Description

Pendant les dernières décennies, la transition numérique, ainsi que la transition environnementale, est devenue l’un des deux sujets de recherche principaux dans le domaine scientifique. La combinaison entre la croissance en termes de puissance de calcul pour le traitement des données et du soutien de l’intelligence artificielle pour la génération de nouvelles connaissances pourrait rendre possible la résolutions des problèmes complexes dans plusieurs domaines de l’ingénierie. En particulier, la variété des sujets liés au génie des procédés, allant de la thermodynamique jusqu’au contrôle et à la logistique, offre un large éventail d’applications pour tester le potentiel de l’IA sur différents types de formulations de problèmes.
Cependant, l’application directe de ces outils au domaine du génie des procédés n’a pas encore permis l’identification d’une méthodologie de validité générale; au contraire, la majorité des études proposent des solutions très spécifiques au cas d’application à chaque cas.
De plus, comme largement discuté dans la littérature scientifique, lors de l’exploitation des métamodèles pour les opérations unitaires nécessitant de la thermodynamique ou des réactions chimiques, le résultat ne respecte pas forcement les lois fondamentales de conservation.
Par conséquent, l’objectif ambitieux de ce projet de thèse est la définition détaillée de toutes les étapes à inclure dans une procédure qui couple des outils IA ou data-driven avec de systèmes de génie des procédés afin d’obtenir des résultats sensés au niveau physico-chimique. De plus, la mise œuvre d’une procédure qui vise à définir les limites d’applicabilité des métamodèles sera réalisée afin de définir quantitativement les limitations liées à la fiabilité des outils numériques et d’avoir une interprétation appropriée de leurs résultats.
Le développement de ce sujet de recherche impliquera l’utilisation de logiciels de simulation de procédés, de logiciels de modélisation par substitution et de langages de programmation pour développer et analyser différents algorithmes de machine learning, y compris des approches statistiques pour le traitement des données tout au long du programme des trois ans de thèse

Compétences requises

Process System ENG.

Bibliographie

ras

Mots clés

Process Systems Engineering, IA