L’ingénierie des systèmes : réunir mondes physiques et mondes numériques
Les progrès de la science et de la technologie notamment dans le domaine du digital se traduisent aujourd’hui par une approche radicalement différente de l’ingénierie système qui va passer d’un modèle principalement guidé par les documents à un modèle guidé par les données.
Le contexte industriel actuel se traduit par des fortes contraintes en ce qui concerne la disponibilité des infrastructures, leur capacité à pouvoir traiter une large diversité de produits avec des taux de rebuts les plus faibles possible. Nous observons également des exigences de plus en plus fortes vis-à-vis de la sécurité, la sûreté mais également la protection de l’environnement et la connexion avec les travailleurs et la société. L’ensemble de ces exigences nous amène à considérer une infrastructure industrielle non plus comme un ensemble de composants technologiques destiné à fabriquer des produits mais plutôt comme un système complexe dont la conception, la construction et l’exploitation devront faire l’objet de nouvelles méthodologies et nouvelles approches qui vont faire l’objet de cette communication.
REPÈRES
L’ingénierie des systèmes vise à concevoir et maîtriser des systèmes complexes en faisant appel à des approches scientifiques multidisciplinaires et en s’appuyant sur des méthodes et outils issus de l’expérience. Elle s’intéresse à l’ensemble du cycle de vie des systèmes développés.
Les systèmes cyberphysiques au service de l’industrie du futur
L’industrie du futur va réunir les mondes physiques et numériques dans une vision système que l’on appelle les systèmes cyberphysiques. Cette convergence entre le numérique et le matériel se fait au travers d’une continuité des données issues du monde physique et du monde numérique et des technologies de traitement et de valorisation de ces données représentées par l’intelligence artificielle, la réalité virtuelle et augmentée, l’internet des objets et les technologies de fabrication additive.
Il faut enfin souligner que cette convergence devra s’obtenir en maintenant des niveaux de sûreté de fonctionnement et de sécurité répondant aux exigences des divers domaines industriels.
Une approche ingénierie système guidée par les modèles et les données
La prise en compte de la complexité grandissante des infrastructures industrielles doit passer par l’adoption de nouvelles méthodologies d’ingénierie système qui vont tirer parti des progrès dans le domaine de la dématérialisation et de la disponibilité des données, mais également des progrès dans le domaine de la modélisation multiphysique et multiéchelle qui introduit dans le domaine industriel l’ingénierie système guidée par les modèles et les données.
La complexité des infrastructures nécessite de mobiliser des équipes distribuées, de partager des connaissances, des données et de virtualiser le système de la façon la plus précise possible afin de minimiser les risques et d’optimiser à la fois les phases d’ingénierie, d’intégration, de validation et plus tard d’exploitation des infrastructures. Ces approches qui ont été initialement développées pour la fabrication de systèmes critiques dans les domaines de l’aéronautique et de la défense sont en train d’irriguer l’ensemble des secteurs industriels et notamment les infrastructures en raison d’une augmentation des exigences et des fonctionnalités de modularité et de reconfiguration de ces dernières et une pression grandissante en ce qui concerne le respect des délais de livraison, la disponibilité des infrastructures et la qualité de service délivrée. Il sera nécessaire de disposer d’un environnement collaboratif et d’exploiter les technologies d’intelligence artificielle pour améliorer l’efficacité des phases d’ingénierie des exigences, pour le développement de jumeaux numériques au niveau système ainsi que pour des applications d’optimisation des opérations et notamment la maintenance prédictive.
L’écosystème des environnements digitaux
Le choix de l’écosystème des environnements digitaux qui seront utilisés dans l’industrie du futur sera guidé par deux principes qui sont la continuité et l’intégrité des données et une approche d’ingénierie système guidée par les modèles. En ce qui concerne les données, il est important de prendre en compte les architectures existantes et le niveau de maturité digitale des industriels. En fonction des architectures existantes et de l’héritage digital des sociétés, différentes approches pourront être adoptées. Nous en identifions principalement deux. La première vise à utiliser les architectures de données existantes et proposer une approche dite « fédérateurs » de données qui permet de pouvoir rapidement obtenir des résultats avec des niveaux de risques et d’investissements modérés. Ces approches sont souvent proposées par des start-up dont la flexibilité est par construction plus importante que des éditeurs de plateformes de logiciels.
