Faire plus de jumeaux numériques

Les jumeaux numériques – des copies virtuelles précises de machines ou de systèmes – révolutionnent l’industrie. Pilotés par les données collectées à partir de capteurs en temps réel, ces modèles informatiques sophistiqués reflètent presque toutes les facettes d'un produit, d'un processus ou d'un service. De nombreuses grandes entreprises utilisent déjà des jumeaux numériques pour détecter les problèmes et accroître leur efficacité.. Un analyste prédit que la moitié de toutes les entreprises les utiliseront d’ici 2021.

Par exemple, la NASA utilise des copies numériques pour surveiller l’état de son vaisseau spatial. Les sociétés énergétiques General Electric (GE) et Chevron les utilisent pour suivre les opérations des éoliennes. Singapour développe une copie numérique de toute la ville pour surveiller et améliorer les services publics. L’intelligence artificielle et l’informatique en nuage renforceront la puissance de ces modèles.

Il y a beaucoup à faire pour réaliser le potentiel des jumeaux numériques. Chaque modèle est construit à partir de zéro: il n'y a pas de méthodes, normes ou normes communes. Par exemple, il peut être difficile d’agréger les données de milliers de capteurs qui suivent les vibrations, la température, la force, la vitesse et la puissance. Et les données peuvent être réparties entre de nombreux propriétaires et être conservées sous divers formats. Par exemple, les concepteurs d’une voiture donnée peuvent détenir des informations sur ses matériaux et sa structure, tandis que les fabricants conservent des données sur la manière dont le véhicule est fabriqué et les garages conservent des informations sur les ventes et la maintenance.

Le résultat? Confusion. Un jumeau numérique peut ne pas faire écho à ce qui se passe dans le monde réel et amener les gestionnaires à prendre de mauvaises décisions.

Nous exposons ici les principaux problèmes et appelons à une collaboration plus étroite entre l’industrie et le monde universitaire pour les résoudre.

Problèmes de données

La première étape consiste à décider des types de données à collecter. Ce n'est pas toujours évident. Pour modéliser une éolienne, par exemple, il peut être nécessaire de surveiller les vibrations du réducteur, du générateur, des pales, des arbres et de la tour, ainsi que des tensions du système de commande. Les couples et les vitesses de rotation, les températures des composants et l'état de l'huile de lubrification doivent également être suivis, ainsi que les conditions environnementales (vitesse du vent, direction du vent, température, humidité et pression).

Des données manquantes ou erronées peuvent fausser les résultats et masquer les erreurs. Le vacillement d'une éolienne, par exemple, serait oublié si les capteurs de vibrations ne fonctionnent pas. La compagnie d'électricité BKC basée à Beijing a eu du mal à comprendre qu'une fuite d'huile provoquait la surchauffe d'une turbine à vapeur. Il s'est avéré que les niveaux de lubrifiant étaient absents de son jumeau numérique.

Le nombre optimal et l'emplacement des capteurs doivent être déterminés. Trop peu et les prévisions seront inexactes; trop, et l'utilisateur sera embourbé dans les détails. Le taux de collecte des données est également important. Les ingénieurs peuvent surveiller les vibrations d'une boîte de vitesses de turbine toutes les minutes, ce qui signifie qu'ils manqueraient des problèmes plus courts. Cependant, échantillonner chaque seconde pourrait générer beaucoup trop de données, ce qui entraînerait des goulots d'étranglement dans la transmission.

À titre d’illustration: selon certaines estimations, la voiture autonome de Google pourrait générer 1 Go de données toutes les secondes. Mais les connexions Bluetooth actuelles ne peuvent gérer que 0,03% de ce taux.

Les types de données disparates sont également difficiles à fusionner. Les vibrations peuvent être enregistrées sous forme de durée ou de fréquence; les températures peuvent être en degrés Celsius ou Fahrenheit; et les vidéos ou les images peuvent ne pas être à la même échelle. Les horaires peuvent être décalés, en particulier lorsque les données sont échantillonnées à des taux différents. Par exemple, les systèmes de communication des avions envoient des signaux toutes les quelques nanosecondes, tandis que les systèmes de navigation enregistrent la position d'un avion toutes les secondes. La moyenne des données fines n’aide pas car les détails sont perdus.

La dispersion de la propriété des données constitue un autre obstacle. Par exemple, les avions Boeing incluent des composants de plus de 500 fournisseurs de 70 pays, chacun disposant d'interfaces de données, de formats et de logiciels différents. Les entreprises ne veulent souvent pas partager des informations commerciales sensibles. Pays non plus: le Japon limite l’exportation de certaines puces informatiques à des concurrents sud-coréens et les États-Unis interdisent la vente de puces et d’autres technologies à la société chinoise Huawei.

Défis modèles

Pour construire un jumeau numérique d'un objet ou d'un système, les chercheurs doivent modéliser ses composants. Le fabricant allemand Siemens utilise de nombreux modèles mathématiques et représentations virtuelles de ses produits et de ses lignes de production. Celles-ci incluent des modèles géométriques 3D et l'analyse par éléments finis, cette dernière permettant de suivre les températures, les contraintes et les déformations. Le diagnostic de défaillance et les cycles de vie sont traités séparément.

D'autres erreurs peuvent survenir lorsqu'un logiciel écrit à des fins différentes est corrigé à la main. Et sans normes et directives, il est difficile de vérifier l'exactitude des modèles obtenus. De nombreux jumeaux numériques pourraient avoir besoin d'être combinés. Par exemple, un avion virtuel pourrait intégrer un modèle 3D du fuselage avec un système de diagnostic de pannes et un système de surveillance de la climatisation et de la pressurisation.

