Tirer parti de la technologie Digital Twin pour des performances optimales des actifs dans les industries lourdes
Les conséquences de la COVID-19 ont remodelé le paysage de la gestion d’actifs, en particulier dans les industries lourdes comme les raffineries et les usines de fabrication. Ce défi constitue une opportunité de provoquer un changement de paradigme concernant la façon dont les opérations de l'usine sont gérées.
Les propriétaires et exploitants d’installations industrielles sont désormais confrontés à plusieurs défis, comme les perturbations de la chaîne d’approvisionnement mondiale qui peuvent avoir un impact sur les opérations « d’exploitation et de maintenance », tout en s’efforçant de répondre aux demandes de production croissantes. Ce qui les empêche de dormir la nuit, ce sont les risques qu'ils ne voient pas, en particulier lorsqu'il s'agit de problèmes d'actifs inattendus et d'éventuels dommages matériels à long terme.
Pour aider à gérer les cycles de vie de tous les actifs d'une installation industrielle, les organisations recherchent des solutions innovantes pour optimiser les performances de leurs équipements tout en garantissant la sécurité et la fiabilité opérationnelle. Cela inclut l’intégration et la standardisation des données et l’adoption d’une technologie de jumeau numérique qui fournit des analyses prédictives de maintenance des actifs.
Qu'est-ce que la technologie des jumeaux numériques ?
Aujourd'hui, les équipes d'ingénierie et de conception utilisent des modèles de simulation de processus dynamiques pour visualiser l'état actuel des opérations de l'usine. Cela leur permet d'identifier rapidement les goulots d'étranglement opérationnels, les lacunes des unités, les limites de conception et l'adéquation des systèmes de secours. Cependant, des capacités avancées d'apprentissage automatique (ML) sont nécessaires pour modéliser et prédire l'état futur des opérations de l'usine.
La technologie des jumeaux numériques exploite les algorithmes d'apprentissage automatique pour regrouper, intégrer, analyser et comparer les données historiques d'exploitation et de conception avec les données actuelles afin de former le modèle statistique. Le résultat est un clone virtuel de chaque unité d’une installation, reproduisant les fonctions, caractéristiques et comportements de son homologue physique, ainsi que les systèmes mécaniques et électriques qui l’alimentent.
Les modèles de jumeaux numériques incluent également l'infrastructure physique d'une installation ou d'un site industriel et un réseau complexe de processus d'usine, y compris la logistique des achats et de la chaîne d'approvisionnement, pour créer un environnement opérationnel numérique.
Exemple de clone virtuel de la technologie Digital Twin. Source : Anvil Corporation
Recevoir la bonne information au bon moment évite les pannes d’équipement. La capacité avancée d’apprentissage automatique du jumeau numérique fournit aux propriétaires/exploitants des analyses prédictives basées sur des modèles et des corrélations dans les données.
Armés de ces informations, les propriétaires/exploitants peuvent voir :
- Comment chaque unité peut vieillir et évoluer au fil du temps
- Quand une unité peut rencontrer des pannes
- Quand commander des articles à long délai de livraison en fonction des modèles de système d'approvisionnement/de chaîne d'approvisionnement
- Quand résoudre un problème avant qu'il ne survienne
Une question qui revient fréquemment concerne la différence entre l’intelligence artificielle (IA) et l’apprentissage automatique, car les deux technologies avancées fournissent des analyses prédictives. La différence est :
- L'apprentissage automatique fournit aux propriétaires/exploitants des informations objectives sur lesquelles fonder leurs décisions.
- L'IA propose une approche subjective de la prise de décision en recommandant des plans d'action.
L’objectif de l’apprentissage automatique des jumeaux numériques n’est pas de remplacer l’interaction et l’évaluation humaines, mais de rendre l’interaction non intrusive et en constante apprentissage.
