Rapport Complet+auj

Université Ibn Zohr
Ecole Nationale des Sciences Appliquées d’Agadir
PROJET DE FIN D'ETUDE

Pour l’obtention du diplôme d’Ingénieur d’Etat
En
Génie des Procédés de l'Energie et de l'Environnement
Thème :
OPTIMISATION ÉNERGÉTIQUE ET
ENVIRONNEMENTALE DU PROCÉDÉ DE
FABRICATION DU CIMENT
Réalisé par :
Sahar BOUADDI
Azeddine BADDI
À LAFARGE Ciment, usine de Meknès
Encadré par :
Mme. Bouchra CHEBLI

Mr. Mustapha BOUHOU
Année 2009-2010
Ecole Nationale des Sciences Appliquées, B.P. 1136, Agadir 80000, Maroc. Tél: 212 28 22 83 13. Fax : 212 28 23 20 07. Site : www.ensa-agdir.ac.ma
Remerciements
La présente étude à été réalisée au sein du Service Fabrication de LAFARGE Ciment

de Meknès.
On tient à remercier :
Mr BOUHOU MUSTAPHA, notre encadrant. Merci de nous avoir encadrés tout au

long de notre stage de fin d’étude et de nous avoir fait confiance, nous avons beaucoup
appris à ton contact.
Les techniciens de la salle de contrôle : spécialement Mr Azouzi, homme serviable et

attentionné. C’été un plaisir de travailler avec toi car tu es non seulement un excellent
technicien mais surtout quelqu’un avec qui il est très agréable de discuter.
On exprime toute notre reconnaissance à M.BOUMEDIAN de nous avoir accordé ce

stage. Merci beaucoup.
On n’oublie pas l’équipe du laboratoire, qui nous a beaucoup aidés.
Ce travail a été suivi par Madame Bouchra CHEBLI. Nous la remercions vivement de
son support et ses conseils pertinents.
Nous remercions également les membres du jury qui ont bien voulu évaluer ce travail
ainsi que les membres du corps professoral de l’Ecole Nationale des Sciences Appliquées,
qu’ils trouvent tous ici, l’expression de notre profonde gratitude.
Enfin on remercie très chaleureusement tous ceux qui nous ont aidés de prés ou de loin à
réaliser ce travail.
Un défaut qui nous empêche d'agir, c'est de ne pas sentir
de quoi nous somme capables.
Jacques-Bénigne Bossuet
Résumé .
Résumé
Optimisation énergétique et environnementale du procédé de

fabrication du ciment
Projet de Fin d’étude- Ecole Nationale des Sciences Appliquées d’Agadir
La volonté d’amélioration de l'efficacité énergétique et de préservation de l'environnement

est de plus en plus présente dans nos sociétés. Investir pour améliorer la performance
énergétique pour un potentiel gain est devenu une nécessité dans nos industries. L’industrie
cimentière est fortement polluante et consommatrice d’énergie et ceci provient de la nature
du procédé de fabrication du ciment.
Notre travail vise l’optimisation énergétique et environnementale du procédé de fabrication

du ciment et ceci dans un souci d’efficacité énergétique et de réduction des émissions des
gaz à effet de serre.
L’objectif de ce travail est le développement d’un logiciel de simulation et d’optimisation

pouvant servir à optimiser et simuler plusieurs ateliers énergivores de la cimenterie.
L’efficacité énergétique étant notre principal souci, un outil dédié, « CIMA » a été développée
pour améliorer le fonctionnement de plusieurs ateliers de façon à maitriser la consommation
énergétique et la qualité environnementale.
Notre outil ne se limite pas à un seul atelier mais touche l’usine dans sa globalité.
En plus du calcul des bilans de masse, de chaleur et les résultats de simulation, « Cima »
permet de trouver par calcul la combinaison idéale des matières premières et des
combustibles à utiliser dans la cimenterie. En effet l’utilisation de ces derniers dans les
proportions proposées contribuera à optimiser la consommation de l’usine en matières
premières et en combustibles. Les solutions optimales calculées par le biais des algorithmes
génétiques et de la programmation quadratique séquentielle, répondent parfaitement à notre
objectif de minimiser le coût de production tout en respectant la qualité du clinker, la
consommation spécifique d’énergie et les contraintes environnementales.
Mots clés : ciment, clinker, simulations, bilans, optimisation, Algorithmes heuristiques
Génie des Procédés de L’Energie et de l’Environnement iii

Abstract .
Abstract
Energy and environmental optimization of cement manufacturing

process
Final year project- National School of Applied Sciences in Agadir
The desire to improve energy efficiency and to preserve the environment is becoming more
and more important in our societies. Investing in energy efficiency for a potential gain has
become a necessity in our industries. The cement industry is highly polluting and energy
consuming because of the nature of cement manufacturing process.
Thus our work aims at energy and environmental optimization of cement manufacturing
process in order to improve energy efficiency and reduce greenhouse gas emissions.
The aim of this work is to develop a simulation and optimization software with the purpose
of using it to optimize and simulate cement plants. Since our main concern is the energy
efficiency, we have developed a software capable of improving the functioning of several
cement plant workshops, with the objective of minimizing resources consumption (energies
and raw materials) and maintaining environmental quality.
Our Tool does not concern only a single workshop, but the entire plant.
The software suggested « Cima » besides providing mass, energy balances and simulation
results, calculates ideal combination of raw materials and fuel to be used in the cement plant,
in fact using these combinations will allow us to guarantee a minimum energy use.The
optimum solutions computed throughout Genetic Algorithm and Sequential quadratic
Programming techniques, deals with reducing production costs taking into account constraints
such as clinker quality, specific heat consumption, and environmental constraints.
Keywords: cement, clinker, simulations, optimization, heuristic algorithms
Génie des Procédés de L’Energie et de l’Environnement iv

Resumen .
Resumen
Optimización energética y ambiental de proceso de fabricación de

cemento
Proyecto de fin de carrera -Escuela Nacional de Ciencias Aplicadas de Agadir
.
El deseo de mejorar la eficiencia energética y la protección del medio ambiente se esta

volviendo más importante para nuestras sociedades. Hoy, La mejora de la eficiencia
energética con el fin de obtener beneficios es una necesidad en nuestras industrias.
La fabricación de cemento causa alto consumo de energía y consecuencias para el medio
ambiente en todas las etapas del proceso.
Nuestro principal objetivo es la optimización energética y ambiental de proceso de
fabricación de cemento, con el fin de reducir las emisiones de gases de efecto invernadero y
también el uso excesivo de energía.
El objetivo de este trabajo es el desarrollo de una herramienta informática de simulación y

optimización que se puede utilizar para optimizar y simular varios talleres de cemento que
consumen mucha energía.
Nuestra principal preocupación es la eficiencia energética, entonces hemos desarrollado

una herramienta dedicada, "CIMA" para mejorar el funcionamiento de varios talleres de la
fábrica de cemento, para una mayor eficiencia y calidad ambiental.
Nuestra herramienta no se limita únicamente a un taller, pero a la fábrica en su totalidad.
Además de calcular el balance de materia y energía y simular, « Cima » nos ha permitido

encontrar la combinación adecuada de materias primas y los combustibles utilizados en la
fábrica de cemento. De hecho, el uso de estos en las proporciones propuestas ayudará a
optimizar el consumo de materias primas y de los combustibles. Las mejores soluciones son
calculadas por medio de algoritmos genéticos y programación cuadrática secuencial, con el
objetivo de reducir al mínimo los costes de producción manteniendo la calidad de Clinker, el
consumo específico de energía y respetando las limitaciones ambientales.
Palabras claves: cemento, Clinker, simulaciones, optimización, algoritmos heurísticos
Génie des Procédés de L’Energie et de l’Environnement v

Sommaire .
Sommaire
Résumé ..................................................................................................................................... iii
Abstract .................................................................................................................................... iv
Resumo ....................................................................................................................................... v
Liste des figures ........................................................................................................................ ix
Liste des tableaux ...................................................................................................................... xi
INTRODUCTION ...................................................................................................................... 1
Chapitre1: Généralités et mise en situation

I. PRESENTATION DE LAFARGE CIMENT ................................................................................ 3
I.1 Structure de l’entreprise ........................................................................................ 3
I.2 Priorités stratégiques et opérationnelles du Groupe ............................................... 3
I.3. Description des moyens de production de l’usine de Meknès .............................. 3
I.4. Organisation de LAFARGE Ciment Maroc ........................................................... 4
II. DESCRIPTION DE L’USINE DE MEKNES ................................................................................... 4
II.1 Cru ......................................................................................................................... 4
II.2 Broyage combustibles solides ................................................................................ 5
II.3 Cuisson .................................................................................................................. 5
II.4 Broyage cuit ........................................................................................................... 5
III. CRITERES CHIMIQUES ET MINERALOGIQUES DU CLINKER ...................................................... 7
III.1 Composition du clinker .......................................................................................... 7
III.2 Calcul de la composition du clinker : Formules de Bogue .................................... 7
III.3. Qualité du clinker : les Modules ............................................................................ 8
Chapitre 2: Bilans & Modélisation du Système de Cuisson

I. FOUR ROTATIF ..................................................................................................................... 11
I.1 Réactions misent en jeux ..................................................................................... 11
I.2 Paramètres de cuisson .......................................................................................... 13
I.3 Bilan énergétique et exergétique du four ............................................................ 14
II. TOUR DE PRECHAUFFAGE .................................................................................................... 18
II.1. Généralités............................................................................................................ 18
II.2. Modélisation thermique des cyclones ................................................................. 19
II.3. Calcul des pertes de Pression .............................................................................. 21
III. REFROIDISSEUR A CLINKER ................................................................................................. 22
III.1. Introduction à la problématique . ......................................................................... 22
III.2. Description et mode de fonctionnement .............................................................. 22
III.3. Bilan énergétique et exergétique du refroidisseur à clinker ................................ 23
III.4. Modélisation du refroidisseur à clinker .............................................................. 25
REFERENCES/Nomenclature ...................................................................................................... 27
Génie des Procédés de L’Energie et de l’Environnement vi

Sommaire .
Chapitre 3 : Procédé de broyage: Bilans&Approche numérique

I. ATELIER DE BROYAGE .......................................................................................................... 29
II. BROYAGE ET FRAGMENTATION ........................................................................................... 30

II.1 Généralités ........................................................................................................... 30
II.2 Technologies de Broyage .................................................................................... 30
III. BROYABILITE DU CLINKER ................................................................................................. 31
III.1 Définition de la broyabilité ................................................................................. 31
III.2 Broyabilité du clinker seul .................................................................................. 32
III.3 Broyabilité des ciments ....................................................................................... 32
IV. LA GRANULOMETRIE DU CIMENT ...................................................................................... 33
IV.1 Généralités .......................................................................................................... 33
IV.2 population de grains et distributions granulométriques ..................................... 34
IV.4 Lois et mécanismes du broyage .......................................................................... 36
V. CIRCUIT FERME DE BROYAGE ............................................................................................. 37
V.1 Broyage du clinker : Broyeur à boulets. .............................................................. 37
V.2 Classification ....................................................................................................... 38
V.3 Glossaire sur le calcul de puissance des broyeurs. .............................................. 42
VI. CHAINE DE MARKOV .......................................................................................................... 43
VI.1 Généralités .......................................................................................................... 43
VI.2 Probabilité de transition ..................................................................................... 44
VII. MODELISATION DU BROYAGE PAR CHAINE DE MARKOV .................................................... 45
VII.1 Transformation d’échelle des mailles ................................................................. 45
VII.2 Les fonctions de sélection et de fragmentation ................................................. 45
VII.3 Matrice de Fragmentation ................................................................................. 46
VII.4 Matrice de Classification ..................................................................................... 49
VII.5 Formulation du modèle global ............................................................................ 49
REFERENCES/Nomenclature ...................................................................................................... 50
Chapitre 4 : Optimisation Energétique & Environnemental
I. PROBLEME D’OPTIMISATION .............................................................................................. 54
II. STRATEGIE D’OPTIMISATION : ALGORITHMES HEURISTIQUE ............................................... 55
II.1 Algorithmes évolutionnaires ............................................................................... 55
II.2 Optimisation par algorithmes génétiques ........................................................ 56
II.3 Optimisation par Essaim Particulaire . ................................................................. 59
III. OPTIMISATION SOUS CONTRAINTES .................................................................................... 61
III.1 Algorithmes heuristique : méthode de pénalité .................................................. 61
III.2 Algorithme déterministe: SQP ............................................................................ 62
IV. IMPLEMENTATION ET PROGRAMMATION DES ALGORITHMES ............................................... 63
V. MODELE D’OPTIMISATION DANS L’INDUSTRIE CIMENTIERE ................................................. 64
V.1 Introduction .......................................................................................................... 64
V.1 Optimisation du coût de production .................................................................... 66
Génie des Procédés de L’Energie et de l’Environnement vii

Sommaire .
V.3 Formulation des contraintes . ............................................................................... 68

CONCLUSION ............................................................................................................................. 70
Chapitre 5: Logiciel CIMA&Résultats des Calculs
I. CONCEPTION D’UN CALCULATEUR DES BILANS ENERGETIQUES &SIMULATEUR ................. 71
I.1 Problématique ...................................................................................................... 71
I.2 Solutions Proposées ............................................................................................. 72
II. ETUDE DE SYSTEME DE CUISSON ....................................................................................... 73
II.1 Bilan énergétique & exergétique du four ............................................................ 73
II.2 Tour de Préchauffage .......................................................................................... 73
II.3.1 Bilan énergétique et exergétique Global . .............................................. 75
II.3.2 Modélisation des cyclones ..................................................................... 75
II.3 Système Complet Four-Cyclones ......................................................................... 77
II.4 Refroidisseur à Clinker ....................................................................................... 77
III.1 Bilan énergétique et exergétique Global . ................................................. 77
III.2 Simulation du processus de refroidissement .............................................. 77
III. BILAN THERMIQUE & ANALYSE EXERGETIQUE DU BROYEUR CRU ..................................... 81
IV. BROYEUR A BOULETS : CAS D’ETUDE BK4......................................................................... 82
IV.1 Bilan Energétique&Exergétique .......................................................................... 82
IV.2 Modélsation du broyeur à clinker ...................................................................... 83
V. OPTIMISATION ENERGETIQUE ET ENVIRONNEMENTAL ........................................................ 84
V.1 Algorithmes heuristiques ...................................................................................... 85
V.2 Résultat d’étude d’optimisation par matlab .......................................................... 87
CONCLUSIONS GENERALES ........................................................................................................ 89
ANNEXES .................................................................................................................................. 90
Génie des Procédés de L’Energie et de l’Environnement viii

Liste des figures .
Liste des Figures
Chapitre1: Généralités et mise en situation

FIGURE 1. ORGANISATION INTERNE DU GROUPE LAFARGE MAROC .............................................. 5
FIGURE 2. SCHEMA REPRESENTATIF DU PROCESSUS DE FABRICATION DU CIMENT (FOUR II) ......... 6
Chapitre 2: Bilans & Modélisation du Système de Cuisson
FIGURE 3. PROCESSUS DE CUISSON ............................................................................................. 12

FIGURE 4. FORME GEOMETRIQUE DU FOUR ................................................................................. 16
FIGURE 5. ANALOGIE ELECTRIQUE DE LA CONDUCTIVITE THERMIQUE ........................................ 16
FIGURE 6. BILAN EXERGETIQUE DU FOUR ROTATIF...................................................................... 18
FIGURE 7. SCHEMA DE LA TOUR DE PRECHAUFFAGE EVS, LIGNE II ............................................ 19
FIGURE 8. CASCADE DE MELANGEURS PARFAITS DE LA DIVISION DU PRECHAUFFEUR ................. 20
FIGURE 9. FACTEUR DE PERTE DE PRESSION ................................................................................ 22
FIGURE 10. LES GRILLES MOBILES DU REFROIDISSEUR ................................................................ 23
FIGURE 11. SCHEMA REPRESENTATIF DU REFROIDISSEUR A GRILLE ............................................ 23
FIGURE 12. SCHEMATISATION BILAN THERMIQUE ....................................................................... 24
FIGURE 13. MODELE NUMERIQUE : DISCRETISATION COUCHE CLINKER ..................................... 25
Chapitre 3 : Procédé de broyage: Bilans&Approche numérique

FIGURE 14. REPRESENTATION GRAPHIQUE DE LA COURBE DE DISTRIBUTION DES PARTICULES .... 36
FIGURE 15. BROYEUR A BOULETS ................................................................................................ 38
FIGURE 16. SCHEMA DE PRINCIPE DE DEUX TYPES DE CIRCUITS DE BROYAGE ............................. 38
FIGURE 17. SCHEMA DE PRINCIPE DU SEPARATEUR DYNAMIQUE ................................................ 39
FIGURE 18. COURBES GRANULOMETRIQUES ................................................................................ 40
FIGURE 19. REPRESENTATION SIMPLIFIE DE SYSTEME FERME DE BROYAGE................................ 40
FIGURE 20. COURBE DE PARTAGE ................................................................................................ 41
FIGURE 21. VOLUME APPARENT DU BROYEUR ............................................................................. 42
FIGURE 22. PRINCIPE DE TRANSFORMATION D’ECHELLE ............................................................ 45
FIGURE 23. FONCTION DE SELECTION ET DE FRAGMENTATION .................................................... 47
FIGURE 24. MODELE DE CIRCUIT FERME DE BROYAGE................................................................. 50
Chapitre 4 : Optimisation Energétique & Environnemental
FIGURE 25. SCHEMA GENERAL D’OPTIMISATION ........................................................................ 55

FIGURE 26. CYCLE D’UN ALGORITHME GENETIQUE ..................................................................... 57
FIGURE 27. PRINCIPE DE LA LOTERIE BIAISEE .............................................................................. 58
FIGURE 28. EXEMPLE D’OPERATEUR DE CROISEMENT ................................................................ 59
FIGURE 29. EXEMPLE D’OPERATEUR DE MUTATION .................................................................... 59
FIGURE 30. DEPLACEMENT D’UNE PARTICULE ............................................................................ 61
FIGURE 31. ORGANIGRAMME DE L’ALGORITHME SQP ................................................................ 63
Génie des Procédés de L’Energie et de l’Environnement ix

Liste des figures .
Chapitre 5: Logiciel CIMA&Résultats des Calculs
FIGURE 32. INTERFACE PRINCIPALE DE CIMA ............................................................................ 72

FIGURE 33. DETAIL COMPOSITION DE LA MATIERE PREMIERE ET DE CLINKER ............................. 73
FIGURE 34. COMPOSITION DES COMBUSTIBLES............................................................................ 73
FIGURE 35. BILANS ENERGETIQUE ET EXERGETIQUE DU FOUR ROTATIF ...................................... 74
FIGURE 36. BILANS ENERGETIQUE ET EXERGETIQUE DU FOUR ROTATIF ...................................... 74
FIGURE 37. BILANS ENERGETIQUE ET EXERGETIQUE DES CYCLONES ........................................... 75
FIGURE 38. SIMULATION DU LA TOUR DE PRECHAUFFAGE .......................................................... 76
FIGURE 39. VARIATION DES DEBITS DE LA FARINE ET DU GAZ PAR ETAGE ................................... 76
FIGURE 40. BILAN D’ENERGIE ET D’EXERGIE DU SYSTEME FOUR-CYCLONES ............................. 77
FIGURE 41. BILAN ENERGETIQUE ET EXERGETIQUE DU REFROIDISSEUR A GRILLE ..................... 78
FIGURE 42. SIMULATION DU REFROIDISSEUR A GRILLES .............................................................. 78
FIGURE 43. VARIATION DE LA TEMPERATURE DE L’AIR EN FONCTION DE LA LONGUEUR............. 79
FIGURE 44. TEMPERATURE D’AIR EN FONCTION DE LA LONGUEUR ET DE LA HAUTEUR ................ 79
FIGURE 45. TEMPERATURE D’AIR & CLINKER SUIVANT LA VARIATION DU DEBIT DU VENTILO 5 . 80
FIGURE 46. TEMPERATURE D’AIR & CLINKER SUIVANT LA VARIATION DU DEBIT DU VENTILO 3 . 80
FIGURE 47. INTERFACE DU BROYEUR DU CRU ............................................................................. 81
FIGURE 48. BILAN ENERGETIQUE- EXERGETIQUE DU BROYEUR DU CRU ..................................... 81
FIGURE 49. DONNEES DE FONCTIONNEMENT DU BROYEUR A BOULETS........................................ 82
FIGURE 50. BILAN ENERGETIQUE- EXERGETIQUE DU BROYEUR A BOULETS ................................ 82
FIGURE 51. ALGORITHME GENERAL DE CALCUL DES PARAMETRES DE MODELISATION ................ 83
FIGURE 52. ALGORITHME GENERAL DE CALCUL DES PARAMETRES DE MODELISATION ................ 83
FIGURE 53. COURBES DE DISTRIBUTION GRANULOMETRIQUE DES DIFFERENT FLUX .................... 84
FIGURE 54. COMPOSITION DES MATIERES PREMIERES ET DES COMBUSTIBLES ............................. 85
FIGURE 55. CONTRAINTES QUALITE-ENVIRONNEMENT .............................................................. 85
FIGURE 56. INTERFACE DEVELOPPEE POUR L’ALGORITHME GENETIQUE ..................................... 86
FIGURE 57. COMBINAISON OPTIMALE SUIVANT L’ALGORITHME GENETIQUE ............................... 86
FIGURE 58. OPTIMISATION PAR ESSAIM DES PARTICULES ............................................................ 87
FIGURE 59. OPTIMISATION PAR LA METHODE SQP ...................................................................... 88
FIGURE 53. COURBES DE DISTRIBUTION GRANULOMETRIQUE DES DIFFERENT FLUX .................... 84
FIGURE 54. COMPOSITION DES MATIERES PREMIERES ET DES COMBUSTIBLES ............................. 85
FIGURE 55. CONTRAINTES QUALITE-ENVIRONNEMENT .............................................................. 85
FIGURE 56. INTERFACE DEVELOPPEE POUR L’ALGORITHME GENETIQUE ..................................... 86
FIGURE 57. COMBINAISON OPTIMALE SUIVANT L’ALGORITHME GENETIQUE ............................... 86
FIGURE 58. OPTIMISATION PAR ESSAIM DES PARTICULES ............................................................ 87
FIGURE 59. OPTIMISATION PAR LA METHODE SQP ...................................................................... 88
Génie des Procédés de L’Energie et de l’Environnement x

