PROCEDE DE PREDICTION D’OPERATION DE MAINTENANCE ET DE RECOMMANDATION DE MAINTENANCE D’EQUIPEMENTS DE TRAITEMENT D’EAU

Domaine de l’invention

Le domaine de l’invention est celui des procédés et systèmes de prédiction et de recommandation d’opérations de maintenance d’une usine de production ou traitement d’eau, par exemple de dessalement d’eau de mer et plus généralement de filtration d’un volume d’eau à partir de membranes denses. Plus particulièrement, l’invention se rapporte aux procédés de prédiction des dates de maintenance et/ou de remplacement d’ensembles de membranes utilisées pour le traitement d’eau. Le domaine de l’invention concerne les méthodes basées sur des algorithmes d’intelligence artificielle visant à générer un indicateur normalisé afin de prédire des dates de maintenance et/ou de remplacement indépendamment notamment des données matérielles ou d’architecture des ensembles utilisés.

État de la technique

Il existe différentes techniques permettant de prédire la maintenance et/ou de maintenir des équipements tels que des membranes, notamment d’osmose inverse, dans des usines de dessalement d’eau de mer ou d’autres usines exploitant de telles membranes. Ces prédictions sont nécessaires au bon fonctionnement de l’usine et au maintien des performances du système. Les prédictions sont difficiles à réaliser notamment du fait du cycle de vie des membranes. Ce dernier cycle de vie est ponctué d’évènements externes liés aux conditions opérationnelles et est influencé par des conditions environnementales telles que la température, la salinité de l’eau, etc. Ces prédictions sont d’autant plus difficiles à réaliser qu’elles dépendent également des propriétés intrinsèques de la membrane qui ne sont pas toujours connues de l’exploitant.

En ce qui concerne les conditions opérationnelles, les membranes s’encrassent au cours de leur exploitation et sont donc soumises à des nettoyages réguliers. Le nettoyage est nécessaire pour conserver de bonnes performances de dessalement ou plus généralement de filtration. En effet, une membrane encrassée perd rapidement ses performances de filtration. Ainsi, les prédictions sont soumises, selon les calculs, à une difficulté d’analyse de la distinction des causes de la baisse de performance liée à l’encrassement ou au vieillissement de la membrane. D’autres paramètres peuvent affecter l’interprétation du vieillissement selon les pressions des débits d’eau du système, telle que la pression du débit d’eau entrant. Ces difficultés d’analyse des causes des baisses de performances rendent difficiles les prédictions et ne permettent pas d’établir un modèle fiable.

En ce qui concerne les conditions environnementales, on note que les performances dépendent fortement des variations de certains paramètres tels que la température ou la concentration du volume d’eau entrant dans le système. Là encore, les systèmes de prédiction actuels rendent difficilement compte d’une distinction des causes de la baisse de performance du fait des variations de température causées par les effets d’une saisonnalité ou du fait d’un vieillissement des membranes.

Par ailleurs, le vieillissement des membranes dépend non seulement de leur configuration d’exploitation, des paramètres environnementaux, mais également de leurs propriétés intrinsèques. Chaque membrane a des propriétés physiques assurant des performances spécifiques dans des conditions données. Il peut arriver que de nouvelles membranes installées après un remplacement d’anciennes membranes n’aient pas les mêmes propriétés intrinsèques du fait, par exemple, d’un changement de fournisseur de membranes ou du fait de la mise en place d’une nouvelle génération de membranes. Ces changements peuvent affecter les modèles de prédiction se basant sur des données de constructeurs. Les systèmes actuels trouvent donc des limitations des modèles utilisés lors d’un changement d’un type de membrane, voire d’un étage de fonctionnement complet.

Enfin, la configuration d’exploitation peut elle-même affecter les performances selon l’importance du système, le nombre d’étages de traitement, des circuits d’acheminement et de retraitement des concentrats, du taux de conversion souhaité du système, etc.

Une difficulté de prédire le vieillissement d’un système tel qu’un ensemble de membranes ou encore d’une pluralité d’étages formés de différents ensembles de membranes provient de la grande hétérogénéité des composantes influant sur la durée de vie des membranes et donc sur les causes multifactorielles de ces composantes. En effet, les propriétés intrinsèques des membranes, la qualité de l’eau, la température, la durée d’exploitation des membranes et la configuration d’utilisation incluant les nettoyages durant le cycle de vie des membranes sont des paramètres influant de différentes manières sur la durée de vie des membranes.

Ainsi, les systèmes de prédiction actuels trouvent des limitations dans leur fiabilité du fait qu’il est nécessaire de reconfigurer le modèle d’entraînement lors de certains changements de configurations d’exploitation ou de certains changements matériels. En effet, les spécifications des membranes remplaçant d’anciennes membranes ne sont pas toujours décrites de manière homogène et nécessitent de réaliser des tests et des mesures pour reconfigurer le modèle de prédiction.

Un objectif de l’invention est de surmonter les inconvénients précités. L’invention vise à notamment à proposer un procédé de prédiction des dates de remplacements des membranes qui soit automatique et qui ne nécessite pas de faire dépendre le modèle de prédiction de la configuration matérielle ou de propriétés physiques du matériel utilisé.

Afin de résoudre les problèmes persistants dans les modélisations de l’art antérieur, le procédé de l’invention vise à normaliser certains indicateurs permettant de prévoir les dates de remplacement et/ou de nettoyage des membranes indépendamment des conditions opérationnelles ou des conditions environnementales.

Résumé de l’invention

Selon un aspect l’invention concerne un procédé de traitement automatisé de données caractérisant l’état d’une pluralité de membranes pour la filtration d’un volume de liquide, ledit procédé comprenant :

■ réception d’un premier ensemble de données provenant de capteurs d’état agencés au sein ou à proximité d’un premier ensemble de membranes, ledit ensemble de membranes recevant un débit d’eau entrant et générant un premier débit d’eau sortant, dit perméat, et un second débit d’eau sortant, dit concentrât, ledit premier ensemble de données se rapportant à des paramètres physiques externes, lesdites acquisitions de données étant réalisées selon une pluralité de premières séries temporelles de données émises par chaque capteur à des fréquences prédéfinies ; ■ Détermination d’au moins un indicateur de fonctionnement du premier ensemble de membranes, ledit indicateur de fonctionnement définissant une seconde série temporelle de données calculées ou estimées ;

■ Enregistrement des premières et secondes séries temporelles de données sur une durée d’acquisition donnée, chaque série temporelle de données définissant un nuage de points ;

■ Génération d’un indicateur de fonctionnement intermédiaire définissant un nuage de points correspondant à des valeurs de l’indicateur de fonctionnement pour lesquelles le premier ensemble de membranes est considéré comme neuf et/ou propre et/ou nettoyé, lesdites valeurs de l’indicateur de fonctionnement intermédiaire étant produites par l’application d’un modèle de normalisation appris ;

■ Génération d’un indicateur de fonctionnement normalisé caractérisant l’état d’une pluralité de membranes pour la filtration d’un volume de liquide, ledit état caractérisant l’encrassement et/ou le vieillissement de l’état des membranes indépendamment des variations des conditions environnementales, ledit indicateur normalisé définissant une troisième série temporelle obtenue à partir de l’indicateur de fonctionnement et de l’indicateur de fonctionnement intermédiaire.

Un avantage est de générer un indicateur normalisé restituant un état des membranes relatif à leur vieillissement et à leur colmatage indépendamment d’une connaissance à priori des propriétés physiques des membranes. Enfin l’indicateur permet de s’affranchir des variations de paramètres environnementaux. Un tel indicateur permet de suivre l’évolution de l’état des membranes et d’anticiper des opérations de maintenance au meilleur moment.

Selon un mode de réalisation, les valeurs de l’indicateur de fonctionnement intermédiaire sont produites par l’application d’un modèle de normalisation appris et par les valeurs de l’indicateur de fonctionnement. Les valeurs de l’indicateur de fonctionnement pour lesquelles le premier ensemble de membranes est considéré comme neuf et/ou propre et/ou nettoyé sont possiblement des valeurs calculées d’une fonction ou mesurées à partir des capteurs ou des valeurs corrigées par le modèle de normalisation appris. Dans ce dernier cas, de nouvelles valeurs de l’indicateur de fonctionnement sont générées pour produire l’indicateur de fonctionnement intermédiaire.

Selon un mode de réalisation, le modèle de normalisation est appris pour chaque indicateur de fonctionnement au moyen d’une régression sur les données de la seconde série temporelle relatives à l’indicateur de fonctionnement selon au moins un premier paramètre physique externe prédéfini issu de la première série temporelle, ladite régression étant configurée sur une durée de lissage pour déterminer un ensemble de valeurs correspondant sensiblement à un facteur près à des minimums ou des maximums des valeurs de la seconde série temporelle, lesdites valeurs déterminées correspondant à une configuration de membrane(s) neuve(s) et/ou propre(s) et/ou nettoyée(s).

Selon un mode de réalisation, le modèle de normalisation est appris pour chaque indicateur de fonctionnement à partir d’un ensemble de données d’entrainement dudit indicateur de fonctionnement sur une période de lissage comportant au moins une opération de maintenance et/ ou remplacement sur ledit premier ensemble de membranes.

Selon un mode de réalisation, les données d’entrainement ne comprennent pas de données caractérisant les propriétés physiques des membranes.

Selon un mode de réalisation, la détermination de l’indicateur de fonctionnement comporte la détermination d’un premier indicateur de fonctionnement définissant une pression différentielle entre l’entrée et une sortie de l’ensemble de membranes et représentée sous la forme d’une seconde série temporelle de données calculées ou estimées, les paramètres physiques externes considérés comportant au moins une mesure de de débit et une mesure de température, lesdits paramètres physiques externes étant utilisés pour le calcul des valeurs de l’indicateur intermédiaire du premier indicateur de fonctionnement à partir de la régression réalisée sur les valeurs de la pression différentielle. Selon un mode de réalisation, la détermination de l’indicateur de fonctionnement comporte la détermination d’un second indicateur de fonctionnement définissant une pression du flux entrant dans le premier ensemble de membranes et représenté sous la forme d’une seconde série temporelle de données calculées ou estimées, les paramètres physiques externes considérés comportant au moins une mesure de la température, une mesure de la concentration du flux entrant dans le premier ensemble de membranes, le débit du flux du perméat et le débit du flux du concentrât du premier ensemble de membranes, lesdits paramètres physiques externes étant utilisés pour le calcul des valeurs de l’indicateur intermédiaire du second indicateur de fonctionnement à partir de la régression réalisée sur les valeurs de la pression du flux entrant dans le premier ensemble de membranes.

Selon un mode de réalisation, la détermination de l’indicateur de fonctionnement comporte la détermination d’un troisième indicateur de fonctionnement définissant un débit du flux du perméat en sortie du premier ensemble de membranes et représentée sous la forme d’une seconde série temporelle de données calculées ou estimées, les paramètres physiques externes considérés comportant au moins une mesure de la température, une mesure de la concentration du flux entrant dans le premier ensemble de membranes, le débit du flux du perméat et le débit du flux du concentrât du premier ensemble de membranes, lesdits paramètres physiques externes étant utilisés pour le calcul des valeurs de l’indicateur intermédiaire du troisième indicateur de fonctionnement à partir de la régression réalisée sur les valeurs du débit du flux du perméat en sortie du premier ensemble de membranes.

Selon un mode de réalisation, la détermination de l’indicateur de fonctionnement comporte la détermination d’un quatrième indicateur de fonctionnement définissant un passage en sel dans le perméat en sortie du premier ensemble de membranes et représentée sous la forme d’une seconde série temporelle de données calculées ou estimées, les paramètres physiques externes considérés comportant au moins une mesure de la température, une mesure de la concentration du flux entrant dans le premier ensemble de membranes, le débit du flux du perméat et le débit du flux du concentrât du premier ensemble de membranes, lesdits paramètres physiques externes étant utilisés pour le calcul des valeurs de l’indicateur intermédiaire du quatrième indicateur de fonctionnement à partir de la régression réalisée sur les valeurs du passage en sel dans le perméat en sortie du premier ensemble de membranes.

