Qu'est-ce que la simulation système ?

La simulation système consiste à créer un modèle mathématique d'un système réel, puis à faire varier les paramètres d'entrée afin d'observer l'effet de ces variations sur le système et sur ses résultats. Ces observations permettent ensuite de comprendre les interactions entre des sous-systèmes relevant de plusieurs domaines physiques, leurs influences réciproques ainsi que les performances globales du système. Cette approche peut s'appliquer à tout système complexe. Toutefois, dans la plupart des cas, elle désigne la création et l'utilisation d'un modèle de simulation d'un système physique. En ingénierie système, un système est défini un système comme : « Une combinaison d'éléments en interaction, organisée pour atteindre un ou plusieurs objectifs définis. »

Également appelée simulation de systèmes ou simulation au niveau système, cette forme de prototypage virtuel permet aux ingénieurs d'étudier des systèmes complexes intégrant des machines, des composants électroniques, des logiciels, des opérateurs humains ainsi que des fluides ou des solides circulant à l'intérieur ou autour du système. L'objectif de l'utilisation des modèles système est de comprendre comment les différents composants interagissent pour assurer les fonctions attendues et comment ces interactions influencent chaque composant, c'est-à-dire le comportement global du système. Les modèles système s'exécutent rapidement, au plus près du temps réel.

La simulation détaillée, ou simulation au niveau des composants, porte sur des composants ou des sous-ensembles individuels à l'aide d'outils d' analyse par éléments finis (FEA) ou de mécanique des fluides numérique (CFD). Cependant, avec la complexification des équipements, qui combinent plusieurs domaines physiques, des systèmes de commande et des niveaux d'automatisation toujours plus élevés, les ingénieurs système ont développé des modèles de simulation offrant une vision globale des équipements étudiés et prenant en compte les interactions entre leurs composants.

La simulation système accompagne l'ensemble du processus de conception. Dès le début, elle fournit aux ingénieurs un outil leur permettant d'explorer le comportement du produit alors que de nombreux détails de conception ne sont pas encore définis. À ce stade, ils peuvent prendre des décisions d'architecture et évaluer différents compromis de conception. Le modèle système fournit également les exigences et les conditions aux limites nécessaires à la conception des différents composants. Plus tard dans le processus de conception, la simulation système permet de vérifier et de valider la conception à l'échelle du système. Elle constitue également la base des modèles de jumeaux numériques utilisés pendant la phase d'exploitation du produit. Les ingénieurs utilisent la simulation système pour mieux comprendre le comportement de leurs produits en tant que systèmes tout au long de leur cycle de vie. Ces informations facilitent une prise de décision éclairée, qui se traduit généralement par quatre avantages principaux :

• Réduction des coûts de développement des produits : sans simulation système, les ingénieurs ne peuvent identifier les problèmes à l'échelle du système qu'à la fin du cycle de développement, une fois le prototype assemblé et testé. En ingénierie système, la simulation intervient dès la phase de définition du projet, c'est-à-dire sur la branche gauche du modèle en V, lorsque le coût des modifications est le plus faible.
• Délai de mise sur le marché : le prototypage virtuel permet non seulement de valider un produit plus rapidement que la fabrication et les essais de prototypes physiques, mais il permet également aux ingénieurs de différentes disciplines de travailler en parallèle, ce qui accélère la mise sur le marché d'un produit opérationnel.
• Amélioration des performances du produit : le principal avantage de l'ingénierie système est l'optimisation des performances globales du système. Les temps d'exécution rapides des simulations système permettent aux ingénieurs d'utiliser les modèles système pour réduire les coûts de production, améliorer la qualité, accroître le débit de production, augmenter l'efficacité et prolonger les intervalles entre les réparations ou les remplacements de composants.
• Réduction des coûts d'exploitation : le coût d'exploitation constitue un indicateur de performance essentiel. Les simulations système s'exécutant rapidement, elles permettent d'évaluer le comportement d'un système sur l'ensemble de son cycle de vie, une tâche difficile à réaliser au moyen d'essais physiques. En appliquant différents scénarios de simulation, les ingénieurs peuvent évaluer l'impact de modifications apportées aux composants ou au système afin de réduire les coûts d'exploitation.

