Modélisation en génie des procédés

par Jean-Paul GOURLIA

Ingénieur ENSIC (École Nationale Supérieure des Industries Chimiques de Nancy)
Docteur ès Sciences
Ingénieur au Centre de Recherche d’Elf à Solaize, Elf Antar France

1. Généralités................................................................................................. J 1 022 - 2
2. Modélisation de type boîte noire ........................................................ — 2
2.1 Approche mathématique ............................................................................ — 2
2.2 Approche par intelligence artificielle ......................................................... — 2
2.3 Cas particulier des systèmes dynamiques ................................................ — 3
2.4 Conclusions.................................................................................................. — 4
3. Modélisation de type génie chimique ................................................ — 4
3.1 Concept de bilans ........................................................................................ — 4
3.2 Principes et limites des logiciels généraux de simulation statique......... — 4
3.3 Principes et limites des logiciels généraux de simulation dynamique ... — 5
3.4 Conclusions.................................................................................................. — 5
4. Modélisation de type mécanique des fluides................................... — 6
4.1 Principes de base de cette approche ......................................................... — 6
4.2 Présentation des logiciel commerciaux..................................................... — 6
5. Conclusions, prospectives .................................................................... — 6
Pour en savoir plus........................................................................................... Doc. J 1 022

éfinir la modélisation en génie des procédés est une tâche délicate tant elle
D recouvre d’actions et d’objectifs divers. On pourrait néanmoins lui donner
la définition synthétique suivante.
La modélisation est une démarche qui permet, à partir de faits expérimen-
taux, de construire un outil mathématique reliant les sorties d’un système à
ses entrées.
On entend par système une structure physique prise de manière isolée ; un
cristallisoir, un réacteur chimique, un atelier... représentent autant d’exemples.
Ses entrées sont les paramètres qui agissent sur son comportement. Elles
peuvent être contrôlées ou non. Ses sorties sont les paramètres résultant des
valeurs données aux entrées.
Pour illustrer cette notion, considérons un réacteur agité adiabatique fonc-
tionnant en régime permanent dans lequel se produit une réaction chimique
A → B. Les variables d’entrée du système sont le débit de charge, la concen-
3 - 1995

tration de A, la température du réacteur, le volume du réacteur ; les variables

de sortie sont le taux de conversion de A en B ou bien les concentrations de
chaque constituant et la température de sortie.
En ce qui concerne la terminologie utilisée dans ce chapitre, le lecteur pourra
utilement se reporter aux chapitres Représentation d’un système [R 7 130] et
Connaissance d’un système [R 7 135] dans la rubrique Automatique du traité
J 1 022