Selon un mode de réalisation, le premier ensemble de données se rapporte à des paramètres physiques externes comportant :

■ une mesure de débit entrant, du débit du perméat et/ou du débit du concentrât et/ou

■ une mesure de la conductivité d’un volume d’eau et/ou ;

■ une mesure d’une quantité de carbone organique totale et/ou ;

■ une valeur cible correspondant à un taux de conversion du volume d’eau d’alimentation en un volume d’eau traité et/ou ;

■ une valeur caractéristique du flux entrant, également appelé « flux de perméation » et/ou ;

■ une valeur caractéristique de la perméabilité de la membrane à l’eau.

Selon un mode de réalisation, la troisième série temporelle correspond :

■ à la série temporelle obtenue en soustrayant la série temporelle correspondant aux valeurs corrigées produites par le modèle de normalisation appris à la seconde série temporelle et/ou ;

■ à la série temporelle obtenue en soustrayant la série temporelle correspondant aux valeurs corrigées produites par le modèle de normalisation appris à la seconde série temporelle et à laquelle a été ajoutée une composante de référence correspondante à une série de temporelle de l’indicateur de fonctionnement correspondant un état des membranes neuf et/ou propre et/ou nettoyé , ladite composante étant calculée dans des conditions environnementales moyennes ou standard.

Selon un mode de réalisation, la régression sur l’indicateur de fonctionnement est réalisée selon une pluralité de paramètres physiques externes dont dépend l’indicateur de fonctionnement.

Selon un mode de réalisation, la régression est mise en œuvre au moyen d’une première fonction apprenante comportant un modèle d’apprentissage machine comportant des paramètres appris grâce à la mise en œuvre d’une fonction de perte. Selon un mode de réalisation, la régression est une régression d’expectile, la régression étant réalisée à partir d’une fonction de perte d’expectile et une fonction d’erreur entre la valeur de l’indicateur de fonctionnement et une valeur estimée par le modèle de régression pour des valeurs de l’indicateur de fonctionnement considérées dans un expectile donné de la distribution de valeurs de l’indicateur de fonctionnement. Un avantage est de permettre de déterminer les valeurs de l’indicateur de fonctionnement pour lesquelles l’état des membranes est soit neuf, soit propre, soit nettoyé.

Selon un mode de réalisation, la régression est effectuée sur les données de la seconde série de données de l’indicateur de fonctionnement selon une pluralité de paramètres physiques externes prédéfinis d’une pluralité de premières séries temporelles obtenues par une pluralité de capteurs, ladite régression étant réalisée à partir d’un modèle additif généralisé modélisant des fonctions dont on cherche à optimiser les paramètres au moyen d’une fonction de perte d’expectile entre la valeur de l’indicateur de fonctionnement calculé et la valeur de l’indicateur de fonctionnement estimé dans la gamme de valeurs de l’expectile prédéfini et pour des valeurs de paramètres physiques externes données, ladite régression modélisant en outre une fonction d’erreur et ladite régression étant exécutée sur une durée dite de lissage, ladite régression générant un ensemble de valeurs d’un nuage de points définissant l’indicateur intermédiaire, ledit ensemble de valeurs correspondant à un état neuf et/ou propre et/ou nettoyé du premier ensemble de membranes.

Selon un mode de réalisation, la durée de lissage est déterminée de sorte à comprendre une pluralité de marqueurs d’évènements relatifs à la maintenance des ensembles de membranes, ladite durée de lissage étant inférieure à la durée d’acquisition.

Selon un mode de réalisation, le procédé comprend un horodatage d’évènements relatifs à la maintenance des ensembles de membranes, lesdits évènements correspondant à des nettoyages et/ou des remplacements, chaque horodatage étant réalisé selon une référence temporelle marquée au sein de la durée d’acquisition. Un avantage est de permettre la prise en compte des opérations de maintenance dans les entraînements des fonctions apprenantes. Selon un mode de réalisation, le procédé comprend la génération de valeurs d’un indicateur de fonctionnement prédit par application d’une seconde fonction apprenante entrainée à partir des valeurs de l’indicateur de fonctionnement normalisé correspondant à la troisième série temporelle considérée sur une durée de prédiction, ladite seconde fonction apprenante générant des données prédites d’évolution de l’indicateur normalisé. Un avantage est d’anticiper les opérations de maintenance visant à nettoyer les membranes.

Selon un mode de réalisation, le procédé comprend une prédiction d’un ensemble de valeurs de chaque indicateur normalisé, les données d’entraînement étant sélectionnées entre les deux derniers horodatages d’évènements associés respectivement à deux nettoyages successifs, un nouvel entrainement de la seconde fonction apprenante étant déclenché après chaque nouvel évènement associé à un nettoyage. Un intérêt est de créer un ensemble de données d’entrainement non affecté par les opérations de maintenance afin d’obtenir uniquement l’évolution liée à l’état des membranes.

Selon un mode de réalisation, le procédé comprend une comparaison d’au moins une valeur prédite d’un indicateur normalisé avec au moins un seuil prédéfini, ladite comparaison permettant de générer une date de nettoyage. Un intérêt est de permettre de générer des alertes à des opérateurs.

Selon un mode de réalisation, le seuil prédéfini est un seuil variable dont la valeur est générée par l’exécution d’une fonction dépendante de paramètres prédéfinis.

Selon un mode de réalisation, la seconde fonction apprenante est une fonction mettant en œuvre un second modèle additif généralisé.

Selon un mode de réalisation, le procédé comprend un calcul d’un indice de vieillissement d’un ensemble de membranes à partir d’une troisième fonction apprenante, ladite troisième fonction apprenante comportant un ensemble de données d’entraînement comportant les valeurs extraites du premier ensemble de données utilisées pour estimer l’indicateur considéré, les données d’entrainement étant sélectionnées sur la période d’acquisition et prenant en compte les horodatages des évènements survenus pendant la période d’acquisition. L’analyse de l’indice de vieillissement permet de déterminer une date de remplacement d’une membrane. Selon un mode de réalisation, la troisième fonction apprenante est un réseau de neurones récurrent comportant une fonction de régression basée sur une méthode autorégressive.

Selon un autre aspect, l’invention concerne un système de traitement de données comportant un calculateur, une mémoire, une horloge et une interface de communication pour recevoir des données sous la forme de série temporelle, ledit système de traitement de données comportant une interface de communication pour transmettre les données vers un serveur, ledit système de traitement de données comportant le serveur pour réaliser des étapes de calculs d’un indicateur de fonctionnement normalisé selon le procédé de l’invention.

Selon un mode de réalisation, le système comprend un afficheur pour générer en temps réel une représentation d’au moins un indicateur normalisé. Un avantage est de permettre de suivre l’évolution de l’indicateur normalisé en temps réel.

Selon un autre aspect, l’invention concerne un système pour le traitement d’un volume d’eau d’alimentation en un volume d’eau traitée par filtration aux moyens d’une pluralité d’ensembles de membranes, ledit système de traitement d’eau comportant une entrée d’eau pour recevoir un débit d’eau entrant dans au moins un ensemble de membranes donné, une première sortie d’eau filtrée, dite perméat, et une seconde sortie d’eau résiduelle, dite concentrât, ledit système de traitement d’eau comportant en outre un ensemble de capteurs d’état de paramètres externes dont un capteur en température de l’eau et au moins un capteur de pression, ledit système de traitement d’eau comportant un système de traitement de données de l’invention.

Selon un mode de réalisation, le système pour le traitement d’un volume d’eau d’alimentation comprend une pluralité de membranes organisée selon une pluralité d’ensembles de membranes, chaque ensemble de membranes définissant un étage de traitement d’un volume d’eau en entrée et générant un flux de sortie. Un avantage est de permettre de configurer un contrôle d’indicateurs normalisés pour des sous-ensembles d’un système. Selon un mode de réalisation, le système comprend un indicateur composite comportant différentes composantes relatives à différents indicateurs de fonctionnement normalisés de ces différents sous-ensembles. Selon un mode de réalisation, le système pour le traitement d’un volume d’eau d’alimentation comprend au moins un second ensemble de membranes agencé en sortie du premier ensemble de membranes, le concentrât du premier ensemble de membranes définissant l’entrée du second ensemble de membranes.

Selon un mode de réalisation, le système pour le traitement d’un volume d’eau d’alimentation comprend au moins un troisième ensemble de membranes agencé en parallèle du premier ensemble de membranes, le concentrât du premier ensemble de membranes et du troisième ensemble de membranes définissant l’entrée du second ensemble de membranes.

Selon un mode de réalisation, la première fonction apprenante comprend la mise en œuvre d’un premier modèle additif généralisé prenant en considération la troisième série temporelle exposée selon une pluralité de paramètres physiques externes prédéfinis.

Selon un mode de réalisation, la durée de lissage est choisie de sorte à correspondre à une valeur maximale d’un indicateur de vieillissement d’au moins une membrane ou une durée propre à sa durée de vie.

Selon un mode de réalisation, l’estimation du premier indicateur de fonctionnement du premier ensemble de membranes résulte :

■ d’au moins un calcul réalisé à partir des données du premier ensemble de données ;

■ d’au moins une mesure réalisée à partir de capteurs agencés à proximité de l’ensemble de membranes.

Selon un mode de réalisation, les indicateurs normalisés comprennent en outre :

■ un indicateur normalisé caractéristique du flux d’alimentation ou du flux de sortie et/ou ;

■ un indicateur normalisé caractéristique de la conductivité d’un volume d’eau en entrée et/ou en sortie du premier ensemble de membranes et/ou ;

■ un indicateur normalisé relatif à une mesure du passage en sel entre l’entrée et une sortie du premier ensemble de membranes et/ou ;

■ un indicateur normalisé caractéristique de la pression d’alimentation. Selon un mode de réalisation, l’indicateur normalisé caractéristique du flux d’alimentation d’au moins un premier ensemble de membranes comprend :

■ Un paramètre relatif au flux spécifique d’alimentation représentant le volume d’eau en entrée du premier ensemble de membranes considéré par unité de temps et unité de surface de membrane lorsqu’une pression est appliquée audit volume d’eau et/ou ;

■ Un paramètre relatif à un premier flux de sortie représentant le volume d’eau filtré en sortie, appelé perméat, du premier ensemble de membranes considéré par unité de temps et unité de surface de membrane lorsqu’une pression est appliquée audit volume d’eau en entrée et/ou ;

■ Un paramètre relatif à un second flux de sortie représentant le volume d’eau résiduel, appelé concentrât, en sortie du premier ensemble de membranes considéré par unité de temps et unité de surface de membrane lorsqu’une pression est appliquée audit volume d’eau en entrée et/ou ;

■ Un paramètre relatif à la pression d’alimentation en entrée de l’ensemble de membranes.

Selon un mode de réalisation, l’indicateur normalisé caractéristique de la conductivité d’un volume d’eau entrant ou sortant d’au moins un premier ensemble de membranes comprend :

■ Un paramètre relatif à la conductivité du perméat en sortie du premier ensemble de membranes ;

■ Un paramètre relatif à un coefficient de perméabilité du premier ensemble de membranes,

■ Un paramètre relatif à une mesure de la différence de conductivité d’un volume d’eau en entrée et en sortie du premier ensemble de membranes.

Selon un mode de réalisation, le procédé comprend une suppression de données brutes d’au moins un capteur lorsque les valeurs acquises sont inférieures à un seuil prédéfini. Selon un mode de réalisation, un premier pré-entrainement de la première fonction apprenante est réalisé à partir d’un ensemble de données d’entrainement et d’un paramètre correctif de saisonnalité ou de seuils de température et qu’un second entrainement est réalisé de la première fonction apprenante lors de la définition des ensembles des membranes, du nombre d’ensembles de membranes et des paramètres de fonctionnement pendant la durée de lissage.

