Axe 1 – Nouveaux outils de

prédiction et monitoring

Les projets ciblés

 ACT-4IE
ACT-4IE
Ecologie industrielle et territoriale
Voir plus
 DCARBO
DCARBO
Contrôle temps réel
Voir plus
 LCA-SPLEEN
LCA-SPLEEN
Minimiser l’impact environnemental de la décarbonation
Voir plus

Pas d’actualités

Objets scientifiques

L’ambition de cet axe est de développer des méthodologies et des outils génériques de mesure, de contrôle, de conception optimale et d’évaluation des impacts environnementaux, afin de soutenir la décarbonation des procédés industriels. Le but est d’éviter de déplacer les impacts environnementaux en anticipant les émissions, puis en les mesurant en temps réel. L’axe vise en particulier les défis scientifiques suivants :

Cet axe se décompose en 3 sous-champs thématiques :

Le monitoring en temps réel des émissions des procédés et de l’impact environnemental 

DCARBO : Suivi et contrôle en temps réel des émissions des procédés et de l’impact environnemental

La décarbonation de l’industrie nécessite une meilleure connaissance et un meilleur contrôle des émissions de CO2eq des systèmes de production. L’installation de capteurs à des endroits stratégiques et la fourniture de données de processus en temps réel pourraient fournir les informations pertinentes nécessaires pour effectuer une analyse dynamique des émissions de CO2eq, avec une meilleure précision que les approches asynchrones actuelles.

Le défi du projet DCarbo est de définir, pour plusieurs types de systèmes de production, la structure appropriée pour l’acquisition et la collecte de données pertinentes ainsi que les outils associés pour la prise de décision en matière de décarbonisation.

L’objectif est de proposer des modèles et des algorithmes d’intelligence artificielle (IA) pertinents pour chaque point de décision, d’expérimenter et de comparer les différents modèles et algorithmes, et d’établir une méthodologie pour la mise en œuvre de ces nouvelles approches visant leur application dans des contextes industriels. L’originalité de la recherche proposée réside à la fois dans le couplage de différents types d’IA et dans leur usage pour la surveillance et le contrôle en temps réel des processus industriels pour une décarbonation efficace des industries.

L’évaluation et la prédiction des systèmes industriels et l’impact environnemental 

LCA-SPLEEN : Conception optimale multicritère des systèmes industriels

L’ambition de ce projet est de fournir des métriques aux industries et aux communautés de recherche afin de soutenir la décarbonisation des processus industriels tout en minimisant le transfert de l’impact environnemental, par anticipation et puis en temps réel.

Le projet vise à se concentrer sur certains défis scientifiques :

L’analyse de cycle de vie (ACV) et problématiques sociales, économiques et technologiques

ACT-4IE : Analyse de cycle de vie, couplage de problématiques sociales, environnementales et économiques

ACT-4-IE propose de mettre en œuvre une approche systémique pour évaluer, diagnostiquer et optimiser les zones industrielles afin de les transformer en éco-territoires agiles à faible impact, alors qu’elles sont généralement gérées sans tenir compte de leur environnement industriel et urbain proche. Ce projet vise à développer des méthodes et des outils afin de favoriser une gestion intégrée et circulaire des flux à l’échelle du territoire, capable de stimuler les interactions locales. Il inclura la diversité des acteurs, leurs points de vue et leurs objectifs (coût, impact environnemental) en mettant l’accent sur les émissions de CO2 et la durabilité. Différentes catégories de flux (matériaux, déchets, énergies, données et informations) et de services doivent être imbriquées à différentes échelles, à la fois au sein des parcs éco-industriels et avec les réseaux externes du nexus eau-ressources-énergie. Des indicateurs de performance doivent être clairement définis pour évaluer l’impact des solutions optimales et aider les décideurs à l’échelle territoriale. À la lumière des systèmes cyber-physiques, les réseaux de ressources échangées doivent être adaptables, sécurisés, sûrs et intégrés dans un environnement dynamique. Les aspects multi-échelles (niveau de détail, gestion des données) et la variété des dynamiques temporelles dans les sous-systèmes doivent être intégrés dans l’ensemble de la méthodologie avec un temps de calcul rationnel.