Auswahl der wissenschaftlichen Literatur zum Thema „Jumeaux numériques“

Le jumeau numérique constitue une avancée majeure dans la gestion et la modélisation des territoires. Cet article présente une méthodologie incrémentale et itérative pour la construction d’un jumeau numérique environnemental, en s’appuyant sur l’analyse de cas d’usage. La définition de ces cas d’usage permet d’identifier les données numériques territoriales nécessaires à la création du jumeau numérique. Les résultats de cette étude offrent un éventail d’applications permettant de planifier et de gérer les territoires tout en intégrant les enjeux environnementaux. En se basant sur l’analyse de projets existants de jumeaux numériques à grande échelle et en décomposant leurs différentes applications et compositions, cette approche permet aux décideurs d’anticiper les impacts des changements climatiques, d’optimiser la gestion des ressources et de concevoir des stratégies d’aménagement plus durables et résilientes.

Un jumeau numérique est une représentation virtuelle d’un système, tel qu’un organe ou un processus de soins. L’articulation des jumeaux numériques à des simulations réalisées dans le monde réel semble une piste prometteuse afin que les professionnels deviennent des praticiens rationnels et pragmatiques, capables à la fois de gérer des risques et d’appréhender l’incertitude. Cet article montre comment, au sein d’un hôpital, les décideurs peuvent mobiliser cette technologie pour améliorer la qualité des soins, en particulier dans un contexte de crise sanitaire.

L'industrie 4.0, caractérisée par l'intégration des technologies de l'information et de la communication (TIC) dans les processus de production, a conduit à l'émergence des jumeaux numériques comme une solution clé pour améliorer la productivité et l'efficacité. Les jumeaux numériques sont des répliques virtuelles des objets ou des processus du monde réel qui permettent une analyse approfondie, une optimisation et une meilleure compréhension des systèmes industriels. La formation des ingénieurs aux défis de l'industrie 4.0 devient donc essentielle pour assurer la compétitivité et l'innovation dans le monde de demain. Dans cet article, nous présentons un retour d’expérience sur l'utilisation des jumeaux numériques pour la formation des futurs ingénieurs aux défis de l'industrie 4.0. Les utilisateurs sont deux groupes d’étudiants, en deuxième année de cycle ingénieur, un groupe en formation initiale et un groupe en formation continue, au sein de l’École d'ingénieurs en Sciences Industrielles et Numérique (EiSINe) de l’Université de Reims Champagne-Ardenne.

Nous rentrons dans une nouvelle phase de la transformation numérique. Dans la continuité d’une transformation en silos, par secteur d’activité, nous passons à une phase qui ouvre la voie aux services multisectoriels, transversaux aux divers marchés verticaux. L’énorme potentiel de création de valeur est identifié et ne cessera de se développer vu les possibilités d’innovation qui sont ainsi ouvertes ; les risques pour les acteurs et pour la souveraineté des pays sont multiples. Cette évolution est rendue possible par une série de nouveaux paradigmes, dont la softwarisation et virtualisation des infrastructures, la convergence progressive entre les réseaux et le cloud , l’évolution des interfaces, les jumeaux numériques et l’IA, ainsi que l’ouverture des réseaux et systèmes aux acteurs externes. Ce dernier point transforme les infrastructures du numérique dans des plateformes de services, permettant à ces derniers d’être conçus et établis en temps réel, en orchestrant des composants d’acteurs multiples, pour répondre dynamiquement à des besoins spécifiques et évolutifs.Nous présentons dans cet article une vision intégrée de ces diverses évolutions.

À l’heure où la numérisation annonce une profonde et irréversible mutation sociétale, le droit ne demeure pas insensible à ces transformations fondamentales. Cyber-contrefaçon, manipulations – notamment sur les marchés financiers –, usurpation d’identité restituent une vision classique du faux comme une œuvre de falsification. En revanche, l’avènement des jumeaux numériques annonce une renaissance du concept de faux. Celui-ci est appelé à devenir une réalité parallèle, la promesse d’une réalité nouvelle.

L’utilisation de jumeaux numériques associés à de l’intelligence artificielle devient de plus en plus fréquente pour gérer les installations de production d’eau potable et de traitement des eaux usées. Depuis plusieurs années Suez propose aux collectivités une nouvelle manière d’appréhender la gestion de leur patrimoine qui va leur donner accès non seulement à une représentation virtuelle de la réalité du terrain, mais également à une connaissance accrue, source de données fiables pour une gestion patrimoniale maîtrisée.

L’intelligence artificielle (IA) et l’apprentissage automatique produisent des modèles prédictifs qui aident à la prise de décisions dans le processus de découverte de nouveaux médicaments. Cette modélisation par ordinateur permet de représenter l’hétérogénéité d’une maladie, d’identifier des cibles thérapeutiques, de concevoir et optimiser des candidats-médicaments et d’évaluer ces médicaments sur des patients virtuels, ou des jumeaux numériques. En facilitant à la fois une connaissance détaillée des caractéristiques des patients et en prédisant les propriétés de multiples médicaments possibles, l’IA permet l’émergence d’une médecine de précision « computationnelle » offrant des traitements parfaitement adaptés aux spécificités des patients.

Le terme de systèmes cyber-physiques (SCP), apparu à la même époque que l’Industrie 4.0, a été l’objet d’une abondante littérature académique en décrivant le potentiel dans des domaines d’application allant de l’industrie à la santé. Pour rappel, le terme a été introduit en 2006 par le Dr Helen Gill de la National Science Foundation (NSF) aux États-Unis. Ce concept a été développé pour décrire l’intégration de l’informatique avec les processus physiques, où des systèmes embarqués et des réseaux surveillent et contrôlent les processus physiques, généralement avec des boucles de rétroaction où les processus physiques affectent les calculs et vice versa .La convergence de facteurs socio-économiques et du progrès en termes d’intelligence artificielle crée une accélération dans l’adoption des SCP, souvent confondus avec les jumeaux numériques. Cet article explore, du point de vue des industriels, les raisons de cette accélération et ses implications.