Informatique industrielle.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Génie des procédés J 1 022 − 1
MODÉLISATION EN GÉNIE DES PROCÉDÉS __________________________________________________________________________________________________
1. Généralités
On distingue dans un procédé (figure 1) :
— le vecteur des entrées (u1 , u2 , ..., uk ) ;
— le vecteur des sorties (y1 , y2 , ..., ym ) ;
— le vecteur des perturbations (p1 , p2 , ..., p ).
Figure 1 – Nomenclature décrivant la structure d’un procédé
Ce dernier ensemble de valeurs (les perturbations) correspond
aux paramètres influant sur le comportement statique ou dyna-
mique du procédé sans que l’on puisse les maîtriser ou que l’on
veuille les prendre en compte dans le modèle. Ce concept de per-
turbations est très important pour les problèmes de modélisation
dynamique et/ou d’automatisation.
En fait, la description précédente restreint le problème aux bornes
du système, c’est-à-dire aux entrées et sorties. Le plus souvent, une
succession de phénomènes internes intervient dans la relation entre
les entrées et les sorties. Par exemple, dans une colonne à distiller
pour laquelle sont définis débit de reflux et puissance de rebouillage,
les caractéristiques (débit et composition) du distillat et du résidu
sont la conséquence des phénomènes de transfert de matière et
d’équilibre intervenant sur chaque plateau. Ces variables internes
sont souvent appelées variables d’état du procédé (x1 , x2 , ... xn ).
Elles peuvent dépendre du temps (lorsqu’elles décrivent un procédé
non stationnaire) ou non (lorsqu’elles représentent un procédé en
régime permanent).
Très généralement, toute description mathématique d’une opé-
ration unitaire ou d’un procédé peut se ramener au système
d’équations suivantes :
 dx ( t )
 f  ----------------, x ( t ), u ( t ), p ( t ), a ( t ), t  = 0
  dt
 les variables deviennent trop grandes), il est souvent intéressant
  dy (t )
 g  --------------- -, y ( t ), x ( t ) = 0
dt 
 leurs caractéristiques géométriques. Citons la fonction sigmoïde
t représente le temps et a (t ) un vecteur de paramètres permettant
d’ajuster le modèle à la réalité expérimentale. Là encore, leurs
valeurs ne sont pas a priori constantes au cours du temps. Un
exemple typique est la décroissance de l’activité d’un catalyseur au
cours du temps ou l’encrassement des échangeurs de chaleur.
Un tel ensemble n’est pas toujours accessible ou se révèle
impossible à résoudre. Le problème de base lié à une démarche de
modélisation est de faire des choix :
— relatifs à la structure de base du modèle (définition des
entrées, des sorties et des perturbations) ;
— relatifs à la structure des équations.
Le choix des entrées d’un modèle est extrêmement arbitraire. En
fait, ce sont les variables dont on est obligé de fixer les valeurs pour
rendre le système soluble.
Il est clair que, dans un tel document, il est impossible d’aborder
le premier item de manière concrète. En effet, ces choix dépendent
essentiellement du procédé, de la sensibilité des entrées, de
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
J 1 022 − 2 © Techniques de l’Ingénieur, traité Génie des procédés
l’importance relative des sorties eu égard aux objectifs du procédé.
Nous nous focaliserons donc sur le dernier point en explicitant,
dans un sens de complexité croissante, les approches possibles.
Remarquons dès maintenant que la description d’un procédé
complexe peut se scinder en sous-ensembles pour lesquels les
modèles sont de nature différente.
2. Modélisation
de type boîte noire
Un modèle de type boîte noire se réduit à une description du
procédé dénuée de toute signification physique. De nombreuses
formes peuvent lui être données depuis la formulation mathé-
matique pure reliant les entrées et les sorties jusqu’à une descrip-
tion qualitative comme les techniques modernes d’intelligence
artificielle l’autorisent. Quel que soit le type d’approche adopté, la
priorité est d’atteindre la meilleure qualité de représentation des
réponses du système en fonction des entrées, ou plus exactement
le rapport optimal qualité/complexité du modèle. En effet, il est pré-
férable d’utiliser un modèle moins performant mais plus simple, de
manière à avoir une garantie sur sa robustesse.
2.1 Approche mathématique
Deux problèmes sont à résoudre lorsque l’on cherche à créer des
relations mathématiques entre entrées et sorties. Le premier
consiste à sélectionner les variables influant le plus sur la sortie
étudiée. Le second consiste à chercher la forme mathématique la
plus appropriée.
Bien que le premier puisse être traité directement par identifica-
tion, des outils statistiques peuvent aider, à partir de l’analyse des
valeurs expérimentales, à déterminer les variables ayant le plus
d’influence (composantes principales).
La recherche des relations est généralement empirique et se
limite, le plus souvent, à l’emploi de relations polynomiales. Pour
identifier le nombre optimal de paramètres (qui doit être le plus
faible possible), des tests statistiques sur le résidu entre valeurs
expérimentales et valeurs calculées sont nécessaires. Très généra-
lement, on utilise le test de Student (cf. chapitre Erreurs de mesure
[R 280], dans le traité Mesures et Contrôle). Mais, pour pallier les
inconvénients de ces lois polynomiales (comportements non phy-
 siques en dehors des plages de calage, valeurs non bornées lorsque
d’utiliser d’autres fonctions mathématiques sélectionnées pour
définie par la relation :
exp ( ax ) – 1
---------------------------------
exp ( ax ) + 1
a est le paramètre de calage. Lorsque celui-ci est grand, l’évolution
de cette fonction est brutale et tend vers la fonction de Heaviside.
2.2 Approche par intelligence artificielle
Considérée par certains comme une technique d’intelligence arti-
ficielle et par d’autres comme une technique de modélisation de
type boîte noire, la modélisation par réseaux neuronaux a pris une
extension récente justifiée par les performances de cette approche.
Ces réseaux, très souvent présentés à l’aide d’une analogie contes-
table avec les neurones du cerveau humain, sont composés d’un
certain nombre de nœuds (ou neurones) qui sont répartis en couche
__________________________________________________________________________________________________ MODÉLISATION EN GÉNIE DES PROCÉDÉS
et rassemblent des informations provenant des couches anté-
rieures. Ces informations sont additionnées et transformées par la
fonction de réponse du neurone.
La figure 2 est un exemple de représentation d’un système à trois
entrées et deux sorties par un réseau neuronal à cinq neurones
répartis en deux couches. Pour chacun des nœuds de ce réseau, la
sortie est définie par :
i=N
 
