Cinq couches intégrées — du matériel inline aux modèles informés par la physique — conçues pour fonctionner en continu dans des environnements industriels réels, dès le premier jour.
Le système quantropIQ n'est pas un capteur avec un tableau de bord. C'est une architecture complète de mesure et d'inférence — matériel, calcul, représentation, modélisation informée par la physique et applications en boucle fermée — où chaque couche crée les conditions nécessaires à la suivante.
Le capteur se monte sur une bride industrielle standard — sans interruption du flux, sans prélèvement, sans modification de l'enceinte de procédé. Une grille de mesure couvre l'intégralité de la section transversale, résolvant la distribution spatiale des phases, des concentrations et des structures d'écoulement à la milliseconde près.
La conductivité et la permittivité sont capturées simultanément sur toute la section. Le résultat est un champ espace-temps où le taux de rétention de gaz, la qualité du mélange et les instabilités de phase sont directement observables — et non déduits de signaux indirects.
Un GPU embarqué par capteur assure le traitement du signal en temps réel au rythme d'acquisition. Plusieurs capteurs sont agrégés et synchronisés avec les signaux auxiliaires — DCS, débitmètres, température — dans un flux de données unifié. Le traitement déterministe à faible latence s'exécute entièrement sur site, sans aucune dépendance à une connexion cloud pour le fonctionnement opérationnel.
Chaque trame de mesure est représentée comme une empreinte physique — une signature spatiale structurée qui capture les gradients, les régimes d'écoulement et les variations dynamiques. Des états similaires produisent des empreintes similaires ; les écarts se mesurent comme des distances par rapport à une ligne de base connue. Cette représentation permet de comparer, classifier et suivre les états du procédé dans le temps d'une manière physiquement interprétable.
Les réseaux de neurones informés par la physique (PINNs) combinent les données de mesure avec les équations de conservation — masse, quantité de mouvement, énergie — permettant des prédictions, des analyses de scénarios et une interprétation causale qu'aucun modèle purement statistique ne peut offrir. La connaissance du procédé est encodée dans la structure même du modèle, et non uniquement apprise à partir de données historiques. Il en résulte des modèles qui généralisent de manière fiable entre les conditions opératoires et restent interprétables pour les ingénieurs de procédé.
La compréhension physique construite dans C1–C4 ouvre une progression de capacités opérationnelles : surveillance de la stabilité et alertes précoces ; optimisation énergétique ; contrôle autonome en boucle fermée ; accélération du changement d'échelle avec des empreintes de procédé quantifiées ; et apprentissage inter-sites à mesure que les déploiements s'accumulent. Chaque application repose sur la même base physique — aucun système supplémentaire n'est requis.
L'IA physique exige des données denses, spatialement résolues et à haute cadence temporelle. La plupart des technologies de mesure conventionnelles ne peuvent pas fournir cette combinaison — ce qui signifie que les modèles entraînés sur ces données ne peuvent apprendre que des corrélations, jamais le comportement physique sous-jacent.
L'architecture décrite ci-dessus n'est pas spécifique à un procédé donné — elle s'applique partout où l'écoulement multiphasique a une incidence économique. Ce qui change d'une application à l'autre, c'est le phénomène physique mesuré et la décision opérationnelle éclairée.
Découvrez comment la même infrastructure de mesure et d'inférence crée une valeur distincte dans différents contextes industriels.
Le capteur acquiert — mesure de toute la section transversale à plus de 1 000 images par seconde, en continu, inline.
Le calcul traite — le GPU on-premise transforme les mesures brutes en représentations d'état spatial en temps réel.
Le modèle interprète — les PINNs traduisent les empreintes spatiales en états de procédé physiquement significatifs, prédictions et anomalies détectées.
Les opérations agissent — les ingénieurs reçoivent des informations exploitables ; les systèmes en boucle fermée reçoivent directement les signaux de commande.
Un déploiement pilote est configuré pour votre géométrie de procédé, votre système fluide et vos conditions opératoires spécifiques — et livre des résultats concrets que votre équipe peut évaluer.