Liste des Tableaux .
Liste des Tableaux
TABLEAU 1. COMPOSITION CHIMIQUE DE CIMENT « CRU» ........................................................... 4

TABLEAU 2. COMPOSITION TYPIQUE DU CLINKER ........................................................................ 7
TABLEAU 3. CALCUL DE LA COMPOSITION MINERALOGIQUE DU CLINKER.................................... 8
TABLEAU 4. RECAPITULATIF DES REACTIONS DE CUISSON ....................................................... 13
TABLEAU 5. CHALEUR SPECIFIQUE DE CERTAINES SUBSTANCES UTILISEES DANS LE FOUR ........ 16
TABLEAU 6. CARACTERISTIQUE DU REFROIDISSEUR A CLINKER ............................................... 23
TABLEAU 7. EXEMPLES DE FONCTIONS DE DISTRIBUTION .......................................................... 34
TABLEAU 8. CARACTERISTIQUE DES BROYEUR DE LAFARGE MEKNES ................................... 37
TABLEAU 9. COMPOSITION TYPIQUE DE DES MATIERES PREMIERES DE CRU .............................. 65
TABLEAU 10. COMPOSTIONS DES COMBUSTIBLES PRIMAIRES ET ALTERNATIFS UTILISES ............ 65
TABLEAU 11. RELATION ENTRE LES PARAMETRES CHIMIQUES ET LES CONSTANTES A ET B ....... 66
TABLEAU 12. COMBINAISON OPTIMALE MATIERE-COMBUSTIBLE .............................................. 87
Génie des Procédés de L’Energie et de l’Environnement xi

Nomenclature .
Nomenclature :
mck :débit du clinker à l’entrée du refroidisseur

ma,in : débit d’air à l’entrée du refroidisseur
mas: débit d’air secondaire à la sortie du refroidisseur
maexh : débit d’air vers exhaure
Tck,in : Température du clinker à l’entrée du refroidisseur
Tck,out : Température du clinker à la sortie du refroidisseur
Tair,in : Température d’air à l’entrée du refroidisseur
Tas : Température d’air secondaire à la sortie du refroidisseur
Taexh : Température d’air vers exhaure
A : surface d’échange de la cellule [m2]
𝐴𝐶 Une cellule de calcul
S : surface transversale en [m 2]
𝐶𝑆 , 𝐶𝐴 : La capacité calorifique du solide et de l’air [W / K]
d : diamètre moyen des particules [m]
F : débit [kg / s]
h : coefficient de transfert de chaleur par convection [W / m 2 K]
K : conductivité thermique de l’air [W / m K]
Pr : nombre de Prandtl
Re : nombre de Reynolds
Q : débit est échangée dans le calcul de la cellule [J / s]
𝑇𝑆0 : Température du solide à l’entrée
𝑇𝑆𝑖 : Température du solide à la sortie
𝑇𝐴0 : Température de l’air à l’entrée
𝑇𝐴𝑖 : Température de l’air à la sortie
𝑉𝑐 : Volume de la cellule de calcul [m 3]
ε : porosité
µ : viscosité de l'air [N s / m]
ф : facteur de forme
B0, B1, B2, B3 débit d’alimentation, alimentation séparateur, rejets et ciments
C Matrice de classification
dP diamètre de la particule
Di diamètre intérieur du broyeur (m).
f fonction de distribution granulométrique des particules
F0 Vecteur distribution discrète et normalisée du flux de matière
Nc vitesse critique du broyeur
ni facteur d’uniformité des particules
G matrice de fragmentation
Q pourcentage cumulé des particules passantes
P est la matrice des probabilités de transition.
S fonction de sélection en fonction de la taille de la particule
Δt durée de transition
x tailles de la maille/particule
Vd fraction de volume de l’échantillon.
Génie des Procédés de L’Energie et de l’Environnement xii

Introduction Générale .
Introduction générale
Contexte de l’étude
Ce travail a pour objectif le calcul des bilans thermiques, la modélisation et l’optimisation
des différents ateliers de la ligne II de LAFARGE usine de Meknès. Dans le cadre de notre
projet « l’optimisation énergétique et environnementale du procédé de fabrication du ciment»,
nous avons opté pour le développement d’un logiciel d’optimisation et de simulation
permettant d’aboutir à des résultats satisfaisants.
Ce choix vient principalement de la rareté des logiciels permettant de simuler et
d’optimiser le fonctionnement des différents ateliers de la cimenterie, mais aussi de notre
volonté d’innover et de travailler sur un sujet qu’on ose pas facilement approcher .En effet,
au tout début quand on a manifesté notre volonté de développer un logiciel qui simule et
optimise plusieurs ateliers ,on nous a expliqué que c’été une tache très difficile, et qu’il valait
mieux se concentrer sur un seul atelier vu le manque du temps dont on dispose et la
complexité du fonctionnement des ateliers objets de ce travail. Notre objectif été certes
ambitieux, mais on a relevé le défi et on a réussi à développer notre logiciel qui porte le nom
de « CIMA ».Ce logiciel est le fruit d’un travail acharné et continu.
Démarche adoptée
Compte tenu de notre objectif d’optimisation énergétique et environnementale, qui vient
d’être exposé, le projet s’articule autour des points suivants :
Le chapitre I est une mise en situation, on y présente l’entreprise d’accueil et le procédé de
fabrication du ciment ainsi que ses caractéristiques minéralogiques.
Le chapitre II traite les bilans et la modélisation de l’atelier cuisson, il porte sur différents
composants : le four rotatif la tour de préchauffage et le refroidisseur à clinker. Ainsi, on a
établi les bilans énergétiques et on a modélisé les composants de l’atelier cuisson.
Le chapitre III traite la problématique du broyage du clinker et la difficulté de prédire l’état
de la broyabilité de ce dernier. Il détaille la théorie de Markov utilisé pour développer notre
modèle : une théorie stochastique connue sur laquelle notre modèle numérique s’est basé.
Le chapitre IV porte sur l’optimisation énergétique et environnementale et sur le
développement d’une stratégie d’optimisation mono-objective et multi-objective sous
contraintes. La formulation de la fonction objective ainsi que des contraintes de qualité du
clinker et des contraintes environnementales y figurent.
Le chapitre V constitue la finalité de ce travail : C’est le chapitre des résultats : il expose
les différentes interfaces de notre logiciel et les résultats obtenus.
Une conclusion générale fera la synthèse des principaux acquis de ce travail.
Génie des Procédés de L’Energie et de l’Environnement 1

Généralités et mise en situation .
Chapitre 1
Généralités et mise en situation
I. Présentation de LAFARGE Ciment
II. Description de l’usine de Meknès
III. Critères chimiques et minéralogiques du clinker

Chapitre 1
Généralités et mise en situation

Ce premier chapitre est consacré à la présentation de l’entreprise d’accueil, à la description
du procédé cimentier et aux propriétés du clinker.
I. Présentation de LAFARGE Ciment
I.1. Structure de l’entreprise

Créé en 1833, le Groupe LAFARGE est aujourd’hui parmi les leaders mondiaux des
matériaux de construction, il occupe une position de premier plan dans chacune de ses
activités: Ciment, Granulats & Béton et Plâtre.
Avec plus de 84 000 collaborateurs dans 79 pays, le Groupe a réalisé en 2008 un chiffre
d’affaires de 19 milliards d’euro, en progression de 8%. Et un résultat net part du groupe en
croissance de 3 % à 1,713 milliards d’euro. La croissance de LAFARGE a été
particulièrement forte dans les pays en développement.
Ces chiffres sont en partie dus à l’importance accordée à la recherche et au développement,

pour cela LAFARGE Group est doté de l’un des premiers centres de recherche au monde sur
les matériaux de construction.
Pour renforcer la structure financière du Groupe et soutenir sa dynamique, une

augmentation du capital de 1,5 milliards d’euro est lancée.
I.2. Priorités stratégiques et opérationnelles du Groupe

La stratégie du Groupe se décline en quelques priorités claires et ambitieuses. Le Groupe
LAFARGE a comme priorités stratégiques la poursuite de la croissance sur les marchés
émergents et l’accélération de l'innovation pour atteindre trois milliards d’euro de ventes
grâce aux produits innovants d'ici 2012.
Les priorités opérationnelles du Groupe consistent à assurer la sécurité des collaborateurs

et atteindre le zéro accident, poursuivre la réduction des coûts et permettre le développement
des ressources humaines.
I.3. Description des moyens de production de l’usine de Meknès

La cimenterie de LAFARGE Ciment – Usine de Meknès est située au nord-est de la ville, à
proximité immédiate de Ouislane, non loin de la route principale Meknès – Fès.
Ladite usine est composée de cinq secteurs avec des équipements adéquats pour le
déroulement des cinq étapes de son processus: cru, broyage combustibles solides, cuisson,
broyage ciment et ensachage.
I.4. Organisation de LAFARGE Ciment Maroc

LAFARGE Ciment Maroc est organisé en quatre directions principales illustrées dans la
figure 1, qui déterminent les orientations du groupe et suivent les performances. Les usines
font partie de la direction commerciale.
Figure 1 : Organisation interne du Groupe Lafarge Maroc
II. Description de l’usine de Meknès

II.1. Cru
La carrière s’étend sur 385 hectares. La durée de vie du gisement est estimée à 11 ans. Du
fait de la complexité géologique de la carrière, des mélanges de zones sont nécessaires pour
l’obtention d’un cru dosé. L’exploitation se fait sur un étage.
Le concassage est assuré par deux concasseurs équipés de crible à disques. Le premier est
de type DUO 6 de FCB d’un débit de 400 t/heure, le second est un HAZEMAG d’un débit de
900 t/heure.
Minéraux Composition massique (%)

SiO2 19,71-24,5
AL2O3 3,76-6,78
CaO 63,76-70,14
Fe2O3 1,29-4,64
MgO 0,00-4,51
SO3 0,20-2,07
K2O 0,31-1,76
Na2O 0,03-0,33
TiO2 0,21-0,52
P2O5 0,02-0,027
Tableau 1. Composition chimique de ciment « cru»
La conduite de l'atelier concassage (HAZEMAG) est assurée par un automate industriel de

type "April-Reflet-1000".

La préparation du cru se fait par deux pré-homogénéisateur polaires à chevrons, d’une

capacité de 1800t x 2 et d’un échantillonneur à quatre étages de marque ITECA.
Deux tours d’homogénéisation assurent le mélange et le stockage de la farine avant cuisson

(2 silos type IBAU de capacité 7500 et 5000 tonnes). La matière en provenance des
préhomogénéisateur est broyée à l’aide de deux broyeurs verticaux, de type Loesche à trois
galets, la puissance installée sur chaque broyeur est de 1200 kW.
II.2. Broyage combustibles solides

Ces ateliers sont destinés au broyage des combustibles solides (charbon, coke de pétrole...),
et sont équipés de deux broyeurs verticaux de type Loeshe à deux galets de puissances 250
KW et 110 KW.
II.3. Cuisson
Il s’agit d’un procédé par voie sèche. La farine crue, passe dans l’une des deux tours
d’échange de chaleur avant d’être introduite dans l’un des deux fours. La ligne n°1 est
équipée d’un précalcinateur, alors que la ligne n°2 en est exempte.
Les combustibles utilisés à la tuyère sont principalement du coke de pétrole en marche

normale des fours, et du Fuel Haute Viscosité (FHV) lors de l’allumage. La température de la
flamme est d’environ 2000°C.
A la sortie des fours, le clinker est trempé dans des refroidisseurs à grilles par soufflage
d’air ambiant. Le clinker est ensuite envoyé vers le hall de stockage par des transporteurs
métalliques.
Le four n° 1 a une capacité de 1800 t de clinker par jour, tandis que le four n° 2 en a 1200 t
de clinker par jour.
II.4. Broyage cuit

L’atelier de broyage de l’usine est équipé de trois broyeurs à boulets. Ils sont alimentés en
clinker depuis le hall de stockage, auquel est ajouté le gypse pour la prise du ciment et le
calcaire.
La variation des dosages de ces divers produits et la finesse du broyage permettent de

définir les différents types de ciment. Le mélange ainsi produit est envoyé vers les silos de
stockage.
II.5. Ensachage
La livraison du ciment se fait soit en sacs, soit en vrac (transport par la route). Ainsi,
l’usine dispose de deux ensacheuses rotatives de marque (Haver), de quatre ensacheuses
statiques de type (Bates) et de deux stations de chargement du vrac.

Figure 2. Schéma représentatif du processus de fabrication du ciment (Four II)

III. Critères chimiques et minéralogiques du clinker
III.1. Composition du clinker

Dans le four, le mélange cru après séchage et décarbonatation arrive sous la forme de
poudre ou de petites granules dans la zone de cuisson. Les réactions chimiques commencent
sous l’effet de la température. L’oxyde de fer se combine à l’oxyde d’aluminium et à l’oxyde
de calcium pour former l’aluminoferrite tétracalcique (C4AF). L’alumine restante réagit avec
de l’oxyde de calcium pour former l’aluminate tricalcique (C3A). Ces deux composants
forment la phase liquide.
Les oxydes de silicium et de calcium réagissent ensemble pour former le silicate

bicalcique(C2S) qui, lui-même, se transforme en silicate tricalcique tant qu’il reste de l’oxyde
de calcium non combiné. A la sortie du four, l’oxyde de calcium non combiné s’appelle chaux
libre.
La magnésie ne réagit pas avec les autres constituants. Elle cristallise sous forme de
périclase ou reste en solution solide dans la phase liquide. Les alcalis et les sulfates forment
des sulfates alcalins ou réagissent avec l’aluminate tricalcique pour donner des cristaux
d’alcali aluminate. Les métaux lourds peuvent remplacer le fer dans certains cristaux. Une
variation des constituants principaux (oxydes de calcium, de silicium, de fer et d’aluminium)
ou des éléments mineurs et secondaires (alcalis, sulfate, titane, phosphate, fluor, ...) modifie
d’une part l’aptitude à la cuisson du mélange cru et d’autre part les caractéristiques
hydrauliques du clinker produit.
Dans des travaux de Le Chatelier, Michaelis, Rankin, Wright, Kühl et Bogue, ..., il est
établi que le clinker est principalement constitué en proportions variables de :
Silicate tricalcique 3 CaO SiO2 ou C3S

Silicate bicalcique 2 CaO SiO2 ou C2S
Aluminate tricalcique 3 CaO Al2O3 ou C3A
Aluminoferrite tétracalcique 4 CaO Al2O3 Fe2O3 ou C4AF
Minéraux Composition massique (%)

Silicate bicalcique C2S 0,2-27,1
Silicate tricalcique C3S 51,3-85,2
Aluminate tricalcique C3A 6,8-15,6
Aluminoferrite tétracalcique C4AF 4,0-16,2
CaO libre 0,08-5,58
Tableau 2. Composition typique du clinker
III.2. Calcul de la composition du clinker : Formules de Bogue

Basées sur les hypothèses suivantes :
le clinker est constitué uniquement de C3S, C2S, C3A, C4AF

les réactions de formation sont complètes et non affectées par le refroidissement

la séquence de réaction est :

le C4AF se forme en premier
vient ensuite le C3A
CaO et SiO2 restant se combinent pour former C2S et C3S
R.H. BOGUE a élaboré une méthode pour le calcul de la composition minéralogique du

clinker :
Oxydes C3S (w) C2S (x) C3A (y) C4AF (z)

CaO (a) 0,7376 0,6512 0,6227
SiO2 (b) 0,2631 0,3488
Al2O3 (c) 0,3773 0,2098
Fe2O3 (d) 0,3282
a = 0,7369 w + 0,6512 x + 0,6227 y+0,4616 z
b = 0,2631 w + 0,3488 x
c = 0,3773 y + 0,2098 z
d = 0,3286 z
w = 4,071 a – 7,600 b – 6,718 c – 1,430 d
x = 8,602 b – 5,068 c – 3,071 a + 1,078 d
y = 2,650 c + 1,692 d
z = 3,043 d
Tableau 3. Calcul de la composition minéralogique du clinker
Clinker ordinaire
• C3S = 4,071 CaO – 7,60 SiO2 – 6,718 Al2O3 – 1,430 Fe2O3
• C2S = 8,602 SiO2 – 5,068 Al2O3 – 3,071 CaO + 1,078 Fe2O3
• C3A = 2,650 Al2O3 - 1,692 Fe2O3
• C4AF= 3,043. Fe2O3
Clinker sans C3A .

• C3S = 4.07 CaO - 7.6 SiO2 - 4.48 Al2O3 - 2.86 Fe2O3
• C1S = 2.87 SiO2 - 0.75 C3S
• C4AF = 4.77 Al2O3
• C2F = 1.70 Fe2O3 - 2.67 Al2O3
III.3. Qualité du clinker : les Modules

La composition chimique garantit les qualités du ciment à terme, c'est-à-dire non
seulement au cours de la fabrication, mais également des mois, ou alors des années après la
commercialisation. La qualité finale est évaluée par des modules, c'est-à-dire des valeurs
calculées à partir de la composition. On définit par exemple :

Module hydraulique :
CaO
MH = I -1
SiO 2 + Al2 O 3 + Fe2 O 3
Le Module hydraulique de Michaelis est compris entre 1,2 et 2,2
Module aluminoferrique de Kühl :

Al2 O 3
MA = I-2
Fe 2 O 3
Le module aluminoferrique de Kühl est compris entre 1,3 et 2,7
Module silicique :
SiO 2
MS = I-3
Al2 O 3 + Fe2 O 3
Le module silicique est compris entre 2,3 et 2,7.Une valeur élevée correspond à une valeur
élevée de silice au détriment des agents fondants.
Facteur de saturation en chaux de Lea Parker :

CaO
FSC = I-4
2,8 SiO 2 + 1,18 Al2 O 3 + 0,65 Fe2 O 3
Le facteur de saturation de Lea et Parker est compris entre 0,9 et 1,0. Ce module exprime
le rapport entre la chaux présente dans le mélange et la quantité de chaux qui peut être liée
dans le clinker. La saturation en chaux permet de connaître le comportement du mélange à la
cuisson et de prévoir la qualité du ciment. Plus la saturation chaux est élevée, plus les
résistances du ciment le seront aussi, et plus la cuisson sera difficile et nécessitera un
accroissement de la consommation calorifique nécessaire à la cuisson. Par ailleurs, une
saturation en chaux élevée influe négativement sur la stabilité du volume du ciment hydraté
(teneur en chaux libre).

Bilan thermique et modélisation du système de cuisson .
Chapitre 2
Bilan Thermique et Modélisation de

l’atelier Cuisson
I. Four rotatif
II. Tour de préchauffage
III. Refroidisseur à clinker

Chapitre 2
Bilan Thermique et Modélisation de l’atelier
Cuisson
Dans ce chapitre, le calcul du bilan massique et thermique de la ligne N° II de LAFARGE,

usine de Meknès, est développé.
L’établissement du bilan thermique d’un système a pour but de déterminer son rendement
et sa consommation spécifique, c’est-à-dire la consommation rapportée à l’unité utile produite
(tonne ou kilogramme de clinker par exemple). Cela suppose la connaissance la plus précise
possible de tous les flux entrants et sortants du four (matières et produits divers, énergies
diverses, etc.) et une bonne interprétation des phénomènes thermiques dont le système est le
siège.
Ce chapitre se décompose en quatre parties :
La première est dédiée à l’étude du four rotatif, après une description détaillée de l’atelier,
un bilan global est développé. Une attention particulière est apportée aux différentes réactions
dans le four.
La deuxième partie est consacrée à l’étude des cyclones : le procédé y est décrit et des
bilans thermiques y sont développés. Un modèle mathématique et ensuite proposé pour
décrire le profil de la température et de la pression régnant dans les étages du cyclone.
La dernière partie porte sur la modélisation du transfert de chaleur dans le refroidisseur à

clinker considéré comme un échangeur gaz-solide. Une méthode itérative est proposée et
programmée.
I. Four rotatif
I.1. Réactions misent en jeux

La première étape dans le traitement thermique de la matière première est la
Déshydratation et la déshydroxylation des argiles : l’eau libre est éliminée à des températures
inférieures à 200°C ; de 100 à 400 °C l’eau liée (adsorbée) est totalement éliminée.
H2O(l) ⇒H2O(g)
Pour des températures plus importantes (de 400 °C à 750°C), les minéraux argileux sont
déshydratés. La métakaolinite est formée par déshydratation de la kaolinite :
Al4[(OH)8Si4O10] ⇒ 2(Al2O3.2SiO2) +4H2O

Par la suite, la décomposition des composés métakaolinite et d'autres se déroule dans l’ intervalle
de température de 600 à 900 °C, par suite un mélange d’oxydes réactifs est formé.
Figure 3. Processus de Cuisson
Exemple :
Al2O3.2SiO2 ⇒ Al2O3 + 2SiO2
Le carbone total dont le mélange est oxydé :
C + O2 ⇒ CO2
Dans l’intervalle de 600 to 900 °C, les carbonates de calcium (CaCO3) sont décomposés en
oxyde de calcium et dioxyde de carbone.
CaCO3⇒ CaO + CO2
La calcination des carbonates est similaire à celle des carbonates de calcium et se déroule à
une température moins importante :
MgCO3 ⇒ MgO + CO2
La transformation des argiles (alumino - silicates) en phase solides se déroule en parallèle à

la décarbonatation, par exemple:
CaO + Al2O3⇒CaO.Al2O3
CaO + SiO2⇒CaO.SiO2
Les réactions suivantes débutent à 800 °C:
CaO.Al2O3+2CaO ⇒3CaO.Al2O3
CaO.Al2O3+3CaO + Fe2O3⇒4CaO.Al2O3.Fe2O3
CaO.SiO2+CaO ⇒2CaO.SiO2

La clinkerisation prend place à des températures très élevées (plus de 1260 °C) :
CaO + 2CaO.SiO2 ⇒ 3CaO.SiO2
Avoir une température de clinker de l’ordre de 1450 °C est primordiale pour obtenir un
produit de qualité.
Réaction Équations des réactions Enthalpie Standard

de la réaction [kJ/kg]
I. Formation des Oxydes et
Réactions de décomposition
Evaporation de l’eau H2O(l) ⇒H2O(g) 2453
Décomposition de Kaolinite Al4[(OH)8Si4O10] ⇒ 780
2(Al2O3.2SiO2) +4H2O
Al2O3.2SiO2 ⇒ Al2O3 + 2SiO2
Oxydation du Carbone C + O2 ⇒ CO2 -33913
Décarbonatation de MgCO3 MgCO3 ⇒ MgO + CO2 1395
Décarbonatation de CaCO3 CaCO3⇒ CaO + CO2 1780
II. Formation intermédiaires
Formation de CA CaO + Al2O3⇒CaO.Al2O3 -100
Formation de C2F 2CaO + Fe2O3⇒2CaO.Fe2O3 -114
Formation de -C2S SiO2+2CaO ⇒2CaO.SiO2 -732
III. Clinkerisation
Formation de C4AF CA + C2F + CaO ⇒C4AF 25
Formation de C3A CA + 2CaO ⇒C3A 25
Formation de C3S -C2S + CaO ⇒C3S 59
Tableau 4. Récapitulatif des réactions de Cuisson [1]
I.2. Paramètres de cuisson [2]

Pourcentage de la phase liquide (PL) dans la zone de cuisson :
La PL favorise la formation de C3S à 1450 °C, PL = 25.