“L’intelligence artificielle
va permettre d’aborder
la complexité des infra-structures”
Des approches plus intégrées
La seconde approche vise à utiliser des environnements intégrés aux fonctionnalités plus complètes mais qui vont nécessiter des travaux de migration de données ou d’algorithmes. Ces solutions ont été développées dans le domaine de l’automobile, de l’aéronautique et concernent dans un premier temps le suivi de configuration et de cycle de vie de produits (solution PLM : Product Life Cycle Management). Ces plateformes ont été développées et aujourd’hui sont de véritables environnements intégrés pour conduire l’ingénierie de systèmes complexes. Parmi ces environnements, nous citerons la plateforme 3DEXPERIENCE développée par Dassault Systèmes (www.3ds.com) qui est un des leaders mondiaux dans ce domaine et qui a été un précurseur dans le domaine de l’industrie du futur.
Tirer parti des connaissances académiques
L’industrie du futur va se traduire par des besoins très importants dans le domaine de l’ingénierie système guidée par les modèles et les données. Elle va s’appuyer sur la notion de systèmes cyberphysiques et d’environnements big data hétérogènes qui devront garantir une continuité et une intégrité des données respectant les exigences industrielles. L’intelligence artificielle va permettre d’aborder la complexité des infrastructures à la fois lors des phases de conception, construction, mise en service et exploitation afin de minimiser les risques de retard, de malfaçon mais également d’optimiser les infrastructures en termes de disponibilité, flexibilité et qualité de service. L’industrie du futur va mobiliser les connaissances qui ont été développées par le monde académique et qui sont transférées dans le monde industriel soit via des start-up ou des PME ou encore des grands groupes et exploitées par les sociétés d’ingénierie. La France a des atouts majeurs dans ce secteur avec un continuum de grande qualité sur l’ensemble de la chaîne de valeur qui laisse espérer un renouveau industriel très dynamique.
Fédérer les données existantes
Parmi les start-up intéressantes pour une approche de fédération des données, nous pouvons en citer trois : SpinalCom et Azurelope qui proposent des solutions très ouvertes et interopérables permettant de pouvoir rapidement proposer des solutions créatrices de valeur ; et Saagie qui propose une boîte à outils pour développer des solutions d’intelligence artificielle, solution très ouverte permettant de mettre en valeur les données et ainsi très rapidement pouvoir analyser des documents de façon automatique ou développer des solutions de maintenance prédictive.
Guider ingénieurs et techniciens à chaque étape de la vie d’un projet
À titre d’exemple pour les phases d’ingénierie, à partir des ontologies et des techniques de traitement du langage, il est possible d’extraire les exigences et en utilisant les techniques d’apprentissage et notamment celle d’apprentissage profond, nous pouvons construire un système de questions-réponses qui permet de les structurer et ainsi d’être un outil d’aide pour le développement des architectures systèmes fonctionnelles de façon plus robuste. Pour ce qui concerne les phases d’exploitation et de maintenance, de la même façon, l’indexation de documents, l’extraction d’informations contenues dans les rapports d’inspection permettent de trouver des corrélations et en couplant ces informations avec des données « chaudes » provenant de capteurs, il est possible de détecter les anomalies de façon plus robuste et ainsi mieux modéliser les phénomènes de dégradations. Au fur et à mesure de la vie de l’infrastructure, les techniques d’apprentissage couplées aux modèles permettent de calculer le temps de vie résiduel des parties critiques de l’infrastructure et de pouvoir envisager des techniques d’optimisation pour améliorer la disponibilité et sa fiabilité.
Des alternatives spécifiques
D’autres solutions existent mais sont davantage issues des opérations et de la partie automation et sont principalement dédiées à l’exploitation des infrastructures avec l’introduction des fonctionnalités PLM et ingénierie système. Les acteurs principaux sont Siemens avec l’environnement MindSphere, GE Predix, Schneider Aveva et PTC ThingWorx.
Pour compléter cet écosystème, il est important de mentionner les méthodes et les solutions qui proposent l’ingénierie système guidée par les modèles et la simulation et la modélisation des systèmes complexes. Nous citerons la méthodologie Arcadia et l’environnement Capella qui est développé par Thales, et pour la simulation des systèmes complexes, deux acteurs nous semblent importants :
le cabinet de conseil CESAMES et la start-up Cosmo Tech.