Dans les programmes d’ingénierie contemporains englobant l’ingénierie système, le diagnostic, les tests, la maintenabilité et le maintien en condition opérationnelle à long terme, un défi persistant et de plus en plus critique a émergé.
Les outils utilisent différentes structures de données, formats et hypothèses. La terminologie varie d’un domaine à l’autre, des mots identiques ayant souvent des significations entièrement différentes. Alors que les organisations accélèrent leur transformation numérique, le volume et la complexité des données d’ingénierie continuent de croître, parallèlement à la difficulté de les interpréter, de les échanger et de les réutiliser de manière cohérente.
Les conséquences sont importantes : mauvaise communication entre les équipes, travail redondant, modèles incompatibles et connaissances de conception qui deviennent difficiles, voire impossibles, à exploiter tout au long du cycle de vie du système ou à réutiliser pour de futurs programmes.
En réponse, les organisations d’ingénierie ont exploré de multiples approches d’intégration numérique. Chacune offre des avantages et des limitations distincts, mais toutes visent à répondre à la même question primordiale :
Comment pouvons-nous établir une représentation numérique fiable, cohérente et durable d’un système, accessible et significative pour toutes les disciplines d’ingénierie ?
1. L'approche centralisée du « modèle maître »
Cette stratégie crée un référentiel unique et faisant autorité, souvent ancré dans l’ingénierie système basée sur des modèles (MBSE), qui contient toutes les données du projet. Chaque outil effectue une traduction vers et depuis ce modèle central.
Points forts
- Une source unique de vérité authentique
- Un contrôle de configuration rigoureux
- Une multi-utilisation plus facile des données de projet
- Un retour sur investissement prometteur à long terme
Défis
- Des besoins élevés en investissement initial et en infrastructure
- Des jeux politiques internes concernant les autorisations de mise à jour
- Des incohérences sémantiques apparaissent encore lorsque les domaines utilisent une terminologie contradictoire
- Les mises à jour peuvent se répercuter de manière imprévisible sur les équipes dépendantes
L’approche du modèle maître tente d’éliminer la fragmentation, mais les écarts sémantiques entre les disciplines d’ingénierie rendent toujours l’intégration difficile.
2. Centres d'expertise interconnectés (style distribué/PLM)
Au lieu de tout centraliser, ce modèle permet à chaque discipline de conserver ses propres données et outils indépendants. L’intégration se fait de manière sélective, uniquement là où elle apporte de la valeur, en utilisant des API ou des traducteurs.
Points forts
- Un coût d’entrée plus faible
- Un retour sur investissement plus rapide
- Les équipes conservent le contrôle de leurs propres données
- Une intégration introduite uniquement là où elle est nécessaire
Défis
- Les incompatibilités sémantiques restent un problème persistant
- Les versions de la conception peuvent diverger à mesure que les données sont dupliquées
- Le contrôle de configuration devient un réseau de dépendances interconnectées
- Les discussions d’alignement sont fréquentes et inévitables
Cette approche est flexible, mais elle est confrontée au même défi fondamental : le partage de la signification entre les disciplines.
3. Le fil numérique basé sur des normes (une troisième voie à suivre)
Cette stratégie émergente distribue les modèles entre les disciplines comme dans l’approche de style PLM, mais utilise des formats non propriétaires, normalisés et bien définis pour les relier.
Ici, la « source de vérité faisant autorité » est la chaîne d’échanges normalisés, et non un référentiel unique.
Points forts
- Un faible investissement initial et un retour sur investissement rapide
- Une réduction substantielle de l’ambiguïté sémantique
- La création d’un enregistrement durable et évolutif des connaissances de conception
- Une interopérabilité indépendante des outils
Défis
- Certains domaines manquent encore de normes robustes
- Les normes doivent être à la fois précises (non ambiguës) et extensibles (adaptables au projet)
- Les extensions peuvent déclencher des débats sur la propriété
- Le contrôle de configuration distribué nécessite encore de l’innovation
Même avec ces défis, un fil numérique basé sur des normes est de plus en plus considéré comme l’approche la plus évolutive et la plus durable.
Une étude de cas : un fil numérique entièrement normalisé en action
Une démonstration présentée entre 2021 et 2022 a mis en évidence un fil numérique en boucle fermée reliant 11 outils et activités d’ingénierie, de l’ingénierie système basée sur des modèles (MBSE) au diagnostic et à l’analyse du maintien en condition opérationnelle.
