MAPPED

MAPPED est un produit regroupant un ensemble d’éléments fonctionnant en chaîne avec :

- Un jeu de capteurs innovants à bas couts permettant de détecter certains traceurs métaboliques dans le réacteur de méthanisation.

- Une plateforme logicielle dématérialisée en mode client/serveur avec :

• Une plateforme de gestion/sauvegarde de données fonctionnant grâce un DAPM développé dans le cadre du projet Européen SEAS piloté par ENGIE et installé sur les infrastructures d’INEO TINEA.
• Des bases de données empiriques qui s’enrichissent à chaque instant et permettent d’augmenter la pertinence des modèles du vivant et d’encadrer les incertitudes techniques.
• Des algorithmes permettant de déployer un ai prédictive interprétant, sur la base des données remontées par le jeu de capteurs, « l’état de santé biologique » du système (sous licence de la start-Up BioEntech). Ces modèles numériques pouvant également être déployés sur une infrastructure locale au sein même des unités en cas de besoin ou d’éloignement des réseaux de communication basse puissance.

- Une plateforme Web avec des outils d’analyse environnementale, agronomique et d’intégration territoriale permettant de planifier les projets d’ENGIE au sein du territoire et de piloter la recette des intrants de manière efficace et économique tout en évaluant le champ des possibles, les synergies entre projets et l’ensemble des impacts associés (valorisation du digestats, GES,…).

Les outils ont été développés par 2 start-ups dont la start-up BioEntech issue de l’INRIA de Sophia Antipolis qui a produit la base innovante des algorithmes intelligents et Akajoule qui a développé des modèles d’économie circulaire territoriaux. ENGIE Lab apporte avec le Métier B2T ses outils de développement de plateforme digitale territoriale (B2T) ainsi que ses compétences en développement d’IOT, de nanotechnologies et plus largement de technologies de méthanisation. ENGIE Green apporte ses compétences métiers sur la construction d’unités de méthanisation et INEO TINEA ses compétences et infrastructures de web services ainsi que sa maitrise du DAPM SEAS pour la communication des IOT.

La technologie permettrait de gagner entre 5 et 15% de productivité sur des méthaniseurs mutualisés territoriaux gérant un mix variable d’intrants. Ces outils fonctionneront en « machine learning » avec un apprentissage et une amélioration de leur précision prédictive au fur et à mesure de l’acquisition de données.