La combinaison de jumeaux numériques en temps réel et d’informatique en mémoire peut activer des systèmes en direct complexes qui analysent rapidement la télémétrie et identifient les problèmes émergents qui nécessitent des réponses immédiates.
Les jumeaux numériques sont généralement utilisés pour créer des représentations virtuelles d’objets physiques. Il peut correspondre à un seul composant d’un système complexe, tel qu’un moteur d’avion, ou à l’ensemble du système. Cependant, ils peuvent également être utilisés pour suivre l’état dynamique de systèmes ou d’appareils physiques (par exemple, des appareils IoT, des équipements sur une chaîne de montage, un bâtiment intelligent, etc.) qui génèrent de la télémétrie. Ces jumeaux numériques sont des jumeaux numériques en temps réel.
Le flux de données fait toute la différence
La distinction entre un jumeau numérique traditionnel et un jumeau numérique en temps réel réside dans la façon dont il tire parti des données de télémétrie en continu.
Une utilisation courante des jumeaux numériques traditionnels est la gestion du cycle de vie des produits (PLM). Le jumeau PLM modélise le comportement du dispositif physique. Par exemple, un fabricant d’équipements peut avoir un jumeau numérique d’un produit utilisé sur une chaîne de montage industrielle. La télémétrie collectée à partir de l’appareil peut être analysée après coup pour comprendre son comportement. Par exemple, une augmentation de la température de fonctionnement peut être liée à une augmentation des défauts de sortie de la chaîne de montage. Ou faire fonctionner l’unité à un niveau de sortie supérieur à celui pour lequel le produit est conçu peut ne pas entraîner de problèmes.
Dans les deux cas, les données de télémétrie sont stockées et analysées ultérieurement. Les résultats et les conclusions tirés de cette analyse peuvent être utilisés pour améliorer la conception et l’évaluation des dispositifs. Dans un cas simple, si l’unité chauffe constamment, l’équipement peut devoir être repensé avec plus de débit d’air ou fonctionner à une vitesse inférieure.
Les idées peuvent également être utilisées pour mettre en œuvre des simulations. Si la vitesse de fonctionnement augmente de X %, quel est le compromis correspondant entre l’augmentation de la production et la détérioration de la qualité de la sortie ?
En revanche, les jumeaux numériques effectuent une analyse en temps réel sur les données de télémétrie diffusées en continu au fur et à mesure de leur diffusion. Plus précisément, les jumeaux numériques en temps réel suivent les informations d’état dynamique pertinentes sur un appareil physique pour faciliter l’analyse en continu. Il est bien adapté à une utilisation dans des applications en direct pour identifier les problèmes émergents et améliorer la connaissance de la situation.
Les informations tirées du jumeau numérique peuvent être utilisées en temps réel pour agir immédiatement. La chaîne de production peut être arrêtée plutôt que de mettre en service un équipement qui produit un produit final de qualité inférieure. Ou une pièce d’un moteur à réaction qui montre des signes de panne peut être remplacée avant l’heure spécifiée par le fabricant. De plus, les informations peuvent être utilisées pour effectuer des ajustements à la volée afin d’ajuster l’efficacité opérationnelle.
D’autres exemples incluent les appareils IoT dans le réseau électrique, le réseau de distribution d’eau, le système de sécurité ou la flotte de véhicules. Ou le système peut contenir de nombreux appareils (par exemple, une grande flotte de véhicules) qui génèrent ensemble de grandes quantités de données qui doivent être rapidement analysées pour répondre aux problèmes émergents.
Dans tous les cas, les données en continu peuvent être utilisées de différentes manières, chacune nécessitant une analyse de plus en plus complexe et un temps plus rigoureux pour obtenir des informations. Cela peut inclure l’utilisation de données pour :
- Surveillance des actifs où les données aident à comprendre si et comment l’élément physique fonctionne
- Analyse de simulation qui permet aux entreprises de faire des ajustements et d’expérimenter différents paramètres opérationnels pour améliorer les performances
- L’analyse prédictive, y compris éventuellement l’apprentissage automatique, pour détecter les anomalies opérationnelles en temps réel et initier des actions en temps réel pour prévenir les problèmes.
Voir également: ScaleOut apporte des fonctionnalités en temps réel à Azure Digital Twins
Contrer la charge de calcul des jumeaux numériques en temps réel
L’un des obstacles des jumeaux numériques en temps réel est que les approches d’analyse traditionnelles ont du mal à répondre à leurs exigences de calcul.
Une façon courante d’utiliser les données en continu consiste à les enregistrer dans un lac de données ou dans un autre magasin de données, puis à effectuer des analyses, généralement à l’aide de techniques de mégadonnées. Cette approche augmente le temps de réponse et retarde les réponses aux problèmes potentiellement urgents. Par conséquent, s’il y a une unité de réfrigération défectueuse dans le camion, le problème est détecté après coup et le contenu du réfrigérateur est perdu.
De plus, cette approche nécessite la conception d’un système frontal qui met les messages en file d’attente et les organise pour stocker les données. Cela peut être difficile à mettre en œuvre pour les messages de grande taille.
En revanche, les jumeaux numériques en temps réel peuvent analyser les flux de données à la volée. Cette approche permet des réponses plus rapides. Cependant, il nécessite une architecture logicielle évolutive pour ingérer et analyser les messages entrants. L’évolutivité devient un problème plus important lorsque de nombreux appareils dans un système ont des jumeaux numériques.
Une approche qui résout ces problèmes est l’utilisation de l’informatique en mémoire (IMC). L’IMC héberge les informations de scène en mémoire pour un accès et des mises à jour rapides. Il peut envoyer des messages à leurs jumeaux numériques en quelques millisecondes pour une analyse instantanée. Et IMC peut effectuer une agrégation de données en temps réel, via MapReduce, par exemple, en quelques secondes pour combiner les données de tous les jumeaux numériques et permettre une visualisation instantanée.
Voir également: Digital Twins permet des analyses en temps réel à grande échelle
Avantages de l’utilisation de l’informatique en mémoire pour les jumeaux numériques en temps réel
L’informatique en mémoire pour l’analyse de données en continu en temps réel est bien adaptée aux exigences du modèle numérique double. Fournit une mise à l’échelle transparente qui gère des tailles de message élevées à partir d’un large éventail de périphériques physiques. Permet des temps de réponse rapides en évitant la mise en file d’attente des messages pour le stockage secondaire et l’analyse hors ligne. Il améliore la connaissance de la situation en collectant et en visualisant les données de manière intégrée.
Les domaines d’application des jumeaux numériques en temps réel utilisant cette technologie comprennent :
- Télématique : les jumeaux numériques suivent en temps réel chaque véhicule d’une flotte pour identifier les problèmes de moteur, de charge utile, de conducteur et de performances à programmer.
- Réseau électrique : les jumeaux numériques suivent en temps réel chaque nœud (par exemple, transformateur, poteau électrique, unité de contrôle) pour détecter les problèmes, tels qu’une panne imminente qui pourrait provoquer un incendie ou une panne de courant.
- Sécurité et sûreté : les jumeaux numériques suivent les entrées/sorties en temps réel à des points clés de l’infrastructure, comme une centrale nucléaire, pour détecter les incursions non autorisées et les menaces à la sécurité des employés.
La combinaison d’un modèle de jumeau numérique en temps réel avec des performances de calcul en mémoire promet de permettre des systèmes en direct complexes comme celui-ci qui analysent rapidement la télémétrie et identifient les problèmes émergents qui nécessitent des réponses immédiates.