La tenue des réfractaires dans la zone de cuisson n’est pas seulement affectée par le % PL,
mais aussi par sa viscosité.
Al2O3, K2O et Na2O augmentent cette viscosité.
Fe2O3 et SO3 diminuent la viscosité de PL.
La tenue des réfractaires dans la zone de cuisson n’est pas seulement affectée par le % PL,
mais aussi par sa viscosité.
Al2O3, K2O et Na2O augmentent cette viscosité.

Fe2O3 et SO3 diminuent la viscosité de PL.
MAF > 1,38 -------------PL (1338 °C) = 6,1 F + M + K + SO3

MAF < 1,38 -------------PL (1338 °C) = 8,2 A + 5,22 F + M + N + K + SO3
En général, PL varie de 23 à 28%.
PL < 20% → Four instable et KK poussiéreux, il y a tendance à la formation d’anneaux

dans la zone de transition, la formation de croûtage devient difficile.
PL>30% → L’excès de phase liquide attaque sévèrement les réfractaires. La charge de

matière semi fondue glisse sur le croûtage et le détruit dans la zone où se trouve la flamme.
Le C3S formé peut se décomposer, car la vitesse de refroidissement devient plus lente
diminuant ainsi la résistance du ciment.
Température minimale de cuisson :
T°C = 1300 + 4,51 C3S – 3,74 C3A – 12,64 C4AF II-1
Indice d’aptitude à la cuisson :
C3 A
I . A.C   2,6  4,5 II - 2
C 3 A  C 4 AF
Coefficient de stabilité de croûtage :
MAF > 0, 64  AW = C3A + C4AF + 0, 2 C2S + 2F II-3

MAF < 0, 64  AW = C2F + C4AF + 0, 2 C2S + 2F II-4
AW doit être compris entre 27 et 32. Plus AW est élevé, plus il y a de chances que le
croûtage se forme.
Plus la teneur en Fe2O3 est élevé, plus le croûtage devient dense et donc fragile aux chocs
thermiques.
AW < 20  Croûtage faible et instable ,
AW > 35  Croûtage facilement érodé et instable
Charge thermique dans la section transversale du four :
Q.PCI
C.T .S.T   max 3,46 .106 Kcal/m².h II - 5
D 2 / 4
Avec : PCI. Pouvoir Calorifique inférieur du gaz
Q. Débit du gaz [Nm3/h]
Module de sulfates :
SO3 / 80
M SO3  II - 6
K 2 O / 94  Na2 O / 62  2(Cl / 35,5)
MSO3 doit être compris entre 0,83 et 1.
Si le bilan est déséquilibré, on aura des formations de concrétions dans le préchauffeur et

formation d’anneau dans la zone de calcination.
I.3 Bilan énergétique et exergétique du four

Une analyse thermodynamique des fours rotatifs peut fournir des informations précieuses
sur le processus de conversion de l'énergie dans le four (combustion, dissipation d'énergie..) et
permet d'évaluer les performances du four dans son ensemble et de ses différents éléments
ainsi que d'identifier les sections qui requièrent une modification de conception. L'importance
des pertes d'énergie et de la dépréciation de l'énergie dans le processus irréversible du four est
définie par le premier et la deuxième loi de la thermodynamique.
Le bilan massique dans le four rotatif est formulé sur la base de la loi de conservation de la
masse, il est donné par la formule :
m in   mout II - 7
Avec :
m in  m farine  mcombustible  mair
m out  mclin ker  m poussiéres  mgaz
I.3.1. Bilan énergétique

La première loi de la thermodynamique, appelée loi de conservation de l'énergie, est
utilisée pour l'analyse énergétique du four rotatif. Lorsque cette loi est appliquée à un système
dans lequel les réactions chimiques se produisent, l'équation suivante peut être écrite:
  
Qvc   min h 0f  h  Vin2 / 2  g G zin  Wvc  mouth 0f  h  Vout
2
/ 2  g G z out  QL II - 8
in out
Les hypothèses suivantes ont été faites pour l'analyse énergétique:
La quantité de chaleur QVC n'est pas donnée du système.

WVC L'énergie électrique utilisée pour la rotation n'est pas inclus dans l'analyse.
L’énergie cinétique et l’énergie potentielle de la matière entrant et sortant du système
sont négligées.
Lorsque ses hypothèses sont prises en considération, l’équation précédente peut être écrite
comme suit :
m
in
h
in T , P  Wvc  mouthT , P   QL
out
II - 9
où :
hT , P  h 0f  h
T
h   c p dT
298
c p  a  bT  cT  2

Les coefficients de certains matériaux utilisés dans le four figurent dans le tableau 5.
Substance Formule de la chaleur spécifique Cp (kcal/kmol.K)

C 2,673 + 0,002617×T − 116900/T2
CO 6,6 + 0,0012×T
CO2 10,34 + 0, 00274×T − 195500/T2
N2 6,5 + 0,001×T
O2 8,27 + 0,000258×T − 187700/T2
SO2 7,7 + 0,0053×T − 0,00000083T2
H2 6,62 + 0,00081×T
H2O(g) 8,22 + 0,00015×T + 0,00000134×T2
CaCO3 19,68 + 0,01189×T − 307600/T2
CaO 10,0 + 0,00484×T − 108000/T2
MgO 10,86 + 0,001197×T − 208700/T2
SiO2 3,27 + 0,0248×T (298 < T < 390)
13,64 + 0,00264×T (390< T < 2000)
Al2O3 25,48 + 0,00425×T + 682000/T2
Tableau 5. Chaleur spécifique de certains matériaux utilisés dans le four [1][3]
Perte de chaleur par la paroi :
La forme géométrique du four et l'analogie électrique de la conductivité thermique de la

paroi sont schématisés dans les figures 4 et 5.
Figure 4. Forme géométrique du Four
Figure 5. Analogie électrique de la conductivité thermique

La perte de chaleur par conduction est donnée par l'équation suivante:
 Tin (i )  Tsur(i )
Q cond   II - 10
ln( r2 / r1 ) ln( r3 / r2 ) ln( r4 / r3 )
i
 
2k cr li 2k br li 2k t li
L’indice i représente une zone de briquetage donnée.
Perte de chaleur par radiation et par convection :
La perte de chaleur par rayonnement à partir de l'entrée du four et la perte par convection
peuvent être calculée respectivement en utilisant les équations (II-11) et (II-12). La perte
totale est calculée par II-13.
 

Q rad   Tin4  T04 A II - 11

Q conv  hATsur  T0  II - 12
   
 Q L  Q cond  Q rad  Q conv II - 13
L'efficacité énergétique est exprimée comme le rapport entre la chaleur quittant le four et
les énergies fournis. Ainsi, l'efficacité énergétique peut être écrite comme :
 m out .hT , P
II - 14
m in .hT , P
I.3.2. Bilan exergétique
Le bilan exergétique d'un système de flux constant est donné par l'équation suivante :
E in  E out  E Q  E L  E S II - 15
Cette équation montre que les pertes exergétiques sont causées par les irréversibilités du
système. Si cette équation est appliquée au four rotatif comme on le voit dans la figure. 6,
l’équation 16 peut être obtenue. Les hypothèses suivantes ont été formulées pour obtenir les
équations:
1. Le système est supposé à l'état d'équilibre, processus à flux constant.

2. L'énergie électrique est négligée.
3. Les gaz d’échappement sont supposés être des gaz idéaux.
4. L’effet de la pression sur l'enthalpie et l'entropie des solides est négligé.
5. La variation de l'énergie potentielle et cinétique est négligée.
6. Les exergies chimiques des substances sont négligées.

m
in
e PH
in in   mouteout
out
PH
  EQ  E L II - 16
où :
e PH  h  h0   T0 s  s0 
E Q  QL .1  T0 / Tsur 
E L  T0 S gen
Four
 mineinPH
in
Rotatif m e PH
out out
out
E Q
Figure 6. Bilan exergétique du four rotatif
Le rendement ou l’efficacité exergétique traduit la conversion de l'exergie d’entrée en

exergie des produits. Ainsi, l'efficacité exergétique est définie par l'équation suivante:
 
m .eout  E L 
out
 1 
 min .ein   min .ein 
II. Tour de préchauffage

II.1. Généralités
La tour de préchauffage EVS a pour rôle d’assurer la prédécarbonatation du calcaire
(produit majoritaire du cru), avant son introduction dans le four rotatif. La matière est
décarbonatée suivant la réaction fortement endothermique :
CaCO3  CaO + CO2

Les tours de préchauffage à "suspension" sont apparues très rapidement comme les
procédés les plus performants pour décarbonater la matière. Elles sont constituées le plus
souvent d'une série de cyclones (quatre dans le cas de LAFARGE Usine de Meknès), disposés
verticalement sur plusieurs étages. La figure 7 montre le principe de fonctionnement de la tour
de préchauffage.

Figure 7. Schéma de la tour de préchauffage EVS, ligne II
La matière crue est introduite au cyclone sous forme d'une poudre dont environ 90 % de la
masse est constituée de particules de taille inferieure a 100 m. Celle-ci est introduite dans la
partie supérieure de la tour et mise en suspension dans les gaz chauds venant du four rotatif.
Elle se réchauffe au contact des gaz, puis elle en est séparée avant de descendre par gravite à
l'étage inferieur, ou elle est remise en suspension dans les gaz. La matière quitte le cyclone
inférieur après avoir subit une décarbonatation relativement faible (<30 à 50%), elle achève sa
décarbonatation dans le four.
II.2. Modélisation thermique des cyclones

Des installations similaires à la notre sont rapportées par la littérature (Belot et al., 1993 et
Zhirong et Zeping, 1995) .Ces installations utilisent des rendements de dépoussiérage mesurés
sur terrain si possible ou fournis par le constructeur. L’efficacité de dépoussiérage des
cyclones industriels dépend des conditions de fonctionnement. Le modèle proposé est une
cascade de mélangeurs parfaits avec reflux du solide (Rs) supposé constant (Figure 8),
permettant l’évaluation de la quantité de poussières entraînée par le gaz. Cette configuration
(figure ci-dessous) semble la plus recommandée à cette division du préchauffeur, compte tenu
de l’uniformité du mélange entre le gaz (G) et la farine (S) dans les étages. Le cyclone et sa
conduite de liaison du gaz ascendant forment l’étage " K ". L’ensemble de la boite à fumée
comprenant la zone de calcination, située dans la partie amont du four, est considéré comme
étant l’étage (N+1). AT, AF et Wo, sont respectivement les débits massiques de l’air de
transport, les débits d’air faux (considérés identiques à tous les étages) et l’humidité contenue
dans la farine.

Figure 8. Modélisation du préchauffer par une cascade de mélangeurs parfaits
Formulation des équations du modèle :
Les différentes espèces chimiques du gaz, de l’air humide et de la farine sont affectées
d’un indice spécifique i :
i = 1 : CaCO3 i = 2 : MgCO3 i = 3 : (Al2O3 2SiO2 2H2O) i =4 : Al2O3

i = 5 : SiO2 i = 6 : CaO i =7 : MgO i = 8 : CaSO4
i =9 : K2O i=10 : Fe2O3 i = 11 : Na2O i = 12 : CO2
i = 13 : O2 i = 14 : N2 i =15 : H2O
Pour un étage K (1 < K < N), et pour une espèce i donnée, le bilan de matière de la farine
s’écrit :
RS S K 1 X i ,K 1  S K 1 X i ,K 1  S K 1  RS X i ,K  i ri ,K M S ,K II -17
Le bilan de matière du gaz est :
AFX i ,0  GK 1 X i ,K 1  GK X i ,K  i ri ,K M S ,K II -18
Le bilan massique de l’eau donne :
 AFK  AT X i,0  W0  GK 1 X i,K 1  GK X i,K  i ri,K M S ,K II -19
νi et Xi,K sont le coefficient stœchiométrique et la fraction massique de l’espèce i. Ms,K est la

masse de la farine retenue dans chaque étage :
M S ,K  S K .t S II - 20

La décomposition de CaCO3 est décrite par l’équation suivante proposée par Muller [4] :
dX i , K 1  1 1   Ea 
ri , K   Ai    exp  i RT  II - 21
dt dp  PCO2 , K PeK   K 
La pression partielle de CO2 dans l’étage et celle de l’équilibre s’écrivent :
PCO2 , K  X CO 2 , K PK 1  PK  II - 22

 H S 
PeK  exp    II - 23
 rTK r 
ΔH et ΔS sont les variations d’enthalpie et d’entropie de la réaction, r est la constante

massique des gaz parfaits, PK est la pression du gaz dans l’étage, ΔPK est la perte de charge,
calculée par la corrélation de Casal et Martinez (1983), et dp est le diamètre moyen des
particules de la farine.
II.3. Calcul des pertes de Pression

La chute de pression dans le cyclone est due aux pertes à l'entrée et la sortie du gaz, au frottement
et aux pertes d'énergie cinétique dans le cyclone. L'équation empirique proposée par Stairmand (1949)
peut être utilisée pour estimer la chute de pression [5]:
 f  2 2  2r  
P  u1  1  2  t    2u 22 
 II - 24
203    re  
Où : P la perte de pression en millibars

f masse volumique, kg/m3
u1 vitesse d’entrée, m/s
u2 vitesse de sortie m/s
rt rayon du cercle dont le centre de ligne d’entrée est tangent
re rayon de la gaine de sortie
 Paramètre de la figure 9,
 Paramètre dans la figure 9, il est définit par :
AS
  fc II - 25
Al
fC coefficient de friction ≈ 0,005 pour les gaz.
AS surface totale du cyclone.
A1 surface transversale de la gaine d’entrée, m2.
La formule de Stairmand est applicable pour l'écoulement du gaz seul ne contenant pas de
matières solides. La présence de solides a tendance à augmenter la chute de pression, selon la
charge solide. Des méthodes d’estimation pour les cyclones, qui incluent des procédures pour
estimer la chute de pression vraie, sont données par Perry et al. (1997) et Yang (1999); voir
aussi Zenz (2001).
Figure 9 : Facteur de perte de pression
III. Refroidisseur à clinker

III.1. Introduction à la problématique
Le refroidisseur à clinker est un dispositif d’une grande importance dans toute cimenterie.
Il est considéré comme l’un des trois constituants importants du système thermique global de
la cuisson, à savoir l’échangeur avec ou sans précalcinateur, le four rotatif et le refroidisseur.
Le refroidisseur à clinker permet non seulement de refroidir le clinker qui entre dans ce
dernier après son passage dans le four, mais aussi permet de récupérer cette chaleur pour
l’exploiter dans le préchauffage du gaz secondaire (d’échappement) qui va servir comme
comburant pour le four.
Les études concernant le refroidisseur à clinker étant peu et les logiciels de simulation de
cette organe de première importance étant rare voir même inexistant, nous avons pensé à
développer un outil de modélisation et de simulation du refroidisseur à clinker qui est partie
intégrante de l’atelier cuisson.
Les irréversibilités dans le refroidisseur à clinker sont causées par les différents transferts
de chaleur dans le système, ainsi que par les dissipations dues aux pertes de charges. Le
premier principe de la thermodynamique ne permet pas la quantification de ces pertes, d’où
notre recours en plus du bilan énergétique usuel au un bilan exergétique qui nous permettra
de mieux évaluer la dégradation de l’énergie et ainsi la quantification des pertes
thermodynamiques dans le refroidisseur.

III.2. Description et mode de fonctionnement

Le refroidisseur à clinker a une influence déterminante sur la performance et l'économie
d’énergie dans la cimenterie. Le refroidisseur a deux missions: dans la première il s’agit de
récupérer autant de chaleur que possible du clinker pour le préchauffage du gaz secondaire
(d’échappement) qui va servir comme comburant pour le four, la deuxième mission c’est de
réduire la température du clinker à un niveau approprié pour l'équipement en aval.
Le refroidissement rapide fixe la composition minéralogique du clinker et améliore le

broyage et la réactivité du ciment. Les problèmes typiques avec les refroidisseurs à clinker
sont la dilatation thermique, usure et les airs faux qui vont à l'encontre des exigences ci-
dessus. Il existe plusieurs types de refroidisseurs à clinker, dans notre étude on ne
s’intéressera qu’au refroidisseur à grilles.
Figure 10. Les grilles mobiles du refroidisseur
Le refroidissement du clinker est assuré par l'application d'un volume d'air approprié. Le
dispositif de contrôle régule en permanence la hauteur du lit de clinker, la vitesse de
déplacement de la grille, l'alimentation en air dans les différents compartiments (Figure 11).
Figure 11. Schéma représentatif du refroidisseur à grilles

Les caractéristiques du refroidisseur à grilles alternatifs de la ligne II de l’usine de Meknès

sont récapitulées dans le tableau suivant :
Type 8×14
Surface grille 32,8 m2
Largeur interne grille 2440 mm
Soufflage spécifique installé 3,2 Nm3/kg clinker,
Ventilateur 1 2 3 4 5
Débit (m3/h) 12500 12500 72000 48500 48500
Pression Statique (mmCE) 1000 800 500 350 250
Vitesse (t/min) 2227 2706 1633 1595 1446
Puissance absorbée (kW) 55 46 150 66 54
Puissance Moteur (kW) 75 55 180 75 75
Tableau 6. Caractéristique du Refroidisseur à Clinker
III.3. Bilan énergétique et exergétique du refroidisseur à clinker

Bilan énergétique
Figure 12. Schématisation Bilan thermique
Le bilan énergétique s’écrit :
𝑚𝑐𝑘 𝑕𝑐𝑘 ,𝑖𝑛 + 𝑚𝑎,𝑖𝑛 𝑕𝑎 ,in = 𝑚𝑐𝑘 𝑕𝑐𝑘,𝑜𝑢𝑡 + 𝑚𝑎𝑠 𝑕𝑎𝑠 + 𝑚𝑎𝑒𝑥𝑕 𝑕𝑎𝑒𝑥𝑕 + 𝑄𝑝 II - 26
Bilan exergétique
𝐸𝑋 𝑑 = 𝑚𝑐𝑘 𝑒𝑐𝑘 ,𝑖𝑛 + 𝑚𝑎,𝑖𝑛 𝑒𝑎𝑖𝑛 − 𝑚𝑐𝑘 𝑒𝑐𝑘 ,𝑜𝑢𝑡 + 𝑚𝑎𝑠 𝑒𝑎𝑠 + 𝑚𝑎𝑒𝑥 𝑕 𝑒𝑎𝑒𝑥 𝑕 + 𝑊 II - 27
𝐸𝑋 𝑑 = 𝑇0 𝑆𝑔𝑒𝑛
L’exergie du clinker s’écrit :

𝑒𝑐𝑘 = 𝑕𝑐𝑘 − 𝑕0 − 𝑇0 (𝑆𝑐𝑘 − 𝑆0 ) II - 28
Soit :
𝑇 𝑇
𝑒𝑐𝑘 = 𝑋𝑖 ( 𝐶𝑝𝑖 𝑇 𝑑𝑇 − 𝑇0 𝐶𝑝𝑖 𝑇 𝑑𝑙𝑛(𝑇) ) II - 29
𝑖=1 𝑇0 𝑇0

Pour l’air :
𝑇 𝑇
𝑅 𝑃
𝑒𝑎 = 𝑋𝑖 ( 𝐶𝑝𝑖 𝑇 𝑑𝑇 − 𝑇0 𝐶𝑝𝑖 𝑇 𝑑𝑙𝑛(𝑇) − 𝑙𝑛 II - 30
𝑇0 𝑇0 𝑀𝑖 𝑃0
𝑖
avec :
𝐶𝑝𝑖 𝑇 = 𝑎𝑖 + 𝑏𝑖 ∗ 𝑇 + 𝐶𝑖 ∗ 𝑇 −2
On définit deux types de rendement pour le refroidisseur :
Rendement de récupération :
𝑇𝑎 0 −𝑇𝑎𝑠
𝜂𝑎 = II - 31
𝑇𝑎 0 −𝑇𝑐𝑘 ,𝑖𝑛
Rendement de refroidissement :
𝑇𝑘 −𝑇𝑐𝑘 ,𝑖𝑛
𝜂𝑐𝑘 = II - 32
𝑇𝑎 0 −𝑇𝑐𝑘 ,𝑖𝑛
III.4. Modélisation du refroidisseur à clinker

III.4.1. Formulation générale et hypothèses
Pour obtenir le profil de la température tout au long du refroidisseur, nous avons opté pour
une segmentation du refroidisseur en séries d’étages, un bilan thermique est effectué sur
chaque étage pour ce but.
Hypothèses :
Le refroidisseur à clinker est considéré comme un échangeur à chaleur
gaz-solide à contre courant.
Le clinker est considéré comme mélange homogène de particules sphériques.
La distribution de l’air dans le lit formé par le clinker est uniforme
La quantité des particules fines transportées par l’air est négligeable.
III.4.2. Modèle du refroidisseur

Le refroidisseur est assimilé à une matrice d'échangeurs de chaleur à flux croisés :
Figure 13. Modèle numérique : Discrétisation couche Clinker

Le refroidisseur est discrétisé en cellules.

