Home

T - Le serveur des thèses en ligne de l`INSA de Toulouse

1. 2 00E 03 2 00E 00 1 50E 00 1 00E 03 2 100 00 5 00E 02 gt 500E 01 0 00E 00 0 00E 00 Nmbre neurones couche cach e Nmbre neurones couche cach e mse apprent mse test e erreurM apprent erreurM test b Figure 3 7 Valeurs des crit res MSE et de l erreur moyenne pour la d termination du nombre d it rations a et du nombre de neurones dans la couche cach e b Les r sultats de pr diction ponctuelle obtenus sur l ensemble de test ind pendant sont illustr s sur la figure 3 8 Il montre la sortie calcul e par le r seau neuronal et la dose r ellement appliqu e valeur cible dans le cas du test du r seau pour l ann e 2003 On remarque que la r ponse du r seau ligne pointill e est tr s proche de la sortie cible Instrumentation et d veloppement d un capteur logiciel 77 L erreur moyenne ME repr sent e par le crit re C calcul par le r seau est de 0 210 lors de l apprentissage alors que celle calcul e sur les donn es de test ann e 2003 est 0 84 w m T N n ER n gt i S F 200 8 8 3 3 2 2 2 a oars D 4 4 4 4 150 200 250 100 150 200 250 300 chantillon Dose du coagulant appliqu mg l Figure 3 8 Dose de coagulant appliqu e et dose de coagulant pr dite ligne pointill e et avec le perceptron multicouche sur l ensemble de test L Analyse en Composantes P
2. 20 Figure 2 1 Introduction d outils de surveillance de diagnostic et d aide la d cision au niveau de la supervision ssesssrrsrrsrrsrrsrnsnnnennsnnssnnennensennsnnosnsrnsrrerrrerins 28 Figure 2 2 Sch ma g n ral de la supervision 30 Figure 2 3 Classification des m thodes de diagnostic DASH 2000 31 Figure 2 4 La forme observ e X est ici associ e la classe C5 36 Figure 2 5 Structure d un syst me de diagnostic par reconnaissance des formes 37 Figure 2 6 Structure g n rale du classificateur 4 38 Figure 2 7 Sch ma g n ral du calcul de l ad quation d un objet une classe 44 Figure 2 8 Algorithme g n ral de LAMDA e eterna eee tenet enene nes 47 Figure 2 9 Projection a dans l espace des variables b dans l espace des individus et c d composition de l ACP iii 51 Figure 2 10 Neurone formel sisi 52 Figure 2 11 Principales fonctions d activation a fonction seuil b fonction lin aire c fonction sigmoide d fonction gaussienne 52 Figure 2 12 Perceptron multicouche sis 54 Figure 2 13 a Surapprentissage l apprentissage est parfait sur l ensemble d apprentissage x et vraisemblablement moins bon sur le point de test o 150 Liste de figures b Apprentissage correct un bon lissage des donn es c Sous apprentissage apprentissage
3. DUBUISSON 2001 DUBUISSON B Diagnostic intelligence artificielle et reconnaissance des formes Hermes science ISBN 2 7462 0249 2 2001 DUCH et JANKOWSKI 1999 DUCH W JANKOWSKI N Survey of neural transfer functions Neural Computing Surveys 1999 2 163 213 EFRON et TIBSHIRANI 1993 EFRON B et THBSHIRANI R J An introduction to the Bootstrap New York Chapmann amp Hall 1993 EISEMBERG 1969 EISENBERG D and KAUZMAN W The structure and Properties of Water Oxford University Press New York and London 1969 FLAUS 1994 FLAUS J M La r gulation industrielle R gulateurs PID pr dictifs et flous Hermes Sciences Publications S rie automatique ISBN 2866014413 21 octobre 1994 FLETCHER et al 2001 FLETCHER I ADGAR A COX C S BOEHME T J Neural Network applications in the water industry The Institute of Electrical Engineers IEE pp 16 1 16 6 London UK 2001 FOTOOHI et al 1996 FOTOOHI F KORA R NACE A Saphir an optimising tool on a drinking water distribution networks Proceedings of Hidroinformatics 96 Zurich 1996 GAGNON et al 1997 GAGNON C GRANJEAN B THIBAULT J Modelling of coagulant dosage in a water treatment plant Artificial Intelligence in Engineering 1997 401 404 GALINDO 2002 GALINDO M AGUILAR MARTIN J Interpretaci n secuencial de encuestas con aprendizaje LAMDA Aplicaci n al diagn stico en psicopatolog a IBERAMIA 02 Iberoamerican Conference on Artif
4. Cette eau est en g n rale acide On dit qu elle est agressive Il y a typiquement deux probl mes distincts corriger une eau agressive et corriger une eau incrustante La correction d une eau agressive peut s effectuer de plusieurs fa ons Premi rement on peut liminer le CO par a ration Du fait de l limination du CO le pH augmente et se rapproche du pH d quilibre Deuxi mement on peut ajouter une base l eau L ajout de base permet d augmenter le pH et d atteindre le pH d quilibre La correction d une eau incrustante peut se faire soit par traitement direct soit en r duisant le potentiel d entartrage par d carbonatation Le traitement direct correspond un ajout d acide 1 3 Coagulation Floculation Le mot coagulation vient du latin coagulare qui signifie agglom rer MASSCHELEIN 1999 La couleur et la turbidit d une eau de surface sont dues la pr sence de particules de tr s faible diam tre les collo des Leur limination ne peut se baser sur la simple d cantation En effet leur vitesse de s dimentation est extr mement faible Le temps n cessaire pour parcourir 1 m en chute libre peut tre de plusieurs ann es La coagulation et la floculation sont les processus qui permettent l limination des collo des La coagulation consiste les d stabiliser Il s agit de neutraliser leurs charges lectrostatiques de r pulsion pour permettre leur rencontre La floculation rend compt
5. JOLLIFFE 1986 JOLLIFFE I T principal components analysis Springer Verlag Press 1986 KAVURI et VENKATASUBRAMANIAN 1994 KAVURI S N VENKATASUBRAMANIAN V Neural network decomposition strategies for large scale fault diagnosis International journal of control 59 3 pp 767 792 1994 KEMPOWSKY 2004a KEMPOWSKY T Surveillance de proc d s a base de m thodes de classification Conception d un outil d aide pour la d tection et le diagnostic des d faillances These de doctorat Institut National des Sciences Appliqu es Toulouse France d cembre 2004 KEMPOWSKY 2004b KEMPOWSKY T SALSA user s manual Rapport LAAS CNRS no 04160 2004 KEMPOWSKY et al 2006 KEMPOWSKY T SUBIAS A AGUILAR MARTIN J Process situation assessment From a fuzzy partition to a finite state machine Engineering Applications of Artificial Intelligence In Press Corrected Proof Available online 11 April 2006 KOSKO 1986 KOSKO B Fuzzy entropy and conditioning Information Sciences vol 40 pp 165 174 1986 LAMRINI et al 2005 LAMRINI B BENHAMMOU A LE LANN M V KARAMA A A neural software sensor for on line prediction of coagulant dosage in a drinking water treatment plant Transactions of the Institute of Measurement and Control 2005 LAMRINI et al 2005 LAMRINI B LE LANN M V BENHAMMOU A LAKHAL K Detection of functional states by the LAMDA classification technique application to a coagulation pro
6. f Si F F j f 6 i 5 7 a F j 6 i a 6 i 4 5 6 i 6 i a sont les donn es du signal d entr e a largueur de la fen tre C est le param tre amplitude de la fen tre qui calcule le nombre de p riodes du signal chantillonn F j la fen tre cr e l instant j constitu e par les donn es du signal d entr e Le g n rateur de fen tre produit l instant j une fen tre qui correspond l instant de la derni re donn e d entr e de la fen tre t j t 0 La p riode d actualisation de la fen tre est T dT d est le d placement de la fen tre et 7 la p riode d chantillonnage Observant que la fen tre Fest li e l index indicateur d ordre j le signal d entr e est constitu par les donn es chantillonn es aux instants i N ro 4 6 Eee J T F avec tr tro tal Ce mod le est repr sent comme un bloc S FUNCTION de SIMULINK dans la librairie ABSALON Figure 4 2 86 M thodologie g n rale pour la surveillance des proc d s de production d eau potable GENFEN Tp a b Figure 4 2 a G n rateur de fen tre et b du bloc S FUNCTION D finition 2 Analyseur de fen tre Un analyseur de fen tre ANAFEN est un quadruplet ANAFEN S F Q y Tel que Ss le signal de sortie du analyseur de fen tre F l univers de la fen tre Q param tres caract risant la fen tre y fonction d analyse de la fen tre avec y F
7. intersection conjonction logique un objet aura une ad quation lev e une classe seulement si tous les attributs de l objet ont un degr d ad quation lev pour cette classe Au contraire dans le cas de l op rateur d union disjonction logique le fait que l un des attributs pr sente un degr d ad quation marginale lev sera suffisant pour consid rer cet objet ad quat la classe correspondante Cependant il est normal de rencontrer des situations o nous ne pouvons pas tre assez exigeant pour utiliser l op rateur d intersection mais pour lesquelles l op rateur d union serait trop permissif Pour ces situations des op rateurs mixtes d agr gation lin airement compens s ont t propos s Ces op rateurs ont un comportement r glable allant de l union a l intersection Nous sommes alors capables d ajuster l exigence de la m thode Le sch ma g n ral du calcul de l ad quation d un objet une classe est repr sent sur la figure 2 7 44 Supervision et diagnostic des proc d s de production d eau potable attribut x en Cj Mijn attribut x en C Mo Ad quation de x la classe C e Degr d Ad quation attribut x en C Globale DAG Mic Degr d Ad quation Marginale DAM Figure 2 7 Sch ma g n ral du calcul de l ad quation d un objet une classe Bien qu on soit oblig en pratique d assigner une seule classe chaque l ment le r
8. v nements qui peuvent tre ex cut es en parcourant l automate partir de l tat initial Cet ensemble correspond un langage issu de l alphabet gt exprim par une expression permettant d agr ger les s quences d v nements r p titives Ainsi l expression ap alu e a a2 22 60 Supervision et diagnostic des proc d s de production d eau potable correspond l automate de la figure 2 15 est une s quence de longueur nulle qui correspond a un v nement vide et ap alu indique que chacune des s quences af ou alu peut tre ex cut e autant de fois que l on veut a arr t m marche Q lt a m p amp B A H A a am m B a m 4 p p u a Go p panne a d but du travail B fin du travail panne de la machine u r paration de la machine Figure 2 15 Automate d crivant une machine simple a mod le formel b repr sentation graphique Un des objectifs de notre travail est de mettre en place partir des r sultats de la classification un mod le des tats fonctionnels et des transitions entre ces tats Pour l laboration de ce mod le tats discrets nous devons d terminer les tats fonctionnels et identifier les transitions entre ces tats Nous pr sentons dans le chapitre 5 les r sultats de l application de la m thode de construction de l automate 2 7 Evolution de la fonction maint
9. C j 0 P_ Degr d Ad quation Globale GAD X C Affectation de X a la classe AUTO APPRENTISSAGE RECONNAISSANCE ENSEMBLE de CLASSES Mise a jour Cr ation classe G G Cks1 Figure 2 8 Algorithme g n ral de LAMDA Actualisation des param tres Enfin l actualisation des param tres associ s aux descripteurs quantitatifs se fait de la fa on suivante Kee Pi r J LJ Pi P t 2 11 N 1 o N est le nombre d objets attribu s a cette classe Pour proc der s quentiellement il est n cessaire de conna tre le nombre d l ments ayant servi au calcul des param tres de la classe correspondante On peut cr er aussi l aide de la classe NIC une nouvelle classe qui va tre caract ris e par l affectation d un l ment cette classe X est le premier l ment d une nouvelle classe Cx et la repr sentation de cette nouvelle classe d pendra de cet 48 Supervision et diagnostic des proc d s de production d eau potable l ment On prendra un param tre fictif N correspondant au nombre d l ments de la classe NIC gt Xi Pio N 1 Dans le cas de l auto apprentissage toute classe a d tre initialis e par la Pio Pio 2 12 classe NIC c est pourquoi la formule de la mise jour doit contenir ce param tre fictif N et elle devient Xi Pix i 2 13 Pa Pa N N l Le param tre N gt 0 d termine l initialisation de l apprenti
10. Figure 5 14 Validation des transitions pour la p riode d tiage 2001 2002 118 Figure 5 15 Identification en ligne des tats de la station SMAPA lors de la p riode d tiage 2003 2004 a Ensemble de test b Classes identifi es lors de la reconnaissance alarme d tect e 119 Figure 5 16 Validation des transitions pour la p riode d tiage 2003 2004 119 Figure 5 17 L automate pour la station SMAPA durant l tiage apr s validation des CraNSItIONS seras a siege da re en een a es eee eine Roe 120 Figure 5 18 Reconnaissance en ligne des donn es de test a pour la p riode d tiage 2001 2002 b pour la p riode d tiage 2003 2004 120 Figure C 1 La proc dure it rative RMSE ME 148 These de Monsieur Hector HERNANDEZ DE LEON SUPERVISION ET DIAGNOSTIC DES PROCEDES DE PRODUCTION D EAU POTABLE RESUME L objectif des ces travaux est le D veloppement d un outil de supervision diagnostic d une station de production d eau potable dans son ensemble Avant de s int resser la station dans son ensemble il est apparu que l unit de coagulation floculation tait une tape cl dans la production de l eau potable La premi re partie de la th se a donc consist d velopper un capteur logiciel permettant de pr dire en ligne la dose de coagulant sur la base des caract ristiques mesur es de l eau brute l aide de r seaux de neurones La deuxi me partie de
11. La r solution d un probl me de reconnaissance de formes se ram ne finalement la d termination des fronti res entre classes Comme montre la figure 2 4 la connaissance des fronti res entre classes permet l affectation d une nouvelle observation l une d entre elles c est l op ration de classification La r solution d un probl me de reconnaissance de formes n cessite a la d finition pr cise des k classes entre lesquelles va s op rer la d cision b Le choix d un jeu de caract res pertinents pour la discrimination des vecteurs des formes et c 36 Supervision et diagnostic des proc d s de production d eau potable l laboration d un classificateur permettant l affectation d une forme observ e a l une des classes Fronti res entre X2 Forme observ e Figure 2 4 La forme observ e X est ici associ e la classe Cs La d marche expos e pr c demment peut tre appliqu e avec profit au diagnostic d une installation industrielle Dan ce cas les n param tres du vecteur forme r sultent de mesures r alis es sur le syst me surveiller et des observations r alis es par les op rateurs en charge de l installation Une bonne connaissance de l installation permettra de choisir les param tres le plus adapt s Ces param tres une fois choisis sont mesur s en permanence sur l installation surveiller Par suite des bruits de mesure et des diverses perturbations auxquelles le syst me
12. Si un nouveau d faut d tect arrive alors il faut actualiser le mod le de comportement en ajoutant une nouvelle classe qui repr sente cette d faillance Il est possible que des op rations anormales dans un proc d n aient pas t d tect es cause d un manque de descripteurs pour en faire le diagnostic Ceci veut dire que le syst me de diagnostic n est pas capable de d tecter le d faut il confond ce d faut avec l op ration normale du proc d mais que la d tection a t r alis e par l op rateur Dans ce cas il faut cr er une nouvelle classe qui repr sente le d faut non d tect Le plus important dans l identification d un nouveau d faut est de ne pas le confondre avec un autre dysfonctionnement connu Dans le cas d une confusion il faut refaire la conception du mod le en modifiant les param tres du syst me de diagnostic 4 2 4 Strat gie pour la validation des transitions Le principe de la surveillance d un processus dynamique partir d une m thode de classification consiste d terminer a chaque instant l tat fonctionnel qui a M thodologie g n rale pour la surveillance des proc d s de production d eau potable 93 pr alablement t associ avec un tat fonctionnel du syst me C est pourquoi dans la phase d exploitation il s agit de d cider a chaque instant de mesure quel est l tat de fonctionnement Cette d cision est particuli rement d licate prendre lors des t
13. ad quation avec connectifs Le degr d appartenance a une classe est calcul a partir des valeurs de ses descripteurs Ces valeurs contribuent au calcul de l ad quation a chaque classe au moyen de degr s d ad quations marginales fournis par des fonctions de distribution floue gt Connectifs L agr gation des ad quations marginales se fait a partir de connectifs de la Logique Floue c est a dire d une t norme et de son dual la t conorme ou s norme Les principales propri t s de LAMDA gt On peut choisir les fonctions d appartenance de la Logique Floue qu elles soient associ es certaines distributions probabilistes Binomiale gaussienne gt On peut choisir les connectifs parmi des familles de t normes produit probabiliste min max de Zadeh t normes de Frank t normes de Yaguer gt On peut ajuster le degr d exigence par l introduction de connectifs mixtes lin airement compens s une grande exigence consid rera plus d l ments non reconnus et en cas d auto apprentissage cr era plus de classes Il est possible d obtenir des classifications diff rentes du m me groupe d objets ordonn es par rapport au concept d exigence gt On peut g rer des variables qualitatives et quantitatives simultan ment par le choix de fonctions d ad quation marginale tenant compte des modalit s gt Il peut s adapter une situation voluant au cours du temps en raison d un apprentissage
14. chantillonnage d acquisition doit donc tre fait de fa on a ce que le signal chantillonn donne une repr sentation correcte du signal continu Pour ce faire la p riode d chantillonnage Te doit respecter la condition de Shannon FLAUS 1994 l 4 9 pen 2 fas OU fmax est la fr quence maximale contenue dans le signal Pour satisfaire ce crit re il est possible gt Soit de le filtrer analogiquement de fa on r duire fmax gt Soit d acqu rir les signaux avec une fr quence multiple de la fr quence d chantillonnage f k f ou T T k puis de r aliser un filtrage num rique afin de sous chantillonner les mesures figure 4 4 88 M thodologie g n rale pour la surveillance des proc d s de production d eau potable chantillonnage chantillonnage T T KT Filtre Mesure num rique discretis e Mesure Filtre analogique Figure 4 4 Filtrage analogique et num rique des signaux En g n ral avec les automates et les syst mes de conduite actuels la seconde solution est la plus facile mettre en uvre car leur temps de cycle est nettement inf rieur aux constantes de temps des divers signaux rencontr s sur le proc d Par contre une telle approche g n re un nombre de points important Nous verrons dans la suite comment r duire ce nombre en r alisant un filtrage num rique du signal Le filtrage des donn es consiste s assurer que la condition de Shannon est respect e une
15. glementation de plus en plus stricte de la pr sence de coagulant r siduel dans l eau trait e et la diminution des contraintes et des co ts de fonctionnement co ts des r actifs et des interventions humaines Dans les sections 1 3 et 1 4 nous nous focaliserons davantage sur l aspect physico chimique de la coagulation floculation et la filtration respectivement 1 2 4 Oxydation D sinfection La d sinfection est l tape ultime du traitement de l eau de consommation avant distribution Elle permet d liminer tous les micro organismes pathog nes pr sents dans l eau DEGREMONT 2005 Il peut cependant subsister dans l eau quelques germes banals car la d sinfection n est pas une st rilisation Le principe de la d sinfection est de mettre en contact un d sinfectant une certaine concentration pendant un certain temps avec une eau suppos e contamin e Cette d finition fait appara tre trois notions importantes les d sinfectants le temps de contact et la concentration r siduelle en d sinfectant Une bonne d sinfection via les r actifs oxydants demande la combinaison d une concentration C avec un temps de contact T c est le facteur C T mg min L Cette valeur varie avec les micro organismes concern s le type de d sinfectant et la temp rature Les quatre principaux d sinfectants utilis s en production d eau potable sont les suivants gt Le chlore gt Le dioxyde de chlore gt L ozone gt Le ra
16. le dioxyde de chlore est un oxydant plus puissant que le chlore qui repr sente une alternative int ressante l utilisation du chlore lorsque celui ci entra ne des probl mes de qualit d eau Processus de production de l eau potable 9 Enfin depuis quinze vingt ans on utilise comme oxydant l ozone qui non seulement a l avantage de d truire les mati res organiques en cassant les cha nes mol culaires existantes mais galement a une propri t virulicide tr s int ressante propri t que n a pas le chlore G n ralement utilis e en d sinfection finale cette technique peut tre mise en uvre en oxydation Elle peut aussi tre employ e pour l am lioration de la clarification L un des avantages d une pr ozonation est l oxydation des mati res organiques et une limination plus importante de la couleur Un autre avantage est la diminution du taux de traitement taux de coagulant dans le proc d de clarification En somme la pr ozonation est une solution de substitution la pr chloration On vite ainsi les probl mes li s aux sous produits de la chloration N anmoins ce proc d ne r sout pas tous les probl mes car certaines algues r sistent l ozone De plus son co t reste beaucoup plus lev que celui au chlore 1 2 3 Clarification La clarification est l ensemble des op rations permettant d liminer les mati res en suspension MES min rales et organiques d une eau brute ainsi que des
17. li es de plus fortes Valeurs de la turbidit ont t les ann es les plus compliqu es en terme de fonctionnement pour la station Ceci a provoqu la suspension temporaire du processus de production d eau potable tant donn e la grande quantit de mati re en suspension que contenait l eau En effet les fortes pluies peuvent provoquer un mauvais fonctionnement des stations de pompage qui permettent le transport de l eau de la rivi re jusqu l unit Le tableau 5 1 et la figure 5 2 montrent les quantit s de sulfate d aluminium ajout es pendant les ann es 2000 2003 Ces quantit s sont li es directement la turbidit Table 5 1 Valeurs de dosage de r actifs sulfate d aluminium en millier de tonnes 2050 5950 5440 1600 2000 800 1650 700 4160 1350 1550 8050 40250 21120 5500 120540 99910 113263 83379 112430 148960 71265 85010 149910 91616 80320 150982 35150 51250 79275 29661 11700 37215 13550 12000 9550 104 Application de la m thode a la station de production d eau potable SMAPA Milliers A2000 s A2001 A2002 A2003 T gt E E T T 2 z 5 N o D o o A Figure 5 2 Dosage de r actifs sulfate d aluminium en millier de tonnes Les ann es o ont t utilis es de plus grandes quantit s de r actifs chimiques par exemple septembre 2003 co ncident avec le
18. re g n rale les m thodes sont s par es en deux cat gories suivant qu elles n cessitent explicitement un mod le du proc d ou qu elles sont bas es sur la possession d historiques de fonctionnement du proc d La premi re cat gorie repose sur une connaissance en profondeur du syst me incluant les relations causales entre les Supervision et diagnostic des proc d s de production d eau potable 31 diff rents l ments tandis que la deuxi me sur de la connaissance glan e partir d exp riences pass es on parlera aussi de connaissance superficielle apparente bas e sur l histoire du processus Une comparaison d taill e des diff rentes m thodes peut tre trouv e dans HIMMELBLAU 1978 MYLARASWAMY 1996 VENKATASUBRAMANIAN et al 1995 KEMPOWSKY 2004a Nous ne d crivons ci dessous que les principales caract ristiques de ces deux familles les m thodes a base de mod les et celles base d historiques du proc d M thodes de diagnostic M thodes a base de M thodes partir des mod les donn es historiques Mod les causaux M thodes M thodes M thodes qualitatifs quantitatives qualitatives quantitatives e Arbres de e M thodes des e Syst mes e Analyse en composantes d faillances r sidus experts principales ACP e AMDEC M thodes de test e Quality Trend e R seaux de neurones e Digraphs d hypoth ses Analysis QTA e M thodes de reconnaissance de formes Figure 2 3 Classification
19. siduel SolTot pH Bic Chlorures DurTot Figure 5 1 Sch ma g n ral de la station SMAPA de production d eau potable Application de la m thode a la station de production d eau potable SMAPA 103 Pour la caract risation de la station la qualit et la quantit d information dont le responsable de la station dispose sont fondamentales L ensemble des donn es sont des mesures qui sont obtenues par l analyse de pr l vements journaliers Dans la base de donn es que nous utilisons dans cette tude toutes les donn es ont t ramen es un chantillonnage journalier pour rendre homog ne leur suivi 5 2 2 Aspects fonctionnels de la station Concernant le fonctionnement de la station de production d eau potable SMAPA on observe une forte d pendance aux ph nom nes saisonniers Il y a 2 saisons d une part la p riode d tiage approximativement partir de novembre qui correspond la p riode o il ne pleut pas D autre part la p riode appel e de pluies partir du mois de mai et jusqu en octobre De plus pendant le mois d octobre on a g n ralement une turbidit valeurs importantes tant donn es les fortes pluies qui peuvent se transformer en ouragans Le comportement de la station d pend fondamentalement des param tres de turbidit et de consommation de r actifs chimiques Presque toujours les ann es lors desquelles ont t utilis es de plus grandes quantit s de r actifs
20. t de disposer d au moins un an d archives de donn es pour d terminer un mod le de pr diction fiable capable de fonctionner sur une ann e compl te Une premi re analyse a consist effectuer une ACP afin de d terminer quelles sont les variables qui influent le plus sur la dose de coagulant Cette analyse nous permettra de s lectionner les variables pertinentes utiliser en entr e du r seau de neurones pour la pr diction du taux de coagulant 3 4 3 2 S lection des variables d entr e en utilisant l ACP Le pr traitement des donn es en utilisant l Analyse en Composantes Principales consiste a recueillir les diff rentes informations suivantes la matrice de corr lations les valeurs et I histogramme des valeurs propres et le cercle de corr lation gt La matrice de corr lations voir tableau 3 4 Dans le tableau 3 4 ont t report es les corr lations entre variables pour les 4 premi res composantes principales On peut observer qu il 72 Instrumentation et d veloppement d un capteur logiciel existe une forte corr lation entre des variables de deux groupes diff rents Un groupe de 5 variables la turbidit la couleur les solides totaux la mati re organique et la dose de coagulant et l autre de 3 variables le bicarbonate le chlorure et la duret total Le pH et la temp rature ne sont pas corr l s avec d autres variables La dose de coagulant est une variable passive 400 k
21. te de mani re acceptable les variations saisonni res de la qualit de l eau brute Nonobstant il sera sans doute n cessaire d effectuer un r apprentissage p riodique du syst me pour prendre en compte les diff rentes situations susceptibles d tre rencontr es et pour permettre l adaptation continue du syst me toute volution de la qualit de l eau brute Tableau 3 3 R sum statistique des param tres de l eau brute sur SMAPA Propri t Temp Couleur Turbidit S Totaux Mat Org pH Bicarb Chlorure Duret T Dose C Pt Co NTU ppm ppmOz pH ppm ppm ppm mg l Maximum 30 380 1948 1624 40 8 59 314 180 420 390 Minimum 19 1 1 8 296 0 9 7 5 106 14 113 4 Moyenne 24 96 19 42 76 36 602 4 3 28 8 26 190 47 13 257 39 48 22 Ecarttype 2 37 32 184 28 134 45 3 77 0 14 21 07 22 17 43 71 49 7 La figure 3 2 pr sente l volution des diff rents param tres mesur s en continu de la qualit de l eau au cours du temps Les mesures sont affich es en fonction de leur date d acquisition L volution de la dose optimale de coagulant au cours du temps est galement pr sent e sur la Figure 3 3 On constate de fortes variations de la turbidit durant la saison d t On remarque aussi que la turbidit le pH la couleur et la dose de coagulant sont fortement d pendants des ph nom nes saisonniers On voit ici tout l int r
22. 1 22 y d et de la d riv e de la fonction d activation f L erreur est une mesure du changement de la sortie RNA provoqu par un changement des valeurs des poids du r seau Dans l apprentissage non supervis des RNA contrairement au r seau pr c dent on utilise des donn es qui ne sont pas tiquet es a priori c est dire que les sorties ne sont pas explicitement connues Le r seau s auto organise pour extraire lui m me les donn es et les regrouper automatiquement L apprentissage a lieu souvent en temps r el avec des r seaux qui peuvent tre ventuellement boucl s Il est r alis l aide des informations locales contenues dans les poids synaptiques et dans l activation de neurones l mentaires Il existe un grand nombre des RNA apprentissage supervis et non supervis Les plus utilis s sont le perceptron le perceptron multicouche et les r seaux base radiale RBF pour l apprentissage supervis et le r seau de Hopfield et les cartes topologiques de Kohonen dans le cas de l apprentissage non supervis L architecture du RNA la plus tudi e est le r seau de neurones multicouche ou Multi Layer Perceptron MLP en anglais Figure 2 12 Il se compose de neurones distribu s sur plusieurs couches dont les neurones sont tous reli s aux neurones des couches adjacentes Les couches autres que celles d entr e et de sortie sont appel es couches cach es Il a t montr qu une seule couche
23. 145 INTRODUCTION GENERALE L industrie de l eau est sous une pression croissante pour produire une eau potable d une plus grande qualit au plus faible co t Ceci repr sente une conomie en terme de co t mais aussi en terme de respect de l environnement L objectif de ces travaux est le d veloppement d un outil de supervision diagnostic d une station de production d eau potable dans son ensemble Avant de s int resser la station dans son ensemble il est apparu que l unit de coagulation floculation tait une tape cl dans la production de l eau potable Elle permet d liminer les particules collo dales qui sont des sources de contamination par la suite Sa conduite dans la plupart des installations reste encore manuelle et requiert des analyses de laboratoire longues et co teuses La dose de coagulant injecter est la Variable principale utilis e pour conduire une unit de coagulation Actuellement le dosage est le plus souvent d termin par une analyse chimique effectu e en laboratoire appel e Jar test Cette technique d analyse n cessite un pr l vement et un temps d analyse relativement important et peut donc tre difficilement int gr e dans un syst me de surveillance et de diagnostic en temps r el de l unit Un surdosage de coagulant am ne des surco ts accrus de traitement tandis qu un sous dosage conduit un non respect des sp cifications en terme de qualit de l eau produite en so
24. 2 Mod lisation lin aire et s lection des mesures I ACP L ACP est une m thode d analyse multivariable qui a t souvent utilis e pour le traitement statistique de base de donn es multidimensionnelles L analyse factorielle en composantes principales est un traitement statistique de donn es dont le but est de repr senter et d expliquer les liaisons statistiques entre les ph nom nes Elle permet d identifier des variables sous jacentes ou facteurs qui expliquent les corr lations a l int rieur d un ensemble de variables observ es Elle est souvent utilis e pour r duire un ensemble de donn es et dans l agr gation de l information en identifiant un petit nombre de facteurs qui expliquent la plupart des variances observ es dans le plus grand nombre de variables manifestes On peut galement utiliser l analyse factorielle pour r sumer synth tiser et hi rarchiser l information contenue dans un tableau de n lignes les individus et p colonnes les variables Les n individus sont d cris par un nuage de p variables L information repr sent e par ce nuage revient la dispersion des n points Produire un r sum de cette information c est projeter ces points dans un espace de dimension inf rieure p le nombre de variables initiales Les axes de ce sous espace sont dits axes factoriels gt ou facteurs Chaque variable p porte en elle une part d information originale ou part d inertie et une part d information or
25. 240 270 300 330 3 0 30 60 90 120 150 180 210 240 270 300 330 360 jours jours Figure 5 3 Descripteurs de la qualit de l eau brute l entr e et la sortie pour l ann e 2001 Application de la m thode la station de production d eau potable SMAPA 107 De plus nous disposons de la dose de coagulant optimale inject e sur l usine en continu Cette dose de coagulant est d termin e par des essais jar test effectu s en laboratoire 1 3 3 b Figure 1 4 Rappelons que dans le chapitre 3 nous avons montr le d veloppement du capteur logiciel permettant la d termination automatique de la dose de coagulant Nous donnons pour m moire sur la figure 5 4 la dose de coagulant appliqu e et la dose de coagulant d termin e par le capteur logiciel Dose de coagulant mg L 0 30 60 90 120 150 180 jours l tiage Nov 2000 avril 2001 te Appliqu e Calcul e par RN 150 4 100 4 50 4 Dose de coagulant mg l 0 30 60 90 120 150 180 jours pluie mai oct 2000 Figure 5 4 Dose appliqu e et dose calcul e par le capteur logiciel pour la saison d tiage et la saison des pluies ann e 2000 2001 Nous observons sur la figure 5 4 pour tiage la diff rence d entre la dose appliqu e et la dose calcul e par le r seau de neurones Elle repr sente une conomie sur la quantit de coagulant ajout e donc une conomie en terme de co t mais aussi en terme de respect de l enviro
26. LUCA et TERMINI 1972 ont propos d utiliser comme fonction T quation 4 18 l entropie probabiliste de Shannon SHANNON 1948 appliqu e la paire form e par l l ment et son compl ment un dans l ensemble flou SAC HOG ln x HO Ind 1 x 4 18 Alors l expression de l entropie de De Luca et Termini est donn e par Hop Dek D S U x 4 19 o K eR est une constante de normalisation De nombreuses tudes ont montr la validit de cette expression comme mesure de l information floue AL SHARHAN et al 2001 Cependant d autres familles de fonctions avec la m me forme de base que celle de De Luca et Termini peuvent tre utilis es surtout dans le domaine de la prise de d cisions et la classification De LUCA et TERMINI 1972 De LUCA et TERMINI 1974 Elles sont toujours bas es sur les axiomes pr sent s en 4 14 et sous la forme de l quation 4 16 o w K et la fonction T est donn e par 96 M thodologie g n rale pour la surveillance des proc d s de production d eau potable TAG fua f HO 4 20 gt Indice de validation pour la transition d tats Le degr d appartenance d un individu exprime son ad quation a une classe En revanche dans le cas d une prise de d cision entre plusieurs groupes ou classes les degr s d appartenance expriment l ad quation d un individu plusieurs classes Dans le cas de la surveillance de syst mes dynamiques l individu est
27. Max 600 TurbDFS quantitatif Min 2 5 Max 2 5 pH qualitatif Modalit s individus PHB 5 pHN 170 pHH 5 DoseApp quantitatif Min 0 Max 150 Retrolavag quantitatif Min 0 Max 15 Pour suivre la m thodologie pr sent e au chapitre pr c dent l identification des tats fonctionnels de la station SMAPA pr sents dans l ensemble d apprentissage a t r alis e l aide d un auto apprentissage c est dire que le nombre de classes n est pas tabli a priori Seule la classe NIC existe La classification repr sent e sur figure 5 7 b a t obtenue en utilisant la fonction binomiale quation 2 7 8 2 5 1 2 pour le calcul des ad quations marginales DAM La famille des connectifs choisie pour obtenir l ad quation globale DAG est le Minimum Maximum avec un indice d exigence de Application de la m thode la station de production d eau potable SMAPA 111 Alfa 0 9 A partir de ces param tres 5 classes ont t obtenues Ces classes ont t interpr t es l aide du profil de classes de la figure 5 7 c Elles ont t associ es aux 5 situations pr sent es dans le tableau 5 3 Il y a 2 classes qui correspondent au fonctionnement normal et trois classes d alarme Algae pH turbidit haute augmentation des r trolavages Value Augmentation de 5 r trolavages gt 4 s lt Existence de algues 5 a d Le Augmentation 4 7 de la turbidit 2 a lt Normal
