Qu’est-ce qui freine l’évolution et l’adoption des jumeaux numériques ?

Le potentiel considérable de la technologie de jumeaux numériques – avec sa capacité à créer des répliques numériques d’objets physiques, de processus et d’environnements – a des applications qui s’étendent à travers les industries, de la réplication d’environnements dangereux à l’affichage de véhicules spatiaux à des fins de formation à distance. Une analyse récente de McKinsey suggère que l’intérêt est si profond que le marché mondial des jumeaux numériques devrait croître d’environ 60 % par an au cours des cinq prochaines années et atteindre 73,5 milliards de dollars d’ici 2027. L’intérêt est clairement là, mais l’adoption a-t-elle vraiment suivi ?

La réponse – c’est compliqué. La technologie de jumeaux numériques et ses cas d’utilisation ont évolué considérablement, mais des défis doivent être résolus pour que les jumeaux numériques soient adoptés à grande échelle.

L’évolution des jumeaux numériques

L’adoption réelle de la technologie de jumeau numérique a été lente parce que, jusqu’à récemment, elle manquait d’intelligence pour aller au-delà de la simple représentation d’un actif. Plus précieux serait la capacité de simuler avec précision, de prédire et de contrôler son comportement. Les jumeaux numériques étaient également sur mesure et manquaient de la capacité d’apprendre à l’échelle mondiale à partir du comportement d’actifs similaires. Leurs connaissances étaient cloisonnées et ne étaient pas toujours applicables aux besoins organisationnels plus larges, ce qui les rendait un investissement coûteux avec des rendements étroits.

Cependant, certains premiers adoptants de jumeaux numériques comprennent les industries manufacturière, de détail, des soins de santé et automobile, qui ont pu tester de nouvelles installations, configurations et processus dans un environnement contrôlé.

Avec de nouvelles approches basées sur l’IA, nous allons assister à un changement rapide de « jumeaux numériques » à la « simulation » et à l’« agent » alimentés par l’IA, qui élargira considérablement les cas d’utilisation et entraînera une adoption généralisée. Examinons ces catégories d’utilisation :

• Représentation – Les premières itérations des jumeaux numériques étaient de simples représentations numériques d’actifs, qui n’étaient pas particulièrement utiles au-delà de certains cas d’utilisation de niche pour améliorer la conception et l’exécution de certaines tâches. En essence, c’est l’état « réplique » de la technologie de jumeau numérique.
• Simulation – Aujourd’hui, les jumeaux numériques évoluent de la représentation à la simulation, ce qui profite à un ensemble plus large de cas d’utilisation. La simulation signifie que les jumeaux numériques ne font pas seulement miroir de l’actif ou de l’environnement, mais simulent également avec précision les scénarios futurs. À ce stade, ils sont capables d’apprendre à partir des données d’autres processus similaires pour acquérir des connaissances significatives. Les jumeaux de simulation utilisent des algorithmes d’IA pour simuler les résultats de production, recommander les réglages de machine optimaux et guider les équipes de production vers des objectifs commerciaux améliorés dans un environnement de fabrication.
• Agent – L’évolution suivante après la simulation sera l’agent, qui permettra aux actifs, aux processus et à l’ensemble des parties de la production de planifier et d’agir de manière autonome. À ce stade, ils prendront également des décisions complexes et travailleront en partenariat avec les personnes pour favoriser une production plus durable. C’est l’étape de l’agent de jumeau numérique.

Passer d’un stade à l’autre nécessite différents niveaux de technologie de soutien, et il est essentiel que les organisations aient la bonne pile technologique pour atteindre l’impact maximum et le retour sur investissement des jumeaux numériques.

Technologie fondamentale pour les jumeaux numériques

La bonne technologie fondamentale doit être en place avant de passer de la représentation à la simulation, puis, en fin de compte, à l’agent.

