AHyTEC et KIIO ont reçu un Ignition pour transformer l'industrie

AHyTEC - Convertit la chaleur résiduelle en électricité pour valoriser une ressource industrielle inexploitable

AHyTEC, un projet de start-up basée à l’EPFL, issu du Laboratoire de nanosciences pour les technologies énergétiques (LNET) du professeur Giulia Tagliabue, a obtenu une bourse Ignition Grant du Startup Launchpad d’un montant de 30 000 francs suisses.

Les processus industriels génèrent d’énormes quantités de chaleur résiduelle de faible qualité (inférieure à 100 °C), qui ne peuvent actuellement pas être récupérées de manière rentable. Les technologies existantes de récupération d’énergie sont généralement rigides, coûteuses ou dépendantes de matériaux rares, ce qui limite leur évolutivité et leur viabilité économique dans cette plage de températures.

AHyTEC développe des cellules thermoélectrochimiques à base d’hydrogel capables de convertir directement la chaleur résiduelle à basse température en électricité. Cette technologie est flexible, peu coûteuse et repose sur des matériaux abondants, ce qui facilite son intégration aux tuyaux, aux machines et aux surfaces industrielles courbes. Les premiers prototypes ont démontré une production d’électricité à partir de températures aussi basses que 40 à 80 °C, ouvrant ainsi de nouvelles perspectives pour la récupération d’énergie là où il n’existe aujourd’hui aucune solution pratique.

L'Ignition Grant permettra de financer le développement d’un prototype industriel et la réalisation d’essais pilotes en conditions réelles, afin d’identifier des cas d’usage à forte valeur ajoutée et d’accélérer la mise sur le marché.

La chaleur résiduelle de faible qualité est l’une des plus grandes ressources énergétiques inexploitées dans l’industrie. Notre objectif est de transformer ce qui est aujourd’hui perdu en une énergie propre et utilisable pour l’avenir

Contact: Matteo Bevione

KIIO - Réinvente la surveillance des processus pour anticiper les anomalies et garantir une fiabilité maximale

KIIO, un projet de start-up issu du laboratoire d'automatique du professeur Colin Jones, a également obtenu une bourse Ignition Grant du Startup Launchpad de 30 000 francs suisses.

Les usines chimiques et autres sites de production fonctionnent 24 heures sur 24, 7 jours sur 7, et chaque heure d’arrêt imprévu peut coûter plus de 100 000 dollars. Pour garantir la continuité des opérations, les machines sont surveillées par des capteurs. Cependant, des études montrent que plus de 80% des pannes d’équipement sont dues à des anomalies de processus plutôt qu’à la fin de vie des machines. Lorsque ces défauts sont détectés, il est souvent trop tard pour intervenir. Aujourd’hui, le diagnostic des processus reste largement manuel : il faut mobiliser une équipe de spécialistes pour énumérer, tester et éliminer les hypothèses une par une, une procédure longue et fastidieuse qui peut durer des semaines, voire des mois. Ce défi est accentué par le fait que 20% de la main-d’œuvre de l’industrie chimique prendra sa retraite d’ici 2030, emportant avec elle des décennies de savoir-faire.

Les nouveaux opérateurs ont donc un besoin urgent d’outils de diagnostic intuitifs et explicables pour garantir des opérations fiables et efficaces. À ce jour, il n’existe aucune solution performante pour la surveillance et le diagnostic des processus afin d’améliorer la fiabilité. Résultat : les usines chimiques fonctionnent en moyenne à seulement 41% de leur efficacité globale, ce qui signifie que la moitié de la capacité potentielle est perdue en raison des arrêts, des inefficacités ou de la production hors spécifications, entraînant des centaines de millions de dollars de coûts annuels pour une grande usine type.

KIIO a développé une technologie qui passe de la surveillance d’actifs isolés à une approche globale, en considérant l’usine comme un réseau connecté. En apprenant les relations entre les signaux des capteurs et en suivant les changements subtils en temps réel, KIIO détecte les anomalies de processus plus tôt, avant qu’elles ne se transforment en pannes d’équipement. Cette technologie ne repose pas sur des bibliothèques de défaillances connues, mais apprend directement à partir des données en temps réel. Surtout, KIIO ne se contente pas de signaler les écarts par rapport à la norme : elle montre comment une défaillance se propage dans le processus et aide les ingénieurs et opérateurs à comprendre où le problème est apparu et comment le corriger.

L’équipe utilisera son Ignition Grant pour créer un prototype fonctionnel et le tester dans un scénario réaliste de bout en bout.

Contact: Mengjie Zhao