A la sortie de chaque cellule, les températures du gaz et du solide sont évalués en se
basant sur le bilan thermique :
𝑇𝐴0 = 𝑇𝐴𝑖 + Q /𝐶𝐴 & 𝑇𝑠0 = 𝑇𝑠𝑖 +Q /𝐶𝑆 II - 33
La chaleur échangée dans chaque cellule peut être calculée par la formule suivante [6] :
1−q
𝑄 = (𝑇𝑠𝑖 − 𝑇𝐴𝑖 ) × 1 q II - 34
−
CA CS
ou q= exp[h ×A (𝐶𝐴 - 𝐶𝑆 )/ 𝐶𝐴 ×𝐶𝑆 ]

𝐾 𝑑∗𝐹𝐴𝑖
Avec h = (2 + 0.75 Pr 0,33 Re0 ,5) et 𝑅𝑒 =
𝜀𝑑 µ∗𝐴𝐶
La surface de la cellule d’échange peut être calculé par :
1−𝜀
𝐴=6× × ф × 𝑉𝐶 II − 35
𝑑
Avec 1 ≤ ф≤ 1.7
Récapitulatif :
Le refroidisseur est discrétisé en matrice (n×m) cellules.

Pour i=1,….n cellules
La température T (1, i) =TA0 .
Pour j=1,….m cellule
La température T (j, 1) =TS0 .
Pour chaque cellule un bilan est effectué.
la température d’entrée de l’air TA0 et du clinker TS0 dans la première cellule étant connu ,
le bilan sur cette première cellule (1,1), nous permettra de connaitre la température de sortie
de l’air et du clinker de (1,1) : TA1 et TS1.Une fois ces températures connues on passe à la
deuxième cellule .Pour cette cellule on a TS1(1,1)= TS2 (2,1) ,en effet la température d’entrée
du solide dans la cellule (2,1) est égale à la température de sortie de solide de la première
cellule (1,1) et la température d’entrée de l’air dans la cellule est la même que la température
ambiante de l’air. On procède de cette manière jusqu’à la nième cellule de la première ligne.
On passant à la 2éme ligne, pour la première cellule (2,1), la température d’entrée de l’air
de la première cellule est la température de sortie de la cellule (1,1) et la température d’entrée
du clinker est TS0 et ainsi de suite jusqu’à trouver toutes les températures des cellules.
À la fin on obtient le profil de température dans le refroidisseur.
Dans Notre travail on s’est servi de La méthode illustrée ci-dessus pour programmer
simuler le fonctionnement du refroidisseur et l’implémenter dans notre logiciel.

Bilans et approche de simulation numérique du procédé de broyage .
Chapitre 3
P rocédé de broyage: Bilans &

Approche de Modélisation numérique
I. Atelier de broyage
II. Broyage et fragmentation
III. Broyabilité du clinker
IV. Granulométrie du ciment
V. Circuit fermé du Broyage
VI. Chaine de Markov
VII. Modélisation du broyage par chaine de Markov

Chapitre 3
Bilans et Approche numérique du procédé de

broyage
Le présent chapitre s’intéresse au procédé de broyage en circuit fermé .Conscients que les
broyeurs tubulaires et séparateurs dynamiques utilisés pour le broyage du clinker sont
énergivores, on a pensé à construire un modèle servant de base à la simulation et
l’optimisation du broyage.
Des échantillons de la matière broyée dans le broyeur à boulets BK4 sont prélevés et
analysés au laboratoire dans le but de s’en servir comme données d’entrées servant à
l’élaboration de notre modèle.
I. Atelier de broyage
L’atelier de broyage en cimenterie a pour fonction de réduire la granulométrie des
différents produits : matières crues, combustibles et clinker et ceci afin de leurs permettre de
répondre aux critères de qualité exigés. L’atelier de broyage est donc en ce sens un
transformateur qui consomme de l’énergie pour créer de la finesse.
Du point de vue industriel, le broyage est une étape extrêmement pénalisante, elle
représente un rendement énergétique très faible : 95 % de l’énergie fournie au broyeur est
dissipée sous forme de chaleur, le reste servant à la création de nouvelles surfaces. L’une des
causes de la faible efficacité des broyeurs à boulets est la réagglomération des fines particules.
L’efficacité du broyage décroît régulièrement avec l’accumulation de fines agglomérées dans
le broyeur, or l’énergie électrique est un facteur majeur du coût de production des usines.
L’ensemble des ateliers de broyage de la cimenterie (cru, combustibles et clinker)

représente en moyenne 70 à 75 % de la consommation électrique totale.

II. Broyage et fragmentation
II.1. Généralités
La fragmentation est l’opération par laquelle on cherche à réduire ou à augmenter la
surface spécifique de particules solides. Son efficacité est toujours évaluée par une mesure de
l’accroissement de la finesse (particules plus petites qu’une certaine dimension).
D’un point de vue pratique, la quantification des phénomènes de fragmentation est établie
à l’aide des lois énergétiques, d’indices caractérisant l’aptitude à la fragmentation et de la
distribution granulométrique. Concernant les lois énergétiques, il en existe trois que l’on se
contentera de citer :
i. La loi de Kick, plutôt adaptée pour la fragmentation grossière.

ii. La loi de Bond, plutôt adaptée pour le broyage grossier à fin (souvent utilisée
pour le dimensionnement des broyeurs).
iii. La loi de Rittinger, loi adaptée pour la fragmentation fine à ultrafine.
Pour l’aptitude à la fragmentation, on pourra indiquer les indices suivants :
a. L’indice de Hardgrove qui caractérise la friabilité du matériau.

b. L’indice de Bond qui permet d’estimer l’énergie consommée pour réduire un
matériau de dimension initiale en théorie infinie à un produit final dont 80% en
masse passe au travers d’un tamis pourvu de mailles carrées de 100 µm de
côté.
c. L’indice de Papadakis (coefficient d’aptitude à l’agglomération) qui représente
la fraction de surface perdue suite à l’agglomération de particules.
d. L’indice d’abrasion qui caractérise l’usure des pièces en contact avec la
matière à fragmenter (durée de vie des pièces).
Quant à la distribution granulométrique, elle se fait par un classement dimensionnel à

travers une série de tamis d’ouvertures de mailles décroissantes. Ces ouvertures de maille sont
en progression géométrique de raison r > 1.
Il existe plusieurs séries de tamis.
Les tamis normalisés français correspondent à la série de l’AFNOR, de raison r  10 10 .
Les mesures dimensionnelles fondamentales du produit fragmenté seront : l’évaluation de

la finesse, la détermination de la forme.
II.2. Technologies de Broyage

La distinction entre un broyage fin et un broyage ultrafin se fait au niveau du d80 qui se
trouve entre 20 et 30 µm.

Pour la fragmentation fine, les technologies utilisées se résument à un seul mode d’action
consistant en la mise en œuvre de forces d’impact. Récemment, on constate un regain
d’intérêt pour les appareils utilisant la compression.
Il faut savoir que le poste de broyage fin est le plus coûteux sur le plan de l’investissement
et pour les coûts opératoires (frais d’entretien, consommation des corps broyants, énergie
électrique consommée, …).
Pour la fragmentation fine, les principaux appareils sont les suivants :
Les broyeurs à corps broyants libres, les broyeurs autogènes, les broyeurs semi-autogènes,
et les broyeurs sans corps avec broyants libres .Pour l’ensemble de ces appareils, les
évolutions technologiques majeures concernent aujourd’hui les corps (aciers en Mn  aciers
en Cr-Mo) et les revêtements céramiques (broyage fin où la contamination par le fer est
gênante).
De nouveaux appareils, comme par exemple le broyeur centrifuge haute intensité (broyeur
vertical de forme tronconique), sont actuellement en cours de conception.
Comme l’objet de notre travail est les broyeurs à corps broyants libres, puisque le broyeur
à boulets appartient à cette catégorie, l’étude sera consacrée exclusivement à ce type
d’appareil :
Les broyeurs à corps broyants libres sont des appareils cylindriques ou cylindro-coniques
tournant autour de leur axe horizontal et contenant des corps broyants qui peuvent être des
boulets, des barres ou des galets. Le volume occupé par les corps broyants et la matière à
broyer peut atteindre la moitié du volume interblindage du broyeur.
 Les corps broyants, dont la quantité doit être maintenue constante (pour une qualité
constante), sont en fonte, en acier, en silex ou en céramique. Le blindage est en fontes
et aciers alliés, en caoutchouc ou en céramique.
Les principaux broyeurs à corps broyants libres sont :
 Les broyeurs à boulets, utilisés en continu, discontinu, en voie humide ou en

voie sèche.
 Les broyeurs à barres, utilisés principalement en circuit ouvert et fonctionnant
en voie sèche, humide ou semi-humide ;
 Les broyeurs à galets, qui s’apparentent à la fois à des broyeurs à boulets et à
des broyeurs semi-autogènes ;
III. Broyabilité du clinker
III.1. Définition de la broyabilité

La broyabilité est l’énergie qu’il faut fournir à une certaine masse d’un matériau pour le
fractionner à une certaine taille. Cette grandeur permet donc de classer des matériaux selon la

facilité avec laquelle ils sont broyés. La broyabilité est parfois exprimée grâce à l’indice de
Bond. Il s’agit du travail, exprimé en kWh, nécessaire pour réduire une tonne courte (907 kg)
d’un minerai donné, d’une dimension théoriquement infinie à une dimension telle que 80% du
produit obtenu passe au tamis de 100 μm, ce qui correspond à un passant de 67% au tamis de
200 mesh (74 μm). L’indice de Bond est utile pour la conception et l’optimisation du
rendement de systèmes de broyage industriels.
D’autres tests sont utilisés pour déterminer la broyabilité des matériaux, comme par
exemple ceux de Zeisel, ou Hardgrove (charbon). La méthode standard adoptée en industrie
pour déterminer la broyabilité est le test de Zeisel.
III.2. Broyabilité du clinker seul

Le broyage du clinker comporte des étapes distinctes et dans chacune d’elle certains
facteurs déterminent l’avancement de la fragmentation. Dans une première étape, il existe une
corrélation entre la broyabilité et la porosité contenue dans l’édifice cristallin du clinker.
Ensuite, pour des surfaces supérieures à 2000 cm²/g, le broyage dépend :
des microfissurations du clinker,

des dimensions et de la nature des cristaux du clinker.
Par exemple, une taille de cristaux d’alite (C3S) inférieure à 20 μm favorise le broyage.
Pour améliorer le broyage du clinker, le rôle de la taille de cristaux de C3S est plus
déterminant que la quantité de cette phase contenue dans le clinker. Or, l’augmentation de la
quantité d’alite dans le clinker améliore tout de même la broyabilité de ce dernier. D’autre
part, l’augmentation du taux de bélite du clinker dégrade sa broyabilité.
Plusieurs recherches ont montré qu’il existe une corrélation entre la composition chimique
et minéralogique du clinker et la quantité d’énergie nécessaire au broyage. Tokyay [1999] a
étudié l’influence du taux de chaux libre et d’alumine sur la broyabilité de plusieurs clinkers.
Dans un premier temps, il a pu remarquer par l’expérience que l’on peut exprimer la relation
entre l’énergie de broyage et la surface spécifique atteinte avec une fonction exponentielle.
Ensuite, il a pu déterminer que les constantes de cette fonction dépendent de la composition
chimique du clinker. Cependant, il reste complexe de déterminer précisément l’effet de la
composition chimique seule sur la consommation de l’énergie de broyage : d’autres
paramètres chimiques et physiques du clinker entrent en jeu. Pour compléter les approches
classiques de détermination de la broyabilité du clinker, Unland et al. [2003] utilisent une
méthode fondée sur la différence des paramètres de broyabilité de chaque constituant. Ces
paramètres intègrent les propriétés des phases principales du clinker : la teneur, la distribution
en taille des cristaux et la porosité.
III.3. Broyabilité des ciments

La broyabilité d’un mélange de clinker avec des ajouts minéraux est généralement
meilleure que celle du clinker broyé seul. Par exemple, le mélange de clinker avec du laitier
de haut fourneau a une meilleure broyabilité que le clinker seul, ce qui est lié à l’effet abrasif

des grains de laitier sur les grains de clinker, qui conduit à la production d’une grande fraction
de grains très fins [Opoczky, 1996]. Les classes de particules les plus grosses sont d’ailleurs
les plus efficaces pour augmenter la production de fines particules du clinker co-broyé avec
du laitier [Erdogdu et al., 1999]. En revanche dans certains cas, comme pour le co-broyage de
clinker et de trass, le mélange présente un indice de Bond plus élevé que ceux des composés
broyés séparément [Hosten et Havsar, 1998]. Cette dégradation de la broyabilité est
vraisemblablement due à un effet de « bouclier » des particules relativement tendres de trass
qui s’intercalent entre les grains plus durs de clinker.
Par conséquent, la broyabilité d’un mélange de matières minérales n’est pas simplement
obtenue par la moyenne des broyabilités de chaque constituant. En fait, le type d’interaction
entre les différentes particules dans le broyeur a un rôle majeur dans la modification de la
broyabilité globale du mélange. Ainsi dans des conditions favorables, le co-broyage du
clinker avec des ajouts minéraux, participe à l’amélioration du rendement énergétique du
broyage.
IV. La granulométrie du ciment

IV.1. Généralités
Le comportement du ciment est dicté par chaque particule le composant, il est fortement
dépendant des propriétés, de la taille et de la forme des particules. L’évaluation et la
définition précise de la taille des particules n’est pas une tache aisée. La caractérisation
physique du ciment ou de la poudre, serait beaucoup plus facile si toutes les particules sont
sphériques et de même taille or ce n'est pas le cas vu que les systèmes composés de
particules identiques sont extrêmement rares et les caractéristiques varient d'une particule à
l'autre. Pour une sphère de diamètre x et de densité ρ, la surface, AS, est donné par :
AS =   x 2 III - 1
Le volume et la masse sont donnés par:
  x3   x3
V= & m= III - 2
6 6
La caractéristique principale d’une particule est sa taille, elle peut être représentée comme
une dimension linéaire, un domaine (par exemple, la surface), un volume ou une masse
(Fuerstenau et Han, 2003). Les relations entre ces différentes représentations dépendent de la
forme des particules et parfois de leurs masses et densité.
En général, la taille des particules peut être représentée par une distribution exprimée en
valeurs discrètes ou des fonctions continues dans les deux différentiels (fréquence) ou sous
forme cumulative.
La distribution des particules selon leurs tailles a une influence sur les propriétés physico-
chimiques du ciment. Ce qui veut dire que dans un contexte de contrôle de la qualité des
poudres, il faut contrôler la répartition granulométrique.
IV.2. Caractérisation des populations de grains et distributions granulométriques

IV.1.1. Populations de grains
Lorsqu’on doit représenter une population de différents grains, on se trouve en présence

d’une distribution de taille, on est alors amené à utiliser des caractéristiques moyennes.
Il reste évidemment à choisir la représentation adaptée à chaque situation .En effet, il existe
deux analyses granulométriques qui n’ont pas la même signification : l’analyse en masse(ou
en volume ou en surface), qui prend en compte l’importance de la masse(ou volume ou
surface), ainsi les grosses particules auront plus de poids dans la moyenne que les petites, et
l’analyse en nombre où toutes les particules sont prises en compte avec le même ordre
d’importance.
IV.1.3. Quelques définitions
On appelle passant, la quantité passant au travers d'un tamis d'une maille donnée
On appelle refus, la quantité ne passant pas au travers d'un tamis de maille donnée
Courbe de répartition granulométrique : c'est la courbe de pourcentage de la masse
de chaque fraction granulométrique passant une série de tamis d’essais en fonction de
l’ouverture de la maille du tamis.
IV.1.2. Les fonctions de distributions
Une autre approche des distributions consiste à prendre des modèles mathématiques
approchant ce qui est obtenu expérimentalement. Cette approche est intéressante, car elle
donne une caractérisation à deux paramètres (voir plus), donc une représentation plus fine que
par un diamètre moyen.
Description à l’aide d’une fonction mathématique à 2 paramètres se fait généralement par :
Distribution de Gauss.
Distribution normale
distribution log-normale.
distribution Rosin Rammler.
IV.1.3. Principales fonctions de distributions
Distribution normale :
Un certain nombre d’opérations qui fournissent des particules qui croissent dans le temps
(cristallisation, produits de sublimation) présentent une distribution de dimension symétrique
qui peut être représentée par une loi normale.
Distribution log-normale :
De nombreux produits obtenus par broyage ou par électrolyse (poudres métalliques)

présentent une distribution de diamètre dissymétrique avec un maximum repoussé à gauche

de la moyenne, il est souvent possible de retourner à une distribution normale en utilisant des
coordonnées logarithmiques.
Distribution de ROSIN-RAMMLER-SPERLING
Les poudres et les poussières se laissent généralement bien représenter par la distribution
double logarithmique de ROSIN-RAMMLER-SPERLING.
Cette distribution représente la fraction de volume 𝑉𝑑 de l’échantillon dont les diamétres
sont supérieurs à d soit :
  d n 
Vd = exp    
p
III - 3
  d p0  

 
Si on porte log (1/𝑉𝑑 ) en fonction de log(d) on obtient une droite qui permet de définir
l’indice de dispersion n et le diamètre moyen de ROSIN-RAMMLER-SPERLING tel que les
particules de diamètre supérieur à dP0 représentent à 36,8% du volume de la dispersion.
Dans les installations de broyage fin équipé de séparateurs on représente la granulométrie
sur des échelles logarithmiques :
Sur l'axe horizontal la granulométrie en logarithme décimale.
Sur l'axe vertical le logarithme du logarithme du passant.
On obtient alors quasiment une droite caractérisée par sa pente dite de Rosin-Ramler :
Fonction Fraction cumulée passant Q(x)

1  x 
log-normale erf  . ln  
 n  d 0 
  x 
n

ROSIN-RAMMLER 1  exf    
  d 0  
n
 x 
Gates-Gaudin-Schumann  
 d0 
n
 x
Gaudin-Meloy 1  1  
 d0 
Tableau 7. Exemples de fonctions de distribution [1]

La courbe de distribution est très riche en informations, mais difficile à manipuler :
Figure 14. Représentation graphique de la courbe de distribution des particules
IV.3. Lois et mécanismes du broyage

Comme le broyage du clinker est consommateur d’énergie, divers chercheurs ont étudié la
broyabilité du clinker et la relation entre la finesse du produit broyé et sa consommation
énergétique. La plupart des déductions ont été faites par Rittinger, Kick, et Bond (Mizonov et
al. 1997). Ces chercheurs ont lié la taille moyenne des particules de l'échantillon avant et
après le broyage avec l’énergie spécifique fournie et nécessaire pour produire la
transformation d’une taille brute à la taille désirée.
Les trois «lois» de broyage sont définies par les équations suivantes [2][3].
1 1
𝑊 = 𝐶1 [𝑋 − 𝑋 ] Loi de Rettinger
2 1
1 1
𝑊 = 𝐶2 [ − ] Loi de Bond
𝑋2 𝑋1
𝑋
𝑊 = 𝐶3 𝐿𝑛 𝑋1 Loi de Kick
2
avec :
W : énergie spécifique du broyage.

X1et X2 : la taille initiale et finale de la particule.
Ces trois équations peuvent être décrites par l’équation suivante décrivant la relation entre
l’énergie du broyage et la taille des particules (Mishulovich, 2004).
𝑑𝑊
= −𝐶𝑖 . 𝑋 −𝑝 III - 4
𝑑𝑋
avec,

X : taille de la particule,
p : paramètre dépendant de la loi de broyage, pour le cas de la loi de Rittinger, p = 2; pour
la loi de Bond p = 1.5; pour la loi de Kick p = 1.
Les trois théories considèrent un échantillon dont les particules ont une même taille et
ignorent la distribution granulométrique non uniforme de l'alimentation et du flux du produit.
En effet Ils ne tiennent pas en compte les interactions et négligent l'énergie consommée par la
déformation plastique. La modification apportée par Holmes prend en compte la distribution
granulométrique des particules au début et la fin du processus de broyage (Juhasz et Opoczky,
1990):
1 1
𝑊 = 𝐶4 [ 𝑛2 − ] III - 5
𝑋2 𝑋1 𝑛 1
Avec
X1, X2 la taille moyenne des particules de l’alimentation et du produit.

n1, n2 facteur d’uniformité des particules.
V. Circuit fermé du Broyage

V.1. Broyage du clinker : Broyeur à boulets
Le clinker étant un matériau de broyabilité médiocre, il faut en tenir compte dans le choix
des appareils de broyage. LAFARGE Ciment de Meknès dispose de trois broyeurs à boulets
dont les caractéristiques sont présentées dans le tableau suivant :
Broyeur BK3 BK4 BK5

Caractéristiques
Marque PFEIFER POLYSIUS POLYSIUS
Année de départ 1969 1961 2001
Longueur (m) 11.25 11.06 12.00
Diamètre nominal (m) 3.4 3.2 4.2
Puissance (KW) 1620 1400 2700
Débit (t/h) 65 50 100
Tableau 8. Caractéristique des Broyeur de LAFARGE Meknès
Le tube-broyeur à boulets est divisé en deux compartiments recouverts de plaques de

blindage en acier, le premier étant moins long que le deuxième. Le clinker en entrée, dont
80% du passant se situe entre 10 et 20 mm, est broyé dans le premier compartiment, où des
boulets en acier de tailles échelonnées (de 60 à 100 mm) sont utilisés comme corps broyants.
Le deuxième compartiment assure le broyage fin à l’aide de boulets plus petits (inférieurs à 25
mm). Un diaphragme sépare les deux compartiments et ne laisse transiter que les grains de
taille suffisamment réduite pour procéder au broyage fin. Le clinker broyé, dont 100% passe
au tamis de 90 μm, sort du broyeur par la grille de décharge qui empêche les boulets de sortir
du deuxième compartiment.