La comparaison permettant de distinguer, de spécifier et d’asseoir la connaissance, dans la lignée des articles de ce numéro thématique sur la mesure de l’intelligence humaine, nous questionnons ce qu’est l’intelligence artificielle. Qu’en est-il ? Que sont ces systèmes techniques, ces ordinateurs, robots mais aussi habits et habitacles, qualifiés d’intelligents : habit intelligent, voiture intelligente , maison intelligente, ville intelligente ? Sont-ils destinés à résoudre des problèmes qui sont les nôtres ? Peut-on mesurer leur intelligence ? À l’ère de l’IA générative et des jumeaux numériques humains, nous préconisons que la mesure de l’intelligence artificielle soit à la mesure de son adaptation à l’humain : savoir à quel point la machine est adaptée à son utilisateur humain.

La demande globale d'énergie augmente rapidement dans le monde entier. La catalyse hétérogène est à l'origine de la plupart des principes de la chimie verte : procédés d'économie d'énergie, efficacité de l'atome, procédés de nettoyage, etc. La catalyse en général, et la catalyse hétérogène, est très vite devenue un outil essentiel pour le développement de la chimie industrielle. Actuellement, 85 % des procédés industriels utilisés dans le monde sont catalytiques. Dans ce contexte, de nombreux efforts sont déployés pour optimiser les catalyseurs hétérogènes afin de répondre à la demande croissante d'énergie tout en réduisant l'impact environnemental des carburants. Pour ces raisons, et bien d'autres, la conception de nouveaux matériaux catalytiques est aujourd'hui un sujet de grande importance. L'approche actuelle concernant la conception de catalyseurs tend vers une élaboration contrôlée de matériaux dont la texture est maîtrisée, ordonnée et hiérarchisée de l'échelle nanométrique à l'échelle micrométrique. Ces catalyseurs devront être plus actifs, stables (efficacité énergétique), et plus sélectifs (économie d'atomes, moins de rejets). Dans ce cadre, ce travail de recherche se concentre sur la création de jumeaux numériques de microstructures visant in-fine le rétro-design de matériaux poreux pour des propriétés d'usage optimales. Les applications concernent les supports de catalyse et les matériaux de construction, avec une priorité donnée à l'amélioration des propriétés multi-physiques en considérant les propriétés texturales de ces matériaux. La contribution de cette thèse est un nouveau cadre numérique permettant la modélisation et la caractérisation de ces matériaux. Cette nouvelle approche s'appuie sur des modèles aléatoires pour représenter des microstructures réalistes multi-échelles et complexes. Pour extraire les propriétés texturales de ces microstructures, deux méthodes numériques ont été développées dans un premier temps. La première nous permet de caractériser le réseau de porosité d'une microstructure et de calculer sa distribution de taille de pore, et la seconde nous permet de calculer la tortuosité géométrique de ces matériaux avec une approche rapide de recherche sur graphe. Sur le même sujet, notre contribution majeure est un modèle morphologique qui simule de manière originale la physisorption par gaz au moyen de la morphologie mathématique et des opérateurs de percolation. La physisorption par gaz est l'une des techniques expérimentales les plus utilisées pour la caractérisation des propriétés texturales des matériaux poreux. Le modèle a été validé sur des matériaux réels conçus pour cette thèse. L'apprentissage profond a également été largement exploré. Tout d'abord, une nouvelle approche s'appuyant sur les réseaux de neurones convolutifs a été proposée. Cette dernière propose une solution pour améliorer la qualité de l'apprentissage lorsque les données d'entraînement en entrée sont peu nombreuses. Une deuxième contribution nous a permis de stocker les informations morphologiques du modèle précédent dans un volume 3D, et de capturer les informations inter-coupes dans des coupes 2D. L'ensemble du processus a transformé le problème initial en un problème d'apprentissage profond, ce qui a considérablement réduit le temps de calcul du modèle de physisorption par gaz
The global demand for energy is increasing rapidly around the world. Heterogeneous catalysis is behind most of the principles of green chemistry: energy saving processes, atom efficiency, cleaning processes, etc. Catalysis in general, and heterogeneous catalysis, has very quickly become an essential tool for the development of industrial chemistry. Currently, 85 % of the industrial processes used throughout the world are catalytic. In this context, many efforts are being made to optimize heterogeneous catalysts to meet the increasing demand for energy while reducing the environmental impact of fuels. For these reasons, and many others, the design of new catalytic materials today is a hot topic. The current approach regarding the design of catalysts tends towards a controlled elaboration of materials whose texture will be controlled, ordered, and hierarchically structured from the nanometer to the micrometer scale. These catalysts will have to be more active, and stable (energy efficiency), and more selective (saving atoms, less rejects). Within this framework, this research work focuses on the creation of numerical twins of microstructures aiming in-fine the retro-design of porous materials for optimal usage properties. The applications concern catalysis supports and construction materials, with priority given to the improvement of multi-physical properties considering textural properties of these materials. The contribution of this thesis is a new numerical framework allowing the modeling and characterization of these materials. This new approach builds upon random models to represent realistic multi-scale and complex microstructures. To extract the textural properties of these microstructures, two numerical methods have been developed in a first step. The first one allows us to characterize the porosity network of a microstructure and to compute its pore size distribution, and the second one allows us to compute the geometrical tortuosity of these materials with a fast graph search approach. Regarding the same topic, our major contribution is a morphological model that simulates in an original way gas physisorption by means of mathematical morphology and percolation operators. Gas physisorption is one of the most used experimental techniques for the characterization of the textural properties of porous materials. The model has been validated on real materials designed for this thesis. Deep learning has also been widely explored. First, a new approach building upon convolutional neural networks has been proposed. The latter proposes a solution to improve the learning quality when there is little input training data. A second contribution allowed us to store the morphological information of the previous model in a 3D volume, and to capture inter-slice information into 2D slices. The overall process transformed the initial problem into a deep learning problem, which considerably reduced the computation time of the gas physisorption model

