Le jumeau numérique : un avatar pour les gouverner tous !

Faire une simulation numérique en ingénierie mécanique est un réflexe désormais bien ancré pour avoir une estimation du comportement mécanique d’une structure. La modélisation par éléments finis est présente à tous les étages d’un projet de conception, de l’échelle du matériau (en particulier pour les composites) à celle de la structure complète, en passant par toutes les sous-structures et assemblages structuraux.

Pour chacune de ces échelles, une simulation permet de prévoir la réponse de la structure virtuelle, mise en données selon le cahier des charges prévu. Les tests sur pièces prototypes restent néanmoins toujours ponctuellement nécessaires afin de valider que la simulation était bien prédictive, c’est-à-dire donnait un résultat cohérent.

 

 

Cette prédominance de la simulation a deux conséquences principales :

  • les coûts de développement prévus pour les projets diminuent progressivement, puisque l’on fait plus de simulations et moins de tests sur prototype.
  • La confiance en la simulation doit nécessairement augmenter, puisque l’on fait les tests sur prototype de plus en plus tard, ce qui fait augmenter les risques en fin de projet.

 

S’appuyant sur ces tendances, les directions techniques fixent donc des objectifs de temps de développement de plus en plus courts, sur des projets de développement de produits sur lesquels il faut parfois redévelopper une partie du système ou utiliser de nouveaux matériaux. Néanmoins, on néglige souvent un aspect de la simulation qui peut avoir un impact très fort sur la prédictivité d’un modèle : la différence entre vérification et validation.

 

La vérification d’un modèle de simulation consiste à s’assurer que l’équation de comportement analytique (la loi théorique qui lie par exemple la déformation et la contrainte dans le matériau) est bien reproduite par l’algorithme présent dans le logiciel de simulation. Elle peut être effectuée sur des exemples très simples, et c’est elle qui nous permet de juger de la « qualité » d’un logiciel de simulation. Aujourd’hui tous les logiciels commerciaux sont scrupuleusement vérifiés pour s’assurer que les équations disponibles pour l’utilisateur « fonctionnent » correctement.

 

La validation d’un modèle concerne tout ce qui touche à sa mise en données : quel effort on a appliqué, quelle forme on a donné à la pièce, quelle hypothèse on utilise pour l’interface entre deux pièces… Ces éléments sont des choix que l’ingénieur doit faire, et ils sont basés sur son expérience et sa connaissance du système. Plus le produit est innovant, plus ces hypothèses peuvent se révéler éloignées de la réalité le jour du test sur le prototype…

 

 

Il est donc possible d’avoir les ingénieurs les plus expérimentés et de découvrir le jour du test que tout ne se passe pas comme prévu, aux dépends du programme de développement…  Il n’est donc pas rare de voir opérer des « task forces » en fin de programme pour aider la simulation à rentrer dans les clous des mesures. Pire encore, il faut parfois refaire des campagnes de test pour changer les conditions d’essais et tenter de comprendre ce qui fait que la réalité terrain n’est pas celle qu’on attendait. Quand on connaît les coûts d’un test sur structure (entre 5 et 200k€ selon la complexité du système) on comprend que ce type d’imprévu est une double peine : non seulement la mise en production sera ajournée, retardant d’autant les revenus de l’entreprise, mais on aussi doit dépenser plus d’argent et d’énergie pour terminer.

 

Pour répondre à cette question cruciale de la validation, d’autres domaines comme l’embarqué ou la maintenance adoptent aujourd’hui l’idée que la comparaison modèle/réel peut s’opérer à travers un Jumeau Numérique (Digital Twin). Ce jumeau est un avatar numérique du système observé, qui contient toutes les informations nécessaires à la validation du fonctionnement  du système, et permet une comparaison au réel pour assurer le suivi, et le cas échéant la correction de consignes appliquées au système réel. Dans la maintenance, il s’agit par exemple de suivre des données critiques d’un équipement de production (cadence, température, humidité, etc.) afin de rendre l’ingénieur capable de détecter un écart face à ses prévisions. Ce principe a déjà été généralisé à des usines entières…

 

https://ciowatercooler.co.uk/what-are-digital-twins

 

Même si ces jumeaux numériques existent aujourd’hui online, connectés en permanence aux équipes pour leur fournir les informations en provenance du système, il est bien sûr possible de les faire fonctionner offline après l’utilisation du système, pour traiter un cas de fonctionnement pour lequel on dispose déjà des données. Si on transfère ce concept à la simulation 3D en ingénierie mécanique, c’est tout à fait ce dont l’ingénieur a besoin : un essai mécanique a été mené (même partiellement), on souhaite valider que la simulation avait bien prédit son comportement.

 

A quoi ça ressemble en pratique ? Un outil dans lequel on peut importer toutes les sources de mesure et les modèles de simulation qu’on a construits « sur le papier ». Dans ce contexte, les caméras (comme celles dont les images sont traitées par EikoTwin) ne sont qu’un outil de mesure parmi d’autres. Elles rendent par contre l’utilisation du jumeau numérique très pratique, notamment parce qu’elles permettent

  • de comparer essai et modèle sur toute une surface de la pièce (et plus seulement en un point), et de calculer une erreur de modèle globale. Imaginez que cette fonction est l’équivalent de l’outil de comparaison de deux documents Word : on détecte du premier coup d’œil les similitudes et les différences entre ces deux résultats.
  • de rétroagir en corrigeant le modèle si on dispose d’informations sur les conditions aux limites ou si on veut jouer sur des paramètres de la simulation dont on sait qu’ils ont un effet sur cette erreur de modèle (paramètres matériau, d’interfaces, etc.).

 

 

 

 

Laissez un commentaire