Dans l'industrie sidérurgique, les fours de réchauffage sont les plus grands consommateurs d'énergie après les hauts fourneaux. Réduire leur consommation énergétique est donc la préoccupation majeure de la commande des fours. Dans un four de réchauffage, des brames d'acier sont chauffées en traversant successivement plusieurs zones, de la température ambiante à un profil de température homogène de 1250 °C en sortie du four, avant d’être laminées dans les laminoirs à chaud. La température de brames est contrôlée par une structure de commande hiérarchisée à deux niveaux (niveau 1 et 2).L'objectif de ces travaux est d'améliorer la performance du chauffage et donc de réduire la consommation énergétique du four via une stratégie de commande prédictive distribuée hiérarchisée sur les deux niveaux de commande. Une approche de commande prédictive distribuée est tout d’abord développée pour le niveau 1 afin de suivre les consignes de température de zone, prenant en compte les couplages entre les zones et induisant une moindre complexité d’implantation par rapport à une approche centralisée. L’implantation industrielle a permis une amélioration significative de la précision du suivi de température et une réduction de la consommation d'énergie de 3%. Une deuxième étape propose l’élaboration de la commande prédictive hiérarchisée du niveau 2 afin, à partir de la consigne de température de brame, de déterminer les consignes de température optimales des zones en se fondant sur un modèle de transfert thermique du four. Les résultats de simulation, comparés aux données industrielles, montrent une réduction de la consommation énergétique de 5% et une meilleure qualité de chauffage des brames. L’approche précédente est enfin étendue pour prendre en compte et optimiser le cadencement des brames afin d’augmenter la productivité du four. La simulation montre une augmentation potentielle de productivité du four de 15 tonnes par heure tout en améliorant la qualité de chauffage des brames. / In steel industry, reheating furnaces are the biggest energy consumers after blast furnaces. As a result, reduction of energy consumption is the major concern of furnace control. In a walking-beam slab reheating furnace, steel slabs are heated by moving through successive zones from ambient temperature to a homogenous temperature profile of 1250°C at the furnace exit, to be rolled subsequently in the hot rolling mills. Temperature of slabs is controlled mainly by a two-level hierarchical structure, so called level 1 and level 2.The aim of this thesis is to improve the heating performance and consequently to reduce the energy consumption of the furnace by using hierarchical distributed model predictive control (MPC) strategy for both levels. In a first step, distributed model predictive controllers are developed for the level 1 in order to track zone temperature set-points. The distributed feature of the control law enables to consider coupling effects between zones while reducing the computation complexity compared to a complete centralized approach. The industrial results showed significant improvement on temperature tracking accuracy and an energy consumption reduction of 3%. In a second step, the hierarchical MPC is constructed for the level 2 in order to determine the optimal zones temperature setpoint from the slab temperature setpoint, based on a numerical heat transfer model of the furnace. The simulation results obtained with this strategy compared against industrial data show an energy consumption reduction of 5% and a better heating quality. The previous structure is finally extended to take into account and optimize the scheduling of the slabs within the MPC level 2 in order to increase productivity of the considered furnace. The simulation shows a potential increase of productivity of the furnace of 15 tons per hour while improving the slab heating quality.

Dans l'industrie sidérurgique, les fours de réchauffage sont les plus grands consommateurs d'énergie après les hauts fourneaux. Réduire leur consommation énergétique est donc la préoccupation majeure de la commande des fours. Dans un four de réchauffage, des brames d'acier sont chauffées en traversant successivement plusieurs zones, de la température ambiante à un profil de température homogène de 1250 °C en sortie du four, avant d’être laminées dans les laminoirs à chaud. La température de brames est contrôlée par une structure de commande hiérarchisée à deux niveaux (niveau 1 et 2).L'objectif de ces travaux est d'améliorer la performance du chauffage et donc de réduire la consommation énergétique du four via une stratégie de commande prédictive distribuée hiérarchisée sur les deux niveaux de commande. Une approche de commande prédictive distribuée est tout d’abord développée pour le niveau 1 afin de suivre les consignes de température de zone, prenant en compte les couplages entre les zones et induisant une moindre complexité d’implantation par rapport à une approche centralisée. L’implantation industrielle a permis une amélioration significative de la précision du suivi de température et une réduction de la consommation d'énergie de 3%. Une deuxième étape propose l’élaboration de la commande prédictive hiérarchisée du niveau 2 afin, à partir de la consigne de température de brame, de déterminer les consignes de température optimales des zones en se fondant sur un modèle de transfert thermique du four. Les résultats de simulation, comparés aux données industrielles, montrent une réduction de la consommation énergétique de 5% et une meilleure qualité de chauffage des brames. L’approche précédente est enfin étendue pour prendre en compte et optimiser le cadencement des brames afin d’augmenter la productivité du four. La simulation montre une augmentation potentielle de productivité du four de 15 tonnes par heure tout en améliorant la qualité de chauffage des brames. / In steel