.svg)
Pourquoi la modélisation des données décide si un jumeau numérique fonctionne
L'essentiel de l'attention portée aux jumeaux numériques va au modèle lui-même : la vue 3D, l'analytique, le tableau de bord. Ce n'est que rarement là que les choses déraillent. Un jumeau bâti sur un bon logiciel de simulation donne quand même de mauvaises réponses quand les données qui l'alimentent sont incomplètes ou périmées.
Un jumeau puise dans trois types de systèmes à la fois. Il tire les données de conception, comme les pièces et la nomenclature, du PLM. Il tire les données de commandes, de coûts et de stocks de l'ERP. Et il tire les relevés en direct, comme la température ou les vibrations, des capteurs sur les machines. Chacun de ces systèmes a été conçu pour sa propre tâche, avec ses propres formats de données et son propre rythme de mise à jour.
Rassembler tout cela en une image exacte et actuelle est la partie difficile, et c'est un problème de données avant d'être un problème de simulation. La façon dont les données du jumeau sont structurées, leur provenance et leur fraîcheur décident si le modèle colle à la réalité ou s'en éloigne lentement. Cela commence par une distinction souvent confondue.
Quelle est la différence entre un jumeau numérique et un fil numérique ?
Le fil numérique, ou digital thread, est l'enregistrement connecté des données d'un produit sur toute sa vie, et le jumeau numérique est le modèle vivant qui s'appuie sur cet enregistrement pour simuler et prédire. Les deux sont régulièrement confondus, mais ils font des travaux différents, et la différence compte ici.
L'un alimente l'autre. Un jumeau sans fil solide est un modèle qui tourne à l'aveugle, faute d'historique fiable et d'état actuel sur lesquels s'appuyer. Pour la plupart des industriels, le premier chantier est donc de connecter PLM, ERP et MES pour former ce fil, et le jumeau est ce qui transforme les données connectées en quelque chose d'utile. Traiter le jumeau comme un écran à visser à la fin, plutôt que comme un élément dépendant de données bien organisées, voilà comment de coûteux projets de jumeaux finissent par modéliser la mauvaise chose.
Que signifie concrètement modéliser les données d'un jumeau numérique ?
Cela signifie s'accorder sur une structure unique dans laquelle chaque système source déverse ses données, pour que le jumeau lise une description unique et cohérente d'un actif plutôt qu'une douzaine de versions discordantes. La question du format précède la question de la simulation.
C'est là que l'Asset Administration Shell, ou AAS, est devenue la référence commune. L'AAS est une manière standardisée et convenue de décrire un actif industriel comme jumeau numérique. Elle est maintenue par l'Industrial Digital Twin Association et publiée comme standard international, elle n'appartient donc à aucun éditeur. Un actif est décrit à travers des sous-modèles, chacun couvrant une partie du tableau : sa plaque signalétique, ses documents, son historique de capteurs ou sa nomenclature.
Construire un jumeau sur un standard comme l'AAS donne à toutes ces données un endroit où atterrir. Un fichier de conception du PLM, un ordre de travail de l'ERP et un relevé de capteur peuvent chacun être mappés vers un sous-modèle défini au sens convenu, au lieu d'être câblés à la main pour chaque nouvelle machine. C'est ce qui permet à un jumeau de dépasser l'essai unique, car le centième actif est décrit de la même façon que le premier. L'AAS mûrit encore, et tout actif n'a pas besoin d'un jumeau complet en direct, la première étape sensée consiste donc à modéliser les quelques sous-modèles qui portent de vraies décisions.
Garder les données à jour, c'est garder le jumeau exact
Un modèle de données partagé donne au jumeau sa structure. Le maintenir à jour est ce qui l'empêche de dériver. Un jumeau est utile parce qu'il montre l'actif tel qu'il est maintenant, pas tel qu'il était à l'export de données d'hier soir. Dès que ses données prennent du retard sur la ligne réelle, chacune de ses prédictions repose sur une version de l'usine qui a déjà changé.
C'est l'échec silencieux derrière beaucoup de projets de jumeaux. Un jumeau alimenté par des exports nocturnes planifiés convainc en démo et devient moins fiable à l'usage, parce que l'écart entre le modèle et la machine grandit d'heure en heure. Les mises à jour événementielles comblent cet écart, de sorte qu'un changement sur le terrain atteint le jumeau en secondes ou en minutes plutôt que le lendemain. Les données de simulation en temps réel sont aussi ce qui fait fonctionner des usages voisins comme la maintenance prédictive, car un modèle qui prédit la défaillance d'une pièce ne vaut que par la fraîcheur des données capteurs derrière lui.
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
