorée par l'ajout de variables explicatives et l'optimisation des paramètres.

Les perspectives de recherche s'articulent autour de plusieurs axes. L'approfondissement de l'aspect théorique de la méthode du gradient des résidus est proposé, notamment en étudiant l'impact des incertitudes paramétriques sur la performance de la méthode. L'amélioration du modèle de prédiction utilisé dans la méthode par rejet de mode par l'intégration de nouvelles variables explicatives est suggérée, permettant ainsi d'accroître la précision et de réduire les fausses alarmes. L'application de la méthode du gradient des résidus à d'autres problèmes industriels est envisagée, notamment la détection de la fin du soufflage d'oxygène, un domaine où les conditions d'utilisation de la méthode seraient plus appropriées. L'extension de l'étude à un plus grand nombre de données industrielles sur une période plus longue permettrait une validation plus robuste des résultats et une meilleure compréhension de la méthode.