28. a une solution tr s incertaine Ceci est d en partie aux ambiguit s de nature qualitative qui y sont manipul es 2 4 1 2 Les m thodes quantitatives Elles reposent sur les relations math matiques qui existent entre les variables Un mod le essaie d exprimer ces relations sous une forme compacte Les mod les sont d velopp s en utilisant les lois fondamentales de la physique bilan de masse d nergie de quantit de mouvement ou des relations de type entr e sortie Ils peuvent tre dynamiques statiques lin aires ou non lin aires En g n ral ces m thodes utilisent la structure g n rique suivante Oe hee pa nee dt 2 1 y Cx Du avec les tats x les entr es u les sorties y les perturbations d et les fautes f Les m thodes quantitatives les plus connues sont les m thodes dites des r sidus et de tests d hypoth ses Les premi res incluent g n ralement deux grandes tapes la g n ration de r sidus et le processus permettant d identifier la cause Lorsque qu il y a faute les quations de redondance ne sont plus v rifi es et un r sidu r 0 se produit De mani re simplifi e r repr sente la diff rence entre diff rentes fonctions des sorties et les valeurs de ces fonctions sous des conditions normales en absence de faute La proc dure pour g n rer les r sidus peut aller de la redondance mat rielle l utilisation de m thodes complexes d estimation des tats et des
29. bact ries de la couleur et de la turbidit Tout filtre est compos de trois parties On retrouve le fond le gravier support et le mat riau filtrant Le premier l ment doit tre solide pour supporter le poids de l eau du sable et du gravier Il doit permettre la collecte et l vacuation de l eau filtr e le plus souvent par des buselures incorpor s et la r partition uniforme de l eau de lavage Le gravier a pour r le de retenir le sable et d am liorer la distribution de l eau de lavage dans le filtre Le lavage des filtres est r alis en inversant le sens d coulement de l eau C est pourquoi cette op ration est souvent appel e r trolavage Le sable est mis en expansion et les impuret s moins denses que les grains de sable sont d coll es par les ph nom nes de frottement intergranulaires La vitesse de l eau de lavage contre courant est limit e du fait des pertes possibles de mat riau On injecte donc de l air pour augmenter les turbulences afin de d coller efficacement les particules de flocs fix es sur les grains Durant la filtration le filtre s encrasse et par cons quent la perte de charge augmente Il faut veiller ne pas d passer la perte de charge maximale admissible d termin e lors de sa conception Pour conserver un encrassement acceptable du filtre il faut augmenter la hauteur de couche de celui ci Le temps pendant lequel on maintient un filtrant clair eau filtr e est pr
30. connaissance experte est toujours n cessaire pour la construction du mod le de r f rence il faut apporter l op rateur des moyens pour faciliter l analyse et l interpr tation des r sultats obtenus lors de l apprentissage au travers d une interphase graphique Nous avons propos une m thode de validation des transitions qui permet de mani re automatique pendant l tape de reconnaissance de ne pas tenir compte des classes mal conditionn es Cette approche permet d enlever les fausses alarmes ce qui am liore l interpr tation des classes pour la surveillance Un avantage de la m thode est que l analyse de l information se r alise uniquement par rapport aux degr s d appartenance instantan s et ne demande pas une analyse des attributs des donn es elles m mes ce qui dans de nombreux cas r duit consid rablement la dimension des vecteurs en pr sence Dans le chapitre 5 nous allons mettre en place le syst me de surveillance des proc d s de production d eau potable bas sur la classification Nous d taillerons les l ments prendre en compte et aussi nous rappellerons les prestations que doivent apporter les outils de supervision pour aider l op rateur dans la prise de d cisions 5 APPLICATION DE LA METHODE A LA STATION DE PRODUCTION D EAU POTABLE SMAPA 5 1 Introduction Apr s avoir pr sent la m thodologie g n rale pour la surveillance de la station SMAPA de production d eau potable nous donnons les
31. de dan da vu us d s dd L 8 ClarificatiOns cx ica eee een nn es a ae PE ewe 9 Oxydation D sinfection ss 10 Affina LS NS 11 Coagulation Floculation ss teen naan eee eaten 11 Les iparticuleS mis en JU is 25e einen ees sensagent tante dre a 12 But de la coagulation floculation ccceceeee eee eee e eee eee e neta sees eeeeeenaes 13 Lh COA QGUIATION DR tides aedaeitascnaye 14 ta TlOCULALIOM ss Rss ARR PR SS Ea ER See oe A 16 La d cantation flottation cccccccececeeeeceeeeeeeeeeeeaeeseseseeeeanesestaeeass 18 La fiItFAtION Ts aas RE LR N Se conde vi ive Te ARR RSR 19 D SINF CEION AREA A en S E E RL NEA NA Renan ent 20 Le chlore Chloration ii isissnnssnnsss 20 Ledioxyde d chlore isein anne seins dinde die EA EE EE GEATA 21 DOZON Cerere nana si naar nent nn ner diet nat teaser n 22 Le rayonnement OM Re Satan e re panne nine sonne Gene 22 fe 18 Le LUS Le RER EE cue da T eeeen easiaw kee dee 23 ii Table des mati res 2 2 D finitions et concepts g n raux 27 2 3 La supervision des proc d s cccsceseeeeeeeceeeeeeeeaeeaueauetegesatsaneaneanaeras 29 2 4 M thodes de diagnostic 30 2 4 1 M thodes base de mod les 31 2 4 2 M thodes partir de donn es historiques cccccccececeeeeeeaeeeeaeeeeaeas 33 2 5 Approche pour le diagnostic a base d analyse des donn es 34 2 5 1 Diagnostic par reconnaissance de formes 35 2 5 2 Mod lisation lin aire et s lection des
32. des experts du domaine ou de traiter de l information de nature qualitative A ce titre un certain nombre de travaux sur la m thodologie de mod lisation par r seaux de neurones artificiels des proc d s impliqu s dans la production de l eau potable ont t effectu s FLETCHER et al 2001 BAXTER et al 2002 PEIJIN et COX 2004 Des tudes r centes ont t r alis es LAMRINI et al 2005 sur la supervision des proc d s impliqu s dans la production de l eau potable en utilisant une m thode de classification floue m thode que nous pr senterons ult rieurement G n ralement un niveau sup rieur comme la supervision est superpos la boucle de commande afin d assurer des conditions d op ration pour lesquelles les algorithmes d estimation et commande sont efficaces Parmi les t ches sp cifiques de la supervision se trouvent la d tection des d faillances le diagnostic le changement des consignes et la reconfiguration de la loi de commande Ces t ches sont r alis es typiquement par des op rateurs humains qui prennent des d cisions apr s avoir valu la situation du proc d partir des variables observ es en utilisant leur connaissance d expert leur habilit naturelle pour r soudre des situations complexes et probablement aussi quelques r gles heuristiques Quelle que soit la branche de l industrie concern e les proc d s industriels sont de nos jours coupl s un ou plusieurs calculateurs nu
33. des filtres La mesure de la temp rature est essentielle elle est souvent utile pour les r acteurs biologiques et quelque fois pour l op ration de coagulation floculation La majeure partie des mesures de d bit s effectue en tuyauterie ferm e Elle est r alis e diff remment suivant le type de fluide eau brute ou eau trait e et selon la gamme de d bit La mesure de perte de charge est cruciale pour la conduite du proc d de filtration La temp rature de l eau est g n ralement mesur e l aide d un thermom tre r sistance afin de pouvoir tre transmise distance La mesure en continu d un certain nombre de param tres sp cifiques permet de lib rer l op rateur de l astreinte d analyse de routine et d optimiser les traitements en r duisant le temps de r ponse La turbidit est le param tre le plus important dans le proc d Elle permet de rendre compte de la transparence d un liquide due la pr sence de mati res en suspension non dissoutes En plus elle permet de conna tre le degr de pollution physique des eaux traiter ainsi que la qualit d une eau destin e a la consommation humaine Des corr lations sont souvent tablies entre turbidit mati res en suspension solides totaux et couleur La mesure en continu du pH d une eau est en particulier utilisable pour le contr le de la coagulation floculation de la d sinfection etc La mesure de l alcalinit et de la duret de l eau permet de reste
34. du mod le propos 4 2 Description g n rale de la m thode pour la surveillance de la station SMAPA La figure 4 1 illustre le sch ma g n ral de la m thode de diagnostic que nous proposons Elle est bas e sur l analyse d informations disponibles issues des capteurs quipant le processus de production d eau potable Cette m thode est bas e sur l analyse de donn es historiques et renferme quatre tapes diff rentes deux tapes hors ligne dans lesquelles les donn es sont pr trait es et analys es pour l obtention du mod le comportemental de la station SMAPA une troisi me tape est l analyse du comportement du processus obtenu o les donn es en ligne sont utilis es pour d terminer l tat courant attendu La derni re tape est celle consacr e la validation des transitions entre tats fonctionnels Une strat gie a t d velopp e partir de l analyse des Degr s d Ad quation Globale DAGs issus de l apprentissage et de la reconnaissance permettant de valider ces transitions Dans la suite nous pr sentons une description d taill e de chaque tape 4 2 1 Pr traitement des donn es en utilisant ABSALON ABStraction Analysys ON line Avant d appliquer la m thode de classification pour obtenir les classes qui permettent d identifier les tats fonctionnels repr sentatifs de la station les donn es doivent tre mises en forme HERNANDEZ et LE LANN 2004 C est l tape que nous pr sentons ic
35. est in vitablement soumis une suite d observations du vecteur forme X r sultant d un m me tat de fonctionnement du syst me ne va pas se retrouver en un seul point mais occupe une zone de l espace n dimensions Si les n param tres ont t bien choisis une forme correspondant un fonctionnement normal appartiendra une certaine zone ou classe alors qu une forme correspondant un autre mode de fonctionnement appartiendra une autre classe Ainsi chaque mode de fonctionnement peut tre repr sent au moyen d une classe de l espace de repr sentation La figure 2 5 pr sente la structure simplifi e d un syst me de diagnostic par reconnaissance des formes La fonction d observation a pour r le d laborer le vecteur forme partir des mesures et observations r alis es sur l installation La forme ainsi g n r e est appliqu e au bloc de classification permettant de r aliser son affectation l une des classes connues et au mode de fonctionnement correspondant La construction d un dispositif de diagnostic par reconnaissance de formes se d roule en trois tapes principales a la cr ation d une base d apprentissage qui regroupe un certain nombre de classes chacune correspondant un mode de Supervision et diagnostic des proc d s de production d eau potable 37 fonctionnement particulier du syst me b le choix d un classificateur que permettra de d cider de l appartenance d une nouvelle ob
36. et peut tre r duit l intervalle 0 1 par la formule de normalisation suivante X X 2 6 max min 46 Supervision et diagnostic des proc d s de production d eau potable Il existe plusieurs fonctions pour repr senter l appartenance d un descripteur Dans ce qui suit nous donnons les 3 fonctions que nous avons utilis es dans notre travail Binomiale floue C est une extension floue de la fonction binomiale AGUILAR MARTIN 1980 u x C pi 1 p js 2 7 Binomiale floue Centr e Cette fonction permet une partition autour des centres des classes WAISSMAN VILANOVA 2000 Le DAM est calcul alors par la proximit entre la valeur x observ e pour le descripteur j et le centre c du m me descripteur pour la classe i I x par prit i 2 8 des x x x ols c 2 Gauss Dans ce cas les relations utilis es sont rapprocher de celles donnant la moyenne et l cart type d une distribution gaussienne non normalis e aj u _ 265 2 9 Mx C ei O My eto correspondent respectivement la valeur moyenne et la variance du descripteur j pour la classe i Une fois que les DAMs ont t obtenus pour une classe le DAG doit tre calcul le DAG est obtenu par l agr gation des DAMs en utilisant les connectifs choisis PIERA 1991 L tape suivante consiste l aide du connectif d terminer le degr d appartenance globale DAG de l l ment X la classe C Les connectif
37. extraction qualitative d information d historique sont les syst mes experts ZWINGELSTEIN 1995 et les m thodes de mod lisation de tendance VEDAM et al 1995 Les m thodes d extraction d information quantitative peuvent tre amplement class es en non statistiques et statistiques Les r seaux de neurones repr sentent une classe importante des classificateurs non statistiques KAVURI et VENKATASUBRAMANIAN 1994 LEONARD et KRAMER 1990 L analyse en composantes principales ACP et les m thodes de classification ou de reconnaissance de formes constituent une composante majeure des m thodes d extraction des caract ristiques statistiques NONG et McAVOY 1996 2 4 2 1 M thodes qualitatives Les applications l aide de syst mes experts r alis es avec le plus de succ s ont t celles bas es sur des syst mes bas es sur de r gles pour la s lection structur e ou la perspective de classification heuristique du diagnostic Un syst me expert est un syst me informatique destin r soudre un probl me pr cis partir d une analyse et d une repr sentation des connaissances et du raisonnement d un ou plusieurs sp cialiste s de ce probl me Ils sont compos s de deux parties ind pendantes a une base de connaissances base de r gles qui mod lise la connaissance du domaine consid r et d une base de faits qui contient les informations concernant le cas trait et b un moteur d inf rences capable de raisonner
38. flottation est sup rieure la d cantation dans le cas de clarification d eaux de surface peu charg es en MES riches en plancton ou en algues et produisant un floc l ger d cantant mal Elle est pr conis e dans le traitement des boues Ce proc d est tr s souple d emploi Il permet un paississement simultan des boues directement Processus de production de l eau potable 19 d shydratables L efficacit de la flottation et de la d cantation peut tre valu e par le pourcentage de boues retenues la quantit de mati res organiques limin es et par la mesure de la turbidit 1 4 La filtration La filtration est un proc d destin a clarifier un liquide qui contient des MES en le faisant passer travers un milieu poreux constitu d un mat riau granulaire CARDOT 1999 En effet il subsiste de tr s petites particules pr sentes l origine dans l eau brute ou issues de la floculation La r tention de ces particules se d roule la surface des grains gr ce a des forces physiques La plus ou moins grande facilit de fixation d pend troitement des conditions d exploitation du filtre et du type de mat riau utilis L espace intergranulaire d finit la capacit de r tention du filtre Au fur et mesure du passage de l eau cet espace se r duit le filtre se colmate Les pertes de charge augmentent fortement Il faut alors d clencher le r trolavage La filtration permet une limination correcte des
39. fr quence plus faible Si Te est la nouvelle p riode d chantillonnage que nous prendrons gale a un multiple de la p riode d acquisition pour simplifier Te m Ta le filtrage doit liminer toutes les fr quences sup rieures 2 Te Les donn es tant sous forme num rique ce filtre ne peut tre que num rique Le plus souvent c est un filtrage du premier ordre du type x k a x k 1 1 a x k 4 10 Le filtrage est d autant plus fort que le coefficient est proche de 1 On peut aussi prendre une moyenne glissante sur m termes j AE ak 1 x Em 1 4 11 Xy k rs Cette seconde approche donne des r sultats corrects d s que m est sup rieur ou gal a 4 Pour choisir la constant de temps a du filtre du premier ordre on choisit comme fr quence de coupure att nuation de 3 dB c est a dire un gain de 0 7 la valeur suivante 4 12 ou le coefficient permet de choisir une marge de s curit La constante de temps du filtre s en d duit par Te p7 4 13 i 27T f BrT f RER ae e Tele eo Pile ne m Dans le cas o m 5 J 0 3 ona 0 8819 M thodologie g n rale pour la surveillance des proc d s de production d eau potable 89 4 2 2 Mod le de comportement du proc d Nous utilisons la m thodologie de classification LAMDA pour la construction du mod le du processus partir des donn es historiques Il est caract ris par un ensemble de classes qui permettent d iden
40. gards Je tiens exprimer mes remerciements Madame Monique Polit professeur l Universit de Perpignan ainsi qu Monsieur Josep Maria Fuertes professeur l Universit Polytechnique de Catalogne pour avoir accept d tre rapporteurs de ce travail et pour avoir fait des commentaires et remarques judicieux pour l am liorer Mes remerciements vont aussi Madame Tatiana Kempowsky ATER l INSA et Monsieur Naly Rakoto Ma tre assistant de l Ecole des Mines de Nantes pour avoir accept d tre examinateurs de ma th se et membres du jury La r alisation du travail pr sent dans ce m moire a t possible grace au support financier du peuple mexicain dans le cadre du programme DGEST SFERE et l Institut Technologique de Tuxtla Ces travaux de recherche ont t r alis s en collaboration avec la station de production d eau potable SMAPA de la ville de Tuxtla Guti rrez de Chiapas au Mexique Je tiens galement remercier Monsieur Raul Saavedra responsable de SMAPA et Messieurs Humberto Torres et Luis Perez responsables chimiques successifs de SMAPA qui ont toujours t pr ts r pondre mes interrogations techniques Ce travail n est pas uniquement le mien un grand nombre de personnes ont contribu a son aboutissement Je tiens remercier d une mani re tr s sp ciale tous ceux qui ont collabor avec moi A Tatiana et Antonio pour leur aide dans l application de LAMDA A Claudia et Eduard po
41. k et N le nombre d l ments dans la classe Ainsi Mi pada 02T 0 1 0 27 0 2275 nec 1 p x C 0 3775 px C 0 525 Alors la repr sentation de la classe C1 actualis e est C1 0 22 0 37 0 52 Par ailleurs si l l ment X avait appartenu a la classe NIC dans le cas o le minimum aurait t choisi comme connectif une nouvelle classe aurait t cr e en modifiant les parametres de la classe NIC selon la relation suivante x Pra B 5 Pri Pri T N 1 O No repr sente le nombre initial d l ments dans la classe z ro x 0 5 N 1 Dans notre exemple la nouvelle classe cr e C3 aurait eu comme param tres Px p xi C3 0 54 201 0 5 0 3 P32 plx C 0 3 Pag plx C 0 7 Pri lt 9 5 La repr sentation de la nouvelle classe C3 serait alors C3 0 3 0 3 0 7 ANNEXE C LA PROCEDURE ITERATIVE RMSE ME Annexe C La proc dure it rative RMSE ME 147 Dans la figure C 1 nous pr sentons la proc dure it rative RMSE ME moyenne quadratique erreur moyenne erreur pour obtenir une architecture du r seau de neurones optimale et ses valeurs du poids Ce proc d assure qu il n existe pas sur apprentissage Description de la proc dure 10 11 12 13 Partition de l ensemble des exemples en deux sous ensembles nomm s le sous ensemble d apprentissage et le sous ensemble de test DREYFUS et al 2004 Initialisation du
42. le de type lin aire sur l ensemble de test 77 Figure 3 10 Dose de coagulant appliqu e et dose de coagulant pr dite avec le perceptron multicouche sur l ensemble de test oct Minov 2003 et l intervalle de confiance MAX et MIN sise A a A D aAa nEaN 78 Figure 4 1 Description g n rale de la m thode pour la surveillance de la station SMAPA elenir EN Ae A eO AAE A EAE NATER SES 83 Figure 4 2 a G n rateur de fen tre et b du bloc S FUNCTION 86 Figure 4 3 L volution des variables dans une fen tre temporelle d observation 87 Figure 4 4 Filtrage analogique et num rique des signaux 88 Figure 4 5 Sch ma du diagnostic en ligne du proc d VU 92 Figure 5 1 Sch ma g n ral de la station SMAPA de production d eau potable 102 Figure 5 2 Dosage de r actifs sulfate d aluminium en millier de tonnes 104 Figure 5 3 Descripteurs de la qualit de l eau brute l entr e et la sortie pour l ann e 200 tir a a uni leslie TA O ener avis 106 Figure 5 4 Dose appliqu e et dose calcul e par le capteur logiciel pour la saison d tiage et la saison des pluies ann e 2000 2001 ccceceeesceceeeeeeaeeeeeeaees 107 Liste de figures 151 Figure 5 5 Ensemble des donn es brutes saison des pluies phase d apprentissage Mai Octobre 2000 scviiecidinter eiii seeria A AAAA AAAA ete n dans 109 Figure 5 6 Le descripte
43. mati res organiques dissoutes DEGREMONT 2005 Suivant les concentrations de l un et de l autre des diff rents polluants on peut tre amen pratiquer des op rations de plus en plus complexes qui vont de la simple filtration avec ou sans r actif jusqu la coagulation floculation d cantation ou flottation filtration La clarification comprend les op rations suivantes gt Coagulation gt Floculation gt Filtration La coagulation est l une des tapes les plus importantes dans le traitement des eaux de surface 90 des usines de production d eau potable sont concern es La difficult principale est de d terminer la quantit optimale de r actif a injecter en fonction des caract ristiques de l eau brute Un mauvais contr le de ce proc d peut entra ner une augmentation importante des co ts de fonctionnement et le non respect des objectifs de qualit en sortie Cette op ration a galement une grande influence sur les op rations de d cantation et de filtration ult rieures En revanche un contr le efficace peut r duire les co ts de main d uvre et de r actifs et am liorer la conformit de la qualit de l eau trait e En r sum le contr le de cette op ration est donc essentiel pour trois raisons la ma trise de la qualit de l eau trait e en sortie diminution de la turbidit le contr le 10 Processus de production de l eau potable du coagulant r siduel en sortie r
44. mesures l ACP cccsceeeeeeeeeeeees 49 2 5 3 L s r s aux d NEUrONGS csi vaedies wa gretoasdotees ER NN ates estate tenta 51 2 6 Les automates tats finis is Sirrin nni ien eaaa a A aoi a Teba 59 2 7 Evolution de la fonction maintenance s ssessssrrrrrrrresssrnnrrrrrreeen 60 2 7 1 La maintenance corrective s ssssssesserrrsrrnrennrerenrresnanrnnnnsrenrnsrnnrenn 61 2 7 2 La maintenance pr ventiVe s eserrsrrrrrrrrssrrerrrrnsrrrrrrrresrrerrrreernne 62 2 8 CONCIUSI ON I T AE E E Ten E T E E E E T eee 63 3 Instrumentation et developpement d un capteur logiciel 65 3 1 IntrOdUCtiION oei eaesd adren ea RRA EENE an a AEII 65 3 2 Mesure des param tres sp cifiques la production d eau potable 66 3 3 Automatismes dans une station de production d eau potable 67 3 4 D veloppement du capteur logiciel pour la pr diction de la dose de coagulant 68 3 4 1 M thode actuellement utilis e sur le proc d de coagulation 68 3 4 2 Mod lisation du proc d de coagulation 69 3 4 3 Application de la m thodologie pour la pr diction de la dose de coagulant70 3 5 CONGCIUSION koerier arstin trpia etl CEEE EENET EEVEE dite EATER EEEREN G 79 4 M thodologie g n rale pour la surveillance des proc d s de production d eau potable s sssssssssnunnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnn 81 4 1 TATFOGUCHOM ER ARE IAEE ERI 81 4 2 Description g n rale de la m thode
45. partir des informations contenues dans la base de connaissances Au fur et mesure que les r gles sont appliqu es des nouveaux faits se d duisent et se rajoutent la base de faits Les principaux avantages des syst mes experts pour le diagnostic sont leur capacit a donner des r ponses en pr sence d incertitude et leur capacit apporter des explications aux solutions fournies Leur difficult sp cifique est la capture de la connaissance faits et r gles c est dire la d finition et la description du raisonnement associ partir d une situation donn e 34 Supervision et diagnostic des proc d s de production d eau potable L analyse de tendance qualitative QTA utilise l information de type tendance pr sente dans les mesures issues des capteurs Il y a deux tapes de base l identification de tendances dans les mesures et l interpr tation de ces tendances en terme de sc narios de fautes Le processus d identification doit tre robuste par rapport aux variations momentan es du signal dues au bruit et capturer seulement les variations importantes Le filtrage peut alt rer le caract re qualitatif essentiel contenu dans le signal On peut par exemple utiliser un syst me base de fen trage pour identifier des tendances a des niveaux divers c est a dire a des niveaux de d tail diff rents et cette repr sentation peut alors tre utilis e pour le diagnostic et la commande supervis e Ces tendances dans le
46. permettant le pr traitement des donn es par abstraction de signaux nous abordons les diff rentes tapes suivre pour l laboration d un syst me de surveillance partir de m thodes de classification Ainsi la premi re phase de cette m thode de surveillance consiste r aliser un apprentissage pour identifier et caract riser les diff rents tats de fonctionnement du processus de production d eau surveiller La phase 2 consiste dans la validation des transitions des diff rents tats du mod le La troisi me phase consiste faire une reconnaissance en ligne des situations connues et suivre une d marche pr cise dans le cas de d tection de d viations de comportement ou de n cessit de maintenance Nous terminons ce m moire avec un chapitre 5 d di la pr sentation des caract ristiques g n rales de la station SMAPA de production d eau potable et des r sultats obtenus lors de l application de la m thodologie propos e dans le chapitre 4 a partir des descripteurs de l eau brute Nous appliquons la strat gie compos e des quatre tapes diff rentes le pr traitement des donn es l analyse du mod le comportemental l analyse avec des donn es en ligne et la validation des transitions 1 PROCESSUS DE PRODUCTION DE L EAU POTABLE 1 1 Introduction L eau recouvre 70 de la superficie du globe mais malheureusement 97 de cette eau est sal e et non potable et ne convient pas l irrigation L eau dou
47. r sultats obtenus a partir des descripteurs caract ristiques de l eau brute du diagnostic hors ligne et en ligne Pour obtenir ces r sultats nous avons appliqu la strat gie compos e des quatre tapes diff rentes le pr traitement des donn es l analyse du mod le comportemental de la station sous forme d automate l analyse avec des donn es en ligne et la validation des transitions D abord nous pr sentons les caract ristiques g n rales de la station SMAPA de production d eau potable Nous exposons les aspects op rationnels par rapport a la consommation de r actifs chimiques et la turbidit ainsi que le comportement saisonnier de la station saison des pluies et saison d tiage et ses caract ristiques particuli res en terme de maintenance et de n cessit de d rivation du courant d eau de certaines parties de la station Ensuite nous pr sentons les r sultats obtenus gr ce la m thodologie d velopp e au cours de nos travaux concernant la surveillance des proc d s de production d eau potable Pour chaque saison les r sultats obtenus dans 102 Application de la m thode a la station de production d eau potable SMAPA l tape d apprentissage hors ligne seront pr sent s Nous allons illustrer la strat gie pour la validation des transitions et finalement nous pr sentons la reconnaissance en ligne qui permet de valider l ensemble de la strat gie propos e Nous montrerons en particulier comment de
48. repr sent par l ensemble des variables qui d finissent l tat actuel du syst me et les classes sont les tats possibles L tat avec le degr d appartenance le plus grand est consid r comme celui dans lequel le syst me volue ce moment l La fiabilit du choix de l tat l instant pr sent est directement proportionnelle la capacit d lection parmi les degr s d appartenance Au contraire des indices de degr de flou e g entropie floue le probl me qui nous concerne dans ce cas n est plus l analyse d appartenance de plusieurs individus a une classe mais le choix entre plusieurs classes tats auxquelles un individu peut appartenir Pour ceci nous d finissons un nouvel ensemble flou o l univers de discours E est d fini par le nombre de classes C et les degr s d appartenance correspondent aux valeurs d appartenance de chaque individu chaque classe Plus un ensemble est ordonn plus il est informatif et alors son entropie est plus faible L ensemble que nous consid rons le plus informatif dans le cas d un choix est celui qui assigne l individu dans une classe avec le degr maximum d appartenance tandis que le degr d appartenance aux autres classes est nul Par contre l entropie de d cision de l ensemble devient maximale si tous les degr s d appartenance sont gaux en cons quence l information fournie par l ensemble sera alors nulle vis vis de la fiabilit de la d cision Dans ce con
49. s oppose la maintenance planifi e telle qu elle est op r e aujourd hui sur cette station La diff rence entre les dates de d but d alarme et la date planifi e est tr s importante de 87 115 jours Les temps entre le d but de l alarme et l tat dit critique de la station sont tr s longs on peut donc effectivement faire de la maintenance pr ventive car on a le temps de le faire en planifiant les op rations non plus de mani re arbitraire mais en relation avec les observations recueillies sur l unit Concernant cette p riode de fonctionnement nous avons aussi effectu la Validation des transitions et finalement la reconnaissance en ligne des situations apprises Nous avons confirm que la m thode de validation des transitions diminue les effets de bruits ou de perturbations qui peuvent conduire une apparence de transition entre deux classes Nous avons ainsi invalid deux classes mal conditionn es sur la p riode d tiage pour l apprentissage lors de l ann e 2000 et pour la reconnaissance lors des ann es 2001 et 2003 CONCLUSION ET PERSPECTIVES Dans notre travail nous avons propos un outil de supervision diagnostic de l ensemble d une station de production d eau potable Ces travaux ont t bas s sur l exploitation des donn es acquises sur le syst me surveill Cette strat gie suppose deux tapes la premi re consiste dans le d veloppement d un capteur logiciel bas sur un r seau de neu
50. s t t En effet pour la p riode d tiage 2000 2001 cette alarme se d clenche 87 jours avant la date planifi e Un cart encore plus grand peut tre observ pour les ann es de tests 115 jours pour la p riode 2001 2002 et 100 jours pour la p riode 2003 2004 Il appara t donc tr s important de disposer de cette alarme pour permettre d effectuer une maintenance pr ventive et non plus planifi e Il est en effet possible de faire de telles maintenances car la p riode d alarme est longue et on peut donc prendre la d cision de by passer la totalit ou une partie des d canteurs tr s t t 5 4 Conclusion Dans ce chapitre nous avons pr sent la mise en ceuvre de la m thodologie bas e sur la technique de classification LAMDA permettant de d terminer les tats fonctionnels de la station de production d eau potable et de construire un automate caract risant le fonctionnement de ce proc d Nous avons appliqu la m thode propos e a une base de donn es issue des historiques d op ration de la station de production d eau potable de Tuxtla au Mexique Cette base de donn es est repr sentative du fonctionnement de ce type de station puisqu elle couvre 4 ann es d op ration et pr sente des variations importantes des diff rentes variables mais aussi impr cises li es aux m thodes analytiques de mesure Nous avons choisi de concevoir deux mod les de comportement suivant la saison de fonctionnement Le com
51. sultat final de la classification n est pas une partition classique de l univers de description mais une partition floue o chaque objet dans l univers de description a une valeur d appartenance chacune des classes existantes Afin d obtenir une partition classique de l univers de description une fois le DAG calcul pour toutes les classes x sera attribu selon le crit re d ad quation maximale la classe o la valeur du DAG est maximale Pour des raisons algorithmiques et pour assurer que l assignation d un objet une classe soit unique une deuxi me r gle de d cision FF first found est prise en consid ration lorsque la valeur maximale du DAG est trouv e dans plus d une classe l objet sera plac dans la premi re classe laquelle il a t confront et qui pr sente une valeur d appartenance maximale On peut aussi envisager une variante appel e LF last found dans laquelle c est la derni re classe qui est retenue L apprentissage consiste extraire a partir de l information contenue dans une base de donn es connue d apprentissage les caract ristiques qui d crivent le mieux chaque concept Dans LAMDA ceci est traduit par l estimation des param tres d finissant les fonctions d appartenance des DAM Dans notre approche les fonctions d appartenance de chaque attribut sont estim es ind pendamment de l information disponible sur les autres attributs Les param tres repr sentant une classe sont estim
52. supervision Dans un syst me traditionnel il s agit de surveiller simplement que les variables restent l int rieur d un domaine de valeurs caract ristiques du fonctionnement normal Les m thodes avanc es de surveillance et de diagnostic de d fauts sont n cessaires pour r pondre aux exigences comme l anticipation de la d tection de d fauts avec variations brutales du comportement le diagnostic de fautes d actionneurs de comportement du proc d et du capteur la d tection de d fauts dans les boucles ferm es et la supervision de proc d s lors d tats transitoires L objectif de l anticipation de la d tection de d fauts et du diagnostic est d avoir assez de temps pour traiter des actions comme la reconfiguration du processus ou la maintenance Plusieurs sch mas g n raux de supervision appliqu s a diff rents domaines ont t propos s AGUILAR MARTIN 1996 DOJAT et al 1998 Toutefois d un point de vue g n ral les architectures pr sent es sont similaires et globalement peuvent tre d crites par le sch ma pr sent sur la figure 2 2 Ce sch ma inclut les fonctions principales suivantes la d tection des d faillances le diagnostic la reconfiguration du processus et la maintenance ISERMAN 1997 COLOMER et al 2000 30 Supervision et diagnostic des proc d s de production d eau potable D tection des d faillances Fault Fault Change Signal evaluation t diagnosis detection t
53. sur lesquels les donn es seront projet es JOLLIFFE 1986 OJA et al 1992 Pour un groupe de donn es X xX Xy l approche par ACP s effectue par le calcul de la matrice de covariance N 2 14 CO LS xxT NE On utilise ensuite n importe quel algorithme de d termination des vecteurs propres pour trouver les valeurs propres de la matrice de covariance des donn es COU AU 2 15 o est la valeur propre et U est le vecteur propre correspondant Les m composantes principales des donn es n sont les directions orthogonales m dans les espaces de n qui capturent la plus grande variation des donn es Comme nous le verrons dans la partie consacr e aux r sultats dans cette tude on constate que 4 composantes principales ont la capacit de maintenir l information exig e pour la pr diction de la dose de coagulant de la station SMAPA de production d eau potable La figure 2 9 montre la projection dans l espace des variables et des individus et aussi la d composition ces vecteurs propres et valeurs propres Supervision et diagnostic des proc d s de production d eau potable 51 x z c Figure 2 9 Projection a dans l espace des variables b dans l espace des individus et c d composition de l ACP 2 5 3 Les r seaux de neurones Les premiers travaux sur les RNA ont t d velopp s par McCulloch et Pitts en 1943 MCCULLOCH et PITTS 1943 Un RNA d finit implicitement