Même la définition d'un jumeau numérique n'est pas établie. Certaines personnes pensent que tout modèle ou simulation 3D compte. Plus ambitieusement, d'autres envisagent un ensemble de modèles intégrés ou de logiciels associant le monde numérique à des actifs physiques, avec ou sans informations en temps réel issues de capteurs. Chaque approche a ses propres normes, avec peu de croisement.

Équipes jumelles

Une équipe soudée de spécialistes couvrant de nombreuses disciplines est donc essentielle pour construire un jumeau numérique précis. Personne ne peut connaître tous les détails. Les scientifiques des matériaux, les métallurgistes et les mécaniciens pourraient avoir besoin de travailler avec des ingénieurs, des informaticiens et des experts en fabrication. L'éventail des disciplines nécessaires s'élargira à mesure que les applications se diversifieront.

La plupart des jumeaux numériques se trouvent dans de grandes entreprises telles que GE ou Siemens, car il est difficile et coûteux d'assembler les équipes requises. Les pressions commerciales dissuadant les entreprises de partager des modèles, les petites entreprises sont pénalisées.

Il existe un manque d'espace commun – physique et virtuel – dans lequel les experts peuvent communiquer et partager des connaissances et des logiciels. Et il existe peu de liens entre l'industrie et le monde universitaire, en partie à cause du secret commercial. La plupart des recherches universitaires se concentrent sur l'amélioration des techniques de modélisation plutôt que sur l'optimisation des données et la mise en œuvre de jumeaux numériques.

Quatre ponts

Les étapes suivantes rendraient la recherche et le développement des jumeaux numériques plus cohérents.

Unifiez les données et modélisez les normes. Les données de fabrication doivent être normalisées et fournies dans des formats courants tels que XML (Extensible Markup Language), qui est utilisé dans des domaines allant du commerce électronique aux logiciels de chaîne d'approvisionnement. D'autres normes de données devraient être adoptées là où elles existent. Par exemple, le secteur de l’électricité utilise COMTRADE («format commun pour l’échange transitoire de données»), une norme supervisée par l’Institut des ingénieurs électriciens et électroniciens; l'industrie de la construction utilise les classes de base de l'industrie; et les organisations internationales de soins de santé exigent que les données soient conformes aux normes HL7 (Health Level 7).

Une plate-forme universelle de conception et de développement pour les jumeaux numériques devrait également être développée sur laquelle tous les modèles peuvent fonctionner. Un espace de travail partagé virtuel, l’environnement de collaboration mondial, créé par le constructeur aéronautique Boeing, constitue un pas dans la bonne direction pour harmoniser les pratiques de ses partenaires. Les entreprises, les fondations, les universités et les gouvernements devraient créer et financer une association pour en superviser une plus large. Elle pourrait imiter le consortium de recherche à but non lucratif de l’industrie des puces, fondé en 1982. Il s’appelle la Semiconductor Research Corporation et est basée à Durham, en Caroline du Nord.

Partagez des données et des modèles. Une base de données publique pour le partage de jumeaux numériques devrait être créée et gérée par des agences de financement gouvernementales ou par une coalition d'universités et d'entreprises. Les problèmes de propriété et d'ouverture des données devront être abordés.

La plate-forme openVertebrate, financée par la US National Science Foundation, en est un exemple. Il permet aux chercheurs de partager librement des données et des modèles d'anatomies de vertébrés. Les images numériques et les fichiers de maillage 3D peuvent être explorés, téléchargés et imprimés en 3D sur MorphoSource, une base de données en ligne à accès libre. Les conservateurs peuvent superviser les «prêts virtuels» de leurs données types et recevoir des mises à jour sur leur utilisation.

Des plates-formes de ce type permettraient aux chercheurs du secteur d’acheter des données et des modèles numériques jumelés, ou de les louer à d’autres pour mener des recherches et développer des applications métiers.

Innover sur les services. Les entreprises devraient développer des produits et des services pour aider les jumeaux numériques à devenir plus faciles à créer et à utiliser. Par exemple, le logiciel NX de Siemens combine des outils de conception, de simulation et de fabrication dans un seul et même logiciel. La société canadienne LlamaZOO a développé une application de réalité virtuelle / réalité augmentée qui permet aux superviseurs miniers de surveiller leurs véhicules. La forêt virtuelle développée par Metsä Group, Tieto et CTRL Reality, tous basés en Finlande, simule différentes méthodes de gestion forestière et leurs impacts sur les revenus et le paysage.

Établir des forums. Les praticiens et les chercheurs ont besoin d'un espace en ligne où ils peuvent discuter, développer et publier des spécifications. C'est pourquoi, en 2017, nous avons créé un groupe de médias sociaux sur les jumeaux numériques sur la plate-forme chinoise de médias sociaux WeChat. Les fondations, les universités et les entreprises devraient proposer des forums similaires.

Des «pôles d’innovation» physiques doivent également être installés dans des endroits mutuellement accessibles pour connecter l’industrie, les scientifiques de données, les experts en cybersécurité et les stratèges en ingénierie et en affaires. Un exemple est le Smart Innovation Hub situé sur le campus de l’Université Keele, au Royaume-Uni, aux côtés de la Keele Business School. Et les consultants en affaires Booz Allen Hamilton dirigent plusieurs centres de ce type à Washington DC, à proximité d’agences du gouvernement fédéral.