2. 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.
   

3. 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.
   

4. 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.
   

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.

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.

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.

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.