La mise en œuvre de Jumeaux Numériques pour le suivi et le pilotage de systèmes dynamiques en entreprises et en élevage.
Les mathématiques représentent un outil essentiel bénéfique pour traiter les problématiques d’entreprises, apporter de la connaissance et innover via des solutions d’Intelligence Artificielle (IA). Le levier prédominant aujourd’hui pour la croissance et l’augmentation des performances des entreprises est l’interaction entre les mathématiques, les outils du numérique et les connaissances « métier » (lien Newsletter précédente). Une des technologies clés du secteur de l’industrie et de l’agro-alimentaire 4.0 est par définition le fruit de cette interaction, il s’agit du Jumeau Numérique (« Digital Twin ») [3] [4].
Qu’est-ce qu’un « Jumeau Numérique » ?
Un jumeau numérique est une représentation virtuelle d’un système qui s’appuie sur des données collectées pour visualiser en temps réel l’état de ce système [6] [7] [8]. A l’heure actuelle, les jumeaux numériques sont le plus souvent associés à des machines. C’est le cas des jumeaux numériques de voitures, de sous-marins ou encore d’avions conçus par Renault, Naval Group et Safran. Cependant, le système suivi peut être également un composant, un matériau, une usine, une ville ou encore un être vivant. L’état du système est estimé en temps réel grâce à des méthodes d’assimilation de données. Pour mettre en place ce processus d’assimilation, il est nécessaire d’avoir des capteurs, un système de remontée de données, ainsi qu’un modèle permettant de simuler l’évolution du système. Ce modèle innovant doit être capable, grâce à un historique de données, d’apprendre et de s’ajuster afin de ne pas être simplement une copie simulée du système mais véritablement se confondre avec lui.
Des « Digital twins » pour l’excellence opérationnelle en entreprise.
Un jumeau numérique permet d’apporter de nombreux avantages. En effet, il permet de reproduire le fonctionnement du système, de tester et de simuler sa réponse à une action ou à un stimuli. Ainsi, tout un ensemble de tests peuvent être réalisés par simulation pour éprouver la fiabilité de ce système sans coûts supplémentaires.
De nombreux secteurs de l’industrie s’intéressent donc désormais à la notion de jumeau numérique en vue notamment d’améliorer leurs performances, d’optimiser leur processus de contrôle, de test, de maintenance et ainsi réduire de manière importante le coût associé à ces tâches.
Un jumeau numérique pour suivre en temps réel l’état du système physique.
Les jumeaux numériques sont de plus en plus utilisés en médecine/santé afin de reproduire virtuellement le fonctionnement d’un organe et ainsi simuler ses réactions à un traitement médical [11]. C’est l’objectif notamment de l’entreprise Dassault Systèmes, qui souhaite mettre en œuvre un jumeau numérique du corps humain afin de soutenir le développement de la médecine personnalisée de demain.
Dans le monde de l’industrie et du bâtiment, les jumeaux numériques permettent de réaliser des simulations numériques du fonctionnement des objets et des matériaux lorsqu’ils sont soumis à certaines contraintes.
Grâce à des capteurs placés sur l’ensemble de la chaine de production le jumeau numérique d’un objet peut mémoriser l’ensemble des événements que cet objet a subis au cours de sa fabrication. Ensuite une interface peut permettre à l’utilisateur de visualiser l’objet et de simuler directement la réponse de l’objet à différents scénarios de chauffage ou de compression. Cela permet à l’utilisateur de détecter les problèmes de fabrication, de réduire le taux d’erreurs de conception et ainsi réduire le retard et les surcoûts associés à ces éventuels défauts de fabrication [12] [13] [14].
Un Jumeau Numérique pour optimiser la maintenance des outils de production.
Le jumeau numérique peut être couplé à un système d’alertes permettant d’avertir l’utilisateur lorsqu’une opération de maintenance est nécessaire. La construction d’outils d’Intelligence Artificielle (IA), évitant à la fois les alertes intempestives et les problèmes non détectés, nécessite souvent un travail d’analyse et de recherche fin et conséquent.