Figure 15. Broyeur à boulets
Dans le broyeur à boulets (figure 15), les trois modes que sont la percussion, l’impact et le
frottement sont plus ou moins mis en jeu selon la vitesse de rotation utilisée. Il existe
plusieurs états de broyage selon la vitesse de rotation. Parmi eux, si la vitesse est faible, un
état de glissement de la matière donne lieu à un broyage par frottement. Lorsque la vitesse est
trop importante, toute la matière est plaquée contre les parois du broyeur, et la fragmentation
ne peut pas se produire. Dans un broyeur à boulets ayant une vitesse intermédiaire entre les
deux précédentes, le régime de cascade est atteint .Les nodules de clinker sont réduits grâce
aux modes de broyage par percussion, par impact et par frottement.
V.2. Classification
V.2.1. Généralités
La présence d’un séparateur de particules fines dans le circuit du broyage conduit à une
économie de 10 à 15 % d’énergie électrique. Dans ce cas l’installation de broyage est dite à
circuit fermé, par opposition au circuit ouvert où aucun dispositif d’évacuation des plus fines
particules n’est présent (figure 16). De cette manière, l'agglomération des particules et leur
adhérence sur les corps broyants et sur les parois du broyeur au cours du broyage est évitée
[Beke, 1973]. Ceci est permis grâce au recyclage constant des matériaux broyés dans un
circuit fermé, qui améliore ainsi le processus de fragmentation.
Figure 16. Schéma de principe de deux types de circuits de broyage

V.2.2. Séparateur dynamique
Afin d’augmenter le rendement énergétique et d’éviter le surbroyage en éliminant dès la

sortie du broyeur les grains de finesse suffisante, le broyeur à boulets est associé à un système
de classification ou de séparation.
Les séparateurs communément employés peuvent être divisés en deux groupes : les
séparateurs statiques et les séparateurs dynamiques. On se limitera en ce qui suit au séparateur
dynamique dont sont équipés les broyeurs du cuit à l’usine de Meknès.
Le séparateur dynamique est un classificateur à air constitué par une enceinte

cylindroconique, illustrée sur la figure 17, dans laquelle tourne un ventilateur à axe vertical.
Un plateau tournant situé sous le ventilateur reçoit les particules à séparer et les disperse dans
le courant d’air crée par le ventilateur. Les particules les plus fines sont entraînées vers la
paroi extérieure tandis que les gruaux tombent au centre de l’appareil. La vitesse de l’air
influence la taille des particules séparées.
Figure 17. Schéma de principe du Séparateur dynamique
Les trois flux de matières qui caractérisent le fonctionnement du séparateur sont (voir
Figure 17):
Alimentation du séparateur,
Rejeté (matériaux grossiers), et
Les fines.
Chacun des trois flux de matières est caractérisé par le débit massique individuel, B, et la
distribution granulométrique des particules (PSD Particle Size Distribution), f (x). Les
courbes granulométriques typiques décrivant les trois flux sont présentées dans la figure 18.

100
Pourcentage de passant (%) 90
Alimentation
80
Rejets
70 Fines
Q2(x)
60
50
40
Q1(x)
30
20
10 Q3(x)
0
0,1 1 10 100 1000
Taille de la maille (x) m
Figure 18. Courbes granulométriques
Pour représenter la taille des grains dans un échantillon, on définit fi le pourcentage en

masse des grains dont la taille x est comprise entre xi et xi+1 ; les débits massiques des solides
sont désignés par la lettre B (Figure 19).
Figure 19. Représentation Simplifié de système fermé de Broyage
V.2.3. Bilan matière et notion de partage
En régime d’équilibre, les grandeurs vraies doivent vérifier les équations de bilan-matière :
B1  B2  B3
B1 .f 1i  B2 .f 2i  B3 .f 3i i  1,..., n
Où n représente le nombre des « tranches granulométriques».

Dans la pratique, on définit souvent le coefficient de partage du débit ou encore le

rendement poids :
B
Tromp  2 III - 6
B1
La valeur du coefficient de partage pour la i-ème fraction est définit de façon similaire :
f i2 .B 2
Tromp i  III - 7
f i1 .B1
Les deux formules précédentes forment un système d'équations qui permet de définir
l’équation de la courbe de partage sur toute la gamme des tailles des particules en utilisant
uniquement les données de la PSD. En effet, l’équation de conservation des débits par
tranches granulométriques s’écrit :
f 1i  Tromp.f2i  1  Tromp.f 3i III - 8
Soit :
B2 f  f 3i
Tromp   1i III - 9
B3 f 2 i  f 3i
Ainsi, la courbe de partage peut être représentée par :

f 2i f 1i  f 3i
Trompi  . III - 10
f 1i f 2i  f 3i
La courbe de partage construite à partir des données de la distribution des particules est
représentée dans la figure ci-dessous:
Figure 20. Courbe de partage

V.3. Glossaire sur le calcul de la puissance des broyeurs

La vitesse de rotation du broyeur, le taux de remplissage et le type de blindage sont des
facteurs déterminants des performances du broyeur.
vitesse de rotation :
La vitesse de rotation des broyeurs à corps broyants libres est un paramètre important aussi
bien pour la détermination de la puissance du moteur à installer que pour l’usure des corps
broyants et du blindage. Cette vitesse est une fraction de la vitesse critique Nc (en tr/min)
donnée par la relation :
32
C = III - 11
Di
Avec Di le diamètre intérieur du broyeur (m).
Taux de remplissage
Le taux de remplissage est définit par la relation suivante :
Volume apparent
Taux de remplissage (%) =  100 III - 12
Volume utile
1  Hauteur à vide    Hauteur à vide 1  
Taux de remplissage (%) = Arcos 2  1 - sin  2.Arcos    III - 13
  Hauteur util    Hauteur util 2 
Figure 21. Volume apparent du broyeur
Puissance à vide :
L’énergie (en kWh) nécessaire à l’arbre du moteur pour entraîner l’appareil à vide est
calculé par tonne de corps broyants à partir de la relation suivante :
Wb = 4,8790,3 (3,2 - 3 Vp)  f 1 - 0,059 - 10 f  + Z
Avec Vp : le taux de remplissage du broyeur.
f : fraction de la vitesse critique Nc à laquelle tourne le broyeur.
Z : facteur tenant compte de la taille des boulets pour les broyeurs de diamètre
iinterblindage supérieur à 3,3 m, déterminé par la relation :
Z = 0,022 (B – 12,5 Di)
où Di en mètres et B diamètre des boulets en millimètres.
VI. Chaine de Markov
VI.1.Généralités
Pour modéliser l’évolution au cours du temps (la dynamique) d’un système, on choisit
souvent des modèles aléatoires. Les plus simples de ces modèles aléatoires sont les chaines de
Markov.
On modélise avec des chaines de Markov l’évolution au cours du temps des quantités X
qui peuvent prendre un nombre fini d’états X =𝑥1 , X =𝑥2 , . . ., X = 𝑥𝑛 et qui passent de l’état
𝑥𝑖 à l’instant t à l’état 𝑥𝑗 à l’instant suivant t + 1 avec une probabilité 𝑝𝑖𝑗 donnée. Les
nombres 𝑝𝑖𝑗 = P (𝑋𝑡+1 = 𝑥𝑗 /𝑋𝑡 =𝑥𝑖 ) vérifient donc 0 ≤ 𝑝𝑖𝑗 ≤ 1 et 𝑝𝑛𝑗 =0 𝑝𝑖𝑗 = 1 (puisque si la
chaine est dans l’état xi à un instant, elle sera nécessairement dans l’un des états possibles :
x1, x2,. . .xn à l’instant suivant et donc pi1  pi 2  ...  pin  1 .
L’expression P (𝑋𝑡+1 = 𝑥𝑗 /𝑋𝑡 =𝑥𝑖 ) s’appelle une probabilité conditionnelle et représente la

“probabilité que la quantité X vaille 𝑥𝑗 à l’instant t + 1 sachant qu’elle valait xi à l’instant t”.
Pour définir une chaine de Markov il faut donc deux ingrédients de base :
L’espace des états S = {𝑥1 , . . .𝑥𝑛 } connu que l’on supposera fini.
La matrice de transition (ou de passage).
Lorsqu’un système est modélisé par une équation différentielle son avenir est uniquement
déterminé par sa situation présente, d’où son nom de dynamique déterministe. Pour une
chaîne de Markov au contraire, on fait l’hypothèse qu’il y a plusieurs évolutions possibles à
partir de la situation présente, chacune d’elles ayant une certaine probabilité de se réaliser.
C’est cette incertitude sur l’avenir qui est prise en compte par les modèles markoviens que
l’on appelle pour cette raison dynamiques aléatoires ou stochastiques. Il existe bien d’autres
dynamiques aléatoires que les chaînes de Markov mais celles-ci ont une propriété bien
spéciale, que l’on appelle absence de mémoire (ou simplement propriété de Markov) que nous
allons indiquer à présent. Lorsqu’un système a plusieurs avenirs possibles à partir de son état
présent, il se pourrait que la probabilité que l’un ou l’autre de ces avenirs se réalise dépende
non seulement de son état présent mais aussi de son histoire récente : dans ce cas, il faudrait
par exemple prendre en compte le fait que la probabilité 𝑝𝑖𝑗 = P (𝑋𝑡+1 = 𝑥𝑗 /𝑋𝑡 =𝑥𝑖 ) pourrait
être différente selon que 𝑋𝑡−1 = 𝑥𝑘 ou que 𝑋𝑡−1 =𝑥1 . Il n’y aurait plus moyen alors de définir
de matrice de transition. En réalité, lorsqu’on adopte une modélisation par une chaîne de
Markov, on suppose de fait que la dynamique aléatoire considérée possède la propriété
suivante, appelée propriété de Markov :
P (𝑋𝑡+1 = 𝑥𝑗 / 𝑋1 = 𝑥1 . . . 𝑋𝑡 = 𝑥𝑖 ) = P (𝑋𝑡+1 = 𝑥𝑗 /𝑋𝑡 = 𝑥𝑖 ) III - 14
𝑝11 ⋯ 𝑃1𝑛 𝑥1
𝑝 = (𝑝𝑖𝑗 )1≤𝑖≤𝑛,1≤𝑗 ≤𝑛 = ⋮ ⋱ ⋮ ⋮ III - 15
𝑝𝑛1 ⋯ 𝑝𝑛𝑛 𝑥𝑛
{𝑋𝑛 } Suite de variables aléatoires prenant des valeurs dans ε = {0, 1, 2……m}, ε
dénombrable.
VI.2. Probabilité de transition

Définition :
Probabilité de transition P (𝑋𝑛+1 = 𝑗/𝑋𝑛 =𝑖)
 Calcul des probabilités de transitions après n transitions :
La matrice des probabilités de transition après n pas P(n) est la puissance n de la matrice
des probabilités de transition P, soit p n = P n . La probabilité de se trouver dans un état
donné de la chaîne de Markov à un temps arbitraire n est donnée par :
p(n) = p (n - 1) ×P III - 16
La chaîne de Markov discrète divise la propriété objet de l’étude en n intervalles discrets.

Les intervalles sont appelés états du système. Tous les états possibles, fi, forme l'espace
d'état du problème, et l'ensemble de leurs probabilités forme le vecteur d'état, F, de taille n×1.
Lorsqu'il est appliqué à la simulation les procédés du broyage, les modèles de chaîne de
Markov modélise les variations des propriétés des particules broyées. Les probabilités des
états fi peuvent être représenté par la densité de probabilité f(x), ou la fréquence de
distribution des particules (Berthiaux et al., 2005).
La période d’observation du procédé peut elle aussi être divisée en Δt, le temps présent
peut être représenté par une séquence de valeurs discrètes.
𝑡𝐾 = Δt×K
Avec 𝑡𝐾 – représentation discrète du temps;

Δt – durée de transition
K – nombre naturel (1, 2, 3, etc.).
le vecteur d’état 𝐹𝐾 , passé à l’état transforme𝐹𝐾+1 , pendant la Kiéme transition de 𝑡𝐾 à

𝑡𝐾+1 , ceci veut dire que les caractéristiques de la particule passe d’un état à un autre ,avec une
probabilité propre à elle (chaque transition a une probabilité d’arriver)
𝐹𝐾+1 = P× 𝐹𝐾
Où P est la matrice des probabilités de transition.
La matrice P constitue le pilier de la chaine de Markov, puisqu’elle contient les

probabilités de transition d’un état à un autre. Les valeurs 𝑝𝑖𝑗 de la matrice P, représente la
probabilité de transition d’un état i à un état j.
Comme cas particulier, l’opération du broyage d’un état K+1 à partir d’un état initial 0,
sera décrite par :
𝐹𝐾+1 = 𝑃𝐾 ×F0

VII. Modélisation du broyage par chaine de Markov
VII.1. Transformation d’échelle des mailles

Les définitions et les propriétés citées ci-dessus sur la théorie de la chaine de Markov vont
nous aider à comprendre les notions de la matrice de fragmentation pour le broyeur et celle de
classification liée au séparateur.
L'ensemble des maille à calculer (et le pourcentage des particules passantes ou

accumulées) devrait couvrir toute la gamme des tailles des particules de la plus petite dans le
produit final à la plus grande. La différence entre la plus grande et la plus petite taille peut
atteindre jusqu'à 106 fois, en effet, la matière première alimentant le broyeur d’une grande
taille par rapport aux particules à la sortie du broyeur qui ont subit le broyage. Les mailles de
calcul doivent être déterminées en utilisant une série géométrique.
L'expression suivante remplit bien cette tâche et couvre la gamme des tailles d'intérêt dans
environ 40 mailles :
𝑖−2
𝑥𝑚𝑖 = 𝑥𝑚𝑚𝑖𝑛 + γ × 2 2 pour i ≥ 2 III - 17
Avec 𝑥𝑚𝑖 – taille des particules calculée, μm

𝑥𝑚𝑚𝑖𝑛 – première taille calculée (i = 1), μm
i – nombre de tamis, par ordre croissant, du plus petit tamis au plus grand
γ – coefficient arbitraire.
La distribution granulométrique obtenue à partir des données expérimentales, ne fournit

que des données incomplètes à cause du nombre limité des tamis utilisés, donc en pratique
pour mesurer cette distribution, on a recourt à l’interpolation de la distribution accumulative
vu qu’elle permet de disposer d’un modèle permettant de recalculer le pourcentage des
particules passantes correspondant à chaque taille de particules.
Notre modèle numérique se basera sur les données expérimentales de la distribution

granulométrique des particules (déjà obtenues par tamisage ou autre méthode), on l’appellera
modèle des « mailles numériques ».
Figure 22. Principe de Transformation d’échelle

On a :
𝑋𝑚 𝑖 −𝑋 𝑗
𝑄𝑚𝑖 =𝑄𝑗 +𝑋 𝑄𝑗 +1 − 𝑄𝑗 III - 18
𝑗 +1 −𝑋 𝑗
Avec : Qm– pourcentage cumulé des particules passantes,

Q – mesure du pourcentage cumulé des particules passantes,
x – taille des particules mesurée, μm.
Pour utiliser la distribution granulométrique dans le modèle, la distribution du refus

cumulé de l’alimentation, 𝑄𝑚0 (𝑥𝑚 ), doit être transformée en forme différentielle du vecteur
F0.
Le vecteur d’état F0 représente une distribution discrète et normalisée du flux

d’alimentation (les particules de petites tailles ont des petits indices) :
𝐹 (𝑖) 0 = 𝑄𝑚0 (𝑖+1) − 𝑄𝑚0 (𝑖)
où i est l’indice du tamis calculé et 0 désigne le flux d’alimentation.
VII.2. Les fonctions de sélection et de fragmentation

Au cours du broyage, les particules sont réduites à des tailles plus petites (elles
n’appartiennent plus à leurs tailles initiales). En effet, chaque particule (particule source)
donne plusieurs particules plus petites (particules réceptrices), ces dernières sont distribuées
et mélangées avec d’autres particules de différentes tailles (récipient).
Les caractéristiques de la proportion broyée et la manière dont ces particules sont

distribuées parmi les particules de plus petites tailles sont données par les fonctions de
distribution et de sélection.
La fonction de sélection utilisée dans la simulation des procédés du broyage, décrit le taux
fragmentation des particules .Cette fonction représente les lois de broyage déjà définies, elle
relie la taille de la particule soumise au forces de broyages avec l’énergie requise pour passer
à une nouvelle surface des particules après broyage.
La forme générale de la fonction de sélection [4]:

𝑥
S(x)= α ×( )β III - 19
𝑥 𝑚𝑎𝑥
Avec : S(x)– la fonction de sélection en fonction de la taille de la particule, x, en 1/s,

𝑥𝑚𝑎𝑥 – plus grande taille, du tamisage calculé (xn), μm,
α and β – les constants de broyage trouvées à partir du modèle numérique.
α est proportionnel à l’énergie demandée pour la rupture et la résistance de la particule à la

fragmentation. Le paramètre β est Presque de même valeur que p dans les lois de broyage :
Si le procédés suit la loi de Rittinger du broyage, alors β = 1; dans le cas de la loi de Bond
alors, β = 0,5.

La fonction de sélection décrit le taux de broyage, son unité est s-1 .en multipliant cette
fonction par la durée de l’observation du procédé, Δt, cette fonction décrira la probabilité pour
que la particule de clinker soit fracturée.
Il est intéressant de comprendre comment une fraction, j, contenant fj portions du total de

l’échantillon, se comporte. Les forces agissants sur le clinker au cours du broyage, font
qu’une partie de la fraction 𝑓𝑗 est broyée : (𝑆𝑗 Δt), alors que l’autre fraction reste dans sa faction
initiale : (1 – 𝑆𝑗 Δt).
Le clinker broyé, passe d’une fraction de dimension j à une fraction de dimensions plus
petites d’indices i, avec i < j , si les particules ne s’agglomèrent pas, la matière broyée ne peut
pas générer des particules pour lesquelles : i > j.
Figure 23. Fonction de sélection et de fragmentation
Les particules broyées sont distribuées et mélangées aux particules de dimensions

inférieures. Les lois de distribution sont décrient par le paramètre 𝑏𝑖𝑗 . L’indice, i, indique la
fraction réceptrice et le second indice, j, indique la fraction source. La proportion du matériel
broyé, qui se transforme en fractions plus petites i est égal à ( 𝑏𝑖𝑗 𝑆𝑗 Δt). La somme des
𝑗 −1
paramètres 𝑏𝑖𝑗 doit être égale à 1 : 𝑖=1 𝑏𝑖𝑗 = 1.
Pour définir la fonction de distribution, on assume que la distribution des fractions des
particules après broyage parmi les particules de petites tailles est uniforme.
𝑑𝑥 𝑖
𝑏𝑖𝑗 = III - 20
𝑥 𝑗 −𝑥 𝑚𝑖𝑛
Avec : 𝑑𝑥𝑖 – la largeur des fractions réceptrices i, μm

𝑥𝑗 – la taille de la fraction source j, μm
𝑥𝑚𝑖𝑛 – première taille calculée (i, j = 1), μm.
VII.3. Matrice de Fragmentation

La matrice de broyage, G, est un cas particulier de la matrice de transition, P déjà
expliquée dans la théorie de Markov. Cette matrice vient du fait que le broyage est réalisé en

série de transition que la matière subit depuis son entrée au broyeur jusqu’à sa sortie de ce
dernier :
𝐹𝐾+1 = 𝑃 × 𝐹𝑘 III - 21
Le procédé répétitif du broyage, fait que 𝐹𝐾 = 𝑃𝐾 𝐹0 représente les transitions du vecteur
d’état avec le temps. Les éléments de la matrice du broyage sont déterminés par les fonctions
de sélection et de distribution.
La matrice de fragmentation est définit par :

 1 b12 s 2 t b13 s 3 t ... b2 n s n  
 0 1  s t b s t ... b2 n s n  
 2 23 3
G  0 0 1  s 3 t ... b3 n s n t  III - 22
 
... ... ... ... ... 
 0 0 0 ... 1  s n t 
La matrice G est triangulaire supérieure. La diagonale définit la probabilité pour que la

particule ne se subisse aucune fragmentation. Les particules les plus petites et appartenant
aux fractions de petites dimensions ne subissent aucun changement de taille et leurs
probabilité de rester comme elles sont est 100% (G11 = 1).
Les autres éléments de la matrice représentent la fonction de distribution et définit la

probabilité pour que les particules passent d’une fraction à une autre : de la fraction source (la
colonne) à la fraction réceptrice(les lignes).
Les valeurs en bas de la matrice sont nulles en négligeant toute agglomération possible des
particules.
Chaque étape du broyage est décrite par :
𝐹0 𝐾+1 = [𝐺] 𝐹0 𝐾 III - 23
L’indice 0 désigne l’alimentation, k et k+1, désignent le vecteur d’état F0.
On peut exprimer les fractions de dimension i, produites après une seule étape de transition
par l’équation suivante:
𝑛
(𝑘+1) (𝑘) (𝑘)
𝑓𝑖 = 𝑓𝑖 − 𝑓𝑖 𝑆𝑖 Δt + 𝑓𝑗 (𝑘) . 𝑏𝑖𝑗 . 𝑆𝑗 Δt III − 24
𝑗 =𝑖+1
Le premier terme désigne, le nombre des particules initiales appartenant à la fraction i, le

second terme représente le nombre des particules quittant la fraction i vers une autre fraction
à cause du broyage et le troisième terme représente le nombre de particules quittant une
fraction différente de i et parmi les nouvelles fractions de ses particules broyées, s’il y a
présence de particules de dimension i, ces dernières vont rejoindre la fraction i.
Comme c’est le cas dans l’équation :

𝐹𝐾 = 𝑃𝐾 × 𝐹0 III - 25

le vecteur d’état définissant la distribution de la matière dans le broyeur peut être calculé par
l’équation suivante :
[𝐹1 ] = 𝐹0 𝑘 = [𝐺]𝑘 𝐹0 0 III - 26
Avec [𝐹1 ] – le vecteur d’état du flux d’alimentation du séparateur

𝐹0 𝑘 – le vecteur d’état du flux (frais) d’alimentation après la kéme transition.
𝑘
[𝐺] – est le résultat de G à la puissance k multiplications (après la kéme transition de la
matrice de broyage).
𝐹0 0 – le vecteur d’état initial du flux d’alimentation frais.
Étant proportionnel au temps, le nombre de transitions k, peut être considéré comme le

temps de résidence dans le broyeur. En effet plus la matière reste dans le broyeur plus on a un
plus grand nombre de transitions, et le résultat obtenu est meilleur dans ce cas on aura des
particules plus fines à la sortie du broyeur.
VII.4. Matrice de Classification [5]

Le séparateur dynamique à circuit fermé est représenté par la matrice de classification
diagonale, C, les éléments Ci représentent la part relative de la fraction i qui transite dans le
produit final.
La matrice de classification est le résultat de la discrétisation de la courbe de partage du

séparateur. Sa taille est déterminée par le nombre d'éléments du vecteur d'état: n×n.
C1 0 ... 0 
0 C2 ... 0 
C III - 26
 ... ... ... ... 
 
