Présenté pour la première fois en 2002 par Dr Michael Grieves, le concept de jumeau numérique est défini comme étant une réplique numérique d’un système réel qui communique en temps réel avec celui-ci pour permettre à la fois la supervision, le contrôle et la simulation. La littérature propose deux méthodologies principales selon les informations et données accessibles sur le fonctionnement du système réel. Dans les cas où les équations définissant le comportement et l’évolution du système sont connues, la modélisation physique est l’approche recommandée. Ensuite, la modélisation par analyse de données permet d’utiliser un historique, constitué des données des capteurs, décrivant le fonctionnement du système réel. Il existe cependant des cas où ni les équations ni les données seules ne permettent de modéliser fidèlement le système. C’est souvent le cas pour les systèmes de sécurité qui sont à la fois complexes et ne produisent que peu de données significatives. Pour ces types de systèmes, le jumeau numérique hybride semble la meilleure approche : allier à la fois physique et données pour pallier les manques respectifs d’informations. La méthodologie proposée ici est d’utiliser le modèle data-driven pour affiner le modèle basé sur la physique du système, et ce modèle permet de générer de nouvelles données qui seront utilisées pour ajuster le modèle data-driven.
jumeau numérique, modélisation, hybride, intelligence artificielle, maintenance prédictive
Suite dans l’acte de colloque page 94.