Brève description des figures

D’autres caractéristiques et avantages de l’invention ressortiront à la lecture de la description détaillée qui suit, en référence aux figures annexées, qui illustrent :

Figure 1 : un diagramme comportant les différentes étapes d’un mode de réalisation du procédé de l’invention ;

Figure 2 : un exemple de représentation de l’encrassement de membranes d’un système comportant une série de nettoyages successifs et représentant l’effet du vieillissement des membranes sur le long terme ;

Figure 3 : un exemple d’un système de l’invention comportant une pluralité de capteurs et des moyens de traitement des données pour générer les indicateurs normalisés selon le procédé de l'invention ;

Figure 4 : un exemple d’un ensemble de membranes modélisant un étage traitant un flux entrant et générant deux flux de sorties dont le perméat et le concentrât ;

Figure 5 : un exemple d’un système de traitement d’eau selon l’invention comportant une pluralité d’étages de traitement dans lesquels différents ensembles de membranes sont mis en œuvre ;

Figure 6 : un exemple d’une évolution d’un indicateur de fonctionnement d’un ensemble de membranes représentant une première courbe d’évolution de la pression différentielle d’un ensemble de membranes dans laquelle on note les effets de saisonnalité et la tendance d’évolution du vieillissement ;

Figure 7 : une représentation de l’indicateur de fonctionnement, ici la pression différentielle, selon un diagramme d’expectile permettant de représenter ledit indicateur de fonctionnement selon un paramètre physique, ici la température ; on note la courbe représentant l’enveloppe des valeurs minimales du diagramme permettant de générer un ensemble de valeurs correctives utilisées dans le procédé de l’invention ;

Figure 8 : une représentation d’une seconde courbe représentant l’évolution de l’indicateur de fonctionnement corrigé de l’ensemble de membranes considérées lorsque ces dernières sont dans un état sensiblement propre ; et la première courbe,

Figure 9 : une représentation de la différence des deux courbes de la figure 9 à laquelle est ajoutée une courbe de référence permettant de visualiser un indicateur de fonctionnement corrigé indépendant des conditions opérationnelles et des conditions environnementales et restituant notamment les effets du vieillissement de l’ensemble de membranes au cours du temps.

Définitions

On appelle dans la suite de la description le « système de traitement des données », un système comportant les moyens nécessaires à l’exécution des étapes du procédé, c’est-à-dire à minima un calculateur et une mémoire. Toutefois, selon un mode préféré, le système comprend :

■ des moyens logiciels locaux colocalisés dans l’usine de traitement permettant d’effectuer des traitements sur les données acquises de capteurs, il peut s’agit d’un ordinateur configuré pour être un serveur local et ;

■ des moyens distants tels qu’au moins un serveur de données distant permettant d’exécuter des étapes du procédé aboutissant à la génération des indicateurs normalisés et des dates prédites d’intervention sur l’usine.

On appelle dans la suite de la description l’« usine » ou le « système de traitements d’eau » l’ensemble des moyens physiques permettant de traiter un volume d’eau et de mesurer des paramètres de fonctionnement ou environnementaux. L’usine comprend à minima un ensemble de membranes dense spiralé par exemple utilisé pour des applications d’osmose inverse. Un ensemble de membranes est utilisé pour traiter un volume d’eau entrant acheminé au moyen d’une arrivée d’eau et générant aux moins deux flux appelés « perméat » et « concentrât » acheminés au moyen de sorties d’eau. Généralement, un système de traitement d’eau comprend des capteurs et des moyens hydrauliques et le système de traitement de données. Les moyens hydrauliques comportent selon les configurations des vannes, telles que des vannes d’équilibrage, des vannes de fermeture ou d’arrêt, des vannes de régulation, éventuellement des turbines ou microturbines ou tout autre équipement permettant de contrôler, réguler et acheminer des flux de fluides tels que de l’eau. Le système de traitement d’eau comprend également des équipements hydrauliques tels que des pompes, des réservoirs, des containers, des filtres, des canalisations et tout autre équipement nécessaire à la mise en œuvre de l’usine.

L’usine ou le système de traitement d’eau peut comprendre une ou plusieurs passes de filtration de traitement du volume d’eau entrant et peut comprendre un ou plusieurs étages définissant un agencement d’ensembles de membranes installés en série ou en parallèle ayant un taux de conversion de traitement d’un volume d’eau en entrée. Typiquement, un étage permet de traiter entre 40% et 50% du volume d’eau pompée. Afin d’augmenter la portion d’eau traitée, il est possible de mettre plusieurs étages en série afin d’arriver à des taux de conversion de 75% à 85%.

Une passe de filtration est un traitement par filtration d’un volume d’eau à une pression caractéristique de fonctionnement donnée. Dans les architectures permettant le dessalement d’un volume d’eau, en général au moins deux passes de filtration sont réalisées.

On nomme dans la suite de la description une concentration : la concentration de sels dans le fluide, à savoir l’ensemble des minéraux présents par exemple dans un volume d’eau. Dans le cas d’une mesure de la salinité d’un volume d’eau, les mesures ou les calculs de la concentration peuvent être obtenus par des mesures de la conductivité du volume de fluide considéré. On nomme dans la suite de la description, la conductivité une mesure d’une conductivité d’un fluide reflétant la présence d’éléments conducteurs dans ce fluide.

L’obtention de la concentration à partir d’une mesure de la conductivité d’un fluide est possible du fait qu’elles correspondent à des grandeurs équivalentes. En effet, la concentration ou la conductivité mesure(nt) des propriétés physiques d’un fluide qui sont équivalentes. L’une des grandeurs peut être obtenue à partir d’une mesure de l’autre grandeur selon un rapport simple, telle qu’un coefficient ou une constante. A cette fin, une constante caractérisant la qualité de l’eau, telle qu’une eau de surface ou une eau de mer ou une eau du robinet peut être utilisée pour convertir une mesure de la conductivité en une valeur de concentration. Par ailleurs, lorsqu’un paramètre influe sur la conductivité, telle que la température, cette dernière influence peut être compensée selon un modèle, par exemple un modèle linéaire, pour déduire la concentration.

La figure 5 représente un exemple de réalisation d’une architecture comportant différents étages ETi, ET2 et ET3 mettant en œuvre une pluralité d’ensemble de membranes ENSu, ENS12, ENS2, ENS3 agencées selon différentes configurations en parallèle ou en série selon l’étage auxquelles elles appartiennent. Dans cet exemple, 3 étages sont en série et le premier étage comporte deux ensembles de membranes en parallèle. A chaque sortie d’un ensemble de membranes, les débits des concentrats Qc1 , Qc2 sont réinjectés dans l’étage suivant. Les débits des perméats Qp1 , Qp2, Qp3 peuvent être acheminés vers d’autres étages de traitement ou exploités directement.

Les capteurs peuvent correspondre à des capteurs mesurant des données environnementales telles que la température d’eau, une pression d’eau, une salinité d’un volume d’eau ou tout autre paramètre de qualité d’un volume d’eau. D’autres capteurs peuvent être utilisés pour mesurer des paramètres physiques de l’usine, tels que des niveaux de consommation d’un équipement, un débit entrant ou sortant, une différence de pression, ou encore des capteurs détectant des évènements.

On nomme dans la suite de la description un étage de l’usine, un sous-ensemble de l’usine formé d’au moins un ensemble de membranes comportant un raccordement ou un canal pour recevoir un flux entrant d’eau à traiter et deux raccordements ou deux canaux de sortie générant deux flux de sortie : le perméat qui correspond au flux traité ayant une salinité inférieure à la salinité du flux entrant et le concentrât qui correspond à un flux d’eau dont la salinité est au moins égale au flux d’eau entrant.

La figure 1 illustre les principales étapes d’un mode de réalisation du procédé de l’invention. Une première étape comprend l’acquisition ACQ1 d’un ensemble de données provenant de différents capteurs 20, 21 , 22 représentés à la figure 3 selon un exemple de réalisation d’une architecture système de traitement d’eau permettant de mettre en œuvre le procédé de l’invention. Les capteurs sont agencés préférentiellement au sein du système de traitement d’eau ou à proximité du système de traitement d’eau de sorte à mesurer au plus près des membranes les conditions environnementales auxquelles elles sont soumises.

Selon un exemple de réalisation, le système de traitement de données de l’invention comprend des moyens logiciels tels qu’un calculateur et une mémoire pour exécuter un programme informatique mettant en œuvre les étapes du procédé de l’invention. Le ou les programme(s) informatique(s) comprennent des instructions logicielles qui lorsqu’elles sont exécutées permettent de mettre en œuvre les étapes du procédé de l’invention.

Applications

Selon une première application, le procédé de l’invention se rapporte au domaine de l’osmose inverse pour la filtration d’un volume d’eau. Le procédé se rapporte aussi bien au domaine des membranes utilisées pour l’osmose inverse dans le cadre d’une utilisation de filtration de la teneur en sel d’un volume d’eau que pour l’osmose inverse dite basse pression pour d’autres utilisations que le dessalement d’un volume d’eau.

Le procédé de l’invention est particulièrement adapté pour générer des indicateurs normalisés de membranes organiques, c’est-à-dire réalisées selon un polymère organique tel que le polyamide, dites « membranes denses » spiralées. Ces membranes sont notamment utilisées pour des applications d’osmose inverse ou de nanofiltration. Toutefois, l’invention ne se limite pas aux membranes denses.

Selon une seconde application, le procédé de l’invention se rapporte au domaine de la nanofiltration membranaire. Dans ce cas, le procédé s’applique à des membranes configurées pour séparer des molécules dans un volume d’un liquide, par exemple l’eau ou le sang.

Selon une troisième application, le procédé de l’invention se rapporte au domaine de l’ultrafiltration membranaire réalisée à partir de membrane dense.

Dans la suite de la description, l’invention sera décrite au regard de l’application de l’osmose inverse. Toutefois, le procédé de l’invention se rapporte à tout autre domaine impliquant la mise en œuvre de membranes pour séparer des particules ou des éléments d’un volume d’un liquide.

Modélisation La figure 2 représente un exemple schématique des causes impactant l’évolution de l’état d’une ou plusieurs membranes. A cet effet, l’évolution d’un indicateur caractéristique est représentée sur le schéma, à savoir la pression différentielle DP. La figure illustre différentes causes produisant une évolution de cet indicateur, dont notamment :

■ les encrassements de ces membranes notés Fo et les opérations de maintenance visant à les nettoyer ici représentées par des nettoyages NETi ;

■ le vieillissement intrinsèque de la membrane dégradant ses propriétés physiques sur le long terme ici représenté par la ligne notée Tr et désignant une tendance d’évolution du vieillissement et enfin ;

■ les influences liées aux paramètres physiques externes comportant des composantes opérationnelles liées à l’architecture de l’usine, les variables de fonctionnement, et des composantes environnementales liées à la qualité de l’eau et sa température par exemple.

Cette représentation permet de mieux comprendre les différents cycles que les membranes subissent et qui causent des encrassements. Un des objectifs du procédé de l’invention est d’isoler certaines de ces causes de manière à mieux prédire les prochaines opérations de maintenance liées aux encrassements et aux remplacements des membranes.

La figure 2 représente donc en ordonnée la pression différentielle d’un ensemble de membranes et le temps en abscisse. La ligne notée BLNS représente l’évolution de la pression différentielle DP d’un ensemble de membranes en fonction des paramètres physiques externes. Les lignes notées Fo représentent l’évolution de la pression différentielle DP liée à l’encrassement des membranes et enfin la ligne Tr désigne l’évolution de la pression différentielle DP liée au vieillissement des membranes. C’est notamment cette dernière composante qui permet d’établir un modèle prédictif fiable qui modélise le réel vieillissement des membranes.

La figure 6 représente les valeurs de la pression différentielle DP définissant le premier indicateur de fonctionnement KPh. Les valeurs de la pression différentielle DP sont enregistrées comme données brutes sur une échelle de plusieurs mois ou plusieurs années. Ce graphique permet d’observer une grande variation de la pression différentielle DP au cours des années en raison de l'influence des variations de la température de l’eau au cours du temps. Cette influence donne un modèle en forme de vague aux données. Cependant, en moyenne, il apparaît que l’indicateur de fonctionnement relatif à la pression différentielle DP augmente de la première à la cinquième année, voire la ligne Tr qui désigne la tendance du vieillissement et/ou à l’encrassement des membranes. Cette tendance à l'encrassement n'est pas visible au cours de l'opération, car les variations dues à la température sont beaucoup plus importantes que celles dues à l'encrassement irréversible.