0 0 0 Cn 
Contrairement à la fragmentation, le processus de séparation est supposé se produire au

cours d'une seule transition du processus de chaîne de Markov. Il y a deux flux de matières
qui résultent de la procédure de classement.
Les distributions de la taille des particules pour tous les deux, produit fini, F3, et matériaux
grossiers, F2, sont calculées en utilisant la matrice C.
On a :
F3   CF1  III - 27
F2   I  C  F1  III - 28
Avec [I] la matrice identité.
VII.5. Formulation du modèle global [6]

On définit une matrice M qui décrit le système fermé en total. Chaque colonne de la
matrice M correspond à un élément du circuit. La matrice des probabilités de transition d’un
élément est placée dans la colonne de la matrice M.

Les matrices de probabilités de transition du broyeur, du séparateur C ainsi que la matrice

(I – C) sont placés dans la matrice M :
0 I  C 0
M  G 0 0 III - 29
 0 C 0
M est une matrice block, avec un nombre de block correspond au nombre d’éléments dans le
circuit fermé (3 × 3).
Pour que la matrice M soit exploitable dans le modèle numérique, on introduit un vecteur
𝐹𝑀 et 𝐹𝑀0 tel que :
 F1   F1 

F   F2 
M  & F0   0 
M
III - 30
 F3   0 
Pour faciliter les calculs, Δt doit être égal au temps de séjour dans le broyeur, aussi ce
dernier doit être considéré comme un réacteur à piston ou une succession de réacteurs parfaits.
Figure 24. Modèle du circuit fermé du broyage
Il faut cependant noter que compte tenu du temps de résidence dans le séparateur est court
par rapport au temps de résidence dans le broyeur, d’ou une approche similaire à la matrice de
transition du broyeur doit être appliqué à la matrice de transition du séparateur.
Pour chaque étape de transition et pour une durée Δt choisie, la matrice G du broyeur ,la
matrice C du séparateur et la matrice du circuit fermé M, servent à calculer le vecteur d’état
FM :
[𝐹 𝑀 ]𝑘+1 = [𝑀]([𝐹 𝑀 ]𝑘 + [𝐹0 𝑀 ]𝑘 )
Pour la représentation matricielle, cela peut écrit de la façon suivante:
 F1  0 I  C 0  F1  F0   I  C F1 
 F   G 0 0  F2   G F1  F0 
  
 2 
 F3  k 1  0 C 0  F3  k  C.F2 
avec 𝐹0 : Le flux d’alimentation frais

𝐹1 = (𝐼 − 𝐶)𝐹2 , Rejets
𝐹2 = 𝐹1 + 𝐹0 𝐺, Alimentation du séparateur
𝐹3 = 𝐹2 . 𝐶, produit final.
Le débit de la matière entrant dans le j-éme élément du circuit :

𝑛
𝐵𝑗 = 𝐵0 𝑓𝑖𝑗
𝑖=1
Où 𝐵0 est le débit frais d’alimentation
𝑓𝑖𝑗 : la taille des particules de la i-éme fraction entrant dans le j-éme élément du circuit
n : le nombre total des différentes tailles de fractions.
VII.5. Application du modèle

La théorie de la chaine de Markov sur un circuit fermé du broyage, a constitué pour nous
une première étape pour passer à un modèle numérique pouvant modéliser le circuit fermé
broyeur+ séparateur (les principes du modèle numérique étant détaillés ci-dessus) et pouvant
nous fournir les résultats nécessaires pour optimiser son fonctionnement.
Le programme à été implémenté à l’aide du logiciel VB.net.
Des donnés essentielles concernant la distribution granulométrique des particules à l’entrée

et sortie du broyeur et du séparateur ont été recueillies sur le site de Lafarge ciment Meknès et
les résultats des échantillons nous ont été délivrés par le laboratoire de Lafarge.
Le chapitre des résultats exposera les résultats obtenus ainsi que les interfaces conçues
pour le broyeur, des graphes illustrant et décrivant le procédé du broyage seront fournis par
notre logiciel.

Optimisation énergétique et environnemental .
Chapitre 4
Optimisation Energétique & Environnementale
I. Problème d’optimisation
II. Stratégie d’optimisation : Algorithmes heuristiques
III. Optimisation sous contraintes
IV. Modèle d’optimisation dans l’industrie cimentière

Chapitre 4
Optimisation Energétique & Environnementale
De très nombreux problèmes du monde réel impliquent l’optimisation simultanée de

plusieurs critères qui peuvent être contradictoires. La résolution des problèmes d'optimisation
est devenue un sujet central dans l’industrie, le nombre de problèmes d'aide à la décision
pouvant être formalisés sous la forme d'un problème d'optimisation est en forte croissance.
Ce chapitre présente un état de l'art des méta-heuristiques d'optimisation aussi bien pour les
problèmes mono-objectif que pour les problèmes multi-objectifs. Un intérêt particulier est
apporté à la méthode d'Optimisation par algorithmes génétiques ainsi que pour l’optimisation
par Essaim Particulaire (OEP), qui sont les deux méthodes utilisées dans notre travail.
Trouver un compromis entre les objectifs du coût et de l’environnement tout en respectant la
qualité du produit finale, tel est l’objectif de notre travail dans ce chapitre.
Dans le cadre de l’optimisation, le choix d’un critère d’optimisation du coût de fabrication

du ciment est nécessaire.
Dans l’industrie cimentière, la qualité du produit final est indispensable, d’ou la nécessité
de bâtir un critère énergétique cohérent.
Il s'agit donc pour nous de réaliser une optimisation simultanée de l’énergie électrique et
de composition optimale des matières premières et des combustibles utilisés dans la
fabrication du ciment. L’objectif est de bâtir, un algorithme d’optimisation aussi rigoureux
que possible.
I. Les problèmes d’optimisation

Résoudre un problème d’optimisation, c’est rechercher parmi un ensemble de solutions
qui vérifient des contraintes données, les solutions qui rendent minimale (ou maximale) une
fonction mesurant la qualité de cette solution. Cette fonction est appelée fonction objective.
Les contraintes et la fonction objective s’expriment à l’aide de relations mathématiques qui
combinent les paramètres connus et les variables du problème. Ces variables correspondent
souvent à des décisions à prendre de manière à obtenir l’optimum souhaité.
Le problème général s’écrit sous la forme :

min 𝑓(𝑥)
𝑔(𝑥) ≤ 0 IV - 1
𝑕 𝑥 =0
où les fonctions g et h désignent respectivement les contraintes d’inégalités et d’égalités. Ces
fonctions peuvent être linéaires ou non-linéaires.

Figure 25. Schéma général d’optimisation
II. Stratégie d’optimisation : Algorithmes heuristiques
II.1. Algorithmes évolutionnaires
Les algorithmes évolutionnaires, élaborés au cours des années 1950, forment une famille
d'algorithmes de recherche inspirés de l'évolution biologique des espèces. L'idée ici est de
s'inspirer de la théorie darwiniste de sélection naturelle pour résoudre des problèmes
d'optimisation.
Au cours des années 1970, avec l'avènement des calculateurs de forte puissance, de
nombreuses tentatives ont été réalisées pour modéliser cette approche. Trois approches se sont
détachées :
Les stratégies d'évolution qui ont été conçues comme une méthode d'optimisation à
variables continues.
La programmation évolutionnaire, qui visait à faire évoluer les structures d'automates
à états définis par des successions de croisements et de mutations.
Les algorithmes génétiques [Holland, 1973 ; Goldberg, 1989 ; Holland, 1992], qui ont
été conçus pour résoudre des problèmes d'optimisation à variables discrètes.
II.2. Optimisation par algorithmes génétiques [1]
L’AG est une technique d’optimisation basée sur les concepts de la sélection naturelle et
génétique. L’algorithme commence avec un ensemble de solutions possibles du problème
(individus), constituant une population. Les individus sont formés par des variables, qui sont
les paramètres à ajuster dans un dispositif (par exemple, la longueur et la largeur du système à
optimiser). Cette population est conçue aléatoirement à l’intérieur des limites prédéfinies (par
exemple, les limites dictées par les aspects constructifs).
Certaines solutions de la première population sont utilisées pour former, à partir

d’opérateurs génétiques (croisement, mutation, etc.), une nouvelle population. Ceci est motivé
par l’espoir que la nouvelle population soit meilleure que la précédente. Les solutions qui

serviront à former de nouvelles solutions sont sélectionnées aléatoirement d’après leurs

mérites (représentés par une « fonction objective » spécifique au problème posé, qui devra
être minimisée ou maximisée) : plus l’individu est meilleur, plus grandes seront ses chances
de se reproduire (c’est-à-dire, plus grande sera sa probabilité d’être sélectionné pour subir les
opérateurs génétiques). Ceci est répété jusqu’à ce qu’un critère de convergence soit satisfait
(par exemple, le nombre de générations ou le mérite de la meilleure solution).
Figure 26. Cycle d’un algorithme génétique
II.2.1. Lexique des AG

Individu/chromosome/séquence : une solution potentielle du problème qui correspond
à une valeur codée de la variable (ou des variables) en considération.
Population : un ensemble de chromosomes ou de points de l’espace de recherche

(donc des valeurs codées des variables).
Environnement : l’espace de recherche (caractérisé en termes de performance

correspondant à chaque individu possible).
Fonction de performance : la fonction - positive - que nous cherchons à maximiser car

elle représente l’adaptation de l’individu à son environnement.
II.2.2. Fonctionnement des algorithmes génétiques

Le fonctionnement d’un AG est alors basé sur les phases suivantes (voir Figure 26 pour un
exemple délibérément trivial que nous allons utiliser pour illustrer cette section) :
Initialisation (Figure 26-étape (a) pour t0=0). Une population initiale de chromosomes
est tirée aléatoirement. N
Évaluation (premier élément de l’étape (b)). Chaque chromosome est décodé, puis
évalué.
Sélection (les derniers éléments de l’étape (b) et (c)). Création d’une nouvelle
population de chromosomes par l’utilisation d’une méthode de sélection appropriée. N
Reproduction. Possibilité de croisement (étape (d)) et de mutation (étape (e)) au sein
de la nouvelle population.

Retour à la phase d’évaluation (étape (f)) tant que la condition d’arrêt du problème
n’est pas satisfaite.
II.2.3. Codage
Un chromosome est une suite de gène, on peut par exemple choisir de regrouper les
paramètres similaires dans un même chromosome (chromosome à un seul brin) et chaque
gène sera repérable par sa position : son locus sur le chromosome en question.
Chaque individu est représenté par un ensemble de chromosomes et une population est un
ensemble d'individus.
Il y a trois principaux types de codages utilisables et on peut passer de l'un à l'autre

relativement facilement.
Exemple :
le codage binaire : c'est le plus utilisé ; Chaque gène dispose du même alphabet
binaire {0, 1}
Le codage réel : cela peut-être utile notamment dans le cas où l'on recherche le
maximum d'une fonction réelle.
II.2 .4. Opérateur de sélection
Cet opérateur est chargé de définir quels seront les individus de P qui vont être dupliqués
dans la nouvelle population P' et vont servir de parents (application de l'opérateur de
croisement).
Soit n le nombre d'individus de P, on doit sélectionner n/2 (l'opérateur de croisement nous

permet de repasser à n individus).
Cet opérateur est peut-être le plus important puisqu’il permet aux individus d’une
population de survivre, de se reproduire ou de mourir. En règle générale, la probabilité de
survie d’un individu sera directement reliée à son efficacité relative au sein de la population.
On trouve essentiellement quatre types de méthodes de sélection différentes : La méthode

de la "loterie biaisée" (roulette wheel) de GoldBerg, La méthode "élitiste", La sélection par
tournois et La sélection universelle stochastique.
La loterie biaisée ou roulette wheel :

Cette méthode est la plus connue et la plus utilisée. Avec cette méthode chaque individu a
une chance d'être sélectionné proportionnelle à sa performance, donc plus les individus sont
adaptés au problème, plus ils ont de chances d'être sélectionnés.
Pour utiliser l'image de la "roue du forain", chaque individu se voit attribué un secteur dont
l'angle est proportionnel à son adaptation, sa "fitness".

On fait tourner la roue et quand elle cesse de tourner on sélectionne l'individu

correspondant au secteur désigné par une sorte de "curseur", curseur qui pointe sur un secteur
particulier de celle-ci après qu'elle se soit arrêté de tourner.
Figure 27. Principe de la loterie biaisée
Méthode élitiste
Cette méthode consiste à sélectionner les n individus dont on a besoin pour la nouvelle
génération P' en prenant les n meilleurs individus de la population P après l'avoir triée de
manière décroissante selon la fitness de ses individus.
Sélection par tournois

Cette méthode est celle avec laquelle on obtient les résultats les plus satisfaisants.
Le principe de cette méthode est le suivant : on effectue un tirage avec remise de deux
individus de P, et on le fait "combattre". Celui qui a la fitness la plus élevée l'emporte avec
une probabilité p comprise entre 0,5 et 1. On répète ce processus n fois de manière a obtenir
les n individus de P' qui serviront de parents.
La variance de cette méthode est élevée et le fait d'augmenter ou de diminuer la valeur de p

permet respectivement de diminuer ou d'augmenter la pression de la sélection.
II.2 .4. Opérateur de croisement ou crossover

Le crossover utilisé par les algorithmes génétiques est la transposition informatique du
mécanisme qui permet, dans la nature, la production de chromosomes qui héritent
partiellement des caractéristiques des parents. Son rôle fondamental est de permettre la
recombinaison des informations présentes dans le patrimoine génétique de la population.
Un exemple de l’opération de croisement double est donné dans la figure 28.

Figure 28. Exemple d’opérateur de Croisement
II.2.4. Opérateur de mutation
Une mutation consiste simplement en l'inversion d'un bit (ou de plusieurs bits, mais vu la
probabilité de mutation c'est extrêmement rare) se trouvant en un locus bien particulier et lui
aussi déterminé de manière aléatoire.
Figure 29. Exemple d’opérateur de mutation
L'opérateur de mutation modifie donc de manière complètement aléatoire les

caractéristiques d'une solution, ce qui permet d'introduire et de maintenir la diversité au sein
de notre population de solutions. Cet opérateur joue le rôle d'un "élément perturbateur", il
introduit du "bruit" au sein de la population.
II.2.4. Opérateur de remplacement

Le travail de Cet opérateur consiste à réintroduire les descendants obtenus par application
successive des opérateurs de sélection, de croisement et de mutation (la population P') dans la
population de leurs parents (la population P).
II.3. Optimisation par Essaim Particulaire

L'Optimisation par Essaim Particulaire (OEP) a été proposée par Kennedy et Eberhart en
1995 [Kennedy et al. 1995]. Cette méthode est inspirée du comportement social des animaux
évoluant en essaim. L'exemple le plus souvent utilisé est le comportement des bancs de
poissons [Wilson, 1975 ; Reynolds, 1987.
Un individu de l'essaim n'a pour connaissance que la position et la vitesse de ses plus
proches voisins. Chaque individu utilise donc, non seulement, sa propre mémoire, mais aussi
l'information locale sur ses plus proches voisins pour décider de son propre déplacement. Des
règles simples, telles que « aller à la même vitesse que les autres »,
« Se déplacer dans la même direction » ou encore « rester proche de ses voisins »sont des
exemples de comportements qui suffisent à maintenir la cohésion de l'essaim et qui
permettent la mise en œuvre des comportements collectifs complexes et adaptatifs.
Kennedy et Eberhart se sont inspirés de ces comportements socio-psychologiques pour

créer l'OEP. Un essaim de particules, qui sont des solutions potentielles au problème
d'optimisation,
Le survole de l'espace de recherche, en quête de l'optimum global. Le déplacement d'une

particule est influencé par les trois composantes suivantes :
Une composante physique : la particule tend à suivre sa direction courante de

déplacement ;
Une composante cognitive : la particule tend à se diriger vers le meilleur site par
lequel elle est déjà passée ;
Une composante sociale : la particule tend à se fier à l'expérience de ses congénères et,
ainsi, à se diriger vers le meilleur site déjà atteint par ses voisins.
Dans le cas d'un problème d'optimisation, la qualité d'un site de l'espace de recherche est
déterminée par la valeur de la fonction objective en ce point. La figure 30 illustre la stratégie
de déplacement d'une particule.
Dans un espace de recherche de dimension D, la particule i de l'essaim est modélisée par

son vecteur position Xi = (𝑥𝑖1 , 𝑥𝑖2 ……𝑥𝑖𝐷 ) et par son vecteur vitesse Vi = (vi1, vi… viD).
Cette particule garde en mémoire la meilleure position par laquelle elle est déjà passée,
que l'on note pi = (pi1 , pi1 ...piD ). La meilleure position atteinte par toutes les particules de
l'essaim est notée g = (g1 , g 2 ... g D ). Au temps t, le vecteur vitesse est calculé à partir de
l’équation [2]:
vij (t)=w.v ij (t - 1)+c1.r1  pij (t - 1)-xij (t - 1)+c2 .r2 g j (t - 1)-xij (t - 1) IV - 2
où w est en général une constante appelée, coefficient d'inertie, c1 et c2 sont deux constantes,
appelées coefficients d'accélération, r1 et r2 sont deux nombres aléatoires tirés uniformément
dans [0,1] à chaque itération et pour chaque dimension.
w. vij t − 1 correspond à la composante physique du déplacement. Le paramètre w

contrôle l'influence de la direction de déplacement sur le déplacement futur. Il est à noter que,
dans certaines applications, le paramètre w peut être variable [Siarry et al., 2006].
𝑐1 . 𝑟1 (𝑝𝑖𝑗 𝑡 − 1 − 𝑥𝑖𝑗 𝑡 − 1 ) correspond à la composante cognitive du

déplacement.
𝑐1 contrôle le comportement cognitif de la particule.
𝑐2 . 𝑟2 (𝑔𝑗 𝑡 − 1 − 𝑥𝑖𝑗 𝑡 − 1 ) correspond à la composante sociale du déplacement.
𝑐2 contrôle l'aptitude sociale de la particule.
La combinaison des paramètresw, c1 et c2 permet de régler la balance entre les phases

diversification et intensification du processus de recherche [Shi et al., 1998 ; Kennedy et al.,
2001]. Il est à noter que le terme « vitesse » est ici abusif car les vecteurs vi ne sont pas
homogènes à une vitesse. Il serait plus approprié de parler de « direction de déplacement ».

