Jumeaux numériques

 

Qu'est-ce qu'un jumeau numérique ?

3 choses à savoir

Un jumeau numérique est une représentation actualisée, un modèle, d'une ressource physique réelle en fonctionnement. Il rend compte de l'état actuel de la ressource et comprend des données historiques pertinentes concernant la ressource. Les jumeaux numériques peuvent être utilisés pour évaluer l'état actuel d'une ressource et, plus important encore, pour en prévoir le comportement futur, en améliorer le contrôle ou en optimiser le fonctionnement.

Un jumeau numérique peut être le modèle d'un composant, d'un système de composants ou d'un système de systèmes. Par exemple : des pompes, des moteurs, des centrales électriques, des chaînes de fabrication ou une flotte de véhicules.  Les modèles de jumeaux numériques peuvent inclure des approches basées sur la physique ou sur les statistiques.  Les modèles tiennent compte de l'environnement, l'âge et la configuration actuels de votre ressource opérationnelle. Ceci implique habituellement l'échange direct de données avec les ressources pour la mise au point des algorithmes.

Pourquoi les jumeaux numériques sont-ils importants ?

Créer et utiliser des jumeaux numériques améliore l'intelligence du système opérationnel. Disposer d’une représentation actualisée de vos ressources opérationnelles vous permet de gérer et d'optimiser les ressources et le système dans son ensemble. La représentation ne capture pas seulement l'état actuel de la ressource, mais aussi bien souvent l'historique de fonctionnement. Les jumeaux numériques vous permettent d'optimiser, d'améliorer l'efficacité, d'automatiser et d'évaluer les futures performances. Vous pouvez utiliser ces modèles à d'autres fins, telles que la mise en service virtuelle de l’équipement ou pour influencer le design des prochaines générations.

Les modèles de jumeaux numériques sont couramment utilisés dans plusieurs domaines :

  1. L'optimisation d'opérations : en utilisant des variables telles que la météo, la taille de la flotte, les coûts énergétiques ou les facteurs de performance, les modèles sont déclenchés afin d'exécuter des centaines ou des milliers de simulations hypothétiques pour évaluer la préparation et les ajustements nécessaires des points de consigne du système actuel. Cela permet d'optimiser ou de contrôler les opérations du système pendant son fonctionnement afin de limiter les risques, de réduire les coûts ou d'améliorer l'efficacité du système.

Simulations de Monte-Carlo pour évaluer les comportements possibles.

  1. Maintenance prédictive : dans les applications de l’Industrie 4.0, les modèles peuvent déterminer la durée de vie utile restante, ce qui permet d’identifier le moment le plus opportun pour les opérations d'entretien ou de remplacement de l'équipement.

Système d'alarme de maintenance prédictive de Baker Hughes, basé sur MATLAB.

  1. Détection d'anomalies : le modèle s'exécute en parallèle des ressources réelles et signale immédiatement un comportement opérationnel qui dévie du comportement attendu (simulé). Par exemple, une compagnie pétrolière peut diffuser les données des capteurs des plateformes pétrolières offshore qui fonctionnent en continu. Le modèle de jumeau numérique va chercher des anomalies dans le comportement opérationnel pour éviter des dommages catastrophiques.

Prototype d’un déploiement IoT industriel sur une plateforme pétrolière élaboré avec Simulink Real-Time. Image : National Oilwell Varco.

  1. Isolation de défauts : les anomalies peuvent activer une multitude de simulations pour isoler le défaut et en identifier la cause principale,  ce qui permettra aux ingénieurs ou au système d'agir de manière appropriée.

Isolation des défauts d'un système de contrôle de carburant.

Comment fonctionnent les jumeaux numériques ?

L'application IoT va dicter ce que vous devez modéliser dans le jumeau numérique. Un modèle de jumeau numérique comprend les composants requis, les comportements et la dynamique de la ressource IoT.