Étant donné que la plupart des équipements sont constitués de systèmes complexes dont les nombreux composants interagissent entre eux, la simulation système est utilisée par les ingénieurs dans de nombreux secteurs industriels. Certains secteurs ont même fait de la simulation système un élément central de leur processus de conception. Quelques exemples illustrent la manière dont les équipes exploitent cette approche.

• Télécommunications : le secteur des télécommunications a été l'un des premiers à recourir à l'ingénierie système pour modéliser la complexité des réseaux téléphoniques. Avec l'évolution vers les réseaux à fibre optique, les communications par satellite, les faisceaux hertziens et les réseaux cellulaires, les modèles système sont devenus encore plus complexes. L'industrie l'utilise pour la planification des réseaux afin de déterminer où placer les émetteurs et comment connecter les nœuds dans le réseau.
• Ingénierie automobile : les automobiles ont toujours été des systèmes complexes, mais les véhicules modernes intègrent désormais des composants mécaniques et électriques pilotés par des réseaux de communication. Les ingénieurs automobiles utilisent l'ingénierie des systèmes basés sur des modèles (MBSE) pour développer les systèmes de sécurité et les chaînes de traction électriques, des modèles de réseaux fluidiques unidimensionnels (1D) pour les circuits de carburant et de refroidissement, ainsi que des simulations dynamiques multicorps pour la suspension et la direction.

• Ingénierie aérospatiale : les secteurs aéronautique et spatial font également un usage intensif de l'ingénierie système. Outre les applications déjà évoquées dans l'automobile, les modèles unidimensionnels (1D) sont utilisés pour modéliser les systèmes de refroidissement internes et externes des aéronefs, réaliser des simulations de mission, optimiser les communications radiofréquences et développer les systèmes de commande.
• Équipements industriels : les équipements industriels utilisés dans les sites de production modernes constituent un autre excellent exemple d'application de la simulation système. Les ingénieurs utilisent des modèles système de ces machines complexes, ou de lignes de production complètes, pour détecter et éliminer les inefficacités, entraîner des modèles d'intelligence artificielle (IA) fondés sur l'apprentissage automatique et mettre en œuvre des stratégies de maintenance prédictive.
• Marchés financiers : les marchés financiers illustrent parfaitement l'utilisation de la simulation système en dehors des systèmes physiques. Quant aux marchés financiers, ils présentent un niveau de complexité comparable, et les analystes peuvent les modéliser au moyen de réseaux unidimensionnels (1D) reposant sur les mêmes méthodes numériques. Les applications les plus courantes des modèles système dans la finance consistent à prévoir les performances d'un portefeuille d'investissement à l'aide de modèles stochastiques ou à réaliser des tests de résistance afin d'évaluer la réaction d'une banque, ou d'un système bancaire, face à une crise.

Simulation système et jumeaux numériques dans différents secteurs industriels

L'un des domaines d'application de la simulation système connaissant la plus forte croissance est celui des jumeaux numériques. Un jumeau numérique est défini comme une représentation virtuelle d'entités et de processus du monde réel, synchronisée selon une fréquence et un niveau de fidélité définis. Alors que la simulation système classique pilote le processus de conception, les jumeaux numériques constituent des représentations virtuelles de systèmes en fonctionnement. Les ingénieurs ont recours à la simulation système lorsqu'une modélisation physique de haute précision est nécessaire. Ces systèmes virtuels fondés sur des modèles présentent un avantage par rapport aux modèles pilotés par les données, car ils peuvent prédire des comportements qui ne se sont jamais produits.

Bien que les jumeaux numériques puissent intégrer, lorsque cela est nécessaire, des modèles détaillés de composants, ils reposent généralement sur des simulations système en raison de leur rapidité d'exécution, une caractéristique essentielle pour la plupart des applications de jumeaux numériques. C'est particulièrement le cas lorsque les jumeaux numériques sont associés à des applications d'Internet industriel des objets (IIoT), qui couplent un modèle virtuel à une acquisition de données en temps réel. Les ingénieurs constatent que les modèles hybrides de jumeaux numériques, qui combinent données et simulation, offrent des avantages considérables pour obtenir des informations directement exploitables et optimiser les systèmes.