54. tement d rivable Il existe beaucoup de fonctions d activation DUCH et JANKOWSKI 1999 2 5 3 1 Fonction d erreur pour l apprentissage Le choix de la fonction d erreur utilis e pour l apprentissage des r seaux de neurones multicouches a une certaine influence sur la rapidit d apprentissage et sur la qualit de g n ralisation du r seau Cette question a t tudi e par plusieurs chercheurs VALENTIN 2000 et MOLLER 1993 L apprentissage supervis consiste a d terminer les poids du r seau qui minimisent sur l ensemble des donn es de la base d apprentissage les carts entre les valeurs de la sortie appel es aussi valeurs cibles et les valeurs de la sortie pr dites calcul es par le r seau Math matiquement ceci consiste trouver le minimum du crit re quadratique Supervision et diagnostic des proc d s de production d eau potable 55 1 N CW ti 2 19 ou N est le nombre d exemples de la base d apprentissage w W sont les vecteurs des poids des deux couches La proc dure de la minimisation MSE par lui m me n assure pas l entra nement du r seau La sur adaptation du r seau arrive quand le r seau est excessivement entra n et ou l architecture du r seau a davantage de neurones occultes que ce qui est n cessaire Il existe diff rentes proc dures pour obtenir une architecture de r seau optimal NANDI et al 2001 L annexe C d crit la proc dure it rative MSE ME que nous utilison
55. un syst me d aide au diagnostic de l installation La notion de sous ensemble flou introduite par Zadeh en 1965 est fond e sur le degr d appartenance qui g n ralise les fonctions caract ristiques Chaque classe en relation avec les modes de fonctionnement du syst me peut tre interpr t e comme un sous ensemble d un espace multidimensionnel la classification se r sume alors la recherche des propri t s caract ristiques de ces ensembles Finalement chaque classe peut tre mod lis e au moyen d un sous ensemble flou caract ris par une fonction d appartenance multidimensionnelle qu il s agit de d terminer Dans la figure 2 6 le vecteur des sympt mes x du classificateur labor partir des grandeurs mesur es sur le syst me peut tre vu comme une forme qu il s agit de classer parmi l ensemble des formes correspondant un fonctionnement normal ou non Figure 2 6 Structure g n rale du classificateur La classification est r alis e au moyen des fonctions de v rit et de d cision dont le param trage r alise la fronti re entre les classes L ensemble d apprentissage permet d une part de g n rer la base de r gles et d autre part de r aliser le param trage des fonctions d appartenance Supervision et diagnostic des proc d s de production d eau potable 39 Cette approche consiste rechercher les projections de la fonction d appartenance une classe sur chacune des dimensions d
56. une fonction non lin aire param trable jouissant de la propri t d approximation universelle Cela signifie qu il est capable d approcher une fonction non lin aire dont on ne conna t que quelques points qui constituent la base d exemples Le param trage du r seau est r alis partir de la base d exemples au moyen d un algorithme d apprentissage con u pour minimiser un crit re quadratique sur l erreur d approximation r alis par ce mod le non lin aire Ceci explique l utilit de ce type d approche dans le domaine du diagnostic o le probl me r soudre consiste finalement approcher la relation inconnue reliant les sympt mes aux d faillances Un neurone formel figure 2 10 r alise une fonction f de la somme pond r e de ses entr es X1 Xy 52 Supervision et diagnostic des proc d s de production d eau potable 2 16 N u z IWG n l 2 17 Figure 2 10 Neurone formel Chaque n ud calcule la somme de ses entr es x Xy pond r es par les poids synaptiques correspondants w Win cette valeur repr sente l tat interne du neurone u Ce r sultat est alors transmis une fonction d activation f figure 2 11 La sortie y est l activation du neurone L interconnexion de plusieurs neurones formels r alise un r seau de neurone a b c d Figure 2 11 Principales fonctions d activation a fonction seuil b fonction lin aire c fonction sigmoide
57. 97 0 116 Fun am ce ae gt Les valeurs et l histogramme des valeurs propres L Analyse en Composantes Principales appliqu e sur l ensemble de ces donn es a fourni le tableau et l histogramme donn s sur la figure 3 4 On peut remarquer la d croissance rapide des valeurs propres figure 3 4 Seules les quatre premi res composantes repr sentent une prise en charge de plus de 88 00 de l inertie L ensemble des 10 variables est susceptible d tre simplifi et remplac par les 4 nouvelles variables repr sent es par les 4 premiers axes principaux En r sum l axe 1 qui repr sente 54 45 de l inertie totale est d fini positivement et d une fa on nette par 5 variables tr s group es Couleur Turbidit Solides Totaux Mati res Organiques et Dose de Coagulant L axe 2 18 11 est d fini par 3 variables fortement corr l es Duret Totale Chlorure et Bicarbonate L axe 3 10 09 repr sente la temp rature qui lui est li e positivement L axe 4 5 35 repr sente la variable pH les autres Variables tant regroup es dans les 3 premi res directions car fortement corr l es entre elles 74 Instrumentation et d veloppement d un capteur logiciel Valeur Pourcent N moe wh IDE SM AE SR CG EME ST LAIT oOo oOo ny ny ny gI oo Figure 3 4 Valeurs et histogramme des valeurs propres des composantes gt Le cercle de corr lation Il est plus int ressant de vi
58. AN AN a 77 20 pm Mati res dissoutes Mati res colloidales Mati res en suspension Argiles lt Limons gt i Sables i lt fin X moyen X gros gt Bact ries Pollen Plancton i Fum es Brouillard Brumes Pluies Figure 1 2 Temps de d cantation des particules On observe qu a densit gale les particules plus petites ont une dur e de chute plus longue Cela conduit a l impossibilit pratique d utiliser la d cantation seule pour liminer le maximum de particules Cette remarque est surtout valable pour les colloides c est dire les particules dont la taille est comprise entre 10 m et 10 m Processus de production de l eau potable 13 La chute d une particule dans l eau est r gie par la loi de Stokes 1 1 2 F E mee OT avec V vitesse de d cantation de la particule g acc l ration de la pesanteur n viscosit dynamique Ps Masse volumique de la particule p Masse volumique du liquide d diam tre de la particule Il appara t clairement que plus le diam tre et la masse volumique de la particule sont grands plus la vitesse de chute est importante Le but va tre d augmenter la taille et la masse volumique des particules pour que le temps de d cantation devienne acceptable 1 3 2 But de la coagulation floculation L op ration de coagulation floculation a pour but la croissance des particules qui sont essentiellement collo dales par d stabili
59. Ann e 2006 These Pr par e au Laboratoire d Analyse et d Architecture des Syst mes du CNRS En vue de l obtention du titre de Docteur de l Institut National des Sciences Appliqu es de Toulouse Sp cialit Systemes Automatiques Par H ctor Ricardo Hernandez De Leon Supervision et diagnostic des proc d s de production d eau potable Rapporteurs M POLIT J M FUERTES Directeurs de th se M V LE LANN Examinateurs J AGUILAR MARTIN T KEMPOWSKY N RAKOTO Invit A TITLI A la m moire de ma m re A mon P re A Becky et A Bruno Remerciements Les travaux de recherche de cette th se ont t d velopp s dans le groupe Dlagnostic Supervision et COnduite qualitatifs DISCO du Laboratoire d Analyses et d Architecture des Syst mes de Toulouse LAAS du Centre National de la Recherche Scientifique CNRS Je tiens tout d abord a remercier Monsieur Malik Ghallab Directeur du LAAS de m avoir accueilli dans son laboratoire Je remercie galement Monsieur Joseph Aguilar Martin et Madame Louise Trave Massuyes successivement responsables du groupe de recherche DISCO pour leur accueil J exprime ma profonde gratitude et toute ma reconnaissance envers ma directrice de th se Madame Marie V ronique LE LANN professeur l Institut National de Sciences Appliqu es INSA de Toulouse pour sa patience ses avis ses conversations son soutien et sa confiance dont j ai b n fici s tous leur
60. Edition Marketing S A 1999 CART et al 2001 CART B GOSSEAUNE V KOGUT KUBIAK F TOUTIN M H La maintenance industrielle Une fonction en volution des emplois en mutation Centre d Etudes et Recherche sur les Qualifications Bref n 174 Avril 2001 Bibliographie 129 CHAN et al 1989 CHAN M AGUILAR MARTIN J J CARRETE N CELSIS P et VERGNES J M Classification techniques for feature extraction in low resolution tomographic evolutives images application to cerebral blood flow estimation In 12 Conf GRESTI 1989 CHEM 2006 Projet CHEM disponible sur http www chem dss org CIDF LdesEaux 2000 CIDF Centre International De Formation Principes g n raux de traitement des eaux Lyonnaise des Eaux 2000 COLLINS et al 1992 COLLINS G ELLIS G Information processing coupled with expert systems for water treatment plants ISA Transactions Water and Wasterwater Instrumentation 1992 COLOMER et al 2000 COLOMER J MELENDEZ J AYZA J Sistemas de supervision introducci n a la monitorizaci n y supervision experta de procesos m todos y herramientas Barcelona Cetisa Boixareu 83 p 2000 COX et al 1994 COX C GRAHAM J Steps toward automatic clarification control Computing and Control Division Coloquium on Adv in Control the Process Ind IEE Coloquium Digest 81 6 1 6 4 1994 DAGUINOS et al 1998 DAGUINOS T KORA R FOTOOHI F Emeraude Optimised automation system for water pr
61. G S LIAW S CHEN M Application of artificial neural network to control the coagulant dosing in water treatment plant Water Science amp Tech 2000 Vol 42 No 403 408 ZAYTOON 2001 ZAYTOON J Syst mes dynamiques hybrides HermesScience Publications Paris 2001 ZWINGELSTEIN 1995 G ZWINGELSTEIN Diagnostic des d faillances Th orie et pratique pour les syst mes industriels Trait des Nouvelles Technologies s rie Diagnostic et Maintenance Herm s Paris 1995 ANNEXE A REGLEMENTATION SUR L EAU POTABLE Annexe A R glementation sur l eau potable 137 Les pouvoirs publics ont soulign les enjeux sanitaires li s une distribution d eau potable de bonne qualit en d finissant des objectifs ambitieux dans la loi de politique de sant publique d ao t 2004 et dans le Plan National Sant Environnement PNSE 2004 2008 PNSE 2005 Parmi les objectifs annex s a la loi n 2004 806 du 9 ao t 2004 relative la politique de sant publique un objectif quantifi visant a diminuer par deux jusqu a 2008 le pourcentage de la population aliment e par une eau de distribution publique dont les limites de qualit ne sont pas respect es pour les parametres microbiologiques et les pesticides a t fix Le PNSE adopt par le gouvernement le 21 juin 2004 en application de la loi relative a la politique de sant publique du 9 ao t 2004 comprend trois objectifs prioritaires gt Garantir un air et une eau de b
62. H tout niveau du traitement R gulation du pH Mesure de l ozone D sinfection par l ozone R gulation de l injection d ozone Mesure du chlore D sinfection par le chlore R gulation de l injection de chlore Mesure de la turbidit tout niveau du traitement Contr le de la qualit en entr e et sortie Mesure des particules Apr s filtration Contr le de la qualit en sortie d usine Mesure de la duret D carbonatation Contr le de la qualit de l eau 3 3 Automatismes dans une station de production d eau potable Dans les usines de production d eau potable l volution de la qualit de la mati re premi re qu est l eau brute est g n ralement relativement lente Les variations des quantit s traiter qui d pendent de la demande en eau potable sont en revanche souvent importantes et le d bit est g n ralement un param tre cl dans l automatisation des installations L inertie de la plupart des traitements biologiques mis en uvre la complexit des ph nom nes de coagulation floculation rendent parfois difficile la r gulation des proc d s Mais la progression des connaissances ainsi que des technologies de mesure permettent d accro tre graduellement les possibilit s de mod lisation grace l apparition des techniques connexionnistes tr s bien adapt es pour la mod lisation de tels proc d s fortement non lin aires L usine enti rement automatis e sans intervention humaine n exis
63. MELHART D McCLELLAND J Parallel distribution processing exploration in the microstructure of cognition Cambridge MA 1986 MIT Press 1 SARRATE 2002 SARRATE R Supervisi Intelligent de Processos Dinamics Basada en Esdeveniments ABSALON Abstraction Analysis on line Th se de doctorat Universitat Polit cnica de Catalunya Terrassa mar 2002 SHANNON 1948 SHANNON C A mathematical theory of communication Bell Syst Tech 27 379 423 1948 SMAPA 2005 SMAPA Sistema Municipal de Agua Potable y Alcantarillado de Tuxtla Manual de procedimientos Tuxtla Gtz Chiapas M xico 2005 TOSCANO 2005 TOSCANO R Commande et diagnostic des syst mes dynamiques Mod lisation analyse commande par PID et par retour d tat diagnostic Ellipses dition Marketing S A 2005 TRAVE MASSUYES et al 1997 L Trav Massuy s P Dague F Guerrin Le raisonnement qualitatif Herm s France 1997 134 Bibliographie TRILLAS et ALSINA 1979 TRILLAS E ALSINA C Sur les mesures du d gr e du flou Stochastica vol III pp 81 84 1979 TRILLAS et RIERA 1978 TRILLAS E RIERA T Entropies in finite fuzzy sets Information Sciences 15 2 pp 159 168 1978 TRILLAS et SANCHIS 1979 TRILLAS E SANCHIS C On entropies of fuzzy sets deduced from metrics Estadistica Espa ola 82 83 pp 17 25 1979 VALENTIN 2000 VALENTIN N Construction d un capteur logiciel pour le contr le automatique du proc d de co
64. NE 2005 segmentation d images biologiques LAMDA a t mise en ceuvre pour la premi re fois dans le logiciel SYCLARE DESROCHES 1987 puis dans le logiciel LAMDA2 AGUADO 1998 et plus r cemment dans le logiciel SALSA KEMPOWSKY 2004b Les caract ristiques principales de LAMDA gt L ad quation LAMDA ne consid re pas la similarit ou la distance entre l ments pour la classification mais il introduit la notion de degr d ad quation de l l ment aux classes d ja form es gt L attribution On affecte chaque l ment a la classe dont le degr d ad quation est maximal cependant on conserve les degr s d ad quation a toutes les classes ce qui constitue une partition floue gt Entropie maximale Dans l univers d o proviennent tous les l ments le concept d entropie maximale est la base de la mod lisation de l homog n it qui correspond l absence d information il correspond une classe qui accepte tous les l ments avec le m me degr d ad quation Cette classe est tr s importante pour le processus de formation de nouvelles classes on l appelle Classe non informative NIC L existence de cette Supervision et diagnostic des proc d s de production d eau potable 41 classe agit comme une limitation ou un seuil aucun l ment ne sera assign a une classe si son degr d ad quation globale n est pas sup rieur a celui de la classe non informative gt Degr d
65. PA 119 DoseApp Value o tt Retrolav 1 5 1 15 2 2 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 Active Quantitative Descriptors Individuals 7 vs Ge a a classe 6 ral aer 5 Seen eae BHR BERTHS CELLELLELELLELLELELLELLELELLEE critique heh 4 CTT 3 alarme fi a nnu normal 2 20 200 88 eee ee eee Fin de pluie 1 pn GS See eee eee 0 i 1 1 1 I 1 1 I 1 I 1 I 1 1 1 1 15 0 6 2 amp amp 4 4 5 5 60 6 70 7 60 6 SO 95 100 105 b Figure 5 15 Identification en ligne des tats de la station SMAPA lors de la p riode d tiage 2003 2004 a Ensemble de test b Classes identifi es lors de la reconnaissance alarme d tect e INFORMATION DECISION blue INFORMATION NIC rouge 0 10 20 30 40 50 60 70 80 90 100 Figure 5 16 Validation des transitions pour la p riode d tiage 2003 2004 Apr s l tape de validation des transitions l automate qui sera utilis lors de la phase de reconnaissance est donc celui pr sent sur la figure 5 17 120 Application de la m thode a la station de production d eau potable SMAPA Figure 5 17 L automate pour la station SMAPA durant l tiage apr s validation des transitions 5 3 2 3 Test final et identification en ligne reconnaissance Pour la reconnaissance en ligne nous avons utilis le mod le de r f rence obtenu avec l ensemble des donn es pour la p riode d tiage 2000 2001 et avec la validation des transitions montr
66. RMSE ME 14 R p ter 12 et 13 L architecture du r seau de neurones et les poids optimales soient les correspondants les valeurs des crit res RMSE et ME les plus bas Partition de l ensemble des exemples en deux sous ensembles Apprentissage Test Choix d un nouvel ensemble de HN autour de la valeur HNopt1 8 ex 25 30 35 si HNopt1 30 2 Initialisation du nombre de neurones HN HN 1 9 dans la couche cach e Ex 1 3 Fixer le nombre d it rations ex 100 Choix d un ensemble de nombres Non Toutes les nouvelles valeurs de HN explor es Oui Choix de la meilleure 11 architecture par RMSE EM Choix d un ensemble de nombres d it rations 12 ex 50 100 150 Apprentissage 13 Sauvegarde de RMSE EM Non 10 4 de neurones de la couche cach e HN ex 10 15 20 25 Apprentissage 5 Sauvegarde des valeurs des crit res RMSE EM Non ous les nombres de HN explor s Ensemble parcouru 7 Choix du HN par RMSE EM Oui Choix de la structure optimale Figure C 1 La proc dure it rative RMSE ME 14 Liste de Figures Figure 1 1 Station de production d eau potable 7 Figure 1 2 Temps de d cantation des particules 12 Figure 1 3 Coagulation Floculation ssss 13 Figure 1 4 Essai Jar Test gt 44444 DEE ACEN EENEN EI REA ERAN 16 Figure 1 5 Evolution de la turbidit de l eau filtr e d un filtre
67. RSEPASSI A CATHERS B DHARMAPPA H Predicted of chemical dosage in water treatment plants using ANN and Box Jenkings models Preprints of 6 IAWQ Asia Pacific Regional Conference Korea 1997 16 561 1568 MOLLER 1993 MOLLER M Efficient training of feed fordward neural networks PhD thesis Computer Science Department Arthus University Denmark december 1993 MONTGOMERY 1985 MONTGOMERY J Water Treatment Principles and Design John Wiley amp Sons ISBN 0 471 04384 2 USA 1985 MYLARASWAMY 1996 MYLARASWAMY D Dkit a blackboard based distributed multi expert environment for abnormal situation management PH Thesis School of chemical engineering Purdue University USA 1996 NONG et McAVOY 1996 DONG D McAVOY T J Back tracking via nonlinear principal component analysis American Institute of chemical enginners journal 42 8 pp 2199 2208 1996 NORGAARD et al 2000 NRGAARD M RAVN O POULSEN N Neural networks for modelling and control of dynamic systems Springer Verlag limited 2000 OJA et al 1992 OJA E OGAWA H WANGVIWATTANA J Principal component analysis by homogeneous neural networks part I amp part II the weighted subspace criterion IEICE Transactions INF amp Syst Vol E75 D 3 pp 366 381 1992 ORANTES 2005 ORANTES A M thodologie pour le placement des capteurs a base de m thodes de classification en vue de son diagnostic These de Bibliographie 133 doctorat Institut Nat
68. RTIN J WAISSMAN VILANOVA J SARRATE ESTRUCH R et DAHOU B Knowledge based measurement fusion in bio reactors IEEE EMTECH 1999 AGUILAR MARTIN et al 1980 AGUILAR MARTIN J M BALSSA M LOPEZ DE MANTARAS R Estimation r cursive d une partition Exemples d apprentissage et auto apprentissage dans R et I Rapport technique 880139 LAAS CNRS 1980 LAGUILAR MARTIN et al 1982 AGUILAR MARTIN J R LOPEZ DE MANTARAS The process of classification and learning the meaning of linguistic descriptors of concepts Approximate reasoning in decision analysis north Holland 1982 LAGUILAR MARTIN 1996 AGUILAR MARTIN J Knowledge based real time supervision Tempus Modigy workshop Budapest Hongrie 1996 128 Bibliographie AL SHARHAN et al 2001 AL SHARHAN S KARRAY F GUEAIEB W BASIR O Fuzzy Entropy a Brief Survey IEEE International Fuzzy Systems Conference 2001 ATINE 2005 ATINE J C M thodes d apprentissage floue Application a la segmentation d mages biologiques Th se de doctorat Institut National des Sciences Appliqu es Toulouse France 2005 BABA et al 1990 BABA K ENBUTU I YODA M Explicit representation of knowledge acquired from plant historical data using neural network International Joint Conference on Neural Networks Washington D C 1990 155 160 BAXTER et al 2002 BAXTER C W STANLEY S J ZHANG Q SMITH D W Developing artificial neural network process models of wat
69. able 2 7 2 La maintenance pr ventive Par opposition a la maintenance corrective la maintenance pr ventive regroupe les op rations de maintenance ayant pour objet de r duire la probabilit de d faillance de l outil de production op rations r alis es avant l occurrence de toute d faillance qui viendrait entraver la production Ce concept de maintenance est bas sur une inspection p riodique de l outil de production selon des crit res pr d termin s afin de juger de ce bon tat de fonctionnement Parmi les techniques de maintenance pr ventive on distingue trois niveaux En maintenance pr ventive syst matique l entretien est r alis selon un ch ancier tabli sur la base de crit res d usure tels que des heures de fonctionnement ou une quantit produite qui permettent de d terminer des p riodicit s d intervention Les op rations d entretien se traduisent par le remplacement syst matique d un certain nombre de composants identifi s par cet ch ancier En maintenance pr ventive conditionnelle le principe de p riodicit des interventions est conserv mais le remplacement des composants est conditionn par la comparaison du r sultat de v rifications permettant d valuer le niveau de d gradation un crit re d acceptation pr tabli Enfin la derni re forme de maintenance pr ventive est connue la fois sous le nom de maintenance pr visionnelle et de maintenance pr dictive Certains auteurs associent p
70. agulation en traitement d eau potable Th se de doctorat UTC Lyonnaise des Eaux CNRS 2000 VALIRON 1989 VALIRON F Gestion des eaux alimentation en eau assainissement Presses de l cole nationale des ponts et chauss es Paris 1989 VALIRON 1990 VALIRON F Gestion des eaux automatisation informatisation t l gestion Presses de l cole national de ponts et chauss es 1990 VEDAM et al 1997 VEDAM H VENKATASUBRAMANIAN V A wavelet theory based adaptive trend analysis system for process monitoring and diagnosis American Control Conference pp 309 313 1997 VENKATASUBRAMANIAN et al 1995 VENKATASUBRAMANIAN V KAVURI S N RENGASWAMY R A review of process fault diagnosis CIPAC Technical report Department of Chemical Engineering Purdue University USA 1995 VILLA et al 2003 VILLA J L DUQUE M GAUTHIER A RAKOTO RAVALONTSALAMA N Modeling and control of a water treatment plant IEEE 0 7803 7952 7 03 pp171 180 2003 WAISSMAN VILANOVA 2000 Waissman Vilanova J Construction d un mod le comportemental pour la supervision de proc des application a une station de traitement des eaux These de doctorat Institut National Polytechnique de Toulouse France 2000 WEBER 1999 WEBER P Diagnostic de proc d par l analyse des estimations param triques de mod les de repr sentation a temps discret Th se de l Institut National Polytechnique de Grenoble France 1999 YU et al 2000 YU R KAN
71. ants ou adjuvants de floculation sont dans leur grande majorit des polym res de poids mol culaire tr s lev Ils peuvent tre de nature min rale organique naturelle ou organique de synth se Comme pour la coagulation il existe un certain nombre de param tres prendre en compte pour le bon fonctionnement de ce proc d Le m lange doit tre suffisamment lent afin d assurer le contact entre les flocs engendr s par la coagulation En effet si l intensit du m lange d passe une certaine limite les flocs risquent de se briser Il faut galement un temps de s jour minimal pour que la floculation ait lieu La dur e du m lange se situe entre 10 et 60 minutes 18 Processus de production de l eau potable Les temps d injection du coagulant et du floculant sont en g n ral espac s de 1 a 3 minutes cette dur e tant fonction de la temp rature de l eau Les boues form es pendant la coagulation floculation aboutissent apr s d cantation dans des concentrateurs Des floculants de masse molaire importante permettent l obtention de boue ayant une vitesse d paississement plus grande et donc un volume de boues final r duit Les boues purg es de d canteurs sont plus concentr es dans ce cas ce qui conduit une perte d eau r duite L emploi de floculants de synth se combin des m thodes modernes de s paration peut permettre la production des boues tr s concentr es traitables directement par une unit
72. arfois tort la d nomination de maintenance pr dictive la maintenance pr ventive conditionnelle or en maintenance pr dictive le principe consiste assurer un suivi continu et non plus p riodique de l tat de fonctionnement de l outil de production L objectif de la maintenance pr dictive est alors de ma triser au mieux les comportements pass s et pr sents du syst me afin de pr voir les d faillances futures et donc de ma triser la globalit du processus de d gradation et de r duire les temps d indisponibilit s Pour la maintenance d un outil de production diff rentes strat gies de maintenance sont envisageables Chaque forme de maintenance dispose toutefois de ses avantages et de ses inconv nients Cependant en raison de la complexification des syst mes industriels la tendance actuelle est davantage au d veloppement de la maintenance pr ventive et surtout de la maintenance pr dictive CART et al 2001 m me s il y a toujours un compromis tablir en fonction du syst me surveill de la complexit des techniques mettre en uvre et de leurs co ts Le d veloppement d une politique de maintenance pr dictive n cessite la mise en uvre d un syst me de diagnostic industriel L interpr tation du mot diagnostic poss de de nombreuses significations suivant les interlocuteurs Les d finitions utilis es ici sont celles tablies au sein de la norme AFNOR NF X60 010 AFNOR 1994 qui sont Supervisi
73. boot bootstrap g n r s partir de X la distribution de xl ls approxime la distribution de l estimateur 6 Par exemple la variance de peut tre estim e par la variance empirique des s xi pour 1 B 58 Supervision et diagnostic des proc d s de production d eau potable L estimation par intervalle est souvent plus utile que l estimation par un seul point Pris ensemble ces deux types d estimation indiquent quel est le meilleur candidat pour et quel est le niveau d erreur raisonnable apport par cet estimateur L application de cette technique de r chantillonnage la g n ration d intervalle de confiance pour les r seaux de neurones est d crite par Lipmann LIPMANN et al 1995 Elle est illustr e dans la Figure 2 14 Dans cette approche B chantillons de bootstrap sont g n r s partir de l ensemble d apprentissage de d part Ensuite B perceptrons multicouches sont g n r s en utilisant la proc dure d apprentissage d crite pr c demment On utilise comme ensemble d apprentissage chacun des B ensembles de bootstrap Quand un nouveau vecteur est pr sent au B perceptrons multicouches on calcule les B sorties correspondantes Ces sorties nous donnent une estimation de la distribution de la pr diction du r seau de neurones Ensuite ces valeurs sont class es par ordre croissant En se fixant un seuil 10 et 90 on peut d terminer un intervalle de confiance Par exemple si on p
74. cach e tait n cessaire pour mod liser toute fonction continue avec une pr cision donn e moyennant un nombre suffisant de neurones dans cette couche La fonction principale des neurones d entr es est d associer les valeurs aux neurones et de les transmettre a la couche cach e Les neurones de la couche cach e ont la capacit de traiter l information re ue Chacun d eux effectue deux op rations diff rentes la somme pond r e de ses entr es en utilisant les poids associ s aux liens existant entre ce neurone et les autres de la couche pr c dente suivi d une transformation non lin aire appel e fonction d activation La sortie de ces deux actions est alors envoy e la couche suivante qui en est l occurrence 54 Supervision et diagnostic des proc d s de production d eau potable la couche de sortie dans notre cas Math matiquement si la transformation non lin aire f est identique pour tous les neurones l expression de la sortie du perceptron multicouche est donn e par Figure 2 12 Perceptron multicouche n H y mny et v x S Wh gD jal gt Il 2 18 i l w sont les poids entre la couche d entr e et la couche cach e et W sont les poids entre la couche cach e et la couche de sortie La fonction d activation f peut tre quelconque mais en pratique et en particulier lorsque l on effectue un apprentissage supervis il est n cessaire d avoir une fonction continue et compl
75. ce elle repr sente 3 de l eau totale de notre plan te Dans ce faible pourcentage les rivi res et les lacs repr sentent 0 3 alors que tout le reste est stock dans les calottes polaires glaci res Un des facteurs majeurs qui gouvernent le d veloppement de soci t s humaines est la pr occupation d obtenir et de maintenir une provision ad quate d eau Le fait de disposer d une quantit d eau suffisante a domin les premi res phases de d veloppement Cependant les augmentations des populations ont pouss puiser de fa on intensive dans les sources en surface de bonne qualit mais qui sont en quantit limit e ou les ont contamin es ou ont laiss perdurer des gaspillages humains qui ont amen d t riorer la qualit de l eau La qualit de l eau ne pourra plus tre oubli e dans le processus de d veloppement La cons quence in vitable de l augmentation de la population et du d veloppement conomique est le besoin de concevoir des installations de traitement de l eau pour fournir une eau de qualit acceptable issue de sources en surface contamin es MONTGOMERY 1985 La production d eau potable peut tre d finie comme la manipulation d une source d eau pour obtenir une qualit de l eau qui satisfait a des buts sp cifi s ou des normes rig es par la communaut au travers de ses agences r gulatrices 6 Processus de production de l eau potable L eau est le compos le plus abondant sur la surfa
76. ce du globe EISEMBERG 1969 Sans elle la vie comme nous le savons cesserait d exister Pour l ing nieur de l eau la microbiologie est importante pour ses effets sur la sant publique sur la qualit de l eau propri t s physiques et chimiques et sur la bonne marche de l unit de traitement Les micro organismes flottants peuvent tre responsables de probl mes de sant publique divers qui incluent des maladies bact riennes telles que le chol ra et la gastro ent rite des infections virales telles que l h patite la dysenterie amibienne ou la diarrh e qui proviennent de protozoaires et des parasites tels que le t nia ou l ascaride La commande et la surveillance des installations de production d eau potable deviennent de plus en plus importantes et ce quel que soit l endroit dans le monde LAMRINI et al 2005 Cependant dans le cas des processus complexes comme celui de production d eau potable il n est pas toujours possible de d river un mod le math matique ou structurel appropri Les techniques issues de l intelligence artificielle peuvent tre utilis es en raison de leur robustesse et de leur capacit tenir compte de la nature dynamique et complexe du proc d Ce type de technique est de plus en plus accept dans l industrie de production d eau potable en tant qu outil de mod lisation et de contr le des proc d s 1 2 Cha ne l mentaire de production d eau potable L industrie de l eau a une pr
77. cess in drinking water treatment Elsevier C R Physique 6 pp1161 1168 2005 LAPP and POWERS 1977 LAPP S A POWERS G A Computers aided synthesis of fault trees IEEE Transactions on Reliability 37 pp 2 13 1977 LEONARD et KRAMER 1990 LEONARD J A KRAMER M A Lilitations of backpropagation approach to fault diagnosis and improvements with radial basis functions AICHE annual meeting Chicago USA 1990 132 Bibliographie LIND 1994a LIND C Coagulation Control and Optimization Part 1 Public Works Oct 1994 LIND 1994b LIND C Coagulation Control and Optimization Part 2 Public Works Nov 1994 LIND 1995 LIND C A coagulant road map Public Works 36 38 March 1995 LIPMANN et al 1995 LIPMANN R P KUKOLICH L et SHAHIAN D Predicting of complications in coronary artery bypass operating using neural networks In G Tesauro et al Eds advances in neural information processing systems 7 Menlo park CA MIT press 1055 1062 1995 LMASSCHELEIN 1999 MASSCHELEIN W J Processus unitaires du traitement de l eau potable Editeur Cebedoc novembre 5 1999 MATLAB 2001 MATLAB Neural Networks Toolbox User guide Inc 2001 MCCULLOCH et PITTS 1943 MCCULLOCH W S PITTS W A logical calculs of the ideas immanent in nervous activity Bulletin of Math Biophysics 5 1943 MILLOT 1988 MILLOT P Supervision de proc d s automatis s et ergonomie Hermes Paris 1988 MIRSEPASSI et al 1997 MI
78. cipal pour savoir quand la maintenance des d canteurs est n cessaire est donn par les valeurs de la turbidit et les valeurs de la couleur a l entr e qui dans ce cas sont inf rieures a celles en sortie des d canteurs avant les filtres Ce comportement que l on pourrait qualifier d anormal est d l accumulation de boues dans des d canteurs en d autres termes l eau sort plus sale qu elle ne rentre Parfois la maintenance des d canteurs peut tre avanc e lorsque le syst me aspirateur de boues clarivacs ne fonctionne pas de fa on ad quate cause de l accumulation de solides pendant la saison des pluies Quand ce syst me aspirateur de boues se bloque les boues s accumulent et une partie des solides passe l tape de filtration au lieu d tre vacu e La dur e de la maintenance des d canteurs est d un mois approximativement et elle est effectu e pendant la seconde quinzaine de f vrier et la premi re quinzaine de mars de chaque ann e La maintenance des d canteurs 2 et 3 ceux du centre s effectue simultan ment pour pr server la structure physique du d canteur gt Maintenance des filtres La programmation de la maintenance des filtres est effectu e en consid rant la fr quence des r trolavages de chacun Par exemple le filtre 1 n cessite un r trolavage chaque deux jours tandis que le filtre 7 au moins 5 r trolavages par jour par cons quent le filtre 7 demande au moins deux p
79. ction A l issue du pr traitement on a une eau relativement propre mais qui contient encore des particules colloidales en suspension Celles ci n ont en elles m mes rien de dangereux Il nous arrive souvent de consommer de l eau en contenant le th le caf le vin ou le lait qui sont charg s en mati res organiques mais qui s oxydent spontan ment en pr sence d air On va les d truire dans la mesure du possible par une oxydation Celle ci peut tre faite de trois fa ons diff rentes gt ajout de Chlore pr chloration gt ajoute de dioxyde de chlore gt ajoute d ozone pr ozonation La pr chloration est effectu e avant le proc d de clarification Le chlore est le plus r actif et le plus conomique mais il a comme inconv nient de former avec certains micropolluants des compos s organochlor s du type chloroforme ou des compos s complexes avec les ph nols du type chloroph nol dont le go t et l odeur sont d sagr ables CIDF LdesEaux 2000 On pr f re utiliser le dioxyde de chlore qui co te plus cher mais qui n a pas les inconv nients de l oxydation par le chlore cit s ci dessus Ce type de traitement est cependant r serv des cas sp cifiques En effet l utilisation du dioxyde de chlore pr sente lui aussi des inconv nients non n gligeables comme sa d composition la lumi re ce qui entra ne une augmentation du taux de traitement appliquer en p riode d ensoleillement En conclusion
