IA & IoT alimentent les jumeaux numériques pour des chaînes d'approvisionnement plus intelligentes

21 août 2021

Source : AI Trends

La combinaison de l'IoT et du machine learning croissant en même temps mène à une hausse de l'utilisation des jumeaux numériques dans la chaîne d'approvisionnement, comme une réplique digitale qui peut 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 comme un programme de l'Object Management Group, travaille sur la définition d'une taxonomie et standards et l'activation de technologies incluant l'IA et la simulation. Les ingénieurs sont attirés par ce travail. Membres fondateurs : Ansys, Dell, GE, Lendlease, Microsoft et Northrop Grumman.

« L'IoT et le ML sont les matières premières et les outils — l'insight est dans le repository où nous modélisons les processus et créons le contexte. Bien que cela puisse être une base de données ou un data lake, l'exemple le plus intéressant pour moi est le jumeau numérique », a écrit Scott Lundstrom, analyste focalisé sur l'intersection de l'IA, l'IoT et les Chaînes d'Approvisionnement, sur son blog, Supply Chain Futures.

Le jumeau numérique dans la chaîne d'approvisionnement permet une comparaison entre données actuelles et historiques sur la performance, où qu'un capteur soit situé. Cela pourrait être un composant comme un thermostat, un actif comme un camion ou une machine, un employé comme un technicien de service, ou un processus, comme dans la fabrication. « Une partie de la capacité du jumeau numérique est pilotée par cette complexité d'avoir des modèles de modèles pour décrire des actifs, processus et 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 vers distributeurs et 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 que le début. À mesure que cette technologie devient mieux comprise, et les déploiements plus faciles, l'usage grandira vers des espaces de plus en plus complexes. Il y a déjà du développement de jumeaux numériques en sciences de la vie pour soutenir la modélisation de biologie des systèmes d'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'usage complexes multi-modèles, le jumeau numérique inclusif peut avoir une vue de toute la chaîne d'approvisionnement du fournisseur du fournisseur au client du client. Une compréhension du statut et de l'historique des actifs et processus permet d'amener les outils de machine learning dans l'équation pour exécuter simulations, optimisations, et capacités prédictives sur les modèles, suggère Lundstrom.

« Pour réaliser les bénéfices de cette formidable opportunité, nous avons besoin de standards, de taxonomies convenues, et d'outils de développement commercial et plateformes pour que ce marché prospère », a-t-il déclaré. « La communauté des fournisseurs réagit à cette opportunité, et de nombreux praticiens des marchés PLM [gestion du cycle de vie produit], IoT, et science des données/analytique commencent à se concentrer sur la résolution de certains de ces standards fondateurs. »

Les grands fournisseurs de plateformes avancent avec des outils et offres Platform as a Service (PaaS) pour essayer 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 construisent tous des extensions à leurs outils et plateformes IoT existants pour ajouter le support à la création de jumeaux numériques.

Lundstrom a pointé vers Azure Digital Twins de Microsoft comme l'une des offres early plus complètes. Présenté à l'événement Microsoft Build 2020, tenu virtuellement en mai, la preview release supporte un nouveau Digital Twin Definition Language (DTDL) basé sur une implémentation de JSON-LD (JavaScript Object Notation for Linked Data).

« En tirant parti de JSON-LD, un framework objet simple et bien accepté, Microsoft supporte un standard ouvert dès le début », écrit Lundstrom. « C'est une exigence clé alors que les utilisateurs commencent à comprendre que les jumeaux numériques requièrent une approche objet-orientée ouverte pour supporter les exigences d'héritage, et d'instances multiples dans la création de modèles multi-niveaux complexes qui sont portables et supportent l'utilisation de plateformes cloud largement disponibles et frameworks IA. »

Les Jumeaux Numériques de Chaîne d'Approvisionnement Sont-ils Juste une Autre Mode ?

Est-ce que le jumeau numérique de chaîne d'approvisionnement est juste une autre mode, a demandé un billet de blog sur le site de River Logic, un fournisseur d'analytique prescriptive pour l'optimisation de chaîne d'approvisionnement utilisant des jumeaux numériques. En affaires depuis 2000 à Dallas, l'entreprise offre des applications pré-construites avec connaissance de la planification d'affaires et optimisation.

