Traitement du signal / Science des données

[ DIGITALISATION ET IA - 2/2 ] Un des principaux axes de recherche d'IFPEN porte sur les procédés et les catalyseurs destinés à la production de carburants biosourcés. Ceci se traduit par de nombreux travaux expérimentaux dont les résultats génèrent de la connaissance capitalisée sous forme de modèles. Cependant, cette modélisation nécessite l’acquisition de nombreuses données expérimentales, ce qui est coûteux en temps et en moyens.

[ DIGITALISATION ET IA - 1/2 ] La digitalisation des activités est une avancée majeure qu’IFPEN a entrepris de déployer au bénéfice de sa R&I. Elle consiste à intégrer des technologies numériques innovantes pour améliorer l'efficacité, la précision et la productivité de nos actions. Elle consiste également à intégrer des applications prometteuses en intelligence artificielle (IA) générative.

[ LE CONTRÔLE DES PROCÉDÉS ET L'ANALYSE EN LIGNE - 2/2 ] Le recyclage des plastiques est à la fois un enjeu environnemental de premier plan et une filière industrielle en émergence pour laquelle IFPEN mobilise son expertise et son savoir-faire issus du raffinage des hydrocarbures. Du point de vue de leur recyclabilité, une particularité essentielle de ces nouveaux flux de matières est leur grande variabilité, tant au niveau de leur composition que de leur nature physique, voire des erreurs de tri. Des analyses en continu sont donc nécessaires.

Les systèmes côtiers sont vulnérables face à la montée du niveau marin et aux phénomènes d'érosion. C’est par exemple le cas des deltas dont la stabilité dépend aussi des apports sédimentaires produits dans le bassin versant en amont. Ce dernier est lui-même fortement impacté par des facteurs climatiques et anthropiques, dont les variations et la pression croissante induisent par ailleurs des problèmes de gestion des ressources (aquifères) et d’aménagement du territoire (instabilité des berges, gestion des crues, etc.). Afin de prédire l'impact des différents scénarios de changement environnementaux et ainsi permettre la mise en place de politiques locales adaptées, il est essentiel de disposer d'outils capables d’intégrer les différents paramètres hydroclimatiques et anthropiques, ainsi que leurs trajectoires temporelles...

IFPEN est un leader mondial dans le développement de l’hydrotraitement de charges fossiles pour la production de carburants propres. Des procédés de la même famille s’appliquent désormais à une plus grande diversité charges : pyrolysats de plastique ou de pneus, dans le contexte du recyclage chimique, huiles végétales pour produire des biocarburants, etc. Pour que ces procédés soient eux-mêmes éco-efficients, au-delà du bénéfice environnemental recherché, leurs conditions opératoires doivent être optimisées par l’utilisation de modèles cinétiques ou hybrides, en fonction des charges utilisées et des spécifications recherchées pour les produits visés...

Le trafic routier urbain est une source significative d’émissions de polluants qui impacte la qualité de l’air. Pouvoir prédire la dispersion de ces émissions représente un enjeu important à la fois pour évaluer les expositions réelles et pour aménager les plans de circulation. Dans ce but, un travail doctoral a proposé une chaîne de modélisation permettant de simuler les écoulements fortement turbulents à l’échelle micro-urbaine et d’obtenir des cartes spatiales bi-dimensionnelles de concentration de polluants...

Les données de spectroscopie proche infrarouge (SPIR) font l’objet de traitements mathématiques, via des approches chimiométriques en utilisant généralement un modèle de type Partial Least Squares (PLS). Cette méthodologie linéaire cherche à établir une relation statistique, représentée par la covariance maximale, entre une variable explicative X et la variable expliquée y. Elle a fait ses preuves à IFPEN pour prédire les propriétés de produits pétroliers et, depuis quelques années, elle a suivi le virage des nouvelles technologies de l'énergie (NTE)...

IFPEN est un leader mondial dans le développement de catalyseurs et de procédés pour la production de carburants propres. Pour que ces procédés soient eux-mêmes éco-efficients, il est nécessaire d’optimiser le couplage des catalyseurs avec les conditions opératoires, en fonction des charges utilisées et des spécifications recherchées pour les produits raffinés. Il est dès lors utile de pouvoir s’appuyer sur des modèles prédictifs quant aux performances atteintes et le recours à l’apprentissage (Machine learning) est une option intéressante dans ce cas...