Cependant, pour respecter l'analogie avec le monde animalier, les auteurs ont préféré utiliser
le terme « vitesse ».
Figure 30. Déplacement d’une particule
La position au temps t de la particule i est alors définie par :

xij t = xij t − 1 + vij (t), jϵ 1, …D IV-3
L'OEP est un algorithme à population. Il commence par une initialisation aléatoire de
l'essaim dans l'espace de recherche. A chaque itération de l'algorithme, chaque particule est
déplacée suivant les deux équations précédentes. Une fois le déplacement des particules
effectué, les nouvelles positions sont évaluées. Les 𝑝𝑖 ainsi que g sont alors mis à jour. Cette
procédure est résumée par l'Algorithme des essaims particulaires (Voir plus bas).
Le critère d'arrêt peut être différent suivant le problème posé. Si l'optimum global est
connu à priori, on peut définir une « erreur acceptable » comme critère d'arrêt. Sinon, il est
commun de fixer un nombre maximum d'évaluations de la fonction objective ou un nombre
maximum d'itérations comme critère d'arrêt. Cependant, au regard du problème posé et des
exigences de l'utilisateur, d'autres critères d'arrêt peuvent être utilisés.
III. Optimisation sous contraintes
III.1. Algorithmes heuristique : méthode de pénalité [3]

Les méthodes de pénalité permettent de transformer un problème d’optimisation contraint
en un problème pénalisé sans contrainte par introduction d’une fonction de pénalité P(x) :
 min f ( x)  P( x)
 min f ( x) 
x   n
  m
P( x)   ( g i ( x))
IV - 4
 g i ( x)  0, i  1,2,3...m 
 i 1
Deux types de pénalisations sont envisageables :

III.1.2. Méthode de pénalité extérieure :

Cette méthode vise à pénaliser la fonction coût uniquement en cas de violation d’une ou de
plusieurs contraintes. La fonction de pénalité P(x) est nulle si x est admissible, et positive
dans le cas contraire. La fonction de pénalité peut être définie comme une fonction
quadratique des contraintes :
2 0 𝑠𝑖 𝑔𝑖 𝑥 ≤ 0
𝑃 𝑥 =𝜂 𝑚 𝑖=1 𝑔𝑖 𝑥 𝑢𝑖 (𝑔𝑖 𝑥 ) Avec 𝑢𝑖 (𝑔𝑖 𝑥 ) = IV-5
1 𝑠𝑖 𝑔𝑖 𝑥 > 0
Le terme ui (g i x ) permet d’ignorer la pénalité si la contrainte correspondante est satisfaite.
III.2. Algorithme déterministe: SQP ("Sequential Quadratic Programming")

Le principe de base des méthodes de programmation quadratique séquentielle SQP repose
sur la méthode de Wilson, qui est une extension de la méthode de Newton pour les problèmes
à contraintes d’inégalité. Cette méthode consiste à rendre linéaire la fonction Lagrangienne
L(x, λ L, µL) ainsi que les fonctions contraintes g et h, au voisinage d’un point courant 𝑥𝑘
(par des développements en série de Taylor). Le problème d’optimisation générale peut alors
être approché par un sous problème quadratique PQ à contraintes linéaires [4] :
q(d )  d T H k d  f x k  d
 1 T
min
d  n
2
minn f ( x) 
g x k  d  g x k   0
 x  T
 g ( x)  0   IV - 6
 h( x )  0 
  hx k  d  hx k   0
T


A chaque itération k de l’algorithme principal, le sous problème PQ est résolu par une
méthode itérative. La résolution de PQ fournit une direction d’avancée 𝑑 𝐾 permettant de
générer un nouvel itéré 𝑥 𝑘+1 améliorant la solution courante :
𝑥 𝑘+1 = 𝑥 𝑘 + 𝛼 𝑘 𝑑 𝐾 IV-7
Où la valeur du pas 𝛼 𝑘 est déterminée à chaque itération k par une méthode de minimisation
unidimensionnelle.
La résolution de la séquence des problèmes quadratiques est à l’origine de l’appellation
Programmation Quadratique Séquentielle. Les différentes méthodes applicables à la
résolution du PQ donnent lieux à plusieurs déclinaisons de la méthode SQP.
Propriétés de l’algorithme SQP sous Matlab :

Cette méthode confère à l’algorithme SQP une convergence super linéaire, assurée par le
maintien des matrices Hessiennes successives définies positives.
Cependant, il faut souligner que l’une des problématiques de l’algorithme SQP réside dans
le calcul des gradients par différences finies. D’une part ce calcul s’avère couteux, et d’autre
part il est très sensible aux éventuelles perturbations de la fonction coût.

Figure 31. Organigramme de l’algorithme SQP
IV. Implémentation et programmation des algorithmes génétique et essaims

particulaires.
Algorithme évolutionnaire général :
Initialisation de la population de µ individus
Évaluation des µ individus
Tant que le critère d'arrêt n'est pas atteint faire
Sélection de λ individus en vue de la phase de reproduction
Croisement des λ individus sélectionnés
Mutation des λ individus sélectionnés
Évaluation des λ0 enfants obtenus
Sélection pour le remplacement
Fin Tant que

Algorithme d'optimisation par essaim particulaire :
Initialisation aléatoire des positions et des vitesses de chaque particule

Pour chaque particule i, pi = xi
Tant que le critère d’arrêt n’est pas atteint faire pour i=1….N faire
Déplacement de la particule
Evaluation des positions
Si f (xi ) < 𝑓(pi )
pi=xi
FIN si
Si f (xi ) < 𝑓(𝑔)
g =pi
FIN si
Fin tant que
Fin pour
Optimisation par algorithme SQP :Matlab toolbox :
Le Toolbox optimisation de MATLAB fournit des algorithmes largement utilisés pour

l'optimisation standard et à grande échelle. Ces algorithmes permettent de résoudre des
problèmes avec ou sans contraintes. La boîte à outils inclut des fonctions pour la
programmation linéaire, programmation quadratique, programmation en nombres entiers
binaires, optimisation non linéaire, moindres carrés non linéaires, des systèmes d'équations
non linéaires, et l'optimisation multi-objectifs. Cet outil permet de trouver des solutions
optimales.
On a opté pour la résolution de notre problème par la méthode SQP, d’une part parce que
c’est une méthode déterministe et d’une autre part pour comparer les résultats que nous avons
déjà obtenus par optimisation par algorithmes génétiques et essaims particulaires que nous
avons programmé et implémenté dans notre logiciel.
V. Modèle d’optimisation dans l’industrie cimentière

IV.1. Introduction
Ce modèle est élaboré afin de permettre d’agir sur plusieurs variables de décisions mais
aussi pour une meilleur compréhension de la façon dont ces variables interréagissent entres
elles.
Les normes et les contraintes techniques de fabrication limitent le pourcentage de certains

éléments dans le ciment fini et dans le mélange cru. Tout ciment fabriqué doit se conformer
aux impositions nationales et internationales en vigueur dans le pays. Le ciment doit aussi
respecter certaines caractéristiques exigées par le futur utilisateur qui induisent normalement
des spécifications chimiques pour le clinker.

L’objectif de cette partie est de trouver la composition optimale des matières premières et
du combustible tout en respectant la qualité du clinker et les contraintes environnementaux, en
utilisant une des méthodes d’optimisation.
Il est nécessaire afin de construire ce modèle d’obtenir les données nécessaires concernant
la composition des matières premières utilisées pour la fabrication du clinker ainsi que la
composition du combustible utilisé dans l’atelier cuisson.
Le tableau ci-dessous rassemble les principales données utilisées dans notre modèle.
Dans un premier temps nous avons identifiés les variables de décisions qui nous permettront
de construire notre modèle d’optimisation.
Ces variables sont représentées en masse par kilogramme de clinker.
Soit X1, X 2, X3, X4, X5, X6, X7 respectivement pour le Calcaire, l’argile, le sable, la ferrite,
le charbon, le coke de pétrole et les pneus utilisés.
Matières CaO SiO2 Al2O3 FeO3 MgO SO3 Na2O K2O

Calcaire « X1» 50,6 5,04 1,19 0,67 0,78 0,1 0,1 0,3
Argile « X2» 1,23 61,62 16,59 9,01 0 0,3 0,3 5
Sable « X3» 1,13 93 2,87 1,2 0,1 0,5 0,5 1
Ferrite « X4» 0,71 7,6 1,13 82,97 0 0 0 0
Tableau 9. Composition typique de des matières premières du Cru
Composition Charbon Coke de pétrole Pneus utilisés

(% massique) « X5» « X6» « X7»
C 63,9 80-100 72,15
H 3,6 3,5 6,74
S 4,6 0,5-0,7 1,23
O 0,9 0 9,76
N 1,8 1,5 0,36
Cl 0 0 0,149
Cendres 24,9 1-4 8,47
CAO 1,03 0 0,93
SiO2 9,32 0 1,93
Al2O3 5,08 0 0,79
MgO 7,21 0 0,13
Zinc 0,04 0,00085 0
Chrome 0,001 0,0001 0,0006
Cadmium 0,008 0,0023 0,0097
Nickel 0,008 0,012 0
Plomb 0,027 0,0005 0,0065
Mercure 0 0,0005 0
Arsénique 0,00017 0,0005 0
Vanadium 0,0648 0,13 0
PCI (KJ/Kg) 23392 32447 32100
Tableau 10. Compostions des combustibles primaires et alternatifs utilisés

Une fois ces valeurs recueillies, on procède à la formulation de notre fonction objective,
tout en gardant à l’esprit que notre objectif principal est de minimiser le cout de production
des ciments.
IV.2. Optimisation du coût de production

Presque 30% de l’énergie nécessaire pour produire une tonne du ciment est consommée
dans le broyage.
Il existe une relation entre l’énergie électrique consommée dans la phase du broyage du
clinker et la surface Blaine. TOKAY(1999) et FRIGIONE (1983) ont représenté cette relation
par la fonction suivante :
E  A.exp BS IV - 8
S est la surface Blaine (cm2/g), A et B sont les paramètres du modèle, ils sont donnés dans le
tableau pour les différentes représentations.
Paramètre A B
Module du silica (MS) 5,76.(MS) - 5,82  0,2.(MS) - 0,98
Module d’Alumina (MA) 11,23.exp -0,25.MA 0,07.ln MA  0,49
Phase liquide (Lp) - 0,81.Lp  26,81 - 0,026.Lp  0,103
C3A 10,75.exp -0,04C3A 0,74.10-3.C3 A  0,45
12,33.C 4 AF 10,75.C 4 AF

C4AF 0, 5 0,15
Tableau 11. Relation entre les paramètres chimiques et les constantes A et B
Où P est l’énergie consommée en kWh/t, S la surface spécifique Blaine en cm2/g et A et B des

constantes qui dépendent de la composition du clinker.
Le prix d’achat de matières première est parmi les grandes dépenses de la cimenterie, à
cela s’ajoute aussi l’oscillation des prix des combustibles dans le marché nationale et
mondiale. On définit alors une deuxième fonction des coûts, soit :
C  i 1 pi X i
N
IV - 9
Avec 𝑝𝑖 : Le prix des matières premières et des combustibles i=1,2……7

𝑋𝑖 (𝑋1 , 𝑋2 ,…….. 𝑋7 ) : Masse des matières premières et des combustibles par kg
clinker
P : le prix du MWh de l’électricité en DH
Le problème global d’optimisation peut être formulé notre de la façon suivante :
Min W1 .X1 + W2 .X 2 + W3 .X 3 + W4 .X 4 + W5 .X 5 + W6 .X 6 - W7 .X 7
+ WEE .{(5.76(MS) - 5.82).exp(-0.2(MS) + 0.98) * S} IV - 10

où :
5,04X1 + 61,62X 2 + 93X 3 + 7,6X 4 + 9,32X 5 + 1,93X 7

MS  IV - 11
1,86X1 + 25,6X 2 + 4,07X 3 + 84,1X 4 + 12,29X 5 - 0,92X 7
et WEE est le prix de kW.
Notre fonction objective, est la combinaison entre un terme linéaire et un terme non
linéaire.
Le premier terme linéaire représente le coût des matières premières et des combustibles
(primaires et alternatifs) utilisés dans la fabrication du clinker.
Le deuxième terme (non linéaire) représente la consommation électrique nécessaire pour le

broyage du clinker.
IV.3. Formulation des contraintes

Minimiser le coût des matières premières et des combustibles ainsi que la consommation
électrique du broyage n’est pas aléatoire, il ne faut surtout pas altérer la qualité du clinker et
nuire à l’environnement.
La formulation des contraintes adéquates permettant de respecter la qualité du clinker et

l’environnement étaient nos principales préoccupations.
IV.3.1 Bilan globale
Pourcentage de CAO présent dans le clinker :

CAO = 50,60 ×𝑋1 + 1,23×𝑋2 + 1,13×𝑋3 + 0,7×𝑋4 + 1,03×𝑋5 + 0,93×𝑋7
Pourcentage de SiO2 présent dans le clinker :
SIO2= 5,04 ×𝑋1 + 61,62×𝑋2 +93×𝑋3 + 7,6×𝑋4 + 9,32×𝑋5 + 1,93×𝑋7
Pourcentage d’Al2O3 présent dans le clinker :
AL2O3= 1,19 ×𝑋1 + 16,59×𝑋2 + 2,87×𝑋3 +1,13×𝑋4 + 5,08×𝑋5 + 0,79×𝑋7
Pourcentage de F2O3 présent dans le clinker :
F2O3= 0,67 ×𝑋1 + 9,01×𝑋2 + 1,2×𝑋3 + 82,97×𝑋4 + 7,21×𝑋5 + 0,13×𝑋7
Pourcentage de MgO présent dans le clinker :
MgO=0,78 ×𝑋1 + 0,1×𝑋3 + 0,44×𝑋5 + 0,12×𝑋7
Pourcentage de SO2 présent dans le clinker :
SO2=0,046×𝑋5 + 0,07×𝑋6 + 0,0123×𝑋7
Pourcentage de SO3 présent dans le clinker :
SO3=0,1𝑋1 +0,3𝑋2 +0,5𝑋3
Pourcentage de Na2O présent dans le clinker :
Na2O=0,1𝑋1 +0,3𝑋2 +0,5𝑋3

Pourcentage de K2O présent dans le clinker :

K2O=0,3𝑋1 +5𝑋2 + 𝑋3
Pouvoir calorifique des combustibles utilisés :

PCI (KJ/kg clinker) = 25392𝑋5 +34436𝑋6 +32100𝑋7
Pourcentage de Cadmium présent dans le clinker :
Cadmium=A5𝑋5 +A6𝑋6 +A7𝑋7
Pourcentage de Zinc présent dans le clinker :
Zinc =0,04𝑋5 +0,0085𝑋6
Pourcentage de Vanadium présent dans le clinker :

Vanadium=0,0648𝑋5 +0,23𝑋6
Pourcentage de Crome présent dans le clinker :

Crome=0,008𝑋5 +0,0023𝑋6 +0,0097𝑋7
IV.3.2 Contraintes de qualité
Pourcentage du CaO présent dans le clinker : 63,76 < CaO < 70,14
Pourcentage SiO2 présent dans le clinker : 19,71 < SiO2 < 24,25
Pourcentage Al2O3 présent dans le clinker : 3,76 < Al2O3 < 6,78
Pourcentage MgO : MgO≤ 6,5
Pourcentage Fe2O3 présent dans le clinker : 1,29 < Fe2O3 < 4,64
Module silicique :
En replaçant SiO2 par sa valeur, on a les deux équations suivantes :
0,762×X1+ 2,74×X2+ 83,64×X3-185,83×X4 – 18,83×X5 – 0,186×X7 ≥ 0

-0 ,018 ×X1+ 7,5×X2- 82,011×X3+ 219,47×X4+ 23,88×X5+ 0,554×X7 ≥ 0
MA = Al²O³ / Fe²O³
En replaçant SiO2 par sa valeur, on a les deux équations suivantes :
0,319×X1+ 4,877×X2+ 1,31×X3-106,73×X4 – 4,29×X5-0,621×X7 ≥ 0

0,619×X1+ 7,737×X2+ 0,37×X3+222,88×X4 +14,387×X5-0,439×X7 ≥ 0
Saturation en CaO
De la même façon, on établi les équations qui caractérisent les limites de saturation en CaO:
38,24×X1 – 155,67×X2 –173,6×X3 –164,34×X4 – 37,86×X5 – 4,2×X7 ≥ 0

-35,48×X1+ 190,65×X2+ 212,43×X3+201,1×X4 + 46,51×X5+5,34×X7 ≥ 0
Contraintes énergétiques :
3500 ≤ PCI ≤ 3700 (KJ/kg clinker)
IV.3.3 Les contraintes environnementales
Les émissions :
SIO2≤ 0.1
O.2 ≤SO3≤ 2.07
0.03 ≤Na2O≤ 0.33
0.31 ≤K2O≤ 1.76
Métaux lourds :
Cadmium≤ 0.1
Plomb≤ 0.35
Mercure ≤ 0.05
Crome ≤ 1
Conclusion
Cette étude nous a permis d’examiner l’effet des variables : Calcaire X1, argile X2, sable
X3, ferrite X4, charbon X5, coke de pétrole X6, pneus utilisés X7 sur la consommation
électrique d’une part et sur le coût des matières premières et des combustibles d’une autre
part. Un compromis entre la qualité du clinker produit et des contraintes environnementales a
été trouvé, les résultats sont dévoilés dans le chapitre des résultats.

Présentation du logiciel CIMA 01 & Résultat de calcul .
Chapitre 5
Présentation du Logiciel « CIMA »

&
Les Résultats des Calculs et de la Simulation
I. Système de cuisson
II. Bilan Thermique & Analyse Exergétique du Broyeur du Cru

III. Broyeur à Boulets : cas d’étude BK4
IV. Optimisation Energétique et Environnementale

.
Chapitre 5
Présentation du Logiciel « CIMA » et des

Résultats des Calculs et de la Simulation
Dans le cadre de notre projet et afin de faciliter les calculs liés à la combustion dans le four
et simuler les différents ateliers de la cimenterie, on a développé un logiciel auquel on a
choisit comme nom : "CIMA ". Le présent chapitre décrit en détail notre logiciel et présente
les différentes interfaces développées.
I. Conception d’un calculateur des bilans énergétiques et simulateur des

différents ateliers
I-1. Problématique
Les Cimenteries sont des ensembles complexes et le pari de leur rentabilité est gagné dès
qu'elles sont exploitées de manière continue, régulière et optimale. Un fonctionnement
théorique tel que le régime établi visé lors de la phase de conception de l'usine, n’est pas
chose réalisable sur le terrain, la réalité est tout autre. En fait la réalité est plus subtile et
impose aux conducteurs de telles usines des situations délicates dont l'issue dépend
grandement de la capacité à diagnostiquer et à réagir correctement.
La formation à la conduite de telles installations est donc un aspect nécessaire de la gestion

globale d'une usine mais il n'est pas possible d'utiliser cette dernière comme outil
d'expérimentation et de formation en temps réel. En effet, une installation qui coûte plusieurs
dizaines voire centaines de millions de dirhams ne peut pas être utilisée pour montrer à des
apprenants les conséquences d'une variation de pression ou de débit qui nécessitent un arrêt
de production. Fournir un outil informatique capable de calculer les bilans thermiques et de
simuler plusieurs ateliers facilitera aux ingénieurs et aux techniciens leurs tâches et leurs
permettra de suivre les performances de l’usines en permanence.
La simulation à base d'outils réalistes est donc très utile pour les ingénieurs et les
techniciens de LAFARGE et c'est justement pour cette raison qu’on a choisi de concevoir un
simulateur de conduite de la cimenterie qui permet à la fois de modéliser et simuler plusieurs
ateliers clés de la cimenterie.
I-2. Solutions Proposées

Il a été prévu dès le début de ce projet de se concentrer sur un périmètre fonctionnel bien défini de
la cimenterie, à savoir, bilan thermique et modélisation du procédé de cuisson (de l'entrée de la tour du
préchauffeur jusqu'à la sortie refroidisseur),ensuite nous avons ajouté d’autres fonctionnalités liées aux
ateliers de broyages et au problème général d’optimisation énergétique et environnementale.

.
Nous avons recueilli auprès des différents services de la cimenterie les caractéristiques et la
description complète du fonctionnement des différents composants et ceci dans le but que les bilans
énergétiques et exergétiques calculés soient correctes et les composants clés du système soient
convenablement modélisés et simulés.
L’interface principale (d’accueil) permet d’accéder directement aux autres interfaces de

calcul (figure 32).
Figure 32. Interface principale de CIMA
II. Etude de Système de Cuisson

II.1. Bilan énergétique & exergétique du four
La réalisation du bilan énergétique du four a nécessité dans un premier temps la spécification de la
composition de la farine partiellement décarbonatée et les combustibles utilisés, deux interfaces sont
alors conçues.
La figure 33 spécifie la composition de la matière durant le processus de cuisson, le taux de CaCO3

décroissant avec le processus de pyrolyse. En effet, la farine est principalement composée de
tricarbonates de calcium qui se transforme par apport de chaleur en monoxyde de calcium.
La figure 34 représente l’interface « composition combustibles ». Il faut spécifier la composition du

combustible principale (charbon ou coke de pétrole) et celle des pneus utilisés comme combustible
alternatif.

.
Figure 33. Détail composition de la matière première et de clinker
Figure 34. Composition des combustibles
Les calculs effectués par le logiciel "CIMA " ne se restreignent pas seulement aux données
relatives à notre cas de calcul, mais peut s’adapter à n’importe quelle processus cimentier.
La production nominale de l’usine de Meknès est de 1200 kg de clinker/jour, les données

de l’analyse des gaz à la sortie du four, notamment le pourcentage du dioxygène et de
monoxyde de carbone servent à calculer le débit de l’air secondaire et par la suite les débits
des gaz d’échappement. La figure 34 montre l’interface développée et donne les résultats de
calcul pour notre cas d’étude.
Avec un débit de combustibles de 6100kg/h et un débit de clinker de 5000kg/h, la

consommation calorifique lors du bilan thermique est de l’ordre de 3678,3 kW/kg clinker soit
880 kcal/kgck et l’ai secondaire à un débit de 37163,164 Nm3/h alors que le débit des gaz
d’échappement s’élève à 63021,834 Nm3/h.
Il est bien clair que le four seul présente un rendement énergétique médiocre (0,64 %) , par
contre l’intégralité du système de cuisson aura un rendement plus important.
Le rendement exergétique est naturellement plus faible est ne dépasse pas les 50%, cela
s’expliques par le fait que l’analyse exergétique prend en compte les irréversibilités du
système.

