Nous avons le plaisir de vous annoncer le séminaire de  

Ali BDEIR, Doctorant à l’équipe systèmes durables (ISAE-SUPMECA), portant sur « Méthodologie d’évaluation de l’alignement d’un jumeau numérique multiniveau d’un système de production cyber-physique »

Le 05/11/2026 à 13h15 via Teams. 

Résumé :

Les jumeaux numériques sont utilisés dans les systèmes de production cyber-physiques (CPPS) pour faciliter la surveillance, la simulation, l’optimisation et la prise de décision. La fiabilité de ces applications dépend de la fidélité avec laquelle le jumeau numérique représente son système physique de référence. Cependant, les changements liés à l’usure, à la maintenance ou à la reconfiguration peuvent réduire cette fidélité au fil du temps. Son évaluation est particulièrement complexe dans les systèmes de production à événements discrets, où les durées stochastiques des activités peuvent entraîner des différences entre les comportements physiques et simulés.

Cette thèse vise à développer un cadre méthodologique fondé sur les données pour évaluer et suivre la fidélité des jumeaux numériques aux niveaux de la machine et de la ligne de production. Ce cadre comprend deux phases complémentaires. Pendant l’initialisation, les données historiques sont analysées pour caractériser le système de référence, initialiser le jumeau numérique et évaluer sa fidélité avant son déploiement. Pendant l’exploitation, les données opérationnelles sont analysées sur des fenêtres d’observation successives afin de repérer les changements susceptibles d’affecter la fidélité.

Au niveau de la machine, les travaux portent sur la représentation du comportement stochastique, notamment des durées de traitement, et sur la détection de changements par des comparaisons statistiques. Au niveau de la ligne de production, ils explorent des méthodes d’intelligence artificielle pour évaluer le comportement global des ressources interconnectées, en tenant compte des flux de produits, des séquences d’événements et de leur chronologie. L’objectif est de développer des indicateurs interprétables permettant de quantifier la fidélité tout en tenant compte de la variabilité stochastique normale. Le cadre est étudié à l’aide de systèmes de production simulés dans FlexSim, avec une application future à des cas industriels réels. Ces travaux visent à renforcer la fiabilité des jumeaux numériques en évaluant leur fidélité initiale et en identifiant les situations dans lesquelles l’évolution du système physique nécessite une révision ou une mise à jour du modèle numérique.

Abstract :

Digital twins (DTs) are used in Cyber-Physical Production Systems (CPPS) to support monitoring, simulation, optimization, and decision-making. The reliability of these applications depends on how closely the digital twin represents its physical reference system. However, changes caused by wear, maintenance, or reconfiguration may reduce digital twin fidelity over time. Assessing fidelity is particularly challenging in discrete-event production systems, where stochastic activity durations can create differences between physical and simulated behaviour.

This PhD research aims to develop a data-driven framework for evaluating and monitoring digital twin fidelity at machine and production-line levels. The framework addresses two complementary phases. During initialization, historical data are analysed to characterize the reference system, initialize the digital twin, and assess its fidelity before deployment. During exploitation, operational data are assessed over successive observation windows to identify changes that may affect fidelity.

At the machine level, the research focuses on representing stochastic behaviour, particularly processing durations, and detecting changes through statistical comparisons. At the production-line level, it investigates artificial intelligence methods to assess the combined behaviour of interconnected resources, considering product flows, event sequences, and their timing. The objective is to develop interpretable indicators that quantify fidelity while accounting for normal stochastic variability.

The framework is investigated using simulated production systems in FlexSim, with future application to real industrial case studies. This research seeks to support reliable digital twin use by assessing initial fidelity and identifying when changes in the physical system require the digital model to be reviewed or updated.

Cordialement,

Équipe de valorisation scientifique de QUARTZ.