80. d approximation des r seaux de neurones ou des syst mes d inf rences floues peuvent alors tre mises profit pour obtenir une telle repr sentation Le probl me r soudre alors consiste valuer la ressemblance du vecteur des sympt mes observ s a un vecteur des sympt mes de r f rence que l on sait associer au d faut En fait quelle que soit la m thode utilis e le diagnostic s apparente implicitement ou explicitement un probl me de reconnaissance de formes dans le but d associer un ensemble de sympt mes observ s au d faut qui en est la cause 2 5 1 Diagnostic par reconnaissance de formes La reconnaissance des formes regroupe l ensemble des m thodes permettant la classification automatique d objets suivant sa ressemblance par rapport un objet de r f rence Une forme est d finie l aide de n param tres appel s individus qui sont les composantes d un vecteur forme X X1 X2 X Une forme peut donc tre repr sent e par un point d un espace n dimensions Dans la suite C C2 C seront les k diff rentes classes ou formes types d un probl me de reconnaissance de formes L objectif est alors tant donn e une forme X de d cider si elle doit tre affect e la classe C ou C2 ou Cg Chaque classe occupe une zone g om trique de l espace n dimensions le probl me consiste alors connaissant les diff rentes classes d finir les fronti res les s parant
81. d fonction gaussienne La propri t principale des RNA est leur capacit d apprentissage Cet apprentissage permet alors sur la base de l optimisation d un crit re de reproduire le comportement d un syst me mod liser Il consiste dans la recherche d un jeu de param tres les poids et peut s effectuer de deux mani res supervis et non supervis Dans l apprentissage supervis le r seau utilise les donn es d entr e et la ou les sortie s du syst me mod liser BISHOP 1995 De cette fa on l algorithme Supervision et diagnostic des proc d s de production d eau potable 53 d identification des param tres du r seau va modifier ses poids jusqu ce que le r sultat fourni par le r seau soit le plus proche possible de la sortie attendue correspondant une entr e donn e L identification des poids du r seau est effectu e en optimisant un crit re de performance du RNA Ce crit re dans le cas de cet algorithme est calcul sur la base de la diff rence entre le r sultat y obtenu par le r seau et la sortie attendue dj L optimisation s effectue en ajustant les poids par une technique de gradient Chaque fois qu un exemple est pr sent au RNA l activation de chaque n ud est calcul e Apr s avoir d terminer la valeur de la sortie la valeur de l erreur est calcul e en remontant le r seau c est dire de la couche de sortie vers la couche d entr e Cette erreur est le produit de la fonction d erreur E
82. d tection et d isolement Certaines d entre elles sont bien adapt es un type de processus et d autres sont inadapt es Un syst me de surveillance doit permettre de rendre compte de l tat d un proc d tout moment Notre objectif principal est de d velopper une m thode de diagnostic partir des donn es historiques et des donn es enregistr es en ligne lors de l exploitation du proc d Cette m thode doit tre capable d identifier des situations anormales issues des dysfonctionnements et de d tecter des besoins de maintenance pour aider l op rateur de la station dans sa prise de d cisions C est dire qu elle doit permettre d identifier clairement les d faillances du processus surveill en diminuant le nombre de fausses alarmes et pr dire la maintenance des diff rentes unit s de la station de production de l eau potable Pour assurer cette fonction il est vident que l on doit disposer d un certain nombre d informations sur le syst me dont on assure le fonctionnement 82 M thodologie g n rale pour la surveillance des proc d s de production d eau potable Dans la premi re partie de ce chapitre nous pr sentons la description de la m thodologie de diagnostic qui se compose de trois parties le pr traitement des donn es l tablissement du mod le de comportement hors ligne et le diagnostic en ligne Ensuite nous d crivons une strat gie pour la validation des transitions des diff rents tats
83. dans les mesures ou par les possibles perturbations peu significatives du fonctionnement du proc d la transition d un tat l autre peut avoir peu de justification r elle Dans ce cas nous disons qu il y a un mauvais conditionnement pour prendre la d cision de changement d tat C est pourquoi l introduction d un crit re de validation des transitions a t consid r e comme un apport important la surveillance effective des processus Des travaux ant rieurs remarquent l importance de valider les transitions d tat pour tablir un automate qui permette d identifier l tat actuel du syst me KEMPOWSKY et al 2006 Toutefois l analyse de la signification des transitions n a pas t tudi e en profondeur Pour notre approche nous avons consid r que le crit re essentiel associ une d cision est l valuation de l information qui a t n cessaire pour la prendre C est dans cette optique que nous avons cherch mesurer cette information tant donn que nous sommes en pr sence d une partition floue fournie par les degr s d ad quation de chaque instant de fonctionnement individu toutes les classes nous pouvons chercher analyser l information instantan e sur laquelle une attribution est faite 94 M thodologie g n rale pour la surveillance des proc d s de production d eau potable alors la transition ne sera valid e que dans les cas ou cette information est consid r e comme suffisant
84. de d shydratation Dans les autres cas on passe d abord par un paississement avant l unit de d shydratation Une fois le floc form il faut le s parer de l eau C est ce qu on appelle la s paration solide liquide Elle peut s effectuer par diff rents moyens gt Coagulation sur filtre gt D cantation gt Flottation 1 3 5 La d cantation flottation Ces proc d s sont des m thodes de s paration des mati res en suspension et des colloides rassembl s en floc apr s l tape de coagulation floculation Si la densit de ces flocs est sup rieure celle de l eau il y a d cantation L eau clarifi e situ e pr s de la surface est dirig e vers des filtres sable Dans le cas de particules de densit inf rieure celle de l eau le proc d de flottation doit tre appliqu Dans la d cantation toute particule pr sente dans l eau est soumise a deux forces La force de pesanteur qui est l l ment moteur permet la chute de cette particule Les forces de frottement dues la tra n e du fluide s opposent ce mouvement La force r sultante en est la diff rence CARDOT 1999 La flottation est un proc d de s paration liquide solide bas sur la formation d un ensemble appel attelage form des particules liminer des bulles d air et des r actifs plus l ger que l eau Cette technique convient principalement pour liminer les particules de diam tre compris entre 1 et 400 um La
85. de la donn e des caract ristiques de l eau brute telles que la turbidit le pH la temp rature etc L aspect novateur de ce travail r side dans l int gration de diverses techniques dans un syst me global comprenant le contr le automatique de la coagulation et la possibilit d int gration de la dose de coagulant calcul e par le r seau comme une entr e du syst me de diagnostic de l ensemble de la station De plus le d veloppement de ce capteur a t pr c d d une analyse statistique Analyse en Composantes Principales permettant de d terminer les corr lations existant entre les variables caract ristiques de l eau brute et la dose de coagulant puis de ne conserver 70 Instrumentation et d veloppement d un capteur logiciel que les caract ristiques apportant r ellement une information pertinente La m thodologie que nous proposons d utiliser pour la conception du capteur logiciel bas sur les r seaux de neurones avec l analyse en composantes principales est repr sent e sur la figure 3 1 Donn es disponibles sur les capteurs D veloppement du mod le de r gression lin aire D termination des entr es du r seau D veloppement du r seau de neurones Figure 3 1 M thode pour le contr le automatique du proc d de coagulation 3 4 3 Application de la m thodologie pour la pr diction de la dose de coagulant 3 4 3 1 Mesures disponibles sur la station SMAPA La station SMAPA de producti
86. de ou une base Une dose de coagulant excessive entra ne une augmentation du co t d exploitation tandis qu un dosage insuffisant conduit une qualit de l eau trait e insuffisante La quantit de r actifs ne peut pas se d terminer facilement Des th ories ont t labor es sur les charges lectriques n cessaires pour d stabiliser les collo des et on a mesur un potentiel appel potentiel Zeta partir duquel appara t un floc La difficult principale est de d terminer la quantit optimale de r actif injecter en fonction des caract ristiques de l eau brute A l heure actuelle il n existe pas de mod le de connaissance simple qui permet de d terminer le taux de coagulant en fonction des diff rentes variables affectant le proc d La d termination du taux de coagulant est effectu e par analyse hors ligne au laboratoire tous les jours l aide d un essai exp rimental appel Jar test cf Figure 1 4 Cet essai consiste mettre des doses croissantes de coagulant dans des r cipients contenant la m me eau brute Apr s quelques instants on proc de sur l eau d cant e toutes les mesures utiles de qualit 16 Processus de production de l eau potable de l eau La dose optimale est donc d termin e en fonction de la qualit des diff rentes eaux compar es L inconv nient de cette m thode est de n cessiter l intervention d un op rateur On voit ici tout l int r t de disposer l ave
87. de r chantillonnage Soit un chantillonnage X x x x r alisation d une distribution F On g souhaiterait estimer un param tre en fonction de X On calcule pour cela un estimateur 0 s X d duit de X Quelle est la pr cision de Un bootstrap a t introduit en 1979 comme une m thode d estimation de l cart type de 0 Elle pr sente l avantage d tre totalement automatique Les m thodes de Bootstrap d pendent de la notion d chantillon de Bootstrap II s agit d une technique d inf rence statistique qui cr e un nouvel ensemble d apprentissage par r chantillonnage de l ensemble de d part avec possibilit d introduire plusieurs fois des exemples Soit F la distribution empirique donnant la probabilit 1 n a toute observation x i 1 2 N4 Un chantillon de bootstrap est d fini comme un chantillon al atoire de A S _ 1 2 n 14 0 taille n4 issu de F X por fl o XZ o Xi L chantillon de bootstrap X n est pas boot identique X mais constitue plut t une version al atoire ou r chantillon e de X On effectue un tirage quiprobable avec remise sur tous les points de l chantillon X Ainsi x 4 r A r si X x x xx x un chantillon de bootstrap pourra tre form de x x Be x Les donn es de X boot 2 gt mor SONt issues du fichier original certaines apparaissant z ro fois d autres deux fois etc Si x _ x sont B chantillons de boot
88. des historiques de la station a d montr l efficacit de cette approche HERNANDEZ et LE LANN 2006 La comparaison des r sultats obtenus par ce r seau avec ceux issus d une r gression lin aire a d montr que le choix d un RNA au lieu d une r gression lin aire tait amplement justifi D ailleurs le capteur logiciel est bien adapt diff rentes variations de la qualit de l eau brute cas de fortes variations de la turbidit Cette tude permettra terme de remplacer les dosages manuels effectu s par l op rateur de la station SMAPA Il faut cependant noter que la confirmation d finitive de cette approche pourra tre obtenue qu au terme d une validation sur site sur une p riode suffisamment longue Dans les chapitres suivants nous allons propos d tablir une m thodologie de diagnostic bas e sur l interpr tation des informations obtenues sur tout l ensemble du proc d de production d eau potable en y incluant la valeur de la dose de coagulant calcul e par le capteur logiciel pr sent pr c demment 4 METHODOLOGIE GENERALE POUR LA SURVEILLANCE DES PROCEDES DE PRODUCTION D EAU POTABLE 4 1 Introduction La maintenance pr ventive des usines industrielles et des ressources de production exige une surveillance et une localisation des d faillances afin de pr voir et d optimiser un arr t de production d un d faut critique Plusieurs m thodes de diagnostic permettent de r soudre ce probl me de
89. des m thodes de diagnostic DASH 2000 2 4 1 M thodes base de mod les La source de la connaissance dans le cas de ces m thodes est la compr hension approfondie du proc d gr ce l utilisation des principes fondamentaux de la physique Ceci se traduit par un ensemble de relations qui d crivent les interactions entre les diff rentes variables du processus Ces ensembles de relations peuvent tre encore divis s en mod les causaux qualitatifs et en mod les quantitatifs ou m thodes quantitatives 2 4 1 1 Mod les causaux qualitatifs La strat gie employ e ici est l tablissement de relation de cause effet pour d crire le fonctionnement du syst me Parmi les m thodes les plus populaires citons les arbres de fautes et les digraphes Les arbres de faute LAPP and POWERS 1977 utilisent le cha nage arri re ou simulation arri re jusqu trouver un v nement primaire qui serait une des possibles causes de la d viation de comportement du proc d observ e Les digraphes sign s sont une autre repr sentation d une information causale IRI et al 1979 dans laquelle les variables du processus sont repr sent es par des n uds de graphes et les relations causales par des arcs 32 Supervision et diagnostic des proc d s de production d eau potable Une limitation importante de ces m thodes r side dans la g n ration d un grand nombre d hypoth ses pouvant conduire a une r solution erron e du probleme ou
90. donc int ress s a un outil pour l identification des d faillances de processus bas sur des m thodes de classification et reconnaissance de formes Connaissant les diff rents travaux effectu s au pr alable dans le groupe DISCO nous avons adopt une approche qui utilise la m thode de classification LAMDA pour la construction du mod le pour la supervision Nous avons pr sent le logiciel SALSA qui lui est associ et qui permet d effectuer un apprentissage hors ligne et qui donne a l op rateur un support pour la prise de d cision en temps r el Le chapitre 3 est consacr l instrumentation de la station ainsi qu au traitement des donn es qui seront utilis es par la m thode de diagnostic Parmi ces traitements nous proposons de d velopper un capteur logiciel permettant de pr dire en temps r el la dose de coagulant injecter et qui sera de plus une information suppl mentaire utilis e comme donn e d entr e dans la proc dure de diagnostic de l ensemble de la station SMAPA 3 INSTRUMENTATION ET DEVELOPPEMENT D UN CAPTEUR LOGICIEL 3 1 Introduction Dans ce chapitre nous nous int ressons au recueil des diff rentes donn es et mesures n cessaires pour tablir une m thodologie de diagnostic bas e sur l interpr tation des informations obtenues sur l ensemble du proc d de traitement de l eau a potabiliser Dans la premi re partie nous d taillons la mesure des diff rents param tres sp cifiques de l
91. e G n ralement la quantit d information est associ e l entropie des donn es Dans le cas des ensembles flous la formule de l entropie non probabiliste propos e par De Luca et Termini De LUCA et TERMINI 1972 a t largement utilis e Pour la validation des transitions il est n cessaire d utiliser l information instantan e de l individu qui a produit le changement d tat Par cons quent l analyse est bas e sur l ensemble vecteur des degr s d appartenance de cet individu a chaque classe Le vecteur des degr s d appartenance peut tre consid r comme un ensemble flou Si pour la validation des transitions bas e sur la quantit d information on utilise une mesure classique d entropie floue De LUCA et TERMINI 1972 SHANNON 1948 la d cision est consid r e bien conditionn e quand la quantit d information est grande Toutefois une d cision qui a t prise avec de faibles valeurs de degr s d appartenance donne une valeur importante de l information C est pourquoi nous proposons d utiliser un indice de d cision qui est bas sur l entropie de De Luca et Termini De LUCA et TERMINI 1972 Cet indice permet de mesurer l information instantan e qui a provoqu le changement d tat et permet de tenir compte du rapport entre les faibles degr s d appartenance et l incertitude sur la d cision 4 2 4 1 Indice de d cision gt Indices de degr de flou fuzziness Les fonctions d entropie non probabilist
92. e pH bas Ses ewes E a lie b 1 1 2 30 40 50 60 7 80 90 100 110 120 130 140 150 160 170 180 Current Classification Individuals Mapping to States pHN pHB pHN pHH pHN 1 0 Descripteur pH avec 3 nae modalit s as PHB gt pHBas lt 7 5 a pHN gt pHNormale CE pHs 0 4 pHH gt pHHaut pH gt 8 4 os 0 2 01 8 H NI o H p H 0 0 1 1 1 p p B a S H a u t Class 1 Class 2 ae ae Class 4 Class c Figure 5 7 a L ensemble des donn es pr trait es saison des pluies phase d apprentissage Mai Octobre2000 b classification pour l identification des tats de la station SMAPA lors de la saison des pluies autoapprentissage c Profil des classes Value o T p R trolav TurbE 112 Application de la m thode a la station de production d eau potable SMAPA Tableau 5 3 Description des situations dans la saison des pluies SITUATION DESCRIPTION CLASSE Op ration normale pluie Nous avons la pr sence de pluie mod r e ou il n y a pas C1 mod r e de pluie Les valeurs des descripteurs se trouvent dans des zones normales de fonctionnement de la station Op ration normale pH Si le pH diminue ceci signifie une diminution du dosage C2 Bas Il s agit d une situation d sirable pour la station Augmentation Valeurs maximales de la turbidit Si la turbidit est C3 de la turbidit sup rieure 1500 NTU nous avons la pr sence d ouragans Algues Des valeurs maximales du pH pro
93. e dans le paragraphe 5 3 1 2 La figure 5 18 montre les r sultats de la reconnaissance des donn es de test pour les deux p riodes 2001 2002 et 2003 2004 Dans les deux cas nous pouvons observer que la classe 6 n est pas pr sente et que toutes les autres ont t correctement identifi es Donc la proc dure de validation des transitions a bien jou son r le en invalidant la transition mal conditionn e et en conservant les autres 6 P riode d tiage 2001 2002 boue 5 0008 oe en eee nam critique i 4 sessauss CE alarme a 3 LLLELLLELELLLELEEELELELLLELLLEELLELLLEE ELLES normal sossss Fin de pluie 1 se meses eee 1 1 1 1 1 5 0 15 20 2 3 3 40 45 50 55 60 65 70 7 60 amp 90 35 100 105 Individuals a 7 P riode d tiage 2003 2004 boue 6 PER critique 8 4 CT B alarme a 3 nun nunnu normal 2 LLLLLELELLELLELELELE EL LE Fin de pluie pooueuausuaus 1 5 1 15 2 2 3 3 40 45 50 55 60 65 70 75 80 85 90 100 105 Individuals b Figure 5 18 Reconnaissance en ligne des donn es de test a pour la p riode d tiage 2001 2002 b pour la p riode d tiage 2003 2004 Revenons sur l alarme qui indique un besoin de maintenance des d canteurs Si on compare le d but de l alarme et la date planifi e par la station pour cette Application de la m thode a la station de production d eau potable SMAPA 121 maintenance il s av re que cette alarme intervient tr
94. e de leur agglom ration en agr gats limin s par d cantation et ou filtration CARDOT 19991 12 Processus de production de l eau potable 1 3 1 Les particules mis en jeu Les mati res existantes dans l eau peuvent se pr senter sous les trois tats suivants gt tat de suspension qui regroupe les plus grosses particules gt tat colloidal gt tat dissous de sels min raux et de mol cules organiques Cette classification r sulte de la taille des particules Les colloides pr sentent un diam tre compris entre 1 um et 1 nm Ils poss dent deux autres caract ristiques tr s importantes Leur rapport surface volume leur conf re des propri t s d adsorption des ions pr sents dans l eau Ce ph nom ne explique en partie l existence de particules lectriques leur surface Ces charges souvent n gatives engendrent des forces de r pulsion intercollo dales L origine des colloides est tr s diverse On peut citer l rosion des sols la dissolution des substances min rales la d composition des mati res organiques le d versement des eaux r siduaires urbaines et industrielles ainsi que les d chets agricoles La figure 1 2 indique le temps de d cantation de diff rentes particules en fonction de leur dimension Temps de chute 66 a 241 jours 2 4 jours 0 2 sec 34 83 min 20 9 sec 0 2 sec pour 1m i i i Dimension de la particule 2 E E E 22 E E E cs 5 E g E 2 EE 6 lt y a a aN a
95. e l espace de repr sentation La fonction d appartenance au sous ensemble flou global est alors obtenue au moyen d un op rateur de conjonction ce qui se traduit symboliquement par l criture d une r gle d appartenance la classe consid r e Le classificateur ainsi comporte un nombre de r gles gales au nombre de classes La base de r gles du classificateur est compos e d une liste de propositions conditionnelles de la forme R Si x estd et x estA et et x est4 xeC i 1 2 2 O est le nombre total de r gles les 4 sont des sous ensembles flous d finis par des fonctions d appartenance ui t o dont repr sente le vecteur des param tres et les C repr sentent les diff rentes classes de la classification Soit le degr d appartenance de l observation x la classe Cy Me 2 3 a x u x 0 j l soit d autre part q _ le plus grand degr d appartenance correspondant a l observation x 2 4 Q max max a x i l L observateur x doit tre affect e a la classe C permettant d obtenir le plus grand degr d appartenance d o la r gle de d cision L observation x est affect e la classe C telle que q x a gt 0 max La structure correspondante du classificateur est alors celle de la figure 2 6 Les sorties d livr es par ce classificateur sont C 1 si xeC 2 5 C sinon t La r gle de d cision doit tre compl t e afin d offrir la poss
96. e paid 127 1994 Couleur mg l Pt Co 1 20 15 20 Turbidit unit JACKSON NTU 0 4 4 2 5 Temp rature C 12 25 25 30 PH u pH 6 5 8 5 6 5 9 6 5 8 5 Conductivit uS cm a 20 C 400 250 Sulfate mg l S04 25 25 40 Chlorure mg l Cl 200 200 250 250 Duret totale d F mg l CaCO3 60 60 300 500 Chlore r siduel ppm 0 1 0 5 0 1 0 2 1 50 Calcium mg l Ca 100 150 200 Magn sium mg l Mg 30 50 25 15 Aluminium mg l Al 0 05 0 2 0 2 0 5 ANNEXE B EXEMPLE D APPLICATION DE LA METHODE LAMDA Annexe B Exemple d application de la m thode LAMDA 141 Pour mieux comprendre la m thode LAMDA nous donnons dans ce qui suit un exemple de classification en utilisant des descripteurs quantitatifs et un apprentissage avec 2 classes pr d finies initialement mode d apprentissage supervis classes aussi appel es classes professeurs Nous utilisons la fonction Binomiale gt pour calculer les GADs et le produit comme op rateur logique pour le calcul du MAD Nous pr sentons dans le tableau B 1 le contexte de la classification et les valeurs normalis s des descripteurs pour chaque l ment en utilisant l quation B 1 Soit Na Nombre de descripteurs 3 n Nombre d l ments d j class s 5 pcl Nombre de classes professeur classes d j cr es 2 trois l ments dans la classe 1 deux l ments dans la classe 2 nec nombre d l ments dans la clase Tableau B 1 Valeurs brutes et vale
97. e plut t que d attendre l apparition d une d faillance pour intervenir il est pr f rable de suivre en permanence l tat de fonctionnement du proc d afin de d tecter au plus t t ses d rives On est ainsi pass d une maintenance curative une maintenance pr dictive pour laquelle la caract risation de l tat de fonctionnement du proc d n cessite l utilisation d outils de mod lisation de surveillance et de diagnostic L utilisation de techniques issues du domaine de l intelligence artificielle appara t comme la principale alternative pour aborder les probl mes connus comme difficilement mod lisables par des m thodes analytiques et qui requi rent souvent l intervention des experts du domaine ou le traitement d information de nature qualitative Dans ce travail nous proposons l utilisation de la m thode de classification floue LAMDA comme outil d apprentissage automatique pour l extraction de l information de deux sources diff rentes la connaissance experte et les enregistrements d op rations ant rieures L innovation de ce travail r side principalement dans l int gration de diff rentes techniques dans un syst me global permettant la reconstruction des donn es la pr vision de la dose de coagulant et sa validation et la structuration de la proc dure de diagnostic de l ensemble de la station de production d eau potable prenant en compte le r le de la maintenance Introduction g n rale 3 Ces tra
98. e production d eau potable par traitement des donn es issues des capteurs Pour reconna tre et d terminer l tat fonctionnel actuel du processus une premi re tape effectu e hors ligne est le d veloppement d un mod le dit de comportement r alis partir de la classification effectu e sur des donn es historiques provenant du fonctionnement de cette station sur plusieurs ann es La deuxi me tape Supervision et diagnostic des proc d s de production d eau potable 49 est la reconnaissance d un comportement en temps r el en utilisant le mod le de comportement obtenu durant la phase hors ligne L avantage de l outil Salsa pour faire le diagnostic est qu il na pas besoin d un mod le initial ni analytique ni issu de l intelligence artificielle logique floue r seau neuronal En revanche il n cessite l avis d un expert pour valider l affectation des tats de fonctionnement du processus des classes et obtenir ainsi le mod le de comportement Les caract ristiques principales qui ont guid le choix vers SALSA sont celles de LAMDA information qualitative que quantitative algorithme s quentiel plus la facilit d installation et de configuration ainsi que l aide au dialogue avec l op rateur Il permet indiff remment l apprentissage non supervis et l apprentissage supervis n cessite un nombre minimum de param tres r gler par l op rateur et est facile pour l installation et la configuration 2 5
99. eau en particulier ceux relatifs au proc d de coagulation Ensuite nous d crivons les diff rents automatismes mis en uvre dans une station de traitement d eau potabiliser Finalement nous pr sentons la m thodologie d velopp e pour la pr diction de la dose de coagulant m thodologie utilisant des RNAs L information issue de ce capteur logiciel sera ensuite utilis e comme donn e d entr e dans la proc dure de diagnostic de la partie amont de la station de production d eau potable Les r sultats concernant la construction du module de pr diction de la dose de coagulant illustrent les deux phases de la conception l apprentissage et la reconnaissance ainsi que la qualit de la pr diction par la g n ration d intervalles de confiance 66 Instrumentation et d veloppement d un capteur logiciel 3 2 Mesure des param tres sp cifiques la production d eau potable Ces mesures sont soit r alis es par un capteur soit le r sultat d un analyseur en ligne DEGREMONT 2005 Les param tres usuels sont principalement les d bits les niveaux de liquide ou de solides les pressions les temp ratures Dans toute installation de production d eau potable ou de traitement d eaux pollu es la connaissance du d bit est imp rative De plus le traitement de l eau conduit lui ajouter un certain nombre de r actifs La bonne conduite d une installation de filtration n cessite la connaissance permanente de l tat
100. els connus ainsi que pour la d tection des d faillances et pour la d tection de Conclusion et perspectives 125 n cessit es de maintenance des diff rentes unit s de la station de production d eau potable Nous avons d velopp une m thode de validation des transitions qui permet de mani re automatique pendant l tape de reconnaissance de ne pas tenir compte des classes mal conditionn es Cette approche permet d enlever les fausses alarmes favorisant ainsi l interpr tation des classes pour la surveillance Une avantage de la m thode est qu elle s applique aux degr s d appartenance instantan s et ne demande pas une analyse des attributs des donn es elles m mes ce qui dans de nombreux cas r duit la dimension des vecteurs en pr sence Enfin nous avons montr l application de la m thode propos e et la faisabilit de l approche propos e pour le fonctionnement de la station SMAPA de production d eau potable sur les deux saisons l tiage et la saison des pluies De mani re g n rale plusieurs perspectives peuvent tre envisag es d une part concernant la m thode de classification floue LAMDA qui peut tre compl ment e avec l utilisation d autres algorithmes en parall le pour permettre d am liorer les r sultats d autre part dans le d veloppement d une m thodologie permettant d optimiser la partition obtenue en termes de compacit et de s paration des classes en jouant sur les diff rents al
101. emble Cet op rateur est d fini de fa on similaire a celle de l op rateur de sharpeness lt propos par De Luca et Termini Une d cision bas e sur un ensemble non probabiliste flou 7 est consid r e plus fiable qu une autre bas e sur l ensemble flou si l indice de fiabilit de 7 est plus grand que celle de w n gt u FIA n gt FIA w 4 25 L op rateur FIA u est d fini comme FIA u 1 card 4 26 4 2 4 2 M thode de validation des transitions Lorsqu une transition entre l instant t 1 et l instant t est propos e par l algorithme de reconnaissance le syst me analyse l indice d information du nouveau vecteur des appartenances de l individu x t si celui ci d passe un certain niveau d incertitude la transition est valid e Dans le cas contraire la transition est mise en attente tant que l algorithme de reconnaissance continue proposer la m me classe 98 M thodologie g n rale pour la surveillance des proc d s de production d eau potable elle sera valid e si a un instant post rieur t r la quantit d information est consid r e fiable Comme mesure d information nous utilisons l indice d information Ip u donn par l quation 4 23 Il peut arriver soit qu une transition ne soit jamais valid e et reste ignor e du syst me soit qu elle soit valid e avec un retard r par rapport l instant o l algorithme de reconnaissance l avait d tect e L introduction de ce retard perme
102. ement UV Le principe de la d sinfection est de mettre en contact un d sinfectant une certaine concentration pendant un certain temps avec une eau suppos e contamin e Cette d finition fait appara tre trois notions importantes les d sinfectants le temps de contact et la concentration en d sinfectant 1 5 1 Le chlore Chloration On entend par chloration l emploi du chlore ou des hypochlorites des fins de d sinfection et d oxydation Historiquement c est l un des premiers proc d s auxquels on a fait appel au d but du si cle lorsqu il devint vident qu il fallait ins rer la d sinfection dans la cha ne des traitements n cessaires la pr paration d une eau salubre La chloration demeure le proc d de d sinfection pr f r cause de sa relative simplicit de son co t modique et de son efficacit Processus de production de l eau potable 21 Le chlore est un gaz jaune vert C est le plus connu et le plus universel mais il n cessite pour des raisons de s curit le respect rigoureux de conditions particuli res d emploi DEGREMONT 2005 En dehors de son utilisation en pr traitement il est employ en d sinfection finale Son introduction dans l eau conduit a sa disparition suivant la r action 1 4 CL 2H 0 HCIO CI H 0 lt HCIO est l acide hypochloreux Cet acide est faible et se dissocie suivant l quilibre k 1 5 HCIO H O OCI H 0 OCI est l ion hypoch
103. enance Pendant longtemps les installations de traitement d eau n ont pas t consid r es comme des sites industriels part enti re ce titre la maintenance y tait trait e de fa on accessoire au risque parfois d tre n glig e Le besoin de ma triser ce patrimoine la complexit technique croissante alli au souhait d une fiabilit toujours plus grande font que la maintenance est maintenant devenue une activit strat gique pour garantir gt La continuit du service et donc la qualit du traitement gt La rentabilit des investissements en augmentant la dur e de vie des quipements L objectif est simple optimiser la disponibilit fonctionnelle tout en minimisant le co t d exploitation global DEGREMONT 1995 Dans la norme AFNOR NF X60 010 AFNOR 1994 la maintenance industrielle peut se d cliner sous diff rentes formes selon les situations La figure 2 16 montre les diff rentes formes de maintenance Elles sont r partis en deux cat gories selon la Supervision et diagnostic des proc d s de production d eau potable 61 pr sence ou non d une d faillance au moment consid r On parle de maintenance corrective si une d faillance est a priori pr sente et de maintenance pr ventive sinon Maintenance Maintenance corrective pr ventive Maintenance Maintenance Maintenance pr dictive Maintenance Maintenance palliative curative Figure 2 16 Les diff rentes f
104. er treatment process a guide for utilities Eng Sci Rev gen sci env 1 3 pp 201 211 2002 BERGOT et GRUDZIEN 1995 BERGOT M GRUDZIEN L S ret et diagnostic des syst mes industriels Principaux concepts m thodes techniques et outils Diagnostic et s ret disfonctionnement Vol 5 n 3 pp317 344 1995 BISSHOP 1995 BISHOP C Neural networks for pattern recognition Oxford University Press New York USA 1995 BISWAS et al 2004 BISWAS G CORDIER M O LUNZE J TRAVE MASSUYES L STAROSWIECKI M Diagnosis of complex systems Bridging the methodologies of the FDI and DX comunities IEEE transactions on systems man and cybernetics Part B Cybernetics Vol 34 No 5 pp 2159 2162 octobre 2004 BOILLEREAUX et FLAUS 2003 BOILLEREAUX L FLAUS J M Comande et supervision Les proc d s agroalimentaires 2 Lavoisier ISBN 2 7462 0755 9 2003 BOMBAUGH et al 1967 BOMBAUGH K J DARK W A COSTELLO L A Application of the Streaming Current Detector to Control Problems in Proceedings of 13th National ISA Analysis Instrument Symposium Houston USA 1967 BRODART et al 1989 BRODART E BORDET J BERNAZEAU F MALLEVIALLE J et FIESSINGER F Mod lisation stochastique d une usine de traitement de l eau potable 2 Rencontres Internationales Eau et Technologies Avanc es Montpellier 1989 CARDOT 1999 CARDOT C Les traitements de l eau Proc d s physico chimiques et biologiques Ellipses
105. es des filtres la diff rence entre la mesure de la turbidit a la sortie de la station et la turbidit a la sortie des filtres et le pH Nous avons pris comme descripteur la diff rence entre les valeurs de la turbidit a la sortie des filtres et celles a la sortie de la station pour conna tre les situations la sortie de la station Dans le cas o la valeur de cette diff rence est n gative ceci signifie une accumulation des boues a la sortie de la station La figure 5 5 montre l volution des donn es d apprentissage la turbidit d entr e la diff rence entre la turbidit de la sortie des filtres et la sortie de la station le nombre de r trolavages et le pH Concernant le pH comme le montre les figures 5 3 et 5 5 celui ci volue beaucoup plus durant cette p riode que dans le cas de tiage De plus nous pouvons d tecter des caract ristiques int ressantes sur le fonctionnement de la station durant cette p riode comme la formation d algues souvent r v l e par l augmentation des valeurs de pH Pour mettre en vidence cette caract ristique avec l expert nous avons choisi d utiliser non pas la valeur brute du pH mais des valeurs qualitatives qui permettent de rendre compte des zones de fonctionnement Cette valeur de pH a t pr trait e au moyen de l utilisation de la m thode ABSALON 4 2 1 Application de la m thode a la station de production d eau potable SMAPA 109 1000 750 500 Turbid
106. es repr sentent le degr de flou d un ensemble flou discret u vis vis des l ments qui le composent De LUCA et TERMINI 1972 TRILLAS et ALSINA 1979 TRILLAS et RIERA 1978 L analyse est faite en fonction des degr s d appartenance p x de chaque l ment x D apr s l approche propos e par De Luca et Termini les fonctions entropie floue H u doivent respecter les axiomes suivants De LUCA et TERMINI 1972 TRILLAS et ALSINA 1979 TRILLAS et RIERA 1978 TRILLAS et SANCHIS 1979 Pl A u 08 u x 0 1 P2 maxH u amp Vi u x 4 14 P3 HM lt HUW amp n lt u La relation d ordre lt est un op rateur de comparaison appel sharpeness Un ensemble flou 7 est consid r comme plus aigu sharp que l ensemble flou w si M thodologie g n rale pour la surveillance des proc d s de production d eau potable 95 Vxek Si M x 0 5 alors n x lt u x 4 15 Si u x 20 5 alors n x 2 u x Les fonctions qui respectent ces axiomes peuvent tre exprim es par la formule g n rale H u gt wT 70 4 16 C correspond au nombre d individus dans l univers de discours E o est d fini l ensemble flou y Selon De LUCA et TERMINI 1972 PAL et BEZDEK 1993 went ii T 0 T 1 0 iii T u x 0 1 R a un seul maximum en u x 4 et est 4 17 monotone pour x lt 4 et pour x gt iv la fonction A R gt est monotone croissante De Luca et Termini De