Acquisition des données environnementales

Le procédé comprend une étape de réception de données, notée AQCi sur la figure 1 , provenant de capteurs agencés au sein ou à proximité d’une installation afin de mesurer des valeurs de paramètres environnementaux, dits paramètres physiques externes, liés à une installation d’une pluralité de membranes traitant ou filtrant un volume d’eau incident. Les capteurs peuvent comprendre des sondes de température, des sondes telles que des sondes de conductivité, des débitmètres, des capteurs de pression, etc.

Selon un mode de réalisation de l’invention, les données acquises par les capteurs sont enregistrées dans une mémoire. Les données sont acquises et enregistrées sous la forme de séries temporelles. Les données sont donc préférentiellement horodatées. Le procédé de l’invention se rapporte à une première étape comportant la lecture des données enregistrées provenant des capteurs. Toutefois, le procédé de l’invention peut comprendre selon un mode de réalisation, l’étape préalable d’acquisition des capteurs. Dans la mesure où le procédé de l’invention est mis en œuvre par un ordinateur ou par une pluralité d’unité de calculs, il n’est pas nécessaire que le procédé comprenne l’étape préalable d’acquisition qui peut être séparée de la mise en œuvre du procédé de l’invention puisque ce dernier peut être réalisé à postériori dans un certain délai après les acquisitions.

Les données enregistrées des paramètres physiques externes comprennent à minima des valeurs de températures Tf d’un volume d’eau entrant dans un étage comportant un ensemble de membranes et des valeurs de pression Pf de ce même volume d’eau entrant. Ces valeurs sont mesurées préférentiellement à des intervalles réguliers par au moins un capteur de température.

Ces valeurs peuvent également être mesurées au niveau du perméat {Tp, Pp} ou du concentrât {Te, Pc}.

Selon un mode de réalisation, d’autres valeurs de paramètres physiques externes sont enregistrées et exploitées par le procédé de l’invention. Notamment, les valeurs de débit entrant Qf et de concentration Cf du volume entrant sont mesurées. Le débit entrant est également appelé débit d’alimentation Qf. La figure 4 représente le débit en entrée Qf d’un ensemble de membranes ENSi et les débits sortants Qp et Qc respectivement du perméat et du concentrât.

Selon un mode de réalisation, des valeurs de paramètres physiques externes en sortie de l’ensemble de membranes sont enregistrées et exploitées par le procédé de l’invention. Il peut s’agir des valeurs de paramètres physiques externes du perméat ou du concentrât, les paramètres physiques étant respectivement notés Tp, Qp, Cp, Pp pour le perméat et notés Te, Qc, Ce, Pc pour le concentrât.

On note une mesure générale d’un paramètre physique externe Ti, Qi, Ci, Pi dans la suite du document et ces valeurs peuvent être précisées selon leur point de mesure avec les indices f, p, c selon si le paramètre est mesuré en amont de l’ensemble de membranes ou en aval au niveau du perméat ou du concentrât.

Un intérêt est de mesurer un même paramètre à différents points de mesure et de calculer certaines valeurs différentielles telles que la pression différentielle DP ou le passage ou la rétention en sel, autrement appelée concentration différentielle.

On note que les séries temporelles peuvent être acquises, enregistrées et exploitées selon différentes fréquences et sur différentes durées d’acquisition. Le procédé de l’invention comprend, selon un mode de réalisation, toute étape préliminaire visant à suréchantillonner ou sous- échantillonner une série temporelle de manière à homogénéiser les quantités de valeurs de chaque série temporelle lorsqu’elles sont utilisées conjointement par des opérations mathématiques ou par des algorithmes.

Chaque série temporelle comportant l’ensemble des valeurs relatives à chaque paramètre physique externe est notée SERIEi. Il existe donc autant de séries temporelles SERIEi que de séries temporelles de valeurs de paramètres physiques externes.

Lorsque les acquisitions sont réalisées sur des périodes d’acquisition différentes, une opération visant à exploiter les données sur une même période peut être réalisée.

Détermination des indicateurs

Le procédé de l’invention permet de conserver des données mesurées ou calculées issues des secondes séries temporelles SERIE2 correspondantes aux valeurs des indicateurs de fonctionnement KPh sur une période temporelle appelée période d’acquisition DA. Dans sa mise en œuvre la plus simple, le procédé de l’invention comprend l’exploitation d’un unique indicateur de fonctionnement, par exemple le premier indicateur de fonctionnement KP . Dans d’autres mises en œuvre, le procédé de l’invention est mis en œuvre pour exploiter une pluralité d’indicateurs de fonctionnement, par exemple les quatre indicateurs de fonctionnement évoqués précédemment : KPh, KPh, KPh, KPI4. Selon différentes réalisations, des combinaisons de ces indicateurs sont exploitées, par exemple le premier et le troisième indicateur KPh, KPh ou d’autres combinaisons. Une sélection d’indicateurs de fonctionnement peut être avantageusement exploitée de sorte à produire des indicateurs normalisés qui seront utilisés pour entraîner une fonction apprenante, c’est-à-dire un modèle d’apprentissage machine, dans l’objectif de prédire à court terme ou à moyen terme. Les indicateurs sont sélectionnés selon la configuration de l’usine, l’influence supposée des variations des conditions environnementales et des paramètres de fonctionnement. Différentes variantes du procédé de l’invention peuvent donc être mises en œuvre selon les configurations des usines.

Les différentes étapes du procédé de l’invention comprennent l’utilisation d’indicateurs de fonctionnement visant à réaliser plusieurs objectifs :

- définir un modèle de normalisation ;

- déterminer un indicateur intermédiaire et un indicateur normalisé ;

- définir un modèle de prédiction ;

- déterminer une prédiction à court et/ou long terme pour anticiper les dates des opérations de maintenance sur les membranes. Afin de répondre à tous ces objectifs, différents indicateurs sont définis dans le cadre du procédé de l’invention.

KPh : désigne l’indicateur de fonctionnement obtenu avec des conditions environnementales réelles obtenues lors de l’acquisition par exemple la température Ti, la pression Pi et le débit Qi, etc.

KPh’: désigne l’indicateur de fonctionnement normalisé correspondant à un indicateur rendu indépendant de conditions environnementales et restituant principalement l’état d’encrassement ou de vieillesse de la membrane afin de prédire les opérations de maintenances.

KPho’: désigne l’indicateur de fonctionnement normalisé correspondant à un indicateur calculé pour des conditions environnementales de référence et restituant principalement l’état d’encrassement ou de vieillesse de la membrane afin de prédire les opérations de maintenances.

KPh ^A : désigne l’indicateur de fonctionnement de membranes estimé par la fonction de perte lors de l’étape de régression et obtenu avec des conditions environnementales réelles obtenues lors de l’acquisition par exemple la température Ti, la pression Pi et le débit Qi, etc.

KPhA : désigne l’indicateur de fonctionnement de membranes neuves ou propres ou nettoyées obtenu avec des conditions environnementales réelles obtenues lors de l’acquisition par exemple la température Ti, la pression Pi et le débit Qi, etc. Il est également appelé indicateur intermédiaire.

KPho : désigne l’indicateur de fonctionnement de membranes obtenu avec des conditions environnementales de référence obtenues avec des paramètres de fonctionnement de référence, par exemple la température To, la pression Po et le débit Qo, etc.

KPliAo : désigne l’indicateur de fonctionnement de membranes neuves ou propres ou nettoyées obtenu avec des conditions environnementales de référence obtenues avec des paramètres de fonctionnement de référence, par exemple la température To, la pression Po et le débit Qo, etc.

KPhpi : désigne l’indicateur de fonctionnement de membranes prédit par un premier modèle de prédiction entrainé à partir de l’indicateur de fonctionnement normalisé, ladite prédiction étant une prédiction court terme. KPhp2 : désigne l’indicateur de fonctionnement de membranes prédit par un second modèle de prédiction entrainé à partir de l’indicateur de fonctionnement normalisé, ladite prédiction étant une prédiction long terme.

Le procédé de l’invention comprend la détermination d’au moins un indicateur de fonctionnement, noté KPh, cette étape est notée ESTi sur la figure 1 . Cette étape est préférentiellement réalisée par un calculateur qui peut être soit un calculateur local Ki représenté sur la figure 1 soit un calculateur sur un serveur distant représenté par le SERVi. Une mémoire est représentée afin d’enregistrer les données produites lors des calculs des indicateurs de fonctionnement KPh et des indicateurs de fonctionnement normalisés KPh’ et éventuellement des valeurs intermédiaires corrigées ou prédites comme les valeurs de l’indicateur de fonctionnement de la courbe de référence KPhA ou encore les valeurs estimées de l’indicateur de fonctionnement KPh ^A , ou les valeurs prédites KPhpi , KPh _P 2 par le modèle de prédiction du suivi de l’évolution de l’indicateur normalisé.

Les indicateurs peuvent être définis selon des séries temporelles définies sur des périodes d’acquisition différentes que les premières séries temporelles SERIEi. Dans ce cas, une opération visant à exploiter les séries SERIE1 et SERIE2 sur une même période peut être réalisée. Il peut s’agir par exemple d’une opération visant à définir une fenêtre temporelle commune.

KPI1 (DP)

Selon un premier exemple, un premier indicateur de fonctionnement KPh correspond à la pression différentielle notée DP.

Cette pression différentielle DP résulte d’une différence de pression entre le volume entrant dans le premier ensemble de membranes et un volume de sortie, tel que le concentrât. La différence de pression pourrait également être mesurée entre l’entrée et le perméat.

Selon un premier exemple, la pression différentielle DP peut être calculée à partir de certains paramètres de fonctionnement mesurés notamment par les capteurs. Il existe à cette fin, une fonction fi permettant de modéliser cette pression différentielle en fonction de la température et du débit moyen Qn où Qn = (Qc+Qf)/2N. Ici N correspond au nombre de tubes comportant l’ensemble de membranes, chaque tube formant un agencement d’un ensemble de membranes spiralées. Qc est le débit d’eau du concentrât et Qf le débit d’eau entrant. On note KP1 = DP = fi(Qn, Ti). Le procédé de l’invention comprend une étape permettant à partir des mesures de températures Ti et de débits Qc et Qf d’obtenir un indicateur de fonctionnement KPh.

Selon d’autres exemples, d’autres paramètres physiques externes pourraient être pris en compte pour calculer ou modéliser l’influence de ces paramètres dans l’évolution de cet indicateur.

Selon un second exemple, la pression différentielle DP peut être directement mesurée à partir d’au moins un capteur de pression différentielle ou une pluralité de capteurs de pression agencés en amont et en aval de l’ensemble de membranes.

Le premier indicateur KPh peut avantageusement prendre la forme d’une série temporelle SERIE2. Chaque valeur calculée ou mesurée de la pression différentielle DP est dans ce cas associée à une date. La date de chaque valeur de l’indicateur de fonctionnement peut être prise égale à la date de chaque valeur de paramètre de fonctionnement d’une première série temporelle SERIE1 utilisée dans le calcul du premier indicateur de fonctionnement KPh.

Lorsque la pression différentielle DP est directement mesurée par des capteurs, une horloge commune peut être utilisée avec celle ou celles permettant d’horodater les autres paramètres physiques mesurés afin de conserver une cohérence de dates entre la première série temporelle SERIE1 et la seconde série temporelle SERIE2.

Le procédé de l’invention permet de générer un indicateur KPIIA représentant la pression différentielle équivalente DP’ qui est un indicateur reconstitué qui correspond à la pression différentielle de l’ensemble de membranes lorsqu’elles sont neuves ou propres ou nettoyées par une opération de nettoyage. Cet indicateur est obtenu pour des conditions réelles de mesure des paramètres physiques externes. Cet indicateur permettra ensuite d’obtenir un indicateur normalisé KPho’ donnant un état de la membrane pour des conditions environnementales de référence.

