L'IA et l'IoT appliqués aux chaînes d'approvisionnement conduisent à des jumeaux numériques

21 août 2021  

Source :Tendances de l'IA

La combinaison croissante de l'IoT et de l'apprentissage automatique entraîne une augmentation de l'utilisation de jumeaux numériques dans la chaîne d'approvisionnement, en tant que réplique numérique pouvant être utilisée à diverses fins. La connexion avec le modèle physique et le modèle virtuel correspondant est établie en générant des données en temps réel à l'aide de capteurs.

Le Digital Twin Consortium, lancé en août en tant que programme du Groupe de gestion des objets, travaille à la définition d'une taxonomie, de normes et d'une technologie habilitante, notamment l'IA et la simulation. Les ingénieurs sont attirés par le travail. Les membres fondateurs sont Ansys, Dell, GE, Lendlease, Microsoft et Northrop Grumman.

"L'IoT et le ML sont les matières premières et les outils   - les informations se trouvent dans le référentiel où nous modélisons les processus et créons le contexte. Bien qu'il puisse s'agir d'une base de données ou d'un lac de données, l'exemple le plus intéressant pour moi est le jumeau numérique », a écrit Scott Lundstrom, analyste spécialisé dans l'intersection de l'IA, de l'IoT et des chaînes d'approvisionnement, sur son blog, Supply Chain Futures. .

Le jumeau numérique dans la chaîne d'approvisionnement permet une comparaison entre les données actuelles et historiques sur les performances, quel que soit l'endroit où se trouve un capteur. Il peut s'agir d'un composant tel qu'un thermostat, d'un actif tel qu'un camion ou une machine, un employé tel qu'un technicien de service, ou un processus, comme dans la fabrication. "Une partie de la capacité du jumeau numérique est motivée par cette complexité d'avoir des modèles de modèles pour décrire des actifs, des processus et des systèmes complexes", a écrit Lundstrom.

Dans la chaîne d'approvisionnement, le modèle de jumeau numérique peut englober des articles emballés dans des conteneurs, se déplaçant à travers le monde physique jusqu'aux distributeurs et aux clients. Le modèle pourrait hériter des données du processus qui a créé le produit à une extrémité de la chaîne et informer un modèle client à l'autre extrémité.

« Les chaînes d'approvisionnement et les actifs de fabrication ne sont qu'un début. Au fur et à mesure que cette technologie est mieux comprise et que les déploiements deviennent plus faciles, l'utilisation se développera dans des espaces de plus en plus complexes. Il existe déjà un développement de jumeaux numériques dans les sciences de la vie à l'appui de la biologie des systèmes modélisant des organes complexes comme le cœur humain », a écrit Lundstrom. (Voir « Virtual Twins :Their Roles in Healthcare, Drug Discovery and Pandemic Response », dans BioITWorld.) 

Idéalement pour la chaîne d'approvisionnement, caractérisée par de nombreux cas d'utilisation complexes et multi-modèles, le jumeau numérique inclusif peut avoir une vue sur l'ensemble de la chaîne d'approvisionnement, du fournisseur du fournisseur au client du client. Une compréhension de l'état et de l'historique des actifs et des processus permet d'intégrer des outils d'apprentissage automatique dans l'équation pour exécuter des simulations, des optimisations et des capacités prédictives sur les modèles, suggère Lundstrom.

« Pour réaliser les avantages de cette formidable opportunité, nous avons besoin de normes, de taxonomies convenues et d'outils et de plates-formes de développement commercial pour que ce marché s'épanouisse », a-t-il déclaré. « La communauté des fournisseurs réagit à cette opportunité, et de nombreux praticiens du marché PLM [gestion du cycle de vie des produits], IoT et analytique/science des données commencent à se concentrer sur la résolution de certaines de ces normes fondamentales. »

Les grands fournisseurs de plateformes vont de l'avant avec des outils et des offres de plateforme en tant que service (PaaS) pour tenter de gagner des parts et développer des standards « de facto ». Amazon Web Services (AWS), Google Cloud Platform (GCP), Predix Platform de GE, IBM et Microsoft développent tous des extensions de leurs outils et plates-formes IoT existants pour ajouter la prise en charge de la création de jumeaux numériques.

Lundstrom a désigné Azure Digital Twins de Microsoft comme l'une des premières offres les plus complètes. Présentée lors de l'événement Microsoft Build 2020, qui s'est tenu virtuellement en mai, la version préliminaire prend en charge un nouveau langage de définition de jumeaux numériques (DTDL) basé sur une implémentation de JSON-LD (JavaScript Object Notation for Linked Data).

« En tirant parti de JSON-LD, un framework d'objets simple et bien accepté, Microsoft prend en charge un standard ouvert dès le début », écrit Lundstrom. « Il s'agit d'une exigence clé alors que les utilisateurs commencent à comprendre que les jumeaux numériques nécessitent une approche ouverte orientée objet pour prendre en charge les exigences d'héritage, et plusieurs instances pour créer des modèles multiniveaux complexes qui sont portables et prennent en charge l'utilisation de plates-formes cloud et d'IA largement disponibles. cadres.

Les jumeaux numériques de la chaîne d'approvisionnement ne sont-ils qu'une autre mode ?

Le jumeau numérique de la chaîne d'approvisionnement n'est-il qu'une autre mode, a demandé un article de blog sur le site de River Logic, un fournisseur de technologie d'analyse prescriptive pour l'optimisation de la chaîne d'approvisionnement à l'aide de jumeaux numériques. En affaires depuis 2000 à Dallas, la société propose des applications pré-construites avec une connaissance de la planification et de l'optimisation des affaires.