107. ession croissante pour produire une eau trait e de plus grande qualit un co t plus faible Les eaux vis e de potabilisation pour la consommation humaine sont de diff rentes natures Les eaux souterraines constituent 22 des r serves d eau douce soit environ 1000 milliards de m CARDOT 1999 Elles sont g n ralement d excellente qualit physico chimique et bact riologique N anmoins les terrains travers s en influent fortement la min ralisation Les eaux de surface se r partissent en eaux courantes ou stock es stagnantes Elles sont g n ralement riches en gaz dissous en mati res en suspension et organiques ainsi qu en plancton Elles sont tr s sensibles la pollution min rale et organique de type nitrate et pesticide d origine agricole Dans cette section nous parlerons plus sp cialement de traitement des eaux de surface mais il est certain que certaines eaux souterraines doivent galement tre trait es Suivant les circonstances ces deux types de traitement sont semblables ou diff rents mais de toute fa on ils pr sentent des points communs Le principal objectif d une station de production d eau potable est de fournir un produit qui satisfait un ensemble de normes de qualit un prix raisonnable pour le Processus de production de l eau potable 7 consommateur L annexe A en dresse les diff rents param tres L efficacit du traitement adopt d pendra de la fa on dont sera conduite
108. gorithmes disponibles pour calculer les degr s d appartenance ainsi que les param tres qui y sont associ s comme l exigence Ces travaux devraient am liorer fortement l application de cette m thodologie dans le domaine du diagnostic de proc d s complexes De plus la formalisation d une m thode pour la d termination de la dynamique entre tats fonctionnels est une t che indispensable pour que l approche puise voluer vers la construction de mod les dans le domaine du diagnostic de proc d s complexes La suite imm diate ce travail est la mise en uvre in situ du capteur logiciel mais aussi de la proc dure de diagnostic d velopp e Gr ce aux contacts fructueux que nous avons eu avec le responsable de la station SMAPA il semble que cette possibilit devienne tout fait envisageable BIBLIOGRAPHIE AFNOR 1994 AFNOR Norme exp rimentale X60 010 Maintenance Concepts et d finition des activit s de maintenance AFNOR premier tirage Paris 1994 AGUADO 1998 AGUADO J C A mixed qualitative quantitative self learning classification technique applied to situation assessment in industrial control Th se de doctorat Universitat Polit cnica de Catalunya 1998 AGUILAR et LOPEZ 1982 AGUILAR J LOPEZ R The process of classification and learning the meaning of linguistic descriptors of concepts Approximate Reasoning in Decision Analysis p 165 175 North Holland 1982 AGUILAR MARTIN et al 1999 AGUILAR MA
109. haka 0 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 jours Y A a S S Couleur u Pt Co a S 750 900 1050 1200 1350 1500 1650 1800 jours 2000 1500 Ss z 2 1000 a E 500 0 O 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 O 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 jours jours 40 8 5 amp E 30 8 25 W o T 2 a 20 3 84 Z 5 g a 104 7 75 4 w 04 ee 0 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 jours jours 300 200 250 150 a 2 200 g 100 2 m 150 o 50 100 0 O 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 jours O 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 jours 400 300 Duret total ppm 200 100 0 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 jours Figure 3 2 Evolution des param tres descripteurs de l eau brute au cours de temps Instrumentation et d veloppement d un capteur logiciel 73 400 300 200 100 Dose de coagulant mg l 0 0 150 300 450 600 750 900 1050 1200 1350 1500 1650 1800 jours Figure 3 3 Evolution de la dose de coagulant appliqu e sur la station au cours de temps Tableau 3 4 Corr lations entre variables sn ozs ones nr Solides Totaux ST D 0 102 00
110. haque descripteur H x C Px 1 Pri yw B 2 ou px est le param tre j de la classe k x est la valeur du descripteur de ce nouvel l ment et u x icy est le degr d appartenance du descripteur i a la classe k existante Pour la classe vide NIC u x C 0 5 0 5 0 5 Le degr d appartenance sera toujours de 0 5 Le r sultat des calculs des MADs par rapport l l ment X6 sont les trois vecteurs suivants U X6 Ci 0 66 0 52 0 37 0 H X6 C2 0 33 0 5 0 67 H X6 Co 0 5 0 5 0 5 2 Les degr s d appartenance globale GAD de l l ment X6 en utilisant le connectif produit GAD X C TT Mie B 3 GAD X C x IC yu x IC Ju x C ou nd est le nombre de descripteurs Nous obtenons ainsi les trois degr s d appartenance globale GAD X C 0 27 0 73 0 47 0 53 0 4 0 6 0 1442 GAD X C 0 1097 GAD X C 0 125 Annexe B Exemple d application de la m thode LAMDA 143 L l ment Xs appartient a la classe dont le GAD est maximal c est dire la classe C C GAD X C 0 1442 3 A cause de l incorporation du nouvel l ment la classe 1 C l actualisation des param tres associ s aux descripteurs quantitatifs de cette classe est faite par la formule it rative de la moyenne x Pra B 4 N 1 Pri Pri t ou px est la nouvelle valeur du param tre du descripteur de la classe
111. i L expression de SMOLUCHOWSKY permet de comprendre ce ph nom ne CARDOT 1999 La formulation est la suivante 1 3 eae er n N mT avec N et N nombre de particules collo dales libres l instant t et to a facteur de fr quence de collision efficace Q volume de particules par volume de suspension G gradient de vitesse t temps de contact Si le param tre est gal a 1 un choc interparticulaire donne une agglom ration donc une floculation L l ment Q est constant sauf intervention ext rieure car il n y a ni cr ation ni disparition de mati re Le gradient de vitesse G n est qu une valeur moyenne des vitesses sp cifiques des particules dans la solution La floculation est de qualit si le rapport Ln N N est petit Dans ce cas N est inf rieur a No Il y a donc moins de particules libres au temps t qu au temps t Toute augmentation des param tres nonc s entra ne une diminution de ce rapport La strat gie pour obtenir une bonne floculation se r sume en une augmentation des facteurs temps de contact t du volume de particules Q et du gradient de vitesse G La floculation est le ph nom ne de formation de flocs de taille plus importante agglom ration des colloides d charg s dans un r seau tridimensionnel On utilise pour ce faire des coagulants ou adjuvants de floculation Contrairement l tape de coagulation la floculation n cessite une agitation lente Les flocul
112. i comme tant le pr traitement des donn es Parfois les mesures des capteurs ne permettent pas de d finir les caract ristiques repr sentatives des diff rents tats de fonctionnement Si le pr traitement des donn es est indispensable pour extraire les informations il est n cessaire de conserver l interpr tabilit des caract ristiques tant pour la d tection que pour le diagnostic M thodologie g n rale pour la surveillance des proc d s de production d eau potable 83 Pr traitement des donn es Pr traitement des donn es Apprentissage Non supervis classes Evaluation Ajustement de I exper des param tres Affectation classes tats hors ligne tats Automate ti o v a z 0 i a a G T v a Ww Identification des s quences d tats Ajustement du seuil Validation des transitions Figure 4 1 Description g n rale de la m thode pour la surveillance de la station SMAPA 84 M thodologie g n rale pour la surveillance des proc d s de production d eau potable L analyse des donn es par l abstraction vise extraire des informations significatives partir des donn es issues d un proc d quelconque qui seront ensuite utilis es dans diff rentes t ches telles que supervision et diagnostic Cette abstraction est bas e sur le concept de la fen tre glissante comme un l ment de base des diff rents a
113. i indique la n cessit de maintenance des filtres Comme pr c demment nous avons reconnu et valid les tats du syst me et ce qui est important sans modification de la valeur du 118 Application de la m thode a la station de production d eau potable SMAPA param tre de la m thode de validation figure 5 16 Ici aussi la classe 6 a t invalid e car elle est consid r e comme mal conditionn e Les autres classes sont en revanche valid es Value 1 5 10 15 20 2 30 35 40 45 50 55 60 65 70 75 80 85 d0 95 100 105 Active Quantitative Descriptors Individuals Pasive Dannrtminrs a 7 classe 6 6 O08 O88 O88 8 CELL ELEC CLECE CELL boue 5 de Parler critique 4 COLTELELI a alarme 3 ECEE normal 2 sussss Fin de pluie 1 IESE BREESE Eee 0 1 j 1 ji 1 1 1 1 i j 1 1 I 1 i 1 I 1 1 1 1 1 5 10 15 20 2 30 35 40 45 50 55 60 65 70 75 60 65 90 95 100 105 b Figure 5 13 Identification en ligne des tats de la station SMAPA lors de la p riode d tiage 2001 2002 a Ensemble de test b Classes identifi es lors de la reconnaissance alarme d tect e INFORMATION DECISION blue INFORMATION NIC rouge NON VALIDATION 40 50 60 NO VALIDATION rouge amp VALIDA POOH EE EE EE EEE EEE EEE EOE OD 0 10 20 30 40 50 60 70 80 90 100 Figure 5 14 Validation des transitions pour la p riode d tiage 2001 2002 Application de la m thode a la station de production d eau potable SMA
114. ibilit de rejets d ambigu t et d utilisation de distance Il y a ambigu t lorsqu une observation appartient un domaine commun plusieurs classes Dans ses conditions les degr s 40 Supervision et diagnostic des proc d s de production d eau potable d appartenance a x correspondants sont assez peu diff rents ce qui peut conduire une mauvaise classification 2 5 1 2 La m thode de classification LAMDA LAMDA Learning Algorithm for Multivariate Data Analysis est une strat gie de classification avec apprentissage propos e par Joseph Aguilar Martin AGUILAR MARTIN et al 1980 La m thode a t d velopp e par plusieurs chercheurs AGUILAR MARTIN et al 1982 DESROCHES 1987 PIERA et al 1989 C est un algorithme d analyse de donn es multidimensionnelles par apprentissage et reconnaissance de formes La formation et la reconnaissance de classes dans cette m thode sont bas es sur l attribution d un objet une classe partir de la r gle heuristique appel e ad quation maximale LAMDA a t utilis en domaines tr s diverses en analyse biom dicale CHAN et al 1989 pour les bio proc d s AGUILAR MARTIN et al 1999 pour l tude des processus de d pollution des eaux us es WAISSMAN VILANOVA et al 2000 pour la psychologie GALINDO 2002 Plus r cemment dans les travaux de these de Kempowsky KEMPOWSKY 2004a proc d s industriels Orantes placement des capteurs ORANTES 2005 et Atine ATI
115. ic et d aide la d cision au niveau de la supervision L imp ratif de s ret de fonctionnement li aux enjeux conomiques en cas d incidents ou de pannes impose une ma trise importante de ces techniques de surveillance et de diagnostic En effet en raison de la complexit des syst mes Supervision et diagnostic des proc d s de production d eau potable 29 industriels du principe de disponibilit maximale et de comp titivit des entreprises la surveillance le diagnostic et l aide la d cision sont devenus des techniques tr s importantes et s ins rent dans toute la cha ne de production d un produit de la conception a la maintenance 2 3 La supervision des proc d s La supervision continue des proc d s industriels est n cessaire pour assurer des conditions d op ration pour lesquelles les algorithmes de commande sont efficaces Lorsque la fonction de surveillance est r alis e par un op rateur humain viennent s ajouter au probl me du choix des m thodes et architecture de cette fonction des concepts li s l ergonomie des syst mes d velopp s MILLOT 1988 Il est apparu entre autre que les d fauts les plus difficiles d tecter sont les d fauts qui s installent lentement sous forme de d rive car on peut mettre un certain temps voir leurs effets appara tre clairement Les alarmes sont des sympt mes de comportement anormal souvent utilis es pour faciliter la surveillance et la
116. icial Intelligence Seville Espagne 2002 GALLINARI 1997 GALLINARI P Heuristiques pour la g n ralisation THIRIA S LECHEVALLIER Y GASCUEL O CANU S Editeurs Statistiques et M thodes neuronales Chapitre 14 pp 230 243 Dunod Paris 1997 HERNANDEZ et LE LANN 2004 HERNANDEZ H LE LANN M V Application of classification method by abstraction of signals to the coagulation process of a drinking water treatment plant unit 11th International Congress on Computer Science Research CIICC 04 Mexico Mexique pp 105 112 29 Septembre ler Octobre 2004 HERNANDEZ et LE LANN 2006 HERNANDEZ H LE LANN M V Development of a neural sensor for the on line prediction of coagulant dosage in a potable water treatment plant in the way of its diagnosis accepted IBERAMIA 23 27 October 2006 Bibliographie 131 HIMMELBLAU 1978 HIMMELBLAU D M Fault diagnosis in chemical and petrochemical process Elsevier Predd Amsterdan 1978 HOPCROFT et ULLMAN 1979 HOPCROFT J ULLMAN J Introduction to automata theory languages and computation Addison Wesley New York USA 1979 IRI et al 1979 IRI M AOKI K O SHIMA E MATSUYAMA H An algorithm for diagnosis of system failures in chemical processes Computers and Chemical Engineering 3 pp 489 493 1979 ISERMAN 1997 ISERMAN R Supervision Fault Detection and Fault Diagnosis methods an introduction Control Eng Practice Vol 5 No 5 pp 639 652 Elsevier 1997
117. ie par des m thodes automatiques de surveillance de diagnostic et de supervision Il est clair aussi que pour s attaquer ce probl me il faut des connaissances approfondies sur l installation connaissances de son comportement normal mais aussi de son comportement anormal Souvent un d faut est mod lis avec les m mes outils que ceux utilis s pour pr senter le proc d en tat normal Il est bien clair aussi que si l on a une bonne connaissance des anomalies possibles il faut l utiliser pour am liorer la surveillance et le diagnostic Les outils classiques de supervision doivent tre compl t s par des outils de surveillance de diagnostic et d aide la d cision qui s int grent la supervision TRAVE MASSUYES et al 1997 figure 2 1 La supervision consiste g rer et surveiller l ex cution d une op ration ou d un travail accompli par l homme ou une machine puis proposer des actions correctives si besoin est La surveillance est une op ration de recueil en continu des signaux et commandes d un proc d afin de reconstituer l tat de fonctionnement r el Ainsi la surveillance utilise les donn es provenant du syst me pour repr senter l tat de fonctionnement puis en d tecter les volutions Le diagnostic identifie la cause de ces volutions puis le module d aide la d cision propose des actions correctives Surveillance Diagnostic Figure 2 1 Introduction d outils de surveillance de diagnost
118. iginale redondante avec les autres venant des corr lations entre variables C est cette part d information redondante qui va tre regroup e dans le r sum factoriel Les facteurs sont hi rarchis s de la mani re suivante Le 1er axe concentre le maximum de l information c est l axe de la plus grande dimension du nuage de points et il fournit le meilleur r sum dans un espace une dimension mais il laisse des r sidus d information 50 Supervision et diagnostic des proc d s de production d eau potable Le 2e axe concentre le maximum de l information restante il est orthogonal au premier et c est le meilleur r sum dans un espace deux dimensions Mais de m me il laisse aussi des r sidus Le 3e axe prend encore une part d information moindre il est orthogonal au deux premiers Et ainsi de suite pour les axes suivants tant que l on pense qu ils apportent encore de l information Le nombre de composantes en th orie est gal au nombre de variables originelles Mais en pratique les premi res directions permettent de couvrir un pourcentage lev 80 90 de toutes les donn es originelles et sont donc utilis es pour restreindre l espace d observation Concepts de base de l ACP Les composantes principales sont d termin es gr ce au calcul des vecteurs propres de la matrice de variance Les vecteurs propres avec les plus grandes valeurs propres seront utilis s comme les vecteurs de la base
119. ilis comme simulateur d essais de jar test par l op rateur Nous avons propos l utilisation de l apprentissage automatique partir de la m thode de classification floue LAMDA comme base pour l identification d un mod le comportemental de la station de production d eau potable adapt aux exigences de la supervision automatique Cette m thode repose sur le concept de degr d appartenance d un objet aux classes existantes qui remplace les crit res classiques de distance Elle se diff rencie d autres techniques par la notation de l ad quation nulle et l incidente de celle ci sur la classification La m thode comporte deux op rations principales le calcul du degr d ad quation marginal DAM et le degr d ad quation global DAG Le DAM est calcul a partir d un choix parmi plusieurs fonctions d appartenance ayant des propri t s sp cifiques et a l aide d une fonction d ad quation param trable La s lectivit de l algorithme peut tre modul e par le param tre d exigence de cette fonction D ailleurs nous avons la possibilit de traiter s quentiellement les donn es et de pouvoir m langer des informations quantitatives et qualitatives La repr sentation des fonctionnements l aide de classes a t compl t e par la construction d une machine tats finis ou automate partir de l estimation des fonctions de transition Cet automate peut tre utilis pour le suivi des tats fonctionn
120. indre les objectifs souhait s dans leur op ration et leur utilisation tout au long de leur cycle de vie Dans les processus industriels de production d eau potable le contr le et la ma trise de ses processus complexes jouent un r le crucial pour assurer la s curit du personnel de l unit et la conservation de l environnement ainsi que la fourniture de la quantit d eau n cessaire la population Dans ce chapitre nous avons pr sent un sch ma g n ral de la supervision qui inclut la d tection des d faillances le diagnostic la reconfiguration du processus et la maintenance Une description des m thodes de diagnostic a t faite en les classant en deux cat gories les m thodes base de mod les et les m thodes base de donn es historiques Le choix d une de ces m thodes d pend essentiellement des connaissances disponibles sur le proc d Notre travail porte sur le d veloppement d un outil d aide pour la caract risation et l identification du comportement de l unit de production d eau potable partir des donn es disponibles et qui prenne en compte les connaissances de l op rateur ou expert Devant le manque flagrant de mod les math matiques de l ensemble des 64 Supervision et diagnostic des proc d s de production d eau potable proc d s fonctionnant sur la station notre choix s est port sur des techniques qui permettent d analyser des historiques de ce fonctionnement Nous nous sommes
121. insuffisant iii siens SSE HSE RGSS EEE EEE EES 56 Figure 2 14 R chantillonnage par bootstrap pour la g n ration d intervalle de Dr dictiON ciiisean ar iaaa ti ania ends el dre nier e end da ag a ner da ina de ana ler datant 58 Figure 2 15 Automate d crivant une machine simple a mod le formel b repr sentation graphique is sisiiiisisiesisereneerre 60 Figure 2 16 Les diff rentes formes de maintenance eeeeceeee eee ee ee eee ee ee eee eee eats 61 Figure 3 1 M thode pour le contr le automatique du proc d de coagulation 70 Figure 3 2 Evolution des param tres descripteurs de l eau brute au cours de temps 72 Figure 3 3 Evolution de la dose de coagulant appliqu e sur la station au cours de TEMPS EE sm nn eee dan A A 73 Figure 3 4 Valeurs et histogramme des valeurs propres des composantes 74 Figure 3 5 Cercle de corr lation dans le plan 1 2 74 Figure 3 6 Architecture du Perceptron multicouche eceee eect eee eee teeta eee es 75 Figure 3 7 Valeurs des crit res MSE et de l erreur moyenne pour la d termination du nombre d it rations a et du nombre de neurones dans la couche cach e b 76 Figure 3 8 Dose de coagulant appliqu e et dose de coagulant pr dite ligne pointill e et avec le perceptron multicouche sur l ensemble de test 77 Figure 3 9 Dose de coagulant appliqu e et dose de coagulant pr dite ligne pointill e et avec le mod
122. ion gt Une panne caract rise l inaptitude d un dispositif accomplir une fonction requise Un syst me est toutefois g n ralement consid r en panne d s l apparition d une d faillance gt Un sympt me est l v nement ou l ensemble de donn es au travers duquel le syst me de d tection identifie le passage du proc d dans un fonctionnement anormal C est le seul l ment dont a connaissance le syst me de surveillance au moment de la d tection d une anomalie La distinction entre ces d finitions est tablie en consid rant les aspects comportementaux et fonctionnels PLOIX 1998 Ainsi un d faut comportement 28 Supervision et diagnostic des proc d s de production d eau potable n entra ne pas forc ment une d faillance fonctionnelle c est dire une impossibilit pour le proc d d accomplir sa t che Le d faut n induit pas n cessairement une d faillance mais il en est la cause et c est donc bien la caract risation de ces d fauts qui nous int resse ici afin de pr venir toute d faillance Ainsi une panne r sulte toujours d une ou de plusieurs d faillances qui elles m mes r sultent d un ou de plusieurs d fauts Enfin on utilise aussi le terme plus g n rique d anomalie pour voquer une particularit non conforme une r f rence comportementale ou fonctionnelle Les d fauts d faillances et pannes sont des anomalies On con oit ais ment les progr s apport s l industr
123. ional des Sciences Appliqu es Toulouse France octobre 2005 PAL et BEZDEK 1993 PAL N R BEZDEK J C Several new classes of measures of fuzziness Proc IEEE Int Conf on Fuzzy Syst 928 933 Mar 1993 PEIJIN et COX 2004 PEIJIN W COX C Study on the application of auto associative neural network IEEE ICSP 04 Proceedings pp 1570 1573 2004 PETTI et al 1990 PETTI T F KLEIN J DHURJATI P S Diagnostic model processor using deep knowledge for process fault diagnosis American Institute of Chemical Engineering Journal 36 4 pp 565 575 1990 PIERA et al 1989 PIERA N AGUILAR MARTIN J LAMDA An incremental conceptual clustering method Rapport Technique LAAS CNRS No 89420 d cembre 1989 PIERA et al 1991 PIERA N AGUILAR MARTIN J Controlling selectivity in non standard pattern recognition algorithms IEEE transactions on systems man and cybernetics Vol 21 No 1 1991 PLOIX 1998 S Ploix Diagnostic des syst mes incertains Approche bornante Th se de l Universit Henri Poincar CRAN Nancy 1 France 1998 PNSE 2005 PNSE Plan National Sant Environnement France 2006 Disponible sur http www sante gouv fr htm dossiers pnse sommaire htm RODRIGUEZ al 1996 RODRIGUEZ M SERODES J Neural network based modelling of the adequated chlorine dosage for drinking water disinfection Canadian journal of civil engineering Vol 23 621 631 1996 CRUMELHART et McCLELLAND 1993 RU
124. ique Finalement nous exposons l volution de la fonction maintenance qui a connu une forte mutation depuis qu elle est consid r e comme un des facteurs majeurs dans la ma trise de l outil de production et qui a d sormais un r le pr ventif dans le maintien de l tat de fonctionnement des syst mes de production Nous d crivons dans le chapitre trois l instrumentation de la station ainsi que le pr traitement des donn es Nous y pr sentons le d veloppement d un capteur logiciel pour la d termination en ligne de la dose optimale de coagulant en fonction de diff rentes caract ristiques de la qualit de l eau brute telles que la turbidit le pH la temp rature etc Nous pr sentons la m thodologie utilis e pour la construction du capteur logiciel base de r seaux de neurones Nous d crivons le mod le proprement dit ainsi que la m thode utilis e pour l apprentissage et la s lection de l architecture optimale du r seau et en particulier le recours l ACP analyse en composantes principales pour la d termination des entr es de ce capteur Nous proposons aussi une m thode bas e sur l utilisation du r chantillonnage par bootstrap pour la g n ration d une mesure de l incertitude sur la dose calcul e Dans le chapitre 4 nous proposons la m thodologie g n rale pour la surveillance des proc d s de production d eau potable Apr s avoir pr sent bri vement un outil 4 Introduction g n rale
125. it NTU 250 o 1 7 7 7 7 7 0 30 60 90 120 150 180 jours N L TurbDFS Sortie Apr s Filtrage NTU L o L 2 jours nombre de r trolavages 2 a ee Ce 30 60 90 120 150 180 jours 8 5 8 25 T a 2 8 T a 7 75 4 7 5 T T T T T T 0 30 60 90 120 150 180 jours Figure 5 5 Ensemble des donn es brutes saison des pluies phase d apprentissage Mai Octobre 2000 110 Application de la m thode a la station de production d eau potable SMAPA Le type de pr traitement le mieux adapt a t l histogramme figure 5 6 avec trois modalit s pHBas pHNormal et pHHaut Les valeurs caract ristiques sont pHBas pH lt 7 5 pHNormal 7 5 gt pH lt 8 4 et pHHaut ph gt 8 4 Descriptor 3 PHEH has 3 modalities and they are 170 Modalities 140 4 Label individuals af Fi tS 1 pHN 170 3 100 2 pHB 5 3 pHH 5 5 80 D 60 2 40 0 f 2 Modalities Figure 5 6 Le descripteur pH l entr e de la station SMAPA avec 3 modalit s Pour l analyse de cette p riode nous avons donc utilis comme espace de repr sentation les descripteurs et les valeurs pour la normalisation donn s dans le tableau 5 2 Tableau 5 2 L espace de repr sentation des donn es brutes ou pr trait es saison des pluies phase d apprentissage 2000 Descripteur Type Valeurs TurbE quantitatif Min 0
126. ity at a lower cost The aim of this work is the Development of a tool for the monitoring diagnosis of a whole potable water production plant Before being interested in the whole plant it appeared that the coagulation flocculation was a key step in the potable water production process The first part of the thesis consisted in developing a software sensor enabling to predict on line the coagulant dosage on the basis of the measured raw water characteristics using neural networks The second part which presents a more innovative aspect lies on the use of this information in a structure of diagnosis of the whole treatment plant From the on line measurements commonly performed a tool for monitoring and diagnosis of the processes of the whole plant has been developed It is based on the application of a classification technique and on the interpretation of the obtained information on all the processes with the aim of the identification of faults and a help for the preventive predictive maintenance of the different plant units A technique based on the fuzzy entropy and the definition of a validation index has been developed to allow the validation or not of a transition between functional states i e between classes enabling thus the elimination of ill conditioned classes or false alarms These works have been performed in collaboration with the potable water production plant of SMAPA in the town of Tuxtla Guti rrez Chiapas Mexico KEYWORDS monito
127. ium sulfate d aluminium La mise en solution se d roule en deux tapes Le cas du sulfate d aluminium est tr s significatif CARDOT 1999 Les r actions peuvent tre repr sent es de la fa on suivante AL S0 lt gt Al OH SO gt Al OH 1 2 tapel tape2 L tape 1 est une phase d hydrolyse Des interm diaires polycharg s positifs se forment Ces compos s assez fugaces pr sentent un atome d aluminium dont le nombre d oxydation est tr s grand Les formes A IV V et VII sont rencontr es Conform ment a la regle de SCHULZE HARDY ces interm diaires polycharg s positifs sont tr s efficaces pour neutraliser la charge primaire n gative des collo des Il s agit de la v ritable forme coagulante qui d stabilise les particules charg es n gativement L tape 1 d pend de la temp rature et n cessite un pH compatible avec l existence de ces interm diaires polycharg s Le temps de formation de ces compos s est de l ordre de 0 5 s L tape 2 permet la formation du pr cipit A OH 3 Elle d pend de l agitation du milieu Ce pr cipit est l l ment qui assure le pontage et la coalescence entre les collo des d stabilis s c est la forme floculante Tout coagulant Processus de production de l eau potable 15 pr sente successivement les deux formes actives coagulante et floculante Le maintien de cette derni re d pend du pH du milieu Cette notion de pH permet de d finir les
128. l volution des variables de la qualit de l eau qui peuvent aussi tre mesur es hors ligne au moyen d analyse de pr l vements Ainsi la d termination des tats fonctionnels qui peuvent tre d tect s partir des variables d environnement peut constituer aussi une tape de d couverte pour les experts de l eau A titre illustratif dans le comportement du pH de l eau l entr e du processus les sp cialistes formulent des r gles expertes qui th oriquement reconnaissent l tat fonctionnel qui correspond des besoins en quantit s importantes de coagulant pour des valeurs du pH sup rieures 8 3 N anmoins ces r gles ne prennent pas en compte d autres ph nom nes en mesure de changer le comportement du signal sans aucune influence sur l tat fonctionnel tel que l ajout d acide sulfurique pour pr traiter l eau et baisser la valeur du pH et ainsi effectuer plus efficacement le processus de coagulation avec moins de coagulant Ce raisonnement am ne l expert d terminer par ses 90 M thodologie g n rale pour la surveillance des proc d s de production d eau potable connaissances th oriques du proc d des tats qui ne sont pas reconnaissables en ligne a partir des signaux disponibles et des abstracteurs d velopp s La seule analyse des enregistrements de fonctionnements pass s afin de d terminer les tats fonctionnels repr sente en elle m me une probl matique de production d eau p
129. l exploitation de l usine de traitement Pour atteindre l objectif souhait l exploitant devra d une part respecter certains principes l mentaires pour assurer le contr le du processus de traitement et le contr le de l eau trait e et d autre part disposer d un certain nombre de moyens techniques et humains VALENTIN 2000 Nous allons pr senter dans ce chapitre les caract ristiques g n rales d une usine de production d eau potable la plus compl te et la plus courante tout en d taillant plus sp cifiquement le proc d sur lequel porte notre tude La figure 1 1 repr sente une fili re typique de potabilisation appliqu e une eau de surface Elle comporte des traitements large spectre d action tels que pr traitement oxydation clarification d sinfection et affinage Les tapes de d ferrisation d manganisation d nitratation sont les principaux traitements sp cifiques de l eau souterraine La station de traitement concern e par cette tude est la station de production d eau potable SMAPA de la ville de Tuxtla Guti rrez au Mexique Elle fournit de l eau plus de 800 000 habitants et a une capacit nominale de traitement de 1000 s partir de l eau brute pomp e dans les fleuves Grijalva et Santo Domingo SMAPA 2005 potable Captage Stockage Pr traitement A danon Clarification Oxydation Affinage gt TT gt d Costtltion 7 AUX D grillage Tamisage Pr chloration are
130. la classification La m thode de classification LAMDA consid re trois param tres r gler gt La fonction d ad quation marginale pour les descripteurs quantitatifs gt Les connectifs mixtes d association pour l agr gation des contributions de chaque descripteur et gt L indice d exigence pour rendre plus ou moins stricte l attribution d un individu a une classe 4 2 2 4 Association des classes des tats fonctionnels L expert l aide des donn es qui sont disponibles hors ligne associe des classes des tats fonctionnels Dans cette op ration trois situations sont possibles gt Une classe est quivalente un tat fonctionnel gt Un groupe de classes est quivalent un tat fonctionnel gt Une classe n est quivalente a aucun tat fonctionnel Il est possible d obtenir deux situations qui sont diff rentes par leur donn es mais avec la m me signification 4 2 3 Diagnostic en ligne Une fois que le mod le de comportement du proc d a t labor l tape suivante consiste d terminer chaque instant dans quel tat fonctionnel se trouve le proc d lorsqu une nouvelle observation est pr sent e Tous les modes de fonctionnement ne sont pas forcement identifi s lors de l tape d apprentissage et en cons quence le mod le le comportement n est pas exhaustif d certaines situations o le recueil des donn es n a pas t possible au pr alable ou qu il existe des
131. la th se qui pr sente un aspect plus novateur r side dans l utilisation de cette information dans une structure de diagnostic de l ensemble de la station de traitement A partir des mesures en ligne classiquement effectu es un outil de supervision et de diagnostic de la station de production d eau potable dans son ensemble a t d velopp Il est bas sur l application d une technique de classification et sur l interpr tation des informations obtenues sur tout l ensemble du proc d de production avec comme finalit l identification des d faillances et une aide a la maintenance pr dictive pr ventive des diff rentes unit s de la station Une technique bas e sur la l entropie floue et la d finition d un indice de validation a t d velopp e pour permettre de valider ou non une transition entre tats fonctionnels c est a dire entre classes permettant ainsi d liminer les classes mal conditionn es ou encore les fausses alarmes Ces travaux de recherche ont t r alis s en collaboration avec la station de production d eau potable SMAPA de la ville de Tuxtla Guti rrez de Chiapas au Mexique MOTS CLES supervision diagnostic classification floue capteur neuronal maintenance pr ventive production d eau potable unit de coagulation ON LINE MONITORING AND DIAGNOSIS OF POTABLE WATER PRODUCTION PROCESSES ABSTRACT The water industry is under an increasing pressure to produce a potable water of a better qual
132. lement une erreur plus importante sur les donn es de test C est la situation de surapprentissage Figure 2 13 a Finalement le mod le poss dant un nombre de param tres mod r r alise un bon compromis entre pr cision d apprentissage et bonne g n ralisation Figure 2 13 b a b c Figure 2 13 a Surapprentissage l apprentissage est parfait sur l ensemble d apprentissage x et vraisemblablement moins bon sur le point de test o b Apprentissage correct un bon lissage des donn es c Sous apprentissage apprentissage insuffisant 2 5 3 3 Mesure de la qualit de la pr diction du r seau de neurones par g n ration d intervalle de confiance Ce paragraphe est consacr au probl me d estimation de l incertitude attach e la pr diction Le r chantillonnage par Bootstrap a t utilis pour g n rer un intervalle de confiance sur la pr diction Supervision et diagnostic des proc d s de production d eau potable 57 La technique s appuie sur le fait de pouvoir par r chantillonnage dans l ensemble d apprentissage estimer les caract ristiques du ph nom ne al atoire qui a engendr ces donn es Pour le cas des r seaux de neurones la totalit de l ensemble d apprentissage est n anmoins utilis e gr ce la formation de nombreuses partitions de l chantillon L ouvrage d Efron et Tibshirani EFRON et TIBSHIRANI 1993 d taille de nombreuses applications des techniques