Un objectif est de calculer les valeurs du premier indicateur KPh pour différentes mesures de température Ti et du débit moyen Qn afin d’estimer, grâce à un premier modèle de normalisation appris MODNI , une évolution du premier indicateur intermédiaire KPIIA. Le premier modèle de normalisation MODNI est par exemple appris au moyen d’une régression. Ce premier indicateur intermédiaire KPIIA pourra alors grâce à l’invention permettre un calcul d’un premier indicateur normalisé KPh' ou KPI ' restituant de manière plus fiable notamment la contribution du vieillissement et de l’encrassement des membranes.

Un avantage de ce premier indicateur KPh' est notamment de contribuer au suivi du colmatage longitudinal de l’ensemble de membranes.

Le procédé de l’invention permet de définir une pluralité d’indicateurs de fonctionnement {KPh}i[i _; k] et des indicateurs de fonctionnement normalisés {KPh’}i[i _; k] associés restituant une information sur l’état des membranes notamment au regard de leur encrassement et de leur vieillissement. Dans l’objectif d’obtenir des indicateurs fiables, robustes et indépendants des données environnementales ayant notamment des effets de saisonnalité, le procédé de l’invention permet de normaliser les indicateurs de fonctionnement {KP h }i[i _; k],

KPI2 (Pf)

Un second indicateur KPh est défini par le paramètre de fonctionnement relatif à une pression du flux incident Pf exercée sur le premier ensemble des membranes ENSi, également appelé pression d’alimentation Pf. La pression du flux incident Pf peut être soit calculée à partir d’un modèle et de mesures de paramètres physiques d’un modèle, soit directement mesurée à partir d’au moins un capteur de pression agencé en entrée du premier ensemble de membranes ENSi.

Lorsque ce second indicateur KPh est calculé à partir d’un modèle, la pression du flux incident Pf peut être modélisée selon une fonction f2 des paramètres environnementaux suivants : la température Ti, la concentration du flux entrant Cf, le débit du flux du perméat Qp et le débit du flux du concentrât Qc du premier ensemble de membranes ENSi, par exemple d’un étage ou d’une passe de l’usine de traitement comportant un premier ensemble de membranes ENSi. Selon d’autres exemples, d’autres paramètres physiques externes pourraient être pris en compte pour calculer ou modéliser l’influence de ces paramètres dans l’évolution de cet indicateur.

On obtient l’expression suivante : KPh = Pf = f2(Ti, Cf, Qp, Qc).

L’exemple décrit cite 4 paramètres retenus comme influençant le second indicateur, toutefois d’autres paramètres environnementaux peuvent également être pris en compte dans le cadre de cette invention. L’invention permet de prendre en compte au moins un paramètre qui influence l’évolution du second indicateur.

Le procédé de l’invention permet donc à partir des mesures de températures Ti, de la concentration Cf, du débit du perméat Qp et du débit du flux du concentrât Qc du premier ensemble de membranes ENSi d’obtenir un second indicateur de fonctionnement KPh.

Selon un second exemple, la pression du flux entrant Pf peut être directement mesurée à partir d’un capteur de pression ou une pluralité de capteurs de pression agencés en amont du premier ensemble de membranes ENSi.

Le second indicateur KPh peut avantageusement prendre la forme d’une seconde série temporelle SERIE2. On rappelle que chaque série temporelle correspondante à un indicateur de fonctionnement est notée SERIE2 bien qu’il s’agisse de séries temporelles différentes selon les indicateurs choisis. Chaque valeur calculée ou mesurée de la pression du flux entrant Pf est dans ce cas associée à une date. La date de chaque valeur de l’indicateur de fonctionnement peut être prise égale à la date de chaque valeur de paramètre de fonctionnement d’une première série temporelle SERIE1 utilisée dans le calcul du second indicateur de fonctionnement KPI2.

Identiquement au premier indicateur KPh, lorsque la pression du flux entrant Pf est directement mesurée par au moins un capteur, une horloge commune peut être utilisée avec celle permettant d’horodater les autres paramètres physiques mesurés afin de conserver une cohérence de dates entre la première série temporelle SERIE1 et la seconde série temporelle SERIE2.

Le procédé de l’invention permet de générer un indicateur intermédiaire KPLA’ représentant la pression du flux entrant équivalente Pf’ qui est un indicateur reconstitué dont la valeur correspond à la pression du flux entrant dans l’ensemble de membranes lorsqu’elles sont neuves ou propres ou nettoyées par une opération de nettoyage.

Un objectif est de calculer les valeurs du second indicateur de fonctionnement KPI2 pour différentes mesures des paramètres physiques externes afin d’estimer par un second modèle de normalisation appris MODN2 une évolution d’un indicateur intermédiaire KPLA. Le second modèle de normalisation MODN2 est par exemple appris au moyen d’une régression. Cet indicateur intermédiaire KPLA permet dans un second temps de calculer un indicateur normalisé KPh’ ou KPI20’ restituant de manière plus fiable notamment la contribution du vieillissement et de l’encrassement des membranes.

Un avantage de ce second indicateur KPh est de contribuer au suivi de la consommation d’énergie de l’ensemble de membranes ENS1.

KPI3 (débit du flux du perméat)

Un troisième indicateur KPh est défini par le paramètre de fonctionnement relatif à un débit du flux du perméat Qp en sortie du premier ensemble des membranes ENS1. Le débit du flux du perméat Qp peut être soit calculé à partir d’un modèle et de mesures de paramètres physiques du modèle, soit directement mesuré à partir d’un capteur agencé en sortie, au niveau du perméat, du premier ensemble de membranes ENS1.

Cet indicateur peut être également représenté par le flux spécifique SP. Il représente le volume d'eau produit par unité de temps et par unité de surface de la membrane lorsqu'une pression donnée est appliquée à l'eau d'alimentation. C’est un indicateur de la capacité de la membrane à produire un volume d’eau en sortie. Lorsque la membrane vieillit ou se dégrade, le flux spécifique SP a tendance à diminuer. La diminution du flux spécifique SP est un indicateur de l'encrassement ou de la détérioration du matériau de la membrane. Toutefois, cet indicateur comme celui correspondant au débit du flux du perméat Qp est également influencé par la température, la salinité de l'eau et la température de l'eau. Selon d’autres exemples, d’autres paramètres physiques externes pourraient être pris en compte comme facteurs influençant l’évolution de cet indicateur.

Lorsque ce troisième indicateur KPh est calculé à partir d’un modèle, le débit du flux du perméat Qp peut être modélisé selon une fonction fs des paramètres environnementaux suivants : la température Ti, la concentration du flux entrant Cf, le débit du flux du perméat Qp et le débit du flux du concentrât Qc du premier ensemble de membranes ENS1, par exemple d’un étage ou d’une passe de l’usine de traitement comportant un premier ensemble de membranes ENS1. Selon un autre mode de réalisation, d’autres variables physiques externes peuvent être prises en compte dans la modélisation du KPI3.

On obtient l’expression suivante : KPh = Qp = fs(Ti, Cf, Qp, Qc). L’exemple décrit cite 4 paramètres retenus comme influençant le troisième indicateur, toutefois d’autres paramètres environnementaux peuvent également être pris en compte dans le cadre de cette invention. L’invention permet de prendre en compte au moins un paramètre qui influence l’évolution du troisième indicateur.

Le procédé de l’invention permet donc à partir des mesures de températures Ti, de la concentration du flux entrant Cf, du débit du flux du perméat Qp et du débit du flux du concentrât Qc du premier ensemble de membranes ENSi d’obtenir un troisième indicateur de fonctionnement KPh.

Selon un second exemple, le débit du flux du perméat Qp peut être directement mesuré à partir d’au moins un capteur d’un dispositif agencé en aval du premier ensemble de membranes ENSi.

Le troisième indicateur KPh peut avantageusement prendre la forme d’une seconde série temporelle SERIE2. Chaque valeur calculée ou mesurée du débit du flux du perméat Qp est dans ce cas associée à une date. La date de chaque valeur du troisième indicateur de fonctionnement KPh peut être prise égale à la date de chaque valeur de paramètre de fonctionnement d’une première série temporelle SERIE1 utilisée dans le calcul du troisième indicateur de fonctionnement KPh.

Identiquement au premier et au second indicateur KPh, KPh, lorsque le débit du flux du perméat Qp est directement mesuré par au moins un capteur, une horloge commune peut être utilisée avec celle permettant d’horodater les autres paramètres physiques mesurés afin de conserver une cohérence de dates entre la première série temporelle SERIE1 et la seconde série temporelle SERIE2.

Le procédé de l’invention permet de générer un troisième indicateur intermédiaire KPISA’ représentant le débit du flux du perméat Qp équivalent Qp’ qui est un indicateur reconstitué dont la valeur correspond au flux du perméat Qp entrant dans l’ensemble de membranes lorsqu’elles sont neuves ou propres ou nettoyées par une opération de nettoyage.

Un objectif est de calculer les valeurs du troisième indicateur de fonctionnement KPh pour différentes mesures des paramètres physiques externes afin d’estimer par un troisième modèle de normalisation appris MODN3 une évolution d’un indicateur intermédiaire KPISA. Le troisième modèle de normalisation MODNS est par exemple appris au moyen d’une régression. Cet indicateur intermédiaire KPhA permet dans un second temps de calculer un indicateur normalisé KPh’ ou KPho’ restituant de manière plus fiable notamment la contribution du vieillissement et de l’encrassement des membranes.

Un avantage de ce troisième indicateur KPh, pris en combinaison possiblement avec d’autres données, est de permettre de contribuer au suivi du colmatage transmembranaire de l’ensemble de membranes ENSi.

KPI4 (passage en sel)

Un quatrième indicateur de fonctionnement KPh est défini par le paramètre de fonctionnement relatif au passage en sel SP exprimé en un pourcentage de sel filtré dans le concentrât SPc ou résiduel dans le perméat SPp en sortie du premier ensemble des membranes ENSi. Le passage en sel peut être exprimé, par exemple, sous la forme d’un rapport de concentration entre l’entrée et la sortie. On considère dans cet exemple, le passage en sel dans le perméat SPp. Le passage en sel SPp peut être soit calculé à partir d’un modèle et de mesures de paramètres physiques du modèle, soit directement mesuré à partir d’un capteur agencé en sortie, au niveau du perméat, du premier ensemble de membranes ENSi. Cet indicateur peut être également représenté par la conductivité du perméat.

Selon d’autres exemples, d’autres paramètres physiques externes pourraient être pris en compte pour calculer ou modéliser l’influence de ces paramètres environnementaux dans l’évolution de cet indicateur.

Lorsque ce quatrième indicateur KPh est calculé à partir d’un modèle, le passage en sel dans le perméat SPp peut être modélisé selon une fonction f4 des paramètres environnementaux suivants : la température Ti, la concentration du flux entrant Cf, le débit du flux du perméat Qp et le débit du flux du concentrât Qc du premier ensemble de membranes ENSi, par exemple d’un étage ou d’une passe de l’usine de traitement comportant un premier ensemble de membranes ENSi.

On obtient l’expression suivante : KPh = SPp = f4(Ti, Cf, Qp, Qc).

L’exemple décrit cite 4 paramètres retenus comme influençant le quatrième indicateur, toutefois d’autres paramètres environnementaux peuvent également être pris en compte dans le cadre de cette invention. L’invention permet de prendre en compte au moins un paramètre qui influence l’évolution du quatrième indicateur. Le procédé de l’invention permet donc à partir des mesures de températures Ti, de la concentration du flux entrant Cf, du débit du flux du perméat Qp et le débit du flux du concentrât Qc du premier ensemble de membranes ENSi d’obtenir un quatrième indicateur de fonctionnement KPk

Selon un second exemple, le passage en sel dans le perméat SPp peut être directement mesuré à partir d’au moins un capteur ou d’un dispositif agencé en aval du premier ensemble de membranes ENSi.

Le quatrième indicateur KPk peut avantageusement prendre la forme d’une seconde série temporelle SERIE2. Chaque valeur calculée ou mesurée du passage en sel dans le perméat SPp est dans ce cas associée à une date. La date de chaque valeur du quatrième indicateur de fonctionnement KPk peut être prise égale à la date de chaque valeur de paramètre de fonctionnement d’une première série temporelle SERIE1 utilisée dans le calcul du quatrième indicateur de fonctionnement KPk.

