Optimisation structurelle des ponts roulants Kelude LXD/DXT

Derrière chaque pont roulant, de la planche à dessin à la mise en service, se cache un écosystème technique complet. En quinze ans, Kelude Industries Lourdes (KRUID CRANE) a bâti une chaîne technologique intégrée, allant de l'optimisation mécanique classique aux algorithmes d'IA développés en interne. Il ne s'agit pas d'une simple ligne technique, mais d'une matrice de R&D pluridisciplinaire couvrant la mécanique computationnelle, le génie électrique, les communications IoT et l'intelligence artificielle. Cet article explore la puissance de R&D de Kelude à travers quatre dimensions — évolution technologique, organisation, équipements clés et feuille de route stratégique — et montre comment cet équipementier chinois est passé du statut de suiveur à celui de leader dans la vague de l'intelligence industrielle.

Évolution technologique : quatre jalons clés, de l'optimisation structurelle à l'IA

L'évolution technologique de Kelude s'articule autour de quatre phases distinctes, chacune marquant un bond en avant dans une compétence clé et une compréhension plus fine du métier de fabricant de ponts roulants.

2010 : fondations en optimisation structurelle. C'est le point de départ du système de R&D de Kelude. L'entreprise a alors intégré la plateforme ANSYS Workbench et développé ses capacités en analyse par éléments finis (FEA). L'équipe R&D a mené des travaux d'optimisation topologique à densité variable sur les poutres principales des ponts roulants type QD, avec pour objectif de minimiser le poids mort tout en préservant la capacité portante. Cette phase a été marquée par la recherche de la précision du calcul : grâce à un processus CAE en trois étapes (optimisation topologique → optimisation de forme → optimisation dimensionnelle), une réduction de 12 % à 18 % de la masse des éléments de structure clés a été obtenue, tout en validant toutes les conceptions selon les exigences de la norme ISO 4301 / FEM 1.001, notamment l'essai statique à 1,25 fois la charge nominale et la vérification du coefficient de charge dynamique de 1,1. L'introduction de la machine d'essai de fatigue MTS a permis de boucler la boucle de validation physique des résultats de simulation. Entre 2010 et 2014, le bureau d'études structures a réalisé plus de 200 projets d'optimisation et constitué une base de données complète de simulation des éléments de structure — poutres principales, sommiers, châssis de chariot et moufles.

2015 : montée en puissance de l'automatisation électrique. Fort de la maturité de ses compétences en simulation structurelle, Kelude s'est tournée vers les systèmes de commande. L'entreprise a constitué une équipe R&D électrique, déployé le bus Ethernet temps réel industriel EtherCAT et développé la première génération de son système de commande électrique KRUID-ECS. Le résultat marquant de cette phase a été l'établissement d'une architecture électrique standard combinant variateur de fréquence, logique API et interface homme-machine sur écran tactile, ainsi que l'introduction de la plateforme de prototypage rapide de contrôle (RCP) dSPACE, qui a réduit le cycle de validation sur machine des algorithmes de contrôle de plusieurs mois à quelques semaines. Parallèlement, l'entreprise a commencé à déployer des scanners laser 3D FARO pour la rétro-ingénierie et l'analyse des écarts d'assemblage des composants critiques des ponts roulants. En 2017, le bureau d'études électriques a validé sur un pont roulant de 50 tonnes le premier système de commande électrique entièrement conçu en interne, marquant l'acquisition par Kelude d'une capacité de R&D indépendante dans ce domaine.

