Soutenance de thèse de doctorat en Ingénierie Électrique par M. Adamou AMADOU

L’Université Euromed de Fès (UEMF) a le plaisir d’informer le public de la

soutenance de thèse de doctorat en Electrical Engineering

La soutenance de thèse aura lieu le Mercredi 16 Octobre 2024 à 10h00 à l’UEMF 

Lieu: la Galerie du Bâtiment 1

La thèse sera présentée par M. Adamou AMADOU

ADAMOU Sous le thème :

“Efficiency-Based Digital Twin Implementation For In-Services Induction Motors In Industry 4.0”

Abstract 

The thesis is situated within the context of Industry 4.0, where emerging technologies establish standards for decision-making, a critical aspect of industrial sectors. Key innovations, including Digital Twins, are vital to this industrial revolution, with artificial intelligence acting as a powerful catalyst for performance enhancement. Energy efficiency in facilities is one of the foundational pillars of Industry 4.0. Achieving Industry 4.0 involves either constructing or replacing existing industrial equipment to meet these new standards or developing adaptive methods to transform current systems into compliant ones. To address this need, our thesis proposes the creation of an energy efficiency-based Digital Twin specifically designed for in-service Induction Motors, which represent approximately 70% of industrial electrical energy consumption among all electrical machines. This proposed Digital Twin serves as an adaptive platform for these motors, emphasizing the transformative potential of Industry 4.0. It predicts the efficiency and losses associated with the motors and enables fault detection, making it particularly suitable for predictive maintenance which contribute to energy saving. For instance, a mere 1% improvement in the operational efficiency of induction motors could result in saving 105 TWh in the industrial sector. By implementing this solution, we aim to significantly enhance energy efficiency and elevate overall industrial performance.

Keywords:

Induction Motors, Electrical equivalent circuit, Adaptive-Neuro-Fuzzy inference system, Energy efficiency, Losses, Digital twin, Digital Shadow, Industry 4.0.

Résumé:

Cette thèse s'inscrit dans le cadre de l'Industrie 4.0, où les technologies émergentes redéfinissent les normes de prise de décision, ce qui représente un aspect crucial dans les secteurs industriels. Parmi les innovations majeures, les jumeaux numériques jouent un rôle essentiel dans cette révolution industrielle, tandis que l'intelligence artificielle agit comme un catalyseur puissant pour l'amélioration des performances. L'efficacité énergétique dans les installations constitue l'un des piliers fondamentaux de l'Industrie 4.0. Pour atteindre les objectifs de cette nouvelle ère, il est nécessaire soit de construire ou de remplacer les équipements industriels existants pour se conformer à ces nouvelles normes, soit de développer des approches adaptatives pour transformer les systèmes actuels en systèmes conformes adaptés à cette révolution. Pour répondre à ce besoin, notre thèse propose la création d'un jumeau numérique axé sur l'efficacité énergétique, spécialement conçu pour les moteurs à induction déjà opérationnels, qui représentent environ 70 % de la consommation d'énergie des machines électrique dans le secteur industriel. Ce jumeau numérique sert de plateforme adaptative pour ces moteurs, illustrant ainsi le potentiel transformateur de l'Industrie 4.0. Il permet de prédire le rendement fonctionnel et les pertes associées aux moteurs, tout en facilitant la détection des défauts moteurs, ce qui en fait un outil particulièrement adapté à la maintenance prédictive, contribuant ainsi aux économies d'énergie. Par exemple, une amélioration de seulement 1 % de l'efficacité opérationnelle des moteurs à induction pourrait engendrer une économie de 105 TWh dans le secteur industriel. Grâce à la mise en œuvre de cette solution, nous visons à améliorer significativement l'efficacité énergétique et à renforcer les performances globales de l'industrie.

Mots-clés:

: Moteurs asynchrone, Circuit électrique équivalent, Système d'inférence floue adaptatifneuronal, Efficacité énergétique, Pertes, Jumeau numérique, Ombre numérique, Industrie 4.0.

Cette thèse sera présentée devant les membres de jury :

Partager