Identiquement au premier, au second et au troisième indicateur KPh, KPh, KPh, lorsque le passage en sel dans le perméat SPp est directement mesuré par au moins un capteur ou un dispositif, une horloge commune peut être utilisée avec celle permettant d’horodater les autres paramètres physiques mesurés afin de conserver une cohérence de dates entre la première série temporelle SERIE1 et la seconde série temporelle SERIE2.

Le procédé de l’invention permet de générer un quatrième indicateur intermédiaire KPUA’ représentant le passage en sel dans le perméat SPp’ équivalent qui est un indicateur reconstitué dont la valeur correspond au passage en sel Sp obtenu par l’ensemble de membranes lorsqu’elles sont neuves ou propres ou nettoyées par une opération de nettoyage.

Un objectif est de calculer les valeurs du quatrième indicateur de fonctionnement KPk pour différentes mesures des paramètres physiques externes afin d’estimer par un quatrième modèle de normalisation appris MODN4 une évolution d’un indicateur intermédiaire KPUA. Le quatrième modèle de normalisation MODN4 est par exemple appris au moyen d’une régression. Cet indicateur intermédiaire KPUA permet dans un second temps de calculer un indicateur normalisé KPk’ ou KPI40’ restituant de manière plus fiable notamment la contribution du vieillissement et de l’encrassement des membranes. Un avantage de ce quatrième indicateur KPk est de contribuer au suivi de la qualité de l’eau potabilisée produite par l’ensemble de membranes ENSi.

D’autres indicateurs de fonctionnement peuvent être utilisés, notamment le quatrième indicateur peut être remplacé par un indicateur sensiblement équivalent à savoir la concentration du perméat Cp.

Les données mesurées des premières séries temporelles SERIEi et des secondes séries temporelles SERIE2 sont enregistrées dans une mémoire du système. Cette étape est notée ENR1 sur la figure 1 .

D’autres exemples d’indicateurs peuvent être mis en œuvre. Selon un exemple, un cinquième indicateur de fonctionnement KPI5 correspond à la concentration du perméat ou du concentrât. Ce dernier indicateur peut être une fonction de la température Ti et de la pression différentielle DP.

Normalisation

La normalisation comprend deux étapes : une première étape consiste à définir automatiquement au moyen d’un algorithme d’apprentissage la fonction de normalisation ou le modèle de normalisation, notée MODNI, à partir d’un historique de données de membranes neuves, propres ou nettoyées et une seconde étape consiste à appliquer le modèle de normalisation appris MODNI à des données réelles enregistrées pour générer un indicateur intermédiaire KPLA et un indicateur normalisé KPh’ ou KPho’. Cette dernière étape est notée GENA sur la figure 1 .

Un premier apprentissage permet de créer un modèle de normalisation MODNI permettant de générer un indicateur normalisé pour prédire les remplacements et/ou de nettoyage de membranes. On cherche dans ce cas à obtenir un indicateur du vieillissement. Dans ce cas, les données d’apprentissage sont sélectionnées préférentiellement au début du cycle de vie d’une membrane ou d’un ensemble de membranes. On cherche à entrainer le modèle de normalisation sur les premières semaines, les premiers mois, voire la première année de fonctionnement d’une membrane ou d’un ensemble de membranes.

Cet apprentissage permet de générer un indicateur permettant de restituer une indication de vieillissement et également de colmatage et donc un indicateur de colmatage ou d’encrassement d’un ensemble de membranes. Un second apprentissage permet de créer un modèle de normalisation MODNI permettant de générer un indicateur normalisé pour prédire plus particulièrement les remplacements de membranes. On cherche dans ce cas à obtenir un indicateur d’encrassement. Dans ce cas, les données d’apprentissage ne sont pas nécessairement sélectionnées dans la première phase du cycle de vie d’une membrane ou d’un ensemble de membranes. Selon un mode de réalisation, on cherche à entrainer le modèle de normalisation sur des périodes comportant plusieurs opérations de maintenance telles que des nettoyages d’une membrane ou d’un ensemble de membranes.

Ce second apprentissage permet de générer un indicateur permettant de restituer une indication de colmatage ou d’encrassement d’un ensemble de membranes indépendamment de leur remplacement.

La normalisation comprend une modélisation des indicateurs selon les conditions environnementales opérationnelles ou des conditions environnementales de référence et selon l’état des membranes selon si elles sont considérées dans leur état opérationnel ou dans leur état neuves ou propres ou nettoyées.

On note les relations suivantes :

■ KPh = KPliA + TC avec TC un terme correctif lié à l’usure, le vieillissement et l’encrassement des membranes et KPLA le terme représentant l’indicateur de fonctionnement lorsque les membranes sont neuves et/ou propres et/ou nettoyées issue du modèle de normalisation.

Cette égalité reste vraie dans les conditions de référence, on obtient donc :

■ KPI _i0 = KPliAo + TC

On peut noter à ce stade qu’une première normalisation KPh’ peut s’écrire avec le terme TC qui permet d’obtenir un indicateur de vieillissement ou de colmatage.

■ TC = KPh‘ = KPh - KPliA

On note qu’un terme correctif ajusté par l’ajour d’un terme calculé dans des conditions de référence permet de générer un indicateur normalisé dans des ordres de grandeur identiques à l’indicateur KPh :

■ TCo = KPho‘ = KPhAo + (KPh - KPhA) Selon un autre exemple une autre composante KPLAO peut être ajoutée. L’ajout d’une constante peut également être réalisé selon un autre mode de réalisation.

Apprentissage de la fonction de normalisation, régression

Afin de calculer les valeurs de l’indicateur de fonctionnement KPLA lorsque les membranes sont neuves et/ou propres et/ou nettoyées, l’invention comprend un apprentissage d’une fonction apprenante encore appelée fonction de normalisation ou modèle de normalisation. Cet apprentissage vise à définir les paramètres de ce modèle au moyen d’une régression. L’invention met en œuvre avantageusement une régression basée sur un expectile des valeurs de l’indicateur de fonctionnement en considérant au moins un paramètre physique extérieur. La régression peut être multifactorielle en prenant en compte une pluralité de paramètres physiques externes.

Les hypothèses d’une modélisation de la fonction de perte basée sur un expectile pour apprendre un modèle de normalisation pour générer des indicateurs de fonctionnement sont donc :

■ L’existence de variables explicatives qui soient suffisantes: le résidu est dû uniquement à l’encrassement, au vieillissement et au bruit de mesure ;

■ Les points de mesure du KPIi de la membrane neuve et/ou propre et/ou nettoyée correspondent sensiblement aux valeurs extrêmes : notamment les valeurs minimales pour les indicateurs de fonctionnement : DP, Cp, Pf et les valeurs maximales pour le flux spécifique Sf ; On entend dans ce cas par « sensiblement » les points de mesure à un facteur près dans l’expectile de la distribution, notamment quand plusieurs paramètres physiques externes influencent les valeurs de l’indicateur ;

■ La différence entre le KPI mesuré et le KPI modélisé ne dépend pas des variables explicatives.

Afin de normaliser ces indicateurs, le procédé comprend une étape visant à calculer un nuage de points de valeurs corrigées des indicateurs de fonctionnement sélectionnés KPh pour générer un indicateur de fonctionnement intermédiaire KPLA. L’objectif de la normalisation est de produire un indicateur normalisé ou des indicateurs normalisés représentatif(s) d’une usure ou d’un encrassement indépendamment des variations des paramètres physiques externes. En d’autres termes, le procédé de l’invention cherche à produire un indicateur normalisé KPh’ ou KPho’ qui ne soit pas sensible aux variations de conditions environnementales telles que la température de l’eau ou la concentration en sel du volume d’eau entrant dans le premier ensemble de membranes ENSi ou des paramètres physiques de fonctionnement tels les débits entrants, les débits du perméat et du concentrât, ou les pressions du perméat.

Afin de normaliser les indicateurs de fonctionnement, une première étape de calcul d’un indicateur de fonctionnement intermédiaire KPLA est réalisée. Cet indicateur intermédiaire est matérialisé par une représentation d’une courbe de référence CREFI . Cette courbe de référence CREFI comprend l’ensemble des points du nouveau nuage de points produits grâce au modèle de normalisation MODNI. Ce nuage de points peut être représenté sur la figure 7 dans le diagramme d’expectile, ici représenté avec un seul paramètre physique externe, la température, ou bien sous la forme d’une seconde série temporelle intermédiaire SERIE2A sur la figure 8. Cette série temporelle intermédiaire est notée SERIE2A, il s’agit des points de la courbe de référence CREF utilisé pour obtenir cette courbe. Le premier indicateur KPh est associé à une première courbe de référence CREFI , le second indicateur KPI2 est associé à une seconde courbe de référence CREF2, le troisième indicateur KPh est associé à une troisième courbe de référence CREFS, le quatrième indicateur KPk est associé à une quatrième courbe de référence CREIFA. D’une manière générale on parlera d’une courbe de référence CREFI pour chaque indicateur de fonctionnement KPh.

Régression

La courbe de référence CREF OU la seconde série temporelle intermédiaire SERIE2A est obtenue grâce à un indicateur intermédiaire obtenu grâce à l’application d’un modèle de normalisation, ledit modèle étant généré grâce à une opération de régression. L’opération de régression consiste à obtenir des valeurs d’un paramétrage d’un modèle de normalisation pour une seconde série temporelle SERIE2 d’un indicateur de fonctionnement KPh en considérant l’influence d’un ensemble de paramètres physiques externes considérés ledit indicateur de fonctionnement. Chaque indicateur de fonctionnement intermédiaire est produit grâce à l’application d’un modèle de normalisation propre entraîné selon une régression donnée. A cette fin, on considère les influences des paramètres physiques externes utilisés dans la modélisation de chaque indicateur externe, notamment dans les fonctions fi, f2, fs, f4. On rappelle que ces fonctions fi, f2, fs, f4 peuvent être ou non explicites. Elles traduisent davantage la prise en compte de l’influence de paramètres physiques externes sur l’indicateur de fonctionnement considéré. La régression permet, pour chaque ensemble de valeurs de paramètres physiques externes PARA considéré, de retenir une valeur de l’indicateur de fonctionnement KPh située dans un expectile donné de la distribution de valeurs de l’indicateur de fonctionnement.

La figure 7 représente une représentation du premier indicateur KPh, c’est-à-dire la pression différentielle DP en fonction de la température Ti. Cette représentation permet d’illustrer simplement la fonction d’expectile par rapport à une seule variable, toutefois cette représentation n’est pas réaliste dans le cas de deux variables telles que la température Ti et le débit moyen Qn pour le premier indicateur KPh. Une autre représentation serait nécessaire dans un cas multifactoriel.

Une régression d’expectile permet de déterminer une fonction de normalisation utilisée pour générer un indicateur de fonctionnement intermédiaire qui peut être représentée selon une courbe de référence CREFI . Toutefois, lorsque la régression est multicritère, c’est-à-dire réalisée en prenant en considération différents paramètres physiques externes PARA, elle aboutit à une enveloppe de valeurs obtenues en considérant une représentation de l’indicateur de fonctionnement KPh dans un espace à 2 dimensions.

On rappelle qu’un expectile est une fonction de la distribution d’une variable Y, ici les valeurs de l’indicateur de fonctionnement KPh. L’expectile caractérise la fonction de distribution ou la fonction de répartition de la variable.

Chaque indicateur de fonctionnement KPh est donc représenté dans un espace à N dimensions, chaque dimension étant associée à un paramètre physique externe PARA. Une régression est mise en œuvre afin de générer un modèle de normalisation utilisé MODNI pour produire un nuage de points. Ce nuage de points peut être représenté par une enveloppe inférieure ou supérieure des valeurs de l’indicateur de fonctionnement KPh, il s’agit de la courbe de référence CREFI. Cette enveloppe inférieure ou extérieure selon le paramètre de fonctionnement considéré KPh correspond au fonctionnement lorsque le premier ensemble de membranes ENSi et neuf et que les membranes ne sont pas encrassées ou que la composante associée à l’encrassement des membranes est/sont très faible(s), voire nulle. L’intérêt de considérer des points de l’indicateur pour effectuer la régression dans lesquels les membranes n’ont pas subi un vieillissement significatif est d’obtenir un modèle de normalisation restituant une indication liée au vieillissement des membranes. Lorsque ces points sont identifiés notamment au sein de l’enveloppe inférieure ou supérieure, ils correspondent à des valeurs uniquement sensibles aux paramètres extérieurs et non plus à l’encrassement des membranes puisque dans ces points les membranes sont supposées être propres ou nettoyées.