Ces travaux de thèses s'inscrivent dans le projet ANR Lorraine-Intelligence Artificielle qui se veut un projet multi-disciplinaire promouvant la recherche à la fois sur l'intelligence artificielle elle-même et sur ses applications à d'autres domaines de recherche. A ce titre, cette thèse s'intéresse au développement et à l'utilisation de modèles d'apprentissage automatique comme modèles de substitution a des modèles de simulation. L'intérêt pour ce sujet de recherche est, en particulier, porté par l'engouement des milieux académiques et industriel pour le concept d'ombres et jumeaux numériques, vus comme une évolution des modèles de simulation pour une utilisation pérenne au cœur des systèmes et des processus. La contribution principale de ces travaux de thèse est la proposition d'une stratégie de couplage entre un modèle de simulation et un modèle de substitution réalisant une même tâche de prédiction de manière répétée sur un flux de données. Le modèle de simulation est supposé avoir un haut niveau de fidélité mais être trop lent ou coûteux en calcul pour être utilisé seul pour réaliser l'intégralité des prédictions requises. Le modèle de substitution est un modèle d'apprentissage automatique qui approxime le modèle de simulation. L'objectif premier de la stratégie de couplage proposée est l'utilisation efficiente des ressources en calcul limitées par l'allocation intelligente de chaque prédiction à effectuer à un des deux modèles. Cette allocation est, en particulier, inspirée de l'apprentissage actif et basée sur l'évaluation de niveaux de confiance dans les prédictions du modèle d'apprentissage automatique. Des expériences numériques sont d'abord menées sur huit jeux de données de la littérature scientifique. Une application à l'industrie du sciage est ensuite développée
This thesis is part of the ANR project Lorraine-Artificial Intelligence, a multi-disciplinary project promoting research into both artificial intelligence itself, and its applications to other fields. As such, this thesis focuses on the development and use of machine learning models as a substitute for simulation models. Interest in this research topic is fueled by academic and industrial interest in the concept of digital shadows and twins, seen as an evolution of simulation models for long-term use at the heart of systems and processes. The main contribution of this thesis is the proposal of a coupling strategy between a simulation model and a surrogate model performing the same prediction task repeatedly on a data stream. The simulation model is assumed to have a high level of fidelity, but to be too slow or computationally expensive to be used alone to perform the full range of prediction required. The surrogate model is a fast machine-learning model that approximates the simulation model. The primary objective of the proposed coupling strategy is the efficient use of limited computational resources by intelligently allocating each prediction request to one of the two models. This allocation is, in particular, inspired by active learning and based on the evaluation of the level of confidence in the predictions of the machine learning model. Numerical experiments are first carried out on eight datasets from the scientific literature. An application to the sawmilling industry is then developed

Les empilements hybrides composés des couches composites CFRP, du TA6V et d'alliage d'aluminium, appelés multi-matériaux, sont largement utilisés dans les composants aérospatiaux. Le perçage one-shot, au moyen d'une Unité de Perçage Automatique (UPA), de ces empilements pose des défis majeurs en raison de la différence d'usinabilité entre les différents matériaux présents dans l'empilement. Pour répondre aux exigences de qualité, améliorer la tenue des outils et atteindre une pleine productivité lors du perçage de multi-matériaux sur UPA électrique, l’adaptation des paramètres de coupe au cours de l’usinage s’impose. Cela implique une détection fiable des matériaux usinés, la détection de l'usure de l'outil, ainsi que la détection d'incidents (bris d’outil, bourrage copeaux, problème de lubrification, écaillage des arêtes de coupe). Cependant, il n’existe pas actuellement des outils permettant de répondre à ce besoin. Le travail effectué dans cette thèse propose donc des solutions basées sur l’apprentissage automatique pour le développement des méthodologies robustes et fiables d’identification des matériaux, de détection de l'usure de l'outil, ainsi que de détection des incidents pour la mise en en place des stratégies de perçage intelligent (smart-drilling) intégrant de l’usinage auto-adaptatif. Dans un premier temps, une nouvelle approche de détection des incidents a été proposée en s’appuyant sur des données industrielles non étiquetées et des algorithmes de clustering : le K-means et la classification hiérarchique ascendante. Cette approche a permis d’identifier un certain nombre d’incidents et a mis en évidence les difficultés liées au traitement des données industrielles (rareté d’incidents et absence des étiquettes) et les difficultés liées à la définition des paramètres optimaux des algorithmes d’ apprentissage automatique. Dans un second temps, des essais sur un banc expérimental multi-instrumenté dédié et sur des empilements Al7175/CFP et CFRP/Al7175 ont permis de développer et de valider une méthodologie originale d’identification des matériaux basée sur les forêts aléatoires (Random Forest ou RF). Les résultats obtenus en termes de classification par types de matériaux (Al7175, CFRP), ont permis une extension du modèle RF sur différentes configurations d’empilements (CFRP/Al7175/TA6V, TA6V/Al7175/CFRP), avec différents diamètre outils et un large domaine de conditions de coupe. Cette méthodologie permettra d’envisager la mise en œuvre d’un processus d’usinage adaptatif sur UPA électrique pour le perçage de multi-matériaux.Mots clés : Usinage auto-adaptatif, Perçage multi-matériaux, Reconnaissance des matériaux, Forêts aléatoires, Usure outil, Apprentissage non supervisé, UPA électrique, Analyse des signaux
Hybrid stacks comprising of composite CFRP layers, TA6V, and aluminum alloy, referred to as multi-material, are widely used in aerospace components. One-shot drilling, using an Automatic Drilling Unit (UPA), of these stacks poses major challenges due to the difference in machinability among the various materials within the stack. To meet quality requirements, improve tool life and achieve optimal productivity during the drilling of multi-material stacks with an electric UPA, it is essential to adapt cutting parameters during machining. However, there are currently no tools available to meet this need. This theisis conerns machine learning-based solutions for the implementation of smart drilling strategies incorporating adaptive machining. These solutions focus on the development of robust and reliable methodologies for identifying materials, detecting tool wear, and detecting multi-material drilling-related incidents (tool breakage, chip jamming, lubrication issues, cutting edges chipping). Fristly, a new approach to incident detection was proposed, based on unlabeled industrial data and clustering algorithms: K-means and hierarchical ascending classification. This approach enabled us to identify a number of incidents, and highlighted the difficulties associated with processing industrial data (rarity of incidents and absence of labels) and the difficulties associated with defining the optimum parameters for machine learning algorithms. Subsequently, experiment are performed on an specialized instrumented drilling bench and on Al7175/CFP and CFRP/Al7175 stacks. This led to the development and validation of an original material identification methodology based on Random Forest (RF). The results, in terms of material classification (Al7175, CFRP), enabled the extension of the RF model to different stack configurations with various tool diameters and a wide range of cutting conditions. This methodology will enable the implementation of an adaptive machining process on an electric UPA for multi-material drilling.Keywords : Adaptive drilling, Multi-material stacks drilling, Material recognition, Random Forest, Tool Wear, Unsupervised learning, Electric UPA, Signals analysis