2020 : transition vers le numérique et l'intelligence. À partir de 2020, Kelude a recentré ses efforts sur la numérisation et l'intelligence. L'entreprise a mis en service sa plateforme de supervision IoT KRUID-IoT, permettant l'acquisition en temps réel, la transmission à distance et le stockage cloud des données d'exploitation des ponts roulants. Exploitant ces données massives, l'équipe R&D a commencé à entraîner des modèles prédictifs pilotés par les données — passant d'une logique d'alertes par seuils à des prévisions de tendances basées sur des caractéristiques statistiques, pour aboutir à un système d'évaluation de l'indice de santé (HI) fondé sur des réseaux de neurones LSTM. Parallèlement, l'entreprise a lancé un projet de Jumeau Numérique, utilisant le moteur Unity 3D pour reproduire le comportement dynamique complet d'un pont roulant dans un environnement virtuel, posant ainsi les bases du fonctionnement sans personnel et de l'ordonnancement intelligent. Fin 2022, la plateforme IoT comptait plus de 800 ponts roulants en service connectés, avec un volume de données cumulé dépassant 50 To.

2025 : percée dans le développement d'algorithmes d'IA. En 2025, Kelude a atteint une capacité complète de développement d'algorithmes d'IA en interne. Dans le domaine du contrôle anti-balancement, l'équipe a développé un contrôleur anti-balancement par apprentissage par renforcement profond basé sur le cadre d'optimisation de politique proximale (PPO). Après 5 millions de pas d'entraînement par confrontation dans l'environnement de Jumeau Numérique, le contrôleur a été déployé sur machine, atteignant une précision de contrôle de l'angle de balancement en extrémité inférieure à 0,3°. Dans le domaine de la reconnaissance visuelle, un modèle de positionnement du spreader et de détection d'obstacles basé sur l'architecture YOLOv8 maintient une précision de reconnaissance supérieure à 95 %, même dans des conditions de faible luminosité ou de pluie et de brouillard. Le moteur de maintenance prédictive a quant à lui évolué d'une approche par composant à une approche système complet, couvrant les quatre composants principaux : réducteurs, freins, moteurs et câbles métalliques. Au second semestre 2025, les premiers ponts roulants intégrant des fonctions d'IA ont été livrés à des clients, démontrant des gains significatifs en efficacité et une réduction des taux de défaillance dans des aciéries et des terminaux portuaires de premier plan. Kelude a ainsi franchi sa quatrième transition technologique, passant d'une culture « structure-électricité-numérique » à une culture « née de l'IA ».

Organisation R&D : synergie entre structures, électricité, logiciels et algorithmes

La concrétisation des capacités technologiques repose sur une organisation solide. Le système de R&D de Kelude Industries Lourdes est structuré autour de quatre unités clés, formant une chaîne complète allant de la couche physique à la couche algorithmique, avec une collaboration transparente assurée par des protocoles d'interface standardisés.

Le bureau d'études structures constitue la couche de base du système de R&D et l'unité la plus ancienne de Kelude. L'équipe se consacre à l'étude du comportement mécanique des structures métalliques, avec des compétences clés couvrant la simulation FEA ANSYS, la validation par essais de fatigue MTS, l'ingénierie inverse par scan 3D et la simulation du procédé de soudage. Le bureau est responsable de la conception et de l'optimisation des éléments porteurs critiques — poutres principales, sommiers, châssis de chariot — et toutes les conceptions doivent passer par un processus en boucle fermée en quatre étapes : simulation, prototype, essai, correction. La machine d'essai de fatigue servo-hydraulique MTS 322, installée au sein du bureau, peut appliquer une charge dynamique maximale de 100 kN et couvre l'ensemble des vérifications de fatigue exigées par la norme ISO 4301 / FEM 1.001. Le bureau compte actuellement 8 ingénieurs seniors et 12 ingénieurs confirmés, tous forts de plus de dix ans d'expérience dans la conception de structures de ponts roulants.

Le bureau d'études électriques est responsable de la conception de l'architecture matérielle des systèmes de commande et de l'intégration des systèmes électriques. Il constitue le pont entre le monde physique et le monde numérique. L'équipe a construit une plateforme matérielle de commande standardisée autour du bus EtherCAT, couvrant tous les composants de la couche électrique : variateurs de fréquence, Automates PLC, relais de sécurité et interfaces capteurs. Le bureau exploite également la plateforme de test matériel-in-the-loop (HIL) dSPACE SCALEXIO, équipée d'un modèle de dynamique de véhicule haute fidélité (incluant poutres flexibles, angle de balancement du câble métallique, contact roue-rail), capable de simuler en laboratoire l'ensemble des conditions de fonctionnement réelles d'un pont roulant. La plateforme HIL a réduit le cycle d'intégration et de validation de la logique de commande de 8 semaines à 2 semaines, avec plus de 500 cas de test automatisés exécutés à chaque itération logicielle. Le bureau est également responsable des tests de compatibilité électromagnétique (CEM) et de la Certification CE de tous les contrôleurs.

