Depuis 1970, l’entreprise METALLIANCE, installée à Saint-Vallier et Génelard conçoit et construit des équipements et engins spéciaux, capables de transporter plus de 28 tonnes de matériel servant à la construction de tunnels et d’infrastructures dans l’univers des transports routiers, ferroviaires et métros. Depuis peu, la société s’est orientée vers le développement d’engin de construction de tunnel tout électrique. Des prototypes sont, en effet, actuellement en oeuvre au sein de chantier nationaux et internationaux. La société étant constamment en phase d’innovation, elle souhaite développer des modèles de prédiction lui permettant une optimisation énergétique de ses systèmes et une maintenance prédictive.
Dans le cadre de cette thèse, un jumeau numérique sera développé pour simuler des scénarios d'utilisation d’un engin de chantier électrique, en prenant en compte des paramètres tels que le poids des équipements embarqués, les conditions météorologiques, le terrain sur lequel l’engin doit évoluer, etc. Cette simulation permet d’une part de surveiller l’état de santé du véhicule en temps réel, en collectant et en analysant des données provenant de différents capteurs simulés (paramètres de fonctionnement du véhicule et ainsi maximiser son efficacité énergétique) et d’autre part déterminer les besoins énergétiques du véhicule et d'optimiser son système de propulsion électrique GMP en tenant compte de différents profils d’emploi (furtivité, combats intenses, …) et des éléments d’environnements intérieurs/extérieurs (habitacle, terrain, météo, …) influant sur ses performances.
Dans le contexte de cette thèse, le modèle de jumeau numérique aura pour objectifs :
1) L’optimisation énergétique des systèmes du GMP électrique tenant compte de différents profils d’emploi (transport de charges lourdes, creusement, …) et des éléments d’environnements intérieurs/extérieurs (habitacle, terrain, météo, …) influant sur ses performances.
2) Le suivi de l'état de santé (SOH) du véhicule et de ses composants énergétiques amenant à de la maintenance prédictive.
Mots clés : Jumeau numérique, Digital Twin, optimisation énergétique, maintenance prédictive, maintien des performances, environnements sévères, écosystème industriel