133. leur nombre et donc la complexit du r seau r sultant Dans une deuxi me phase nous avons adopt une proc dure it rative pour d terminer le nombre de neurones de la couche cach e L avantage du syst me propos par rapport aux autres syst mes existants est sa robustesse En effet la strat gie it rative MSE ME erreur quadratique moyenne mean square error erreur moyenne pour d terminer l architecture d un PMC perceptron multicouche permet de d terminer le nombre de neurones pour viter un sur apprentissage qui d t riorerait les performances en g n ralisation Nous avons montr dans ce m moire que les donn es du proc d peuvent tre employ es pour construire par apprentissage un capteur logiciel gt sous la forme d un RNA qui permet de pr voir pr cis ment la dose de coagulant en fonction des caract ristiques physico chimiques de l eau brute Les r sultats exp rimentaux utilisant des donn es r elles ont montr l efficacit et la robustesse de cette approche Une comparaison des r sultats obtenus avec ceux issus d une fonction lin aire issue de l ACP a montr tout l int r t du choix d un RNA La validation sur site est en cours afin de finaliser le syst me avant son d ploiement grande chelle sur la station SMAPA de production d eau potable au Mexique Le syst me se r v le d j tr s utile comme outil d aide a la d cision pour les op rateurs En particulier cet outil peut tre ut
134. lis comme espace de normalisation donn s sur le tableau 5 4 La figure 5 9 a pr sente l ensemble des donn es pour l apprentissage utilis es pour l identification du mod le de comportement de la station SMAPA 114 Application de la m thode a la station de production d eau potable SMAPA Tableau 5 4 L espace de repr sentation des donn es brutes pr trait es p riode d tiage phase Value Active Quantitative Descriptors Individuals a 7 6 5 assas 2 4 o a 3 sousous 2 28 88 O88 288 8 O88 OSS LE LLELLE LE LEE ee ee eee eee eee 01 1 d apprentissage 2000 2001 Descripteur Type Valeurs Maximale Minimale TurbE quantitatif 15 0 TurbEAF quantitatif 5 5 DoseApp quantitatif 33 5 Retrolav quantitatif 15 0 i 5 10 15 20 25 30 35 40 45 50 55 60 6 70 _TurbE nr A F I 80 85 90 95 100 105 1 5 10 15 2 25 2 53 40 45 50 55 60 65 70 s 9 5 b gt 0 9 B 0 8 0 7 0 6 LL gx E 0 5 g gt 04 29 0 3 pa 0 2 0 1 0 0 1 1 1 1 1 1 Class 1 Class 2 Class 3 Class 4 Class 5 Class 6 Current Classes c Figure 5 9 a L ensemble des donn es brutes pr trait es p riode d tiage phase d apprentissage NovDec2000 JanMiFev2001 b classification pour l identification des tats de la p riode d tiage de la station SMAPA autoapprentissage c Profil des classes Application de la m thode a la statio
135. lorite L acide hypochloreux a un effet bact ricide plus important que l ion hypochlorite Les deux formes cohabitent en solution suivant les valeurs du pH de l eau Plus le pH est lev moins il y a d acide hypochloreux pour une dose donn e de chlore Pour la distribution et le dosage du chlore il faut se reporter la l gislation en vigueur A partir des r cipients de stockage la distribution de chlore vers l organe de dosage chlorom tre peut tre r alis e Soit sous forme gazeuse pour les faibles d bits Soit sous forme liquide pour les d bits importants A la sortie du chlorom tre le chlore est v hicul gazeux sous d pression jusqu l hydro jecteur o il est dissout dans l eau motrice 1 5 2 Le dioxyde de chlore Le dioxyde de chlore est un gaz orange de formule CIO deux fois et demie plus dense que l air Il est toxique et devient explosif si sa concentration d passe les 10 Il est tr s soluble dans l eau La r action de sa mise en solution dans l eau s crit ere 1 6 2Cl0 H O HCIO HCIO En milieu basique C O se dismute en donnant un chloriteC O et un chlorate C O 22 Processus de production de l eau potable ae 1 7 2CIO 20H CIO ClO H O lt Ces compos s sont probl matiques Ils ont t reconnus comme potentiellement canc rig nes Ils peuvent appara tre lors de la pr paration du dioxyde de chlore en cas de mauvais dosage mais galement
136. lors de l utilisation de l oxydant pour la d sinfection par r action sur les mati res organiques 1 5 3 L ozone L ozone a t d couvert en 1840 CARDOT 1999 L ozone est un gaz extr mement instable et un oxydant tr s puissant Il est fabriqu sur place partir d oxyg ne au travers d un champ lectrique cr par une diff rence de potentiel entre deux lectrodes de 10 20 kV La synth se de l ozone se fait selon la r action y 1 8 30 20 L oxyg ne provient soit d air sec soit d oxyg ne pur du commerce L ozone est l oxydant le plus efficace sur le virus le fer et le mangan se Il ne donne pas de go t a l eau contrairement au chlore et oxyde fortement les mati res organiques Pour obtenir un effet d sinfectant le temps de contact doit tre suffisamment long d o la n cessit d ouvrages adapt s tour d ozonation 1 5 4 Le rayonnement UV La d couverte des effets bact ricides des radiations solaires date de 1878 CARDOT 1999 La production d UV est r alis e par des lampes contenant un gaz inerte et des vapeurs de mercure Le passage d un courant lectrique provoque l excitation des atomes de mercure qui mettent en retour des rayons de longueur d onde comprise entre 240 et 270 nm L irradiation par une dose suffisante de rayonnement UV permet la destruction des bact ries virus germes levures champignons algues etc Les rayonnements UV ont la propri t d agi
137. m riques qui ne se contentent pas de faire l acquisition des donn es mais qui sont charg s de la mise en uvre de l automatisation Diverses architectures sont possibles la plus classique consiste en une hi rarchie entre des boucles de r gulation locales et une supervision globale qui fixe les consignes des boucles locales Automatiser peut avoir des objectifs diverses les plus fr quent sont d augmenter les performances du syst me de production de garantir la qualit du produit de diminuer les co ts de production et d am liorer la s curit de l installation industrielle et de son environnement BOILLEREAUX et FLAUS 2003 Le diagnostic de syst mes technologiques a suscit et continue de susciter un grand int r t de la part du monde industriel savoir d tecter un mode de fonctionnement anormal suffisamment t t peut permettre de produire une commande susceptible de revenir un mode de fonctionnement plus adapt la mission pour laquelle ce syst me a t con u Le diagnostic automatique est donc maintenant un l ment essentiel d un syst me de production ou d un syst me con u pour tre utilis par un tiers DUBUISSON 2001 Supervision et diagnostic des proc d s de production d eau potable 27 Dans la premi re partie de ce chapitre nous introduisons quelques d finitions utiles dans le domaine de la supervision et du diagnostic puis nous donnons quelques aspects fondamentaux de la supervision de proc d s et de
138. mmation FOTOOHI et al 1996 D bit r actif D bit eau Proportionnalit au d bit coagulant acide la dose tant g n ralement etc fix e pour la coagulation par essai Jar Test Dose de r actifs Divers param tres de Algorithme sp cifique Etude d bit de qualit de l eau brute sp cifique r actif d bit d eau brute turbidit pH temp rature etc Extraction des boues de d cantation D bit d eau et concentration des boues extraites Extraction continue avec arr t si seuil bas de concentration de boue Lavage des filtre Perte de charge et temps de filtration Automate programmable avec gestion des priorit s R gulation Filtre Niveau d eau dans le filtre R gulation sp cifique avec d marrage lent D sinfection chlore D sinfection Concentration r siduelle de chlore D bit d eau et R gulation sp cifique pour maintenir une consigne de concentration en chlore constante RODRIGUEZ et al 1996 R gulation sp cifique ozone concentration r siduelle d ozone 3 4 D veloppement du capteur logiciel pour la pr diction de la dose de coagulant 3 4 1 M thode actuellement utilis e sur le proc d de coagulation La dose optimale de coagulant est traditionnellement d termin e l aide d un essai exp rimental appel Jar Test Il consiste mettre dans une s rie de b chers contenant la m me eau brute des doses croissan
139. n de production d eau potable SMAPA 115 Comme pr c demment pour l identification des tats fonctionnels de la station SMAPA pr sents dans l ensemble d apprentissage nous avons r alis un auto apprentissage La classification repr sent e sur figure 5 9 b a t obtenue en utilisant les m mes fonctions et valeurs de param tres que celles utilis es pour la saison des pluies c est dire la fonction binomiale quation 2 7 8 2 5 1 2 pour le calcul des ad quations marginales DAM et le Minimum Maximum avec un indice d exigence de Alfa 0 9 pour le calcul de l ad quation globale DAG A partir de ces param tres 6 classes ont t obtenues Ces classes ont t interpr t es par l expert selon ses connaissances et l aide du profil de classes de la figure 5 9 c Elles ont t associ es aux 5 situations pr sent es dans le tableau 5 5 Il y a 2 classes qui correspondent au fonctionnement normal une classe d alarme et deux classes de mauvais fonctionnement boue haut et tape critique L objectif est d tablir une alarme pour pouvoir effectuer la maintenance du syst me de mani re pr ventive et d viter les tats de mauvais fonctionnement La classe 6 n est pas associ e a priori avec un tat du syst me Tableau 5 5 Description des situations durant la p riode d tiage SITUATION DESCRIPTION CLASSE Op ration normale fin Les valeurs des variables suivent les conditions C1 des pluies normale
140. n utilisant la mesure en ligne des param tres descripteurs de la qualit de l eau brute peut tre la r ponse comme m thode pour la d termination automatique de la dose de coagulant injecter 3 4 2 Mod lisation du proc d de coagulation Exp rimentalement on a pu constater que la relation entre la dose de coagulant et les caract ristiques de l eau brute est fortement non lin aire Il n existe pas l heure actuelle de mod le de connaissance permettant d exprimer les ph nom nes physiques et chimiques mis en jeu La seule solution pour l tablissement de ce mod le c est d avoir recours une mod lisation de type comportemental Parmi les diff rents types de mod le de comportement possibles le mod le base de r seaux de neurones poss de l avantage de pouvoir intrins quement d crire des relations non lin aires entre les variables d entr es d un syst me et celles de sortie Durant ces dix derni res ann es un certain nombre de mod les bas s sur les r seaux de neurones artificiels RNA ont t d velopp s et appliqu s pour la pr diction de la dose de coagulant dans le processus de production d eau BABA et al 1990 COLLINS et al 1992 COX et al 1994 MIRSEPASSI et al 1997 GAGNON et al 1997 et YU et al 2000 Quelques tudes r centes VALENTIN 2000 LAMRINI et al 2005 ont montr l efficacit potentielle de cette approche Notre travail concerne le d veloppement d un tel capteur partir
141. nalyseurs de signaux Nous avons utilis deux techniques pour le pr traitement des donn es issues de travaux effectu s au sein du groupe DISCO du LAAS CNRS le filtrage et l histogramme SARRATE 2002 Ces analyseurs sont pr sent s comme des blocs SIMULINK de MATLAB MATLAB 2001 rassembl s dans une librairie nomm e ABSALON Avant d expliquer sous forme d taill e ces analyseurs revenons sur le concept de fen tre glissante laquelle r alise la t che d abstraction d information 4 2 1 1 Concept de la fen tre glissante Le concept est bas sur la g n ration d une base pour l analyse du signal chantillonn dans le but d extraire des informations utiles La base d chantillonnage temporelle s exprime normalement par la formule suivante t i t iT 4 1 avec T p riode d chantillonnage to l instant initial t i l instant de mesure Sous forme matricielle t 4 2 i 1 iJ a a if L quation 4 1 g n re la s quence infini de t j T 0 7 2T 37 r fliki t i7 4 3 D finition 1 G n rateur de fen tre SARRATE 2000 Un g n rateur de fen tre GENFEN est un quadruplet GENFEN S F Q f 4 4 avec Se le signal d entr e du g n rateur de fen tre M thodologie g n rale pour la surveillance des proc d s de production d eau potable 85 F l univers de la fen tre Q param tres caract risant la fen tre f fonction de renvoi des donn es de la fen tre Tel que
142. neenation Floculation Filtration Chlore ment UV Ozone A ration Figure 1 1 Station de production d eau potable 1 2 1 Pr traitement Une eau avant d tre trait e doit tre d barrass e de la plus grande quantit possible d l ments dont la nature et la dimension constitueraient une g ne pour les traitements ult rieurs Pour cela on effectue des pr traitements de l eau de surface CIDF LdesEaux 2000 Dans le cas d une eau potable les pr traitements sont principalement de deux types gt le d grillage gt le tamisage 8 Processus de production de l eau potable Le d grillage premier poste de traitement permet de prot ger les ouvrages avals de l arriv e de gros objets susceptibles de provoquer des bouchages dans les diff rentes unit s de traitement Ceci permet galement de s parer et d vacuer facilement les mati res volumineuses charri es par l eau brute qui pourraient nuire a l efficacit des traitements suivants ou en compliquer l ex cution Le d grillage est avant tout destin l limination de gros objets morceaux de bois etc Le tamisage quant lui permet d liminer des objets plus fins que ceux limin s par le d grillage Il s agit de feuilles ou de morceaux de plastique par exemple 1 2 2 Pr oxydation L oxydation est une op ration essentielle a tout traitement des eaux Elle est toujours incluse en fin de fili re au niveau de la d sinfe
143. nir d un moyen automatique pour effecteur cette d termination Figure 1 4 Essai Jar Test c L influence de la temp rature La temp rature joue un r le important En effet une temp rature basse entra nant une augmentation de la viscosit de l eau cr e une s rie de difficult s dans le d roulement du processus la coagulation et la d cantation du floc sont ralenties et la plage du pH optimal diminue Pour viter ces difficult s une solution consiste changer de coagulant en fonction des saisons d L influence de la turbidit La turbidit est elle aussi un param tre influant sur le bon fonctionnement du proc d de coagulation Dans une certaine plage de turbidit l augmentation de la concentration en particules doit tre suivie d une augmentation de la dose de coagulant Quand la turbidit de l eau est trop faible on peut augmenter la concentration en particules par addition d argiles Dans le cas de fortes pluies l augmentation des MES favorise une meilleure d cantation Enfin pour grossir et alourdir le floc on ajoute un adjuvant de floculation 1 3 4 La floculation Apr s avoir t d stabilis es par le coagulant les particules collo dales s agglom rent lorsqu elles entrent en contact C est la floculation Le floc ainsi form Processus de production de l eau potable 17 peut d canter flotter ou filtrer coagulation sur filtre suivant le proc d de r tention chois
144. nna t a priori les mod les r els de fonctionnement contenus dans l ensemble d apprentissage En effet l expert tiquette les observations qui d apr s lui repr sentent le mieux les diff rentes situations gt L apprentissage non supervis nomm auto apprentissage il n est pas toujours possible de disposer des connaissances a priori sur les caract ristiques de fonctionnement et l expert ne peut pas affecter chaque observation une situation Il consiste cr er partir des informations contenues dans un ensemble de donn es des classes o groupes de classes caract risant les diff rents modes de fonctionnement M thodologie g n rale pour la surveillance des proc d s de production d eau potable 91 gt L apprentissage supervis actif o l expert n a pas besoin d tiqueter toutes les observations de l ensemble d apprentissage Il peut laisser des l ments sans classe soit parce a qu il consid re que certains ne sont pas assez repr sentatifs ou b qu il ne poss de pas les connaissances pour d terminer si ces l ments correspondent a un type de comportement Ainsi l algorithme d apprentissage peut effectuer une premi re classification pour obtenir les param tres des classes Post rieurement les observations qui n ont pas t attribu es une classe seront utilis es soit pour faire voluer les classes existantes soit pour en cr er de nouvelles 4 2 2 3 R glage des param tres de
145. nnement 5 3 Strat gie d analyse du proc d Nous avons r alis l analyse du comportement de la station en deux parties en raison de la forte d pendance vis a vis de la saison la p riode d tiage et la p riode de pluie Nous avons d velopp la m thode pour la surveillance de la station SMAPA telle que d crite dans le paragraphe 4 2 et montr e sur la figure 4 1 108 Application de la m thode a la station de production d eau potable SMAPA On dispose d un historique des donn es d environ 5 ans Ce jeu de donn es couvre une p riode refl tant dans une certaine mesure les variations saisonni res de la qualit de l eau brute Dans la suite nous pr sentons l analyse et l interpr tation des r sultats Ici nous fournissons l expert des outils visuels avec des informations utiles relatives a la classification r alis e L objectif est de donner a l expert des moyens pour mieux exploiter les r sultats de la classification lors de l interpr tation et la validation des classes 5 3 1 P riode des pluies 5 3 1 1 L apprentissage hors ligne et choix de descripteurs Le choix des descripteurs a t effectu en partie en regardant les volutions des diff rentes variables et avec l aide de l expert Pour cette analyse on a acc s quatre param tres descripteurs de l eau la turbidit a la sortie des filtres et l entr e de la station la dose de coagulant appliqu e et le nombre de r trolavag
146. nombre de neurones dans la couche cach e ex 1 Fixer le nombre d it rations vers une certaine valeur ex 100 Choix d un ensemble de nombres de neurones de la couche cach e HN ex 10 15 20 25 Apprentissage du r seau de neurones en utilisant MATLAB p e prennent en compte le nombre d it rations dans 3 et le nombre de couches cach es dans 4 Sauvegarde des valeurs des crit res RMSE et ME les plus bas R p ter 4 et 5 plusieurs fois en changeant le nombre de couches cach es Ceci assure que le poids du r seau soit initialis e chaque apprentissage lequel aide en explorant la surface d erreur Choix du nombre de couches cach es optimal HNopti1 par analyse des valeurs RMSE et des valeurs EM Choix d un nouvel ensemble du nombre de couches cach es autour de la valeur HNopti ex 25 30 35 si HNopt1 30 Syst matiquement augmenter en 1 le nombre de neurones dan la couche cach e Aller a 5 et r p ter 8 jusqu a toutes les nouvelles valeurs du nombre de couches cach es soient explor es Choix de la meilleure architecture par analyses des valeurs des crit res RMSE et valeurs ME les plus bas Choix d un ensemble de nombres d it rations ex 50 100 150 Apprentissage du r seau de neurones prennent en compte le nombre d it rations dans 12 et le nombre de couches cach es dans 11 Sauvegarde des valeurs des crit res RMSE et ME les plus bas 148 Annexe C La proc dure it rative
147. ns l annexe C 76 Instrumentation et d veloppement d un capteur logiciel Sur la figure 3 7a nous donnons les r sultats des volutions des deux crit res MSE et erreur moyenne ME pour une valeur du nombre de neurones dans la couche cach e 20 et en fonction du nombre d it rations Sur la figure 3 7b nous donnons les r sultats de la m thodologie en terme de valeurs des crit res en fonction du nombre de neurones dans la couche cach e pour un nombre d it rations fix De la figure 3 7 il ressort que le r seau offrant le meilleur compromis est celui qui poss de 20 neurones dans la couche cach e et dont les valeurs des poids des connections sont celles trouv es apr s 50 it rations Neurones couche cach e 20 1 an apprentissage 1 an test Epochs mse apprent mse test erreurM apprent erreurM test 10 8 06E 02 2 13E 03 1 2245 1 91845 25 5 97E 02 1 64E 03 8 83E 04 1 46862 50 5 38E 02 1 29E 03 0 041 1 47758 100 5 90E 02 1 99E 03 0 2326 1 55061 200 4 74E 02 1 20E 03 0 0012 1 13015 2 50E 03 2 00E 03 3 1 50E 03 3 1 00E 03 00E 02 0 00E 00 Nmbre epochs Nmbre epochs a Epochs 100 1 an apprentissage 1 an test Neurones mse apprent mse test erreurM apprent erreurM test 5 4 76E 02 1 34E 03 2 36E 02 0 77726 10 468E 02 1 45E 03 0 085 1 46386 15 4 49E 02 1 42E 03 0 0953 1 14139 20 3 18E 02 1 38E 03 2 10E 03 0 84248 50 3 26E 02 1 61E 03 0 0201 0 98888 100 4 57E 02 1 656403 0 091 1 56753
148. ode 5 2 3 Description des donn es de la station En ce que qui concerne les variables de la qualit de l eau dans la station SMAPA elles sont obtenues a partir d chantillons quotidiens Ces chantillons sont obtenus par ajout de pr l vements r alis s tout a long des 24 heures Chaque variable est obtenue en quatre points de mesure l entr e avant la filtration apr s la coagulation floculation d cantation apr s la filtration et la sortie de la station Les principales variables analys es l entr e et la sortie de la station sont donn es sur la figure 5 3 eens wo Ss wo S O i a N S 20 4 Ss Temp entr e oC Temp sortie oC 0 0 30 60 90 120 150 180 210 240 270 300 330 360 0 jours 30 60 90 120 150 180 210 240 270 300 330 360 jours a 1000 ES w 500 N Turbidit entr e NTU Turb sortie NTU 0 o 0 30 60 90 120 150 180 210 240 270 300 330 360 0 30 60 90 120 150 180 210 240 270 300 330 360 jours jours 0 30 60 90 120 150 180 210 240 270 300 330 36C 0 30 60 90 120 150 180 210 240 270 300 330 360 jours jours 8 5 8 5 300 w 200 4 100 4 Couleur entr e u Pt Co Couleur sortie u Pt Co N 0 o D a 8 25 pH entr e u pH PH sortie u pH 7 75 r r r r r T T T T T T 7 75 0 30 60 90 120 150 180 210
149. oduction plants and small networks in Proceedings of IWSA Amsterdan 1998 DASH et VENKATASUBRAMANIAN 2000 DASH S VENKATASUBRAMANIAN V Challenges in the industrial applications of fault diagnostic systems Computers and chemical engineering 24 pp 785 791 Elsevier 2000 De LUCA et TERMINI 1974 De LUCA TERMINI S Entropy of L fuzzy sets Information and control 24 pp 55 73 1974 De LUCA et TERMINI 1972 De LUCA TERMINI S A Definition of Non Probablilistic Entropy in the Setting of Fuzzy Set Theory Information and Control 20 301 312 1972 DEGREMONT 2005 DEGREMONT M mento technique de l eau Tome 2 Lavoisier SAS Lexique technique de l eau Paris dixi me edition 2005 DEMOTIER et al 2003 DEMOTIER S DENOEUX T SCH N W ODEH K new approach to assess risk in water treatment using the belief function framework IEEE 0 7803 7952 7 03 pp 1792 1797 2003 DESROCHES 1987 DESROCHES P Syclare Syst me de classification avec apprentissage et reconnaissance des formes Manuel d utilisation Centre d Etudis Avancaits de Blanes 1987 DIEZ et AGUILAR MARTIN 2006 DIEZ E AGUILAR MARTIN J Proposition d Entropie non Probabiliste comme Indice de Fiabilite dans la Prise de D cisions submitted CCIA 2006 130 Bibliographie DOJAT et al 1998 DOJAT M RAMAUX N FONTAINE D Scenario recognition for temporal reasoning in medical domains Artificial Intelligence in Medicine tome14 pp139 155 1998
150. on Cette qualit de pr diction pourrait tre mesur e en terme de robustesse aux diff rentes erreurs de mod lisation Pour estimer cette incertitude de pr diction nous utilisons une approche bas e sur le r chantillonnage de la base d apprentissage par bootstrap 8 2 5 3 3 Nous g n rons 50 ensembles de bootstrap partir de l ensemble d apprentissage 363 chantillons 50 perceptrons multicouches sont ensuite g n r s en utilisant la proc dure d apprentissage d crite pr c demment en utilisant comme ensemble d apprentissage chacun des 50 ensembles de bootstrap Ensuite pour chaque vecteur d entr e on calcule la sortie ponctuelle pr dite ainsi que les 50 sorties de chaque perceptron multicouche Ces diff rentes sorties nous donnent une estimation de l incertitude li e la pr diction que l on peut exprimer sous forme d intervalle La Figure 3 10 montre les r sultats de la pr diction ponctuelle et l intervalle de confiance ainsi obtenus sur l ensemble de test 200 o 150 DoseAppliqu e 75 DoseCalcul e 100 MAX O v MIN TD o 50 w a 0 0 10 20 30 40 jours Octobre MiNovembre 2003 Figure 3 10 Dose de coagulant appliqu e et dose de coagulant pr dite avec le perceptron multicouche sur l ensemble de test oct Minov 2003 et l intervalle de confiance MAX et MIN A ce stade il est int ressant de comparer les r sultats que nous avons obtenus a
151. on d eau potable a Chiapas est aliment e principalement par les fleuves Grijalva et Santo Domingo Ils apportent 1200 I s qui repr sentent 87 du total de la captation Il existe actuellement deux pompes et trois lignes avec une longueur approximative de 11 kilom tres chacune La station a une capacit de production de 800 l s et alimente via un r seau interconnect pr s d un million d habitants Pour chaque chantillon ou individu on poss de les r sultats de la mesure en ligne de diff rentes caract ristiques de l eau brute mais aussi d analyses chimiques et physiques effectu es hors ligne qui constituent un ensemble de 9 descripteurs de la qualit de l eau brute temp rature TEMP couleur C turbidit TUR solides totaux ST mati re organique MO pH bicarbonate B chlorure CL duret totale DT De plus nous disposons de la dose de coagulant DOSE optimale inject e sur l usine en continu Cette dose de coagulant est d termin e par des essais jar test effectu s en laboratoire elle est r actualis e par l op rateur une fois par jour Elle peut galement tre r actualis e plus fr quemment s il y a une forte variation de la qualit de l eau brute Instrumentation et d veloppement d un capteur logiciel 71 Des statistiques descriptives simples des donn es brutes sont pr sent es dans le tableau 3 3 Il faut noter que ce jeu de donn es couvre une p riode de cing ans 2000 2004 et refl
152. on et diagnostic des proc d s de production d eau potable 63 reprises par de nombreux auteurs ZWINGELSTEIN 1995 BERGOT et GRUDZIEN 1995 WEBER 1999 D apr s I AFNOR l op ration de diagnostic consiste a identifier la cause probable de la ou des d faillance s l aide d un raisonnement logique fond sur un ensemble d observations provenant d une inspection d un contr le ou d un test Il s agit donc de travailler sur les relations de causalit liant les effets sympt mes observ s sur le syst me et les causes d fauts du syst me L objectif d un syst me de diagnostic est alors de rendre compte de l apparition d un d faut le plus rapidement possible c est dire avant qu il n entraine des dommages importants au travers de d faillances Les trois fonctions du diagnostic peuvent alors tre d crites de la mani re suivante gt la d tection d terminer la pr sence ou non d un d faut affectant le proc d en se basant sur l analyse des effets sur le syst me sympt mes gt la localisation d terminer le type de d faut affectant le proc d en donnant des indications relatives l l ment en d faut gt l identification d terminer exactement la cause de ses sympt mes en identifiant la nature du d faut 2 8 Conclusion La complexit actuelle des processus et des syst mes lance des d fis consid rables dans la conception l analyse la construction et la manipulation pour atte
153. onne qualit gt Pr venir les pathologies d origine environnementale et notamment les cancers gt Mieux informer le publique et prot ger sp cialement les populations sensibles enfants et femmes enceintes Le tableau A 1 rassemble les valeurs adopt es par l organisation mondiale de la sant OMS la communaut europ enne CEE la France et le Mexique sur la r glementation de la qualit de l eau potable DEGREMONT 2005 SMAPA 2005 La directive de la CEE regroupe 62 param tres regroup s en cinq cat gories gt Param tres organoleptiques gt Param tres physico chimiques gt Param tres concernant des substances ind sirables gt Param tres concernant des substances toxiques gt Param tres microbiologiques Pour chaque param tre il est d fini un Niveau Guide NG c est la valeur qui est consid r e comme satisfaisante et qu il faut chercher atteindre Pour certain param tres il est galement fix une concentration maximale admissible CMA l eau distribu doit alors avoir une valeur inf rieure ou gale cette valeur Lorsque la concentration dans l eau brute est sup rieure a cette valeur il emporte de mettre en uvre le traitement correspondant 138 Annexe A R glementation sur l eau potable Tableau A 1 R glementation concernant la qualit de l eau la consommation Directive CEE Directive CEE Mexique Param tres NG CMA Franc
154. oportionnel cette hauteur de couche La graphique de la figure 1 5 repr sente de mani re sch matique l volution de la turbidit de l eau filtr e en fonction de temps La premi re phase est la maturation du filtre a suivie de la p riode de fonctionnement normal b Lorsque la turbidit de 20 Processus de production de l eau potable l eau filtr e augmente cela correspond un d but de crevaison de la masse filtrante c et l on atteint alors rapidement la limite de turbidit acceptable d ne pas d passer 1 5 D sinfection La d sinfection est un traitement visant liminer les micro organismes pathog nes bact ries virus et parasites ainsi que la majorit des germes banals moins r sistants C est le moyen de fournir une eau bact riologiquement potable tout en y maintenant un pouvoir d sinfectant suffisamment lev pour viter les reviviscences bact riennes dans le r seaux de distribution L eau potable suivant les normes contient toujours quelques germes banals alors qu une eau st rile n en contient aucun Turbidit eau filtr e I I I I I I I I I I I I I Figure 1 5 Evolution de la turbidit de l eau filtr e d un filtre La d sinfection est une post oxydation En eau potable elle est assur e par des oxydants chimiques tels que le chlore le dioxyde de chlore CIO l ozone O3 et dans un certain nombre de cas par un proc d chimique comme le rayonn
155. ormes de maintenance 2 7 1 La maintenance corrective La maintenance corrective est souvent per ue comme la forme primaire par excellence de la maintenance car l intervention a lieu en urgence une fois la d faillance survenue La logique de cette politique de maintenance est assez simple lorsqu une machine est d fectueuse il faut la r parer ce qui sous entend que si elle fonctionne on n y touche pas Sur ce principe la maintenance corrective regroupe l ensemble des activit s r alis es apr s la d faillance de l outil de production Cette politique regroupe une part importante des op rations de maintenance au cours desquelles le technicien de maintenance joue un r le important puisque faute d autodiagnostic aide la d cision c est lui qui tablit un diagnostic et d cide des actions correctives Sous cette forme de maintenance on distingue g n ralement deux niveaux selon la nature des op rations r alis es On parle de maintenance palliative lorsque l intervention a un caract re provisoire dans le sens o elle n cessitera forc ment une intervention ult rieure Par opposition une op ration de maintenance curative se caract rise par la recherche des causes initiales de la d faillance et par la r alisation des op rations visant rendre le syst me op rationnel et ainsi viter toute nouvelle occurrence de cette d faillance 62 Supervision et diagnostic des proc d s de production d eau pot
156. otable par le biais de la classification par apprentissage non supervis En g n ral les techniques d acquisition de connaissances expertes n incluent la d couverte de nouvelles relations que comme une tape ant rieure d analyse Ceci est d principalement au fait que les m thodes de formalisation ne pr voient g n ralement pas la cr ation de nouveaux liens entre connaissances mod lis es En outre la d couverte de nouvelles relations d pend aussi de la reconnaissance humaine de ph nom nes jusqu alors inattendus Ces d couvertes doivent tre valid es puisqu un expert unique a typiquement une perception restreinte du syst me analys Afin de r duire le biais et l impr cision de cette nouvelle connaissance celle ci doit tre valid e sur des donn es enregistr es auparavant 4 2 2 1 Choix du contexte Il s agit du choix de l intervalle de fonctionnement du processus tr s souvent fait par l expert Dans le cas de la m thode de classification LAMDA ce contexte est d finie par gt Les valeurs minimale et maximale pour la normalisation des descripteurs quantitatifs et gt Toutes les modalit s pour chacun des descripteurs qualitatifs 4 2 2 2 Modes d apprentissage La classification LAMDA peut r aliser trois diff rents modes d apprentissage selon la s paration de l ensemble des observations utiliser pour l apprentissage gt L apprentissage supervis Il est impos par l expert qui co
157. our la classification la turbidit la diff rence de la turbidit l entr e et avant les filtres la dose de coagulant et le nombre de r trolavages Ces donn es sur la qualit de l eau brute sur la p riode de novembre 2000 avril 2001 repr sentent une ann e typique de fonctionnement de la station Cette p riode est repr sentative par ses valeurs et peut donc tre consid r e pour d velopper l tude Application de la m thode a la station de production d eau potable SMAPA 113 Turbidit NTU 0 30 60 90 120 jours 150 180 T E T g 4 2 C B F jours 30 8 20 8 2 p 404 5 2 o 1 T 1 1 1 1 o 30 60 90 120 150 180 jours Figure 5 8 Ensemble des donn es brutes p riode d tiage phase d apprentissage NovDec2000 JanAvril2001 Avant d appliquer la m thode de classification LAMDA en utilisant le logiciel SALSA aux donn es d apprentissage de la p riode d tiage 2000 2001 les donn es peuvent tre remplac es par des donn es pr trait es au moyen de l utilisation de la m thode ABSALON 4 2 1 HERNANDEZ et LE LANN 2004 Le type de pr traitement le mieux adapt a t le filtrage de type passe bas d liminer toutes les variations de type hautes fr quences Pour l analyse de cette p riode nous avons repr sentation les descripteurs et les valeurs pour la Butterworth d ordre 2 afin uti
158. param tres du mod le Les m thodes d estimation d tat n cessitant la reconstruction des sorties y du syst me gr ce par exemple un filtre de Kalman couvrent la fois les approches de type espace parit et les observateurs Les m thodes d estimation de param tres font l hypoth se que les fautes survenant dans un syst me dynamique se manifestent par un changement des param tres de ce syst me La seconde tape est le processus de d cision les r sidus g n r s sont examin s en tant que signatures de faute Les fonctions de d cision sont des fonctions de ces r sidus auxquelles ont t adjointes des r gles de d cision logiques Supervision et diagnostic des proc d s de production d eau potable 33 Les m thodes dites de tests d hypoth ses attribuent les r sidus a une violation de certaines hypoth ses li es au comportement normal du syst me C est le principe de Diagnostic model processor DMP PETTI et al 1990 2 4 2 M thodes partir de donn es historiques Par rapport aux m thodes base de mod les o la connaissance a priori quantitative ou qualitative sur le processus est requise dans les m thodes partir de donn es historiques une large quantit de donn es enregistr es sur le fonctionnement du syst me normal et au cours de d faillances est n cessaire L extraction de l information peut tre de nature quantitative ou qualitative Deux des plus importantes m thodes d
159. partenance minimal Uc le rapport entre les quantit s d information correspond l quation 4 28 Luc gt gt Ly Hu gt gt Loic 4 28 Pour prendre la d cision de validation nous avons ajout une marge de d cision M thodologie g n rale pour la surveillance des proc d s de production d eau potable 99 Cette valeur permet de garantir l information pour le changement d tat Ip et le niveau d incertitude minimal de telle mani re qu on valide la transition uniquement si Lic gt Inte 4 29 Plus la marge de d cision est grande plus la transition sera valid e et mieux conditionn e Avec cette approche nous validons uniquement les transitions qui ont un degr d information suffisant par rapport l information globale en incluant la classe d ad quation minimale qui dans le cas de LAMDA correspond la NIC 4 3 Conclusion Dans ce chapitre nous avons abord le pr traitement des donn es comme un l ment indispensable pour extraire les informations les plus repr sentatives au moyen de l analyse du signal par l abstraction d informations significatives ABSALON Nous avons d velopp une m thodologie bas e sur la technique de classification floue LAMDA qui permet d effectuer la surveillance des proc d s de production d eau potable en utilisant une strat gie qui cherche mod liser un certain type de raisonnement humain au moyen de donn es historiques du processus Sachant que la
