Améliorer la planification de production des transformateurs électriques grâce à des solutions d’intelligence artificielle
L’électrification croissante des industries augmente le besoin en transformateurs de haute tension. Ceci s’accompagne aussi avec une évolution des spécifications amenant des défis de production complexes. Pour répondre à ces nouveaux défis, l’usine Hitachi Energy de Varennes s’est associée à Artelys et l’École Polytechnique de Montréal dans le but de mieux évaluer l’impact de ces changements sur la production at ainsi optimiser sa planification.
Défis et solutions
Hitachi Energy rencontre des difficultés à estimer avec précision les charges de production dans chaque département de son usine en fonction des spécifications de conception du produit fini. Ces estimations étant cruciales pour la planification, cette variabilité complique l’ordonnancement et a un impact sur les délais de livraison.
Pour surmonter ces défis, Artelys et un étudiant de l’École Polytechnique de Montréal ont développé des modèles avancés d’intelligence artificielle qui, à partir des spécifications de conception, fournissent des estimations du temps de production. Ces modèles se concentrent pour l’instant sur deux étapes clés de la production – la production des noyaux et des bobines des transformateurs. En minimisant les biais et la variance dans les estimations de la charge de travail, les modèles proposés réduisent l’erreur absolue moyenne de 35 % à 22 %. Cette précision accrue améliorera la planification et l’affectation des ressources, ce qui se traduira par des opérations plus fluides et de meilleurs délais de livraison.
Collaboration future
Fort des résultats déjà obtenus, Artelys et Hitachi Energy vont étendre cette méthodologie à l’ensemble de la chaîne de production. Aussi, la prochaine phase consiste à développer une solution logicielle complète afin de faciliter l’adoption dans les équipes d’Hitachi Energy Varennes.
A terme, l’objectif est aussi d’améliorer la planification avec l’utilisation de techniques d’optimisation stochastique qui permettront de créer des calendriers de production plus souples et plus efficaces.
La collaboration entre Artelys, l’École Polytechnique et Hitachi Energy démontre les gains possibles qu’ont l’industrie manufacturière dans l’utilisation de techniques de traitement de données et d’optimisation avancées.
Cette collaboration a été possible grâce au soutien du consortium de recherche, de formation et de mobilisation des connaissances en intelligence artificielle IVADO.


Usine de transformateurs électriques Hitachi Energy à Varennes, Québec, Canada
Pour plus d’informations sur les services d’optimisation d’Artelys, visitez notre page web dédiée ou contactez-nous directement !

Artelys Knitro 15.0 : De nouveaux outils pour vos modèles de grande taille
Artelys est heureux d’annoncer la sortie de Knitro 15.0, qui met à disposition de nouveaux algorithmes et ainsi des améliorations de performances permettant de résoudre plus rapidement vos problèmes d’optimisation de grande taille, qu’ils soient linéaires ou non-linéaires.

Artelys développe Future Sight : un outil de visualisation au service de la transition énergétique
En tant que partenaire du « European Climate + Energy Modeling Forum » (ECEMF) – un projet Horizon 2020 Europe réunissant des instituts de recherche et des experts en modélisation énergétiques de premier plan en Europe – Artelys a contribué aux activités de modélisation alimentées par l’outil de modélisation Artelys Crystal Super Grid, et a dirigé le développement d’un outil de visualisation à part entière.

Artelys alimente le service Common Grid Model (CGM) chez SEleNe CC
Artelys assure la maintenance et le support du module de calcul utilisé pour exécuter la Fonction Européenne de Fusion (EMF) chez SEleNe CC

Artelys accompagne la Commission de Régulation de l’Énergie (CRE) dans l’évaluation des niveaux d’incitation adéquats pour favoriser la performance des réseaux de distribution dans le cadre du TURPE 7
Artelys a réalisé une étude quantitative pour informer les propositions de niveaux cibles pour le TURPE 7, en analysant les résultats historiques et l’impact de l’intégration des données des compteurs communicants (Linky) dans les indicateurs mesurant la qualité de l’alimentation.