w = f  ∑ A i u i
i = 1 
Les Ai sont des paramètres de pondération (ou poids) de chacune
des entrées ui .
f est une fonction de transition choisie par l’utilisateur parmi
toute une gamme de fonctions à seuil (fonction échelon unité de
Heaviside, fonction linéaire à seuil, fonction sigmoïde...). Un
exemple de ce type de fonction est donné par la figure 3.
Une telle approche est extrêmement intéressante car, en entre-
prenant un faible effort en termes d’identification (essentiellement
les poids Ai ), des modèles non linéaires multivariables sont
construits et conduisent à un excellent accord entre valeurs expé-
rimentales et valeurs calculées pour des processus fortement non
linéaires. On considère souvent que trois niveaux sont suffisants
pour y parvenir. Toutefois, ces modèles restent des modèles de
régression dont l’utilisation en extrapolation est périlleuse sans
précaution. La représentation par réseau neuronal reste une des-
cription strictement algébrique des relations entrée/sortie.
Figure 2 – Réseau neuronal à deux niveaux et cinq connexions
Figure 3 – Exemple de fonction de transition f
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Génie des procédés
D’autres outils sont disponibles où disparaissent complètement
les équations. Citons ici les systèmes experts, la logique floue, la
physique qualitative... dont la caractéristique de base est de fournir
des réponses de type décisionnel à partir des informations four-
nies. Les principes de tous ces outils sont très proches. À partir de
connaissances obtenues sur le procédé, des règles logiques reliant
des faits et des évènements sont établies ; lorsque cette relation
est stricte, la technique est appelée système expert. Lorsque les
conséquences ne le sont pas, nous tombons dans le domaine de
la logique floue. Lorsque la définition des événements n’est plus
précise mais repérée par de simples niveaux de valeur, nous abor-
dons le principe de la physique qualitative. À partir de cette base
de règles, un outil (moteur d’inférence pour les systèmes experts)
explore toutes les possibilités et donne une solution. Comme nous
l’avons remarqué ci-avant, ces techniques, bien adaptées pour
identifier des décisions, le sont beaucoup moins lorsqu’une appro-
che plus quantitative des interactions entrée/sortie est recherchée.
2.3 Cas particulier
des systèmes dynamiques
Pour les procédés fonctionnant en régime dynamique ou insta-
tionnaire, le problème se complique dans la mesure où la dimen-
sion temporelle s’ajoute aux autres variables. Toutefois, ce qui a été
dit auparavant sur la recherche de structure et de dimension du
modèle reste valable.
Il faut toutefois rappeler que l’utilisation des fonctions de trans-
fert est intéressante. Les processus linéaires monovariables
peuvent être représentés par des équations différentielles simples.
Pour un système du premier ordre, cette équation s’écrit :
dy ( t ) y (t )
---------------- = -----------
-
τ + b u (t )
dt
avec b constante,
τ constante de temps du procédé.
Pour des systèmes d’ordre supérieur, le nombre de dérivations
de y par rapport au temps est augmenté d’autant. Pour éviter de
manipuler des équations différentielles, celles-ci peuvent être
avantageusement transformées en équations algébriques à l’aide
de la transformation de Laplace (ou en z pour les systèmes échan-
tillonnés) avec tous les avantages que cela apporte en termes de
manipulation. Ces équations donnent aussi très rapidement accès
à des principes de réglage de régulateurs.
Lorsque les processus mis en œuvre ne sont pas linéaires, ils
peuvent être approchés de la même manière autour d’un point de
fonctionnement. Les paramètres τ, intervenant dans les équations,
représentent alors les principales constantes de temps du procédé,
mais il est difficile de remonter à leurs origines.
Très souvent, pour des processus échantillonnés, les utilisateurs
préfèrent employer des régressions liant la valeur actuelle d’une
sortie aux valeurs précédentes et à l’entrée correspondante. Ce type
de modèles, décrit par l’équation suivante, est souvent dénommé
modèle ARMA :
i= j=m
y [k ∆t ] = ∑ ai y [ ( k – i ) ∆ t ] + ∑ bj u [ ( k – j – r ) ∆ t ]
i=1 j=1
Dans cette équation, ∆t représente le pas de temps.
k est l’indice du temps courant,  et m les horizons de temps
influant sur le comportement du procédé.
r représente le retard.
Cette modélisation a l’avantage de se réduire à une expression
linéaire facilement exploitable. Seuls les paramètres a, b,  , m, r
sont à identifier, ce qui impose une connaissance du passé.
