PC4: SYNCHRONIC

Aperçu

Le projet SYNCHRONIC aborde le processus qui soutient les flux de données bidirectionnels entre jumeaux physiques et numériques, en examinant les performances non fonctionnelles des JN. L’objectif principal est d’explorer les théories, méthodes et technologies pour le processus de couplage numérique.

Bien qu’une attention significative ait été accordée à la construction de modèles qui représentent avec précision le comportement d’un système, il existe un besoin d’études se concentrant sur les attributs de performance non fonctionnels des jumeaux numériques (JN), tels que la fiabilité, la maintenabilité, la sécurité et la connectivité.

L’établissement d’un processus en boucle fermée entre un système physique et son jumeau numérique suppose généralement une observation ou une mesure continue de l’état complet du système. Cependant, cette hypothèse devient moins fiable lorsque des réseaux ou bus de communication sont impliqués, qu’ils relient les capteurs au jumeau ou le jumeau aux actionneurs. Le principal défi est de définir et de vérifier les conditions nécessaires, telles que la fraîcheur des données, la disponibilité, la fiabilité et la sécurité, qui garantissent l’exécution précise des modèles de jumeaux numériques et la synchronisation en temps réel avec le monde physique. Une synchronisation efficace met également en avant des questions critiques sur les technologies émergentes comme l’IoT, les réseaux 6G et le continuum Cloud-Edge—en particulier comment elles peuvent répondre à des contraintes telles que la latence, la précision et l’efficacité (par exemple, par la compression de données).

La conception d’une stratégie de collecte de données pour les jumeaux numériques (données intelligentes) présente un défi significatif et implique plusieurs dimensions : équilibrer la collecte de données avec les exigences du jumeau, déterminer le placement optimal des capteurs, minimiser la consommation d’énergie et assurer une collecte de données de haute qualité. Bien que les données soient importantes, maintenir le lien entre les données et leur contexte est crucial. L’identification des modèles de métadonnées requis par les jumeaux numériques et la manière dont les métadonnées peuvent être produites et utilisées pour aider à gérer les modèles sont des questions ouvertes.

Maintenir la synchronisation entre le jumeau numérique et sa contrepartie physique, en particulier dans des environnements dynamiques où les conditions changent fréquemment, nécessite soit l’intégration cohérente et précise des données du monde réel dans le modèle numérique (assimilation de données), soit l’ajustement de l’état du jumeau numérique à des intervalles spécifiques en retardant, déclenchant ou annulant les effets d’événements dans le modèle (traitement d’événements complexes). Cependant, la mise en œuvre de ceci est très difficile en raison de la complexité des phénomènes non linéaires, multi-échelles et multiphysiques impliqués dans les systèmes complexes, qui sont souvent liés à des simulations intensives en calcul. Réaliser une assimilation de données séquentielle efficace et un contrôle par des méthodes d’intelligence artificielle (IA)—telles que l’apprentissage profond—qui combinent à la fois des modèles physiques et des algorithmes pilotés par les données reste un défi ouvert.

Le projet se concentre sur la collecte de données intelligentes, la synchronisation, l’adaptation et le contrôle, et l’optimisation réseau avec des objectifs clairs : développer des cadres complets pour une utilisation efficace des données, établir des méthodes de synchronisation en temps réel, créer des mécanismes de contrôle adaptatif et implémenter la co-optimisation réseau pour un déploiement évolutif.

Cas d’Usage Associés

Les cas d’usage dans PC4 nécessitent des systèmes complexes ou des systèmes opérant dans des conditions environnementales et opérationnelles fluctuantes, nécessitant une surveillance en temps réel et des ajustements dynamiques. L’intégration sécurisée et sûre dans un environnement de calcul en continuum est également critique.

Investigateur et Partenaires du Projet

Investigatrice Principale :

Hind Bril El Haouzi

Professeure des Universités à l'Université de Lorraine

Hind Bril El Haouzi est Professeure des Universités à l’Université de Lorraine où elle enseigne et mène des recherches dans les domaines du génie informatique et du contrôle des systèmes de production. Depuis 2018, elle co-dirige le groupe de recherche en ingénierie des systèmes industriels durables au laboratoire (CRAN,Université de lorraine, CNRS). Elle a obtenu son doctorat en informatique, automatique et génie de la production en 2008. Elle possède une riche expérience industrielle, ayant travaillé pendant de nombreuses années en tant que chef de projet de numérisation avant de rejoindre l’Université de Lorraine. Elle coordonne actuellement plusieurs projets collaboratifs avec le secteur industriel qui se concentrent sur les défis de la transformation numérique et de la transition sociétale de l’industrie (ANR PRCE, ADEME, CPER, CIFRE…). Ses intérêts de recherche incluent la modélisation et le contrôle des systèmes de production cyber-physiques, avec un accent sur la simulation numérique et le contrôle de fabrication distribué. Elle a publié plus de 100 articles dans des conférences et revues internationales.

Partenaires Participants :

Mise en Œuvre du Projet

Le projet est organisé en trois packages de travail complémentaires, couvrant les dimensions essentielles du couplage entre le système physique et son jumeau numérique : la collecte frugale des données et le déploiement optimal du réseau, la synchronisation et la vérification spatio-temporelle, ainsi que l’adaptation et le contrôle basés sur les données réelles. Cette organisation vise à garantir des échanges fiables, sûrs, performants et sobres en ressources entre le monde physique et son double numérique.