Les ingénieurs classent les simulations système selon différents critères. Dans la plupart des cas, ils distinguent les approches selon les phénomènes physiques modélisés, la représentation du temps dans les algorithmes, le caractère aléatoire des données d'entrée et la dimensionnalité.

Bien que cela ne fasse pas partie de la définition habituelle, de nombreuses simulations système intègrent également la modélisation des logiciels qui interagissent avec le système. Les ingénieurs système réalisent des simulations des systèmes de commande à l'aide d'un modèle système représentant les équipements pilotés par le logiciel. Ils utilisent également des logiciels pour gérer les données d'entrée et traiter les résultats produits par les modèles.

Voici une liste des types de simulation utilisés pour modéliser les systèmes :

Modélisation physique

La classification la plus courante des approches de simulation système repose sur les phénomènes physiques représentés, ceux-ci déterminant les données d'entrée, les équations et les résultats utilisés pour modéliser chaque composant. Dans de nombreux cas, les ingénieurs doivent recourir à une simulation multiphysique afin de représenter fidèlement le comportement du système :

• Simulation des systèmes électriques et électroniques : des puces électroniques aux postes électriques, en passant par les cartes de circuits imprimés (PCB), les équipements électriques sont, par définition, des réseaux de composants et donc des systèmes. L'objectif est de comprendre l'évolution du courant, de la tension et de la résistance au sein du système lors de la circulation des électrons. Les origines de l'ingénierie des systèmes remontent aux Laboratoires Bell, où les ingénieurs cherchaient à comprendre le réseau électrique constituant le système téléphonique. Pour cela, ils utilisaient des modèles mathématiques analogiques afin de simuler ces systèmes.
• Simulation des systèmes fluidiques : les fluides restent rarement dans un seul composant. Les gaz et les liquides circulent d'un composant à l'autre, en modifiant leur vitesse, leur pression, leur densité, leur température ou leur composition. Ce type de simulation modélise chaque composant en fonction des transformations qu'il fait subir au fluide entre son entrée et sa sortie.
• Simulation des systèmes mécaniques : la simulation des systèmes mécaniques vise à représenter les positions, les vitesses et les accélérations des corps, ainsi que les forces qui s'exercent sur eux et entre eux. L'industrie automobile a été pionnière dans ce domaine en utilisant la dynamique multicorps pour mieux comprendre le comportement des systèmes de suspension.
• Simulation des systèmes optiques : les caméras et autres capteurs optiques sont omniprésents, et de nombreux systèmes utilisent la lumière comme support de transmission de l'information. Et tout comme les fluides, la lumière traverse généralement une succession de composants afin d'assurer une tâche. Les ingénieurs en optique utilisent la simulation des systèmes optiques pour analyser la propagation, la fréquence et l'amplitude de la lumière.
• Simulation multiphysique des systèmes : comme mentionné précédemment, la plupart des systèmes actuels mettent en jeu plusieurs phénomènes physiques. Du point de vue de la modélisation système, cela signifie que les résultats d'un domaine physique servent de données d'entrée à un autre domaine physique au sein du système. Les modèles de système multiphysique utilisent aussi souvent la co-simulation, dans laquelle un modèle complet d'un domaine physique est intégré au modèle système plutôt que remplacé par une représentation simplifiée. Parmi les flux de simulation multiphysiques les plus courants figurent :
  • La simulation électromécanique
  • La simulation mécanique des fluides
  • La simulation de processus (chaîne logistique, fabrication, transformation des matériaux, marchés financiers, etc.)
  • La simulation optomécanique
  • La photonique
  • La simulation thermofluidique

Prise en compte du temps

La classification suivante pour la simulation système concerne la méthodologie utilisée pour le temps. Les ingénieurs distinguent trois grandes catégories d'approches de simulation :

• Simulation continue : le modèle calcule l'évolution du système à chaque instant, généralement à l'aide d'équations différentielles.
• Simulation en temps discret : le modèle effectue les calculs à des pas de temps définis. Cette approche peut être retenue pour des raisons numériques, parce que le système évolue lentement ou parce qu'il comporte une horloge interne qui déclenche des actions à intervalles réguliers.
• Simulation à événements discrets : Dans certains systèmes, aucun changement ne se produit tant qu'un événement ne survient pas. Ceci est courant dans les secteurs de la fabrication, de la santé et de la logistique. Un exemple type est celui d'un robot qui visse un couvercle sur un bocal. Il agit seulement quand un bocal arrive.