J 1 022 − 3
MODÉLISATION EN GÉNIE DES PROCÉDÉS __________________________________________________________________________________________________
2.4 Conclusions
Quelles que soient les techniques utilisées, les modèles de type
boîte noire sont des modèles de régression, c’est-à-dire qu’ils ne
représentent de manière fiable que le domaine expérimental sur
lequel ils ont été calés. Les utiliser en extrapolation est un risque
qu’il faut savoir maîtriser.
Cette approche est souvent la seule possible quand peu de
connaissances physiques sont disponibles.
3. Modélisation de type
génie chimique
3.1 Concept de bilans
La modélisation de type génie chimique permet d’établir un
modèle de procédé à partir des lois fondamentales de la physique
et de la chimie telles que la conservation de la masse, le premier
principe de la thermodynamique, les équilibres entre phases, les
lois de transfert... Dans leur formulation la plus générale, ceux-ci
s’écrivent :
(ce qui rentre) + (ce qui se crée) = (ce qui sort) + (ce qui s’accumule)
Le terme de création correspond par exemple à la production
d’espèce chimique dans un réacteur ou à l’augmentation d’entropie
dans un bilan entropique. Il peut être négatif pour traduire une
consommation d’espèce chimique dans un réacteur.
Le terme d’accumulation n’intervient que dans les systèmes
instationnaires ; il traduit les fluctuations de la quantité de produit
en réponse à un changement de concentration ou de rétention.
Les deux autres termes représentent la contribution des flux
convectifs et des phénomènes de transport.
Dans ce type d’approche, les transferts de matière ou de chaleur
et les pertes de charge sont définis par des corrélations se référant
à des critères hydrodynamiques macroscopiques (nombre de
Reynolds) et des constantes physico-chimiques.
Cette modélisation est la plus répandue ; on la retrouve principa-
lement dans les logiciels commerciaux de simulation statique ou
dynamique. Ces logiciels extrêmement performants s’appuient sur
des modèles thermodynamiques calculant les propriétés de
mélange à partir de celles des corps purs (équilibre entre phases,
enthalpie, entropie) et sur des variables intensives (température,
pression et composition).
3.2 Principes et limites des logiciels
généraux de simulation statique
■ Les premiers outils de simulation statique de procédés sont
apparus au cours des années 1970. Depuis, de nombreux logiciels
commerciaux ont été développés. Leur abondance rend impossible
une revue exhaustive. Nous en citons ci-après quelques-uns en
commençant par les plus connus :
— ASPEN, commercialisé par Aspen Tech, est extrêmement
complet ; il possède une base de données très importante et orien-
tée vers la chimie ;
— PRO II, distribué par SimSci (Simulation Science Inc.), a les
mêmes potentiels ; il est plus orienté vers l’industrie pétrolière ;
— HYSIM, distribué par Hyprotech, a la particularité d’avoir été
développé spécifiquement pour micro-ordinateur ; il bénéficie donc
d’une interface très conviviale ; il est assez orienté vers l’industrie
pétrolière.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
J 1 022 − 4 © Techniques de l’Ingénieur, traité Génie des procédés
Pour donner des références européennes, citons encore :
— PROSIM, développé à l’ENSIGC de Toulouse et commercialisé
par Prosim S.A. : ce simulateur, moins connu que les deux premiers
cités, est un excellent produit ;
— BELSIM, développé par l’Université de Liège, est distribué par
Belsim S.A. et présente les mêmes caractéristiques que le précédent.
Ces derniers produits font moins référence que les précédents,
pourtant leurs performances sont tout à fait satisfaisantes et
couvrent l’essentiel des besoins habituels.
■ Tous ces logiciels, par le biais d’une programmation spécifique
(macrocommande ) ou d’une interface graphique permettant le
codage du problème, exploitent une bibliothèque de sous-
programmes et de base de données.
La bibliothèque de sous-programmes se décompose en deux par-
ties. La première contient les méthodes de calcul des propriétés
physico-chimiques des mélanges ; elles font appel à la base de
données qui rassemble les propriétés physiques des corps purs et
les paramètres d’interaction caractérisant la non-idéalité des
mélanges ; son contenu est essentiel pour que le logiciel soit adapté
aux besoins de l’utilisateur. La deuxième rassemble les modèles des
opérations unitaires (distillation, équilibre entre phases, échan-
geurs de chaleur, pompe, compresseur...). La richesse de cette
bibliothèque de modèles ou « modules » est un autre critère de