Selon un exemple de réalisation, une régression d’expectile peut être mise en œuvre de manière à retenir une portion des points de l’indicateur de fonctionnement KPh correspondant à une valeur donnée d’expectile pour des valeurs des paramètres physiques donnés. Autrement dit, pour une température Ti donnée et un débit moyen donné, le procédé permet de retenir les valeurs de l’indicateur de fonctionnement KPh en considérant le pourcentage d’expectile prédéfini. La régression est alors réalisée en considérant que les valeurs retenues sont celles du fonctionnement d’une membrane neuve et/ou propre et/ou nettoyée après une opération de nettoyage dans cette portion d’expectile.

Le procédé de l’invention permet de configurer l’expectile par exemple avec une valeur caractéristique de la distribution relative à 2% d’expectile ou 4% d’expectile ou 6% d’expectile, voire un pourcentage plus élevé ou inférieur de la fonction d’expectile de l’indicateur de fonctionnement. Le procédé de l’invention permet de déterminer une configuration de la régression d’expectile permettant de définir un bon compromis entre obtenir une bonne précision de la régression avec un pourcentage le plus bas possible d’expectile pour obtenir un algorithme stable ayant une capacité d’optimiser l’erreur et un nombre de points maximal pour réaliser une régression avec une capacité de convergence rapide. En effet, plus l’expectile est faible, plus le nombre de points est faible et la régression potentiellement peu précise.

Selon un mode de réalisation, la fonction associant les paramètres physiques externes observés à l’indicateur KPIA est configurée à partir d’un modèle additif généralisé GAM d’expectile. Les fonctions GAM correspondent alors à l’ensemble des fonctions qu’on cherche à définir selon un critère d’optimisation réalisée par la fonction de perte et la modélisation de l’erreur lors de la régression. Selon d’autres modes de réalisation, d’autres fonctions pourraient être mises en œuvre dans le cadre de l’invention.

Selon un mode de réalisation, la régression est modélisée à partir d’une fonction de perte entre les valeurs de l’observable KPh et la valeur estimée de l’indicateur de fonctionnement considéré KPh ^A dans le pourcentage d’expectile retenu. Cette fonction de perte permet de déterminer la meilleure fonction de normalisation, c’est-à-dire le meilleur modèle de normalisation, c’est à dire les paramètres du modèle de normalisation. Le modèle de normalisation comprend des coefficients ou des paramètres qui sont calculés en faisant la régression de sorte que l’indicateur de fonctionnement estimé KPh ^A corresponde aux valeurs de l’indicateur de fonctionnement mesurées ou calculées KPhA dans le pourcentage d’expectile retenu pour différentes valeurs des paramètres physiques externes PARA. La fonction de perte permet alors de faire converger une erreur afin de réduire les deux valeurs des indicateurs estimés KPh ^A et calculés KPh.

L’erreur d’estimation prend en compte une pondération des surestimations de manière différenciée vis-à-vis des sous-estimations.

La fonction de perte, peut être modélisée selon un exemple ainsi :

■ FLOS ⁼ 21W (y observé ^— yestimé) * (yobservé ^— yestimé) ²

Où :

W(yobservé ^— yestimé) ⁼ Apha, Si (yobservé ^— yestimé) ^> 0

W(yobservé ^— yestimé) ⁼ 1 - Apha, Si (yobservé ^— yestimé) < 0

On parle d’expectile Alpha.

La modélisation de l’erreur peut comprendre différents exemples de réalisation. Selon un exemple, une modélisation de l’erreur peut être une minimisation des moindres carrés peut être mise en œuvre.

Un avantage d’un modèle GAM est de permettre de faire une régression, quel que soit le nombre de paramètres physiques externes. Un avantage est donc de pouvoir prendre en compte une modélisation dans laquelle un indicateur de fonctionnement KPh est possiblement influencé par plusieurs paramètres physiques externes, par exemple entre 2 et 5 paramètres physiques externes. Un autre avantage de l’utilisation d’un modèle GAM est de s’affranchir du type de fonction liant chaque indicateur de fonctionnement KPh avec les paramètres physiques externes PARA et ce quelles que soient les relations entre l’indicateur et les paramètres physiques externes. En effet, que les relations soient linéaires ou non, le modèle GAM s’applique.

Le GAM est particulièrement intéressant pour retirer l’effet des variations de chaque valeur de paramètres physiques sur les valeurs de l’indicateur de fonctionnement KPh considéré, toute chose étant considérée égale par ailleurs, c’est-à-dire en prenant en considération une même évolution ou une même valeur des autres paramètres lors du retrait de l’effet d’un paramètre donné.

Lors de la modélisation d’un modèle GAM, les données produites en sortie du modèle comprennent d’une part un paramétrage des dépendances {x, y} de chaque paramètre physique {PARAi, PARA2} sur l’observable, c’est-à-dire l’indicateur de fonctionnement KPh et d’autre part une valeur produite de l’observable c’est-à-dire le KPh ^A estimé.

En d’autres termes, le modèle GAM permet de générer un modèle selon lequel, l’indicateur KPh est dépendant à un facteur x du premier paramètre PARA1 et dépendant à un facteur y du second paramètre PARA2. Ces facteurs peuvent ensuite être utilisés pour venir pondérer chaque valeur de paramètres physiques considérés dans sa relation de dépendance avec l’indicateur KPh pour prédire une nouvelle valeur estimée de l’indicateur KPh ^A . La régression permet alors de faire converger l’erreur entre les valeurs connues de l’indicateur KPh et la valeur estimée de l’indicateur KPh ^A .

Selon un autre exemple, une régression basée sur un modèle additif généralisé GAM de quantile peut également être configurée. Selon un autre exemple, une régression logistique peut être configurée.

La régression est réalisée préférentiellement selon sur une durée dite de lissage DL qui prend en compte des données du début de la durée de vie des membranes.

Un intérêt est d’obtenir des valeurs d’entrainement du modèle de normalisation non encore affectées par le vieillissement des membranes. Ainsi l’indicateur de fonctionnement intermédiaire KPhA et donc la courbe de référence CREF permettent de générer un indicateur normalisé KPh’ ou KPho’ restituant une évolution de l’état des membranes depuis leur état initial. Un avantage est de permettre de mieux suivre l’évolution de leur dégradation ou de leur colmatage. Toutefois, afin d’avoir un modèle de normalisation stable et convergent de la régression, un ensemble de données minimal est nécessaire. Ainsi, la période prise en considération peut aller de quelques jours à quelques années dans une gamme large et de quelques mois à 1 an dans une gamme plus étroite. Ces durées dépendent de la taille de l’usine, du volume de données, etc.

Selon une alternative, les valeurs d’entrainement ne se focalisent pas forcément sur le début du cycle de vie des membranes, mais sur une portion de leur cycle de vie comprenant plusieurs opérations de maintenance telles que des nettoyages. Un intérêt est de construire un modèle modélisant les évolutions d’encrassement des membranes sans pour autant mesurer leur vieillissement précisément.

Utilisation du modèle appris au-delà de la durée de lissage

Selon un exemple, le modèle de normalisation a été appris sur la période de lissage DL. La période de lissage DL correspond à la période d’apprentissage dans laquelle la régression permet de calibrer le modèle de normalisation. Selon un mode de réalisation, la période/fréquence des nettoyages peut être intégrée dans cet apprentissage de sorte que les données d’entrainement comprennent plusieurs cycles de nettoyage.

Le modèle de normalisation appris par la régression peut alors être utilisé sur la totalité de la durée d’acquisition DA et/ou en temps réel à partir de nouvelles données acquises pour calculer les valeurs KPLA correspondant à la représentation de la courbe de référence CREFI. Chaque modèle de normalisation peut être appris selon une période de lissage DL donné dépendant de l’indicateur de fonctionnement KPh considéré. Selon un mode préféré, la période d’apprentissage DL est la même pour chaque modèle de normalisation construit MODNI associé à un indicateur de fonctionnement donné KPh. Le procédé de l’invention permet donc de générer autant de modèles de normalisation appris que d’indicateurs de fonctionnement calculés.

Les valeurs de l’indicateur normalisé KPh’ ou KPho’ sont obtenues ensuite par des opérations entre l’indicateur de fonctionnement KPh calculé et l’indicateur de fonctionnement intermédiaire KPhA. Selon un mode de réalisation détaillé ci-après, les indicateurs de fonctionnement normalisés KPh’ permettent d’entraîner un modèle d’apprentissage machine, dénommé modèle de prédiction MODpi ou MODpLTi, pour prédire l’évolution de l’indicateur de fonctionnement normalisé KPh’ ou KPho’ au-delà de la période d’acquisition DA.

Par application du modèle de normalisation MODNI appris sur la période de lissage, le procédé de l’invention permet de générer des valeurs de chaque indicateur intermédiaire KPLA permettent donc de représenter un indicateur pour un ensemble de membranes considérées comme neuves et/ou, nettoyées et/ou propres sur une période allant au-delà de la période de lissage DL, par exemple sur la période d’acquisition. En entrée du modèle de normalisation sont donc introduits les valeurs de l’indicateur de fonctionnement KPh et possiblement des paramètres physiques externes PARAi. En sortie du modèle de normalisation, les valeurs de l’indicateur de fonctionnement intermédiaire sont produites KP LA.

Afin d’obtenir un indicateur de fonctionnement normalisé KPh’, le procédé de l’invention comprend une opération visant à combiner ensemble les valeurs de l’indicateur de fonctionnement KPh et les valeurs de l’indicateur de fonctionnement intermédiaire KPhA obtenu par le modèle de normalisation appris MOÜNi correspondant à un ensemble de membranes neuves et/ou propres et/ou nettoyées afin de produire une nouvelle série temporelle SERIE2A.

On nomme la troisième temporelle SERIE3 les valeurs de la série temporelle de l’indicateur de fonctionnement normalisé KPh’ ou KPho’ que le procédé cherche à obtenir.

Selon un exemple de réalisation, chaque modèle de normalisation a été appris sur la période de lissage DL et permet de calculer les valeurs de ces indicateurs de fonctionnement intermédiaire KP IIA, KPLA, KP ISA, KPkA Sur la totalité de la durée d’acquisition DA à partir des valeurs des paramètres physiques externes PARA considérés et des valeurs des premier, second, troisième et quatrième indicateurs KPh, KPh, KPh, KPI4 en entrée du modèle de normalisation appris sur la totalité de la période d’acquisition DA. Les valeurs des indicateurs intermédiaires KP A, KPLA, KPI3A, KPUA permettent de représenter des indicateurs pour un ensemble de membranes considérées comme neuves et/ou nettoyées et/ou propres. Afin d’obtenir un indicateur de fonctionnement normalisé KPh’ ou KPho réduisant les effets induits par les influences des paramètres physiques externes le procédé de l’invention comprend une opération visant à combiner ensemble les valeurs de l’indicateur de fonctionnement KPh et les valeurs obtenues de l’indicateur de fonctionnement intermédiaire KP A par le modèle de normalisation appris correspondant à un ensemble de membranes neuves et/ propres et/ou nettoyées afin de produire une nouvelle série temporelle SERIE3.

3eme série temporelle KPIjA, indicateur de fonctionnement normalisé : KPIj’

Lorsque l’indicateur de fonctionnement intermédiaire KP A représenté par la courbe de référence CREFI est produit pour chaque indicateur de fonctionnement KPh considéré, le procédé de l’invention permet de générer un indicateur de fonctionnement normalisé KPh’ ou KPho’. A cette fin la série temporelle SERIE2A produite par le modèle de normalisation appris, est utilisée pour obtenir une nouvelle série temporelle SERIE3 définissant l’indicateur de fonctionnement normalisé KPh’ à partir d’une opération avec une autre série temporelle, par exemple la seconde série temporelle SERIE2 .