Le bureau d'études logiciels se concentre sur les applications logicielles de niveau supérieur et les plateformes de données. C'est le moteur de la transformation numérique de Kelude. L'équipe a développé en interne l'intergiciel IoT KRUID-IoT, qui prend en charge l'accès unifié et la conversion de données pour trois protocoles industriels : Modbus TCP, OPC UA et MQTT. Le bureau est également responsable du développement de la plateforme de Jumeau Numérique, construite sur Unity 3D, qui fournit une visualisation 3D complète du pont roulant et se synchronise en temps réel avec les données d'exploitation de l'équipement physique. Cette plateforme sert non seulement à la Surveillance à Distance, mais aussi d'environnement de simulation pour l'entraînement et le test des algorithmes de contrôle anti-balancement par apprentissage par renforcement. Le bureau adopte une méthodologie de développement agile, avec une nouvelle version publiée toutes les deux semaines, garantissant une réponse rapide aux besoins des clients.

Le groupe algorithmes est le « cerveau » du système de R&D de Kelude. Créé en 2023 en tant qu'unité indépendante, il est composé de chercheurs spécialisés en apprentissage automatique, vision par ordinateur et théorie du contrôle, avec plus de 40 % de titulaires d'un doctorat. Le flux de travail de l'équipe couvre toute la chaîne : acquisition et nettoyage des données, entraînement et validation des modèles, déploiement en périphérie et itération continue. Le groupe algorithmes a établi des mécanismes d'interface « besoin-livraison » fixes avec les bureaux d'études structures, électriques et logiciels : le bureau électrique fournit les spécifications d'interface du contrôleur, le bureau logiciel fournit le pipeline de données IoT, le bureau structures fournit les conditions aux limites mécaniques, et le groupe algorithmes restitue des modèles d'inférence validés. Cette architecture collaborative à quatre unités garantit une boucle technologique complète, de la mécanique fondamentale à l'intelligence de haut niveau, permettant à chaque avancée technique de se propager rapidement à l'ensemble du système de R&D.

Équipements de R&D : scan 3D, essais de fatigue et tests HIL

Le niveau des équipements de R&D détermine directement la profondeur et l'étendue de la validation technique. Kelude Industries Lourdes a investi en continu dans ses infrastructures de R&D, avec un investissement cumulé dépassant 3,8 millions d'EUR, aboutissant à une matrice d'équipements couvrant trois dimensions : mesure géométrique, validation des propriétés mécaniques et test de la logique de commande.

Système de scan laser 3D. Le scanner laser 3D FARO Focus S350, dont est équipée Kelude, offre une précision de mesure de ±1 mm à 10 m et une vitesse de balayage allant jusqu'à 976 000 points par seconde. Ce système est principalement utilisé pour la rétro-ingénierie des structures de ponts roulants et la détection des écarts d'assemblage. En phase de développement de nouveaux produits, le bureau d'études structures utilise les données de scan pour créer des modèles CAE haute précision, garantissant la cohérence entre les conditions limites de simulation et la réalité physique. En phase de contrôle qualité en production, des scans périodiques des éléments de structure soudés sont effectués et comparés aux modèles CAO, avec un contrôle des écarts de Cordon de Soudure maintenu à ±2 mm. La technologie de scan 3D est également appliquée aux projets de rénovation de ponts roulants anciens, où la mesure précise des paramètres géométriques réels de la structure existante fournit des données d'entrée fiables pour la solution de modernisation.

Système d'essai de fatigue servo-hydraulique MTS. L'essai de fatigue est une étape cruciale dans la validation de la fiabilité des structures de ponts roulants. Le bureau d'études structures de Kelude dispose d'une machine d'essai de fatigue servo-hydraulique MTS 322 à double colonne, équipée d'un Capteur de charge de 100 kN et d'un système de fixation hydraulique, capable d'exécuter des profils de charge sinusoïdaux, triangulaires et spectraux aléatoires. Le système prend en charge des essais de fatigue continus allant jusqu'à 100 000 cycles, avec enregistrement automatique des courbes charge-déplacement et des données de dégradation de la Rigidité. Avant la validation finale de chaque nouveau lot de poutres principales, un cycle de vie complet de chargement de fatigue doit être effectué sur la machine, avec une exigence de déformation résiduelle après essai ne dépassant pas 1/1000 de la Portée. À titre d'exemple, pour la poutre principale du pont roulant type QD de 50 tonnes, après 85 000 cycles de chargement, la déformation résiduelle maximale n'était que de 1/1500 de la portée, largement inférieure à l'indicateur de conception. L'analyse comparative des données d'essai de fatigue et des résultats de simulation CAE est également utilisée pour affiner et améliorer en continu la précision des modèles de simulation.

Plateforme de test Hardware-in-the-Loop (HIL) dSPACE SCALEXIO. La plateforme HIL constitue l'équipement central de la R&D électrique de Kelude, et l'infrastructure clé de la transition de l'entreprise d'une « électricité traditionnelle » vers le « contrôle intelligent ». Le système SCALEXIO adopte une conception modulaire, équipé de la carte processeur DS1007 et de la carte E/S DS2202, et peut exécuter en temps réel des modèles de simulation à l'échelle de la machine complète intégrant un modèle par éléments finis de poutre flexible, un modèle non linéaire d'angle d'oscillation du câble métallique et un modèle de contact roue-rail. Le système prend en charge la génération et le déploiement automatiques de code à partir de modèles Simulink, permettant un flux de travail « en un clic » du développement d'algorithmes Matlab/Simulink à la validation HIL. Lors du développement du contrôleur KRUID-ECS 2.0, la plateforme HIL a exécuté plus de 3 000 cas de test automatisés, couvrant toutes les exigences de validation fonctionnelle de la norme FEM 1.001 relative aux systèmes de commande de grues, tout en prenant en charge les tests d'injection de défauts pour 19 catégories de modes de défaillance, notamment la rupture de câble du capteur, l'interruption de communication et le blocage de l'actionneur. L'équipe de test HIL a également développé une « bibliothèque de scénarios de conditions d'exploitation extrêmes » comprenant plus de 30 scénarios à risque, tels que les coupures de courant soudaines, les arrêts d'urgence à pleine charge et le travail en extérieur par vent fort, garantissant la fiabilité du système de commande dans les conditions les plus sévères.

4. Système de validation en boucle fermée simulation-essai : du prototype virtuel à la confirmation physique

Dans la pratique de la R&D, « la simulation ne doit jamais être entièrement fiable, et l'essai ne doit jamais être négligé » est le principe de base de l'équipe technique de Kelude. L'entreprise a établi un système de validation en boucle fermée couvrant trois niveaux — « prototype virtuel, simulation Hardware-in-the-Loop (HIL), validation physique » — chaque niveau étant défini par des critères d'entrée, de sortie et d'acceptation clairs.

Niveau 1 : Simulation sur prototype virtuel. Le département des structures effectue des analyses par éléments finis de la machine complète ou de ses composants dans ANSYS Workbench, notamment des analyses statiques, des analyses modales et des analyses de contact non linéaire. Le département électrique développe des modèles de système de commande dans Matlab/Simulink, incluant la commande vectorielle du moteur, les algorithmes de contrôle anti-balancement et la logique de sécurité. Le département logiciel construit un jumeau numérique complet de la machine dans l'environnement Unity 3D, utilisé pour la pré-validation de la logique d'interaction homme-machine et la simulation de scénarios de formation des opérateurs. Les trois équipes utilisent une plateforme de gestion des paramètres unifiée, garantissant la cohérence des propriétés des matériaux, des cas de charge et des conditions limites utilisés dans les modèles de simulation, évitant ainsi les écarts de simulation dus aux silos de données.

Niveau 2 : Validation par simulation Hardware-in-the-Loop (HIL). Cette étape constitue une particularité du système de R&D de Kelude et le pont essentiel entre le « virtuel » et le « réel ». La plateforme HIL intègre le contrôleur matériel réel dans la boucle de simulation, reproduisant en laboratoire le cycle de fonctionnement complet de la grue. Contrairement à la simulation purement logicielle, les tests HIL ont révélé des problèmes d'ingénierie que la simulation logicielle ne peut pas détecter, tels que des problèmes d'adaptation de niveaux logiques sur les interfaces matérielles du contrôleur, des retards d'ordonnancement des tâches du système d'exploitation temps réel et des goulots d'étranglement de charge sur le bus de communication. Selon les statistiques, les tests HIL de chaque nouvelle version de contrôleur détectent en moyenne 8 à 12 défauts au niveau des interfaces matériel-logiciel, dont environ 30 % sont des erreurs logiques de gravité critique. Si ces défauts n'étaient découverts qu'à la phase de mise en service sur machine réelle, le coût de correction de chaque problème serait de 5 à 10 fois supérieur à celui de la phase HIL.

Niveau 3 : Validation physique et essai de type. Toutes les conceptions validées par simulation HIL doivent finalement subir une validation physique sur une grue réelle. Les éléments de structure doivent passer l'essai de type conformément à la norme FEM 1.001 relative aux ponts roulants d'usage général, incluant l'essai statique à 1,25 fois la charge nominale, l'essai de charge dynamique à 1,1 fois la charge nominale et la mesure de flèche à charge nominale. Pour les améliorations du système de commande, des tests de performance comparatifs sont effectués sur machine réelle, enregistrant des indicateurs clés tels que la courbe de décroissance de l'angle d'oscillation, la précision de positionnement et le temps de réponse. Les données de validation des trois niveaux sont stockées dans la base de données R&D de Kelude, servant de référence pour l'optimisation de la conception des prochaines générations de produits. À ce jour, la base de données R&D a accumulé plus de 1 200 rapports d'essai et 30 000 enregistrements de test, constituant une base de connaissances d'entreprise en croissance continue.

5. Feuille de route technologique : de l'optimisation de la machine individuelle à la plateformisation du système

Pour les trois prochaines années, Kelude Industries Lourdes a défini une feuille de route technologique en trois phases : « intelligence de la machine individuelle, plateformisation du système, ouverture de l'écosystème ». Cette feuille de route répond à la vague d'intelligence du secteur et reflète la détermination stratégique de l'entreprise à passer d'un fabricant d'équipements à une entreprise technologique de plateforme.

À court terme (2026-2027) : Achèvement de l'intelligence de la machine individuelle. L'objectif est de standardiser les fonctions intelligentes de base sur toutes les grues nouvellement livrées, en s'appuyant sur les algorithmes d'IA existants. Concrètement, le contrôleur anti-balancement RL passe d'une option à un équipement standard, le système de vision C-Vision couvre plus de 95 % des scénarios d'exploitation, et la maintenance prédictive couvre tous les composants de la chaîne de transmission. La validation technique de cette phase sera réalisée sur la plateforme HIL existante et sur les sites d'essai, avec des indicateurs techniques de référence alignés sur les marques internationales de premier plan. 30 % du budget R&D sera consacré à l'itération continue des algorithmes d'IA, en se concentrant sur deux défis techniques majeurs : le contrôle anti-balancement coopératif de plusieurs grues et la robustesse visuelle dans des environnements complexes.

À moyen terme (2027-2028) : Mise en œuvre de la plateformisation du système. Après l'achèvement de l'intelligence de la machine individuelle, Kelude lancera la plateforme unifiée KRUID-OS — une architecture logicielle destinée à l'ensemble du cycle de vie de la grue, intégrant la surveillance IoT, le jumeau numérique, la maintenance prédictive et la télécommande dans un cadre de microservices unifié. L'objectif principal de la stratégie de plateformisation est de réaliser « un logiciel adapté à toute la gamme de produits », réduisant considérablement le coût marginal de développement multi-modèles. Parallèlement, l'entreprise créera un département d'architecture système, sur la base des trois instituts et un groupe existants, dédié à la conception d'architecture technique et au travail de normalisation transverses. KRUID-OS adoptera un déploiement conteneurisé, prenant en charge un déploiement flexible de la périphérie au cloud, répondant aux exigences d'infrastructure informatique des différents clients.

À long terme (2029-2030) : Exploration de l'ouverture de l'écosystème. Kelude prévoit d'ouvrir certaines interfaces API de KRUID-OS vers 2029, permettant à des développeurs tiers de créer des applications spécialisées sur la plateforme matérielle Kelude. Par exemple, la logique d'alimentation automatique pour l'industrie métallurgique, les algorithmes d'ordonnancement collaboratif pour les terminaux portuaires, et les applications de télécommande pour environnements antidéflagrants pourront être intégrés aux grues Kelude via des API standard. Si cette stratégie est mise en œuvre avec succès, elle transformera Kelude d'un fabricant d'équipements en une entreprise technologique de plateforme, redéfinissant fondamentalement les barrières concurrentielles de l'entreprise. En outre, l'entreprise prévoit de créer une communauté de développeurs et un système de certification technique pour assurer la pérennité de l'écosystème.

6. Collaboration industrie-université-recherche et participation aux normes techniques

Le système de R&D de Kelude n'est pas un système fermé. Grâce à une coopération approfondie avec des universités, des instituts de recherche et des organismes de normalisation, l'entreprise absorbe en permanence les avancées technologiques de pointe tout en restituant son expérience pratique d'ingénierie au secteur.

En matière de coopération industrie-université-recherche, Kelude a établi des laboratoires conjoints avec plusieurs universités majeures en génie mécanique et en informatique. Les axes de coopération comprennent : la prédiction de la durée de vie en fatigue de la structure en acier de grue basée sur les réseaux de neurones graphiques, l'application de l'apprentissage par renforcement multi-agents à l'ordonnancement de groupes de grues, et la modélisation collaborative multi-clients basée sur l'apprentissage fédéré. Ces sujets de recherche avancés sont menés par les équipes universitaires pour la recherche théorique fondamentale et le développement d'algorithmes prototypes, tandis que Kelude fournit les données d'exploitation réelles, les scénarios d'ingénierie et les conditions de validation applicative, créant ainsi un modèle de collaboration où « les universités mènent la recherche théorique et l'entreprise assure la transformation technique ». À ce jour, les laboratoires conjoints ont produit 5 articles SCI et 3 brevets d'invention, le modèle de prédiction de durée de vie en fatigue ayant déjà été validé préliminairement lors d'essais internes.

En matière de normalisation, Kelude participe activement à l'élaboration et à la révision des normes nationales et industrielles dans le domaine de la grue. Les ingénieurs de l'entreprise ont contribué aux travaux d'étude et de validation de plusieurs normes, notamment ISO 4301 relative à la spécification de conception de grue, FEM 1.001 relative aux ponts roulants d'usage général, la norme relative aux exigences de performance des systèmes de commande de grues et la norme relative aux méthodes d'essai des freins de grue. Cette participation approfondie au niveau des normes permet à Kelude de rester à la pointe de l'orientation technique du secteur tout en fournissant un cadre de référence normatif faisant autorité pour ses algorithmes d'IA et ses solutions de contrôle développés indépendamment. Dans le cadre de la prochaine révision des normes nationales, Kelude a soumis des propositions techniques concernant la sécurité fonctionnelle des ponts roulants intelligents et la validation des algorithmes d'IA, visant à faire évoluer son expérience acquise dans la pratique de l'intelligence artificielle vers des normes industrielles.

Questions fréquentes (FAQ)