comparaison entre les différents produits commerciaux.
Au moment de la résolution du problème, deux approches sont
possibles ; elles définissent deux classes de logiciels.
■ Les plus nombreux résolvent le problème séquentiellement ; les
opérations unitaires, appelées « unités », sont calculées les unes
après les autres selon un ordre choisi automatiquement ou imposé
par l’utilisateur. Dans l’exemple de la figure 4, la simulation du pro-
cédé hors recyclage se ferait en calculant le réacteur puis la colonne
à distiller.
Lorsque des recyclages existent dans le schéma, et c’est le cas
de l’exemple de la figure 4, une procédure doit être mise en place
pour les caractériser en débit, composition, température, pression.
Les deux opérations unitaires du schéma sont calculées en faisant
une hypothèse sur les caractéristiques du recyclage. Après calcul,
celles-ci ne seront pas égales, sauf à convergence, avec les valeurs
hypothésées. Il est donc nécessaire de les réactualiser pour tendre
vers la solution. Cette décomposition du recyclage en deux flux (cf.
doubles barres sur la figure 4), l’un permettant de définir une
hypothèse, l’autre de la vérifier, est communément appelée cou-
pure. Pour des procédés complexes contenant beaucoup de recy-
clages, la localisation des coupures n’est pas unique ; leur choix a
une forte incidence sur la robustesse et la rapidité des calculs. Cel-
les-ci dépendent aussi des procédures choisies pour accélérer la
convergence par le biais de modules adaptés.
Figure 4 – Exemple de procédé modélisable par simulateur statique
__________________________________________________________________________________________________ MODÉLISATION EN GÉNIE DES PROCÉDÉS
■ Les autres simulateurs résolvent simultanément toutes les équa-
tions de bilan à l’aide d’une méthode de type Newton (cf. chapitre
Optimisation [R 7 210] dans la rubrique Automatique du traité Infor-
matique industrielle). Les flux de recyclage n’ont plus besoin d’être
coupés et les convergences sont beaucoup plus rapides. Cette
approche est avantageuse pour des procédés comportant beaucoup
de recyclages. Inversement, si le choix des hypothèses de calcul est
mauvais, l’utilisateur dispose de peu de moyens pour analyser le
problème et localiser l’origine de la divergence.
■ Quelle que soit leur origine, ces logiciels ont la caractéristique
fondamentale d’être dédiés aux calculs de bilan matière et enthal-
pique ainsi qu’aux calculs d’équilibre entre phases. Tous les aspects
transfert de matière ou de chaleur ne sont pas vraiment pris en
compte. En dehors de quelques cas particuliers tels les échangeurs
de chaleur, les performances des appareils sont estimées à partir
de valeurs fournies par l’utilisateur.
Pourtant, les résultats des simulations sont exploités pour effec-
tuer un prédimensionnement des appareils. Ces données utiles
pour des estimations économiques préliminaires doivent être vali-
dées par des méthodes spécifiques avant toute construction.
Par contre, ils ont tous la même faiblesse : la modélisation des
réacteurs. Tous proposent des modules de réacteur parfaitement
agité ou de réacteur piston. Ceux-ci ne sont en fait que des entités
d’accueil pour y introduire tant le schéma réactionnel que le modèle
cinétique. Cette limitation impose donc à l’utilisateur de se procurer
son propre modèle en l’achetant spécifiquement à des fournisseurs
ou en le développant lui-même.
La faiblesse de la représentation hydrodynamique limite aussi
leur domaine d’application. Pour atteindre une représentation plus
réaliste, il devient nécessaire d’identifier la distribution des temps
de séjour avant de travailler à l’aide des analogies classiques du
génie de la réaction chimique ou de développer son propre module
intégrant toutes les caractéristiques voulues.
Une autre fonction fréquemment rencontrée mérite d’être citée ;
presque tous les logiciels offrent des modules d’optimisation
exploitant des fonctions créées pour chaque application. Cette
option est très importante pour rechercher les meilleures conditions
opératoires, minimiser la présence de composés dans les recy-
clages, optimiser économiquement la conception des unités...
Une revue aussi générale que celle-ci ne peut pas mettre en
exergue toutes les spécificités des logiciels disponibles. Le lecteur
ayant un problème particulier devra rechercher si la fonction cor-
respondante existe chez un fournisseur.
3.3 Principes et limites des logiciels
généraux de simulation dynamique