De plus, l’IA est une technologie open source fonctionnant sur Internet, qui peut potentiellement violer des informations exclusives, alors que le logiciel d’apprentissage automatique du jumeau numérique est confiné à une entreprise, une installation ou un emplacement particulier.
En simulant de futurs scénarios opérationnels avec des modèles de jumeaux numériques et des analyses prédictives d'apprentissage automatique, les propriétaires/exploitants peuvent optimiser leurs ressources, processus et calendriers, stratégies et configurations de maintenance.
La technologie du jumeau numérique aide également les propriétaires/exploitants à prédire quand planifier un arrêt et quand commander des articles à long délai de livraison avant un arrêt. Ceci est particulièrement essentiel pour les sites distants où les délais de livraison des équipements sont plus longs, ce qui donne aux propriétaires/opérateurs la tranquillité d'esprit de savoir qu'ils disposeront de l'équipement acheté sur place en cas de besoin.
Créer un modèle de jumeau numérique
La première étape pour créer un modèle de jumeau numérique consiste à localiser et à introduire toutes les données historiques, y compris les enregistrements d'inspection, les nouveaux codes, les réajustements et les données opérationnelles actuelles, dans le logiciel du jumeau numérique afin de développer un prototype virtuel et réutilisable de chaque actif physique dans une installation de production.
Exemple de clone virtuel de la technologie Digital Twin. Source : Anvil Corporation
Un élément clé de cette étape consiste à garantir que des instruments de surveillance appropriés sont en place pour alimenter en permanence le modèle numérique. Les directives de fabrication historiques et originales peuvent être programmées comme points « d'alarme » dans le modèle pour alerter les propriétaires de perturbations ou de pannes potentielles.
La fonction d’apprentissage automatique des jumeaux numériques part de là, agrégeant, croisant et intégrant instantanément toutes les données disparates provenant de plusieurs sources en temps réel. En comparaison, il faudrait des semaines à un ingénieur pour calculer manuellement les mêmes informations.
Une fois toutes les données collectées et intégrées, l’apprentissage automatique compare les performances actuelles à celles pour lesquelles l’unité a été initialement conçue afin de signaler instantanément les anomalies ou les écarts par rapport au comportement attendu. Cela aide les ingénieurs à identifier instantanément un domaine de préoccupation à étudier plus en profondeur et à valider et mettre à l'échelle virtuellement les modèles pour étendre leurs capacités sans perturber les opérations de l'installation.
Les modèles de jumeaux numériques prédisent ensuite ce qui nous attend en simulant de futurs scénarios opérationnels pour déterminer comment les unités évolueront au fil du temps et quand leurs composants devront être remplacés.
À mesure que la technologie des jumeaux numériques continue d’évoluer, d’autres types d’évaluations physiques pourraient devenir obsolètes, comme les tests en ligne. Par exemple, ces modèles avancés peuvent prédire comment les systèmes réagissent aux changements de variables de processus sans perturber les opérations quotidiennes d'une installation, éliminant ainsi les produits non conformes aux spécifications et les problèmes de sécurité potentiels associés aux tests réels.
Les défis de la technologie des jumeaux numériques
La qualité du résultat est aussi bonne que celle de l'entrée
Le principal défi de la création de modèles de jumeaux numériques n’est pas tant la technologie :il s’agit de déterminer si les données agrégées provenant de plusieurs sources basées sur plusieurs variables alimentant les modèles sont basées sur des informations fiables.
Par exemple, comment un opérateur peut-il savoir lorsqu'une pièce ou un système est déjà dans un état de défaillance actuel lors de la construction des modèles ?
Cela implique de définir des informations fiables. Les informations fiables proviennent généralement d’un plus grand nombre de données que l’apprentissage automatique du jumeau numérique a croisées et validées :des données provenant d’instruments de surveillance des processus et des équipements intégrés dans un réseau d’usine intelligent et automatisé.