Le rôle de l'aléa

Un aspect essentiel de la simulation système est la prise en compte du caractère aléatoire du comportement des composants ou des données d'entrée du système. En d'autres termes, si un même jeu de données d'entrée produit toujours les mêmes résultats, le système est déterministe et non aléatoire. Les ingénieurs distinguent deux types de simulation système selon la manière dont le caractère aléatoire est pris en compte :

• Simulation stochastique : lorsque le système ou ses données d'entrée comportent une part d'aléa, les ingénieurs utilisent la méthode de Monte Carlo pour exécuter des milliers de simulations afin d'établir une distribution probabiliste du comportement du système. Le modèle système doit donc être très performant et s'exécuter suffisamment rapidement pour rendre ce type de simulation exploitable en pratique.
• Simulation déterministe : les ingénieurs utilisent des valeurs d'entrée déterminées et analysent les résultats correspondants. Étant donné qu'il y a moins d'exécutions, les simulations déterministes peuvent s'appuyer sur des modèles plus détaillés et plus précis, dont le temps de calcul est plus élevé.

Dimensionnalité

Les ingénieurs en simulation classent également les modèles selon le nombre de dimensions spatiales prises en compte dans les calculs.

• 0-D : Le modèle ne prend en compte aucune dimension spatiale et utilise des paramètres concentrés, supposés uniformes dans chaque composant.
• 1-D : Le modèle représente le système sous forme de blocs comportant des entrées et des sorties. Certains composants prennent en compte les variations selon une seule dimension.
• 3-D : Le modèle représente avec précision les variations des propriétés à l'intérieur d'un composant dans les trois dimensions. Pour la modélisation système, les ingénieurs utilisent la co-simulation afin de coupler un modèle d'analyse par éléments finis (FEA) ou de mécanique des fluides numérique (CFD) au modèle système, ou un modèle d'ordre réduit (ROM) représentant des composants dont le comportement est calculé dans les trois dimensions spatiales.
• Système de systèmes (SOS) : le niveau de dimensionnalité suivant est lorsque les ingénieurs système peuvent connecter plusieurs modèles système indépendants pour constituer un modèle global plus vaste et plus complexe. Cette approche est couramment utilisée pour les simulations de mission, dans lesquelles plusieurs systèmes, par exemple une constellation de satellites, interagissent tout en accomplissant chacun leur propre mission.

Les avancées les plus marquantes de la simulation système concernent l'augmentation de la complexité des modèles et la prise en compte d'un plus grand nombre de phénomènes physiques. Ces progrès ont notamment été rendus possibles par les avancées de la puissance de calcul, en particulier grâce aux processeurs graphiques (GPU). En outre, les experts du secteur ont fait évoluer les normes de l'industrie afin de faciliter le transfert des modèles entre les différents outils. Les nouvelles plateformes comme la fonctionnalité Ansys System Architecture Modeler (SAM) mettent à la disposition des ingénieurs des outils permettant de définir l'architecture et le comportement des systèmes. Grâce à la prise en charge d'écosystèmes ouverts, elles permettent de créer et gérer des représentations virtuelles de systèmes complexes et multidisciplinaires dans un large éventail d'outils de simulation.

Si l'intelligence artificielle, sous la forme de l'apprentissage automatique, fait déjà partie intégrante de la simulation système depuis plusieurs années, les ingénieurs exploitent désormais l'IA agentique pour automatiser les flux de simulation et réaliser de manière autonome des études de compromis. L'IA favorise également l'émergence de modèles du monde, tels que NVIDIA Omniverse, qui portent la simulation de systèmes de systèmes à un niveau supérieur, plus complet et plus collaboratif.