Les simulateurs dynamiques calculent l’évolution d’un système
en régime transitoire. Contrairement aux simulateurs précédents,
ces logiciels tiennent compte des phénomènes d’accumulation dans
le procédé. Pris au sens le plus large, ils vont résoudre un système
d’équations du type :
 dx ( t )
 g x ( t ), t, ----------------, m ( t ) = 0
 dt
 à la fois sous forme de documents ou de logiciels) est nécessaire.
 h [ x ( t ), t ] = 0
où x (t ) représente le vecteur des variables d’état (température,
pression, composition, débit...) et t le temps.
m est le vecteur des rétentions dans le procédé ; celles-ci sont soit
de type matière (volume), soit d’origine thermique (capacité ther-
mique des produits et des parois).
Remarquons dès maintenant que ces équations ne tiennent pas
compte d’une éventuelle évolution des variables d’état par rapport
à une variable spatiale comme on la rencontre dans un réacteur
piston, une colonne à garnissage, un échangeur de chaleur. Cette
caractéristique est fondamentale et s’énonce de la façon suivante.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Génie des procédés
Les simulateurs dynamiques ne traitent que des systèmes à
paramètres localisés, c’est-à-dire ceux où une seule valeur décrit
l’état d’une variable dans un volume.
Un réacteur agité en est bien sûr l’exemple typique. Cette limi-
tation est extrêmement importante au niveau pratique car tout
système n’appartenant pas à cette classe doit être décomposé en
un certain nombre de cellules interconnectées. Cette méthode de
discrétisation de la variable spatiale est une approximation satis-
faisante dans la plupart des cas (les échangeurs de chaleur, par
exemple).
Le choix de la structure du modèle est en fait l’étape déterminante
pour obtenir des résultats quantitatifs. Ainsi, dans une colonne à
distiller où condenseur et rebouilleur sont les appareils ayant les
rétentions les plus importantes, la qualité des résultats sera large-
ment conditionnée par le choix du modèle. Réduire ces appareils
à un volume parfaitement agité est souvent insuffisant.
Contrairement au cas précédent où l’offre est pléthorique, peu de
simulateurs dynamiques existent commercialement. À ce jour, le
seul produit largement diffusé est SPEED UP, développé initia-
lement par l’Imperial College de Londres et distribué par Aspen
Tech. D’autres produits viennent d’arriver sur le marché ; leur
jeunesse empêche de les décrire. D’autres encore apparaîtront
prochainement.
Il faut toutefois noter que les principales fonctions sont les
mêmes que celles des simulateurs statiques (établissement des
bilans matière et enthalpique, absence de calcul des coefficients de
transfert, modules de réacteur limités au rôle d’entité d’accueil).
Les principales applications de la simulation dynamique réali-
sables à l’aide de ce type de logiciels sont :
— l’étude de procédés discontinus (optimisation de conditions
opératoires) ;
— les tests de protocoles d’automatisation pour comparer leurs
efficacités ;
— les études de sécurité où les conséquences d’événements
(fermeture d’une vanne, apparition de fuites) sont quantifiées ;
— les simulateurs d’entraînement.
Cette dernière application requiert un environnement important
en termes d’interfaçage.
3.4 Conclusions
Les outils de type génie chimique offrent des ressources impor-
tantes pour aider à la compréhension d’un procédé et à la définition
d’une structure de procédé. Mais cette puissance est redoutable car
elle impose une parfaite maîtrise des méthodes thermodynamiques
employées pour prédire les enthalpies, les entropies (nécessaires
pour les compresseurs) et les coefficients d’équilibre. Une descrip-
tion de ces méthodes est effectuée dans les chapitres Thermo-
dynamique chimique [J 1 025] [J 1 026] [J 1 028] de ce traité , qu’il
est indispensable de bien connaître avant d’utiliser les produits de
simulation dynamique ou statique. Trop d’erreurs ont pu être faites
à cause d’une mauvaise sélection des méthodes de calcul ou d’une
information insuffisante sur les propriétés des corps purs. En cas
d’ambiguïté, la consultation de la littérature scientifique ou de
banques de données telles que celles de la DECHEMA (disponible
La puissance de calcul de ces logiciels ne doit pas faire oublier
leur faiblesse principale qui est de ne pas tenir compte de l’hydro-
dynamique et de toutes ses conséquences sur les coefficients de
transfert et autres phénomènes de couplage.
J 1 022 − 5
MODÉLISATION EN GÉNIE DES PROCÉDÉS __________________________________________________________________________________________________

