Client :
L’Agence fédérale russe de l’énergie atomique (Rosatom) est une holding publique qui détient plus de 360 entreprises dans le secteur nucléaire. Celles-ci incluent toutes les entreprises dans le secteur nucléaire non liées à la défense, les entreprises opérant dans le secteur des armements nucléaires, des organismes de recherche ainsi qu’une flotte de brise-glaces à propulsion nucléaire. Rosatom fait partie des plus grandes organisations dans l’industrie nucléaire. Elle détient les deuxièmes stocks d’uranium, au monde la cinquième place mondiale pour l’extraction de ce dernier et la quatrième place mondiale pour ce qui est de la production d’énergie nucléaire. Elle contrôle 17 % du marché mondial du combustible nucléaire et 40 % du marché mondial des services d’enrichissement.
Développeurs du modèle : Yuriy Podvalny, Denis Gerasimov.
Problème :
Pour concevoir cet atelier de détection de fuites des gaines de combustible, les développeurs devaient collecter les données et les paramètres de système en cas de production d’éléments combustibles rompus.
L’atelier de détection des fuites des gaines de combustible fait partie d’une ligne automatisée de production d’assemblages combustibles. Le contrôle des fuites s’appuie sur le chauffage des groupes d’éléments combustibles. Lorsqu’elles chauffent, les unités défectueuses éjectent le gaz de contrôle, qui est alors repéré par un détecteur de fuite. Le groupe défectueux est alors divisé en deux parties. Chacune d’entre elles est passée au crible de la même manière, jusqu’à ce que l’élément combustible provoquant la fuite soit trouvé.
Les ingénieurs système devaient définir les dépendances existant entre la production annuelle, le volume de stockage d’entrée, les dimensions des groupes d’éléments combustibles à charger dans les fourneaux ou bien les différents taux d’altération. De plus, ils devaient définir la quantité d’assemblages d'éléments combustibles inactifs en raison des interruptions système se produisant lorsque le stockage d’entrée est plein.
Solution :
Le taux de fuite étant de nature stochastique, les développeurs ont créé un modèle d’atelier de détection des fuites de gainage par simulation et ont testé plusieurs scénarios et algorithmes d’exploitation du système, en réalisant plusieurs expériences sur le modèle.
Ce modèle, développé dans AnyLogic, simule deux algorithmes d‘exploitation d’un atelier de détection des fuites. Ces algorithmes s’appuient sur différentes approches pour la détection d’une fuite d’élément combustible lorsqu’une fuite est détectée lors de l’évaluation du groupe d’éléments combustibles.
Premier algorithme : lorsqu’une fuite est détectée, la moitié du groupe d’éléments combustibles est sortie du fourneau #1 vers le fourneau #2. Les deux groupes sont chauffés et examinés à la recherche des éléments combustibles qui fuient. Le groupe qui réussit le test est chargé vers le stockage de sortie. Le groupe défectueux est à nouveau divisé en deux groupes, qui sont à leur tour examinés à la recherche de l'élément combustible qui fuit, et ainsi de suite.
Si les deux groupes semblent être défectueux, la moitié de chaque groupe est envoyée vers le stockage de sortie et l’examen des deux moitiés restantes débute. Les groupes d’éléments combustibles dans la zone de stockage de sortie sont inspectés à leur tour une fois que l’examen des deux premières moitiés a été effectué. La zone de stockage d’entrée reçoit les assemblages entrants selon une fréquence programmée. Ainsi, le groupe rompu est « déroulé » par deux fourneaux. Aucun nouveau groupe d’éléments combustibles n’est chargé avant que l’élément à l’origine de la fuite n’ait été trouvé. Dans le cas où aucune fuite n’est détectée, les fourneaux tournent à tour de rôle, le deuxième attendant que le premier ait terminé l’examen des groupes d’éléments combustibles.
Deuxième algorithme : les fourneaux opèrent indépendamment. Le groupe présentant la rupture est « déroulé » par un fourneau isolé de l’autre fourneau, jusqu’à ce que l’élément à l’origine de la fuite ait été trouvé. Aucun nouveau groupe d’éléments combustibles n’est chargé dans le fourneau avant que le groupe précédent n’ait été complètement examiné. Cette approche permet d’exploiter deux fourneaux simultanément.
L’utilisateur du modèle peut modifier les paramètres suivants des algorithmes :
- Fréquence de fuite
- Taille des groupes d’éléments combustibles à charger dans le fourneau pour inspection
- Taille de la zone de stockage d’entrée
Au cours de ces recherches, chaque combinaison de paramètres de valeur était exécutée dans le modèle une centaine de fois environ, pour parvenir à « une année » en termes de durée du modèle par simulation.
Résultats :
- La cadence de production des algorithmes d’exploitation a été évaluée pour les différentes situations de fréquence de fuite.
- Les dimensions des groupes d’éléments combustibles à charger dans un fourneau ont été définies de façon à fournir une cadence de production maximale pour la fréquence de fuite donnée.
- La simulation a permis d’obtenir la réduction potentielle des pertes dues aux interruptions si le volume de stockage d’entrée est augmenté.
- Les statistiques de production du détecteur de fuite ont été obtenues pour les diverses fréquences de fuite et les différents paramètres. À chaque fois, le modèle était exécuté pendant 100 années « simulées ».
- La simulation a détecté la dépendance existante entre le volume maximum de stockage d’entrée et les dimensions des groupes d’éléments combustibles à charger dans le fourneau. Des valeurs chiffrées ont été obtenues afin d’exprimer cette dépendance pour les diverses fréquences de fuite.
Conclusion :
Lors de l’étape de conception de l’atelier de détection des fuites de gainage, les expériences effectuées sur le système réel nécessitaient des dépenses importantes, en temps comme en argent. L’analyse des données collectées pendant la simulation a permis aux ingénieurs de définir les paramètres de conception optimaux, permettant de parvenir à une production maximale.
Le client prévoit d’utiliser le modèle par simulation pour évaluer les modifications pouvant être apportées à la ligne de production, comme par exemple l’ajout d'un nouveau fourneau. Les utilisateurs peuvent modifier les paramètres en éditant les données dans l’interface du modèle. Le modèle par simulation va servir d’outil d’aide à la prise de décision à l’acquéreur de l’équipement pendant de nombreuses années.