Logiciel open source de calcul numérique

Passer au contenu principal

Scilab et la réduction du time to market

Par Jean-Pierre Bovée, Sanofi

Alors que le monde académique salue depuis longtemps les vertus de la modélisation physique des procédés vis-à-vis du pilotage fin de la production et plus largement de la connaissance des déterminants de la performance et de la qualité, la réalité du terrain est en retard sur les prédictions dans le domaine. 

Classiquement la première étape est bien la modélisation, menée à partir de données recueillies, puis transférées vers un environnement de simulation. Ceci permet certes une évaluation hors ligne du modèle, mais c'est une évaluation en ligne qui est visée.

Au-delà de cette étape de validation d'un modèle, si l'on aborde le pilotage du procédé, qui peut faire appel à des modèles complexes, les outils disponibles pour mettre en œuvre l'algorithmique correspondante sont des automates ou des systèmes de conduite nullement conçus à ces fins. A ce stade précis on achoppe le plus souvent sur des barrières technologiques qui ralentissent le test du concept. Cette transposition des stratégies mises au point dans l'environnement de simulation est pénible, coûteuse, voire parfois impossible.

D'où l'idée d'un couplage direct entre l'environnement industriel et l'environnement de simulation: les données arrivent directement à l'environnement de simulation et ce dernier renvoie les ordres de commande élaborés via les algorithmes de calcul. 

Le couplage d'un environnement qui permet de tester la validité des modèles comme leur pilotage par des algorithmes relativement complexes a été réalisé entre Scilab et des automates industriels, permettant de s'affranchir des étapes de traduction / transposition dans les contrôleurs des automates. Ceci ouvre la voie à une accélération du test des stratégies basées sur la modélisation des procédés, l'une des voies majeures de maîtrise de la qualité et des coûts en cette période de l'histoire industrielle.