160. peut exprimer un degr entre l ad quation d un attribut une classe et l inad quation de l attribut cette classe Entre ces deux valeurs extr mes il existe une valeur de l attribut telle que si on se limitait a cette unique information il serait impossible de d cider de l appartenance de cet objet une classe Ceci est quivalent a une ad quation neutre Le concept d ad quation neutre est n cessaire dans la repr sentation d information insuffisante pour la classification L expression d une ad quation neutre pour toute valeur dans l espace de description est quivalente l indistingibilit d une certaine classe L une des sp cificit s importantes de la m thode LAMDA r side dans la prise en compte de ce manque d information au moyen d une classe non informative NIC La classe NIC quivaut donc consid rer indistingables tous les attributs Degr d ad quation Marginale DAM et Degr d ad quation Globale DAG Pour un l ment donn les caract ristiques par rapport chaque descripteur interviennent dans le calcul du degr d appartenance de cet l ment a une classe par ce Supervision et diagnostic des proc d s de production d eau potable 43 qu on a appel le degr d ad quation marginale DAG Pour chaque l ment on d termine un vecteur des degr s d appartenance marginale L information de ces degr s devra tre agr g e afin d obtenir un indicateur qui permet
161. portement de la station est en effet tr s diff rent suivant ces deux saisons la saison de pluie et l tiage Dans chaque cas nous avons con u le mod le de comportement en partant d un apprentissage hors ligne non supervis Il est noter que les m mes fonctions et param tres de la m thode de classification ont t utilis s dans les deux cas Pour la saison des pluies nous avons identifi les diff rents comportements de la station selon les caract ristiques de la qualit de l eau brute ex comportement normal d tection de la pr sence d algues augmentation des r trolavages et des niveaux de turbidit cause des pluies fortes Cependant ce n est pas au cours de cette p riode que le syst me est le plus int ressant car les fortes variations des variables sont souvent caract ristiques en elle m me d un tat pr cis de la station L utilisation d une m thode de classification n est pas dans ce cas pleinement justifi e a condition bien s r de porter une attention accrue sur les bonnes variables Concernant la p riode d tiage les r sultats sont plus int ressants car ils nous ont permis de trouver le p riode conseill e pour la maintenance des d canteurs afin d viter l tat critique de la station Cet tat de fonctionnement doit tre d tect au plus 122 Application de la m thode a la station de production d eau potable SMAPA t t ceci participe la notion de maintenance pr ventive qui
162. pour la surveillance de la station SMAPA 82 4 2 1 Pr traitement des donn es en utilisant ABSALON ABStraction Analysys ON line 82 4 2 2 Mod le de comportement du proc d 89 4 2 3 Diagnostic en lign es era rat idee ets antenne 91 4 2 4 Strat gie pour la validation des transitions ccccceceeeeeeeeeeeeee eee eens 92 4 3 CONGIUSION serrare aaa AAE ET IS EAE used OA ARE ETERRA 99 5 Application de la m thode la station de production d eau potable SMAPA sieasnssssenedeteueneeentsencuraueecensneccnmaeueteneenecerectuus 101 5 1 Introductions issues due ne nann Mais ennemis ane dents velavveeivW ees 101 5 2 La station de production d eau potable SMAPA de Tuxtla 102 Table des mati res iii 5 2 1 Description de la station 102 5 2 2 Aspects fonctionnels de la station 103 5 2 3 Description des donn es de la station 106 5 3 Strat gie d analyse du proc d 107 5 3 1 P riode des plUies sieceriiesasidesiasi vices aeaa iE EEE A aeea 108 5 3 2 P riode d HATR nsoni n aa AE A E E hah A A a A 112 5 4 CONCIUSION 8088 fie tated reece na ae 121 Conclusion et perspectiVes sssssnssmmsemnemnnennnnnnnnnnennnnnnnnnnnnnnnnnnne 123 Bibliographie snss snsensnsnenanaennnssnannnennenscannnse annee psina 127 Annexe A R glementation sur l eau potable 135 Annexe B Exemple d application de la m thode LAMDA 139 Annexe C La proc dure it rative RMSE ME cccccsscsecseeseeseeneeseenees
163. prentissage gt Les fonctions d appartenance utilis es pour le DAM doivent refl ter l ad quation de la valeur d un attribut une classe par rapport l inad quation Dans LAMDA les valeurs minimale et maximale possibles d une fonction 0 et 1 signifient une totale inad quation de l attribut la classe et une totale ad quation respectivement Parmi les valeurs extr mes de la fonction d appartenance une valeur d ad quation doit tre repr sent e par un degr d appartenance bien d fini et connu C est dire les fonctions d appartenance utilis es dans LAMDA sont plut t une g n ralisation floue d une logique a trois valeurs 0 1 que d une logique binaire Afin de mod liser la classe NIC pour des param tres pr cis la fonction d appartenance doit montrer une ad quation neutre dans tout l espace de description gt Cas des descripteurs qualitatifs Un descripteur qualitatif est caract ris par un ensemble non ordonn de modalit s Lors de la classification on proc de au calcul des fr quences de chaque modalit l int rieur d une classe Le calcul de la fonction d appartenance marginale d un l ment est la fr quence de la modalit observ e dans cette classe gt Cas des descripteurs quantitatifs Les descripteurs quantitatifs sont tels que les valeurs associ es peuvent se mettre dans un ensemble ordinal discret ou continu Cet ensemble se pr sente donc comme un intervalle Xmin Xmax
164. principales Une limitation importante de la surveillance bas e sur l ACP est que la repr sentation obtenue est invariante dans le temps alors qu elle aurait besoin d tre mise jour p riodiquement Nous retournerons plus en d tails sur la description des ACPs 8 2 5 2 2 5 Approche pour le diagnostic base d analyse des donn es Effectuer le diagnostic d un syst me c est identifier le mode de fonctionnement dans lequel il se trouve L objectif de notre travail est de d velopper une approche qui Supervision et diagnostic des proc d s de production d eau potable 35 permettre de construire un mod le de comportement du processus de la station SMAPA de production d eau potable Ce mod le doit permettre d identifier des situations anormales issues des dysfonctionnements et les d faillances du processus surveill pour aider l op rateur humain dans sa prise de d cisions L op rateur doit aussi pouvoir avec ce mod le d tecter les besoins de maintenance des diff rentes parties de la station Un type de connaissance exploitable a des fins de diagnostic est constitu par l ensemble des historiques de fonctionnement de la station Si cet ensemble d historiques recouvre des modes de fonctionnement en pr sence de d faillances connues et r pertori es notamment gr ce aux actions de maintenance il peut tre un moyen pour obtenir une repr sentation de la relation inconnue sympt mes d faillance Les propri t s
165. processing Hazard classes Faults Symptoms Features Protection Signal evaluation Change operation f Measurements Maintenance preventive Maintenance corrective Figure 2 2 Sch ma g n ral de la supervision 2 4 M thodes de diagnostic Les nouvelles technologies ont grandement augment la complexit des syst mes con us par l homme De nos jours des syst mes technologiques complexes sont embarqu s c est dire qu ils contiennent des l ments mat riels et logiciels fortement coupl s Le maintien de la s curit et d un fonctionnement ininterrompu de ces syst mes est devenu un enjeu important Le but du diagnostic est d identifier les premi res causes fautes d un ensemble de sympt mes observ s d viations par rapport un fonctionnement normal qui indiquent une d gradation ou une panne de certains composants du syst me conduisant un comportement anormal du syst me Une revue de ces diff rentes m thodes est donn e dans DASH 2000 Un certain nombre de m thodes existent parmi lesquelles il est parfois difficile de d terminer laquelle faut il mieux utiliser BISWAS 2004 Les m thodes de diagnostic diff rent non seulement par la fa on avec laquelle la connaissance sur le processus est utilis e mais aussi sur la nature de la connaissance requise Une classification des ces m thodes reposant sur la nature de la connaissance requise est donn e sur la Figure 2 3 De mani
166. processus peuvent tre transform es en fautes pour ainsi construire la base de connaissance utilis e pour le diagnostic 2 4 2 2 M thodes quantitatives Quand la connaissance sur le proc d a surveiller n est pas suffisante et que le d veloppement d un mod le de connaissance du proc d est impossible l utilisation de mod les dits bo te noire peut tre envisag e C est le cas de l utilisation de R seaux de Neurones Artificiels RNA dont l application dans les domaines de la mod lisation de la commande et du diagnostic a largement t report e dans la litt rature Un r seau de neurones r alise une fonction non lin aire de ses entr es par composition des fonctions r alis es par chacun de ses neurones Nous reviendrons plus en d tails sur la description des RNAs utilis s comme m thode de classification pour le diagnostic 8 2 5 3 Les techniques statistiques multi variables comme l analyse en composantes principales ACP ont t utilis es avec succ s dans le domaine du diagnostic C est un outil capable de compresser des donn es et qui permet de r duire leur dimensionnalit de sorte que l information essentielle soit conserv e et plus facile analyser que dans l ensemble original des donn es Le but principal de l ACP est de trouver un ensemble de facteurs composantes qui ait une dimension inf rieure celle de l ensemble original de donn es et qui puisse d crire correctement les tendances
167. r es et les sorties des proc d s Les mod les des proc d s lorsqu ils existent sont souvent sp cifiques a un site et sont incapables de traiter simultan ment des variations continues sur plus d une ou deux variables cl s du proc d Diff rents travaux de recherche ont t r alis s la plupart concerne des tudes d optimisation de commande et d estimation des param tres VILLA et al 2003 DEMOTIER et al 2003 Ils sont bas s explicitement ou implicitement sur un mod le math matique qui est exprim g n ralement sous la forme d quations diff rentielles ou aux diff rences De tels travaux montrent alors l int r t et les avantages de l utilisation d algorithmes d estimation et de commande bas s sur des mod les analytiques Les proc d s de production d eau potable ont un fonctionnement complexe qui ne peut pas tre mesur mod lis et interpr t que d une fa on partielle a cause du fait de la complexit des ph nom nes mis en jeu mais aussi par leur nature non stationnaire et al atoire ils peuvent donc avoir des fonctionnements diff rents d une 26 Supervision et diagnostic des proc d s de production d eau potable exp rience l autre pour les m mes conditions exp rimentales L utilisation de techniques issues du domaine de l intelligence artificielle appara t comme la principale alternative pour aborder ces probl mes lorsqu il est n cessaire de prendre en compte l intervention
168. r a l quilibre calco carbonique de l eau et donc d viter la corrosion des canalisations Le contr le habituel de la d sinfection se fait par mesure de la quantit r siduelle de l agent d sinfectant chlore ozone etc Dans les appareils utilis s pour la mesure des param tres sp cifiques de l eau les diff rentes m thodes d analyse sont mises en uvre de fa on automatique DEGREMONT 2005 On peut classer ces diff rentes appareils en deux grandes cat gories celle des capteurs physiques et celle des analyseurs chimiques qui r alisent pr alablement toute mesure une ou plusieurs r actions chimiques Le tableau 3 1 montre des exemples d utilisation de mesure dans une station de traitement d eau potabiliser DEGREMONT 2005 Instrumentation et d veloppement d un capteur logiciel 67 Par rapport a la qualit de capteurs il est essentiel d assurer le fonctionnement correct de l ensemble d une boucle de mesure en continu L information ainsi d livr e surtout si elle est utilis e dans une r gulation automatique ou comme entr e d un mod le doit tre la plus repr sentative possible de la valeur vraie du param tre mesur et tre tr s fiable VALIRON 1990 Tableau 3 1 Exemples d utilisation de mesure dans une station Param tres Domaine d application Objet de la mesure Pr leveur automatique Sur eau brute et eau trait e Contr le de la qualit en entr e et sortie Mesure du p
169. r directement sur les cha nes d ADN des cellules et d interrompe le processus de vie et de reproduction des micro organismes Comme pour l ozone elle n est pas caract ris e par un effet r manent Processus de production de l eau potable 23 1 6 Conclusion Ce premier chapitre a servi d introduction au domaine li a notre tude Nous avons d crit les diff rentes tapes d une cha ne de traitement d eau potable en nous basant sur la cha ne la plus compl te possible et la plus courante Nous avons d taill plus particuli rement les proc d s de coagulation et de filtration sur lesquels porte sp cifiquement notre tude Nous avons d crit les diff rents param tres physicochimiques influen ant le bon fonctionnement du proc d de coagulation Le chapitre suivant est consacr aux aspects fondamentaux de la supervision des m thodes de diagnostic et l volution de la fonction maintenance d une station de production d eau potable Nous verrons en d tail les diff rentes techniques existant pour le contr le automatique des diff rents proc d s 2 SUPERVISION ET DIAGNOSTIC DES PROCEDES DE PRODUCTION D EAU POTABLE 2 1 Introduction En raison de la complexit des ph nom nes biologiques physiques et chimiques mis en jeu dans les proc d s impliqu s dans les unit s de production de l eau potable il est souvent tr s difficile de quantifier les interactions et les relations qui existent entre les ent
170. ransitions c est dire lorsqu il y a un changement dans la classe laquelle l ensemble des mesures individu classer est attribu Nous pr sentons dans ce qui suit une m thode permettant la validation des transitions entre tats qui est bas e sur la mesure d information obtenue chaque instant du proc d partir des classes obtenues par un algorithme de classification floue et dans l tape de reconnaissance de donn es nous proposons de valider le changement d tat pour viter de fausses transitions ou des transitions des tats mal conditionn s Normalement un individu est class dans l tat pour lequel il a le plus grand degr d appartenance mais on consid re une d cision mal conditionn e quand les degr s d appartenance toutes les classes sont semblables ou proches d un niveau d incertitude Dans ce cas la d cision n est pas s re et on ne doit pas valider la transition Pour tablir la certitude de la transition d tat nous proposons un indice de fiabilit qui a t inspir de la mesure d information floue entropie floue Le r sultat des techniques de classification du type flou fournit des degr s d appartenance de l individu analys chaque classe Dans la plupart des algorithmes la d cision de classement est obtenue par la recherche de la classe pour laquelle l individu pr sente le maximum d appartenance ou d ad quation En pr sence d incertitudes caus es par l impr cision
171. rend B 50 l estimation du point 10 est la 5 plus grande valeur et l estimateur du point 90 est la 45 plus grande valeur On estime que les autres valeurs ne sont pas plausibles elles ne sont donc pas prises en compte pour la g n ration de l intervalle de pr diction Bootstrap Li mite perceptron multicouche 1 sup rieure Bootstrap Limite inf rieure perceptron multicouche 2 G n rationdiin intervalle de confiance Bootstrap perceptron multicouche B Param tres Mod le du proc d entr es perceptron multicouche Figure 2 14 R chantillonnage par bootstrap pour la g n ration d intervalle de pr diction Supervision et diagnostic des proc d s de production d eau potable 59 2 6 Les automates a tats finis Les syst mes v nements discrets SED recouvrent plusieurs domaines d application tels que les syst mes de production manufacturi re la robotique les syst mes de transport l informatique etc en incluant aussi les proc d s de production de l eau potable Plusieurs concepts techniques th ories m thodes outils mod les et langages ont t labor s afin d am liorer la qualit et de ma triser la complexit croissante de la conception et du d veloppement de ces syst mes Un syst me v nements discrets est un syst me dynamique d fini par un espace d tats discrets et des volutions nomm es trajectoires bas es sur une succession des tats et des
172. rincipales permet de calculer la dose de coagulant comme une fonction lin aire des 4 entr es s lectionn es Il est en effet possible de d velopper un mod le de r gression lin aire partir des r sultats de cette analyse afin de comparer ses pr dictions a celles provenant du mod le par perceptron multicouche La figure 3 9 montre la sortie du mod le lin aire d termin e sur le m me ensemble d apprentissage que le perceptron multicouche La pr cision de la pr diction est clairement inf rieure a celle du perceptron multicouche ce qui confirme la forte non lin arit du proc d Dose du coagulant pr dit mg l 100 150 200 250 300 Dose du coagulant appliqu mg l Figure 3 9 Dose de coagulant appliqu e et dose de coagulant pr dite ligne pointill e et avec le mod le de type lin aire sur l ensemble de test Le tableau 3 5 illustre cette comparaison en termes de facteur de corr lation et de crit re 78 Instrumentation et d veloppement d un capteur logiciel Tableau 3 5 R sultats de la comparaison mod le par r seaux de neurones et mod le par r gression lin aire Indices de comparaison RNA R gression lin aire R sur les donn es d apprentissage 0 97 0 72 R sur les donn es de test 0 96 0 61 Crit re MSE sur les donn es d apprentissage 619 7 859 3 Un volet important du d veloppement d un capteur logiciel est de pouvoir quantifier ses capacit s de pr dicti
173. ring diagnosis fuzzy classification neural sensor preventive maintenance potable water production coagulation process
174. riodes de maintenance dans l ann e Ces r trolavages sont effectu s de mani re automatique et int gr s dans le fonctionnement des filtres par mesure de la diff rence de pression entr e sortie La p riode de maintenance des filtres se situe juste avant la saison des pluies afin que les filtres se trouvent dans les meilleures conditions de fonctionnement lors des fortes pluies Pendant l tiage l extraction des solides est difficile effectuer car les valeurs de la turbidit sont faibles et les r actifs coagulant et polym re sont ajout s en faibles proportions Ce dosage doit tre pr cis pour permettre la formation de flocs Si on n obtient pas une floculation ad quate il n y a plus assez de pr cipitation dans l tape de s dimentation et ces solides arrivent jusqu aux filtres en provoquant un accroissement de la fr quence de r trolavages et par cons quent une diminution de la 106 Application de la m thode a la station de production d eau potable SMAPA production d eau potable Pendant la saison de pluies la concentration de solides par unit de volume d eau est plus lev e Dans ces conditions la formation du floc est plus facile les flocs form s sont plus grands et plus lourds et donc il existe une meilleure pr cipitation dans l tape de s dimentation Ainsi l eau qui nourrit les filtres a une plus petite concentration de solides d o une fr quence de r trolavages qui diminue cette p ri
175. rones permettant de pr dire en ligne la dose de coagulant sur la base des caract ristiques mesur es de l eau brute La deuxi me tape consiste laborer un mod le de r f rence des tats fonctionnels partir d un apprentissage hors ligne Cet apprentissage utilise des donn es historiques et gr ce un dialogue avec les experts et les op rateurs un ajustement des param tres du classificateur pour fournir la meilleure repr sentation a t possible Ensuite l identification en ligne au moyen de la reconnaissance des tats de fonctionnement connus doit fournir l image la plus informative et la mieux compr hensible par les op rateurs du fonctionnement de la station La m thodologie que nous avons adopt e pour d velopper le capteur logiciel a permis la construction d un mod le capable de pr dire en temps r el la dose optimale de coagulant a partir d un ensemble de param tres descripteurs de la qualit de l eau brute turbidit pH temp rature etc Devant le manque de mod le de connaissance permettant de traduire le fonctionnement de l tape de coagulation et la non lin arit de la fonction mod liser notre choix s est porte sur des RNAs r seau de neurones artificiels La d termination de l architecture du r seau a t effectu e en faisant appel 124 Conclusion et perspectives a l analyse en composantes principales pour d terminer les entr es pertinentes de ce r seau tout en limitant
176. rtie de la station 2 Introduction g n rale Devant le manque de mod le de connaissance simple permettant de d crire le comportement d une unit de coagulation le d veloppement d un capteur logiciel a demand le recours l laboration d un mod le de comportement du syst me a partir des donn es caract ristiques de l eau brute telles que la turbidit le pH la temp rature etc La premi re partie de la th se a donc consist d velopper un capteur logiciel bas sur un r seau de neurones permettant de pr dire en ligne la dose de coagulant sur la base des caract ristiques mesur es de l eau brute La deuxi me partie de la th se qui pr sentera un aspect plus novateur r side dans l utilisation de cette information dans une structure de diagnostic de l ensemble de la station de traitement A partir des mesures en ligne classiquement effectu es un outil de supervision et de diagnostic de la station de production d eau potable dans son ensemble a t d velopp Cet outil est bas sur l application d une technique de classification et sur l interpr tation des informations obtenues sur tout l ensemble du proc d de production avec comme finalit l identification des d faillances du processus surveill tout en diminuant le nombre de fausses alarmes des diff rentes unit s de la station de production d eau potable De plus l impact sur le r le de la maintenance de cet outil est important dans le sens qu
177. s C est un probl me d optimisation non lin aire classique La m thode traditionnellement employ e pour effectuer l apprentissage supervis du r seau est l algorithme de r tropropagation RUMELHART et McCLELLAND 1993 appel ainsi cause de la fa on typique de calculer les d riv es des couches successives en partant de la couche de sortie pour remonter la couche d entr e Initialement l algorithme utilisait la m thode d optimisation non lin aire du gradient appel e aussi m thode de la plus grande pente Cette m thode est bien connue pour avoir un comportement oscillatoire proche de la solution C est pourquoi actuellement les m thodes dites du 2 ordre bas e sur une approximation du Hessien sont pr f r es car elles fournissent de bien meilleurs r sultats Parmi les plus connues citons la m thode Quasi Newton et de Levenberg Marquardt NRGAARD et al 2000 2 5 3 2 G n ralisation du r seau neuronal multicouche La g n ralisation concerne la t che accomplie par le r seau une fois son apprentissage achev GALLINARI 1997 Elle peut tre valu e en testant le r seau sur donn es qui n ont pas servi l apprentissage Elle est influenc e principalement par la complexit du probl me l algorithme d apprentissage la complexit de l chantillon et la complexit du r seau nombre de poids gt La Complexit du probl me II est d termin par sa nature m me gt L algorithme d apprentis
178. s partir uniquement des donn es de l ensemble d apprentissage appartenant cette classe Ceci implique que dans LAMDA l apprentissage d un concept ou classe est r alis partir uniquement de l information dont nous disposons sur celui ci et non par opposition aux autres concepts tablis Apr s la pr sentation des principes et des bases de la m thodologie de classification LAMDA on va d velopper pr sent les deux parties essentielles de cette m thodologie les fonctions d appartenance qui d finissent le Degr d Ad quation Marginale et les op rateurs logiques d agr gation qui d terminent le Degr d ad quation Supervision et diagnostic des proc d s de production d eau potable 45 Globale D terminer les fonctions d appartenance a partir de donn es est une op ration tr s importante de l application de la logique floue a des situations r elles Toutefois il n existe pas de guide ou r gle qui puissent tre utilis s afin de choisir la meilleure m thode pour obtenir ces fonctions De plus il n existe pas de mesure pour valuer la qualit d une fonction d appartenance Fonctions d ad quation appartenances floues Pour bien d limiter les types de fonctions d appartenance qui sont adapt s la m thode LAMDA on tablit les contraintes suivantes gt LAMDA tant une m thode conceptuelle les fonctions d appartenance des DAM d pendent des param tres repr sentant les donn es d ap
179. s quentiel gt A la fois des apprentissages supervis s et non supervis s peuvent tre effectu s et aussi compl ter un apprentissage dirig par la cr ation de nouvelles classes apprentissage supervis 42 Supervision et diagnostic des proc d s de production d eau potable Les d fauts de LAMDA gt Il n y a pas de garantie d obtenir la meilleure partition La qualit de la partition obtenue est laiss e l appr ciation de l expert gt Il n y a pas pour l instant de proc dure automatique permettant de choisir les connectifs et l indice d exigence mais des travaux sont en cours th se de Claudia Isaza afin de d velopper m thodologie permettant d optimiser la partition obtenue en termes de compacit et de s paration des classes en utilisant les degr s d appartenance d une classification floue et les concepts de similitude entre ensembles floues M thodologie g n rale On consid re qu un objet ou situation x est d crit par un nombre fini et fix d attributs not s x x2 x Afin d obtenir une confrontation entre x et les diff rentes classes C une fonction d ad quation M D x C gt 0 1 nomm e Degr d Ad quation Marginale DAM est calcul e pour chaque attribut x et la forme dans laquelle l espace de description correspondant est repr sent de fa on g n rale dans la classe Cj gt Le DAM est une fonction d appartenance issue de la Logique Floue Cette fonction
180. s classes mal conditionn es sont d tect es et caract ris es pour permettre la mise jour du mod le de comportement 5 2 La station de production d eau potable SMAPA de Tuxtla 5 2 1 Description de la station Le proc d de potabilisation la station SMAPA figure 5 1 comporte un m langeur un syst me de dosage de sulfate d aluminium et polym re un syst me de dosage du chlore pr chloration l entr e des d canteurs chloration interm diaire la sortie des d canteurs et post chloration l entr e du r servoir de sortie un canal de distribution vers les r servoirs de floculation 4 floculateurs 4 d canteurs avec un syst me d extraction des boues 12 filtres un canal collecteur et un r servoir de sortie ENTREE Temp Turbidit Couleur MatOrg SolTot pH Bic Chlorures DurTot Zant DOSE COAG 5 M lange Coagulant Sulfate de Al Polym re D cantation 4 d canteurs Chlore a Entr e Mesure du d bit SR Avant A Chlore aS Filtrage R trolavage des filtres Sortie SORTIE Eau brute Eau potable Boues I l I l l l I ar ae era at LL el i 12 filtres l I I I Apr s Chlore gt Mi A Ei Filtrage AvF et ApF Temp Turbidit Couleur MatOrg Chlore r siduel Nombre r trolavages gt Stockage D sinfectio Sortie a R seau ar Temp Turbidit Couleur MatOrg Chlore r
181. s forts niveaux de turbidit L ann e 2003 co ncide avec la pr sence d ouragans 5 2 2 1 D rivations du d bit d eau L objectif principal de ces d rivations est de maintenir une production d eau en quantit constante pendant toute l ann e gt D rivation de l entr e vers les filtres Cette d rivation explique le comportement qui peut para tre anormal lorsque la valeur de la turbidit avant les filtres est plus lev e que celle l entr e du processus de potabilisation Cette d rivation co ncide avec une accumulation de boues dans les d canteurs ce qui correspond la n cessit de travaux de maintenance sur ceux ci Tandis que dans les filtres il n y a pas d exc s du nombre de r trolavages on peut donc effectuer cette d rivation gt D rivation des d canteurs vers le r servoir de sortie Cette d rivation est toujours normalement ouverte sauf si la dose de coagulant a ajouter devient sup rieure 250 mg l gt D rivation directe vers le r servoir de sortie Cette d rivation de l entr e est maintenue ouverte seulement durant la saison d tiage si l eau est maintenue des valeurs de turbidit de 5 NTUs et des valeurs de Application de la m thode a la station de production d eau potable SMAPA 105 couleur de 20 u Pt Co permises par la norme ou bien lorsque certains d canteurs se trouvent en maintenance 5 2 2 2 Besoins de maintenance gt Maintenance des d canteurs Le signal prin
182. s m thodes de diagnostic Ensuite nous pr sentons une approche pour la surveillance a base de m thodes de classification Finalement nous d crivons l volution de la fonction maintenance qui a connu une forte mutation depuis qu elle est consid r e comme un des facteurs majeurs dans la ma trise de l outil de production et qui a d sormais un r le pr ventif dans le maintien de l tat de fonctionnement des syst mes de production 2 2 D finitions et concepts g n raux La difficult majeure rencontr e lors de la description des concepts et de la terminologie utilis e dans le monde des syst mes industriels provient du fait que l on peut aborder le diagnostic de diff rentes mani res selon l origine et la formation des intervenants De plus les diff rences sont tr s subtiles et subjectives ZWINGELSTEIN 1995 gt Fonctionnement normal d un syst me Un syst me est dit dans un tat de fonctionnement normal lorsque les variables le caract risant variables d tat variables de sortie variables d entr e param tres du syst me demeurent au voisinage de leurs valeurs nominales Le syst me est dit d faillant dans le cas contraire gt Une d faillance est la cause d une anomalie gt Une d gradation d un proc d caract rise le processus qui am ne un tat d faillant du proc d gt Un d faut se d finit comme une anomalie du comportement d un syst me sans forc ment remettre en cause sa fonct
183. s mixtes lin airement compens s que nous avons cit s pr c demment effectuent une interpolation entre l op rateur logique d intersection T norme et celui de l union T conorme par le biais du param tre a par la formule DAG DAM DAM aT DAM DAM 1 a S DAM DAM 2 10 Les appartenances marginales pour chaque descripteur permettent de calculer l appartenance d un l ment chacune des classes Cet l ment est assign la classe dont le degr d appartenance globale correspondant est maximal Le param tre est Supervision et diagnostic des proc d s de production d eau potable 47 l indice d exigence et ae 0 1 Pour a 0 la classification est peu exigeante dans l attribution d un individu a une classe L exigence plus forte est obtenue pour a 1 L organigramme g n ral de l algorithme de classification LAMDA est donn sur la figure 2 8 Ce sch ma illustre l algorithme LAMDA dans le cas de l auto apprentissage ou bien dans le cas de la reconnaissance Dans le cas de l apprentissage sachant qu il s effectue de fa on s quentielle la repr sentation d une classe varie apr s qu un l ment ait t attribu La mise jour de la classe s effectue en prenant en compte les caract ristiques du nouvel l ment ainsi que la description de la classe l instant pr c dent a Xp ELEMENT Ji X X4 Xp Non Informative Degr d Ad quation Marginale Ce MAD x
184. s stables typiques la fin de la saison des pluies Op ration normale d but Les valeurs correspondent la saison sans pluie Il n y C2 de l tiage a aucune d rivation de l eau brute Les variables sont stables avec des valeurs normales d op ration Alarme L accumulation de boues commence augmenter ainsi C3 que le nombre de r trolavages des filtres Cette alarme indique la p riode conseill e pour la maintenance des d canteurs Critique Cet tat correspond des quantit s importantes de C4 boues et des valeurs du nombre de r trolavages des filtres tr s lev es symptomatiques d un d faut de maintenance des d canteurs Boue Haut Il existe une accumulation de boues dans les C5 d canteurs Cette classe n est pas associ e priori avec une C6 situation du syst me La validation des transitions montrera que cette classe est mal conditionn e Selon l volution des DAGs repr sent s sur la figure 5 10 et en consid rant la matrice de transition l automate de la figure 5 11 a t construit 116 Application de la m thode a la station de production d eau potable SMAPA 1 1 1 1 1 1 i 1 1 1 1 5 WW 6b a 25 DD SS 40 45 SS 6 7 5 60 EA 00 95 100 10 Individuals Figure 5 10 Evolution des DAGs pour la classification r sultante Figure 5 11 L automate pour la station SMAPA durant l tiage donn es pr trait es Une fois le mod le construit le suivi des diff ren
185. sage Il influe par son aptitude trouver un minimum local assez profond sinon le minimum global gt La complexit de l chantillon Il trouve la repr sentativit dans une certaine r gion a partir de la s lection d un certain nombre d exemples pour l apprentissage du r seau 56 Supervision et diagnostic des proc d s de production d eau potable gt La complexit du r seau Pour bien cerner cet aspect on fait l analogie avec un probleme de r gression polynomiale classique Si on dispose d un nuage de points issus d une fonction F d une variable r elle inconnue Les exemples a notre disposition sont des couples x y bruit s de la forme Yi F x 2 20 o les sont des r alisations d une variable al atoire L objectif est de mod liser la fonction F par un mod le polynomial en utilisant les exemples d apprentissage Les Figures 2 13 a c repr sentent la mod lisation de F par trois mod les qui diff rent par leur nombre de param tres On peut constater que le mod le ayant tr s peu de param tres n a pas assez de flexibilit pour r aliser un apprentissage correct des exemples d apprentissage Les erreurs d apprentissage et de test sont toutes deux importantes c est la situation de sous apprentissage Figure 2 13 c En revanche le mod le constitu de nombreux param tres lisse parfaitement les exemples d apprentissage Il commet donc une erreur faible sur ces donn es mais probab
186. sant de pouvoir quiper cette station de ce capteur N anmoins avec une information en moins le capteur logiciel d velopp donne des r sultats satisfaisants Le plus int ressant dans ces r sultats est qu ils montrent qu il existerait une structure g n rique pour ce type de capteur li e plus au type d op ration la coagulation qu l unit elle m me puisque ces capteurs ont des architectures similaires alors qu ils ont t d velopp s pour des unit s situ es en France au Maroc et au Mexique donc pour des eaux brutes relativement diff rentes Une tude int ressante serait de d velopper un capteur logiciel l aide de donn es d un site et de le tester sur les donn es provenant d un autre site Ceci n a pu tre effectu ici car les entr es bien que similaires n taient pas totalement identiques Les tudes futures dans ce domaine devraient viser d velopper une sorte de capteur universel car la possession d un capteur g n rique serait un atout important pour les industriels de la production d eau potable 3 5 Conclusion Dans ce chapitre nous avons abord les aspects li s l instrumentation d une usine de production d eau potable Apr s avoir expos les caract ristiques du proc d de coagulation il est apparu clairement que pour pallier les d ficiences humaines les retards et la non reproductibilit des analyses effectu es hors ligne il tait souhaitable de poss der un moyen de d termina