4. Modélisation de type Nous décrivons ici l’équation de Navier et Stokes pour un milieu
homogène incompressible, newtonien et de viscosité constante :
mécanique des fluides ∂u ∂u x ∂u x ∂u x
ρ  ---------x + u x --------- + u y --------- + u z ---------
∂t ∂x ∂y ∂z
La distinction entre méthodes du génie chimique et méthode de 2 2 2
∂P ∂ u ∂ u ∂ u x
type mécanique des fluides peut paraître incongrue aux yeux de = – -------- + µ  -----------2x- + -----------2x- + -----------
- + ρ g x
∂x  ∂x ∂y ∂z 
2
certains. Elle vise à caractériser une différence technique. L’objectif,
ici, est d’obtenir un modèle très fin des phénomènes intervenant avec ρ masse volumique,
dans un système en tenant compte de tous les couplages (cinétique
chimique, transfert, hydrodynamique). P pression,
µ viscosité,
gx accélération due à la pesanteur.
4.1 Principes de base de cette approche Pour exploiter ces équations de base, il faut ajouter d’autres lois
exprimant ri , la perte de charge, en fonction des autres paramètres
et celles décrivant les conditions aux limites. Celles-ci, s’exprimant
Pour atteindre ce niveau de description, il faut être capable de entre autres par une vitesse nulle perpendiculairement à la paroi,
décrire le fonctionnement du processus dans un volume élémen- permettent de prendre en compte l’influence de la géométrie sur les
taire tel que celui représenté par la figure 5. performances du procédé.
Les lois précédentes ont été explicitées dans un cas particulier en
employant des coordonnées cartésiennes. Comme la plupart des
systèmes physiques ne sont pas d’une géométrie régulière, un gros
travail doit être accompli pour découper le volume étudié en
volumes élémentaires décrivant de manière satisfaisante la géomé-
trie de toute l’enceinte. Dans la plupart des cas, les volumes
élémentaires servant de structure de base à la résolution des équa-
tions ne sont ni égaux, ni réguliers.
Qu’apportent des outils aussi lourds par rapport aux techniques
du type génie chimique ? Ces deux approches sont en fait complé-
mentaires dans la mesure où les méthodes du génie chimique sont
capables de représenter de gros systèmes en se limitant à des
hypothèses simplificatrices sur les aspects hydrodynamiques et
Figure 5 – Description d’un volume unitaire transfert. Inversement, les méthodes de type mécanique des
fluides simulent de manière très détaillée le fonctionnement d’un
appareil. Elles sont couramment utilisées, entre autres, pour :
Pour ce faire, les équations de conservation de masse, d’énergie — améliorer les distributeurs de fluide dans des échangeurs de
et de quantité de mouvement doivent être écrites. On remarque chaleur ;
immédiatement que cette dernière équation s’ajoute à celles utili- — vérifier le mélangeage dans une cuve ;
sées dans l’approche de type génie chimique. — déterminer la présence de points chauds dans des réacteurs ;
— calculer la diffusion de polluants dans l’atmosphère suite à des
■ Équation de bilan matière pour un constituant i incidents.
en phase homogène
Elle s’écrit :
∂ Φ ix ∂ Φ iy ∂ Φ iz ∂c i 4.2 Présentation des logiciel
- + ------------ + ----------- + ------- = r i
-----------
∂x ∂y ∂z ∂t commerciaux
∂ ci Là encore, différents produits sont accessibles ; nous nous
Φ ix = u x c i – D i -------
∂x contenterons d’en citer deux :
avec ci concentration de l’espèce i dans le volume de — FLUENT, distribué par Fluent France ;
contrôle, — PHOENIX, distribué par concentration and Heat Momentum Ltd.
ux vitesse du fluide considérée dans la direction x, Ces logiciels fonctionnent sur les mêmes principes. Ils donnent
accès à un solveur d’équations. Le système d’équations à résoudre
ri vitesse d’accumulation de l’espèce i due à des et la description de la géométrie sont fournis par l’utilisateur. Bien
réactions chimiques ou des phénomènes de sûr, cette programmation est faite à partir d’un macrolangage et
transfert de matière, facilitée par des aides.
Φix , Φiy , Φiz flux de matière de l’espèce i respectivement
dans les directions x, y et z,
Di diffusivité de l’espèce i.
■ Équation de bilan enthalpique
5. Conclusions, prospectives
L’équation correspondante a la même structure que celle du bilan
Le domaine de la modélisation a énormément évolué au cours
matière ; il suffit de remplacer le terme de concentration par
de ces dernières années. En fait, peu de nouveaux concepts sont
l’enthalpie.
apparus. Certains, parfois fort anciens tels que les systèmes experts
■ Équation de conservation de la quantité de mouvement ou les réseaux neuronaux, sont arrivés à maturité. Les progrès
majeurs sont dus au développement vertigineux des moyens infor-
La mise en forme de cette équation change selon que le fluide
matiques et des logiciels. Ainsi, l’ingénieur peut disposer de nos
est compressible ou incompressible.
jours de toute une gamme de produits laissant envisager à terme