Cette thèse s'inscrit dans le simulateur d'entraînement du projet « Réacteur Numérique » dans le but d'intégrer la modélisation des dégradations, du vieillissement et des défaillances. En effet, l'objectif est de permettre à des opérateurs de conduite de se former et s'entraîner à réagir en cas de comportements dysfonctionnels du système, ceux-ci étant voués à se dégrader, ainsi que de lui permettre d'évaluer l'impact de sa stratégie de conduite sur le système durant laps de temps plus long. Pour répondre à ce besoin, et notamment représenter le lien entre comportements dysfonctionnels et fonctionnels, les travaux de cette thèse ont porté sur l'extension du concept des ASH. Ceci, pour considérer en premier lieu la dégradation, son évolution, son impact sur le taux de défaillance avant de permettre à ces modèles de recevoir des injections de commande en cours de simulation, permettant de les utiliser dans le cadre de session d'entraînement. Puis, de les étendre encore une fois en liant la dégradation aux performances du composant modélisé au travers de dérives comme une dérive de capteur ou de commande, ceci créant les ASHBP. En plus de cet outil de modélisation, les travaux de cette thèse ont porté sur le développement d'un logiciel modulaire indépendant, le MCM2D pouvant s'intégrer dans l'environnement de co-simulation qu'est le simulateur d'entraînement du « Réacteur Numérique ». Pour ce faire, il a fallu effectuer des études et des développements sur la synchronisation entre les modèles et le MCM2D ainsi qu'avec les autres logiciels du simulateur d'entraînement. Le MCM2D est constitué de quatre modules assurant chacun une mission spécifique. Le MSD simule un système complexe en temps réel ou accéléré en permettant des communications avec des logiciels tiers et des injections de commande pour des sessions d'entraînement. Le MV permet d'effectuer une simulation en temps accéléré afin de faire vieillir les composants du système simulés par le MSD. Le MP permet d'effectuer des simulations de Monte-Carlo pour l'étude de l'impact d'une stratégie de maintenance sur le système modélisé. Enfin, afin de permettre à un utilisateur humain de communiquer et injecter des commandes dans le MCM2D et ses modules, le MIG permet l'utilisation d'une IHM. Ce MCM2D a été intégré dans le simulateur d'entraînement du projet « Réacteur Numérique » pour modéliser un Relais de Commande à Main (RCM) au cours d'un scénario de « Collapsage de la bulle » à l'aide de divers scénarios montrant : le phénomène de dérive de commande, un comportement de blocage de commande, un exemple d'utilisation en temps accéléré avec injection de commande et un exemple d'étude pronostic sur l'impact d'une stratégie de maintenance. Au travers de ces démonstrations, il est montré que les ASHBP peuvent être utilisés afin de modéliser l'évolution de la dégradation selon le profil d'utilisation permettant de garder en mémoire la vie du composant modélisé. De plus, ceux-ci peuvent être utilisé à la fois dans le cadre de simulation de Monte-Carlo mais aussi dans le cadre de simulation d'entraînement avec des injections de commandes et des pas de temps de calcul variables selon les besoins de l'utilisateur. Enfin, il a été montré que l'environnement de simulation de ces automates, le MCM2D, peut être intégré dans un environnement multi-logiciels tout en pouvant être modifié à l'avenir pour effectuer une plus grande variété de missions par l'ajout de nouveaux modules. Cette thèse présente ainsi des travaux à la fois dans le domaine de la modélisation dynamique des systèmes, ainsi que dans le domaine de la simulation d'entraînement
This thesis is part of the training simulator of the "Digital Reactor" project with the aim of integrating the modelling of degradation, aging and failures. Indeed, the objective is to allow driving operators to train themselves to react in the event of dysfunctional behaviours in their system, which are bound to deteriorate, as well as to allow them to evaluate the impact of their driving strategy on the system over a longer period of time. To meet this need, and in particular to represent the link between dysfunctional and functional behaviours, the work of this thesis focused on the extension of the concept of ASH. This is to consider in the first place the degradation, its evolution, its impact on the failure rate before allowing these models to receive control injections during simulation, allowing them to be used in the context of training sessions. Then, to extend them once again by linking the degradation to the performance of the modelled component through drifts such as sensor or control drift, this creating the ASHBP. In addition to this modelling tool, the work of this thesis focused on the development of an independent modular software, the MCM2D that can be integrated into the co-simulation environment that is the training simulator of the "Digital Reactor". To do this, it was necessary to carry out studies and developments on the synchronization between the models and the MCM2D as well as with the other software of the training simulator. The MCM2D is made up of four modules, each with a specific mission. The MSD simulates a complex system in real-time or accelerated by enabling communications with third-party software and command injections for training sessions. The MV allows for accelerated simulation to age the system components simulated by the MSD. The MP allows Monte Carlo simulations to be carried out to study the impact of a maintenance strategy on the modelled system. Finally, in order to allow a human user to communicate and inject commands into the MCM2D and its modules, the MIG allows the use of an HMI. This MCM2D was integrated into the training simulator of the "Digital Reactor" project to model a Hand Control Relay (HCR) during a "Bubble Collapse" scenario using various scenarios showing: the phenomenon of control drift, a control blocking behaviour, an example of accelerated use with control injection and an example of a prognostic study on the impact of a maintenance strategy. Through these demonstrations, it is shown that ASHBP can be used to model the evolution of degradation according to the use profile allowing to keep in memory the life of the modelled component. In addition, these can be used both in the Monte Carlo simulation framework but also in the training simulation framework with variable command injections and calculation time steps according to the user's needs. Finally, it has been shown that the simulation environment of these automata, the MCM2D, can be integrated into a multi-software environment while being able to be modified in the future to perform a wider variety of missions by adding new modules. This thesis presents work both in the field of dynamic modelling of systems, as well as in the field of training simulation

