Qu'est-ce que l'ingénierie numérique ?

L'ingénierie numérique s'appuie sur des outils informatiques, des modèles numériques et des données connectées pour accompagner la conception, le test, la surveillance et la maintenance des systèmes cyber-physiques modernes. Un système d'ingénierie numérique repose sur un ensemble intégré de pratiques d'ingénierie développées pour gérer des systèmes complexes, l'évolution des technologies et la pression d'une mise à disposition rapide du produit sur le marché.     

En l'adoptant, les équipes d'ingénieurs s'appuient sur cette approche nouvelle génération basée sur des modèles pour le développement de produits et la gestion de leur cycle de vie. Cette approche vise à fournir des informations contextualisées et disponibles au moment opportun pour soutenir la prise de décision en ingénierie. En d'autres termes, la bonne information est mise à disposition au bon moment, dans le bon contexte et sous le bon format. L'ingénierie numérique ne se limite pas à appliquer des principes de transformation numérique aux données d'ingénierie. Elle met en place un écosystème qui permet aux technologies avancées de :

• Modéliser et simuler le comportement du système sur la base de leurs exigences
• Implémenter l'automatisation
• Connecter les disciplines d'ingénierie au sein de l'organisation
• Établir des sources fiables pour les informations critiques 

Les avantages possibles de l'ingénierie numérique font de sa définition et de son adoption une évolution naturelle des pratiques traditionnelles d'ingénierie matérielle, intégrant des éléments logiciels. Le développement matériel traditionnel repose sur une méthodologie en cascade, contrairement aux méthodes agiles couramment utilisées dans le développement logiciel. Et les méthodes agiles s'adaptent difficilement au développement matériel en raison de la complexité et de l'interdépendance des systèmes matériels.

Cependant, l'introduction de l'ingénierie système basée modèles (MBSE) a permis de tirer parti des méthodologies agiles de deux manières. Premièrement, les équipes d'ingénierie pourraient adopter une approche système pour modéliser les produits sur la base de leurs exigences. Deuxièmement, elles pourraient rendre l'information sur le produit plus clairement définie et plus facilement accessible. En combinant les deux, ce changement de stratégie a permis de supprimer les dépendances organisationnelles et de processus.

Le Département de la Défense des États-Unis a pris conscience de ces avantages et a établi en 2018 une stratégie d'ingénierie numérique articulée autour de quatre objectifs :

1. Formaliser le développement, l'intégration et l'utilisation de modèles pour éclairer la prise de décision au niveau de l'entreprise et des programmes
2. Fournir une source d'information unique, durable et faisant autorité
3. Intégrer l'innovation technologique pour améliorer les pratiques d'ingénierie
4. Mettre en place une infrastructure et des environnements favorisant la réalisation des activités, la collaboration et la communication entre les parties prenantes

L'instruction 5000.97 du Département de la Défense a permis de perfectionner la stratégie et d'encourager l'écosystème d'acquisition de la défense à adopter l'ingénierie numérique. Depuis cette initiative, l'industrie de l'aérospatiale et de la défense a progressivement intégré l'ingénierie numérique pour sa capacité intrinsèque à optimiser les coûts, les délais et la gestion des risques.

Pour mieux comprendre l'intérêt de l'ingénierie numérique, analysons à quoi font référence les « informations d'ingénierie contextualisées et disponibles en temps opportun pour la prise de décision en ingénierie ».

