Dans cet article, nous donnons quelques exemples de réalisations de Custom Analytics à l'aide du SDK Alteia Python, sur le jumeau numérique d'un actif reconstruit dans Aether.

Meilleure voie de carburant pour les véhicules dans les mines et les carrières

Ce cas illustre comment intégrer les données des machines industrielles aux données géospatiales du site.

"Un gestionnaire de carrière souhaite utiliser les itinéraires les plus efficaces sur son site pour déplacer les matériaux d'un point A à un point B" (généralement, de la zone de chargement dans la fosse au concasseur)".

Comment résoudre ce problème d'optimisation ?

En utilisant une modélisation de la consommation de carburant des camions, et les données géospatiales 3D issues de la modélisation d'une carrière, il a été possible de calculer et d'afficher sous forme de couche dans Aether meilleure trajectoire le long des routes de transport disponibles qui minimise la consommation globale de carburant entre deux points A et B. Examinons les étapes successives de ce résultat.
L'étape 1 consiste à utiliser les analyses intégrées d'Aether pour générer les routes de transport de la carrière comme entrée pour ce calcul de carte de carburant :

• Les images brutes sont capturées par des drones
• Les images des drones sont traitées en 2D ou 3D dans Aether (elles pourraient également être traitées à l'extérieur et ingérées)
• Aether détecte et extrait les routes de transport

L'étape 2 consiste à définir la consommation de carburant entre tous les points, en utilisant :

• Données relatives au véhicule : par exemple, résistance au roulement, charge
• Données liées aux drones : longueurs et dénivelés directement calculés à partir du modèle 3D hébergé dans Aether.

 def fuel_consumption(load, length, delta_z): 
retour max(C_h*(1-RR)*(20000+charge)/20000*longueur + C_v*(20000+charge)
/20000*delta_z,0)

L'étape 3 est le développement d'un petit script Python à l'aide du SDK. Ce script :

• définit le KPI à générer (consommation de carburant)
• appelle le modèle de routes de transport comme entrée
• appelle les fonctions du SDK
• génère une carte visuelle (.tiff)

En conclusion, il a été possible de simuler le coût du carburant associé à un certain positionnement du concasseur par rapport à la zone de chargement