Jumeau numérique

Un article de Wikipédia, l'encyclopédie libre.
Sauter à la navigation Sauter à la recherche

Un jumeau numérique (en anglais, digital twin ou device shadow[1]) est une réplique numérique d'un objet, d'un processus ou d'un système qui peut être utilisé à diverses fins[2]. La représentation numérique fournit à la fois les éléments et la dynamique de fonctionnement d'un dispositif de l'Internet des objets tout au long de son cycle de vie[3].

Les jumeaux numériques intègrent l'intelligence artificielle, l'apprentissage automatique et l'analyse des données avec des données pour créer des modèles de simulation numérique qui se mettent à jour et changent à mesure que leurs contreparties physiques changent. Un jumeau numérique apprend en permanence et se met à jour en utilisant de multiples sources pour représenter son statut, sa condition de travail ou sa position en temps quasi réel. Ce système d'apprentissage, apprend de lui-même, en utilisant

  • des données de capteurs qui transmettent divers aspects de son état de fonctionnement;
  • d'experts humains, tels que des ingénieurs ayant une connaissance approfondie et pertinente du domaine industriel;
  • d'autres machines similaires;
  • d'autres flottes de machines similaires ;
  • et de systèmes plus vastes et de l'environnement desquels il fait partie.

Un jumeau numérique intègre également des données historiques de l'utilisation passée de la machine qu'il intègre à son modèle numérique.

Dans divers secteurs industriels, les jumeaux numériques sont utilisés pour optimiser le fonctionnement et la maintenance des actifs physiques, des systèmes et des processus de fabrication[4]. Les jumeaux numériques constituent une technologie de formation pour l'Internet industriel des objets, où les objets physiques peuvent vivre et interagir virtuellement avec d'autres machines et personnes[5]. Dans ce contexte d'Internet des Objets, ils sont parfois mentionnés sous l'appellation de "cyberobjets", ou encore "d'avatars digitaux"[6].

Exemples[modifier | modifier le code]

Un exemple de la façon dont les jumeaux numériques sont utilisés pour optimiser les machines est la maintenance des équipements de production d'énergie tels que les turbines de production d'énergie, les moteurs à réaction et les locomotives.

Un autre exemple de jumeaux numériques est l'utilisation de la modélisation tridimensionnelle pour créer des compagnons numériques pour les objets physiques[7],[8],[9]. Ils peuvent être utilisés pour voir le statut de l'objet physique réel, ce qui permet de projeter des objets physiques dans le monde numérique[10]. Par exemple, lorsque des capteurs recueillent des données à partir d'un objet connecté, les données des capteurs peuvent être utilisées pour mettre à jour un jumeau numérique de l'objet en temps réel[11],[12],[13]. Le jumeau numérique est une copie à jour et précise des propriétés et des états de l'objet physique, incluant sa forme, sa position, son état et ses mouvements[14].

Un jumeau numérique peut également être utilisé pour la surveillance, le diagnostic et le pronostic afin d'optimiser la performance et l'utilisation des actifs. Dans ce domaine, des données captées peuvent être combinées avec des données historiques, l'expertise humaine et l'apprentissage machine et la simulation pour améliorer les résultats des pronostics[15],[16],[17],[18]. Les pronostics complexes et les plates-formes d'entretien intelligentes peuvent tirer parti de l'utilisation de jumeaux numériques pour trouver la cause première des problèmes et améliorer la productivité[19],[20].

Exemples d'applications industrielles :

Technologies apparentées[modifier | modifier le code]

Références[modifier | modifier le code]

(en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Digital twin » (voir la liste des auteurs).
  1. « Device Shadows for AWS IoT – AWS IoT », sur docs.aws.amazon.com
  2. « Minds + Machines: Meet A Digital Twin », sur Youtube, GE Digital (consulté le 26 juillet 2017)
  3. « Introduction to Digital Twin: Simple, but detailed », sur Youtube, IBM Watson Internet of Things (consulté le 27 juin 2017)
  4. « Digital twin to enable asset optimization », sur Smart Industry (consulté le 26 juillet 2017)
  5. « What Are Digital Twins And Why Will They Be Integral To The Internet Of Things? », sur ARC (consulté le 26 juillet 2017)
  6. Philippe Gautier et Laurent Gonzales, L'Internet des Objets... Internet, mais en mieux, AFNOR, (ISBN 978-2-12-465316-4)
  7. « Shaping the Future of the IoT », sur YouTube, PTC (consulté le 22 septembre 2015)
  8. « On Track For The Future – The Siemens Digital Twin Show », sur YouTube, Siemens (consulté le 22 septembre 2015)
  9. « ‘Digital twins’ could make decisions for us within 5 years, John Smart says », news.com.au, {{Article}} : paramètre « date » manquant (lire en ligne)
  10. « Digital Twin for MRO », sur LinkedIn Pulse, Transition Technologies (consulté le 25 novembre 2015)
  11. Bernard Marr, « What Is Digital Twin Technology – And Why Is It So Important? », sur Forbes, Forbes (consulté le 7 mars 2017)
  12. Michael Grieves, « Digital Twin: Manufacturing Excellence through Virtual Factory Replication », sur Florida Institute of Technology (consulté le 24 mars 2017)
  13. « GE Doubles Down On 'Digital Twins' For Business Knowledge », sur InformationWeek (consulté le 26 juillet 2017)
  14. « Digital Twin for SLM », sur YouTube, Transition Technologies (consulté le 26 novembre 2015)
  15. « Digital Twin for Machine Monitoring », sur Youtube, IMS Center (consulté le 6 mars 2016)
  16. « Digital Twin Wind Turbine », sur Youtube, IMS Center (consulté le 6 mars 2016)
  17. « Wind Turbine Digital Twin », sur IMS Center, IMS Center
  18. « GE Oil & Gas 2017 Annual Meeting: ‘Digital: Exploring what’s possible’ with Colin Parris », sur Youtube, GE Oil & Gas (consulté le 26 juillet 2017)
  19. Jay Lee, Behrad Bagheri et Hung-An Kao, « A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems », Manufacturing Letters, vol. 3,‎ , p. 18–23 (DOI 10.1016/j.mfglet.2014.12.001)
  20. Jay Lee, Edzel Lapira, Behrad Bagheri et Hung-an Kao, « Recent advances and trends in predictive manufacturing systems in big data environment », Manufacturing Letters, vol. 1, no 1,‎ , p. 38–41 (DOI 10.1016/j.mfglet.2013.09.005)
  21. Infosys Insights, « The Future For Industrial Services: Digital Twin » (consulté le 15 mars 2017)
  22. « The jet engine with 'digital twins' », sur BBC.com (consulté le 26 juillet 2017)
  23. TWI Ltd, « Lifecycle Engineering Asset Management Through Digital Twin Technology », sur www.twi-global.com (consulté le 14 mars 2017)
  24. « HOW TWINNING TECH WILL POWER OUR FUTURE » (consulté le 26 juillet 2017)
  25. Bureau Veritas, « Digital technology to transform AIMS », {{Article}} : paramètre « périodique » manquant, paramètre « date » manquant (lire en ligne)
  26. IRS srl, « Embedded digital twin », {{Article}} : paramètre « périodique » manquant,‎ (lire en ligne)
  27. « Digital Twins elevate industrial asset performance », sur Control (consulté le 26 juillet 2017)
  28. « Creating a Building's Digital Twin », sur Wired (consulté le 1er février 2017)