Digitalization is now spreading to all sectors, leading to the emergence of an "all-smart" society. Intelligent systems are developing, widely integrating data and virtual technologies, thus becoming essential in our daily lives. In this context, the Digital Twin (DT) is emerging as a promising technology to manage the growing complexity of these systems by combining data-based and model-based engineering respectively. DT combines various technologies, including the Internet of Things, data science, Modeling & Simulation, and Artificial Intelligence, to monitor, understand, optimize and anticipate the perfor mance of a real system through its virtual version. Its use has rapidly spread to various sectors such as construction, manufacturing, aerospace and smart cities, playing a crucial role in their digital transformation. However, the deployment of DT solutions faces several obstacles. Among them, we note the lack of a consensual definition, the difficulties of synchronization between the DT and the physical system, as well as the absence of transversal engineering methods applicable to different domains, raising several research questions. This thesis addresses three main research questions : (1) how to unify the understanding of the DT concept ? (2) what strategies to adopt for the deployment of a DT ? and (3) what is the impact of synchronization on the quality of services provided by the DT. The objective is to develop a formal and operational framework for DT-driven system engineering, based on systems theory. The main contributions of this work are as follows : • A conceptual modeling approach to the DT : this is the development of a conceptual fra mework called DMS (Data-Model-Services) to capture the internal elements of the DT in its value chain. • A formal specification approach of the DT : it aims to eliminate ambiguities in the interpre tation of the concept, and to facilitate its symbolic manipulation. • An inference capability graph : it is a characterization of different levels of maturity of a DT in terms of its self-adaptation capabilities to changes in the real system to which it is paired, levels organized in a relational structure in the form of a graph. • A graphical modeling approach : the proposed graphical notation, which is based on sys tems theory and inspired by the DEVS (Discrete EVent System specification) paradigm, aims to simplify DT modeling efforts, reduce the risks of conceptual error, and promote the co development principle. • A DT architecture pattern : this is a generic model of modular and flexible software architec ture that captures in detail the interactions between the different components of a DT, in order to facilitate its software engineering, and to pave the way for the automatic or semi-automatic generation of executable DTs. • A conceptualization of the synchronization between a DT and its real peer : the characteri zation of the different factors specific to this synchronization aims to allow analyzing their impact on the quality of the results produced by the DT.•An urban DT prototype : this is the development of a prototype of a DT of the campus of the University of Bordeaux, in the context of a large-scale project, illustrating the practical implementation of the proposed framework. This work constitutes in our eyes a first step towards a DT-driven system engineering. Several challenges remain to be overcome in this direction, which are as many perspectives for our future research efforts, in particular the verification and validation of DT, the analysis and synthesis of model inference capabilities in the DT, the in-depth study of the sensitivity of the DT with regard to the synchronization options of the Real-DT couple, and design patterns for DT-driven system engineering
Digitalization is now spreading to all sectors, leading to the emergence of an "all-smart" society. Intelligent systems are developing, widely integrating data and virtual technologies, thus becoming essential in our daily lives. In this context, the Digital Twin (DT) is emerging as a promising technology to manage the growing complexity of these systems by combining data-based and model-based engineering respectively. DT combines various technologies, including the Internet of Things, data science, Modeling & Simulation, and Artificial Intelligence, to monitor, understand, optimize and anticipate the perfor mance of a real system through its virtual version. Its use has rapidly spread to various sectors such as construction, manufacturing, aerospace and smart cities, playing a crucial role in their digital transformation. However, the deployment of DT solutions faces several obstacles. Among them, we note the lack of a consensual definition, the difficulties of synchronization between the DT and the physical system, as well as the absence of transversal engineering methods applicable to different domains, raising several research questions. This thesis addresses three main research questions : (1) how to unify the understanding of the DT concept ? (2) what strategies to adopt for the deployment of a DT ? and (3) what is the impact of synchronization on the quality of services provided by the DT. The objective is to develop a formal and operational framework for DT-driven system engineering, based on systems theory. The main contributions of this work are as follows : • A conceptual modeling approach to the DT : this is the development of a conceptual fra mework called DMS (Data-Model-Services) to capture the internal elements of the DT in its value chain. • A formal specification approach of the DT : it aims to eliminate ambiguities in the interpre tation of the concept, and to facilitate its symbolic manipulation. • An inference capability graph : it is a characterization of different levels of maturity of a DT in terms of its self-adaptation capabilities to changes in the real system to which it is paired, levels organized in a relational structure in the form of a graph. • A graphical modeling approach : the proposed graphical notation, which is based on sys tems theory and inspired by the DEVS (Discrete EVent System specification) paradigm, aims to simplify DT modeling efforts, reduce the risks of conceptual error, and promote the co development principle. • A DT architecture pattern : this is a generic model of modular and flexible software architec ture that captures in detail the interactions between the different components of a DT, in order to facilitate its software engineering, and to pave the way for the automatic or semi-automatic generation of executable DTs. • A conceptualization of the synchronization between a DT and its real peer : the characteri zation of the different factors specific to this synchronization aims to allow analyzing their impact on the quality of the results produced by the DT.• An urban DT prototype : this is the development of a prototype of a DT of the campus of the University of Bordeaux, in the context of a large-scale project, illustrating the practical implementation of the proposed framework. This work constitutes in our eyes a first step towards a DT-driven system engineering. Several challenges remain to be overcome in this direction, which are as many perspectives for our future research efforts, in particular the verification and validation of DT, the analysis and synthesis of model inference capabilities in the DT, the in-depth study of the sensitivity of the DT with regard to the synchronization options of the Real-DT couple, and design patterns for DT-driven system engineering

Améliorer sa compréhension d'un système en le modélisant permet d'espérer le contrôler de manière plus optimale et ouvre la voie à une myriade d'applications potentielles, exploitant les effets jusqu'alors énigmatiques de ce système désormais familier. Cette thèse applique ce paradigme au calcul quantique analogique avec des atomes de Rydberg, montrant comment à l'aide d'une modélisation minutieuse du bruit, de protocoles de contrôle optimaux et de techniques d'apprentissage automatique, on peut espérer améliorer des expériences de simulation de magnétisme quantique ou la résolution de problèmes d'optimisation et de classification de graphes. Après avoir décrit la plateforme expérimentale permettant de contrôler les atomes de Rydberg, nous introduisons des outils classiques tels que les jumeaux numériques de systèmes enclins à des erreurs, la modélisation d'un grand nombres d'atomes par réseaux de tenseurs, le contrôle optimal robuste et l'optimisation bayésienne pour les algorithmes variationnels. Nous appliquons ces outils à plusieurs applications prometteuses. Nous améliorons la préparation d'états antiferromagnétiques dans le modèle d'Ising et réalisons une évaluation détaillée de l'influence d'erreurs sur l'étude de phases magnétiques du modèle dipolaire XY et lors de la tomographie d'états quantiques. En utilisant des techniques d'optimisation et des méthodes d'apprentissage automatique, nous abordons également des cas d'usage industriels tels que la résolution du problème de stable maximum sur des graphes représentant des tâches de planification de charge de batteries de voitures électriques, la classification de composés moléculaires toxiques ou inoffensifs, et des tâches de prédiction dans la gestion des risques financiers
Refining our understanding of an unknown system through modelling lays the groundwork for optimally controlling it and opens the door to a myriad of potential applications, exploiting the once enigmatic and unpredictable effects of this now-known system. This thesis applies this paradigm to analog quantum computing with Rydberg atoms, showcasing how careful noise modelling, optimal control and machine learning frameworks can support and enhance the simulation of quantum magnetism and the solving of graph-based optimisation and classification problems. After describing the experimental platform enabling the control of Rydberg atoms, we introduce classical tools such as digital twins of noisy systems, tensor network modelling, robust optimal control, and Bayesian optimisation for variational algorithms. We apply the latter to several applications. We improve the preparation of antiferromagnetic state in the Ising model and benchmark the noisy behaviour of a dipolar XY quantum simulator when probing continuous symmetry breaking and performing quantum state tomography. Using optimisation techniques and machine learning methods, we also tackle industrial use cases such as maximum independent set on graphs representing smart charging tasks, binary classification of toxic or harmless molecular compounds, and prediction of fallen angel companies in financial risk management