187. sation des particules en suspension puis formation de flocs par absorption et agr gation VALIRON 1989 Les flocs ainsi form s seront d cant s et filtr s par la suite cf Figure 1 3 E Geis gt gt B nae Floculation Coagulant zie m ae Figure 1 3 Coagulation Floculation 14 Processus de production de l eau potable 1 3 3 La coagulation Les particules colloidales en solution sont naturellement charg es n gativement Ainsi elles tendent se repousser mutuellement et restent en suspension On dit qu il y a stabilisation des particules dans la solution La coagulation consiste dans la d stabilisation des particules en suspension par la neutralisation de leurs charges n gatives On utilise pour ce faire des r actifs chimiques nomm s coagulants Le proc d n cessite une agitation importante Les coagulants sont des produits capables de neutraliser les charges des collo des pr sents dans l eau Le choix du coagulant pour le traitement de l eau de consommation doit tenir compte de l innocuit du produit de son efficacit et de son co t Le type de coagulant et la dose ont une influence sur gt La bonne ou la mauvaise qualit de l eau clarifi e gt Le bon ou le mauvais fonctionnement de la floculation et de la filtration gt Le co t d exploitation Il existe deux principaux types de coagulant LIND 1995 gt Les sels de fer chlorure ferrique et gt Les sels d alumin
188. servation l une des classes existantes et c l utilisation effective du classificateur en phase d exploitation qui consiste a impl menter le syst me afin de proposer une d cision pour toute forme n appartenant pas une classe d j d finie mise en uvre du classificateur destin un fonctionnement en ligne Base de connaissances Si x t C gt D faillance 1 Si x t C gt D faillance 2 Si x t C gt D faillance k Perturbations bruits Mesures z t amp YAO Entr es Syst me be is Fonction i J Fonction de gt surveiller d observation Classification Figure 2 5 Structure d un syst me de diagnostic par reconnaissance des formes D faillance Nous allons dans la suite explorer diff rentes m thodes de classification pour le diagnostic dans le cadre de syst mes complexes Les m thodes analyser sont les r seaux de neurones artificiels l approche floue et la m thode de classification LAMDA qui peut tre consid r e comme interm diaire entre ces deux approches 2 5 1 1 L approche floue Dans la th orie des ensembles classiques la notion d appartenance est fondamentale mais elle est de type tout ou rien un l ment appartient ou n appartient pas un ensemble TOSCANO 2005 Un tel outil s av re alors difficilement utilisable lorsqu il s agit de manipuler des donn es vagues impr cises contradictoires ou lorsqu il s agi
189. situations dont l occurrence est peu fr quente Pour cette raison il est n cessaire que le syst me de surveillance pr sente un caract re adaptatif au moment de l identification des 92 M thodologie g n rale pour la surveillance des proc d s de production d eau potable nouvelles situations Pour cela deux principes d apprentissage sont pr vus un apprentissage hors ligne mod le du comportement du proc d et une reconnaissance en ligne La reconnaissance en ligne permet de d tecter en continu un d faut en se basant sur le mod le de comportement afin de d tecter localiser et identifier une d faillance La figure 4 5 montre le diagramme de blocs associ au diagnostic en ligne En ligne D tection Localisation Identification LAMDA Reconnaissance Mod lede icomportement Figure 4 5 Sch ma du diagnostic en ligne du proc d Nous avons divis la phase de diagnostic en trois parties l espace de mesure l espace de reconnaissance et l espace de diagnostic L espace de mesure est l ensemble des descripteurs de l eau potable s lectionn s l entr e du syst me de diagnostic en ligne L espace de reconnaissance consiste d terminer dans quel tat fonctionnel se trouve le proc d lorsqu une nouvelle observation est pr sent e et il est bas sur le mod le de comportement construit hors ligne L espace de diagnostic explique le type de d faillance qui a caus le d faut sur le proc d
190. ssage On a appliqu deux jeux de donn es de test correspondants a deux p riodes d tiage diff rentes a l ensemble des donn es pour la saison d tiage 2001 2002 et b l ensemble des donn es pour la saison d tiage 2003 2004 a L ensemble des donn es de test pour la saison d tiage 2001 2002 Cette validation s effectue comme dans le cas d un fonctionnement en ligne les donn es sont trait es de mani re s quentielle au fur et mesure qu elles se pr sentent Sur la figure 5 13 a et b nous observons les volutions des variables et des classes pour cette p riode au fur et a mesure que des observations sont trait es Cette figure pr sente les classes lors de la reconnaissance et la situation d alarme qu indique la n cessit de maintenance des filtres de la station SMAPA La figure 5 14 montre la validation des transitions correspondantes a cette p riode La classe 6 a t invalid e Cette classe est consid r e comme mal conditionn e On peut observer que les autres transitions sont parfaitement valid es b L ensemble des donn es de test pour la saison d tiage 2003 2004 La validation a t effectu e de la m me mani re que celle effectu e pour la p riode 2001 2002 Nous observons les volutions des variables et des classes reconnues pour cette p riode sur la figure 5 15 a et b De la m me fa on que pr c demment on peut voir sur cette figure la reconnaissance de l alarme qu
191. ssage Sa valeur peut tre choisie arbitrairement mais elle influe sur le pouvoir d absorption de chaque classe nouvelle plus N est grand moins la classe nouvelle sera influenc e par le premier l ment par contre en apprentissage dirig ce param tre n a pas d influence sur le r sultat de la classification Dans le cas de la reconnaissance de formes l l ment est attribu une classe significative ou rejet e dans la classe r siduelle NIC Dans le cas de l apprentissage s il est affect une classe significative il y a modification des param tres de cette classe En revanche si la classe vide a la plus grande ad quation une nouvelle classe doit tre cr e pour contenir cet l ment Il y a rejet si la classe vide est la plus proche et qu il n y a pas possibilit de cr ation de nouvelle classe parce que le nombre maximum des classes cr es est atteint L outil SALSA KEMPOWSKY 2004b L outil Salsa a t d velopp sur la base de la m thode LAMDA dans le cadre du projet europ en CHEM Advanced Decision Support Systems for Chemical and Petrochemical Manufacturing Processes dont l objectif principal a t le d veloppement d une plateforme g n rique d outils int gr s bas s sur des m thodologies avanc es pour la surveillance la supervision la d tection de d fauts et le diagnostic des proc d s CHEM 2006 On a choisi d utiliser cet outil pour d terminer le comportement de la station SMAPA d
192. sualiser les corr lations entre variables et les composantes principales sur le cercle de corr lation montr sur la figure 3 5 Il permet de comparer le comportement d une variable vis vis de l ensemble des autres Variables La repr sentation dans le cercle laisse appara tre deux groupes de descripteurs dont le comportement du point de vue de leur variation est tr s proche vis a vis de l ensemble des autres variables duret totale chlorure Bicarbonate et couleur turbidit solides totaux mati re organique dose La temp rature et le pH pr sentent un comportement ind pendant vis vis des autres variables et devraient en toute vigueur ne pas tre limin es pour expliquer parfaitement les variations du syst me Variables axes F1 et F2 72 57 Duret Bicarb N Chlorures 0 5 4 nee Turbidit Temp Couleur SolTot MatOrg Dose 0 pH 1 0 5 1 0 5 0 05 1 axe F1 54 46 gt Figure 3 5 Cercle de corr lation dans le plan 1 2 Instrumentation et d veloppement d un capteur logiciel 75 De cette tude on peut conclure que pour pr dire la dose de coagulant en fonction des caract ristiques de l eau et que celles ci soient en plus facilement mesurables en continu on peut ne garder que les variables Turbidit Duret Totale Temp rature et pH 3 4 3 3 Pr diction de la dose de coagulant en utilisant les RNAs Pour la construction de la base d apprentissage du percep
193. t d liminer les effets de bruits ou perturbations qui fournissent une apparence de transition Dans certains cas on observe des oscillations entre deux classes qui sont uniquement caus es par les impr cisions dans les mesures et ces oscillations seront alors limin es de mani re automatique ainsi que les fausses alarmes gt Niveau d Incertitude Il est n cessaire de d finir une valeur d information instantan e qui permet de consid rer la d cision comme suffisamment fiable pour valider le changement d tat Pour ceci nous constatons que dans la m thode LAMDA AGUILAR et LOPEZ 1982 KEMPOWSKY et al 2006 l information apport e par l attribution une des classes informatives diff rente de la classe de Non Information NIC est gale l incertitude de cette classe NIC puisque l union des classes informatives est exactement le compl ment de la classe NIC La valeur d appartenance de n importe quel individu la classe NIC est une constante fournie par l algorithme qui joue le r le de valeur minimum d ad quation Il est donc naturel d utiliser comme niveau d incertitude la formule d information totale en incluant le degr d appartenance la classe NIC donn e par l quation 4 27 Lyc K D 8 e n e Vi M 4 27 o K C uy eo En analysant l quation 4 27 si la d cision de changement de classe a t prise avec un degr d appartenance significativement plus lev que le degr d ap
194. t de classer des informations suivant des cat gories aux fronti res mal d finies La th orie des ensembles flous par un assouplissement de la notion d appartenance permet d atteindre de tels objectifs Elle s av re alors plus adapt e pour la repr sentation des connaissances qualitatives Les applications floues sont nombreuses on peut citer la gestion financi re la m decine le diagnostic la commande automatique de processus et bien d autres L id e de l approche floue est de construire un dispositif appel syst me d inf rences floues capable d imiter les prises de d cision d un op rateur humain partir des r gles verbales traduisant ses connaissances relatives un processus donn La relation math matique existant entre un d faut et ses sympt mes est le plus souvent difficile obtenir Toutefois les op rateurs humains ayant en charge la 38 Supervision et diagnostic des proc d s de production d eau potable maintenance et la conduite du syst me sont souvent capables de par leur exp rience de d terminer sur la base de leurs observations l l ment d faillant qui est l origine d un comportement qu ils ont jug anormal Ce type de savoir peut tre exprim l aide de r gles de la forme SI condition ALORS conclusion o la partie condition comporte les sympt mes observ s et la partie conclusion l l ment d faillant Ce type de connaissances peut alors tre utilis pour construire
195. te pas cependant M me si aucun personnel d exploitation n est pr sent en continu sur certains sites des agents sont n cessaires pour assurer la maintenance certaines t ches de r glage l tablissement de diagnostic sur des p riodes plus ou moins longues Toutefois un grand nombre de fonctions automatiques sont d j r alis es couramment dans les installations de production d eau potable Les plus courantes sont pr sent es dans le tableau 3 2 On constate que la majorit des r gulations sont li es au d bit d eau En particulier pour la r gulation du pompage de l eau trait e un mod le expert 68 Instrumentation et d veloppement d un capteur logiciel bas sur la pr vision de la consommation permet d optimiser les niveaux des r servoirs Dans le paragraphe suivant nous nous int ressons plus particuli rement au proc d de coagulation qui a fait l objet de l tude rapport e dans ce chapitre Tableau 3 2 Principaux automatismes dans une station de production d eau potable Fonction automatis e Param tres de R f rence Moyen Observations Pompage eau brute Mesure du niveau de la b che d eau trait e Variation du d bit d bit maximum la nuit DAGUINOS et al 1998 Pompage eau Niveaux des r servoirs et Mod le math matique pour Relativement trait e pr vision de la d terminer les consignes complexe consommation en fonction de la pr vision de la conso
196. tes de coagulant et de faire l essai de coagulation BOMBAUGH et al 1967 BRODART et al 1989 Apr s quelques instants on proc de sur l eau d cant e toutes les mesures utiles de qualit turbidit mati res organiques pH etc La dose optimale est d termin e en fonction de la qualit des diff rentes eaux compar es La fr quence de ces Jar Tests est souvent irr guli re En g n ral sur les usines importantes un seul essai est effectu par jour Instrumentation et d veloppement d un capteur logiciel 69 L op rateur fera un nouvel essai entre temps pour changer la dose de coagulant uniquement si la qualit trait e se d grade L inconv nient de cette technique est qu elle n cessite l intervention de l op rateur De plus les probl mes rencontr s sont souvent soit un sur dosage ajout d une quantit excessive de coagulant qui si elle a le m rite de permettre la coagulation augmente cependant le co t de l op ration et d grade fortement l environnement soit un sous dosage qui est synonyme d un mauvais respect des sp cifications impos es a la station On voit ici tout l int r t de disposer d un contr le efficace de ce proc d pour assurer une meilleure efficacit du traitement et une r duction des co ts d exploitation mais surtout une protection de l environnement par la ma trise des quantit s de coagulant ajout es ne rajouter que le n cessaire Pour ce faire la mod lisation du proc d e
197. tes situations attendues peut tre r alis Ce suivi est identifi comme tant la phase de reconnaissance qui vise a associer toute nouvelle observation l une des classes d termin e au pr alable 5 3 2 2 Validation des transitions gt Phase d apprentissage Pour valider les classes et d terminer les transitions qui sont mal conditionn es nous avons appliqu la m thode que nous avons propos e au 4 2 4 2 sur la validation des transitions Pour mettre en uvre cette m thode il convient de choisir une valeur de seuil Ce choix a t effectu a la suite de diff rents tests Comme il sera montr plus tard cette valeur est repr sentative du syst me et non pas a priori de la base d apprentissage Cette valeur de seuil est 0 0018 et permet d invalider la classe 6 Le r sultat de la validation des transitions correspond la Figure 5 12 On peut observer que toutes les autres transitions sont parfaitement valid es Application de la m thode la station de production d eau potable SMAPA 117 INFORMATION DECISION blue INFORMATION NIC rouge NON VALIDATION 40 50 60 NO VALIDATION rouge amp VALIDATION bI NORMAL 0 10 20 30 40 50 60 70 80 90 100 Figure 5 12 Validation des transitions obtenues lors de la phase d apprentissage l tiage 2000 2001 gt Phase de test Pour la reconnaissance nous avons utilis le mod le de comportement obtenu avec l ensemble des donn es d apprenti
198. texte comme indice de validation nous utilisons le compl ment de l entropie de la d cision propos dans DIEZ et AGUILAR MARTIN 2006 qui est bas sur l entropie floue de De Luca et Termini Nous consid rons toujours que le choix correspond au maximum d appartenance ou d ad quation ainsi nous aurons Hy max 10 x Ensuite les indices flous de d cision sont d finis comme la diff rence entre cette valeur maximale et chacun des degr s d appartenance de l ensemble pour le cas de validation d tats ces valeurs correspondent aux degr s d appartenance de l individu a chaque classe M thodologie g n rale pour la surveillance des proc d s de production d eau potable 97 0 Hy U x VizM 4 21 I L entropie de d cision pour l ensemble flou u est le dual de l information globale DIEZ et AGUILAR MARTIN 2006 repr sent e par l quation 4 22 H 4 1 I u 4 22 L information utile fournie par l ensemble flou pour la prise de d cisions Ip u correspond DW K FS e 4 23 1 HM ou K Cu e Cette entropie est bas e sur des axiomes qui suivent la philosophie de ceux propos s par De Luca et Termini et en relation avec l entropie floue comme indice de degr de flou Ces axiomes sont les suivants R1 H u 0SVIiZzM u x 0 R2 maxH u amp Vi j u x u x 4 24 R3 H n lt H W Sn2 u La relation est propos e comme un comparateur de la fiabilit de l affectation a un ens
199. tifier un ensemble de situations qui correspondent aux tats fonctionnels de la station SMAPA Les crit res de param trage du classificateur LAMDA pour obtenir la classification l aide des descripteurs de la qualit de l eau brute sont pr sent s dans les paragraphes suivants Ce param trage est fait hors ligne et n cessite une intervention active de l expert qui doit tre capable de d terminer les diff rents tats fonctionnels dans le processus Toutefois quand seule la connaissance de l expert est utilis e pour la d termination de ces tats fonctionnels l une des situations suivantes peut arriver gt L expert conna t l existence des diff rents tats du syst me mais ne peut pas en faire la reconnaissance partir des donn es disponibles en ligne Ainsi il ne d finit pas priori ces tats pour la reconnaissance ce qui implique une perte importante d information gt L expert consid re qu un tat fonctionnel peut tre identifi partir des variables en ligne mais la m thode n est pas capable de l identifier partir des signaux disponibles en ligne Alors des tats fonctionnels impos s non reconnaissables introduiront des erreurs de classification importantes dans l apprentissage supervis gt L expert ne peut pas identifier les tats fonctionnels de mani re pr cise pour les inclure dans la surveillance Les sp cialistes de production d eau potable sont principalement int ress s par
200. tion automatique de la dose de coagulant injecter Devant un 80 Instrumentation et d veloppement d un capteur logiciel manque cruel de mod le de connaissance relatif aux diff rents m canismes mis en jeu lors de la coagulation notre choix s est port sur le d veloppement d un mod le comportemental La relation entre la dose de coagulant et les diff rentes caract ristiques de l eau brute de nature non lin aire nous a conduit adopter un r seau de neurones multicouche La s lection des entr es du r seau a t effectu e en utilisant la technique statistique par Analyse en Composantes Principales qui permet d liminer les informations redondantes et de restreindre le nombre des variables d entr e a celles les plus pertinentes La construction du perceptron multicouche a ob i a l objectif qui est de d terminer la meilleure architecture possible et le meilleur jeu de poids au sens d un crit re donn tout en conservant les capacit s de g n ralisation du r seau Nous avons pour ce faire adopt une proc dure it rative qui permet d augmenter progressivement le nombre de neurones dans la couche cach e jusqu a obtention de la pr cision voulue tout en maintenant la capacit de g n ralisation du r seau et en arr tant la proc dure d apprentissage lorsque les valeurs des poids conduisaient a des performances moins bonnes en test Le test du r seau ainsi obtenu sur des donn es exp rimentales provenant
201. tra de savoir comment un objet satisfait les conditions propres la classe C Cet indicateur est mod lis par un op rateur logique d agr gation L 0 1 gt 0 1 Le r sultat est appel le Degr d ad quation Globale DAG qui est fonction des appartenances marginales DAG X C est le degr d appartenance globale d un l ment X une classe C Hj DAM x C est le degr d appartenance marginale ou partielle par rapport au descripteur j et u Hj Up est le Vecteur des appartenances marginales Dans l annexe B de cette th se on peut trouver un exemple simple du d veloppement de l algorithme en utilisant des donn es quantitatives permettant de mieux comprendre cette m thode Dans ce qui suit nous donnons de fa on d taill e les diff rentes tapes de l algorithme de classification Soit un l ment X et les classes Co C1 CKk Une classification se d roule de la fa on suivante Calculer les degr s d appartenance globale DAG de l l ment X chacune des classes Cy Cx et C la classe vide ou r siduelle not s p1 pp Pour ce faire on calcule des degr s d appartenance marginale y par rapport chaque descripteur Le calcul du degr d appartenance marginale ou partielle d pend du type de descripteur correspondant Dans la logique propositionnelle la fa on d agr ger les informations se fait par le biais d op rateurs de conjonction Si nous utilisons l op rateur d
202. transitions Les transitions sont tiquet es par des symboles appel s v nements d finis avec les l ments d un alphabet Une approche courante pour l tude de ces syst mes consiste ignorer la valeur explicite du temps et s int resser uniquement l ordre d occurrence des v nements ZAYTOON 2001 Les mod les non temporis s ainsi obtenus sont g n ralement labor s l aide des automates tats finis du grafcet des r seaux de Petri etc Les automates tats finis constituent le mod le de base pour la repr sentation des SED HOPCROFT et ULLMAN 1979 Un automate tats finis peut tre d crit par le quadruplet Q 2 A qo avec Q un ensemble fini de sommets repr sentant les tats discrets X un ensemble fini de symboles v nements appel alphabet A l ensemble des transitions entre tats Une transition est d finie par un triplet sommet source v nement sommet but pour traduire le passage du syst me d un tat un autre suite l occurrence d un v nement appartenant X gol tatinitial La figure 2 15 pr sente le mod le d une machine simple trois tats arr t a marche m et panne p L tat initial a est d sign par la fl che entrante et il y a quatre transitions associ es chacune l un des quatre v nements Le comportement global d un syst me v nements discrets est classiquement d crit par l ensemble des trajectoires d
203. tron multicouche nous avons un ensemble de donn es couvrant 2 ann es de fonctionnement constitu de 725 chantillons de janvier 2002 a fin d cembre 2003 correspondant aux 4 descripteurs TUR DT TEMP et pH en plus de la dose de coagulant appliqu e L analyse pr liminaire en composantes principales a permis d j de restreindre le nombre de neurones de la couche d entr e 4 figure 3 6 Taux de pH coagulant Figure 3 6 Architecture du Perceptron multicouche L ensemble des 725 chantillons a t s par en deux Un total de 363 chantillons a ont t utilis pour l apprentissage afin de d terminer le mod le donn es d apprentissage par minimisation des crit res MSE ME Le reste 362 chantillons a t utilis comme ensemble de test L apprentissage a t r alis sur le premier jeu de donn s couvrant la premi re ann e 2002 Pour d terminer le nombre de neurones de la couche cach e crit re MSE ME on a augment progressivement le nombre de neurones dans cette couche jusqu atteindre la pr cision voulue et en m me temps pour viter un sur apprentissage qui d t riorerait les performances en g n ralisation pr diction pour des valeurs des entr es autres que celles utilis es dans la base d apprentissage nous avons arr t l apprentissage lorsque les valeurs des crit res MSE ME calcul es sur des donn es de test sont les plus petites Cette proc dure est d crite da
204. ur leur aide dans la th orie et l application de la m thode de validation de transitions A Victor Aimed Carmen Xavier Rabah Mehdi Fabien Siegfried et Herv pour leur aide morale et technique J adresse mes remerciements tout le personnel technique et administratif du LAAS le secr tariat du groupe le service informatique le magasin le service de reprographie et le service de documentation Ils m ont toujours aid par leur disponibilit et leur attention Mes remerciements vont aussi mes amis mexicains en France et mes amis fran ais Para terminar agradezco profundamente a Bruno y Becky por su amor y cari o por apoyarme siempre por creer en mi y permanecer conmigo todo el tiempo de los estudios Agradezco especialmente a mi Padre por su cari o y por su apoyo en todos los aspectos Tambi n estamos muy agradecidos por nuestras familias en M xico y les reiteramos que estaremos con ellos siempre en cualquier lugar que nos encontremos 01 BB UN RH 01 BB UN HA e eerren e e B B e BH e e AUNE Table des mati res Introduction g n rale ssssssssnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnn nnn 1 Processus de production de l eau potable 5 Introductio Merano i aan EEE a TA E E A A E tee sen Si 5 Cha ne l mentaire de production d eau potable cccececeeeeeeaeeeees 6 PretralteMen tu eerren Rer a aaa aa ied itera Ce ede eR 7 Pr Oxy ation ses covsavevin dunes eme TEE AAE EAE A E UE
205. ur pH l entr e de la station SMAPA avec 3 modalit s 110 Figure 5 7 a L ensemble des donn es pr trait es saison des pluies phase d apprentissage Mai Octobre2000 b classification pour l identification des tats de la station SMAPA lors de la saison des pluies autoapprentissage c Profil des ClASSOS ses tan cee acer ee ira ti canteds diese diene en ent nue dan divas se na re ete 111 Figure 5 8 Ensemble des donn es brutes p riode d tiage phase d apprentissage NovDec2000 JanAvril2001 ssssssssresssssssssessunnenrenrnorrurrunrunnunnnunnannannasnnsnnes 113 Figure 5 9 a L ensemble des donn es brutes pr trait es p riode d tiage phase d apprentissage NovDec2000 JanMiFev2001 b classification pour l identification des tats de la p riode d tiage de la station SMAPA autoapprentissage c Profil des class s see seraient ie manne da baad nn nana dt nie ideas ea NE 114 Figure 5 10 Evolution des DAGs pour la classification r sultante 116 Figure 5 11 L automate pour la station SMAPA durant tiage donn es pr trait es Figure 5 12 Validation des transitions obtenues lors de la phase d apprentissage F tiag 2000 2000 x6 erreurs na ne nn Ro en Tan 117 Figure 5 13 Identification en ligne des tats de la station SMAPA lors de la p riode d tiage 2001 2002 a Ensemble de test b Classes identifi es lors de la reconnaissance alarme d tect e 118
206. urs normalis s d pour chaque l ment l ments d dz dz pcl classe d d2 dz x professeur normalis normalis normalis Xi 0 2 16 1 0 0 2 0 8 X2 3 2 5 1 0 3 0 2 0 4 X3 10 1 20 2 1 0 1 Xa 4 6 10 2 0 4 1 0 5 Xs 5 6 0 1 0 5 1 0 Contexte Xmax 10 6 20 X min 0 1 0 x K iin B 1 X X max X in L tape suivante est le calcul des param tres des classes professeur et de la classe NIC en valuant la moyenne des valeurs normalis s Pour la classe 1 Pour la classe 2 Pour la classe 0 NIC pCa C1 0 0 3 0 5 3 0 27 PC4 C2 0 7 P X1 Co 0 5 P x2 C1 0 2 0 2 1 3 0 47 P 2 C2 0 75 P X2 Co 0 5 P Xx3 C1 0 8 0 4 0 3 0 4 P x3 C2 0 75 P X3 Co 0 5 nec 3 nec 2 No 1 Param tres classe 1 Param tres classe 2 Param tres classe NIC C1 0 27 0 47 0 4 C2 0 7 0 75 0 75 fone nee Co 0 5 0 5 0 5 142 Annexe B Exemple d application de la m thode LAMDA No d finit l initialisation de l apprentissage sa valeur peut tre choisie arbitrairement il n influe pas sur le r sultat de la classification Notre objectif est de classer un nouvel l ment X6 sur la base des param tres des classes d j existantes Soit cet l ment avec les valeurs normalis s 0 1 0 1 0 9 Nous calculons 1 Les degr s d appartenance marginale MAD par rapport c
207. vaux de recherche ont t r alis s en collaboration avec la station de production d eau potable SMAPA de la ville de Tuxtla Guti rrez de Chiapas au Mexique Le m moire de th se est structur en 5 chapitres suivis d une conclusion g n rale Le premier chapitre rappelle les caract ristiques g n rales d une usine de production d eau potable la plus compl te et la plus courante tout en d taillant plus sp cifiquement le proc d sur lequel a port plus sp cifiquement notre tude Dans cette section nous parlerons tout sp cialement du traitement des eaux de surface Cette station comporte des traitements large spectre d action tels que pr traitement oxydation clarification d sinfection et affinage Le deuxi me chapitre pr sente un sch ma g n ral de la supervision des proc d s et des diff rentes m thodes de diagnostic class es suivant deux cat gories les m thodes base de mod les et les m thodes partir de l analyse de donn es historiques Comme notre m thodologie pour la supervision et le diagnostic des proc d s de production d eau potable est bas e sur l analyse de donn es historiques et de mani re plus sp cifique sur des r sultats d une classification ce chapitre d crit diff rentes approches pour le diagnostic base de m thodes de classification Nous pr sentons aussi de mani re d taill e la m thodologie LAMDA laquelle a t choisie comme technique de classification sp cif
208. vec ceux pr sent s par VALENTIN 2000 et LAMRINI et al 2005 Dans les deux Instrumentation et d veloppement d un capteur logiciel 79 cas les r seaux de neurones d velopp s sont du type Perceptron Multicouche Leur architecture est similaire celle que nous avons propos e Il est int ressant de s attarder sur cette structure En particulier on remarque que les entr es des r seaux sont tr s similaires Valentin VALENTIN 2000 a choisi comme entr es de ce r seau la turbidit la conductivit le pH la temp rature l oxyg ne dissous et l absorption UV Dans l tude men e par LAMRINI et al 2005 on retrouve la turbidit la conductivit le pH la temp rature l oxyg ne dissous On voit donc qu il y a 5 entr es communes La seule diff rence est dans la mesure de l absorption UV Si on reprend l tude men e par LAMRINI et al 2005 il appara t que cette grandeur n tait pas disponible dans les donn es initiales de la base d apprentissage Dans notre cas nous avons comme variables d entr e la turbidit la duret totale la temp rature et le pH Nous ne disposions pas de l enregistrement de la conductivit dans les donn es fournies par la station SMAPA n anmoins on peut la rapprocher de la variable duret totale Il manque donc la mesure de l oxyg ne dissous commune aux deux autres r seaux Comme pr c demment nous ne disposons pas de cette information sur la station SMAPA II serait donc int res
209. voquent la prolif ration C4 des algues Augmentation Augmentation des r trolavages des filtres cause de C5 des r trolavages l augmentation des particules pendant la saison des pluies 5 3 2 P riode d tiage 5 3 2 1 L apprentissage hors ligne et choix des descripteurs Pour l analyse du fonctionnement de la station on a acc s trois param tres descripteurs de l eau la turbidit l entr e et la sortie des d canteurs avant les filtres la dose de coagulant appliqu e et le nombre de r trolavages des filtres On remarque que la turbidit et la dose sont fortement d pendantes de la saison On voit ici tout l int r t de disposer d au moins un an d archives de donn es pour d terminer un mod le de comportement fiable Nous avons pris comme descripteur la diff rence entre les valeurs de la turbidit l entr e de la station et celles a la sortie des d canteurs Dans le cas o la valeur de cette diff rence est n gative ceci signifie qu il y a une accumulation de boues avant les filtres Nous pouvons d tecter des aspects de fonctionnement int ressants dans cette partie comme l augmentation de travail des filtres ou la maintenance des d canteurs Contrairement la p riode des pluies le pH n est plus utilis comme descripteur car comme le montre la figure 5 3 il varie tr s peu en p riode d tiage La figure 5 8 montre l volution des donn es qui seront utilis es comme base d apprentissage p
210. xQ9 gt Y vs j FU w wa 4 8 v j l amplitude de la J donn e de sortie de la j fen tre w wp les param tres de la fen tre F j n cessaires l analyse w o w Q 4 2 1 2 tude statistique au moyen d histogrammes La figure 4 3 montre l volution des variables dans une fen tre temporelle d observation Cette fen tre permet l valuation des situations effectu es par un op rateur dans un syst me de visualisation Un signal physique peut montrer des zones interdites des zones souhait es et n importe quelle autre zone laquelle une signification peut tre attribu e L valuation se r alise dans la fen tre d observation L exemple illustre les trois zones suivantes acceptable satisfaction et conflit L histogramme est construit de sorte qu il constitue une des bases de l interpr tation M thodologie g n rale pour la surveillance des proc d s de production d eau potable 87 Figure 4 3 L volution des variables dans une fen tre temporelle d observation 4 2 1 3 Filtrage La conversion du signal analogique en un signal num rique fait intervenir deux op rations l chantillonnage du signal c est dire le pr l vement de sa valeur intervalles r guliers et sa discr tisation c est dire sa repr sentation par un nombre Que le r gulateur envisag soit de type discret ou continu le mod le de comportement va tre calcul sous forme discr te Le choix de la p riode d
211. yonnement UV La concentration en oxydant est pratiquement le seul param tre sur lequel l op rateur peut intervenir Il faut retenir que l efficacit de la d sinfection d pend en partie du suivi de la concentration en oxydant L volution de la concentration en oxydant est li e la demande en oxydant de l eau Cette demande d pend de la qualit de l eau du pH des temp ratures diff rentes entre t et hiver des mati res organiques et de la concentration en ammoniaque Dans la section 1 5 nous nous focaliserons davantage sur l aspect physico chimique de la d sinfection et en particuli re sur la chloration de l eau Processus de production de l eau potable 11 1 2 5 Affinage Le traitement final traite de la mise l quilibre calco carbonique L eau suit un cycle naturel dans lequel les l ments chimiques qu elle contient voluent DEGREMONT 2005 L eau de pluie contient naturellement du dioxyde de carbone CO2 Quand celle ci traverse les couches d humus riches en acides elle peut s enrichir fortement en CO Lors de sa p n tration dans un sol calcaire c est dire riche en carbonate de calcium CaCO3 elle se charge en calcium CaO et en ions bicarbonates HCO En fait le calcium est dissous par l eau charg e en CO2 On dit qu elle est entartrante ou incrustante En revanche quand l eau de pluie traverse une roche pauvre en calcium r gion granitique elle reste tr s charg e en CO dissous
212. zones optimales de coagulation floculation Le choix du coagulant peut varier avec la temp rature et la saison Le sulfate d aluminium par exemple est un coagulant utilis pour une temp rature d eau sup rieure a 10 12 C On peut rappeler galement que plus un coagulant a de charges positives plus son efficacit est grande Par la suite nous allons num rer l ensemble des param tres influen ant le bon fonctionnement du proc d de coagulation LIND2 1994 LIND3 1994 CIDF LdesEaux 2000 a L influence du param tre pH Le pH a une influence primordiale sur la coagulation Il est d ailleurs important de remarquer que l ajout d un coagulant modifie souvent le pH de l eau Cette variation est prendre en compte afin de ne pas sortir de la plage optimale de pr cipitation du coagulant La plage du pH optimal est la plage l int rieur de laquelle la coagulation a lieu suffisamment rapidement En effet une coagulation r alis e a un pH non optimal peut entrainer une augmentation significative du temps de coagulation En g n ral le temps de coagulation est compris entre 15 secondes et 3 minutes Le pH a galement une influence sur l limination des mati res organiques b L influence de la dose de coagulant La dose de r actif est un param tre prendre en compte Le coagulant qui est habituellement fortement acide a tendance abaisser le pH de l eau Pour se placer au pH optimal il est possible d ajouter un aci

T - Le serveur des thèses en ligne de l`INSA de Toulouse

Contents

Download Pdf Manuals

Related Search

Related Contents

T - Le serveur des th&egrave;ses en ligne de l`INSA de Toulouse

Contents

Download Pdf Manuals

Related Search

Related Contents

T - Le serveur des thèses en ligne de l`INSA de Toulouse