L’étape de génération de l’indicateur de fonctionnement normalisé KPh’ est notée GEN1 sur la figure 1 .

La figure 8 illustre une première courbe représentant les valeurs du premier indicateur KPh et une seconde courbe représentant les valeurs du premier indicateur KPLA, lesdites valeurs étant obtenues avec le modèle de normalisation appris.

Selon un premier exemple, la troisième série temporelle SERIE3 est générée en appliquant des opérations entre la seconde série temporelle SERIE2 et la série temporelle SERIE2A correspondant aux valeurs corrigées produites par le modèle de normalisation appris, par exemple en les soustrayant.

Selon ce second exemple, la troisième série temporelle SERIE3 correspond à la soustraction de ces deux séries SERIE2 et SERIE2A et permet d’aboutir aux écarts du premier indicateur KPh imputé aux encrassements des membranes. C’est-à-dire au terme correctif précédemment introduit TC = KPh - KPliA. On obtient KPh’ = TC = KPh - KPIIA pour le premier indicateur de fonctionnement.

L’indicateur normalisé KPh’ représente le terme associé au premier indicateur et lié à l’usure et au colmatage des membranes du premier ensemble de membranes ENSi. L’indicateur de fonctionnement normalisé KP ’ est supposé indépendant des conditions d’opérations et des conditions environnementales.

Selon un second exemple, la troisième série temporelle SERIE3 peut correspondre à une série temporelle issue de la soustraction des deux séries SERIE2 et SERIE2Aà laquelle a été ajoutée une composante KPho dans des conditions environnementales moyennes ou standard. Cette dernière composante prend également la forme d’une série temporelle.

Cette solution permet de réintroduire des conditions environnementales standard pour obtenir des valeurs d’indicateurs de fonctionnement normalisés dans des ordres de grandeur habituels formant des comparables entre eux. Dans ce cas, il est possible d’ajouter les valeurs de l’indicateur prises selon des conditions standard de référence des paramètres physiques, tels qu’une température standard d’opération To et un débit moyen standard d’opération Qno.

On a alors pour chaque indicateur de fonctionnement, l’égalité :

KPho’ = KPh - KPliA ₊ KP Ao

La figure 9 représente le premier indicateur normalisé KPho’ sous la forme d’une telle 3eme série temporelle SERIE3 obtenue selon le 2eme exemple, c’est-à-dire obtenu par la soustraction des valeurs du paramètre corrigées KPIIA issues de la série SERIE2A aux des valeurs KPh de la seconde série temporelle SERIE2 et en additionnant les valeurs KPLAO du premier indicateur correspondant à un état des membranes neuves et/ou propres et/ou nettoyées calculées avec des conditions environnementales standard, c’est- à-dire avec une température standard d’opération To et un débit moyen standard d’opération Qno.

On comprend à la lecture de la figure 9 que l’indicateur normalisé KPho’ permet d’apprécier l’évolution de l’ensemble de membranes indépendamment des variations des conditions environnementales. Un intérêt est donc de visualiser les évolutions de l’état des membranes notamment de leur vieillissement et de leur encrassement indépendamment des variations des conditions environnementales.

En particulier, un avantage de la génération d’un indicateur normalisé est de restituer un indicateur de suivi indépendant de variables telles que la température de l'eau Ti, du débit d’alimentation Qf, de la pression d’entrée Pf et de la conductivité d’entrée Cf. Un tel indicateur présente l’avantage de varier principalement en fonction de l’état d’usure et de colmatage, ce qu’on cherche à obtenir pour prévenir des remplacements et des nettoyages des membranes.

Avantageusement, ces données de l’indicateur de fonctionnement normalisé KPho’ peuvent être affichées de sorte à produire un indicateur évoluant dans le temps. Un afficheur AFFi est représenté à la figure 3 afin d’illustrer un exemple de console d’exploitation pouvant être utilisée par un opérateur.

Horodatage des évènements

Selon un mode de réalisation, l’usine comprend un ensemble d’opérations de maintenance qui sont des opérations de nettoyage et/ou de remplacement des membranes. Ces opérations améliorent la filtration de l’eau et permettent d’utiliser les membranes dans leur meilleure plage de fonctionnement. Le procédé de l’invention vise à définir une méthode permettant de prédire les opérations de maintenance. A cette fin, le procédé de l’invention comprend une étape d’apprentissage d’une fonction apprenante. Cet apprentissage peut correspondre à l’opération de régression de l’étape de normalisation ou à un apprentissage d’un modèle de prédiction ci-après détaillé. Afin d’obtenir un ensemble de données d’entraînement de bonne qualité, les données relatives aux opérations de maintenance sont horodatées selon une référence temporelle exploitable par les opérations traitant des séries temporelles, notamment des premières et secondes séries temporelles SERIEi, SERIE2. L’étape d’horodatage est notée HOR1 sur la figure 1.

En conséquence, lorsque de telles opérations sont réalisées dans l’usine, le procédé de l’invention permet d’horodater ces évènements et de les labell iser de sorte à produire un ensemble de données horodatées qui peuvent être utilisées ensuite pour la mise en œuvre d’un apprentissage d’une fonction apprenante tel qu’un modèle d’apprentissage machine pour réaliser une étape de prédiction d’une future opération de maintenance. Le procédé de l’invention comprend une étape d’enregistrement des données horodatées selon une même référence temporelle de manière à faire correspondre les événements horodatés avec une référence temporelle relative à l’horodatage de chaque série temporelle.

Un intérêt de l’horodatage des évènements est d’apprendre un modèle d’apprentissage machine en prenant en compte d’évènements de maintenance explicatifs de la discontinuité des données brutes acquises et enregistrées. Ceci est particulièrement pertinent dans le cas d’une exploitation long terme qui vise à mesurer l’évolution de l’indicateur de fonctionnement normalisé sur une longue période.

L’horodatage des données de maintenance peut être utilisé dans un algorithme de prédiction court terme pour définir un ensemble de données d’entrainement entre deux horodatages afin que les données collectées lors d'opérations de maintenance ne bruitent pas la prédiction.

L’étape d’horodatage des évènements de maintenance n’est pas nécessaire à la mise en œuvre du procédé de l’invention qui viserait uniquement à produire l’indicateur normalisé, toutefois il permet d’obtenir une meilleure interprétation et/ou un meilleur apprentissage pour générer des valeurs de l’indicateur de fonctionnement normalisé.

Prédiction court terme

Selon un mode de réalisation, les données normalisées de l’indicateur de fonctionnement KPh’ sont utilisées pour apprendre une fonction apprenante FA2 telle qu’un modèle d’apprentissage machine, dit modèle de prédiction MODpi. Un tel modèle de prédiction MODpi est défini par des coefficients ou des paramètres qui sont appris sur une période d’entrainement, notée première période de prédiction Dp. Dans le cas d’une prédiction court terme, le procédé de l’invention permet d’obtenir une prédiction fiable de l’évolution de l’indicateur normalisé KPh’ ou KPho’. Cette valeur prédite est notée KPhpi .

L’étape GEN2 sur la figure 1 représente à la fois l’étape de prédiction court terme et/ou l’étape de prédiction long terme.

L’intérêt d’une telle fonction prédictive est de permettre d’anticiper le prochain nettoyage des membranes du premier ensemble de membranes ENS1. Selon différents exemples de réalisation, le modèle de prédiction MODpi peut être un modèle d’apprentissage machine construit à partir d’une fonction mettant en œuvre un second modèle additif généralisé, noté GAM2, et à partir des données d’entrainement correspondant aux valeurs calculées de l’indicateur normalisé KPh’ ou KPho’.

Selon un autre exemple, le modèle de prédiction MODpi peut être construit à partir d’une régression réalisée par un modèle de machine à vecteurs de support SVM à partir des données d’entrainement correspondant aux valeurs calculées de l’indicateur normalisé KPh’ ou KPho’.

Selon un exemple d’implémentation, un vecteur d’entrée comprend les données calculées de l’indicateur normalisé KPh’ ou KPho’, lesdites données étant acquises sur une fenêtre temporelle qui peut être une fenêtre glissante incluant les dernières acquisitions. En sortie du modèle de prédiction MODpi, les données prédites des valeurs de l’indicateur de fonctionnement KPhpi par exemple sur plusieurs jours peuvent être générées.

Avantageusement, ces données de prédiction court terme et/ou long terme peuvent être affichées de sorte à produire un indicateur évoluant dans le temps et permettant de planifier les opérations de maintenance à réaliser. Un afficheur AFF1 est représenté à la figure 3 afin d’illustrer un exemple de console d’exploitation pouvant être utilisée par un opérateur.

Prédiction long terme

Selon un mode de réalisation, les données brutes reçues, acquises ou lues dans une mémoire de l’indicateur de fonctionnement KPh et des données normalisées des indicateurs de fonctionnement, KPh’ ou KPho’ calculés sont utilisées. Les données peuvent être utilisées pour apprendre une fonction apprenante FA3 telle qu’un modèle d’apprentissage machine. Un tel modèle de prédiction MODPLTI est défini par des coefficients ou des paramètres qui sont appris sur une période d’entrainement, notée seconde période de prédiction DPLT. Dans le cas d’une prédiction long terme, le procédé de l’invention permet d’obtenir une prédiction de l’évolution de l’indicateur normalisé KPh’ ou KPho’. Cette valeur prédite est notée KPh _P 2. Le modèle de prédiction MODpi court terme et le modèle de prédiction long terme MODpLTi sont obtenus à partir d’entrainements différents et correspondent donc à des modèles différents. L’intérêt d’une telle fonction prédictive FA3 est de permettre d’anticiper le prochain remplacement des membranes du premier ensemble de membranes ENS1.

Selon différents exemples de réalisation, le modèle d’apprentissage machine peut être une fonction mettant en œuvre un réseau de neurones récurrent comportant une fonction de régression basée sur une méthode autorégressive. Selon un autre exemple, une régression réalisée par un modèle de type LSTM.

Selon un exemple d’implémentation, un vecteur d’entrée comprend les données calculées de l’indicateur normalisé KPh’ ou KPho’, lesdites données étant acquises sur une fenêtre temporelle définie entre deux évènements de maintenance et une série temporelle encodant la nature des opérations de maintenance et les horodatages associés à ces opérations. Les données prédites des valeurs de l’indicateur de fonctionnement KPh _P 2 peuvent comprendre une longue période de prédiction.

Avantageusement, ces données peuvent être affichées de sorte à produire un indicateur évoluant dans le temps et permettant de planifier les opérations de maintenance à réaliser.

L’invention se rapporte également à un système pour le traitement d’un volume d’eau d’alimentation en un volume d’eau traitée par filtration aux moyens d’une pluralité d’ensembles de membranes. Le système de traitement de l’eau comprend un système de traitement de données comportant les moyens matériels pour réaliser les étapes du procédé de l’invention.

L’invention se rapporte donc bien à un premier système de traitement de données et à un second système de traitement d’eau, également appelé « usine ».

Le système de traitement de l’eau comporte des moyens permettant d’acheminer un volume d’eau, telle qu’une canalisation hydraulique, vers une entrée d’eau pour recevoir un débit d’eau entrant au sein d’au moins un premier ensemble de membranes.

Le système de traitement d’eau comporte en outre une première sortie d’eau filtrée, dite perméat, et une seconde sortie d’eau résiduelle, dite concentrât. Le système de traitement d’eau comprend également un ensemble de capteurs d’état de paramètres externes, dont un capteur en température de l’eau et au moins un capteur de pression. Le système de traitement d’eau comporte en outre un système de traitement de données comportant un calculateur, une mémoire, une horloge et une interface de communication pour recevoir des données sous la forme de série temporelle des différents capteurs. Le système de traitement de données comporte également une interface de communication pour transmettre les données vers un serveur, ledit système comportant le serveur pour réaliser des étapes de calculs d’un indicateur normalisé selon le procédé de l’invention.