.
Figure 35. Bilans énergétique et exergétique du four rotatif
Les pertes énergétiques sont considérables, une première modélisation des pertes de
chaleur dans le milieu ambiant est donnée dans la figure 36. Comme on l’a déjà expliqué dans
le chapitre II, ces pertes sont des pertes par conduction, convection et radiation. Le calcul
donne un total de 12478,336 kW qui reste plus faible que celui prédit (27192 kW), ceci est
expliqué par la présence d’autres sources de pertes causées par les fuites, les poussières et
dans le capot de chauffe.
Figure 36. Bilans énergétique et exergétique du four rotatif

.
II.2. Tour de Préchauffage

II.2.1. Bilan énergétique et exergétique Global
De la même façon et comme dans le cas du four, le bilan thermique des est sujet d’une
interface de calcul dont les données sont à spécifier par l’utilisateur (Figure 37). Il faut
spécifier entre autre le taux de décarbonatation dans la tour de préchauffage, dans le cas de la
ligne II de Lafarge Meknès le taux apparent est de 50 à 60%.
Figure 37. Bilans énergétique et exergétique des cyclones
L’efficacité thermique du système est très élevée (98%), d’une part à cause du temps de
rétention très courts (2 min) et d’autre part à cause des cyclones eux mêmes qui sont des
réacteurs, échangeurs de chaleur à contact direct.
II.2.2. Modélisation des Cyclones
On a réussi une première simulation des cyclones en se basant sur le modèle développé
plus haut, il faut souligner qu’on a considéré que la réaction de décarbonatation se déroule
principalement dans le quatrième étage alors que la déshydratation se déroule dans le
premier. La figure 38 présente l’interface développée et les résultats des calculs.
Comme données d’entrées, l’utilisateur doit faire entrer les paramètres nécessaires aux
calculs notamment les températures et les débits d’alimentation des cyclones en farine et en
gaz.

.
Le débit et la température du gaz et de la farine sortants de chaque cyclone ainsi que la

perte de pression par cyclone sons calculés.
Figure 38. Simulation du la Tour de Préchauffage
Les courbes étant un élément important pour visualiser les résultats de simulation, un outil
de représentation graphique des débits et des températures de la farine et du gaz par étage est
programmé grâce à la bibliothèque graphique liée à VB.NET « ZedGraph ». L’évolution des
débits de la farine et du gaz par étage sont illustrés dans la figure 39:
Figure 39. Variation des débits de la farine et du gaz par étage

.
II.3. Système Complet Four-Cyclones

Une interface supplémentaire four-cyclones (figure 40) a été conçue pour fournir le bilan
global du système.
Figure 40. Bilan d’Energie et d’Exergie du système Four-cyclones
II.4. Refroidisseur à Clinker

II.4.1. Bilan énergétique et exergétique Global
Dans un premier temps un bilan énergétique global est effectué. Le coefficient de

récupération est bon et s’élève à 1,23 (figure 41). Le soufflage est optimal à 2,20 Nm3/kg
clinker.
II.4.2. Simulation du processus de refroidissement
La stabilité de la solution a été préalablement vérifiée lorsque le nombre de cellules de la

matrice ont été modifiées. Une grande robustesse caractérise le régime de discrétisation; en
faisant varier le nombre cellule de la matrice de 100 à 500, la variation de température est
toujours moins de 5%. L’interface de calcul est donnée par la figure 42.
Nombre cellules sur longueur 100 200 250 300 350 400
Température compartiment 2 1284 1282 1282 1282 1282 1283
Température compartiment 4 76 76 75 75 74,6 75
Tableau 11. Solutions du problème suivant le nombre de cellules

.
Figure 41. Bilan Energétique et Exergétique du refroidisseur à grilles
Figure 42. Simulation du refroidisseur à grilles
Comme pour le cas des cyclones, des graphiques sont consultables pour visualiser le profil
des températures, la précision dans les profils des températures de l'air semble satisfaisante.
Exemple 1 : Profil de la température d’air et clinker :

La figure 43 présente la variation température de l’air et du clinker à la surface supérieure
du lit suivant la longueur du refroidisseur :

.
Figure 43. Variation de la température de l’air en fonction de la longueur
Exemple 2 : Profil de la température d’air en fonction de la longueur et de la hauteur :

Sur la figure 44, on a présenté le profil de la température d’air en fonction de la longueur,
le profil est donné suivant 8 niveaux d’hauteur. Il est bien clair que le point haut du lit aura la
température la plus élevée, par contre, la température d’entrée d’air est toujours égale à 25°C
(droite 1).
Figure 44. Variation de la température d’air en fonction de la longueur et de la hauteur du lit

.
Dans cette interface, on a ajouté une option qui permet de suivre la performance de
système en modifiant le débit d’un des ventilateurs. Par exemple si le débit du 5éme
Ventilateur varie de 10000 à 50000 m3N/h, les résultats de simulation donnent :
Figure 45. Température de l’air et du clinker suivant la variation du débit du ventilo 5
On constate qu’il n’y a pas de variation significative de la température, ceci s’explique par
le fait que le transfert thermique est plus important dans les premiers compartiments. En effet,
la figure 46 montre la température de sortie de l’air et du clinker suivant la variation du débit
du troisième ventilateur :
Figure 46. Température de l’air et du clinker suivant la variation du débit du ventilo 3

.
III. Bilan thermique & Analyse exergétique du Broyeur du Cru

Une interface supplémentaire est dédiée au bilan énergétique et exergétique du broyeur
(figure 47). Le broyeur du Cru est sujet de deux opérations différentes, à savoir la le broyage
et le séchage.
Le rendement énergétique est naturellement faible vus les pertes considérables, le
rendement exergétique est d’autant plus faible vue les irréversibilités du système (figure 48).
Figure 47. Interface du Broyeur du Cru
Figure 48. Bilan énergétique- exergétique du Broyeur du Cru

.
IV. Broyeur à Boulets : cas d’étude BK4
IV.1. Bilan Energétique&Exergétique

Comme dans le cas du broyeur Cru, un bilan énergétique et exergétique du broyeur à
boulets est réalisé, les figures 49 et 50 présentent les interfaces développées.
Figure 49. Données de fonctionnement du broyeur à boulets
Figure 50. Bilan énergétique- exergétique du Broyeur à boulets

.
IV.2 Modélisation du Broyeur à boulets

Un modèle stochastique robuste pour le broyeur rotatif a été développé dans le chapitre
III. Simuler ce broyeur revient à trouver les paramètres du modèle. L’algorithme général sur
lequel sont basés les calculs est donné dans la figure 51.
L’interface de simulation est donnée par la figure 52. Le résultat des calculs
donnent K=125, dt=1 et alpha=18.
Mesure éxpérimentale PSD :B0, F0,F1,F2,F3,GEC
Calcul de débit de retour B1
Initialisation des paramètres alpha, dt, k
Calcul de nouveaux données F1New, F2New, F3New

Corriger alpha, dt, k
Erreur
Acceptable
Solution finale alpha, dt, k
Figure 51. Algorithme général de calcul des paramètres de modélisation
Figure 52. Algorithme général de calcul des paramètres de modélisation

.
La représentation des courbes de distribution granulométrique (PSD) sur échelle

logarithmique est fournie et ceci sur la base des données expérimentales. Dans notre cas, nos
données expérimentales sont les résultats des analyses des échantillons de la matière broyée à
l’entrée et sortie du BK4 et de son séparateur.
Exemple : PSD des données expérimentales
Figure 53. Courbes de distribution granulométrique des différent flux
V. Optimisation Energétique et Environnementale

La dernière partie de notre travail traite l’optimisation du procédé de fabrication, cela
revient (comme déjà expliqué) à trouver la combinaison idéale des matières premières et des
combustibles à utiliser. Il faut donc spécifier la composition de ces derniers et définir
les contraintes environnementales et de la qualité avant de commencer les calculs. (voir
Figures 54-55)

.
Figure 54. Composition des matières premières et des combustibles
Figure 55. Contraintes Qualité-Environnement
V.I. Algorithmes heuristiques

Une interface dédiée à l’algorithme génétique est développée (figure 56), les différents
choix de mutation, Crossover, Élitisme…etc. sont possibles.
Une des solutions du problème est donnée dans la figure 57.

.
Figure 56. Interface développée pour l’algorithme génétique
Figure 57. Combinaison optimale suivant les résultats de l’algorithme génétique
Une deuxième interface a été développée pour l’algorithme d’essaim des particules.

.
Figure 58. Optimisation par essaim des particules
V.2. Résultats des solutions optimales calculées par MATLAB

L’interface du Toolbox d’optimisation sous MATLAB est montrée dans la figure 59 :
Figure 59. Optimisation par la méthode SQP
La solution optimale est donnée par le tableau suivant :
Solution Optimale calcaire Argile Ferrite Charbon coke Pneus

kg/kg de clinker 1,253 0,249 0,005 0,036 0,05 0,03
Tableau 12. Combinaison optimale Matière-Combustible

.
Les valeurs trouvées, représentent les résultats de l’optimisation fournis par « Cima » .Les
proportions de la matière première et des combustibles utilisés pour la fabrication du ciment
contribueront à minimiser les dépenses énergétiques et à respecter les normes
environnementales.
Conclusion
« Cima » est très simple d'utilisation, et permet d’évaluer la performance énergétique et le
rendement de plusieurs ateliers. Ainsi, à partir de la saisie des données d’entrées, il va calculer
les bilans et simuler les différents composants du système.
Tout changement de paramètres aura un impact sur le rendement du système. A partir des
résultats de la simulation, il est ensuite possible de modifier à tout moment les données
d’entrée en fonction des données de chaque cimenterie.

Références .
Conclusion générale
Les cimenteries sont confrontées à des enjeux d’amélioration de leur process industriel
pour limiter les consommations de matière premières et réduire leur impact environnemental
en termes d’émissions des gazes.
L’objectif général de ce travail était d’assurer l’optimisation du procédé de fabrication du

ciment et d’améliorer les performances de la cimenterie.
Nous avons choisi de travailler sur le développement d’un logiciel de simulation

numérique, car celle-ci permettra une réelle optimisation des performances de la cimenterie
et nous donnera la possibilité de tester les performances du système et de découvrir les
problèmes qui peuvent y être liés.
Dans un premier temps, l’étude s’est portée sur une bonne compréhension des différents
ateliers de la cimenterie afin de travailler sur les pistes d’améliorations possibles.
Notre outil informatique de simulation et d’optimisation des cimenteries porte le nom de

« CIMA ». Parmi les objectifs principaux de notre logiciel est la baisse de la consommation
en combustibles, l’utilisation efficace de ces derniers et la réduction des coûts de broyage.
En plus de la modélisation et le calcul des bilans énergétique et exergétique, cet outil est
capable de trouver la combinaison idéale des combustibles utilisés toute en respectant la
qualité du produit final et en fixant comme objectif la minimisation des dépenses
énergétiques.
Une fois l’outil développé, des pistes d’optimisation seront explorées en vue d’aboutir à
des résultats d’optimisation énergétique satisfaisants.
Cependant il faut noter qu’un grand travail reste à fournir en vue d’avoir un outil très
performant, la durée de notre stage relativement courte ne nous a pas donné le temps
nécessaire pour améliorer et perfectionner l’outil développé.
En conclusion, ce travail effectué constituera un grand potentiel de gain surtout si des

perspectives d’amélioration du logiciel sont prévues, de plus si on arrive à valider les
résultats obtenus, en comparant les résultats obtenus par simulation et ceux de
l’usine, « Cima » répondra parfaitement à notre objectif de fournir aux cimenteries un outil
d'expérimentation facilitant le suivi des performances de l’usine.

Références .
Référence :
Chapitre II :
[1] A. Boateng, « Rotary Kilns Transport Phenomena and Transport Processes », Elsevier Inc, 2008.
[2] M. S. BOUGLADA «Effet de l'activation du ciment avec ajout minéral», Memoir Magister,
UNIVERSITE DE M'SILA, 2007-2008.
[3] K. S. Mujumdar, K.V. Ganesh, S. B. Kulkarnia and V. Ranade, «Rotary Cement Kiln Simulator
(RoCKS): Integrated modeling of pre-heater, calciner, kiln and clinker cooler», Chemical
Engineering Science 62 (2007) 2590 – 2607.
[4] M. D. Heydenrych, «Modelling of Rotary Kilns», Thesis University of Twente, The Netherlands,
2001.
[5] J. R. Couper; Chemical Process Equipment: Selection and Design; Second Edition 2005.
[6] A. C. Caputo, G. Cardarelli and P. M. Pelagagge, «Analysis of heat recovery in gaz-solid moving
beds using a simulation approach»,Applied Thermal Engineering Vol. 16, No. 1, pp. 89-99, 1996.
Chapitre III :
[1] V. K. Alves, « Otimização de Carga Moedora Utilizando Ferramentas de. Modelamento
Matemático e Simulação de Moagem »,Dissertação de Mestrado, UNIVERSIDADE FEDERAL DE
MINAS GERAIS, 2006.
[2] A. Jankovic, W. Valery and E. Davis, « Cement grinding optimization», Minerals Engineering 17
(1075–1081), 2004.
[3] J. Schlanz, « Grinding: an overview of operation and design», Mineral Processing Engineer,
1987.
[4] A. Gunlu, I. B. Celik and N. Aydogan , «Modelling cement grinding circuits», Minerals
Engineering 14, 1469-1482,(2001).
[5] Alexandre Tomas Da Silva, «Otimização da moagem de escória granulada de alto-forno por
meio da simulação computacional usando o modelo do balanço populacional», Rio de Janeiro,
BRAZIL, Maio de 2007.
Chapitre IV :
[1] M. Melanie, «An Introduction to Genetic Algorithms», A Bradford Book The MIT Press,
Cambridge, London,Fifth printing, 1999.
[2] Y. COOREN, « Perfectionnement d'un algorithme adaptatif d'Optimisation par Essaim
Particulaire. Applications en génie médical et en électronique », Thèse, Université PARIS, 2008.
[3] I.M. Bomze, V. Demyanov, R.Fletcher and T. Terlaky, «Nonlinear Optimization», C.I.M.E.
Summer School, Italy,July 2007.
[4] M. Clerc, «Particle Swarm Optimization », ISTE Ltd, London, 2006.

Annexes .
Annexe 1
Généralités sur les bilans énergétiques et
exergétiques
I. Bilan Matière
En général, pour un système (réacteur) donné, le bilan massique total s’écrit en égalisant
la somme des entrées (i) à la somme des sorties (j):
 m   m
i
i
j
j I.1
Le bilan partiel pour un composé k est similaire, mais les réactions chimiques doivent être
prises en compte :
 m
i
k, j   m k , j  m k ,rx
j
I.2
II. Le bilan énergétique et exergétique
II.1. Bilan énergétique :

La plupart des applications de la thermodynamique mécanique sont conduites sur la base
d’un volume de référence. Dans de tels cas, il faut appliquer le principe de la conservation de
la masse : le taux d’accumulation de masse en fonction du temps au sein du volume de
référence est égal à la différence des débits masses totaux entrants et sortants à travers la
limite.
dm
  m i   m j I3
dt i j
Le bilan de taux énergétique pour un tel système est :
dU    C12   C22 
 Q  W  m 1  h1   gz1   m 2  h2   gz 2  I-4
dt  2   2 
Dans Cette l’équation, h est l’enthalpie spécifique des flux entrants et sortants du système.
Pour les systèmes à débit constant, la première loi de la thermodynamique peut être
exprimée comme suit :
   C12   C22 
W  Q   m 1  h1   gz1   m 2  h2   gz 2  I-5
 2   2 
Annexes .
II.2. Bilan d’entropie pour un système ouvert

Le taux d’entropie à l’intérieur d’un volume de référence au cours d’un processus est égal
à la somme du taux de transfert d’entropie à travers les limites du volume de référence par
transfert de chaleur, le taux net du transfert d’entropie dans le volume de référence par flux
massique et du taux de production d’entropie à l’intérieur des limites du volume de référence
due aux irréversibilités :
dS cv Q j
dt
 T   mi si  me se   I-6
 j 
i
 e
 Tauxde
Taux Taux de transfert
de Taux de génération
transfert d'entopie d 'entropie
var iation avec masse
d 'entropie d'entopie
avecchaleurse
Les termes misi et mese représentent les taux de transfert d’entropie vers le système et hors
du système qui accompagnent l’écoulement massique. Qj représente le taux temporel de
transfert de chaleur à l’emplacement de la limite où la température instantanée est Tj. Le
rapport Qj/Tj correspond au taux associé au transfert d’entropie. Le terme σ dénote le taux
temporel de production d’entropie en raison des irréversibilités à l’intérieur du volume de
contrôle.
II.3 Bilans d’exergie
Le bilan d’exergie pour un système fermé s’obtient avec la combinaison des bilans
d’énergie et d’entropie. La variation d’exergie dans un système fermé est égale à la somme du
transfert d’exergie accompagnant la chaleur, du transfert d’exergie accompagnant le travail,
diminuée de la valeur d’exergie détruite. L’équation finale est la suivante :
2 T 
E  E2  E1    1  0 Q  W  P0 V2  V1   T0 IV - 8
  1 Ti   
Changement
d 'exergie
   Travail
accompagnant
Destructio
d 'exergie
n
Chaleur
accompagnant le transfert
le transfert d'exergie
d'exergie
T0 et P0 indiquent la température et la pression aux conditions ambiantes. Tj est la température

de surface là où le transfert de chaleur a lieu. Le taux de variation d’exergie dans des systèmes
ouverts est donné par l’équation suivante :
dEcv  T   dV 
   1  0 Q i  W cv  P0 cv    m i ei   m e ee  I IV - 9
dt i  T   dt  i
 i     e
  Taux de
Destruction
Taux d 'exergie
le transfert
d'exergie

Rapport Complet+auj

Transféré par

Informations du document

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Rapport Complet+auj

Titre original :

Transféré par

Droits d'auteur :

Université Ibn Zohr

Ecole Nationale des Sciences Appliquées d’Agadir

PROJET DE FIN D'ETUDE

Mme. Bouchra CHEBLI

La présente étude à été réalisée au sein du Service Fabrication de LAFARGE Ciment

Mr BOUHOU MUSTAPHA, notre encadrant. Merci de nous avoir encadrés tout au

Les techniciens de la salle de contrôle : spécialement Mr Azouzi, homme serviable et

On exprime toute notre reconnaissance à M.BOUMEDIAN de nous avoir accordé ce

On n’oublie pas l’équipe du laboratoire, qui nous a beaucoup aidés.

Optimisation énergétique et environnementale du procédé de

La volonté d’amélioration de l'efficacité énergétique et de préservation de l'environnement

Notre travail vise l’optimisation énergétique et environnementale du procédé de fabrication

L’objectif de ce travail est le développement d’un logiciel de simulation et d’optimisation

Mots clés : ciment, clinker, simulations, bilans, optimisation, Algorithmes heuristiques

Génie des Procédés de L’Energie et de l’Environnement iii

Energy and environmental optimization of cement manufacturing

Keywords: cement, clinker, simulations, optimization, heuristic algorithms

Génie des Procédés de L’Energie et de l’Environnement iv

Optimización energética y ambiental de proceso de fabricación de

El deseo de mejorar la eficiencia energética y la protección del medio ambiente se esta

El objetivo de este trabajo es el desarrollo de una herramienta informática de simulación y

Nuestra principal preocupación es la eficiencia energética, entonces hemos desarrollado

Nuestra herramienta no se limita únicamente a un taller, pero a la fábrica en su totalidad.

Además de calcular el balance de materia y energía y simular, « Cima » nos ha permitido

Palabras claves: cemento, Clinker, simulaciones, optimización, algoritmos heurísticos

Génie des Procédés de L’Energie et de l’Environnement v

Chapitre1: Généralités et mise en situation

Chapitre 2: Bilans & Modélisation du Système de Cuisson

Génie des Procédés de L’Energie et de l’Environnement vi

Chapitre 3 : Procédé de broyage: Bilans&Approche numérique

II. BROYAGE ET FRAGMENTATION ........................................................................................... 30

Génie des Procédés de L’Energie et de l’Environnement vii

V.3 Formulation des contraintes . ............................................................................... 68

Génie des Procédés de L’Energie et de l’Environnement viii

Liste des Figures

Chapitre1: Généralités et mise en situation

Chapitre 2: Bilans & Modélisation du Système de Cuisson

FIGURE 3. PROCESSUS DE CUISSON ............................................................................................. 12

Chapitre 3 : Procédé de broyage: Bilans&Approche numérique

Chapitre 4 : Optimisation Energétique & Environnemental

FIGURE 25. SCHEMA GENERAL D’OPTIMISATION ........................................................................ 55

Génie des Procédés de L’Energie et de l’Environnement ix

Chapitre 5: Logiciel CIMA&Résultats des Calculs

FIGURE 32. INTERFACE PRINCIPALE DE CIMA ............................................................................ 72

Génie des Procédés de L’Energie et de l’Environnement x

Liste des Tableaux

TABLEAU 1. COMPOSITION CHIMIQUE DE CIMENT « CRU» ........................................................... 4

Génie des Procédés de L’Energie et de l’Environnement xi

mck :débit du clinker à l’entrée du refroidisseur

Génie des Procédés de L’Energie et de l’Environnement xii

Génie des Procédés de L’Energie et de l’Environnement 1

Généralités et mise en situation

I. Présentation de LAFARGE Ciment

II. Description de l’usine de Meknès

III. Critères chimiques et minéralogiques du clinker

Génie des Procédés de L’Energie et de l’Environnement 2

Généralités et mise en situation

I. Présentation de LAFARGE Ciment

I.1. Structure de l’entreprise

Ces chiffres sont en partie dus à l’importance accordée à la recherche et au développement,

Pour renforcer la structure financière du Groupe et soutenir sa dynamique, une

I.2. Priorités stratégiques et opérationnelles du Groupe

Les priorités opérationnelles du Groupe consistent à assurer la sécurité des collaborateurs

I.3. Description des moyens de production de l’usine de Meknès

I.4. Organisation de LAFARGE Ciment Maroc