JURA CEMENT mise sur la reconnaissance et le tri des pneus basés sur l'IA

Les pneus usagés sont utilisés comme source d'énergie alternative dans la production de ciment, car leur combustion génère des températures élevées, nécessaires à la production de clinker. De plus, cette valorisation énergétique réduit la consommation de combustibles fossiles, ce qui améliore le bilan carbone de la cimenterie. Cependant, le tri manuel des pneus usagés enchevêtrés, qui ne passaient pas par l'ouverture rectangulaire du sas rotatif de la chambre de précombustion, limitait le débit et la productivité.

C'est pourquoi Simone D’Arienzo, responsable du département processus de production, a chargé le jeune ingénieur Joël Alfeld de trouver une solution innovante. Joël a ainsi développé un modèle d'IA qui fonctionne avec succès 24 heures sur 24 et 7 jours sur 7 depuis fin juillet 2024. Sa solution a permis d'augmenter la fiabilité de l'alimentation en énergie du four de précalcination et de réduire les interventions manuelles de 95 % en moyenne.

3 questions à Joël Alfeld, diplômé de la FHNW en ingénierie des systèmes

Comment une installation basée sur l'IA peut-elle trier des pneus ?
Le dispositif comprend des caméras, un ordinateur et le câblage nécessaire. Mon algorithme interagit avec le système de contrôle de la cimenterie. Les convoyeurs à rouleaux sont commandés en fonction des résultats de l'algorithme. L'algorithme utilise le modèle d'IA développé pour évaluer les différentes constellations de pneus et les classer comme « bonnes », « mauvaises » ou « incertaines ». Pour ce faire, l'algorithme analyse huit images sur deux postes de tri différents. Si une constellation est classée comme « mauvaise », le convoyeur à rouleaux se déplace vers le point de collecte et les pneus problématiques sont retirés de la chaîne d’alimentation. Si une constellation est jugée « bonne », les pneus sont dirigés vers la chambre de précombustion. Si l'algorithme ne parvient pas à évaluer la situation, la constellation est classée comme « incertaine » et le responsable de la salle de commande doit prendre la décision finale. 

Qu'est-ce qui vous a particulièrement motivé pendant votre travail de Bachelor ?
Mon projet a commencé en septembre 2023 par une étude de faisabilité. La problématique m'a beaucoup intéressé, notamment la combinaison du machine learning, de l'intelligence artificielle (IA) et du traitement d'images.

Quels ont été les plus grands défis du projet ?
Au niveau technique, l'un des plus grands défis a été de trouver le meilleur compromis entre les différentes approches et exigences. Au niveau du projet, j'ai dû convaincre les parties prenantes de la nouvelle technologie et l'établir avec succès dans un environnement industriel.

Vers la fiche d'information au format PDF (en allemand).