Le Dr Karen Panetta est membre de l

Aligner les métriques sur les méthodes dans le déploiement IoT

Depuis la pandémie de COVID-19, les organisations ont été obligées de prendre des mesures réactives pour atténuer les pertes paralysantes. Alors qu’ils se préparent à la «nouvelle normalité», ils peuvent repenser l’infrastructure existante comme un moyen de produire différents produits ou d’offrir de nouveaux types de services.

Mais par où commencer?

La pandémie agit comme un catalyseur pour l’extension des technologies et la simulation numérique jumelle peut être un outil essentiel dans une réponse stratégique proactive, selon Karen Panetta, doyenne de l’ingénierie diplômée à l’Université Tufts à Medford, Mass.

« Le nom du jeu dans l’ère post-COVID sera la livraison sans contact de produits et services », a déclaré Panetta, qui estime que l’utilisation de jumeaux numériques peut accélérer les efforts d’une entreprise en lui permettant d’anticiper les points de stress, de permettre à plus adaptations de modèles efficaces et retravailler plus rapidement ses processus.

Non seulement mLes fabricants cherchent à l’intérieur de l’usine des moyens d’atténuer le risque de contact avec tout ce qui pourrait propager la maladie, mais ils analyseront également leurs chaînes d’approvisionnement pour savoir ce qui s’est passé une fois la livraison ou le transport interrompus, a observé Panetta, dont les domaines de recherche actuels incluent le développement du traitement d’images et de signaux, d’algorithmes pour des applications en sécurité intérieure et des applications biomédicales.

« En règle générale, lors de la modélisation, tout le monde recherche des points de risque », a déclaré Panetta. « Chaque fois que nous développons des processus, nous disons: » Oh, voici mon point de risque critique. Et voici mon plan d’urgence. « Par exemple, si nous ne pouvons pas envoyer de produits par chemin de fer, alors pouvons-nous l’envoyer par avion?

«Mais personne ne s’intéresse vraiment aux perturbations importantes comme nous en avons actuellement», a-t-elle poursuivi. « Personne ne suppose que tous les transports pourraient être fermés, ou que le monde entier ne travaille pas. Personne n’a jamais été le modèle de catastrophes de grande ampleur sans précédent comme celle-ci. »

Le Dr Karen Panetta est membre de l’IEEE. Elle est également doyenne des études supérieures de l’École d’ingénierie, professeure de génie électrique et informatique et directrice du Laboratoire de recherche en simulation de l’Université Tufts.Néanmoins, en modélisant ces types d’événements, Panetta a déclaré que les fabricants peuvent être mieux équipés pour faire face aux défaillances et aux risques associés à toutes les entités de la chaîne d’approvisionnement, en particulier celles dont ils dépendent pour obtenir leurs produits et services.

Avec un CV de plus de 41 pages, l’expérience de Panetta lui permet de voir l’avenir et de l’agir. En plus de ses fonctions académiques, elle est IEEE compagnon. À ce titre, elle met son expertise technique et politique au service de programmes organisation professionnelle technique dédiée à l’avancement de la technologie dans les domaines allant des systèmes aérospatiaux, des ordinateurs et des télécommunications au génie biomédical, à l’énergie électrique et à l’électronique grand public.

Dans le Q&A édité ci-dessous, Panetta offre un aperçu du potentiel d’utilisation accrue des jumeaux numériques une fois les effets de la pandémie disparus.

Conception de la machine: Pouvez-vous fournir une définition de haut niveau d’un jumeau numérique et un peu de contexte pour votre expérience de jumeau numérique?

Karen Panetta: Un jumeau numérique est une réplique virtuelle. Considérez-le comme une simulation de actifs physiques, processus, personnes, lieux, systèmes et appareils.

J’étais probablement l’une des premières personnes à avoir développé un jumeau numérique. Nous ne l’appelions pas un jumeau numérique à l’époque. J’ai créé un jumeau numérique d’un million d’unités centrales à transistors. C’était pour que nous puissions exécuter tous les logiciels sur cette machine virtuelle avant même que le produit ne soit construit, et pour que lorsque le produit soit expédié, nous pourrions avoir tous les logiciels prêts à être utilisés… J’avais probablement l’un des premiers brevets sur les jumeaux numériques en 1992.

Et puis je suis allé travailler à la NASA. Et c’est là que j’ai vu qu’ils utilisaient ces jumeaux numériques pour contrôler les systèmes mécaniques. Ainsi, leur simulateur avait des connexions avec de vrais moteurs et des choses qu’il pouvait contrôler. J’ai pu installer des moteurs à réaction avec mes simulations et c’était vraiment cool. Ce fut le début des jumeaux numériques.

MARYLAND: Selon vous, quelle serait la meilleure utilisation des jumeaux numériques et comment sa pertinence a-t-elle évolué?

KP: À l’origine, ils ont été développés pour que l’on puisse créer le produit avant de dépenser de l’argent pour le construire. Donc, pour économiser sur les coûts de fabrication. À l’origine, il a été construit pour garantir le bon fonctionnement des produits que nous allions construire. Maintenant, cela nous permet également de co-développer la chaîne d’approvisionnement ou les périphériques autour du produit. De cette façon, regardez non seulement ce qui pourrait mal tourner physiquement avec le produit, mais aussi ce qui pourrait mal tourner pour le processus dans la chaîne d’approvisionnement, les personnes fournissant les services et les composants utilisés pour construire le produit.

MARYLAND: Selon vous, quelles industries utilisent efficacement les jumeaux numériques?