Par exemple, capturer un seul ensemble de données sur les performances d'une unité ne suffit pas. Pour des informations plus fiables, il est important de capturer également des données sur l’infrastructure de support de l’unité. Il se peut que la tuyauterie menant à l'unité ou les composants électriques alimentant l'unité soient déjà en panne, ce qui aurait un impact sur plusieurs autres unités fonctionnant avec les mêmes pièces et systèmes mécaniques et électriques.
Le pouvoir des données
Plus de données donnent aux propriétaires/exploitants des vues plus réalistes des opérations en cours, ce qui contribue à créer un modèle de jumeau numérique plus précis. Grâce aux données intégrées et validées provenant de plusieurs entrées, les modèles de jumeaux numériques peuvent :
- Estimer la durée de vie de l'équipement
- Prédire les pannes d'équipement
- Déterminer quand planifier la révision des installations
Grâce aux modèles de jumeaux numériques, les propriétaires et les exploitants d'installations peuvent gérer et maintenir leurs opérations pendant les périodes d'arrêt et les saisons de production de pointe.
Cependant, il reste essentiel pour un ingénieur de renseigner les données subjectives d’exploitation. Les considérations métallurgiques, ainsi que les effets chimiques et physiques des flux de processus sur les équipements et la tuyauterie, nécessiteront toujours des connaissances et une expertise en ingénierie pour utiliser pleinement les informations du jumeau numérique.
Le fait que des millions de pièces constituent des centaines de systèmes dans n'importe quelle installation industrielle souligne l'importance de tenir des registres de maintenance précis; la qualité du résultat d’un modèle de jumelage numérique est aussi bonne que son entrée. Par conséquent, la volonté des parties prenantes d'adopter la technologie dépend de leur degré de confiance et de leur conviction ou non de l'exactitude des informations.
Confiance dans la technologie
La mise en œuvre réussie de la technologie des jumeaux numériques nécessite l’accès aux bons outils logiciels et à des spécialistes formés. Les éditeurs de logiciels de simulation de processus achètent désormais des technologies d'interface pour mieux développer des modèles de jumeaux numériques.
Le défi consiste à garantir que les interfaces sont correctement intégrées pour produire une base d’informations précise. Il faut des spécialistes qualifiés connaissant la technologie et les processus de jumelage numérique utilisant des métadonnées industrielles pour garantir que toutes les informations historiques alimentant les modèles sont correctes.
Résumé
Les algorithmes avancés d’apprentissage automatique, l’analyse prédictive et les capacités de modélisation du jumeau numérique offrent une nouvelle option de gestion des actifs rentable pour les installations de toutes tailles. En travaillant avec des consultants en ingénierie et en utilisant le bon logiciel, les propriétaires/exploitants d’installations peuvent rapidement mettre en œuvre la technologie et l’intégrer dans leurs opérations.
La technologie génère également de multiples avantages en termes de coûts, notamment :
- Opérations et efficacité énergétique
- Amélioration des prévisions de fiabilité, de sécurité et de maintenance
- Réduction des risques, des temps d'arrêt et des coûts de maintenance inutiles
L'adoption de la technologie des jumeaux numériques sera essentielle pour rester compétitif sur des marchés industriels en évolution rapide.
Technologie de l'Internet des objets
- Le rôle de l'IA dans l'assistance à l'expérience client
- Connexion des pièces :intégration d'un composant portable conforme à FACE à un environnement de simulation
- Comment l'IoT révolutionne la gestion de la chaîne d'approvisionnement
- LoRa gagne du terrain parmi les alternatives
- ITTIA lance une base de données de traitement et de gestion des données Edge pour les microcontrôleurs et les microcontrôleurs
- Faire de la blockchain, les DLT moins gourmands en ressources
- Discuter du fonctionnement et des applications de l'IoT dans la lecture des niveaux de liquide
- Le pouvoir du présent :pourquoi l'IoT est important dans votre transformation numérique
- Le ransomware catalyse la révolution de la sécurité industrielle