En prenant la fabrication comme exemple, les organisations qui souhaitent créer une simulation numérique d’un processus ou d’un environnement de fabrication donné doivent disposer de capacités de détection en ligne fiables. Ces capteurs alimentent les données à partir de l’entrée et de la sortie à différents stades critiques du parcours afin de fournir des connaissances robustes pour éclairer une simulation. Beaucoup de ces données sont facilement disponibles, et nous avons vu des fabricants de processus avec des mesures de qualité en ligne sur les sorties (par exemple, le papier), mais il y a généralement un écart dans les mesures de détection pour les entrées (par exemple, les fibres de bois qui entrent dans la production de pâte à papier).

Pour contourner cela, les équipes de fabrication doivent clairement définir la simulation qu’elles tentent de réaliser et les différentes entrées, machines et systèmes impliqués, ainsi que les différents paramètres de chaque étape du processus. Cela nécessite probablement de solliciter des experts de multiples fonctions pour garantir que tous les aspects du modèle sont pris en compte, ce qui contribuera ensuite à garantir que les données sont suffisamment robustes pour alimenter une simulation.

Connectivité et comparaison

Les jumeaux numériques qui sont complètement isolés manquent d’apprentissage à partir d’autres modèles dans des scénarios similaires. Les modèles qui contribuent au jumeau numérique lui-même doivent être alimentés par des données provenant d’autres modèles et jumeaux numériques similaires pour démontrer ce que « grand » ou optimal signifie à l’échelle mondiale, et non seulement dans le processus local qui est examiné.

Par conséquent, les jumeaux numériques nécessitent une grande composante cloud, sinon les organisations risquent de perdre tout semblant de la promesse complète que cette technologie offre.

De l’autre côté, les jumeaux numériques ne doivent pas dépendre uniquement de la technologie cloud, car la latence du cloud peut créer des obstacles pour des facteurs tels que la collecte de données en temps réel et les instructions en temps réel. Considérez à quel point il serait inutile d’avoir une simulation destinée à prévenir les pannes de machine, uniquement pour que la simulation détecte une courroie cassée bien après que la pièce a cessé de fonctionner correctement et que la machine entière est à l’arrêt.

Pour surmonter ces défis, il peut être sage d’ajouter une composante qui est activée par l’IA de bord. Cela garantit que les données peuvent être capturées le plus près possible du processus simulé.

Points de douleur possibles avec le déploiement et la gestion

En plus d’avoir la bonne pile technologique et les infrastructures pour capturer les données nécessaires pour les jumeaux de simulation alimentés par l’IA, la confiance reste un obstacle important au déploiement. Les chauffeurs de taxi à Londres peuvent connaître la carte de la ville et tous ses raccourcis, mais le GPS équipe généralement les conducteurs avec des itinéraires plus précis en prenant en compte les données de trafic. De même, les ingénieurs et les professionnels de la fabrication doivent avoir des simulations précises et sûres pour acquérir pleinement confiance dans leurs capacités.

Acquérir la confiance prend du temps, mais la transparence avec les modèles et les données qui alimentent les jumeaux numériques peut accélérer ce processus. Les organisations devraient réfléchir stratégiquement au changement de mentalité nécessaire pour que les équipes fassent confiance aux connaissances issues de cette puissante technologie – ou risquent de manquer le retour sur investissement.

La voie de l’agent

Malgré la promesse des jumeaux numériques, l’adoption a été relativement lente – jusqu’à récemment. L’introduction de modèles alimentés par l’IA peut faire évoluer les jumeaux numériques de la représentation à la simulation en connectant les connaissances issues d’autres modèles pour construire à partir d’apprentissages uniques.

À mesure que l’investissement et la confiance augmentent, les jumeaux numériques atteindront finalement le statut d’agent et seront capables de prendre des décisions complexes de leur propre chef. La véritable valeur reste à débloquer, mais les jumeaux numériques ont le potentiel de transformer les industries, de la fabrication aux soins de santé, en passant par la vente au détail.