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
J 1 022 − 6 © Techniques de l’Ingénieur, traité Génie des procédés
__________________________________________________________________________________________________ MODÉLISATION EN GÉNIE DES PROCÉDÉS

un système de conception généralisée par ordinateur. Est-ce un
rêve ? D’ores et déjà, des produits commerciaux existent dans les
domaines suivants :
— la synthèse automatique de procédés, qui permet de trouver
la structure optimale du procédé lorsque toutes les solutions
alternatives ont été élaborées (en règle générale, ces logiciels défi-
nissent eux-mêmes une superstructure ) ;
— la simulation statique ou dynamique, qui, à partir d’hypo-
thèses simplificatrices sur les problèmes d’hydrodynamique et de
transfert, détermine les performances du procédé et permet son
optimisation, ce qui conduit parfois à l’arrêt d’appareils ;
— la simulation hydrodynamique, qui reconstitue les profils de
vitesse en fonction des formes géométriques des appareils et de
leurs modes d’alimentation. Ceux-ci mettent en évidence les
volumes morts, les courts-circuits, les profils de température... et
leur emploi autorise ainsi l’évolution des structures mécaniques
des appareils afin d’en optimiser les rendements ;
— le dimensionnement, qui calcule et définit les feuilles de spé-
cification pour les appareils à mettre en place.
À terme, ces logiciels devraient être de plus en plus interfacés
comme le montre la tendance rencontrée avec certains d’entre eux.
L’ingénieur devra savoir les utiliser pour résoudre ses problèmes
concrets.
Si la Conception Assistée par Ordinateur (CAO) semble une voie
d’avenir, des progrès importants restent à faire sur la modélisation
thermodynamique, sur la modélisation cinétique des réactions et
sur la prédiction des transferts de matière ou de chaleur. En effet,
les méthodes classiquement utilisées en génie des procédés sont
des corrélations obtenues par une observation macroscopique des
phénomènes. Une meilleure appréhension des phénomènes
microscopiques sera source de progrès. Pour illustrer cette der-
nière assertion, citons toutes les études sur le micromélange qui
ont permis des progrès considérables dans des domaines tels que
la polymérisation.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Génie des procédés J 1 022 − 7
 P
O
U
Modélisation en génie des procédés R

E
par Jean-Paul GOURLIA N
Ingénieur ENSIC (École Nationale Supérieure des Industries Chimiques de Nancy)
Docteur ès Sciences
Ingénieur au Centre de Recherche d’Elf à Solaize, Elf Antar France
S
Références bibliographiques A
[1] BORNE (P.), DAUPHIN-TANGUY (G.),
RICHARD (J. P.), ROTELLA (F.) et ZAMBET-
TAKIS (I.). – Commande et optimisation des
[2] SAATDJIAN (E.). – Phénomènes de trans-
port et leurs résolutions numériques. Poly-
technica (1993).
[3] MURATET (G.) et BOURSEAU (P.). – Artifi-
cial intelligence for process engineering :
State of the art. Congrès ESCAPE 2. Tou-
V
processus. Éditions Technip (1990). louse, oct. 1992. Supplément de Computer
and Chemical Engineering (1993). O
I
R

P
L
U
S
3 - 1995
Doc. J 1 022

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie

est strictement interdite. − © Techniques de l’Ingénieur, traité Génie des procédés Doc. J 1 022 − 1