• En temps opportun : Face à l'intensification de la concurrence et à la complexité croissante des systèmes, les entreprises doivent non seulement concevoir et commercialiser leurs produits plus rapidement, elles doivent également accélérer leur disponibilité, valider et mettre en œuvre les améliorations nécessaires plus rapidement, tout en diagnostiquant et corrigeant les défaillances sur le terrain dès que possible. Du fait de ces exigences, les équipes d'ingénierie ne peuvent plus compter sur des cycles de développement prolongés pour accomplir ces tâches. En associant des approches basées sur des modèles à l'automatisation, à des sources d'information faisant autorité et à des outils de calcul, un environnement d'ingénierie numérique peut générer des informations bien plus rapidement que les méthodes traditionnelles.
• Contextualisées : La simulation moderne et la prolifération des capteurs que l'on retrouve dans l'Internet des objets (IoT) ont engendré une quantité de données sans précédent. Toutefois, pour que ces données soient exploitables, les décideurs doivent en comprendre l'origine, le lien avec d'autres données, leurs sources et si elles sont fiables. Le contexte fournit ces informations en reliant les données à leurs conditions de conception, de fabrication et d'exploitation.
• Informations d'ingénierie : L'ingénierie, avant tout, consiste à concevoir des produits répondant aux spécifications et à résoudre les problèmes rencontrés au cours de leur cycle de vie. Pour y parvenir, les ingénieurs doivent disposer d'informations sur tous les aspects du produit : matériaux, environnement d'exploitation, géométrie physique, performances, durabilité, etc. Sans ces informations, les équipes sont contraintes de s'appuyer sur des conjectures et des tests physiques, un processus à la fois inefficace et coûteux. Alors qu'avec l'ingénierie numérique, les parties prenantes d'une entreprise peuvent accéder aux informations spécifiques au produit nécessaires pour remplir efficacement leur rôle.
• Prise de décision en ingénierie : Les équipes ont besoin d'informations d'ingénierie contextualisées et disponibles en temps opportun afin de prendre des décisions éclairées. Ces dernières peuvent être prises tôt dans le processus de développement du produit ou à sa fin de vie, par exemple pour déterminer la méthode d'élimination la plus pertinente. L'ingénierie numérique permet aux ingénieurs de déplacer certaines activités en amont (« shift left » en anglais) en fournissant des informations dès le début du processus décisionnel, réduisant ainsi efficacement les coûts totaux du cycle de vie.   

En outre, l'ingénierie numérique sert de catalyseur pour l'adoption de technologies avancées qui renforcent la compréhension et accélèrent les processus. L'ingénierie numérique joue un rôle central dans la construction du fil numérique d'un produit. Non seulement elle conserve les données nécessaires, elle définit également les sources d'information faisant autorité pour l'ensemble des informations connectées à travers ce fil.

Associée à des outils d'ingénierie des systèmes et de calcul, en particulier la MBSE, l'ingénierie numérique donne accès en temps réel aux modèles numériques du produit à l'échelle du système. Les analyses par hypothèses, l'optimisation, l'analyse des défaillances et les analyses prédictives peuvent ainsi couvrir l'ensemble du cycle de vie du produit. En intégrant des technologies d'intelligence artificielle (IA) en rapide évolution, telles que l'apprentissage automatique (ML), les réseaux neuronaux et les grands modèles de langage (LLM), un écosystème d'ingénierie numérique peut offrir une automatisation bien plus poussée, des analyses prédictives plus fines, en particulier grâce à une simulation physique de pointe et à une maintenance prescriptive. 

Les systèmes d'ingénierie numérique regroupent un ensemble d'outils, de processus, de sources de données et d'infrastructures qui donnent une vue globale à la fois fiable et complète du cycle de vie d'un produit du système. Les implémentations actuelles comprennent généralement les composants suivants :

Contexte, classification et connexion des données

Aller au-delà de la collecte et de l'analyse des données est une étape essentielle dans l'adoption de l'ingénierie numérique. Pour générer de la valeur ajoutée à partir des données, les équipes doivent d'abord ajouter des informations contextualisées relatives au produit. Elles doivent ensuite identifier les sources d'information faisant autorité et connecter les données aux applications de manière efficace, reproductible et vérifiable. Par la suite, les informations numérisées peuvent être considérées comme fiables, protégées sur le plan de la cybersécurité et accessibles de manière traçable. Cela constitue la base du fil numérique.

Jumeaux numériques

Les représentations numériques d'un système complet, de ses composants ou sous-systèmes fournissent des informations qui vont au-delà des simples données statiques. Souvent appelés jumeaux numériques, ces modèles permettent aux ingénieurs de modifier les conditions de fonctionnement, les paramètres géométriques et les entrées non techniques pour observer comment le système réagira en conditions de conception et d'utilisation. Les jumeaux numériques peuvent comprendre, sans s'y limiter :

• Des modèles 3D de géométrie issus de la conception assistée par ordinateur (CAO)
• Un éditeur de conception basé sur des modèles
• Des modèles de simulation 0D/1D/3D
• Tables de correspondance générées à partir de données sélectionnées
• Des modèles réduits générés à partir de simulations détaillées ou de données expérimentales
• Des représentations commerciales et de la chaîne d'approvisionnement 

Automatisation des processus

Pour rationaliser le développement de produits, les organisations qui adoptent l'ingénierie numérique mettent en œuvre des mécanismes d'automatisation et d'orchestration. Elles peuvent ainsi simplifier et accélérer l'accès à l'information dans le fil numérique, exécuter des modèles de calcul et enrichir le système avec de nouvelles données. L'automatisation permet également aux utilisateurs non spécialistes d'accéder à une discipline donnée, et d'accroître les chances de fournir la bonne information à la bonne personne et au bon moment.