Le flux comprend :
- L’ingénierie système basée sur des modèles (MBSE) définit l’architecture du système.
- L’ingénierie du diagnostic génère des procédures de diagnostic et identifie les besoins en matière de tests.
- L’ingénierie des tests mappe les tests aux signaux et génère un code de programme de test automatique.
- Les diagnostics d’exécution interprètent les résultats des tests, guident le dépannage et réinjectent les données empiriques dans les modèles.
- Les simulations de maintien en condition opérationnelle analysent les performances de diagnostic historiques pour affiner les stratégies de maintenance.
La clé pour rendre cela possible : chaque activité lit et écrit dans des formats normalisés, assurant la continuité du sens et la traçabilité tout au long du cycle de vie.
eXpressML — Un lien essentiel dans le fil numérique
Au cœur de l’intégration du diagnostic se trouve eXpressML, un format non propriétaire qui documente le modèle de diagnostic complet développé dans eXpress™.
Ce que eXpressML capture
- La topologie et la connectivité des composants
- Les dépendances fonctionnelles
- Les états et les informations comportementales
- Les données de fiabilité (modes de défaillance, taux de défaillance)
- Les définitions de test et les règles de couverture
- Les attributs personnalisés pour les extensions spécifiques au projet
- Les identificateurs globaux reliant les données entre les outils
Pourquoi eXpressML est important
- Interopérabilité élevée : ingère facilement les données MBSE, CAD et de fiabilité avant de modéliser la logique de diagnostic.
- Clarté sémantique : assure une interprétation cohérente des connaissances de diagnostic entre les équipes.
- Durabilité à long terme : une fois amélioré dans eXpress™, le modèle est réexporté vers eXpressML, formant une représentation durable et indépendante des outils du travail d’ingénierie du diagnostic.
Dans l’étude de cas, les données MBSE sont importées dans eXpress™, enrichies de dépendances fonctionnelles et de règles de diagnostic, puis réexportées vers eXpressML, ce qui permet aux outils en aval de les consommer de manière fiable.
eXpressML — Un lien essentiel dans le fil numérique
Au cœur de l’intégration du diagnostic se trouve eXpressML, un format non propriétaire qui documente le modèle de diagnostic complet développé dans eXpress™.
Ce que eXpressML capture
- La topologie et la connectivité des composants
- Les dépendances fonctionnelles
- Les états et les informations comportementales
- Les données de fiabilité (modes de défaillance, taux de défaillance)
- Les définitions de test et les règles de couverture
- Les attributs personnalisés pour les extensions spécifiques au projet
- Les identificateurs globaux reliant les données entre les outils
Pourquoi eXpressML est important
- Interopérabilité élevée : ingère facilement les données MBSE, CAD et de fiabilité avant de modéliser la logique de diagnostic.
- Clarté sémantique : assure une interprétation cohérente des connaissances de diagnostic entre les équipes.
- Durabilité à long terme : une fois amélioré dans eXpress™, le modèle est réexporté vers eXpressML, formant une représentation durable et indépendante des outils du travail d’ingénierie du diagnostic.
Dans l’étude de cas, les données MBSE sont importées dans eXpress™, enrichies de dépendances fonctionnelles et de règles de diagnostic, puis réexportées vers eXpressML, ce qui permet aux outils en aval de les consommer de manière fiable.
Alors que les organisations adoptent des fils numériques basés sur des normes et des outils tels que eXpress, beaucoup font confiance à Spherea pour son expertise spécialisée en ingénierie de testabilité, en diagnostic et en développement de stratégies de support optimisées. Nous combinons des connaissances techniques approfondies avec une expérience pratique des programmes pour aider les organisations à assurer la disponibilité du système, à réduire les coûts du cycle de vie et à renforcer la prise de décision en matière d’ingénierie.
Nos capacités couvrent l’ensemble du spectre de l’ingénierie de testabilité et de maintenabilité. Nous aidons les clients à valider les mesures de disponibilité du système, telles que les taux de détection et les performances de localisation des défauts, en utilisant la modélisation de diagnostic avancée dans eXpress™ et les méthodologies RAMS complémentaires.