Les avancées technologiques de l’Industrie 4.0 ont ouvert la voie à la mise en place de nouvelles méthodologies et technologies, notamment les jumeaux numériques (DT) et les outils de réalité étendue (XR). Bien que ces innovations soient déjà largement exploitées dans la maintenance industrielle, leur potentiel reste à démontrer dans le secteur de la construction. Elles promettent d’aider à la prise de décision en donnant accès à des informations spécifiques, via la XR, lors d’opérations de maintenance et en permettant des simulations de comportement grâce au DT. Cependant, la complexité croissante des installations, associée à l’impératif de recourir à une expertise externe lors des opérations de maintenance, appelle à repenser les méthodes d’assistance à distance, en particulier à la lumière des préoccupations environnementales et sanitaires. Pour répondre à ces enjeux, nos travaux de recherche basés sur un état de l’art approfondi de la littérature scientifique et technologique, se concentrent sur l’exploitation de ces technologies pour améliorer les procédures de maintenance. Tout d’abord, une revue de littérature a permis d’évaluer comment les outils XR et les jumeaux numériques peuvent enrichir les informations utilisées lors des opérations de maintenance. Cette analyse souligne l’intérêt de tirer parti des données du BIM (Building Information Modeling) pour créer un jumeau numérique, ainsi que les améliorations apportées à la visualisation de ces données par les outils XR. De plus, une étude des solutions de collaboration existantes a révélé les exigences et les contraintes inhérentes au travail collaboratif entre un opérateur sur le terrain et un expert distant, telles que la nécessité d’un environnement de travail commun et les difficultés de synchronisation des échanges. Dans une deuxième phase de notre recherche, en nous appuyant sur ces constats, nous avons développé une architecture permettant d’améliorer la collaboration lors des inspections entre un opérateur sur site et un expert à distance, en utilisant les capacités de visualisation des outils XR et les données du jumeau numérique de l’installation. Cette démarche a abouti à la création de la solution DT-RAMCoRE, permettant le partage d’informations via la manipulation indirecte du jumeau numérique de l’installation par la méthode RAMCoRE. Conscients de la diversité des dispositifs XR et de l’évolution rapide de la technologie, nous avons conçu cette solution avec l’objectif d’assurer sa pérennité et son interopérabilité entre les différents supports disponibles, grâce à la norme OpenXR. En analysant une étude de cas, nous avons démontré que l’utilisation de la solution DT-RAMCoRE lors d’une inspection collaborative permet à l’opérateur de comprendre plus rapidement les informations transmises par un expert par rapport à une approche classique basée sur un appel vidéo, tout en réduisant les erreurs liées à l’identification des composants de l’installation. En conclusion, nous formulons des recommandations pour optimiser les informations fournies aux acteurs de la collaboration. Enfin, nous avons développé un concept de simulation, composant du DT, permettant de fournir à l’opérateur sur le terrain et l’expert à distance des outils d’analyses avancées facilitant le travail d’inspection. En perspectives à ces travaux, nous présentons une méthodologie pour exploiter les modèles de simulation du DT via les outils de XR
Technological advances in Industry 4.0 have paved the way for new methodologies and technologies, including digital twins (DT) and extended reality (XR) tools. While these innovations are already widely exploited in industrial maintenance, their potential in the construction sector remains to be demonstrated. They promise to help decision-making by providing access to specific information, via XR, during maintenance operations, and by enabling behavioral simulations thanks to the DT. However, the growing complexity of installations, combined with the need to call on external expertise during maintenance operations, calls for a rethinking of remote assistance methods, particularly in the light of environmental and health concerns. To explore these challenges, our research work, based on an in-depth review of scientific and technological literature, focuses on exploiting these technologies to improve maintenance procedures. Firstly, a literature review explored how XR tools and digital twins can enrich the information used during maintenance operations. This analysis highlights the value of leveraging BIM (Building Information Modeling) data to create a digital twin, as well as the improvements XR tools bring to the visualization of this data. In addition, a study of existing collaboration solutions revealed the requirements and constraints inherent in collaborative work between a field operation and a remote expert, such as the need for common work environment and difficulties in synchronizing exchanges. In a second phase of our research, based on these findings, we developed an architecture to enhance collaboration during inspections between an on-site operator and a remote expert, using the visualization capabilites of XR tools and data from the system’s digital twin. This led to the creation of the DT-RAMCoRE solution, enabling Information to be shared via indirect manipulation of the system’s digital twin usingthe RAMCoRE method. Aware of the diversity of XR devices and the rapid evolution of the technology, we designed this solution with the aim of ensuring its durability and interoperability between the different media available, thanks to the OpenXR standard. By analyzing a case study, we have demonstrated that using the DT-RAMCoREsolution during a collaborative inspection helps the operator to understand the information transmitted by an expert more quickly than with a conventional approach based on a video call, while reducing errors linked to the identification of system components. In conclusion, we formulate recommendations for optimizing the information provided to collaborative users. Finally, we have developed a simulation concept, a key component of the DT, to provide the field operator and the remote expert with advanced analysis tools to facilitate inspection work. As a perspective to this work, we present a methodology for exploiting DT simulation models via XR tools