Les ingénieurs utilisent de plus en plus l'apprentissage automatique guidé par la physique afin d'accélérer la construction de modèles d'ordre réduit (ROM). Outre les approches classiques, telles que les ROM fondés sur des méthodes de projection et la régression, les chercheurs ont recours à l'apprentissage profond et, dans certains cas, à des modèles génératifs afin d'apprendre les variétés de solutions de faible dimension ainsi que les dynamiques latentes. Ces modèles sont contraints par les équations gouvernantes, les conditions aux limites ou les simulations au niveau système, ce qui garantit leur cohérence physique tout en réduisant le coût des calculs.

Il existe sur le marché de nombreux outils de simulation système, certains conçus pour des applications spécifiques, d'autres destinés à un usage général. Le critère le plus important dans le choix d'un outil de simulation système est sa capacité à représenter fidèlement les systèmes modélisés. Il doit également prendre en charge les normes du secteur, s'interfacer avec d'autres composants ou outils de niveau système, et être facile à prendre en main et à utiliser.

Lorsque les ingénieurs ont besoin de combiner simulations 1D et détaillées, ils utilisent un outil comme la plateforme de jumelage numérique basée sur la simulation Ansys Twin Builder. Conçue pour créer des représentations virtuelles précises de systèmes complexes, intégrant des modèles d'ordre réduit (ROM) issus de modèles physiques haute fidélité et reposant sur un solveur 1D éprouvé, la plateforme Twin Builder facilite également l'intégration avec des applications de l'IoT et fournit des outils permettant de générer rapidement et avec précision des ROM. Lorsqu'ils doivent coupler plusieurs modèles de simulation à l'échelle du système, les ingénieurs peuvent utiliser un outil comme Ansys CoSim afin de simuler des systèmes multidomaines interconnectés en s'appuyant, pour chaque domaine, sur les outils les plus performants.

Une autre application de la simulation système consiste à regrouper plusieurs modèles système au sein d'une plateforme unique dédiée à MBSE. Les ingénieurs privilégient un outil MBSE indépendant de tout secteur d'activité, tel qu' Ansys ModelCenter MBSE, qui adopte une approche fondée sur les exigences et permet d'intégrer des simulations de systèmes, de systèmes de commande et de composants dans un flux de travail unifié prenant également en charge l'automatisation. Pour créer ces modèles plus efficacement et avec davantage de précision, ils peuvent s'appuyer sur une plateforme telle que la fonctionnalité SAM. Celle-ci ne résout pas le modèle du système. En revanche, elle fournit une plateforme robuste servant de référentiel unique pour la représentation au niveau du système.

Cependant, les équipes de conception système doivent parfois se concentrer sur un type particulier de modélisation système. Le logiciel de modélisation thermique Ansys Thermal Desktop est un excellent exemple d'outil de simulation au niveau système spécialisé dans un domaine physique particulier. Au fil des ans, il est devenu la référence de facto pour la modélisation du comportement thermique des engins spatiaux, permettant aux ingénieurs de simuler les échanges thermiques en orbite en modélisant les sous-systèmes et leurs composants.

Lorsqu'ils souhaitent intégrer leur logiciel au modèle système, les ingénieurs utilisent un outil tel qu' Ansys SCADE Suite destiné aux logiciels embarqués critiques. Cette plateforme permet aux ingénieurs de définir et de développer des logiciels de commande embarqués, puis d'exécuter des simulations « hardware-in-the-loop » (HIL) virtuelles afin de valider les algorithmes.

Pour la simulation de mission, les ingénieurs utilisent des outils tels qu'Ansys Systems Tool Kit (STK) pour réaliser des simulations de systèmes de systèmes composés de systèmes indépendants en interaction. Il intègre des modèles de terrain réels, la prise en charge de multiples domaines physiques ainsi que des capacités de rendu avancées. De même, des outils d'intégration des processus et d'optimisation de la conception, tels qu' Ansys optiSLang, permettent aux ingénieurs d'automatiser les flux de travail de simulation système et d'explorer efficacement l'espace de conception de leurs produits au sein d'un environnement unique.

Ressources connexes