Le concept de Digital Twin (‘jumeau numérique’) est essentiel pour les entreprises en pleine mutation vers leur transformation numérique, l'analyse avancée des données et l'industrie 4.0. Cette réplique virtuelle synchronisant le monde physique (comme la structure d'une chaîne de montage et ses capteurs) et une représentation virtuelle de certains de ses aspects (y compris les données en temps réel) permet de simuler les améliorations futures de la production et d’améliorer la connaissance de la production à l’aide de modèles d'intelligence artificielle qui peuvent apprendre à partir de données historiques et en temps réel. Voici quelques conseils de notre équipe d'experts sur la meilleure façon de tirer parti de cette technologie pour mener à bien des projets de data science dans le secteur industriel.
“En tant que data scientist, je considère les jumeaux numériques comme une représentation des chaînes de production avec toutes les informations détaillées concernant les capteurs et les données, et tout ce qui peut aider à la réussite d'un projet”, explique Albert Comellas, Data Scientist chez Wizata. “Capturer et organiser les connaissances métier d'une entreprise est la clé de la phase de compréhension des problématiques métier d'un projet de data science.”
Une collaboration harmonisée pour les entreprises fondées sur les données
Les Digital Twins ne sont pas seulement une représentation graphique des processus de production. En normalisant les données et les métadonnées (informations sur les données extraites de la connaissance métier, telles que la position d'une machine sur la ligne et sa fonction), d'autres sources d'information peuvent être facilement structurées et reliées au Digital Twin, comme le code informatique, la documentation, les articles scientifiques et les projets. Il s'agit d'une percée qui permet une collaboration intense, car les informations peuvent être partagées efficacement au sein de toute l'entreprise, aux différents profils, départements et à travers les silos d'informations. Chacun reçoit les mêmes informations sur toutes les usines à travers le monde, ce qui facilite la réalisation des objectifs globaux de l'entreprise. Les employés nouveaux au sein d'un projet ou de l'entreprise peuvent être intégrés rapidement et apprendre plus rapidement les détails de la production.
Comprendre les processus de fond en comble
Comment représenter une chaîne de production ? “Nous commençons par de gros blocs qui imitent différents processus (ex.: une étape de chauffage), puis nous détaillons les niveaux inférieurs, avec les équipements, machines et capteurs spécifiques.” En visualisant les données de manière graphique et interactive à l’opposé de tables de données, plus de profils au sein des entreprises peuvent comprendre les données pour construire des analyses avancées). “Lorsque le fonctionnement des processus est clarifié via le Digital Twin, cela aide les data scientists et les data engineers à repéréer tous les capteurs liés à un équipement et à sélectionner de manière intuitive quel capteur pourrait être utile pour une problématique spécifique. Nous pouvons ensuite tester les hypothèses sur les parties des processus qui peuvent avoir un impact sur le phénomène étudié. Par exemple, si vous vous concentrez sur un laminoir, ce qui s'est passé une ou deux stations auparavant pourrait être important. Plus tard, la transformation des données en une forme raffinée utile pour construire des modèles peut également être informée et améliorée en sachant ce qui s'est passé dans les différentes parties de la chaîne de production.” Les Digital Twins peuvent également être intéressants pour différents profils : les managers peuvent trouver utile de voir la situation dans son ensemble avec les chaînes de productions liées aux usines puis ces usines aux pays.
Résultats en quelques semaines plutôt qu’en mois
La construction d'un Digital Twin est également essentielle pour pouvoir générer des résultats percutants dès le début de projets de data science et dans les projets d'IA, avec un minimum de données. “Il n'est pas nécessaire de commencer par tout numériser pour obtenir des résultats percutants : on peut commencer par une seule ligne qui ne comprend que ce qui est significatif pour un projet”, détaille José Andrés García, Lead Data Scientist chez Wizata. “Si 3 machines sont impliquées dans l'oxydation sur une ligne de 10 machines, vous pouvez commencer par numériser ces trois machines et développer la suite plus tard si nécessaire.”
Structurer des projets d’IA et de data science
Avec des années d'expérience dans les ateliers des usines, l'équipe de Wizata a infusé la plateforme Wizata et son module Digital Twin avec les meilleures pratiques de la data science et une méthodologie efficiente. Les entreprises peuvent rapidement construire une représentation pertinente des processus, en numérisant uniquement ce qui est nécessaire pour résoudre les problématiques métier, grâce à une interface intuitive de glisser-déposer.
Les zones, machines, équipements et capteurs peuvent être connectés soit via une relation parent-enfant (par exemple, un capteur dans un four), soit via une relation en ligne (par exemple, deux fours d’un convoyeur à bande). Les métadonnées de distance des relations en ligne entre équipement et machines peuvent être configurées pour un futur réalignement automatique des données dans l’espace et de temps, permettant un suivi de l'historique des lots et la création de solutions intelligentes. Les ingénieurs et les data scientists peuvent alors explorer les données et exporter les données utiles pour la recherche et le développement ultérieurs.
Partager l'information au sein de l'entreprise tout en la gardant à l'abri des regards extérieurs
Les Digital Twins et les plates-formes comme Wizata aident les entreprises à saisir et à centraliser les connaissances, et les entreprises désireuses de conserver leur avantage concurrentiel ont naturellement cherché des moyens d'éviter de divulguer ces informations à des fournisseurs ou concurrents extérieurs. C'est pourquoi de plus en plus d'entreprises choisissent des architectures de plateformes ‘private-by-design’ telles que la plateforme Wizata : les données, les modèles et la propriété intellectuelle sont sous le contrôle exclusif du client et ne sont accessibles à personne sans autorisation.
Découvrez Wizata, la plateforme ouverte pour piloter la transformation digitale de l’industrie.