De plus, un jumeau numérique permet de conserver tout l’historique des évènements subis par l’objet monitoré tout au long de son cycle de vie. Grâce à cet historique et à un processus d’apprentissage statistique, il est possible d’identifier la fréquence optimale à laquelle il est nécessaire de changer certaines pièces, en fonction de leur robustesse et des évènements qu’elles ont subi.
Grâce à ce système d’alertes et de prédiction, l’entreprise peut anticiper les opérations de maintenance, sans pour autant changer des pièces qui avaient encore une forte probabilité de fonctionner pendant un moment [9].
Un jumeau numérique peut donc permettre à l’entreprise d’intervenir sur une machine ou sur une pièce uniquement à bon escient, d’anticiper les pannes et d’optimiser le processus de maintenance global.
L’intérêt d’un « Digital Twin » en élevage.
A l’heure actuelle, la plupart des jumeaux numériques existants sont des jumeaux d’objets ou d’ensembles d’objets. Il existe encore très peu de véritables jumeaux numériques d’êtres vivants et les projets en cours concernent essentiellement la réplique du corps humain comme le jumeau numérique mis en œuvre par Dassault Systèmes ou encore le jumeau numérique du cœur construit par Siemens Healthineers. Cependant, les jumeaux numériques d’animaux pourraient à l’avenir être très utiles.
En effet, dans les élevages, les éleveurs pourraient disposer de jumeaux numériques de leur machines (machines agricoles, robots de traite, distributeurs d’aliments, etc.) mais également de leurs troupeaux.
Des jumeaux numériques des animaux, couplés à des systèmes d’alertes, permettront aux éleveurs de connaitre l’état réel de leurs animaux en termes de production mais également de santé et de bien-être. Lorsque les capteurs détectent par exemple qu’un animal consomme moins depuis plusieurs jours, l’éleveur peut être alerté de la perte d’appétit de son animal et intervenir très tôt pour traiter le problème de santé sous-jacent.
Cliquer ici pour nous contacter et en savoir plus.
Bibliographie
| [1] | F. Tao, H. Zhang, A. Liu et A. Y. Nee, «Digital twin in industry: State-of-the-art,» IEEE Transactions on Industrial Informatics, 2018. |
| [2] | K. Panetta, «Gartner Top Strategic Technology Trends for 2019,» n° %1https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2019/, 2019. |
| [3] | J.-L. Gregorio, «Contribution à la définition d’un jumeau numérique pour la maîtrise de la qualité géométrique des structures aéronautiques lors de leurs processus d’assemblage,» 2020. |
| [4] | R. Bolton, J. McColl-Kennedy, L. Cheung, A. Gallan, C. Orsingher, L. Witell et M. Zaki, «Customer experience challenges : brin- ging together digital, physical and social realms.,» Journal of Service Management, 2018. |
| [5] | F. Tao, J. Cheng, Q. Qi, M. Zhang, H. Zhang et F. Sui, «Digital twin-driven product design, manufacturing and service with big data,» The International Journal of Advanced Manufacturing Technology,, 2018. |
| [6] | A. BURGUN, «Basis and perspectives of artificial intelligence in radiation therapy,» Cancer/Radiothérapie, 2019. |
| [7] | J. Patrix, B. Six et S. Lintz, «Accélération de la simulation d’Emulatio, un jumeau numérique de schéma électrique par fusion de données et intelligence augmentée,» Conférence JFDPA – PFIA 2020, 2020. |
| [8] | C. Machado, M. Guessasma, B. Valéry, R. Bouzerar, J. Fortin, S. Baudon, P. Maier et E. Bellenger, «Modélisation numérique discrète innovante pour le monitoring électrique des roulements,» 2017. |
| [9] | A. Cerrone, J. Hochhalter, G. Heber et A. Ingraffea, «On the effects of modeling as-manufactured geometry : toward digital twin,» International Journal of Aerospace Engineering, 2014. |
| [10] | J.-B. Thevenon, «Comment le numérique fait évoluer les opérations de maintenance,» 2017. |
| [11] | M. Grieves, «Digital Twin: Manufacturing Excellence through Virtual Factory Replication,» 2014. |
| [12] | H. Flourent, «Construction et analyse d’outils d’apprentissage statistique biomimétiques basés sur des systèmes d’Equations aux Dérivées Partielles pour l’Assimilation de Données d’élevage,» 2020. |