L'Internet Industriel des Objets (IIoT) offre un paysage complexe avec de nombreuses contraintes, notamment en raison de son utilisation pour piloter des applications critiques dans l'Industrie 4.0. Les exigences dans un tel contexte, en termes d'efficacité énergétique et de qualité de service (délai, fiabilité, déterminisme et robustesse), sont strictes et d'une importance capitale. Il en découle un besoin impératif de mécanismes de gestion sophistiqués tout au long de leur cycle de vie pour répondre à ces exigences. Cette thèse explore deux axes technologiques pour relever ce défi : l'ordonnancement basé sur l'Apprentissage par Renforcement pour le protocole TSCH (Time Slotted Channel Hopping) et le Jumeau Numérique du Réseau (JNR). L'ordonnancement TSCH dans l'IIoT est identifiée comme un domaine essentiel pour optimiser la performance de ces réseaux. Plusieurs travaux ont proposé des techniques d'ordonnancement basées sur l'Apprentissage par Renforcement pour les protocoles MAC TDMA (Time Division Multiple Access) , et plus particulièrement pour TSCH. Toutefois, l'utilisation de cette approche dans un réseau contraint comme l'IIoT présente le risque d'une consommation énergétique accrue. Cela est dû au processus d'apprentissage continu et à la coordination entre les nœuds nécessaire pour gérer le problème de non-stationnarité du réseau, considéré comme un Système Multi-Agents. Cette thèse présente un nouvel algorithme d'ordonnancement distribué basé sur l'Apprentissage par Renforcement, nommé QL-TSCH-plus. Cet algorithme est conçu pour être adaptatif et efficace, avec des objectifs de réduction de la consommation d'énergie et des délais propres aux environnements IIoT. En parallèle du développement de l'ordonnancement pour TSCH, cette thèse adopte le concept de JNR comme solution viable pour une gestion efficace de l'IIoT. Les jumeaux numériques sont de plus en plus utilisés pour optimiser les performances des systèmes industriels. En capitalisant sur cette technologie, une architecture JNR holistique pour l'IIoT est proposée, où le réseau est intégré avec d'autres composants industriels. L'architecture exploite les réseaux définies par logiciel (SDN) pour permettre une gestion en boucle fermée du réseau tout au long de son cycle de vie (de la conception au service). Cette architecture facilite la validation rapide des solutions réseau dans un environnement industriel grâce au lien continu entre le JNR et le réseau IIoT physique. De plus, nous proposons de modéliser l'IIoT dans le JNR en utilisant des réseaux de Petri, permettant des réseaux de Petri basés sur les données. Ces modèles servent de modèles formels à gros grains, permettant une simulation rapide pour l'exécution de scénarios hypothétiques et une détection des fautes en temps réel, essentielle dans les applications industrielles critiques
The Industrial Internet of Things (IIoT) presents a complex landscape with numerous constraints, particularly due to their use to control critical applications in Industry 4.0. The requirements in such a context in terms of energy efficiency and quality of service (delay, reliability, determinism and robustness) are strict and of paramount importance. Consequently, there is a pressing need for sophisticated management mechanisms throughout their entire lifecycle to meet these needs. This thesis explores two technological fronts to address this challenge: Reinforcement Learning-based Time Slotted Channel Hopping (TSCH) scheduling and Network Digital Twin (NDT). TSCH scheduling in IIoT, is identified as a crucial area to optimize the performance of these networks. Several works proposed Reinforcement Learning-based scheduling techniques for TDMA (Time Division Multiple Access ) MAC protocols, and particularly for TSCH. However, using this approach in a constrained network like the IIoT carries the risk of elevated energy consumption. This is due to the continuous learning process and coordination among the nodes necessary to manage the non-stationarity issue in the network, which is viewed as a Multi-Agent System. This thesis introduces a novel Reinforcement Learning-based distributed scheduling algorithm, QL-TSCH-plus. This algorithm has been designed to be adaptive and efficient, with reduced energy consumption and delay targets inherent to IIoT environments. Parallel to the development of TSCH scheduling, this thesis adopts the concept of NDT as a viable solution for effective IIoT management. Digital twins have been increasingly used to optimize the performances of industrial systems. Capitalizing on this technology, a holistic NDT architecture for the IIoT is proposed, where the network is integrated with other industrial components. The architecture leverages Software Defined Networking to enable closed-loop network management across the entire network life-cycle (from design to service). This architecture enables quick validation of networking solutions in an industrial environment because of the continuous link between the NDT and the physical IIoT network. Moreover, we propose to model the IIoT in the NDT using Petri-nets, enabling data-driven Petri-nets. These serve as coarse-grained formal models enabling fast simulation time for what-if scenarios execution, and real-time fault detection that is crucial in mission-critical industrial applications