De manière générale, les méthodes de modélisation peuvent être regroupées en deux catégories : les méthodes basées sur les premiers principes ou sur la physique (par exemple, la modélisation mécanique) et les méthodes guidées par les données (par exemple, le Deep Learning). Un jumeau numérique peut aussi être un composite de plusieurs comportements modélisés et méthodes de modélisation. Il sera probablement élaboré au fil du temps, au fur et à mesure de l’identification de nouvelles d’utilisations.

Méthodes de modélisation des jumeaux numériques basées sur les premiers principes et guidées par les données.

Les modèles doivent rester à jour et en phase avec les ressources en fonctionnement, ce qui implique un échange direct des données entre les ressources et les algorithmes d'ajustement du jumeau numérique. Cela vous permet de prendre en compte des aspects tels que l'environnement, l'âge et la configuration de la ressource.

Une fois le jumeau numérique disponible et à jour, vous pouvez l'utiliser de nombreuses manières afin de prévoir un comportement futur, améliorer le contrôle ou optimiser le fonctionnement de la ressource.  Par exemple, il peut être utilisé pour la simulation de capteurs non présents sur la ressource en question, la simulation de futurs scénarios pour déterminer les opérations actuelles et à venir, ou encore l'utilisation d’un jumeau numérique pour extraire l'état de fonctionnement actuel par l'envoi de données actuelles et réelles.

Les jumeaux numériques avec MATLAB et Simulink

Avec MATLAB, vous pouvez définir un modèle en utilisant les données de votre ressource connectée. Vous pouvez également utiliser Simulink pour créer un modèle basé sur la physique grâce aux outils de modélisation multi-domaines. Les modèles basés sur les données et sur la physique peuvent être ajustés avec les données de l'équipement pour agir comme un jumeau numérique. Vous pouvez utiliser ces jumeaux numériques pour la prédiction, la simulation d’hypothèses, la détection d'anomalies, l'isolation de défauts, etc.

Les méthodes basées sur les données disponibles dans MATLAB comprennent le Machine Learning, le Deep Learning, les réseaux de neurones et l'identification de systèmes. Les jeux de données sont habituellement utilisés pour effectuer l'apprentissage ou l'extraction d'un modèle. Un jeu séparé de données de validation est aussi utilisé pour qualifier ou tester les modèles.  Avec les applications MATLAB, vous pouvez explorer ces méthodes de modélisation pour trouver la plus précise pour votre application.

Application Classification Learner pour l'apprentissage, la validation et le réglage interactif des modèles de classification.

La modélisation basée sur la physique avec Simulink comprend le design du système à partir des premiers principes. Les modèles peuvent inclure des composants mécaniques, hydrauliques et électriques.  Les modèles peuvent aussi provenir d’étapes de design amont qui utilise le Model-Based Design avec Simulink.

Modèle du jumeau numérique Simulink d'un réseau électrique. Il reçoit les données mesurées sur le réseau pour l'estimation des paramètres, puis exécute des milliers de scénarios de simulation pour déterminer si la réserve d'énergie est suffisante et si les contrôleurs du réseau nécessitent un ajustement.

Avec les méthodes d'optimisation, vous pouvez régler les modèles de jumeaux numériques et les maintenir à jour avec des protocoles standard tels que MQTT pour les flux de données entrants.

Vous pouvez implémenter votre jumeau numérique partout où cela est judicieux pour votre application : dans les nœuds de calcul périphériques, dans les infrastructures technologiques opérationnelles ou dans les systèmes informatiques. Intégrez-les à des systèmes disponibles sur le marché, tels qu’Azure IoT Hub ou AWS IoT, ou implémentez une intégration personnalisée en fonction des besoins en utilisant des API ou d'autres méthodes d'intégration courantes, telles que les bibliothèques partagées ou les appels RESTFul.

Topologie IoT - implémentez le jumeau numérique là où cela est utile pour votre application.

Applications IoT qui utilisent les jumeaux numériques