KP: L’industrie qui l’a essentiellement inventé l’utilise efficacement – l’industrie informatique et toute sorte de fabrication de semi-conducteurs. Désormais, il peut également s’agir de toute entité qui fabrique un produit ou fournit un service, comme le secteur des communications ou le développement de villes intelligentes.

MARYLAND: Pouvez-vous expliquer comment les jumeaux numériques prennent en charge et permettent une modélisation plus efficace?

KP: Si nous avons un modèle qui simule l’ensemble du processus, nous pouvons faire un «plug-and-play» en modifiant et en adaptant le modèle aux nouvelles entrées. Par exemple, quelle capacité avons-nous? Ou, si nous ne pouvons plus avoir de fabricant chinois dans notre chaîne d’approvisionnement, mais qu’un fournisseur en Amérique du Sud ou au Canada peut fournir le produit, nous pouvons rapidement adapter notre modèle aux nouveaux intrants. Ou, je peux remplacer différents paramètres pour voir comment ils vont changer le prix.

On peut également substituer un modèle à un autre. Par exemple, si j’utilise une batterie plus légère, comment cela affecte-t-il l’ensemble de ma conception, l’ensemble de mon processus ou la fiabilité de mon produit? Et en fonction de mes cas d’utilisation client, cela changera-t-il leur perception? Vont-ils toujours acheter ce produit?

MARYLAND: Les jumeaux numériques conviennent-ils à toutes les entreprises?

KP: Si les entreprises ne se lancent pas dans des jumeaux numériques, elles seront laissées pour compte. Les entreprises qui l’adopteront seront plus dynamiques – vraiment capables de s’adapter aux différentes conditions environnementales, aux différentes conditions du marché, aux intérêts différents des gens sur le marché et à ce que les gens achèteront. Cela vous aidera à comprendre l’offre et la demande et comment y arriver.

MARYLAND: Quels sont, selon vous, les plus grands défis associés au développement de jumeaux numériques?

KP: Tous ces modèles reposent sur des données. Lorsque je crée un produit, je dispose de données de bas niveau très détaillées sur chaque composant. Je connais mon processus. Je sais ce qui se passe dans mon usine de fabrication. Je connais chaque travail et chaque tâche de l’usine. Alors que je quitte mon usine, je dois maintenant modéliser une chaîne d’approvisionnement – tous les différents fournisseurs auprès desquels j’achète mes composants. Cela devient le défi, car vous devez désormais obtenir des données réelles de ces fournisseurs afin de les modéliser. Sans cela, vous devinez en fonction des tendances du marché. Et c’est là que le risque entre en jeu.

Vous voulez obtenir ce que nous appelons la «vérité fondamentale», qui est un large échantillon basé sur les bonnes hypothèses sur la façon dont les choses fonctionnent vraiment… Lorsque nous nous éloignons du domaine de la chose physique que nous construisons, les processus sont beaucoup plus variables, les mentalités des gens sont beaucoup plus variables et les économies sont beaucoup plus variables. Donc, être capable de modéliser dynamiquement avec des données précises est le fondement.

MARYLAND: Quelle est la prochaine étape pour la technologie numérique jumelle?

KP: La prochaine chose est l’intégration de l’intelligence artificielle, pour apprendre des expériences et recueillir des données pour amener les gens à partager leurs données en utilisant l’IA. L’une des choses qui a empêché les entreprises de passer à l’intelligence artificielle est la possibilité de partager des données. Une entreprise qui pense que ses données sont propriétaires dit: «Eh bien, je comprends mieux ma clientèle que vous, je suis donc en mesure de mieux leur vendre. Pourquoi vais-je partager ces données avec vous?  » Et cela fait partie du problème: essayer d’obtenir plus de données.

À l’avenir, nous verrons ces modèles se développer pour inclure différentes entités indépendantes de notre volonté; ce qui signifie que vous ne faites pas partie de mon entreprise, mais vous pourriez faire partie de ma chaîne d’approvisionnement, ou vous pourriez être l’un de mes clients. Vous allez voir plus de recherches effectuées pour avoir accès à ces données. Et cela inclut le gouvernement. Les gens pourraient même dire que c’est important pour notre économie. Vous verrez peut-être que certaines initiatives font du partage de données open source. À l’heure actuelle, le partage de données ne se fait vraiment que via les établissements universitaires.

MARYLAND: Quel serait le bon moment pour commencer à construire des jumeaux numériques?

KP: Le point de départ est à l’intérieur: modéliser ce que vous savez et confirmer vos processus. Parfois, quand je travaille sur des projets, je dis: « Je ne sais rien sur la façon dont vous fabriquez ces choses. Accompagnez-moi. » Ensuite, je vais le parcourir et il y a quelqu’un qui dira: « Eh bien, non, ce n’est pas vraiment comment cela fonctionne. » Et vous découvrez qu’ils ne savent vraiment pas ce qui se passe à l’intérieur. Découvrir que nous ne savons vraiment pas comment nous fonctionnons ni comment les processus fonctionnent en interne est un exercice précieux. Et vous voyez toutes ces inefficacités et, là, vous pouvez commencer à construire votre stratégie.

Commencez donc par ce que vous savez chez vous, car c’est là que vous avez le plus de détails et le plus de précision. C’est là que vous en aurez le plus pour votre argent, car vous pouvez facilement optimiser et échanger des objets. La modélisation est un exercice précieux pour découvrir ce que vous ne savez pas et vous découvrirez des inefficacités. Ensuite, vous pouvez commencer à élaborer votre stratégie et progresser.

Articles similaires

Commencez à saisir votre recherche ci-dessus et pressez Entrée pour rechercher. ESC pour annuler.

Retour en haut