Un jumeau numérique est une représentation virtuelle d'entités et de processus du monde réel, synchronisée à une fréquence et une fidélité spécifiée. Le concept de jumeaux numériques peut être retracé jusqu'à la simulation numérique de systèmes physiques, où des méthodologies basées sur la théorie et les données sont adoptées pour faire des prédictions et optimiser les systèmes physiques. Avec le développement rapide des technologies de détection, de communication et de calcul, les jumeaux numériques ont été développés et utilisés pour simuler des conditions du monde réel avec des données en temps réel, améliorer les opérations et permettre des optimisations à différentes échelles.

L’objectif de ce cours est de fournir à l’étudiant ou l'étudiante une introduction complète aux jumeaux numériques et aux technologies qui les rendent possibles. Il abordera également les bases de l'internet des objets, de la science des données et des méthodes de modélisation et les données qui rendent les jumeaux numériques utiles dans la pratique. La méthode d'apprentissage basée sur des projets sera adoptée tout au long de ce cours. Le cours sera proposé sous forme de cours magistraux et de travaux pratiques, offrant un environnement d'apprentissage théorique et pratique. Les étudiants travailleront sur des projets stimulants en groupes, ce qui les engagera dans la résolution de problèmes et le travail en équipe.

Objectifs du cours

À la fin du cours, les étudiants seront en mesure :

• de comprendre les concepts clés, les technologies et les applications spécifiques aux jumeaux numériques
• d’identifier les différents méthodologies de modélisation et les outils de développement et de visualisation de jumeaux numériques
• de réaliser des projets de développement et de visualisation de jumeaux numériques de systèmes/processus physiques
• de décrire les étapes et les bonnes pratiques à suivre pour réaliser des projets de développement de jumeaux numériques  complexes
   

• 30 heures de cours et 9 heures de travaux pratiques.
• Trois (3) heures de cours magistral ou travail pratique par semaine. De nombreuses applications seront étudiées en classe pour permettre aux étudiant.e.s de bien assimiler la théorie et les techniques présentées en cours.
• Six (6) heures de travail personnel/en équipe en moyenne et par semaine, tout au long de la session.
• Les travaux réalisés en dehors des heures de cours permettront de mettre en pratique les notions vues en classe.

Tout travail (devoir pratique, rapport de laboratoire, rapport de projet, etc.) remis en retard sans motif valable, c’est-à-dire autre que ceux mentionnés dans le Règlement des études (1er cycle, article 7.2.7 b / cycles supérieurs, article 6.5.4 b) se verra attribuer la note zéro, à moins que d’autres dispositions ne soient communiquées par écrit par l’enseignant dans les consignes de chaque travail à remettre ou dans le plan de cours pour l’ensemble des travaux.

L’usage de l’IA est permis sous condition de citer le contenu généré.

Sur Moodle

[1] Julien, Nathalie, and Éric Martin. Le jumeau numérique: de l'intelligence artificielle à l'industrie agile. Dunod, 2020.

[2] R. Minerva, G. M. Lee and N. Crespi, "Digital Twin in the IoT Context: A Survey on Technical Features, Scenarios, and Architectural Models," in Proceedings of the IEEE, vol. 108, no. 10, pp. 1785-1824, Oct. 2020.

[3] Schoder D. Introduction to the Internet of Things. Internet of things A to Z: technologies and applications, 2018.

[4] Lv Z, Fersman E, editors. Digital Twins: Basics and Applications. Springer Nature; 2022.

[5] S. Mihai et al., "Digital Twins: A Survey on Enabling Technologies, Challenges, Trends and Future Prospects," in IEEE Communications Surveys & Tutorials, vol. 24, no. 4, pp. 2255-2291, Fourthquarter 2022.

[6] Géron A. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. " O'Reilly Media, Inc."; 2022.

Sur Moodle