Les logiciels de simulation et de modélisation permettent aux organisations de créer des jumeaux numériques de chaîne d'approvisionnement réalistes et vérifiables de leurs chaînes d'approvisionnement. Les techniques d'exploration de données ainsi que les entrées des capteurs de l'Internet des objets (IoT) permettent d'introduire des données en temps réel dans les modèles. Les modèles peuvent surveiller et déterminer ce qui se passe dans le monde réel et planifier les mesures correctives appropriées.

Une étude de Gartner sur la mise en œuvre de l'IoT en juillet 2018 a montré que 13 % des entreprises travaillant sur des projets IoT avaient déjà des jumeaux numériques, tandis que 62 % étaient en train de travailler à leur mise en œuvre. "Il semble que les jumeaux de planification numérique soient plus qu'une simple mode", a déclaré le poste de River Logic.

Les ingénieurs des années 1970 et 1980 utilisaient des modèles CAO en trois dimensions d'équipements d'ingénierie complexes pour effectuer des visites virtuelles. Au fur et à mesure que la technologie CAO progressait, il est devenu possible de représenter les contraintes physiques, ce qui a permis de réaliser des tests de contraintes virtuels. Aujourd'hui, il est possible de construire des modèles numériques « presque parfaits » d'équipements réels, tels que des avions, des véhicules autonomes et des équipements de forage, et en saisissant des données réelles, telles que les charges statiques et dynamiques subies lors du décollage des avions, pour mesurer les performances.

« De cette façon, il est possible de simuler le monde réel et de combler le fossé entre notre environnement physique et numérique », déclare River Logic. Plusieurs expériences d'entreprise avec des jumeaux numériques sont mises en évidence sur le site Web de River Logic.

Jumeau numérique d'un entrepôt en Asie-Pacifique construit par DHL Supply Chain

DHL Supply Chain a construit son premier jumeau numérique d'un entrepôt en Asie-Pacifique pour Tetra Pak, une entreprise multinationale d'emballage et de transformation alimentaire basée en Suisse. Le jumeau numérique est fourni avec des données en temps réel sur une base cohérente à partir d'un entrepôt physique à Singapour, que DHL a développé pour être intégré à la chaîne d'approvisionnement, selon un compte dans le magazine Supply Chain.

« La mise en œuvre conjointe d'une telle solution numérique pour améliorer les activités d'entreposage et de transport de Tetra Pak est un excellent exemple des entrepôts intelligents du futur », a déclaré Gillet Jerome, PDG de DHL Supply Chain Singapour, Malaisie, Philippines. « Cela permet des opérations de chaîne d'approvisionnement agiles, rentables et évolutives. »

Dans l'entrepôt, la tour de contrôle DHL suit les marchandises entrantes et sortantes pour s'assurer que toutes les marchandises sont stockées correctement dans les 30 minutes suivant leur réception. Les camions entrants sont équipés de la technologie IoT. Une solution de stockage intelligente développée par Tetra Pak suit et simule la condition physique et les niveaux de stock individuels en temps réel, permettant une coordination non-stop des opérations. .

« Nous nous attendons à ce que le partenariat avec DHL Supply Chain augmente encore notre productivité et maintienne des normes élevées dans nos chaînes d'approvisionnement », a commenté Devraj Kumar, directeur de la logistique intégrée, Asie du Sud, Asie de l'Est et Océanie pour Tetra Pak.

Des jumeaux numériques à Paris protégeront l'éolienne des coups de vent de la mer du Nord

Les ingénieurs de GE à Paris s'associent à Ansys, un fournisseur mondial de logiciels de simulation d'ingénierie, pour construire le jumeau numérique d'une éolienne en mer du Nord. L'un des objectifs est de maximiser la production et de minimiser les temps d'arrêt en repérant les problèmes avant qu'ils n'entraînent une panne imprévue. La maintenance prédictive repose non seulement sur des capteurs physiques sur les machines, mais aussi sur des capteurs virtuels placés dans des endroits où les capteurs physiques ne peuvent pas être utilisés, selon un compte de GE News.

Le capteur virtuel a la capacité de deviner avec une précision raisonnable une valeur telle que la température de pression, en utilisant d'autres données provenant de capteurs et d'algorithmes intelligents basés sur des données ou des modèles historiques.

Par exemple, les ingénieurs de GE ont développé un jumeau numérique des moteurs de lacet de l'éolienne Haliade 150-6, qui permet à l'éolienne de 6 mégawatts de tourner et de se positionner face au vent. À l'aide de capteurs virtuels, ce jumeau numérique simule la température à différentes parties des moteurs.

À l'aide d'algorithmes construits sur Predix, la plate-forme logicielle de GE pour l'Internet industriel, et d'une approche de modélisation développée par Ansys, les ingénieurs peuvent désormais estimer la température du moteur à tout moment. À la fonderie, ils peuvent également surveiller les performances des moteurs sous différentes contraintes au fil du temps. Sur le terrain, les ingénieurs peuvent utiliser une application avec un tableau de bord connecté au jumeau, pour surveiller la température du moteur.

« Pour la simulation, grâce au jumeau numérique, nous n'avons besoin de connaître que le courant pour comprendre la température et optimiser l'utilisation du moteur », a déclaré Sabot.

GE rapporte qu'il dispose déjà de 1,2 million de jumeaux numériques de moteurs à réaction, de turbines à gaz et de locomotives fonctionnant sur le terrain.

Lisez les articles sources et les comptes sur  Supply Chain Futures, Digital Twin Consortium, le blog de River Logic, Supply Chain magazine et de GE News.