Adoption organisationnelle et changement de paradigme

La mise en œuvre de l'ingénierie numérique implique des changements comportementaux aussi importants que les évolutions techniques. Chaque partie prenante impliquée dans le cycle de vie d'un produit doit comprendre et adopter une approche de développement basée sur les données et centrée sur le système. L'entreprise doit promouvoir à la fois la collaboration et l'innovation dans toutes les disciplines, obtenir un soutien visible de la direction, mettre en place des pratiques strictes de gouvernance des données et encourager l'adoption de méthodologies agiles.

Architectures ouvertes pour les outils

L'équipe en charge de la mise en œuvre doit s'assurer que tous les outils de son système d'ingénierie numérique reposent sur une architecture ouverte garantissant un accès aux données efficace, traçable, reproductible, interopérable, collaboratif et précis. Les outils cloisonnés qui fonctionnent dans un écosystème fermé, plutôt que via l'adoption d'interfaces de programmation d'applications (API) modernes standard, empêchent les entreprises de tirer pleinement parti de certains des avantages de l'ingénierie numérique. 

Géométrie de métasurface composée de trois types de méta-atomes (colonnes triangulaires, rondes et carrées)

L'ingénierie numérique peut améliorer les processus de cycle de vie des produits de toute organisation, quel que soit le secteur d'activité. Cependant, ce sont les industries soumises à des exigences réglementaires strictes, utilisant des systèmes électromécaniques complexes et visant des performances rigoureuses qui en tirent le plus de bénéfices. L'aérospatiale, la santé et l'automobile offrent certains des cas d'usage les plus solides.

Gigafactories de batterie

La croissance rapide des technologies et la demande exponentielle de batteries pour les applications aérospatiales, énergétiques et automobiles poussent les fabricants à intégrer l'ingénierie numérique dans leurs « gigafactories ». Ce terme a été récemment adopté par certaines entreprises pour décrire leurs usines de batteries et de véhicules électriques (VE).

Par exemple, Honeywell Process Solutions propose des systèmes d'automatisation conçus à l'aide de l'ingénierie numérique. Ces systèmes combinent données en temps réel et simulation basée sur la physique pour concevoir des lignes de production capables de s'adapter dynamiquement aux conditions changeantes. Cette approche peut aider les clients à atteindre des rendements plus élevés, des coûts réduits et une efficacité énergétique accrue.

Véhicules définis par logiciel

Dans le secteur automobile, les systèmes intelligents contrôlés par logiciel modifient le paysage concurrentiel. De nombreux constructeurs automobiles s'appuient sur l'ingénierie numérique pour accélérer la transition vers les véhicules définis par logiciel (VDL) tout en réduisant les problèmes sur le terrain. L'ingénierie numérique permet aux fabricants d'équipement d'origine (OEM) et à leurs fournisseurs de collaborer à la conception, la validation et à la mise en œuvre de leur vision VDL. De nombreuses implémentations exploitent leur plateforme d'ingénierie numérique pour :

• Intégrer l'IA dans leurs solutions
• Surmonter les barrières organisationnelles entre l'ingénierie électrique, mécanique et logicielle
• Améliorer les conceptions grâce à l'optimisation multiphysique
• Incorporer des informations provenant d'autres disciplines
• Renforcer la robustesse de leurs logiciels embarqués

Test des dispositifs médicaux in silico

Dans le secteur de la santé et autres, les tests in silico font référence à l'utilisation de modèles numériques dans le développement de produits. Ils se distinguent des tests in vivo (dans le corps) et in vitro (en dehors du corps, par exemple en laboratoire). L'introduction de l'ingénierie numérique permet d'aligner l'ensemble du processus de développement sur les exigences réglementaires strictes propres à la conception et à l'approbation des dispositifs médicaux. Les équipes d'ingénierie peuvent maintenir une source unique et documentée d'information faisant autorité, accélérer leur cycle de développement et fournir des données de vérification et de validation aux organismes de réglementation. 

