Développement de Jumeau Numérique Pour Les - Antony, France - Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes

Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes
Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes
Entreprise vérifiée
Antony, France

il y a 22 heures

Sophie Dupont

Posté par:

Sophie Dupont

beBee Recruiter
Description
**Développement de jumeau numérique pour les systèmes frigorifiques // Development of digital twin for refrigeration systems**:

- Réf
- **ABG-118285**

**ADUM-51628**
- Sujet de Thèse- 22/11/2023- Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes- Lieu de travail- ANTONY Cedex - France- Intitulé du sujet- Développement de jumeau numérique pour les systèmes frigorifiques // Development of digital twin for refrigeration systems- Mots clés- Jumeau numérique, Réfrigeration
- Digital twin, Refrigeration**Description du sujet**:

- L'objectif de cette thèse est de développer un Jumeau Numérique d'un équipement frigorifique en combinant des compétences en analyse énergétique des systèmes frigorifiques et en IA et IoT. Un couplage intégré de connaissances dans les deux domaines de l'IA et de la physique sera proposé ce qui constitue une forte originalité méthodologique.
- L'outil pourra:
- Prédire le comportement du système (espace de refroidissement, produit et machine frigorifique) lorsque les conditions de fonctionnement changent (température extérieure, chargement du produit, température de réglage, panne machine). Il est à noter que ces changements ont des impacts importants sur la machine : par exemple, une augmentation de 3°C de la température extérieure peut entraîner une augmentation de 10% de la consommation d'énergie, charger une grande quantité de produits à température ambiante nécessitera une puissance importante. demande à la machine de les refroidir, une panne peut entraîner de mauvaises performances, augmenter la consommation et empêcher la machine de maintenir une température suffisamment basse à l'intérieur de l'équipement... A l'aide de différents capteurs et en s'appuyant sur les données collectées et les connaissances physiques, le JN va prédire l'évolution du système et ses performances.
- Visualiser et anticiper les problèmes futurs : l'interface graphique de JN permettra aux utilisateurs de mieux visualiser les problèmes potentiels. Ils peuvent également sélectionner les capteurs qu'ils souhaitent observer pour plus de détails. Cette fonctionnalité facilite la prise de décision : par exemple augmenter/réduire la puissance du compresseur ou du ventilateur, ou modifier la température de consigne. L'utilisateur peut alors « visualiser » l'impact de sa décision sur le système.
- proposer des solutions/scénarios pour optimiser les performances énergétiques et environnementales : grâce à sa base de données de solutions et de puissance de calcul, le JN pourrait estimer la consommation énergétique de différents scénarios et recommander des solutions optimales en fonction de l'historique des problèmes.

Ce travail, initialement développé pour une chambre froide spécifique, sera généralisé à d'autres équipements (armoires réfrigérées et chambres froides) via le développement d'une ontologie pour les systèmes frigorifiques. L'objectif ultime est de disposer d'un outil « générique » adaptable à différents systèmes.
The aim of this thesis is to develop a Digital Twin of a refrigeration equipment by combining skills in energy analysis of refrigeration systems and in AI and IoT. An integrated coupling of knowledge in the two fields of AI and physics will be proposed which constitutes a strong methodological originality. The tool will be able to:
- Predict the behavior of the system (cooling space, product and refrigeration machine) when operating conditions change (outside temperature, product loading, setting temperature, machine failure). It should be noted that these changes have significant impacts on the machine: for example, a 3°C increase of outside temperature can lead to a 10% increase in energy consumption, loading a large quantity of products at room temperature will require a significant power demand on the machine to cool them down, a failure can cause poor performance, increase consumption and prevent the machine from maintaining a sufficiently low temperature inside the equipment... Using various sensors and learning from the data collected and physical knowledge, the DT will predict the evolution of the system and its performance.
- Visualize and anticipate future problems: DT's graphical interface enables users to better visualize the potential problems. They can also select the sensors which they wish to observe for more detail. This feature facilitates decision-making: for example, increasing/reducing compressor or fan power, or changing the setpoint temperature. The user can then 'visualize' the impact of his decision on the system.
- propose solutions/scenarios to optimize energy and environmental performance: using its database of solutions and computing power, the DT could estimate the energy consumption for different scenarios and recommend optimal solutions based on the history of the problems.

This work, initially developed for a specific cold room, will be ge
Plus d'emplois de Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes
Voir tous les emplois de Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes