Programme de Formation : Optimisation du Procédé Bayer pour
l'Extraction de l’Alumine
Durée : 2 semaines
Sessions : 10 jours (5 jours par semaine, avec chaque jour divisé en deux sessions de 2
heures)
Public cible : Étudiants et professionnels en génie chimique, minier et industriel, ainsi que
les membres du GECIF.
Objectifs :
- Comprendre les bases du procédé Bayer pour l’extraction de l’alumine.
- Explorer les paramètres influents et les techniques de modélisation et d'optimisation.
- Appliquer des techniques avancées pour optimiser le procédé Bayer.
Semaine 1 : Introduction et Bases du Procédé Bayer
Jour 1 - Introduction au Procédé Bayer
Session 1 : Présentation du procédé Bayer et de l'industrie de l'alumine.
Session 2 : Historique du procédé, principes fondamentaux et importance industrielle.
Jour 2 - Matières premières et caractéristiques de la diaspore
Session 1 : Étude de la bauxite et des minerais riches en alumine.
Session 2 : Caractéristiques chimiques et physiques de la diaspore.
Jour 3 - Paramètres influents dans le procédé Bayer
Session 1 : Influence de la concentration en NaOH et de la température.
Session 2 : Pression, temps de réaction, et gestion des impuretés.
Jour 4 - Techniques de modélisation : Introduction
Session 1 : Introduction aux outils de modélisation pour les procédés industriels.
Session 2 : Initiation aux logiciels de modélisation (ex : MATLAB, Aspen Plus).
Jour 5 - Atelier pratique : Mise en place d'un modèle de base
Session 1 : Création d'un modèle simple du procédé Bayer.
Session 2 : Analyse et discussion des résultats obtenus.
Semaine 2 : Techniques d’Optimisation et Modélisation Avancée
Jour 6 - Techniques d'optimisation
Session 1 : Introduction aux méthodes d'optimisation (DOE, analyse de sensibilité).
Session 2 : Application des méthodes d’optimisation dans le procédé Bayer.
Jour 7 - Modélisation avancée
Session 1 : Modélisation des réactions chimiques et des transferts thermiques.
Session 2 : Utilisation de la simulation pour l’optimisation.
Jour 8 - Intelligence artificielle et optimisation
Session 1 : Introduction aux approches basées sur l’intelligence artificielle.
Session 2 : Cas d'étude : application de l'IA dans le procédé Bayer.
Jour 9 - Étude de cas pratique
Session 1 : Mise en pratique des techniques de modélisation sur des données réelles.
Session 2 : Analyse des résultats et discussion en groupe.
Jour 10 - Évaluation finale et conclusion
Session 1 : Évaluation des acquis de la formation.
Session 2 : Conclusion et perspectives pour les participants.