Avec l'augmentation de la demande de soins dans le monde, les services hospitaliers sont de plus en plus sollicités. Leur performance est étroitement liée à la performance de leur bloc opératoire. En effet, le bloc opératoire est un important centre de revenus et de dépenses puisqu'il représente 40% du budget de l'hôpital (Macario et al. 1997), et que 60% des patients viennent à l'hôpital pour une intervention chirurgicale (Fugener et al. 2017). Il est donc nécessaire que les blocs opératoires soient efficients. Cependant, cela est rendu difficile par la complexité de leur organisation due à la diversité des parcours patients, la multiplicité des métiers, les liens étroits avec les services amont et aval, la synchronisation de plusieurs ressources et flux logistiques (personnels, médicaments et dispositifs médicaux), etc. D'autre part, la variabilité des durées et les perturbations inhérentes à la pratique médicale, comme les cas d'urgence, sont les principaux facteurs et événements qui dégradent le programme opératoire et impliquent que le personnel prenne de fréquentes décisions pour maintenir l'activité du bloc opératoire de manière optimale. Par conséquent, les activités de planification et d'ordonnancement du bloc opératoire intéressent de plus en plus la communauté scientifique. Dans cette thèse de doctorat, nous nous concentrons sur les niveaux opérationnels hors ligne et en ligne (Hans et Vanberkel 2012). Ceci nous amène aux questions de recherche suivantes : (1) Comment évaluer la robustesse et la résilience du programme opératoire avant son exécution (dimension prospective) ? (2) Comment rejouer le programme opératoire pour avoir un retour d'expérience et évaluer les décisions prises lors de son exécution (dimension rétrospective) ? La contribution de ce manuscrit est triple : (1) Nous proposons un système d'aide à la décision basé sur un jumeau numérique pour la simulation et l'analyse prospectives et rétrospectives de l'exécution du programme opératoire. (2) Nous décrivons une méthodologie standardisée pour concevoir, construire et mettre en œuvre cet outil dans n'importe quel bloc opératoire. (3) Cette méthodologie est appliquée à un bloc opératoire inspiré de l'Hôpital Privé de La Baie (groupe Vivalto Santé), afin de disposer d'une preuve de concept permettant de simuler un programme opératoire de façon prospective et rétrospective
With healthcare demand rising worldwide, hospital services are increasingly needed. Hospitals' performance is tightly linked to their surgical suite performance. Indeed, the surgical suite is an important revenue and expense center with over 40% of the hospital's budget dedicated to it (Macario et al. 1997) and 60% of the patient coming into the hospital for surgical intervention (Fugener et al. 2017). This makes it necessary for surgical suites to be efficient. However, running a profitable surgical suite is quite hard and requires a methodological approach due to the complexity of its functioning: the diversity of patient pathways, the multiplicity of professions, the tight link with upstream and downstream wards, the synchronization of several resources and logistic flows (drug and medical devices), etc. On the other hand, durations variability and disruptions inherent in medical care like emergency cases are the main factors and events that degrade the scheduled execution and involve the staff making decisions frequently to preserve the surgical suite activity in an optimal way. Therefore, OR planning and scheduling activities are of increasing interest to the scientific community. In this PhD thesis, we focus on offline operational and online operational levels (Hans and Vanberkel 2012). This leads us to the following research questions: (1) How can we assess the robustness and the resilience of the schedule before its execution (prospective way)? (2) How can we replay the schedule to have feedback and assess the decisions made during its execution (retrospective way)? The contribution of this manuscript is threefold: (1) we propose a digital twin-based decision support system for the prospective and retrospective simulation and analysis of the operating room schedule execution, (2) we describe a standardized methodology to conceive, build and implement this tool in any surgical suite, (3) This methodology is applied to an operating room inspired by the Private Hospital of La Baie (Vivalto Santé group, France), in order to have a proof of concept allowing to simulate an operating program prospectively and retrospectively

Placée dans le cadre de la maintenance 4.0, cette thèse vise à développer un simulateur vibratoire pour un banc d’essais de roulements à gorges profondes, afin d’améliorer la précision des diagnostics basés sur des algorithmes de machine learning. Le travail se concentre d’abord sur l’intégration de la flexibilité des paliers dans un modèle numérique existant, créant ainsi un jumeau numérique plus représentatif des conditions réelles d’exploitation. La méthodologie s’articule autour de la conception d’un modèle numérique hybride, combinant un modèle méso (éléments discrets) et un modèle macro (éléments finis). Ces deux sous-modèles communiquent pour décrire la dynamique du système et simuler différents modes de fonctionnement. Les données générées par le simulateur sont ensuite exploitées pour mettre à jour le modèle et entraîner des algorithmes de classification (MSVM, KNN, arbres de décision), obtenant un taux de classification de 94 %. Ce résultat montre une amélioration de 10 % par rapport aux méthodes précédentes, confirmant l’efficacité de l’approche. Dans le but de mesurer l’apport qualitatif et quantitatif des données dans un diagnostic par classification, les données issues de ce modèle numérique mis à jour sont utilisées dans différentes stratégies d’hybridation de données avec les celles mesurées sur le système
Framed within maintenance 4.0, this thesis aims to develop a vibratory simulator for a deep-groove ball bearing test bench to improve the accuracy of diagnostics based on machine learning algorithms. The work initially focuses on integrating the flexibility of the bearing supports into an existing numerical model, thereby creating a digital twin that more accurately reflects real operating conditions. The methodology is centred around the design of a hybrid numerical model, combining a meso-model (discrete elements) and a macro-model (finite elements). These two sub-models interact to describe the system's dynamics and simulate different operating modes. The data generated by the simulator is then used to update the model and train classification algorithms (MSVM, KNN, decision trees), achieving a classification accuracy of 94%. This result demonstrates a 10% improvement compared to previous methods, confirming the approach’s effectiveness. To assess the qualitative and quantitative contributions of the data in a classification-based diagnostic, the data from the updated numerical model is used in various data hybridization strategies with those measured from the physical system

La préservation numérique du patrimoine est une approche classique pour constituer des doubles numériques d’objets conservés dans des collections. Nous nous intéressons ici à des maquettes d’une structure de pont, l’une conservée dans les collections de l’École des Ponts à Marne-la-Vallée, en France et l’autre au musée Zeughaus de Teufen, en Suisse, représentant le même objet : le pont sur le Rhin à Schaffhouse conçu par l’architecte Grubenmann. Bien que d’époques, de dimensions, et plus généralement de factures très différentes, ces deux maquettes peuvent être comparées à travers la superposition de leurs jumeaux numériques. Cet article présente les difficultés techniques à surmonter pour calculer les modèles 3D d’objets de ce type, et la façon dont ces modèles permettent ensuite de créer de la connaissance sur ces maquettes et sur les objets qu’elles représentent.

Ce chapitre s’intéresse à l’introduction de l’intelligence artificielle (IA) dans le cadre de l’Edge et du Cloud Networking. Le chapitre examine l’IA dans le contrôle du SDN et dans l’aide à la gestion du Cloud Networking. Pour terminer, il décrit l’utilisation de jumeaux numériques intelligents pour contrôler les réseaux.

Structurer l’information par le BIM implique de construire le jumeau numérique de l’ouvrage construit. La norme ISO 19650 du jumeau numérique structure l’objet à réaliser : « le système à faire » et les processus, garantissant le cycle de vie : « le système pour faire». La transition numérique introduit la question de la valorisation de l’information

Ce chapitre propose une réflexion sur un outil de « jumeau numérique » utilisé pour l’enseignement des travaux pratiques en science. Dans un premier temps nous présentons les caractéristiques d’un jumeau numérique et l’opportunité qu’il peut avoir pour la formation des étudiants. Dans un second temps, nous proposons un retour d’expérience sur le cas particulier de CAP’VR, solution développée et mise en place au Conservatoire National des Arts et Métiers à Paris.