Les outils de modélisation et de simulation étendent l'ingénierie numérique au-delà de la simple gestion des données, permettant aux équipes d'ingénierie d'explorer efficacement les performances des produits grâce à des analyses physiques haute fidélité. La simulation fournit également des informations exploitables dès les premières phases du développement. Un système d'ingénierie numérique bien mis en œuvre devrait s'appuyer sur des outils de simulation présentant les caractéristiques suivantes :

Entrées/sorties de données ouvertes et support de l'automatisation 

Une ingénierie numérique efficace repose sur l'intégration et l'automatisation, ce qui permet à des outils externes d'extraire les résultats, d'incorporer les données provenant de sources fiables et de gérer les modèles de simulation actifs. L'outil d'accès pythonique PyAnsys au logiciel Ansys constitue une solution bien documentée qui prend en charge les formats de fichiers standard de l'industrie. Par ailleurs, le processus de simulation Ansys Minerva et le logiciel de gestion des données fournissent une source unique d'information faisant autorité pour le contrôle et l'accès aux données ainsi qu'aux modèles de simulation. 

Une plateforme ouverte permet également l'intégration d'autres disciplines dans les simulations. Par exemple, une solution d'information sur les matériaux, telle que la collection de produits Ansys Granta, peut assurer la traçabilité et garantir une source unique d'information faisant autorité sur les propriétés des matériaux. L'ouverture de la plateforme permet également d'utiliser des outils d'optimisation, tels que Ansys optiSLang pour l'intégration des processus et l'optimisation de conception, ainsi que des solutions émergentes d'intelligence artificielle (IA) comme la plateforme Ansys SimAI avec IA basée sur le cloud.

Simulation physique et multiphysique 

Les outils de calcul intégrés aux solutions d'ingénierie numérique doivent être précis et fidèles à la physique qu'ils représentent. Les outils avancés d'Ansys, qui font partie de Synopsys, permettent de réaliser des simulations au niveau des composants et des sous-systèmes :

• Logiciel Ansys Fluent
• Logiciel Ansys HFSS
• Logiciel Ansys Maxwell
• Logiciel Ansys Mechanical

Étant donné que la plupart des produits impliquent plusieurs physiques, Ansys adopte une approche multiphysique pour comprendre les interactions structurelles, thermiques, électriques, électromagnétiques et optiques dans une représentation virtuelle d'un produit. 

Simulation au niveau du système

Une fois les composants et sous-systèmes modélisés avec précision, l'étape suivante consiste à déployer des outils de simulation au niveau du système. Des solutions telles que le logiciel Ansys ModelCenter MBSE permettent aux ingénieurs d'explorer pleinement les performances des produits du point de vue des systèmes. Pour les produits soumis à plusieurs missions ou à des interactions complexes au fil du temps, une plateforme de simulation Digital Mission Engineering, comme le logiciel Ansys Systems Tool Kit (STK), offre des capacités complètes de planification de mission, de visualisation et d'interaction multiphysique dans une seule plateforme. 

Enfin, un outil comme la plateforme de jumeau numérique basée sur la simulation Ansys Twin Builder peut être utilisé par toutes les équipes pour créer et gérer des jumeaux numériques afin de représenter virtuellement à la fois les produits et les processus. 

Intégration du logiciel dans le système 

La plupart des produits modernes intègrent des logiciels embarqués, que ce soit dans les capteurs ou que ce soit pour gérer le produit lui-même. Cela souligne le besoin d'outils qui facilitent le développement et le test rapides des logiciels dans le contexte plus large du système. La suite Ansys SCADE est un exemple de plateforme de développement logiciel qui permet de réaliser les tests Hardware-in-the-Loop et Software-in-the-Loop.

Solveurs rapides et flexibles

Les implémentations efficaces d'ingénierie numérique ont besoin de solveurs rapides capables d'exécuter plusieurs scénarios sur différentes solutions matérielles et de fournir des informations au moment opportun. Par exemple, le solveur de GPU natif Ansys Fluent peut modéliser le comportement des fluides à des vitesses largement supérieures à celles obtenues avec des CPU classiques. Par ailleurs, la collection Ansys Cloud offre la flexibilité, la rapidité et le faible coût du cloud computing pour permettre à tout utilisateur de bénéficier de simulations avancées.

Ressources connexes