industry, reheating furnaces are the biggest energy consumers after blast furnaces. As a result, reduction of energy consumption is the major concern of furnace control. In a walking-beam slab reheating furnace, steel slabs are heated by moving through successive zones from ambient temperature to a homogenous temperature profile of 1250°C at the furnace exit, to be rolled subsequently in the hot rolling mills. Temperature of slabs is controlled mainly by a two-level hierarchical structure, so called level 1 and level 2.The aim of this thesis is to improve the heating performance and consequently to reduce the energy consumption of the furnace by using hierarchical distributed model predictive control (MPC) strategy for both levels. In a first step, distributed model predictive controllers are developed for the level 1 in order to track zone temperature set-points. The distributed feature of the control law enables to consider coupling effects between zones while reducing the computation complexity compared to a complete centralized approach. The industrial results showed significant improvement on temperature tracking accuracy and an energy consumption reduction of 3%. In a second step, the hierarchical MPC is constructed for the level 2 in order to determine the optimal zones temperature setpoint from the slab temperature setpoint, based on a numerical heat transfer model of the furnace. The simulation results obtained with this strategy compared against industrial data show an energy consumption reduction of 5% and a better heating quality. The previous structure is finally extended to take into account and optimize the scheduling of the slabs within the MPC level 2 in order to increase productivity of the considered furnace. The simulation shows a potential increase of productivity of the furnace of 15 tons per hour while improving the slab heating quality.

La gestion de l’énergie est une préoccupation majeure dans les réseaux de capteurs sans fil. Ces capteurs sont généralement alimentés par une batterie embarquant une quantité d’énergie finie. Par conséquent, le temps pendant lequel les capteurs peuvent surveiller une zone et communiquer par signaux radio peut être limitée lorsqu’il n’est pas possible de remplacer leur batterie. En outre, les réseaux de capteurs sont parfois déployés dans les zones difficiles d’accès ou dans des environnements hostiles dans lesquels le placement des capteurs peut être considéré comme aléatoire (c’est le cas par exemple lorsque les capteurs sont largués d’un avion ou d’un hélicoptère). Ainsi, l’emplacement des capteurs n’est pas connu a priori et les approches pour utiliser efficacement l’énergie sont nécessaires. Cette thèse explore l’utilisation de la génération colonnes pour optimiser l’utilisation de l’énergie dans les réseaux de capteurs sans fil. La génération de colonnes peut être vue comme un cadre général pour résoudre différents problèmes dans la conception et l’exploitation de ces réseaux. Plusieurs versions du problème et divers modèles sont proposés pour représenter leur fonctionnement,en utilisant notamment la génération de colonnes. Ces approches exploitent le caractère naturel de la génération de colonnes pour modéliser les différents aspects des réseaux de capteurs sans fil.Dans cette thèse, des contributions algorithmiques sont apportées afin de tirer le meilleur parti de la génération de colonnes au plan de l’efficacité computationnelle. Des stratégies hybrides combinant génération de colonnes et (méta)-heuristiques et donnant lieu à des méthodes exactes et approchées sont proposées et évaluées. Des tests numériques montrent l’efficacité des approches proposées et des bornes supérieures qui peuvent être employées pour évaluer l’efficacité des méthodes centralisées et distribuées. Enfin, des perspectives sont dégagées concernant les performances et la portabilité de la génération de colonnes pour aborder des problèmes plus réalistes et tenir compte des caractéristiques des réseaux de capteurs sans fil du futur. / Energy is a major concern in wireless sensor networks (WSN). These devices are typically battery operated and provided with a limited amount of energy. As a consequence, the time during which sensors can monitor the interesting phenomena and communicate through wireless signals might be limited because of (sometimes) irreplaceable batteries. Additionally, it is very common for WSN to be usedin remote or hostile environments which possibly makes necessary a random placement strategy (by using an airplane, a drone or a helicopter). Hence, the sensors location is not known a priori and approaches to efficiently use the energy are needed to answer to network topologies only known after sensors deployment. This thesis explores the use of column generation to efficiently use the energy in WSN. It is shown that column generation can be used as a general framework to tackle different problems in WSN design. Several versions of the problem and models for the operation of the WNS are adapted to be solved through column generation. These approaches take advantage of the natural way that column generation offers to consider different features of the WSN operation. Additionally, some computational improvements are proposed to keep the column generation method operating as an efficient exact approach. Hybrid strategies combining column generation with (meta)heuristic and exact approaches are considered and evaluated. The computational experiments demonstrate the efficiency of the proposed approaches and provide practitioners on WSN research with strategies to compute upper bounds to evaluate heuristic centralized and decentralized approaches. Finally, some future directions of research are provided based on the performance and adaptability of column generation to consider more sophisticated models and characteristics newly introduced in sensor devices.