Les logiciels de simulation et modélisation permettent aux organisations de créer des jumeaux numériques de planification réalistes et vérifiables de leurs chaînes d'approvisionnement. Les techniques de data mining avec les entrées de capteurs Internet des Objets (IoT) permettent aux données en temps réel d'être alimentées dans les modèles. Les modèles peuvent surveiller et déterminer ce qui se passe dans le monde réel et planifier l'action corrective appropriée.

Une étude Gartner sur l'implémentation IoT en juillet 2018 a montré que 13 % des entreprises travaillant sur des projets IoT avaient déjà des jumeaux numériques, tandis que 62 % supplémentaires travaillaient vers leur implémentation. « Il semble que les jumeaux numériques de planification sont plus que juste une mode », a déclaré le post de River Logic.

Les ingénieurs dans les années 1970 et 80 utilisaient des modèles CAO 3D d'équipements d'ingénierie complexes pour conduire des visites virtuelles. À mesure que la technologie CAO avançait, il est devenu possible de représenter le stress physique, rendant possible les tests de stress virtuels. Aujourd'hui, il est possible de construire des modèles numériques « presque parfaits » d'équipements réels, comme des avions, véhicules autonomes et équipements de forage, et en entrant des données réelles, comme les charges statiques et dynamiques vécues pendant le décollage d'avion, de mesurer la performance.

« De cette façon, il est possible de simuler le monde réel et de combler le fossé entre nos environnements physique et digital », déclare River Logic. Plusieurs expériences d'entreprises avec des jumeaux numériques sont mises en avant sur le site 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 transformation alimentaire basée en Suisse. Le jumeau numérique est alimenté en données en temps réel de façon consistante depuis un entrepôt physique à Singapour, que DHL a développé pour être intégré dans la chaîne d'approvisionnement, selon un compte dans Supply Chain magazine.

« La mise en œuvre conjointe d'une telle solution digitale 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, CEO, DHL Supply Chain Singapour, Malaisie, Philippines. « Cela permet des opérations de chaîne d'approvisionnement agiles, rentables et scalables. »

À 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 la réception. Les camions entrants sont équipés de technologie IoT. Une solution de stockage intelligent 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 standards élevés dans nos chaînes d'approvisionnement », a commenté Devraj Kumar, Directeur, Logistique Intégrée, Asie du Sud, Asie de l'Est & Océanie pour Tetra Pak.

Jumeaux Numériques à Paris Protègeront une Éolienne des Tempêtes de la Mer du Nord

Des ingénieurs GE à Paris s'associent avec Ansys, un fournisseur global de logiciels de simulation d'ingénierie, pour construire un jumeau numérique d'une éolienne en Mer du Nord. Un objectif est de maximiser la production et minimiser les temps d'arrêt en repérant les problèmes avant qu'ils ne mènent à une panne non planifiée. La maintenance prédictive repose non seulement sur des capteurs physiques sur les machines, mais aussi sur des capteurs virtuels placés 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 comme la température ou la pression, en utilisant d'autres données de capteurs et des algorithmes intelligents basés sur des données historiques ou modèles.

Par exemple, les ingénieurs GE ont développé un jumeau numérique des moteurs de lacet de l'éolienne Haliade 150-6, qui permettent à la turbine de 6 mégawatts de pivoter et se positionner dans le vent. En utilisant des capteurs virtuels, ce jumeau numérique simule la température à diverses parties des moteurs.

En utilisant des algorithmes construits sur Predix, la plateforme logicielle GE pour l'internet industriel, et une approche de modélisation développée par Ansys, les ingénieurs peuvent maintenant estimer la température du moteur à tout moment. Au Foundry, ils peuvent aussi surveiller comment les moteurs performent sous différentes contraintes au fil du temps. Sur le terrain, les ingénieurs peuvent utiliser une appli 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 avoir 1,2 million de jumeaux numériques de moteurs à réaction, turbines à gaz et locomotives déjà en service sur le terrain.

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