Total

Optimisation du taux de retour d'un réseau de vapeur chez Total avec la création d'un modèle de propagation de flux optimisé et identification en temps réel des anomalies.

Contexte

Le processus de raffinage du pétrole implique un réseau électrique alimentant l'actif industriel et chauffant l'eau pour la transformer en vapeur.
Toute perte dans le réseau de vapeur a un impact direct sur l'efficacité énergétique de l'installation, et sur les coûts de production.
Son optimisation est donc cruciale pour la rentabilité des activités de raffinage de Total.

Intervention DCbrain

Après avoir créé un double numérique du réseau de vapeur, DCbrain a analysé les données du système de gestion des bâtiments de la centrale.
L’analyse a montré que pour optimiser le réseau de vapeur dans son ensemble, il était nécessaire d’optimiser chaque unité de production de vapeur séparément.
DCbrain a calculé, via le Machine Learning, le niveau d'efficacité de chaque unité avant de ré-agréger ces données en flux.
Notre capacité à propager la production de chaque unité dans le réseau global explique la précision de nos résultats.